在計算機視覺領域中，商湯、曠視、雲從
、依圖可以說是當之無愧的頭部企業
，更是被業內稱為CV(ComputerVision)四si小xiao龍long。值zhi得de關guan注zhu的de是shi，商shang湯tang和he雲yun從cong兩liang家jia上shang市shi公gong司si都dou經jing曆li了le上shang市shi即ji巔dian峰feng
，隨sui即ji股gu價jia下xia跌die的de劇ju情qing。資zi本ben市shi場chang表biao現xian不bu佳jia
，深shen陷xian裁cai員yuan等deng傳chuan聞wen，不bu禁jin讓rang人ren好hao奇qi：當風口退去，他們準備好麵對資本市場最嚴格的審視了嗎
？

　　研發成本高、盈利難：

　　目前業內將虧損的主要原因歸咎於研發，從招股書顯示，商湯科技2018-2021年上半年，累計虧損242.72億元
，調整後累計虧損為28.6億元。商湯科技在研發上十分大手筆。2018-2021年上半年
，商湯科技三年半合計研發支出達69.91億元。

　　雲從科技的招股書中也可以看到，2019年-2021年，雲從科技三年累計虧損高達23.21億元。造成虧損的一大原因是高額的研發投入占了營收大半
，2019年至2021年
，雲從三年累計研發投入占營收的占比為59.39%。

　　AI的應用場景中非常分散和碎片化，客戶的每一個新場景都需要企業長期堆人頭、消耗大量的研發與交付資源。無論是雲從還是商湯，持續增加的研發投入，卻換來長期虧損，這成為籠罩在AI企業頭頂之上的烏雲。

　　商業化落地難：

　　翻閱商湯科技公布的2022年上半年財報顯示
，公司新增2136項專利，專利資產總數達12502個，在全球頂級計算機視覺會議上發表了71篇論文。可商業並非學術。如何將技術規模化落地到場景中去，並實現商業化變現
，對於不少計算機視覺企業來說也是一個難點。

　　無論是盈利模式還是應用落地，在CV領域外
，四小龍的AI之路仍充滿著艱難。

　　計算機視覺與工業界GAP有多大？

　　從人臉識別到工業智造
，計算機視覺目前已跨越了安防
、金融
、零售
、互聯網、半導體、汽車等不同垂直行業。

　　隨著數字化轉型需求的提升，越來越多的工業企業開始應用視覺技術替代人工進行工況檢測、成品檢驗
、質量控製。“四小龍”在應用場景的落地上雖然都以比較成熟的安防和金融為主，但查看幾家企業的網站發現
，已有一些企業開始在工業領域涉足。

　　例如，曠視推出的河圖就是麵向供應鏈物聯網打造的“機器人物聯網操作係統”，重點關注“倉儲、物流

、製造和供應鏈”等行業場景。商湯科技在工業質量控製方麵更是已有案例

，提供了基於SenseCore 商湯AI大裝置打造的光機電軟算一體化的深泉工業質檢推訓平台解決方案。

　　碎片化場景難以深入

　　新市場
、新賽道的拓展並不容易。對於計算機視覺企業來說，想要進入工業市場，質檢
、巡xun檢jian是shi主zhu要yao應ying用yong場chang景jing，但dan對dui於yu工gong業ye企qi業ye來lai說shuo，計ji算suan機ji視shi覺jiao隻zhi是shi繁fan雜za工gong藝yi中zhong的de一yi環huan，要yao嵌qian入ru完wan整zheng的de生sheng產chan線xian上shang，必bi然ran會hui遇yu到dao與yu其qi他ta環huan節jie合he作zuo的de挑tiao戰zhan，甚shen至zhi與yu工gong業ye本ben身shen的de相xiang互hu磨mo合he。

　　一個個“大而全”dejiejuefangan
，kansikeyipojieyiqienanti
，danwangwanghuibeixianshichangjingjinyibuxueruo。yinci，jiqishijiaozaigongyelingyudeyingyongxuyaozhaodaofeichangyouxiyinlidechayihuachangjing。

