处于“风口”的机器视觉如何快速构建AI全产业链

【编者按】机器视觉是人工智能正在快速发展的一个分支。简单说来，机器视觉就是用机器代替人眼来做测量和判断。机器视觉系统是通过机器视觉产品将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。

本文转自“机器视觉”；经亿欧编辑，供业内人士阅读。

---

2017人工智能？计算机视觉产业创新大会在北京举行。 研究机构赛迪顾问人工智能产业高级分析师向阳在会上援引了该机构对人工智能市场的分析和预测。

对人工智能赛迪有自己的定义。现在很多业界人士都对强人工智能和弱人工智能有很清晰的定义，其实强的人工智能还是存在比较遥远的探索阶段，它是关于自我意识方面比较深层次的探索，我们关注最多的是弱的人工智能。

弱的人工智能有三个定义，它主要具备了3C特性，第一个就是人工智能通过深度学习和神经网络算法，能够对人类的一些知识感知实现机器理解。第二个就是机器视觉和语音识别，能够通过机器对外界的行为进行一个感知。第三，协作的关系。这个协作是指运动器官，通过机器外部控制器完成人类对他指令行为习惯的驱使，这是3C的特征。

人工智能全景产业链机器视觉将快速重构

基于这样的概念定义基础之上，我们会对整个人工智能产业链进行详细分析。 整个产业链定位分为三个层次：第一是最下层的基础设施层，很多的机器视觉，包括语音识别需要很多的算法、硬件计算平台和一些软件的开发平台，还有刚才说的图像库资源，包括语音识别库资源，都是有基础设施层的布局。

第二个是技术研发层面，涵盖了包括机器学习、语音识别和机器视觉，还有智能机器人等三到四个重要的纬度，其中汉柏科技，在机器视觉领域做得就非常出色。

第三个是应用层，在人工智能产业行业应用最主要几个应用领域中，机器视觉的应用领域非常深、非常多，从整个产业链的全景图来讲，中国的人工智能产业处在快速的生态的构建期。

从整个机器视觉的领域来讲，它是处在快速的重构期，通过市场分析来看，机器视觉并不是特别新兴的领域，这从最早图像处理衍生到现在，市场上有很多大的厂商对智能安防和交通做了很久的深耕，他们最开始不是做机器视觉、人脸识别起家的，在这几个行业中很多厂商都处于并驾齐驱、快速发展阶段。

通过对产业全景图梳理的大体的框架可以看到，整个人工智能全产业链包括基础设施、技术研发和应用层三个层面。

通过对整个基础设施层的深入剖析，包括一些重点厂商和重点行业应用， 其实可以看到，基础设施层存在问题。 现在很多的传感器，包括一些机器视觉的识别，它的多元数据是很难融合，去协同的，它的数据不能对多元化协同开发，还存在着一定的障碍，这是目前在基础设施层存在的一些问题。我们认为未来的突破，一个是软件算法的快速迭代、快速的更新。在这个层面上中国其实是跟全世界很多国家一样，都处在非常相似的起跑线上，大家对这个算法的突破能力都是非常强的。在软件算法层面是我们未来的重要突破方向。 另一方面就是硬件的计算芯片，这是未来的主攻方向，尤其是现在最热门的AI芯片，这是未来重点发展方向。

简单分析一下目前主流的计算芯片包括GPU，这包括服务器，还有边缘计算，基本上都用这两类计算芯片完成人工智能，包括机器视觉整个运算能力。从整个趋势来讲， 基本上分为两个特征，就是云端会存在高吞吐，本地化存在小快灵的特征。 这是什么意思呢？现在很多的机器视觉、很多的数据源汇总到云端需要占用大量网络带宽，这对我们提出很严峻的挑战，交通、安防数据都需要通过云端处理，业界同行都认为未来的趋势，就是需要将这种运算的功能边缘化， 当然提供一些时延必须要低，这是未来主要的方向，本地的移动化AI芯片。

