计算机视觉：从“看”到“懂”，产业落地的冰与火

去年跑长三角AI产业园调研，撞见过好几个做计算机视觉的创业团队。一半在打包裁员，一半在挤破头抢制造业的小单子。挺讽刺的。前几年还说CV是人工智能落地最先跑通的黄金赛道，怎么没几年就卷成了红海？

计算机视觉到底卡在哪？不是“看得清”，是“看得懂”

早期的计算机视觉，核心任务就是做边缘提取、特征匹配，说白了就是帮机器把像素里的形状轮廓挑出来，能认出预设好的固定目标。深度学习火起来之后，卷积神经网络把CV的识别准确率一下子拉上去一大截，大家才开始敢畅想，让机器像人一样看懂整个复杂的物理场景。 计算机视觉传统算法与深度学习检测效果对比图 很多圈外人以为现在CV技术已经熟透了，什么都能认，其实根本不是这么回事。实验室里拿标注好的公开数据集刷准确率，能刷到99%以上，一到真实场景直接拉胯。下雨起雾的街头摄像头，沾了油污灰尘的工业镜头，换个摆放角度的机械零件，能把准确率直接干到70%以下。说白了，现在的CV还是“按图索骥”，不是真的懂物理世界的逻辑。你给它看一万张正面的合格零件，它就认不出侧面沾了油的次品，这个核心技术边界，到今天都没有真正突破。

挤掉泡沫后，落地的真需求都藏在垂直B端

前几年CV的风口在C端，手机人脸识别解锁，小区门禁人脸通行，公共场所人脸安检，整个蛋糕早被头部互联网企业分完了，中小创业公司根本插不进去脚。这两年活下来的小团队，几乎都转去了B端垂直场景。最火也最赚钱的，就是工业缺陷检测，尤其是新能源、消费电子这些对品控要求极高的行业。一块动力锂电池，哪怕有一个0.1毫米的针孔缺陷，后期装车都可能引发严重的安全事故，原来靠老工人肉眼检测，八个小时下来眼睛都花了，漏检率能到3%，现在用CV检测，漏检率能降到0.1%以下，一条生产线能省七八个工人，不出两年就能收回改造成本，甲方自然愿意掏真金白银。 工业生产线计算机视觉锂电池缺陷检测场景图 不过话说回来，B端落地的坑一点不比C端少。最大的问题就是定制化成本太高。每个工厂的产品不一样，缺陷类型不一样，生产线的光照、机位都不一样，你得重新标注数据，重新调试模型，一个小项目下来几十万，对于年利润只有几百万的中小工厂来说，还是很难承受。现在学界都在吹小样本学习，说不用那么多标注数据就能训出可用的模型，听起来很美，可真放到工厂复杂环境里跑，稳定性还是差一截，大多还停留在试验阶段，没法大规模推广。 还有一个挺反常识的变化，原来大家都喊CV要替代人工，真落地了才发现，更多是岗位升级。原来干了十几年的老质检，天天盯着强光镜头，好多人熬出了青光眼、白内障，现在转去做算法标注和模型调试，不用天天熬眼睛，工资还涨了两成。当然阵痛也存在，四十岁以上学不会新工具的工人，只能转去做后勤或者其他岗位，这个是产业升级必须付出的代价，绕不开。

未来三年：挤完泡沫，哪些玩家能跑出来？

未来三年：挤完泡沫，哪些玩家能跑出来？ 现在CV行业最大的两个隐忧，一个是数据合规，一个是算法偏见。前几年到处都装人脸识别摄像头，过度采集用户生物信息，出了好几起大规模泄露事件，现在《个人信息保护法》落地，不合规的项目全停了，不少靠做公共场景人脸识别项目活下来的公司，直接没了生意。算法偏见更隐蔽，比如不少早期的人脸识别算法，对深肤色人群的误识率比浅肤色高好几倍，这种结构性的问题如果不解决，早晚会出大的舆情事故。 说实话，我接触下来，现在行业里的人都挺清醒，没人再吹“CV改变世界”了，都在扎扎实实找能赚钱的真场景。对未来三年，我有三个判断： 第一，通用CV市场会彻底集中到头部五家以内，中小玩家别碰，碰了也是死。 第二，垂直细分赛道会出一批小而美的公司，不用做大规模，就啃一个细分场景，比如专门做农业CV数果树挂果量、估产量，专门做文博领域的文物破损纹理识别，专门做物流仓库的SKU盘点，这些场景头部看不上，又有真实稳定的需求，活的很滋润。 第三，纯CV的时代过去了，未来一定是多模态融合的天下。纯视觉解决不了的问题，加一点毫米波雷达数据，加一点声波检测数据，准确率一下子就能提上来。哪怕是现在吵得火热的自动驾驶路线，最后肯定不是纯视觉打赢多传感器，一定是互相融合，对吧？ 计算机视觉从概念火起来到现在，也快二十年了，潮起潮落，原来挤泡沫的时候死了一批，现在泡沫挤的差不多了，只要能沉下心给客户解决真问题，这个赛道还是能长出不错的公司。毕竟，让机器看懂这个物理世界，本来就是人工智能最核心的目标之一，路还长着呢。