杏彩体育手机版2022年端边云协同的AI视觉产业研究报告

　　AI视觉又称计算机视觉，得益于深度学习技术的快速发展，已于安防、金融、制造、零售等多领域实现规模化商用。2022年，AI视觉相关投融资热潮全面复苏，通用技术、工业与零售赛道热度高企，持续受到资本青睐。2021年我国AI视觉产品的市场规模占整个人工智能行业的49.6%，达到990亿元。从资本热度、市场规模、场景泛用、带动作用来说，AI视觉已成为AI产业发展的主战场，未来增量动力依然强劲。

　　端边云协同的需求趋势：数字经济时代，物联网感知数据量激增，边缘计算刚需场景涌现。边缘计算可在本地提供IT服务、计算能力，减少上传的数据量、节省网络操作、服务交付的时间延迟，提高传输效率。企业可以选择将算力下沉至更贴近设备端的边缘计算，衍生出端-边-云的协同新模式。

　　端边云协同的AI视觉产业：产品模式一般可分为标准化SaaS产品与定制化解决方案两类。行业客户需根据自身IT信息化水平、需求定制化程度、产品付费意愿、适用场景需求等因素考量选择。具体到边缘侧部署上，AI摄像头出于功耗、散热等因素考量，不会内置过多算法，可处理简要前端场景；若对时延要求高且算法需求复杂的应用场景，则需搭建边缘盒子或边缘服务器。本篇报告根据行业特点与场景需求，对安防、工业、零售、机器人、农业领域展开讨论。

　　端边云协同的技术与生态趋势：1）端边云协同的AI视觉产业发展依赖于联邦学习、增量学习、协同推理等边缘AI技术发展；2）端边云协同的AI视觉应用对算力和网络部署提出了要求，算力网络技术发展将助力超低时延类AI视觉应用；3）边缘计算将进入黄金发展期，在满足灵活响应、敏捷部署、时延成本的业务需求外，未来需进一步关注边缘服务的安全、可靠、可信等能力，构建“可信边缘计算”生态。

　　视觉使人类得以感知和理解周边的世界，人类的大脑皮层约有70%都在处理视觉信息，可以说视觉是人类获取信息最主要的渠道。而AI视觉即通过电子化的方式来感知和理解影像，让机器或计算机可以像人类那样“看”，甚至达到超越人类视觉智能的效果。如今AI视觉（计算机视觉）包括了语义感知、定位追踪和几何属性等诸多不同研究方向。

　　自2012年采用深度学习架构的AlexNet模型以超越第二名10个百分点的成绩在ImageNet竞赛中夺冠。得益于深度学习所需专家分析和微调较少、能够处理海量数据、具备高灵活性等优势，深度学习技术在目标检测、目标跟踪、图像分割、场景分类、字符识别、人脸识别、姿态估计、动作与行为识别等方向上陆续取得了多项突破性成果。AI视觉在工业界逐步实现商用价值，步入规模化商业落地阶段。同时，随着相关设备能力的改善（如算力、内存容量、能耗、图像传感器分辨率和光学器件），提升了视觉应用的性能和成本效益，进一步加快了AI视觉商业应用的扩展。

　　创业企业是AI视觉市场的主要参与力量之一。行业在经历了三年的投融资低迷期后，2022年投融资数量和金额皆创历史新高。截至2022年8月，我国AI视觉相关业务获投企业数量已达292家，近半数属于2020年10月以后的新增企业。投资热潮全面复苏，科创板顺利落地为AI行业引入了中长期资金通道和市场关注度，加速推动一批拥有核心技术的厂商成长。从2021年开始，AI视觉领域的股权投资、转让、被收购、IPO事件数量开始增加。2022年云从科技，熵基科技等生物识别厂商集中上市表示AI视觉的行业成熟度和认可度已进入新阶段。

　　在统计期内共有466起AI视觉投融资事件发生，累计有292家企业获投，热门赛道集中于通用技术、工业、零售、医疗。具备底层技术研发的厂商受到一级市场资本青睐，新能源电车与自动驾驶的热潮带动了一批主营自动驾驶系统、芯片、传感器的技术厂商，通用技术热门方向还包括生物识别、智能制造等。工业赛道热度高源于产业链条长且场景多样（装配，质检，运输），AI视觉算法配合工业相机可实现生产自动化；而具备视觉分辨能力的机器人可以持续高效的完成重复动作，极大提高了生产效率。AI零售获投企业数增长明显，2022年截至8月份的获投企业数（40家）已超过2019至2021年的投融资事件累计数量，AI零售产品门类则涉及智慧物流、协作机器人，无人化运营等。

