近年来，人工智能（AI）和机器学习（ML）技术产品需求激增。但研究发现，在自动驾驶等应用中，让机器学习人类与生俱来的技能和判断力，简直难若登天。尽管在部分领域，有关AI的炒作已经超越现实，仍有不少采用ML功能的真实产品开始逐渐吸引消费者的目光。例如采用智能视觉的安防和家居监控系统，就拥有巨大的潜力：分析公司StrategyAnalyTIcs预测，2019年至2023年间，家居安防摄像头市场的增长率将超过50%，市值将从80亿美元增至130亿美元。
由于影像和场景识别被认为是最适合发展ML技术的功能之一，智能摄像头得以蓬勃发展。家居监控系统中的智能功能可用于：
·看护老年人或弱势群体
·监测婴儿睡眠时呼吸是否正常
·识别住户或宠物的面部（例如智能门铃或智能宠物门），自动允许他们进入
·监控住宅周边的可疑活动，并触发入侵警报
这些搭载高级图像信号处理器（ISP）的新型智能监控系统，其实就是具有特定功能的计算机。这一类的最新产品采用类似于计算机的架构，需要依靠高速DRAM系统的低延迟、高带宽作业来储存在ISP上执行的应用程序代码。本文将探讨影响新型家居安防监控系统类别中DRAM技术选择的因素，并说明DRAM的发展如何对应ISP型架构的特定需求。
功能完善的计算机摄像头系统内存
用于家居安防监控的最新智能摄像头，使用神经网络来进行影像或场景识别。这些监控系统包含推理引擎：这是一种经过训练的软件算法，可以通过检视和分析训练数据集中所含的数千或数百万个已标记影像，“学会”识别影像或场景类型。
家居监控市场需求增长，如何选择内存技术以适应新型系统架构
图1：NetGearArlo，早期的AI家居安防摄像头之一。（影像出处：ScottLewis，根据创作共享授权）
执行推理引擎是一项运算量很大的工作负载，因此一些最新的家居监控系统会搭载高效能的整合式ISP，以及芯片组制造商（例如Ambarella）的AI推理引擎，这些ISP通常采用功能强大的Arm®Cortex®-A系列应用处理器核心。
另一种常见家居安防摄像头设计的方法是“LightAI”，该方法使用Omnivision、Kneron和NXPSemiconductors等制造商所生产的体积较小、功能较少的芯片组。虽然Omnivision和NXP已是全球知名的高级传感器和处理器芯片供货商，但随着近几年Kneron迅速崛起，该公司成为AI技术的领导者，其KL520被EETImes评选为十大边缘AI应用芯片组之一（www.eeTImes.eu/top-10-processors-for-ai-acceleraTIon-at-the-endpoint/）。
因此，这些以AI为出发点的家居监控系统其实也应算是计算机摄像头（如图1），与老式的闭路电视（CCTV）摄像头，或单纯记录场景含有时间戳视频片段的安防摄像头，是完全不同的装置。新一代的家居安防摄像头采用计算机型态的架构，并配备充足的高速DRAM内存来储存复杂的推理引擎和其他应用程序代码（如图2）。
家居监控市场需求增长，如何选择内存技术以适应新型系统架构
图2：家居安防摄像头的典型系统架构包含支持ISP的DRAM系统内存（以AmbarellaCV25S为例）
但家居监控系统不同于平板电脑、智能手机或其他通用型计算机，具有专用的影像和推理功能，可充分发挥组件和系统架构的效能。这代表DRAM单纯是为了满足影像信号处理功能的需求，而非一般的运算任务。
因此，家居安防摄像头制造商发现，相比使用智能手机或笔记本电脑中常见的高容量4GB、8GBDRAM，专用的低容量或中容量LPDRAM更具优势。
关键词标签：海量存储 文件存储 分布式存储 国产存储 私有云 企业级存储 软件定义存储
