計算機視覺,無疑是目前AI行業最具商業化價值的賽道。
數據顯示,2020年,國內有35%的AI企業聚集計算機視覺領域,市場規模在所有領域中占比達57%,排名第一。
在國內,計算機視覺技術基本已經覆蓋農林牧漁、生產制造、城市交通、安防、出行、零售,幾乎所有的人類生活生產領域。
最常見的計算機視覺技術應用,例如人臉識別,中國已將其用在了警察工作、支付識別、機場安檢,甚至在北京天壇公園分發廁紙、防止廁紙被盜,以及其他許多場景。
計算機視覺的大規模應用落地,帶來了資本市場的繁榮。除了BAT等巨頭之外,國內也誕生了如商湯、云從、曠視、依圖“四小龍”的獨角獸企業。
與此同時,一大批3D視覺初創企業相繼獲得資本青睞,跨維智能、地標科技、翌視科技等順利完成大額融資。僅2022年第一季度,3D視覺領域發生融資就超過10起。
隨著AI領域大刀闊斧地前進,整個計算機視覺市場仍在高速增長。
數據顯示,中國計算機視覺行業市場規模由2017年的68億元快速增長至2020年的780億元,預計2021年可達1120億元,2017年-2021年的年均復合增速達到101.45%。
或許正是市場過于熱絡,所堆砌的泡沫也在慢慢溢出。
01 賠本搞研發,盈利陷入僵局
這幾年,視覺市場對于頭部以下的企業來講,是一個不可多得的出頭機會。
以曾經深受資本寵愛的格靈深瞳為例,2020年以后,是格靈深瞳“發跡”的起點,僅是雙光溫測智能識別設備在當年就創下4716.02萬元,占當年營收的19.43%。
只不過在凈利潤上,數值依舊不忍直視。根據調查顯示,2018年-2020年公司凈利潤分別為-7456.55萬元、-41758.32萬元和-7820.16萬元,格靈深瞳2021年上半年凈利潤更是高達-5703.79萬元。
科技圈研發一向是個燒錢的長線游戲。賠本也要搞研發,這是視覺賽道最無可奈何的游戲規則。
相關資料顯示,格靈深瞳2018年至2020年累計研發投入合計28308.78萬元,占最近三年累計營業收入的比例為77.37%,尤其是2018年和2019年,研發投入遠超營業收入。
更讓年輕企業和腰部企業發愁的是,頂著熱度與壓力前行,往前卻難以撼動頭部們龍蟠虎踞的格局,往后又無法割舍這個日益堅實的市場。
就目前來看,視覺風口的最終落腳點還是繞不過技術重心,視覺創業公司融資用途,除了團隊拓展,便是產品研發。
年輕企業愁存亡,老牌企業的鬧心事也不少。尤其天下視覺千千萬,安防市場占一半,傳統安防企業本身的硬件成本居高不下,那些靠安防站穩計算機視覺領域的企業多數困于盈利漩渦。
??低曉谌虻囊曨l監控市場占有22.6%的市場份額,毛利率和同期的人工智能其他公司相比,諸如科大訊飛、曠視科技、虹軟科技卻是最低的。提供智能手機AI解決方案的虹軟科技毛利率能達到94.29%,??低晞t不到50%。
國內掀起視覺風云的主力軍是互聯網,百度早在2013年就成立百度深度學習研究院,展開包括計算機視覺在內的多領域研究。
2017年,百度還全資收購了美國視覺科技公司xPerception。2018年,百度全線開放人臉識別、文字識別、圖像審核、圖像識別等五大類、共58項基礎能力。
但根據媒體報道,迄今為止也只有20萬開發者在使用百度的計算機視覺能力。
如今,一向無利不起早的互聯網也多少有點迷茫,諾大的視覺行業,家家有本難念的經。
02 商業化落地,TO G還是TO C?