　　通过对下业需求统计测算，2021年我国AI视觉产品的市场规模占整个人工智能行业的49.6%，达到990亿元。和AI视觉有关的计算机通信设备销售、医疗器械等专用设备销售、工程建设、传统业务效益转化等带动相关产业规模超过3079亿元。从市场规模、场景泛用、带动作用来说，AI视觉领域已成为人工智能产业规模的主战场。AI视觉承接海量下游需求，未来增量动力依然强劲。

　　AI视觉主要以图像和视频等高维、密集数据为主要处理对象，深度提取信息，在安防行业首先实现规模化落地，用于进行人员数据的静态查询与动态比对，以及监控视频内容的结构化处理；金融行业更多通过人脸识别的身份验证保证操作行为的安全合规。此外，AI视觉还逐步赋能于零售、医疗、自动驾驶、泛工业、泛农业等领域，应用场景广泛，商业价值不断被挖掘。

　　（1）针对泛安防（公安交通、社区楼宇）、金融等主管部门释放了非常明确的利好信号或大额持续投资的行业，主要机遇在于将产品打磨到足够精准、鲁棒性足够强，以便进入高门槛的准入供应池，同时通过解决高难度识别需求的硬实力卡位；（2）针对医疗、能源和制造等具有战略意义、发展空间极大，但或陷入长审批周期、或限于审慎性难以快速释放市场需求的行业，主要机遇在于抢先进入行业生态圈，谋划通过政府、核心集团企业等途径，积极参与公共服务平台建设，建立从上向下拓展的先发优势，获得大量训练数据与场景理解，形成产品提升的护城河；（3）针对零售、农业等长尾需求频发或数字化水平较低且对价格敏感的行业，主要机遇在于优化产品成本、降低部署及运维难度、打通渠道以占领市场份额；（4）针对机器人（AGV/AMR/机械臂）等技术融合应用领域，除算法开发的硬实力外，视觉识别技术提供商也需具备联合开发的软能力。

　　基于应用场景的需求差异，云侧部署的通用高效神经网络大模型和端侧部署的加速小型化神经网络模型成为目前AI视觉厂商优化解决方案的路径之一。而随着在自然语言处理领域大放异彩的Transformer模型应用于CV领域，其与CNN结合的混合模型架构也正逐步成为视觉任务的重点研究方向，以降低模型结构的复杂性并提升可扩展性和训练效率。未来，AI视觉技术在适应三维世界、突破依赖标注数据输入的局限、降低算力能耗、多模态信息融合分析、与知识和常识结合解决高层次问题、主动感知与适应复杂变化等上仍有待突破。此外“技术同质化”却并不意味着“算法同质化”，AI视觉算法厂商的工程能力仍是技术工业落地的试金石。

　　数字经济下，生产要素组合为数字、技术、资本、劳动力、土地，其中数字作为核心要素起到关键变革作用。人们对于海量数据的挖掘和运用带来新一波生产率增长与消费者盈余浪潮。随着人工智能、物联网、云计算、边缘计算等新兴技术的快速发展，中国已凭借其网络基础设施、数据中心设施等数据资源优势，迎来数据体量的爆发。根据IDC预测，2018-2025年，中国数据圈将以30%的年平均增长速度领先全球，2025年预计数据量级将增长至48ZB，占全球数据圈的27.8%，成为全球最大的数据圈。

　　根据艾瑞咨询测算，中国物联网连接量将从2019年的55亿个增长至2025年的156亿个。物联网感知数据量激增，数据类型愈发复杂多样。随着智慧城市、自动驾驶、工业互联网等应用的落地，海量的终端设备实时产生数据，集中式云计算在带宽负载、网络延时、数据管理成本等方面将愈发显得捉襟见肘，难以适应数据频繁交互的需求，边缘侧的价值将进一步凸显。

　　1）算力芯片：FPGA架构兼具强大的计算性能和超低的延迟，其低功耗的特性更适合部署在边缘侧，又不似ASIC般专为某种特定用途而定制，应能够有效应对边缘计算带来的挑战；专门为AI深度学习设计的AI神经网络专用加速芯片（NPU）也在边缘计算场景崭露头角；

