計算機的先哲圖靈在設計圖靈機的同時也一直在思考怎么讓機器更智能，可以說計算芯片從誕生的那一刻起就是為智能服務的。

依靠大數據，基于連接主義的深度學習在我們這個時代大行其道，吸引了政府、資本、工業界和學界的共同關注，百花齊放，堪稱AI皇冠上的明珠。

根據英偉達公司的估計，到 2020年，全球用于云端訓練的AI芯片的市場規模將達到 110 億美元，用于推理的AI芯片的市場規模將達到 150 億美元。

縱觀整個信息產業鏈，AI芯片已經在云端深度滲透，在終端和邊緣上逐步普及，安防行業也不例外。安防行業是AI芯片熱潮的受益者之一，傳統安防巨頭無不依靠AI芯片鞏固地位，新晉的算法巨頭也在借助AI芯片算力進軍安防，傳統芯片公司更是通過AI芯片布局安防。大到平安城市建設，小到小區單元門禁，宏觀和微觀層面都有AI芯片的存在。

得益于芯片架構的不斷改進，AI芯片的算力發展呈現出超越“摩爾定律”的進步趨勢，每年大約可增加10倍。為了滿足AI應用的需求，AI芯片也由高功耗、大算力的粗放型發展模式向低功耗、算力按需配置的精細化發展模式邁進。

但任何事物發展總是曲折前進的，我們也要看到當前AI芯片的局限性，如通用性較差、易用性不足等。某類AI芯片上運行圖像領域常用的卷積神經網絡（CNN）表現良好，但運行自然語言處理領域常用的循環神經網絡（RNN）則性能平平。專門為計算加速定制的AI芯片性能良好，但如果缺少易用的深度學習框架支撐，即使是專業的AI從業者要在芯片上開發應用也絕非易事。

但我們有理由相信AI芯片的發展會是持續的、光明的，畢竟人類對AI的渴望是發自本能的。就可見的未來而言，物聯網的智能化就需要海量的AI芯片。

此外，計算的形態也在不斷演化，如最近又出現了新的模擬計算形態，更適合運行神經網絡，為AI芯片的進步提供了新的支點。具體到安防領域，算法前置、AI芯片在前端普及應用仍是一片藍海，召喚著人們去開拓。