一、视觉人工智能技术发展历程
1、计算机视觉的定义
计算机视觉技术赋予计算机人类双眼所拥有的分割、分类、识别、跟踪、判别等功能，通过构造多层的神经网络，识别不同层级的图像特征并在顶层做出判断和分类。
2、计算机视觉的发展历程
马尔计算视觉：20 世纪 80 年代，主要讨论“计算理论”和“表达与算法”，认为大脑的神经计算和计算机的数值计算没有本质区别。
多视几何与分层三维重建：20 世纪 90 年代，研究重点在于如何在保证鲁棒性的前提下快速进行大场景的三维重建，而重建需要反复和大量的计算。
基于学习的视觉：21 世纪初至今，以机器学习为主要技术手段的计算机视觉研究，包括以流性学习的子空间法和目前以深度学习为代表的视觉方法。
如上所示，计算机视觉主要经历了以上三个发展阶段。伴随着同期互联网海量数据的爆发，各类数据集成为计算机视觉技术发展的土壤，而深度学习和深层神经网络理论最终带来最新一次的技术变革。2015 年，视觉人工智能系统识别项目 ImageNet 比赛中，ResNet 以 3.57%的识别错误率首次超越人类视觉的 5.1%。目前人脸识别准确率已经提升至 97%以上。
二、视觉人工智能产业链简介
与人工智能市场的产业链相似，视觉人工智能市场的产业链同样分为基础层、技术层与应用层。其中，基础层主要包括提供算力的芯片与提供信息采集功能的前端设备组成的硬件支持、相关底层技术支持，与海量信息数据；技术层则主要包括基于各类识别技术构建的软件产品、解决方案和技术平台；应用层则包括了各类视觉人工智能的应用场景。
三、视觉人工智能行业市场规模与行业构成
作为人工智能产业中应用最为广泛的技术之一，计算机视觉技术拥有前景广阔的庞大市场。在 2017 年的爆发式增长后，我国计算机视觉市场近几年的增长趋缓，但仍处于较高水平。根据高工产研机器人研究所的数据，2019 年中国计算机视觉应用市场达 14.56 亿美元。而根据沙利文咨询出具的研究，2019 年中国计算机视觉市场规模达到 219.6亿元。
目前，视觉人工智能被广泛应用于各个行业，包括安防、零售、营销、医疗等等。其中，根据亿欧数据的研究，2018 年中国计算机人脸识别市场中安防场景的应用占 61.2%，根据前瞻研究院数据，2020 年中国计算机视觉应用层份额中，安防影像分析占 67.9%，国内明确的应用场景和强大的客户需求让 AI 技术在安防行业快速落地。在安防行业，视觉人工智能的应用场景包括门禁、智能摄像头等，依托人像识别技术，安防排查和管理效率得到显著提升。
同时，根据中科院发布的《2019 年人工智能发展白皮书》等，目前计算机视觉技术除了安防之外，较为典型的应用场景还包括：
1、自动驾驶
自动驾驶汽车需要使用计算机视觉技术。特斯拉等汽车制造商已经通过摄像头、激光雷达、雷达和超声波传感器从环境中获取图像，研发自动驾驶汽车来探测目标、车道标志和交通信号，从而安全驾驶。
2、医疗
由于 90％的医疗数据都是基于图像的，因此医学中的计算机视觉有很多用途。比如启用新的医疗诊断方法，分析 X射线，X光检查，AI诊疗等。
3、制造业
计算机视觉技术可以帮助工业制造商更安全、更智能、更有效地运行，比如预测性维护设备故障，对包装和产品质量进行监控，并通过计算机视觉技术识别和减少不合格产品。
4、翻译
传统翻译采用人工查词的方式，不但耗时长，而且错误率高。图像识别技术的出现大幅提升了翻译的效率和准确度，用户通过简单的拍照、截图或划线就能得到准确的翻译结果。
四、视觉人工智能技术的场景应用举例
视觉人工智能目前被广泛应用于多个行业，其功能和应用涉及到数据采集端——终端，数据传输，数据存储、处理和输出端——云端，通过云端和终端的密切配合，最终实现有效结果的输出。以安防场景为例，在一个完整的端云架构中，终端 IoT 设备主要用于数据采集，例如摄像机通过拍摄视频来采集数据，然后终端设备通过传播介质将数据传输至云端，再由云端进行批量的分析处理，最后输出分析结果。
由于终端设备需要更多地考虑功耗和成本，过去在端侧仅部署较小的算力，更依靠云侧算力的支持。在数据呈现指数级增长的今天，一方面终端的视频流数据快速增长加重了传输渠道的负载，导致原有带宽无法支撑数据的及时、有效传输，进而影响了云端算力的科学调度；另一方面，数据量的指数级增长大幅提高了云端对并行运算数据峰值的要求，云侧的部署成本随着数据处理需求的极值增长而显著提高，但在数据处理的“平峰期”，云端算力将存在无法得到充分、有效运用的情形。
为了更好地平衡云侧和端侧的算力分布，实现整体效率的最大化，目前通过提升端侧和边缘侧的智能化水平和算力，实现整体算力分布的前置成为行业的新趋势。通过将部分算力和分析程序前置到终端设备，终端可以实现对数据的预处理，仅需将部分特征数据传至云端，甚至在本地完成对数据的完整分析。通过分布式算力部署，端侧设备形成的数据处理集群逐步向云侧设备融合。
随着系统架构的不断优化，一方面这将增加有效算力，缓解带宽压力，减少设备的成本投入，另一方面数据的本地处理也能有效规避云侧分析带来的数据安全、隐私保护等风险。随着端侧芯片能够灵活支持更多算法，在云端集中的算力部署也将更加合理，最终实现“端云协同”的协同效应，即架构内算力、成本、时延、功耗的最优平衡。为实现这一效果，端侧对芯片的兼容性和灵活性有更高的要求，在控制成本和功耗的同时提升算力，从而实现云端部署和应用场景的灵活适配。
