中國計算機視覺應用專題研究報告2016 ——中國人工智慧行業系列研究

2016年，Alpha Go戰勝韓國圍棋選手李世乭再次引爆了全球對於人工智慧的討論和關注。計算機視覺作為人工智慧技術的基礎，受到深度學習的成功影響在近幾年內取得了突破性的進展，正在成為影響行業發展的下一個引擎。巨頭紛紛佈局，市場也吸引了越來越多的人才創業參與其中。計算機視覺正在成為人工智慧最火熱的細分領域之一。本報告將針對計算機視覺技術發展的關鍵節點、市場現狀及應用場景進行分析和研究。

  技術發展及市場現狀分析

  人工智慧是一場從終極概念到分級落地的技術演變

• 人工智慧（理想）:理想的人工智慧指的是通過技術創造「類人」的機器，使其具備人的感知能力、表達能力和思考能力。這是繼1955年約翰·麥卡錫提出人工智慧概念的初衷，但受技術侷限目前遠不能達到這一目的，其形態更多出現在虛構的影視作品中。
• 人工智慧 （現實）:現實的人工智慧指的是技術能夠訓練機器掌握某項「近於人」的能力，將人從最基礎最單一的繁雜事務中解放出來，作為工具提高人的生活和工作體驗。這是目前學術界和工業界共同努力的方向，伴隨技術的發展已經取得了一定的成果。

  人工智慧所依賴的基礎設施已經就位，但當前仍屬於早期階段

• 1955年人工智慧概念誕生
• 2000年網際網路發展進入拐點，資料量開始逐步增長
• 2012年深度學習演算法通過ImageNet比賽中名聲大噪，進而被廣泛採用
• 目前GPU晶片/雲端計算成本被大範圍使用；巨頭與創業公司開始湧入，探索應用及商業化

  當前國內人工智慧領域產業格局尚未成熟，上中下游均蘊含著不俗的創業空間，但進入門檻較高

  計算機視覺是機器認知世界的基礎，也是最主要的人工智慧技術之一

• 資訊採集（大資料）:計算機識別的影象一類為靜態內容，以圖片為主；另一類為動態內容，包括視訊和實景，其中實景需要利用感測器技術進行採集編碼。
• 特徵定位及提取（模型訓練）：將採集到的資訊進行檢測、關鍵點定位及特徵提取，給定相應的資料和標籤提交到學習平臺進行訓練，提高識別的精度。
• 人臉識別 影象識別：經過大量的訓練之後，最終計算機給予相應的識別反饋資訊，主要有人臉、物體、手勢等。目前計算機識別主要停留在感知的表層，未來識別的廣度與深度還需要進一步的挖掘。

  2010年-2015年ImageNet ILSVRC大賽冠軍團隊識別分類的錯誤率

  受技術發展影響，計算機視覺正在帶動全球新一輪的市場熱潮

  截至2016年第三季度國內計算機視覺創業公司一覽

  國外巨頭自研和收購雙管齊下佈局，將視覺技術廣泛應用於自身產品升級，並基於自身基因打造技術服務平臺和新品類持續提升影響力

  國內巨頭百度相對激進，阿里巴巴、騰訊基於自身產品進行功能試水

  技術應用場景及典型廠商分析

  計算機視覺技術已應用於傳統行業和前沿創新，安全/娛樂/營銷成最搶先落地的商業化領域

  計算機視覺的應用從軟硬體兩個層面優化安防人員的作業效率和深度

  計算機視覺的應用有效迎合直播平臺的前端使用者體驗和後端監管要求

  計算機視覺的應用促進視訊環境中廣告主和使用者間互動閉環的落地

  計算機視覺還將逐步拓展服務和工商業等多重應用場景

• 金融服務場景下刷臉進行身份認證
• 工業檢測螢幕質量
• 商場租鋪分級管理，商場根據客流統計資料在店鋪招商過程中可進行科學定價及營銷管理
• 展品陳列，博物館、展覽館根據展品的人氣調整陳列，提前預案
• 消費引導，識別消費者在貨架前的購物行為，可有針對性地推送廣告

  計算機視覺作為基礎人工智慧技術，與其他技術融合共同推動創新型行業應用的發展

• ADAS/無人駕駛/無人機技術的發展面臨的首要問題是對道路上的關鍵目標物進行有效識別（比如對前方相同大小的垃圾袋和硬石塊，系統的反饋應該有所不同），在此基礎上才能為駕駛員提供預警或自動做出正確的判斷和反應。
• 計算機視覺是VR/AR技術搭建視覺呈現模型、提供逼真的互動渲染效果的核心基礎。
• 針對癌症、瘧疾等病理切片識別的疾病檢測，可以有效地緩解醫療資源匱乏、醫術水平參差不齊等世界性難題，並提高醫者的工作效率。

  行業趨勢分析

• 當前產業細分程度不足，市場處於早期探索階段
• B端需求強於C端，商業模式較為清晰
• 技術應用場景可複製性較強，擁有自研技術的團隊容易享受技術紅利
• 實際應用的價值以提升效率為主，並非取代人類，而是輔助作用，從業者需管理市場預期，耐心培育市場
• 計算機視覺創業投資成本巨大，行業壁壘高，對行業痛點的洞察以及對產品價效比的控制是影響商業變現的關鍵因素

  趨勢分析

• 人工智慧專用的底層軟硬體設施（如作業系統、晶片、儲存等）是目前的市場缺口，這為垂直廠商和創業公司提供了巨大的市場機會，將會成為新的熱點。
• 與人相比，計算機的識別廣度和深度還有巨大的提升空間，因此資料量需求將激增，掌握資料來源的廠商將成為爭奪的焦點。

• 預計未來5-10年間將會是行業應用的密集滲透期，這對傳統行業的發展程序及組織架構將產生深遠的影響。