人工智能是國家戰(zhàn)略的重要組成部分，是未來國際競爭的焦點和經(jīng)濟發(fā)展的新引擎。2022年，國家陸續(xù)出臺了《關(guān)于支持建設(shè)新一代人工智能示范應(yīng)用場景的通知》、《關(guān)于加快場景創(chuàng)新以人工智能高水平應(yīng)用促進(jìn)經(jīng)濟高質(zhì)量發(fā)展的指導(dǎo)意見》等產(chǎn)業(yè)政策為我國人工智能產(chǎn)業(yè)發(fā)展提供了長期保障。

計算機視覺技術(shù)作為人工智能產(chǎn)業(yè)發(fā)展的主動力之一，在2022年實現(xiàn)了從支持基礎(chǔ)設(shè)施到跨行業(yè)的新應(yīng)用，且產(chǎn)業(yè)規(guī)模不斷擴大。據(jù)IDC數(shù)據(jù)，中國計算機視覺2022上半年市場規(guī)模達(dá)到9.76億美元，僅次于語音語義市場規(guī)模10.54億美元，市場驅(qū)動力主要來源于智慧城市、工業(yè)質(zhì)檢以及疫情防控帶來的視覺場景需求。

一、計算機視覺技術(shù)探索持續(xù)突破

觀察1：合成數(shù)據(jù)有望打破計算機視覺模型訓(xùn)練瓶頸

為提高計算機視覺模型訓(xùn)練效果，需要訓(xùn)練數(shù)據(jù)打上標(biāo)簽，這提高了數(shù)據(jù)的獲取成本并制約了數(shù)據(jù)集的規(guī)模。除去成本高昂以外，特定領(lǐng)域的數(shù)據(jù)集還受限于隱私保護，極難采集。為了高效、廉價并在不侵犯隱私的情況下獲取大量數(shù)據(jù)，Datagen、Synthesis AI等合成數(shù)據(jù)（Synthetic Data）公司，通過算法生成出符合真實世界情況的數(shù)據(jù)集，有望解決目前模型訓(xùn)練中的瓶頸問題。合成數(shù)據(jù)被麻省理工列為2022年10 項突破性技術(shù)之一，Gartner甚至預(yù)測2030絕大多數(shù)的人工智能數(shù)據(jù)訓(xùn)練集會使用合成數(shù)據(jù)集。

觀察2：多模態(tài)智能與計算機視覺融合，為機器提供了更接近于人類感知的場景

Deepmind 構(gòu)建了名為Gato的多模態(tài)模型，它具有多模態(tài)、多任務(wù)、多具身（embodiment）特點。其主要優(yōu)勢之一是它的多功能性，不需要為不同的任務(wù)訓(xùn)練和集成多個專門的模型，而是可以用一組權(quán)重和一個相對簡單的架構(gòu)處理所有這些任務(wù)。在未來的計算機視覺研究中，多模態(tài)融合、多技術(shù)融通是一個重要的趨勢。人工智能正在從語音、文字、視覺等單模態(tài)智能，向著多種模態(tài)融合發(fā)展，結(jié)合分布式平臺的計算能力，實現(xiàn)更高精度的場景構(gòu)建，和對動態(tài)場景的處理能力。

觀察3：Transformer 解碼器架構(gòu)在計算機視覺上發(fā)揮了高超水平

Transformer模型在2017年被提出，開創(chuàng)了大型語言模型時代。2022年，DETR、SegFormer、Swin Transformer 和VIT的應(yīng)用，使Transformer模型在視覺任務(wù)中體現(xiàn)了先進(jìn)性能。據(jù)劍橋大學(xué)的2022年 AI 全景報告，與 Transformer 相關(guān)的圖像論文占比達(dá)到22%、視頻論文占比達(dá)到5%。Transformer正在成為真正的跨模態(tài)技術(shù)工具。

二、計算機視覺產(chǎn)業(yè)應(yīng)用高熱度活躍

觀察1：工業(yè)視覺應(yīng)用助力智能制造轉(zhuǎn)型升級

自“十四五”規(guī)劃綱要將人工智能作為議題重點以來，AI技術(shù)在帶動產(chǎn)業(yè)轉(zhuǎn)型的重要性日益凸顯。以工業(yè)為代表的傳統(tǒng)行業(yè)數(shù)字化升級的原生內(nèi)驅(qū)力也促進(jìn)了計算機視覺技術(shù)的廣泛應(yīng)用。2022年，工業(yè)視覺準(zhǔn)確率隨著數(shù)據(jù)量的提升而持續(xù)優(yōu)化，為流程優(yōu)化和工藝再造提供支持，工業(yè)視覺解決方案全面賦能智能制造。根據(jù)IDC預(yù)計到2025年中國工業(yè)AI質(zhì)檢整體市場將達(dá)到9.58億美元，2021-2025年復(fù)合年均增長率(CAGR)為28.5%。

