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。

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。

（來源：億歐）