第一章 视觉人工智能行业发展概述
第一节 视觉人工智能的概念
第二节 视觉人工智能行业发展成熟度
第三节 视觉人工智能行业产业链分析
第二章 2020-2022年中国视觉人工智能行业运行环境分析
第一节 2020-2022年中国宏观经济环境分析
第二节 2020-2022年中国视觉人工智能行业发展政策环境分析
一、国内宏观政策发展建议
（一）继续实施积极的财政政策，加大结构调整力度
（二）采取组合调控措施，确保物价水平稳定
（三）推动节能减排市场化运作
二、视觉人工智能行业政策分析
三、相关行业政策影响分析
第三节 2020-2022年中国视觉人工智能行业发展社会环境分析
第三章 2020-2022年中国视觉人工智能行业市场发展分析
第一节 视觉人工智能行业市场发展现状
一、市场发展概况
二、发展热点回顾
三、市场存在问题及策略分析
第二节 视觉人工智能行业技术发展
一、技术特征现状分析
二、新技术研发及应用动态
三、技术发展趋势
第三节 中国视觉人工智能行业消费市场分析
一、消费特征分析
二、消费需求趋势
三、品牌市场消费结构
第四节 视觉人工智能所属行业产销数据统计分析
一、整体市场规模
二、区域市场数据统计情况
第五节 2023-2028年视觉人工智能行业市场发展趋势
第四章 2020-2022年中国视觉人工智能所属行业主要指标监测分析
第一节 2020-2022年中国视觉人工智能所属行业工业总产值分析
一、2020-2022年中国视觉人工智能所属行业工业总产值分析
二、不同规模企业工业总产值分析
三、不同所有制企业工业总产值比较
第二节 2020-2022年中国视觉人工智能所属行业主营业务收入分析
一、2020-2022年中国视觉人工智能所属行业主营业务收入分析
二、不同规模企业主营业务收入分析
三、不同所有制企业主营业务收入比较
第三节 2020-2022年中国视觉人工智能所属行业产品成本费用分析
一、2020-2022年中国视觉人工智能所属行业销售成本分析
二、不同规模企业销售成本比较分析
三、不同所有制企业销售成本比较分析
第四节 2020-2022年中国视觉人工智能所属行业利润总额分析
一、2020-2022年中国视觉人工智能所属行业利润总额分析
二、不同规模企业利润总额比较分析
三、不同所有制企业利润总额比较分析
第五节 2020-2022年中国视觉人工智能所属行业资产负债分析
一、2020-2022年中国视觉人工智能所属行业资产负债分析
二、不同规模企业资产负债比较分析
三、不同所有制企业资产负债比较分析
第六节 2020-2022年中国视觉人工智能所属行业财务指标分析
一、行业盈利能力分析
二、行业偿债能力分析
三、行业营运能力分析
四、行业发展能力分析
第五章 中国视觉人工智能行业区域市场分析
第一节 华北地区
一、华北地区经济发展现状分析
二、市场规模情况分析
三、行业发展前景预测
第二节 东北地区
一、东北地区经济发展现状分析
二、市场规模情况分析
三、行业发展前景预测
第三节 华东地区
一、华东地区经济发展现状分析
二、市场规模情况分析
三、行业发展前景预测
第四节 华南地区
一、华南地区经济发展现状分析
二、市场规模情况分析
三、行业发展前景预测
第五节 华中地区
一、华中地区经济发展现状分析
二、市场规模情况分析
三、行业发展前景预测
第六节 西南地区
一、西南地区经济发展现状分析
二、市场规模情况分析
三、行业发展前景预测
第七节 西北地区
一、西北地区经济发展现状分析
二、市场规模情况分析
三、行业发展前景预测
第六章 视觉人工智能行业竞争格局分析
第一节 行业竞争结构分析
第二节 行业集中度分析
第三节 行业国际竞争力比较
第四节 2020-2022年视觉人工智能行业竞争格局分析
第七章 视觉人工智能企业竞争策略分析
第一节 视觉人工智能市场竞争策略分析
一、市场增长潜力分析
二、主要潜力品种分析
三、现有视觉人工智能产品竞争策略分析
四、潜力视觉人工智能品种竞争策略选择
五、典型企业产品竞争策略分析
第二节 视觉人工智能企业竞争策略分析
第三节 视觉人工智能行业产品定位及市场推广策略分析
一、行业产品市场定位
二、行业广告推广策略
三、行业产品促销策略
四、行业价格策略
五、行业网络推广策略
第八章 中国视觉人工智能重点企业经营策略分析
第一节 商汤科技
一、企业基本情况
二、企业销售收入及盈利水平分析
三、企业资产及负债情况分析
四、企业成本费用情况
第二节 旷视科技
一、企业基本情况
二、企业销售收入及盈利水平分析
三、企业资产及负债情况分析
四、企业成本费用情况
第三节 虹软科技
一、企业基本情况
二、企业销售收入及盈利水平分析
三、企业资产及负债情况分析
四、企业成本费用情况
第四节 云从科技集团股份有限公司
一、企业基本情况
二、企业销售收入及盈利水平分析
三、企业资产及负债情况分析
四、企业成本费用情况
第五节 morpho,inc.
