文／3S Market 趨勢觀察
過去三十年來，安控產業談論晶片時，最常聽到的名詞是 SoC。
從類比監控時代的 DVR，到 IP Camera 時代的網路攝影機，再到今天的 AI Camera，大部分安控工程師接觸最深的晶片，仍然是攝影機裡面的 SoC。
然而，當 AI、雲端運算與智慧空間治理（Smart Space Governance）逐漸成為市場主流之後，完整安控系統的運算架構早已超越單一攝影機的範疇。
今天的智慧安控系統，已經涵蓋：
- Video Surveillance（影像監控）
- Access Control（門禁管理）
- Intrusion Detection（入侵偵測）
- Intercom（對講系統）
- Visitor Management（訪客管理）
- Parking Management（停車管理）
- Fire & Life Safety（消防與生命安全）
- VMS（影像管理平台）
- PSIM（實體安全資訊管理）
- AI Agent
- Cloud AI
因此，如果想真正理解未來安控產業的發展方向，就不能只看 SoC，而必須從 MCU、DSP、CPU、NPU、GPU 一路看到 Cloud AI。
安控產業最大的誤解：以為只有攝影機需要晶片
如果問大多數安控從業人員：安控產品裡面有哪些晶片？很多人第一個想到的是：
- Ambarella
- Novatek
- SigmaStar
- FUHAN
- HiSilicon
但事實上，這些大多屬於攝影機領域。真正的安控系統遠比攝影機複雜。不同子系統需要不同運算能力，因此背後也使用不同類型的晶片。
圖表一：完整安控解決方案的晶片架構金字塔
層級 | 系統 | 主要晶片 |
Cloud | AI Platform、AI Agent、Digital Twin | GPU Cluster、AI Accelerator |
Platform | VMS、PSIM、資料平台 | CPU + GPU |
Edge Server | AI Box、Smart NVR | CPU + GPU/NPU/FPGA |
Edge Device | AI Camera、人臉門禁機 | SoC（CPU+DSP+ISP+NPU） |
Controller | 門禁控制器、入侵主機 | MCU |
Sensor | PIR、門磁、雷達、感測器 | MCU |
MCU：最被忽略卻數量最多的晶片
如果以數量來看，安控產業裡最多的其實不是 GPU，也不是 SoC，而是 MCU。
MCU（Microcontroller Unit）微控制器，是許多安控設備的大腦。
例如：
- 門禁控制器
- 門磁感測器
- PIR 紅外線感測器
- 緊急求救按鈕
- 電鎖控制模組
- 柵欄機控制器
- 火警控制模組
它們的工作很單純：
- 讀取感測器訊號
- 控制 Relay
- 執行簡單邏輯判斷
- 網路通訊
因此並不需要強大的 AI 運算能力。
常見架構包括：
- ARM Cortex-M
- STM32
- NXP MCU
- Microchip MCU
對於門禁與入侵偵測系統而言，MCU 至今仍是最重要的核心。
DSP：安控產業的隱形英雄
在 AI 出現之前，DSP（Digital Signal Processor）其實曾是安控產業最重要的晶片之一。
早期：DVR、Video Server、網路攝影機，大量採用 DSP 架構。DSP最擅長：影像處理、聲音處理、壓縮運算、訊號濾波，例如：H.264、H.265、Echo Cancellation、Noise Reduction，都屬於 DSP 的工作。
對講系統為何仍需要 DSP？
許多人談 AI 時只想到 NPU。但對講系統其實更依賴 DSP。
例如：
- 回音消除
- 語音降噪
- 音訊編解碼
DSP 的重要性往往高於 AI。
未來智慧對講系統可能加入：
- 語音辨識
- 即時翻譯
- 聲紋辨識
此時則會形成：DSP + NPU 的混合架構。
SoC：攝影機時代的王者
如果 MCU 是門禁與感測器的大腦，那麼 SoC 就是攝影機的大腦。SoC（System on Chip）並不是單一運算核心，而是一個整合平台。
