边缘计算最强细分行业，此行业将乘风破浪

　 我在深入边缘计算的调研时，发现边缘计算将在安防监控、智能网联汽车、虚拟现实、工业物联网、智能家居等多个垂直场景逐步落地，而安防监控有望成为落地最快的垂直场景。

　　具体细节，接下来会慢慢梳理，相信你会看到一个在边缘计算利好冲击下“全新”的安防领域，我会在文末贴出最符合下一波轮动的龙头名单。

　　边缘计算被定义为“一种新的计算方式”，这种模式将计算与存储资源部署在更贴近移动设备或传感器的网络边缘”，其核心在于“贴近”终端，因此在实时、快速响应是边缘计算产生的核心所在。并具有降低带宽压力、满足实时性要求、保护隐私和数据安全、降低能耗等优点。

　　聚焦在安防监控行业来看，由于行业本身的性质，即连续不间断的大码流视频信号需要从前端采集设备传输到中心端的监控指挥室进行处理、显示和存储，其天然存在带宽资源、数据冗余、存储资源、实时反馈等问题，因此边缘计算是安防监控的长期趋势和必然需求。

　　回溯历史，安防行业在2010年开始的网络化迭代实质上就是一次边缘计算的变革。

　　在网络化迭代之前，安防监控系统是由前端的模拟摄像机和后端的DVR录像机组成。

　　2010年开始，前端设备开始由模拟摄像机向网络摄像机进行过渡，区别在于直接在摄像机层面通过SoC芯片进行视频信号的图像处理、模数转换和编码压缩，并直接通过网线将已压缩的数据传送至后端设备进行存储。

　　正是基于这种边缘计算模式的网络化变革，安防监控系统的覆盖范围限制被解除，并且拓扑结构也极大地自由化，功能升级的同时应用领域也大为拓宽，直接带动了安防监控行业的规模空间扩张，经过统计，2010年-2015年，安防行业的市场规模从2270亿成长到了4860亿，市场规模增长接近一倍，而安防板块上市公司股价平均翻了5倍之多。

　　目前来看，安防行业正在经历新一轮的智能化迭代，行业再次进入高速发展，未来5年市场规模有望继续翻倍，相关公司股价有望继续高速上涨。

　　2015年开始，伴随着深度学习算法的成熟、AI加速计算芯片的快速迭代，使得安防监控系统开始进行新一轮的智能化变革。

　　在这一轮智能化变革中，通过在系统中添加新的计算单元，监控视频中的人、车、物和事件信息可以被深度学习算法所识别提取并做结构化的存储，目标信息检索的效率大幅提升，并且在安防之外还具备了参与用户的业务管理的功能。促使视频监控的需求在智能化时代进一步打开。

　　在本次安防监控的智能化的迭代中，边缘计算将又一次成为系统架构设计的主旋律。

　　如前文所述，安防监控系统的智能化需要在系统中配置新的计算单元。其可以配置在云中心一侧，优点在于系统的升级成本较低，但是在实时响应能力方面存在缺陷，对于网络带宽资源的要求较高。

　　而在边缘计算应用之后，在边缘侧和云端协同配置下，能够大幅缓解对于网络带宽的压力，并且可以实现更好的实时性反馈。

　　以近两年情况来看，受制于成本高昂，边缘侧的安防监控智能化应用较为受限。

　　但随着根据应用场景定制的高性价比的智能监控专用SoC芯片方案的逐渐成熟，边缘侧的安防监控智能化的成本有望大幅降低。

　　举例来看，2018年下半年，华为海思的3559A以及美国Ambarella的CV22两款智能监控专用SoC方案已经在业内小批量测试使用，价格比原先的方案降低了一半以上，同时国内AI初创企业的芯片方案也在陆续出台。

　　在智能化安防监控的边缘侧，2019年高性价比的专用SoC芯片方案有望对原有方案进行大面积的替代，安防监控行业新一轮的智能化边缘计算的迭代周期将正式开启，行业规模再次高速增长，有望5年再翻一倍，相关上市公司也必然迎来业绩股价双丰收。

　　根据中国安防协会发布《中国安防行业“十三五”（2016－2020年）发展规划》，主要内容是让安防行业向规模化、自动化、智能化转型升级。

　　在转型的途中，随着边缘计算在安防行业的逐渐落地，将不断刺激安防行业的市场规模扩大，预计到2020年，安防企业总收入达到8500亿元左右，年增长率达到10%以上，对于安防板块的业绩增长，整体将达到恐怖的20%。

　　目前安防行业依旧被严重低估，行业市盈率仅仅只有25倍，对比科技行业平均40倍PE，短期还有50%上涨空间，而且随着安防行业的业绩逐渐释放，PE必然不断降低，未来上涨空间超过2倍。