当然这是技术研发层层面，其实核心的问题就是一点，机器学习是推动了整个计算机视觉的精度，包括效率的提升，这是在机器学习领域对整个计算机视觉重要的突破性影响。

分析应用层场景发现机器视觉对硬件推动非常明显，比如说无人机，可能最早不具备机器视觉，例如大疆无人机，它推出智能避障，现在添加了是为了提升产品的性价比。

通过分析在应用层的产品存在的问题，我们认为机器视觉未来的突破领域，也是刚才说的，还有就是三维的视觉重建，这当然是技术视觉的算法层面。另一方面未来的无人设备，将会是一个非常重要的突破点。

全球人工智能战略格局

对比全球目前主要国家在人工智能包括机器视觉方面的战略部署，我们可以看到，在美国、日本、欧洲已经很早就提出了相应的重大的战略部署，而且从他们的战略的实施层面和纬度，以及深度和力度来讲，可以看出美日韩在抢跑战略。 从具体几个目标来看，美国关注的非常早，在去年白宫提出了人工智能计划之后，其实已经紧密召开了四次，从学界、企业，包括社会的整个沟通会讨论，相当于社会整个伦理，包括科技进步的征集形式，在声势上非常浩大。

日本也是处在非常迅猛推进的阶段。 最近大家看到波士顿动力，后来被丰田收购了，他们之后做了非常大力度的推动，这家公司最早专注于做工业机器人，但是丰田收购之后，很快转型做服务机器人，这跟美国另一家做扫地机器人公司非常类似，我们认为日本在人工智能下一阶段上会抢跑的重要原因。

说到欧盟整个包括两大旗舰项目，一是人脑计划，二是石墨烯，这是从战略上推出非常强大的动力，这是全球的战略动向。

从企业方面来讲，现在很多企业，尤其是IT龙头企业，都是以软件和硬件平台为统一部署商业化的运作，从图中可以看出，这里面列举了一些重点的产品和软件的平台，其实都是一体化的推动，当然这是企业的普遍思路。

赛迪顾问预测到2018年中国人工智能市场规模会超过406亿，这个复合增长率会达到25.8%，增速是快于全球的整个增长率的。 在市场结构上来讲，也是存在着整体的情况。投资规模来讲，在去年一年，从投资的整个额度包括投资笔数都呈快速增加的态势，而且很多从事人工智能和机器视觉的企业数量也在快速地增加。

从区域布局的分析可以看到，各个国家、各个层次都在推广一些自己的战略。通过人工智能方面利好的政策， 未来在这四个领域会有比较大的机遇，安防、交通，金融，消费电子这是机器视觉领域重点关注的应用行业方向。

产业发展未来三大趋势

最后为大家分享几个未来的趋势：

第一是现在巨头做机器视觉， 包括人工智能演进，他们都是呈开元化，这在中国来讲比如华为，对他们来说开源的思路，到底开源怎么用，有很多理念上跟国外还是有一定的差距，很多开源做完代码自己封装自己用了，其实从整个思路来讲，国外开源理念上是更先进的。当然有其背后的原因，很多企业基本上在提交人工智能代码上走着开源化部署道路。

整个产业的演进方向，目前处在快速回报期。 整个产业和产品技术演进会存在周期的波动，机器视觉领域以及计算机视觉，仍是处在快速的回报期，也就是说它的技术已经得到成熟，市场关注度也在快速地回升，它是未来能够得到快速回报的重点产品和领域。

最后就是在目前中国整个市场发展 ，包括政府的规划中，智慧城市这个话题又重新火热起来了，很多年前建设了很多，但是发展都不是特别顺利，现在随着人工智能整个产业发展，这个动力和热潮，主要原因就是技术实力能够解决真正的刚需和真正的问题，在数据方面我们预测今年中国智慧城市建设数量超过500个，在整个智慧城市的产业定义上来讲，机器视觉领域需求量特别大的，很多的包括智慧城市的定义就是说，什么叫智慧城市，就是摄象头数量多少个，这是一个很刚性的标准，对智能，包括具备人脸识别功能摄象头需求量未来是非常大的。

人工智能的发展确实会减少很多的工作岗位，但是同样会创造非常多的新兴的工作岗位， 比如说编程，很多年前都是不存在的，整个产业对社会发展带来非常大的推动作用。

推荐阅读：

辞别美国终身教授，AI创业12年，陶海的商业感悟与AI理解