一、企业基本情况
二、企业销售收入及盈利水平分析
三、企业资产及负债情况分析
四、企业成本费用情况
第六节 深圳超多维科技有限公司
一、企业基本情况
二、企业销售收入及盈利水平分析
三、企业资产及负债情况分析
四、企业成本费用情况
第九章 2023-2028年未来视觉人工智能行业发展预测分析
第一节 未来视觉人工智能行业需求与消费预测
第二节 2023-2028年中国视觉人工智能行业供需预测
第十章 中国视觉人工智能行业投资机会与风险分析
第一节 视觉人工智能行业投资机会分析
一、视觉人工智能投资项目分析
二、可以投资的视觉人工智能模式
三、2022年视觉人工智能投资机会
四、2022年视觉人工智能投资新方向
五、2023-2028年视觉人工智能行业投资的建议
六、新进入者应注意的障碍因素分析
第二节 影响视觉人工智能行业发展的主要因素
一、2023-2028年影响视觉人工智能行业运行的有利因素分析
二、2023-2028年影响视觉人工智能行业运行的稳定因素分析
三、2023-2028年影响视觉人工智能行业运行的不利因素分析
四、2023-2028年我国视觉人工智能行业发展面临的挑战分析
五、2023-2028年我国视觉人工智能行业发展面临的机遇分析
第三节 视觉人工智能行业投资风险及控制策略分析
一、2023-2028年视觉人工智能行业市场风险及控制策略
二、2023-2028年视觉人工智能行业政策风险及控制策略
三、2023-2028年视觉人工智能行业经营风险及控制策略
四、2023-2028年视觉人工智能行业技术风险及控制策略
五、2023-2028年视觉人工智能同业竞争风险及控制策略
六、2023-2028年视觉人工智能行业其他风险及控制策略
第十一章 视觉人工智能行业投资战略研究
第一节 视觉人工智能行业发展战略研究
第二节 对我国视觉人工智能品牌的战略思考
一、企业品牌的重要性
二、视觉人工智能企业品牌的现状分析
三、我国视觉人工智能企业的品牌战略
第三节 视觉人工智能行业投资战略研究
图表目录
图表：视觉人工智能行业生命周期图
图表：视觉人工智能产品国内、国际市场成熟度对比
图表：视觉人工智能产品行业主要竞争因素分析
图表：2020-2022年各季度三次产业增加值累计增速
图表：2020-2022年工业增加值累计增速
图表：2020-2022年物价指数同比变化情况
图表：2020-2022年社会消费品零售总额情况
图表：2020-2022年固定资产投资完成额累计增速
图表：2020-2022年外贸进出口情况
图表：2020-2022年各季度居民收入累计值
图表：2020-2022年货币供应量同比增速
图表：2020-2022年视觉人工智能产品消费量变化图
图表：2020-2022年视觉人工智能企业品牌集中度分析
图表：2020-2022年视觉人工智能产品产能分析
图表：2020-2022年中国视觉人工智能产业工业总产值分析
图表：2020-2022年视觉人工智能不同规模企业工业总产值分析
图表：2020-2022年视觉人工智能不同所有制企业工业总产值比较
图表：2020-2022年中国视觉人工智能产业主营业务收入分析
图表：2020-2022年视觉人工智能不同规模企业主营业务收入分析
图表：2020-2022年视觉人工智能不同所有制企业主营业务收入比较
图表：2020-2022年中国视觉人工智能产业销售成本分析
图表：2020-2022年视觉人工智能不同规模企业销售成本比较分析
图表：2020-2022年视觉人工智能不同所有制企业销售成本比较分析
