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、xunjianshizhuyaoyingyongchangjing，danduiyugongyeqiyelaishuo
，jisuanjishijiaozhishifanzagongyizhongdeyihuan

，yaoqianruwanzhengdeshengchanxianshang
，biranhuiyudaoyuqitahuanjiehezuodetiaozhan，shenzhiyugongyebenshendexianghumohe。

　　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。

　　congruogankehudegezhongjutiyingyongchangjingzhongduijiejuefanganjinxingzongjieyanfa
，tilianchuzaiyidingyingyongchangjingxiaxiangduipushixingdejiejuefangan

，bingshejiyouxiaodejiqishijiaojiejuefangan，xuyaodaliangdexingyeyingyongjingyanjilei。

　　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。

　　youxitongfuwushangzengbiaoshi，zaikaifajiejuefangandeshihouxuanzelemoupinpaidexiangji
，xiangjishebeizidaiyigemianxianggongyeshijiaodesuanfaku，maihuiquzhihoukeyizhijiekaifachugengjuzhenduixingdechanpin，bushudeshihouzaimaiyigepinpaidejiamigoujiukeyile
，wanquanmeiyoubiyaozaiqudandugoumaiyitaochunsuanfa。jiranyijingyoulezhemeduokegongxuanzedesuanfa
，gongyeqiyeyejiuwanquanmeiyoubiyaozaiquxuanzechunsuanfagongsidechanpin。

　　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)。