人工智能三大主要应用场景：语音识别、自然语言处理、视觉应用，其中，视觉是发展最为成熟的领域之一。

对于快速发展的AI视觉来说，一个非常重要的基础就是AI芯片。随着落地规模越来越大、场景越来越丰富，对AI视觉芯片也提出了更高要求。哪类芯片更受欢迎？主要落地哪些场景？能够解决哪些行业痛点？本文梳理了18家本土厂商的AI视觉芯片及相关应用，试图分析出一些技术和落地趋势。

渐成主流的三大AI视觉方案

根据应用方向来看，市面上的AI视觉方案可以简单划分为三大类：低功耗AI视觉方案、AIIPC模组方案、AI算力盒子。

面对越来越高的场景复杂度和图像质量要求，传统ISP图像处理技术已近瓶颈。随着参数库逐渐庞大，调试越发困难，开发周期逐步拉长，画质提升的投资收益率也越来越低。此时，画质技术与AI技术的深度融合至关重要。利用AI算力深度学习海量场景和数据，智能调优复杂参数，输出算法模型辅助图像处理，使图像质量突破传统ISP极限。AI与传统ISP的结合趋势在手机中非常突出，并且也在走入泛安防领域。

IPC设备本身有一定的开发门槛，需要众多技术支持。而AIIPC模组由于自带应用算法，通常支持多种无线接入方式，且SDK便于用户二次开发，因此比较受欢迎。这类方案相对比较成熟，进入了大批量出货阶段。

第三，AI算力盒子是AI和边缘计算结合的设备，可实现端侧和边缘系统中的高性能计算和AI性能。

五类AI视觉芯片大PK

剖开这些方案内部，AI视觉主芯片可以简单区分为GPU、CPU/集成GPU、带NPU的SoC、FPGA、以及RISC-V架构芯片等。这些芯片分别面向不同的应用和用户类型，也各自呈现出不同的发展趋势。

其中，基于GPU的开发板可能是许多用户刚开始AI开发时就接触到的，比如NVIDIATX2或Nano，AMD的APUSoC等。这类产品最大的优势是生态完善，不论是TensorFlow、Caffe、PyTorch哪种框架，或是哪种AI库，运行起来都很流畅，开发体验也比较好。

第二类CPU/集成GPU，主要针对中低算力需求的应用，只需已有的CPU或是集成GPU就可以满足。优势在于整体硬件成本更低，且方案成熟；缺点就是算力不够大，不能支持太大的AI模型。

第三类是带NPU的SoC，已经越来越成为AI视觉主芯片的一大趋势，它们将NPU与主处理器集成在一起，可满足中高算力需求。这方面的代表有海思3519AV100、Hi3559A，瑞芯微RK3399Pro、RK1808等。由于是单芯片，硬件成本也适中，挑战主要在于模型的量化部署方面，以及模型部署工具的成熟度，主要依赖于芯片厂商成熟的工具链支持。

除了这类单芯片设计，市面上还有一类神经计算加速棒产品，例如IntelMovidius、瑞芯微等都提供这类产品，可以通过USB插到板卡上提供运算能力。但是这类方案需要进行相互之间的数据传输，对于整体的方案设计、硬件的稳定性等都有一定挑战。

第四类基于FPGA的主控芯片，主要满足对实时性要求较高的应用，比如自动驾驶/辅助驾驶、工业级应用等。挑战在于开发难度，涉及一些自研AI加速FPGA逻辑，需要底层的加速设计和量化方案设计，以及相应的转换、编译。

第五类是RISC-V架构的芯片，近两年得到了较大的发展。比如嘉楠基于双核64位RISC-V架构+ISP图像处理器的K510、全志科技最新推出的ARMCortex-A7+RISC-V协处理核的多目异构AI视觉芯片V853、晶视智能基于平头哥的双核RISC-VIP+TPU+ISP的AI视觉芯片等。

由于需要进行图像处理，这类芯片往往需要采用RISC-V主处理器+ISP或是ArmCPU+RISC-V协处理器的异构形式，以应对更大的算力需求和更高的图像处理性能。

新老国产芯片厂商猛攻AI视觉赛道

OPPO马里亚纳X影像处理芯片

自研DSA架构，其中包含多个IP：有自研NPUIP—MariNeuro、自研ISPIP—MariLumi、自研MIPI接口IP、Arm控制IP，以及自主设计的双层内存系统等。MariLumi主要进行图像信号的降噪和HDR处理，MariNeuro主要负责AI降噪算法加速，自研MIPI用于对接各种图像传感器，包括OPPO和Sony定制的传感器，Arm控制IP主要用于I/O口控制等，双层内存架构用于内部数据搬运。

vivoAI-ISP影像芯片

基于AI-ISP架构革新，vivo新一代自研芯片实现了三大突破：第一、片上内存单元的升级，带来了每秒1.3万亿bit的数据吞吐速率，拥有了强大的算力保障。第二、AI计算单元的升级，带来超高能效比，DLA加速器的峰值能效比达到每瓦16.3万亿次运算。第三、图像处理单元的升级，提升了AI-NR降噪、HDR影调融合、MEMC插帧等算法效果。