　　在我們與工業用戶的接觸中
，很多用於都有意願嚐試通過AI機(ji)器(qi)視(shi)覺(jiao)來(lai)解(jie)決(jue)工(gong)業(ye)檢(jian)測(ce)中(zhong)的(de)問(wen)題(ti)，但(dan)是(shi)客(ke)戶(hu)對(dui)技(ji)術(shu)的(de)成(cheng)熟(shu)度(du)並(bing)無(wu)概(gai)念(nian)。視(shi)覺(jiao)算(suan)法(fa)企(qi)業(ye)在(zai)麵(mian)對(dui)千(qian)奇(qi)百(bai)怪(guai)的(de)工(gong)業(ye)應(ying)用(yong)場(chang)景(jing)時(shi)，也(ye)很(hen)難(nan)保(bao)證(zheng)用(yong)戶(hu)可(ke)以(yi)在(zai)一(yi)定(ding)成(cheng)本(ben)內(nei)達(da)到(dao)預(yu)期(qi)效(xiao)果(guo)。

　　比如在汽車、3C、製藥等行業，他們的共同特點都連續大批量生產
、對外觀質量的要求非常高，但三個行業的被測物一致性、對視覺係統的分辨率、對檢測速度的要求來講，都是不盡相同的。

　　細分到不同的工藝環節，都會造成機器視覺係統所需的機理模型不同。以冶金鋼卷生產缺陷檢測為例，鋼卷分為冷軋
、熱軋，都可以采用機器視覺技術進行質檢，但算法要解決的機理問題卻又是完全不一樣。一個企業、一個場景
，尚無法做到模型的通用化，而一對一模型的定製開發，又會導致落地成本和實施周期的增加。

　　從cong若ruo幹gan客ke戶hu的de各ge種zhong具ju體ti應ying用yong場chang景jing中zhong對dui解jie決jue方fang案an進jin行xing總zong結jie研yan發fa，提ti煉lian出chu在zai一yi定ding應ying用yong場chang景jing下xia相xiang對dui普pu適shi性xing的de解jie決jue方fang案an
，並bing設she計ji有you效xiao的de機ji器qi視shi覺jiao解jie決jue方fang案an，需xu要yao大da量liang的de行xing業ye應ying用yong經jing驗yan積ji累lei。

　　因(yin)此(ci)，想(xiang)在(zai)工(gong)業(ye)場(chang)景(jing)中(zhong)拓(tuo)展(zhan)智(zhi)能(neng)化(hua)應(ying)用(yong)，光(guang)有(you)算(suan)法(fa)實(shi)力(li)是(shi)不(bu)行(xing)的(de)，還(hai)必(bi)須(xu)具(ju)備(bei)相(xiang)當(dang)深(shen)刻(ke)的(de)行(xing)業(ye)知(zhi)識(shi)。對(dui)於(yu)工(gong)業(ye)領(ling)域(yu)來(lai)說(shuo)
，不(bu)一(yi)定(ding)需(xu)要(yao)多(duo)複(fu)雜(za)的(de)算(suan)法(fa)，而(er)是(shi)更(geng)多(duo)地(di)受(shou)到(dao)其(qi)他(ta)現(xian)實(shi)因(yin)素(su)的(de)影(ying)響(xiang)。他(ta)們(men)更(geng)注(zhu)重(zhong)豐(feng)富(fu)的(de)行(xing)業(ye)應(ying)用(yong)經(jing)驗(yan)，算(suan)法(fa)應(ying)力(li)求(qiu)簡(jian)單(dan)實(shi)用(yong)，穩(wen)定(ding)性(xing)強(qiang)。

　　成熟算法已有

　　一般來說，掌握底層軟件算法的公司更容易形成自身優勢。但在工業領域，成熟的視覺算法軟件已經有很多，包括vision pro
、halcon、opevCV、mil、hexsight、evision、avl等。例如
，非常成熟的檢測算法Halcon，經過長期的積累和迭代，不僅非常穩定而且計算量小，還不用標注數據和調參。

　　在算法側重上，工業視覺的算法往往側重於精確度的提高；而計算機視覺的算法難度相對較高
，側重於或采用數學邏輯或采用深度學習方法進行物體的標定與識別。

　　有(you)係(xi)統(tong)服(fu)務(wu)商(shang)曾(zeng)表(biao)示(shi)
，在(zai)開(kai)發(fa)解(jie)決(jue)方(fang)案(an)的(de)時(shi)候(hou)選(xuan)擇(ze)了(le)某(mou)品(pin)牌(pai)的(de)相(xiang)機(ji)

