中央明確指示要加快推進國家規(guī)劃已明確的重大工程和基礎(chǔ)設(shè)施建設(shè)，其中要加快 5G 網(wǎng)絡(luò)、數(shù)據(jù)中心等新型基礎(chǔ)設(shè)施建設(shè)進度。相比于傳統(tǒng)的"鐵公基"，新基建是立足于高新科技的基礎(chǔ)設(shè)施建設(shè)，主要包括5G基建、特高壓、城際高速鐵路和城市軌道交通、新能源汽車充電樁、大數(shù)據(jù)中心、人工智能、工業(yè)互聯(lián)網(wǎng)等七大領(lǐng)域。

當(dāng)前人工智能理論和技術(shù)日益成熟，應(yīng)用范圍不斷擴大，產(chǎn)業(yè)正在逐步形成、不斷豐富，相應(yīng)的商業(yè)模式也在持續(xù)演進和多元化。據(jù)IDC統(tǒng)計，2018年我國人工智能市場規(guī)模為161.9億元，預(yù)計到2022年市場規(guī)模將接近700億元，年復(fù)合增長率超過50%。據(jù)中國人工智能學(xué)會和羅蘭貝格咨詢公司預(yù)測，2025年市場規(guī)模將達到3萬億美元。
?

以深度學(xué)習(xí)為代表的人工智能算法的出現(xiàn)極大推動了視覺人工智能行業(yè)的發(fā)展。計算機視覺是人工智能行業(yè)的最大組成部分，與其他細分的比較來看，計算機視覺技術(shù)應(yīng)用的市場規(guī)模也遠遠大于其他細分。

計算機視覺(Computer Vision) 人工智能主要應(yīng)用領(lǐng)域之一，起源于20世紀80年代的神經(jīng)網(wǎng)絡(luò)技術(shù)，通過使用光學(xué)系統(tǒng)和圖像處理工具等來模擬人的視覺能力捕捉和處理場景的三維信息，理解并通過指揮特定的裝置執(zhí)行決策。2015年以來，全球科技界和產(chǎn)業(yè)界高度重視視覺人工智能研究和應(yīng)用，在核心技術(shù)和產(chǎn)業(yè)化應(yīng)用的研發(fā)投入持續(xù)倍增。

計算機視覺能極大提升機器的圖像感知能力和認知能力，因此應(yīng)用場景十分廣闊，商業(yè)化變現(xiàn)空間大。

根據(jù)前瞻產(chǎn)業(yè)研究院的統(tǒng)計，國內(nèi)人工智能企業(yè)中，有高達42%的企業(yè)應(yīng)用計算機視覺相關(guān)技術(shù)，其次是語音和自然語言處理，分別占比24%、19%，兩者之和才與計算機視覺占比相當(dāng)。在安防影像分析、泛金融身份認證、手機和互聯(lián)網(wǎng)娛樂、批發(fā)零售商品識別、工業(yè)制造、廣告營銷、自動駕駛、醫(yī)療影像分析等領(lǐng)域都具有巨大應(yīng)用價值。

視覺人工智能行業(yè)的發(fā)展，離不開技術(shù)的驅(qū)動：一方面諸如GPU、FPGA、ASIC等一系列AI芯片的出現(xiàn)極大提升了芯片計算能力，突破了傳統(tǒng)CPU的算力瓶頸；另一方面以深學(xué)習(xí)為代表的AI算法的崛起，使得AI視覺的識別能力有了很大的提高。硬件算力的提升以及軟件算法的進步都對視覺人工智能的發(fā)展起到了重要的推動作用。

計算機視覺的工作流程包含四個模塊：檢測、分類、跟蹤與語義分割。具體為成像設(shè)備首先捕獲圖像，然后對每個圖像進行預(yù)處理，提取特征后輸入到分類模型中。

計算機視覺是采用圖像處理、模式識別、人工智能技術(shù)相結(jié)合的手段，著重于一幅或多幅圖像的計算機分析。

圖像可以由單個或者多個傳感器獲取，也可以是單個傳感器在不同時刻獲取的圖像序列。在消費級領(lǐng)域，隨著數(shù)據(jù)量上漲、運算力提升和深度學(xué)習(xí)算法的發(fā)展，計算機視覺技術(shù)越來越多地被應(yīng)用在各類消費級應(yīng)用場景中，典型的如人臉識別服務(wù)，具體包括人臉檢測、人臉關(guān)鍵特征點、人臉對比、人臉?biāo)阉鳌⑷四槍傩?、人臉聚類、人力活體檢測等。

計算機視覺實現(xiàn)了計算機“看得懂”，人臉識別、OCR和圖像結(jié)構(gòu)化是其主要應(yīng)用場景。計算機視覺是用計算機模擬人眼對目標(biāo)進行識別、跟蹤和測量，并且對圖形進行處理，即實現(xiàn)計算機“看得懂”。

根據(jù)億歐智庫《2019計算機視覺人臉識別市場研究報告》顯示，2018年中國計算機視覺人臉識別市場規(guī)模為151.7億元，預(yù)計2021年將達530億元，年均復(fù)合增長率53%，市場規(guī)模增長迅速。

計算機視覺行業(yè)產(chǎn)業(yè)鏈由上游基礎(chǔ)層、中游技術(shù)層以及下游應(yīng)用層組成。

上游基礎(chǔ)層基礎(chǔ)層：主要包括CPU、GPU等芯片硬件，深度神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)等算法，以及由真實數(shù)據(jù)和模擬數(shù)據(jù)共同構(gòu)成的數(shù)據(jù)集。核心芯片被Intel、Nvidia等傳統(tǒng)芯片廠商把控，新型芯片廠商尚未崛起，規(guī)模應(yīng)用有待時日；開源平臺以谷歌的Tensorflow、Facebook的Caffe等為主，其它企業(yè)的深度學(xué)習(xí)框架多為二次開發(fā)；

中游技術(shù)層主要包括視頻識別、圖片識別、模式匹配等嵌入式視覺軟件，以及一站式解決方案。算法，初創(chuàng)企業(yè)占優(yōu)；云計算，幾乎被AWS、Google Cloud、Azure、阿里云等壟斷。

下游應(yīng)用層：為計算機視覺的落地場景，包括智慧安防、智慧金融、手機應(yīng)用、無人駕駛等商業(yè)領(lǐng)域。垂直行業(yè)龍頭占據(jù)場景，技術(shù)層初創(chuàng)企業(yè)向上滲透。

國內(nèi)計算機視覺的玩家有三類：

1.?？低?/u>、大華股份、宇視科技等安防廠商