盡管計算機視覺在各個領域都有應用,但在實際商業化落地過程中依然還面臨一些阻礙。
就現階段而言,計算機視覺商業化大都是由G端買單。
根據艾瑞咨詢的研究報告,超過60%的計算機視覺機構服務于安防相關的應用場景。而安防市場多以公安行業的人臉識別-動態布控應用作為切入,為公安人員處理案件帶來精度和效率的提升。
另外一塊重點應用在于政務服務。在全國各省市的“互聯網+政務”改革中,計算機視覺技術能夠實現信息的智能采集和處理,以及身份證、戶口本等材料的掃描錄入與識別處理,讓業務辦理實現智能化,改善政務服務的體驗。
此外,計算機視覺作為城市的“眼睛”,在智慧城市的管理中也扮演著重要的角色,通過低功耗傳感器、攝像頭和計算機視覺軟件相結合的方式,不斷監測城市的高效運行。
不難發現,當下公共安全、城市治理等是計算機視覺技術應用較為迫切的場景,因而政府成為其頭部客戶。
而在To B市場,計算機視覺的市場才剛起步。
根據中商情報網數據顯示,計算機視覺行業按市場結構分類,安防影像分析占據一半以上的市場份額,達到67.9%,緊隨其后的廣告營銷分析、泛金融身份認證(解決方案)、互聯網娛樂、泛金融身份認證(云服務、SDK等)加起來的份額僅為29.6%。
隨著物聯網和5G時代的到來,如何走好消費領域的商業化,將最終決定計算機視覺的“落地面積”。
現階段在新零售、服務機器人、在線娛樂等to C場景,已經有相當多的業務場景可以實現落地。
然而,C端市場并沒有被打開,一方面是技術上還有欠缺,另一方面是C端市場還沒有形成為技術買單的廣泛意識,還需要時間進行培育。
03 從實驗室到商業化,何時越過鴻溝?
一項技術從實驗室到商業化場景之間,往往存在巨大的鴻溝。
盡管計算機視覺在解決某些領域問題的時候已經逐漸成熟,甚至效率可以超過人類,但在更多領域問題上卻無法達到很高的精度。
無論是自動駕駛,還是工業檢測,要求的精度是非常高的,但現階段計算機視技術還達不到行業實踐所需要的精度,從而在一定程度上阻礙了技術推廣和商業化落地。
此外,計算機視覺算法需要大量的數據與人工標注,需要較長的研發周期來達到應用領域所要求的精度。如何降低算法的開發時間和成本,也成為計算機視覺商業化的一大鴻溝。
值得注意的是,計算機視覺是由一個龐大且復雜的系統組成,里面涵蓋了多種硬件。隨著新的成像硬件與人工智能芯片的出現,針對不同芯片與數據采集設備,對計算機視覺算法進行持續的設計與開發,也是一大技術挑戰。
當計算機視覺持續滲透到各個場景,如何保證設備的有效使用也成為實際落地之后的問題。
其中,“用戶體驗”就成為決定高頻次使用的重要因素,一方面要過硬的產品質量,另一方面要真正觸及用戶實際作業痛點,這就要求計算機視覺服務商能夠充分深入行業,找到合適的切入點來落地技術。
而如何兼顧技術研發與商業落地的平衡,對于任何科技企業而言,從來都不是一道簡單的選擇題。
04 全球競爭中“偏科”,商業化前路幾何?
計算機視覺領域,從某種層面來看,應用范圍比較宏觀,也正因如此,視覺之戰早就在全球的各個角落打響。
首先,在整個視覺領域,海外的入局時間與速度都不可置否。
《2017年-2024年全球計算機視覺市場行為分析和預測》顯示,英偉達、英特爾、高通、蘋果、谷歌等多家海外巨頭,被列入全球計算機視覺市場的主要參與者。
這其中,我國企業的身影寥寥無幾。
其次,在以工業為主的機器視覺,目前全球機器視覺產品的高端市場仍然被美、德、日品牌占據,比如美國康耐視、國家儀器,德國巴斯勒、伊斯拉視像,日本基恩士、歐姆龍……其中,光康耐視和基恩士就壟斷了近50%的全球市場份額。
反觀國內,視覺資本下半場終于開始青睞工業板塊,熱烈而又略顯空白的市場背景是最好的解釋之一。
事實上,我國計算機視覺技術姍姍來遲,目前比較能拿得出手的是人臉識別。
根據國際調研機構GenMarketInsight發布的《2018年全球人臉識別設備市場研究報告》,2023年,中國將占全球面部識別市場份額的45%。
美國國家標準與技術研究院對全球人臉識別算法測試結果顯示,排名前11名的企業,只有兩家來自美國,剩下來自中國、俄羅斯和立陶宛,其中中國企業包攬了前五名。
可以看到,在視覺商業化上,我國缺少了一定的領域基因。
一個很明顯的趨勢是,海外的視覺賽道早已成批企業化,我國依舊是學術大于技術落地,比如美國企業參與支持的相關論文數量就是官方的七倍。
不過比較欣慰的是,我國的視覺技術正在逐漸從“紙上談兵”走入現實,走入資本。當然,如果泡沫再少一點,局面肯定會更加明朗。