MediaTek天玑9000

爱芯元智

海思

在暗光场景，海思综合利用8级3D降噪和多光谱融合多种技术提供暗光成像品质。其中8级3D降噪技术利用8级滤波器进行降噪处理，它可以在空域滤波过程中同时实现图像去噪和增强，以及在时域滤波过程中混合两种不同的时间模式。8级3D降噪技术还包含两个用于细节增强的IE模块和一个锐化模块，可以在实现更强的去噪的同时，保留并增强更多的图像细节。而多光谱融合则通过红外补光，在ISP将可见光、850nm、940nm等常见光谱融合，在不增加光污染的同时，最终使图像效果达到暗光全彩，细节纹理丰富，过曝区和非过曝区准确处理。

国科微

国科微2015年进入安防IPC领域，正逐步构建安防前后端全系列布局。基于新一代AIISP引擎，国科微最新推出高端IPCSoCGK7608。面对夜间彩色成像难题，GK7608引入“黑白彩色双光融合”技术，无需补充白光，在夜晚仍可获得光彩鲜艳的图像，为客户提供高质量的低噪全彩方案。GK7608搭载高算力双核NPU实现多个神经网络并行运算，可应用到200个人/车的高密度场景，消除高密度场景盲区。

瑞芯微

瑞芯微三大类视觉芯片包括智慧视觉方案RV1126和RV1109、AIoT平台RK3568、边缘计算高性能平台RK1808和RK399Pro，可满足不同场景的算力需求。

君正

全志

全志科技最新发布了V853多目异构AI视觉芯片产品，采用三核异构设计，包括ArmCortex-A7主核、RISC-V协处理核与AINPU。其中，ArmCortex-A7主核可适应于兼容各类应用开发调试，RISC-V协处理核重点负责各类传感器场景，提高实时响应速度，AINPU则专注解决复杂多变的视觉检测识别场景，其检测识别帧率相较于传统CPU方式可最少提升20倍以上。三核异构解决了传统单核面对复杂视觉场景体验不佳的痛点问题。这款芯片已进入量产阶段，多个目标细分市场客户正在进行产品方案开发和优化工作，不久即将面市。

嘉楠

勘智K510是嘉楠公司推出的第二代AI边缘侧推理芯片，提供高性能的图像及语音处理能力。K510-CORE是核心模组，板载一颗K510芯片，CPU采用双核64bitRISC-V架构，K510搭载自主研发的第二代神经网络处理器，采用计算数据流技术，算力较上一代提升3倍同时降低功耗。板载内存为512MBLPDDR3@1600MHz。支持两路MIPI串行图像输入和一路DVP并行图像输入，支持1路MIPI图像输出。可用于工业/专业相机、3D识别模组、考勤门禁门锁智能终端、AI教育开发板/机器人等。

云天励飞

针对机器人市场，云天励飞基于DeepEye1000打造了MiniPCIeAI加速卡，能够快速满足机器人厂商对现有产品和方案智能升级的需求。应用云天励飞DeepEye1000的厂商不仅能够直接应用云天励飞自研的上百种计算机视觉算法，也能够通过云天励飞的开放的工具链，搭载自研或第三方厂商的算法。

亿智电子

清微智能

清微智能TX510是一款面向IoT设备的超低功耗视觉处理芯片，基于可重构计算架构，内置3D引擎支持AlexNet、GoogleNet、ResNet、VGG等主流神经网络，可实现人脸识别、物体识别、手势识别、目标跟踪等功能。清微智能的可重构技术通过实现“软件可编程、架构能变换”的能力，在同等功耗下具有更强算力，并具有低成本、应用开发简便等特征。

雄迈

知存科技

晶视智能

酷芯微电子

针对无人机应用，酷芯端侧AISoC芯片包括影像视觉和机器视觉功能，用于目标检测、识别、分析、跟踪、三维重建等。目前，酷芯影像及智能视觉处理芯片已历经一代AR9201、二代ARD33和AR9341，将在未来发布三代AR9521和AR9541。

地平线

智能驾驶芯片方面，地平线产品也是由视觉处理向多传感器数据融合方向发展。征程5芯片可实现传感器融合，算力/功耗达到96TOPS/20W。

写在最后

AI催生了新的视觉应用，也颠覆了传统的视觉设备。

由于AI的出现，处理器架构已经发生了翻天覆地的变化，把算法和处理器进行联合优化已经成为重要趋势。跨界阵营的扩大，也将继续延伸AI视觉应用的多样化功能，创造出更多更为贴近用户需求的产品。

据Counterpoint数据，2023年由SoC驱动的具有专用AI核心的智能手机的比例预计将超过75%，而2020年时这个数字仅约为35%。未来1-2年，独立的AI核心不仅会运用在旗舰机、高端机上，还会在主流机、入门机中得到大量普及。

智能家居方面也值得期待。视觉和传感交互的应用有望成为语音之后智能家居新的增长点，智能家居设备将向多模态交互发展，进一步催生可移动性产品的发展。更多的智能家居细分场景以及单品点位将持续爆发，尤其是围绕安全需求的单品与系统，将会更加具有前瞻性与突破性。

在工业领域，AI视觉已被誉为工业之“眼”，正逐步代替人眼，深度赋能智能制造。同时，在汽车智能化的趋势下，AI视觉也已经围绕舱内智能、ADAS等应用展开竞争。

我们已经进入了海量数据爆发的时代，端边云协同的AI视觉产业正在形成，这对算力、算法、数据、模型等又提出了新的要求。AI视觉已经在工业、消费、泛安防等领域逐步实现商用价值，未来也将继续在更多领域步入规模化落地应用，国产AI芯片也将迎来新的发展机遇。