觀察2：安防行業(yè)持續(xù)下沉，智慧安防進(jìn)入發(fā)展新周期

2022年2月出臺的《關(guān)于做好二〇二二年全面推進(jìn)鄉(xiāng)村振興重點工作的意見》提出了“強化智能監(jiān)控全覆蓋”、“切實維護農(nóng)村社會平安穩(wěn)定，推進(jìn)更高水平的平安法治鄉(xiāng)村建設(shè)”等要求。多地區(qū)縣積極響應(yīng)，建設(shè)“雪亮工程”。數(shù)字鄉(xiāng)村作為“三農(nóng)”、數(shù)字化發(fā)展、內(nèi)需等發(fā)力方向的共同交集，預(yù)計將在未來成為計算機視覺結(jié)合安防行業(yè)重點布局的領(lǐng)域。

觀察3：邊緣計算進(jìn)一步增強嵌入式視覺能力

計算機視覺的人工智能訓(xùn)練需要大量的計算資源，目前主要由數(shù)據(jù)中心或IaaS私有云或公共托管云對本地攝像頭傳來的圖像和視頻執(zhí)行算法分析。但隨著低功耗嵌入式系統(tǒng)處理能力的提高，5G基礎(chǔ)設(shè)施的不斷完善，邊緣側(cè)和物聯(lián)網(wǎng)端點側(cè)就能夠提供網(wǎng)絡(luò)、計算、存儲和應(yīng)用，尤其受需要實時數(shù)據(jù)處理的項目的歡迎。此類項目包括自動駕駛汽車、無人機等。

三、信通院開展系列工作助力計算機視覺健康發(fā)展

計算機視覺的未來充滿希望，技術(shù)的進(jìn)步和產(chǎn)業(yè)的發(fā)展為其開辟了廣闊的機遇。中國人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟與中國信息通信研究院聯(lián)合20余家業(yè)界單位完成了計算機視覺系列標(biāo)準(zhǔn)，并開展了首輪評測工作。

1）標(biāo)準(zhǔn)內(nèi)容介紹：

《計算機視覺技術(shù)要求 第1部分：計算機視覺開放平臺通用能力要求》面向提供計算機視覺能力的開放平臺，以計算機視覺開放提供的功能全面程度為側(cè)重點，圍繞功能實現(xiàn)程度、信息披露情況、是否私有化部署等情況進(jìn)行規(guī)范。

《計算機視覺技術(shù)要求 第2部分：圖像識別與處理能力要求》面向計算機視覺平臺或計算機視覺產(chǎn)品制定，對計算機視覺平臺或產(chǎn)品的圖像識別與處理能力從識別、檢測、分割、跟蹤4個維度進(jìn)行評估。

《計算機視覺技術(shù)要求 第3部分：視頻識別與處理能力要求》面向計算機視覺平臺或計算機視覺產(chǎn)品制定，將對計算機視覺平臺或產(chǎn)品的視頻識別與處理能力從內(nèi)容提取、理解、處理3大維度進(jìn)行評估。

《工業(yè)機器視覺開放平臺通用能力要求》面向工業(yè)機器視覺開放平臺制定。將從識別、定位、測量、檢測4部分能力域進(jìn)行評估。

2）首輪評測結(jié)果介紹

2022年12月，順豐科技多模態(tài)業(yè)務(wù)場景SaaS化平臺——“慧眼神瞳（AI Argus）”通過首輪評測，包括視頻識別與處理能力、圖像識別處理能力測試項，各測試項均表現(xiàn)優(yōu)秀，獲得進(jìn)階級指標(biāo)證書。

作為覆蓋全網(wǎng)的AIoT感知平臺，“慧眼神瞳”能全面解析物流各場景下的關(guān)鍵生產(chǎn)要素，形成覆蓋全場景的實時業(yè)務(wù)動態(tài)數(shù)據(jù)，并用于保障物流安全、提升物流效能及自動化水平、減少人力投入；以及為行業(yè)企業(yè)提供數(shù)智化管理與精細(xì)運營方案，實現(xiàn)企業(yè)的數(shù)字化轉(zhuǎn)型升級。