，相(xiang)機(ji)設(she)備(bei)自(zi)帶(dai)一(yi)個(ge)麵(mian)向(xiang)工(gong)業(ye)視(shi)覺(jiao)的(de)算(suan)法(fa)庫(ku)，買(mai)回(hui)去(qu)之(zhi)後(hou)可(ke)以(yi)直(zhi)接(jie)開(kai)發(fa)出(chu)更(geng)具(ju)針(zhen)對(dui)性(xing)的(de)產(chan)品(pin)，部(bu)署(shu)的(de)時(shi)候(hou)再(zai)買(mai)一(yi)個(ge)品(pin)牌(pai)的(de)加(jia)密(mi)狗(gou)就(jiu)可(ke)以(yi)了(le)，完(wan)全(quan)沒(mei)有(you)必(bi)要(yao)再(zai)去(qu)單(dan)獨(du)購(gou)買(mai)一(yi)套(tao)純(chun)算(suan)法(fa)。既(ji)然(ran)已(yi)經(jing)有(you)了(le)這(zhe)麼(me)多(duo)可(ke)供(gong)選(xuan)擇(ze)的(de)算(suan)法(fa)，工(gong)業(ye)企(qi)業(ye)也(ye)就(jiu)完(wan)全(quan)沒(mei)有(you)必(bi)要(yao)再(zai)去(qu)選(xuan)擇(ze)純(chun)算(suan)法(fa)公(gong)司(si)的(de)產(chan)品(pin)。

　　缺乏樣本數據

　　軟ruan件jian是shi機ji器qi視shi覺jiao產chan業ye的de核he心xin中zhong樞shu，其qi背bei後hou的de本ben質zhi是shi數shu據ju的de積ji累lei和he算suan法fa的de迭die代dai。在zai視shi覺jiao算suan法fa層ceng麵mian，一yi個ge最zui簡jian單dan的de思si路lu是shi針zhen對dui特te殊shu場chang景jing收shou集ji大da量liang數shu據ju去qu訓xun練lian模mo型xing。

　　zaigongyechangjingzhong，shujudeshoujicunzaiyidingwenti，yangbenshujuliangwangwangbuzuyizhichijiyushenduxuexidejisuanjishijiaojiancerenwu。yibanlaishuo
，buhegequexianchanpindeshuliangyuanyuanshaoyuhegepin，suijihuoqudeshujujiangcunzaiyangbenfenbubupinghengdewenti。erqie
，gongyexianchangdepaishehuanjingfuzawufabaozheng，rongyizaochengyangbentuxiangdezhiliangbuyi，congeryingxianghouxujiancexiaoguo。

　　機器視覺領域看似繁榮，但是真正落地仍然麵臨很多問題。除了軟件算法層麵的問題
，光源的穩定性、工件位置的穩定性、工件表麵質量的穩定性
、工件本身的一致性、工件材質、物體的運動速度
、光學係統的精度等都是影響視覺技術在工業領域落地的難點。這需要光學
，深度學習、傳統圖像算法、機械設備
、傳感器等多方麵融合。

　　對(dui)於(yu)工(gong)業(ye)用(yong)戶(hu)來(lai)說(shuo)
，合(he)適(shi)的(de)硬(ying)件(jian)及(ji)易(yi)用(yong)的(de)軟(ruan)件(jian)算(suan)法(fa)固(gu)然(ran)十(shi)分(fen)重(zhong)要(yao)

，但(dan)更(geng)重(zhong)要(yao)的(de)是(shi)提(ti)供(gong)軟(ruan)硬(ying)件(jian)方(fang)案(an)的(de)機(ji)器(qi)視(shi)覺(jiao)廠(chang)商(shang)可(ke)以(yi)根(gen)據(ju)他(ta)們(men)的(de)應(ying)用(yong)需(xu)要(yao)和(he)使(shi)用(yong)場(chang)景(jing)進(jin)行(xing)可(ke)行(xing)性(xing)分(fen)析(xi)，並(bing)給(gei)出(chu)真(zhen)正(zheng)適(shi)合(he)的(de)解(jie)決(jue)方(fang)案(an)。