　　2）5G和Wi-Fi：5G是边缘计算时代最重要的网络技术，其大带宽、低时延、广连接的特性与边缘场景相契合，尤其在自动驾驶等要求室外覆盖、移动性的场景中具有不可替代性。但现阶段5G行业终端的数量尚少，预计边缘计算会随着5G行业应用的普及分阶段落地。此外，Wi-Fi技术也在向着更高的吞吐量、更大的覆盖面积和更低的时延发展，Wi-Fi在室内场景中的优势使其成为5G的重要补充，两者将共同助力边缘云应用；

　　3）云原生技术：包括容器、微服务、DevOps等在内的云原生技术和理念强调松耦合的架构和简单便捷的扩展能力，旨在通过统一标准实现不同基础设施上一致的云计算体验。相比于虚拟主机，云原生更适合边缘云计算的场景，可以为端边云提供一体化的应用分发与协同管理，解决边缘侧大规模应用交付、运维、管控的问题。

　　云计算最早通过网络将分散的ICT资源集中起来，以云服务形式为客户提供按需资源，极大改变了社会工作方式与商业模式。而借力于云端算力资源与端侧数据处理的协同应用，云端智能产品得到了快速发展。但随着全球及中国数据量的爆发性增长，海量设备端数据向中心云进行传输和处理时，需要超大的带宽与回传容量，将面临带宽负载、网络时延、传输成本上的巨大压力。边缘计算可在本地提供IT服务、计算能力，减少上传的数据量、节省网络操作、服务交付的时间延迟，提高传输效率，让海量数据实现本地存储、处理、分析、决策和执行。企业可以选择将算力下沉至更贴近设备端的边缘计算，衍生出端-边-云的协同新模式。

　　在云计算时代兴起以前，图像数据主要为本地化处理，而随着云计算服务发展，将端侧设备部署在本地，算法放置在云端的产品架构可以有效实现端侧的空间节约、部署的成本降低及算法的实时更新。因此云端协同广泛渗透到各行业产品应用中，但该产品结构下，端侧数据均需回传到云端做处理，适用场景需对时延要求较低，存在数据传输量大、能耗高等问题。深度神经网络的技术发展与模型应用又进一步加大了数据传输量，AI摄像头便在此背景下应运而生，构建起初步的云“边”端协同，由内置AI算法的摄像头实现前置化的数据处理，初步成为边缘侧。值得注意的是，AI摄像头出于功耗、散热等因素考量，不会内置过多算法，可处理简要前端场景。若对时延要求高且算法需求复杂的应用场景，则需搭建边缘盒子或边缘服务器，构建边缘侧，实现云、边、端的相互协同。本篇报告根据行业特点与场景需求，将安防、工业、零售、机器人、农业领域划定为产品应用的研究范围。

　　端边云协同的AI视觉解决方案核心由硬件产品、软件服务与应用平台构成。底层硬件的摄像头本机种类丰富，可分为枪型、筒型、球机、水下、全景等多种类型，应用适配于不同终端场景。在集成神经网络算法与计算单元后变为AI摄像头后，再根据场景需求判断是否附加到其他硬件产品上，以解决端侧对图像分析、动态视频分析的简单推理需求。软件服务与应用平台需评估客户的定制化需求程度，提供对应的标准化SaaS服务或定制化平台解决方案，满足客户在敏捷部署、时延带宽、产品成本、数据安全等方面的多样化业务需求。

　　随着人工智能深度学习算法的快速成熟，中国诞生了一批深耕于AI视觉算法技术的人工智能企业。总结来看，提供AI视觉产品的市场参与厂商众多，主要包括大型云服务厂商（阿里云、腾讯云、百度云、华为云等）、AI视觉算法厂商（商汤、旷视、云天励飞、进化动力等）以及传统安防厂商（海康威视、大华股份、宇视科技等）。各家以AI技术积累、渠道经验、产品特性为市场切入点，选择一个或多个垂直业务领域。以安防、零售、金融、车联网、机器人、农业等为例，提供端边云协同架构的AI视觉产品方案。AI视觉产品模式一般可分为标准化SaaS产品与定制化解决方案两。