典型 AI Camera SoC 可能包含：CPU、ISP、DSP、NPU、Video Codec，全部整合於同一顆晶片。
為什麼攝影機都採用 SoC？
原因非常簡單，攝影機需要同時滿足：
- 低功耗
- 小體積
- 低成本
- 高穩定性
- 大量生產
因此 SoC 成為最佳方案。
DSP 解決看得清楚
DSP 負責：
- HDR
- 降噪
- 色彩校正
- 銳利化
- 影像壓縮
NPU 解決看得懂
NPU 負責：
- 人臉辨識
- 車牌辨識
- 人車分類
- 周界防護
因此：DSP 負責「看得清楚」，NPU 負責「看得懂」。
CPU：系統整合時代的主角
當系統從單一設備變成平台之後，CPU 開始成為核心。
例如：
- VMS Server
- Access Control Server
- Visitor Management Server
- Parking Server
- PSIM
其本質都是資料整合平台。
CPU 擅長：
- 邏輯運算
- 多工管理
- 資料庫
- API 整合
因此在安控平台層，CPU 仍然不可取代。
NPU：AI Camera 與智慧門禁的新引擎
近年來 AI Camera 爆發成長。
背後推手就是 NPU。
NPU（Neural Processing Unit）專門加速神經網路推論。
除了攝影機之外，許多人臉門禁機也開始導入 NPU。
例如：
- 人臉辨識門禁
- 智慧訪客機
- AI Intercom
都逐漸採用：CPU + NPU 架構。
GPU：智慧空間治理平台的核心
過去安控產業很少接觸 GPU。原因很簡單：攝影機一班很少會採用 GPU。
然而當系統進入：AI Box、Smart NVR、VMS AI Analytics、AI Agent、Digital Twin 時，GPU 開始成為不可或缺的運算核心。
為什麼 GPU 崛起？
因為未來系統不只要看一支攝影機。
而是同時分析：
- 500支攝影機
- 10萬筆門禁事件
- 5萬筆車牌資料
- 物聯網感測器資料
甚至：
- LLM
- VLM
- Agentic AI
此時 GPU 的平行運算能力遠超過 CPU。
AI Box：安控與 IPC 的交會點
AI Box 是目前最值得注意的產品。
因為它剛好位於：安控業與 IPC 業之間。
典型架構：CPU + GPU 或 CPU + NPU Accelerator
主要工作：
- 多攝影機分析
- 跨攝影機追蹤（Re-ID）
- AI 推論
- 資料彙整
它是未來 Edge AI 的重要樞紐。
未來的安控系統：不再只是 Security，而是 Space Governance
過去的安控系統關心的是：
有沒有入侵？
有沒有失竊？
但未來智慧空間治理平台關心的是：
- 人流
- 車流
- 能源
- ESG
- 營運效率
- 空間使用率
- 風險預測
因此：影像監控、門禁、入侵偵測、對講系統將不再是獨立系統，而是共同匯流到同一個平台。
圖表二：未來智慧空間治理的運算架構
Sensor / Reader
(MCU)
↓
AI Camera / Face Terminal
(SoC + NPU)
↓
Door Controller / Intrusion Controller
(MCU)
↓
AI Box / Smart NVR
(CPU + GPU)
↓
VMS / Access Control / PSIM
(CPU + GPU)
↓
AI Agent Platform
(GPU)
↓
Cloud AI Platform
(GPU Cluster)
結語：安控產業下一個十年的競爭，不再是攝影機規格競爭
過去二十年，安控業者最熟悉的是：
- Sensor
- DSP
- SoC
未來十年，則必須理解：
- MCU
- DSP
- SoC
- CPU
- NPU
- GPU
- AI Accelerator
之間的關係。
因為客戶真正購買的，不再是一支攝影機、一套門禁或一套對講系統。
而是一個能夠整合影像、門禁、入侵偵測、對講、消防、IoT、AI 與雲端運算的智慧空間治理平台。
而這條從 MCU、DSP、SoC 到 GPU 的晶片生態鏈，正是未來安控、IPC 與 IT 三大產業逐漸融合的起點。
按此 ☞ 回今日3S Market新聞首頁
0 comments:
張貼留言