中央明確指示要加快推進國家規(guī)劃已明確的重大工程和基礎設施建設，其中要加快 5G 網絡、數據中心等新型基礎設施建設進度。相比于傳統(tǒng)的"鐵公基"，新基建是立足于高新科技的基礎設施建設，主要包括5G基建、特高壓、城際高速鐵路和城市軌道交通、新能源汽車充電樁、大數據中心、人工智能、工業(yè)互聯網等七大領域。

當前人工智能理論和技術日益成熟，應用范圍不斷擴大，產業(yè)正在逐步形成、不斷豐富，相應的商業(yè)模式也在持續(xù)演進和多元化。據IDC統(tǒng)計，2018年我國人工智能市場規(guī)模為161.9億元，預計到2022年市場規(guī)模將接近700億元，年復合增長率超過50%。據中國人工智能學會和羅蘭貝格咨詢公司預測，2025年市場規(guī)模將達到3萬億美元。

以深度學習為代表的人工智能算法的出現極大推動了視覺人工智能行業(yè)的發(fā)展。計算機視覺是人工智能行業(yè)的最大組成部分，與其他細分的比較來看，計算機視覺技術應用的市場規(guī)模也遠遠大于其他細分。

計算機視覺(Computer Vision) 人工智能主要應用領域之一，起源于20世紀80年代的神經網絡技術，通過使用光學系統(tǒng)和圖像處理工具等來模擬人的視覺能力捕捉和處理場景的三維信息，理解并通過指揮特定的裝置執(zhí)行決策。2015年以來，全球科技界和產業(yè)界高度重視視覺人工智能研究和應用，在核心技術和產業(yè)化應用的研發(fā)投入持續(xù)倍增。

計算機視覺能極大提升機器的圖像感知能力和認知能力，因此應用場景十分廣闊，商業(yè)化變現空間大。根據前瞻產業(yè)研究院的統(tǒng)計，國內人工智能企業(yè)中，有高達42%的企業(yè)應用計算機視覺相關技術，其次是語音和自然語言處理，分別占比24%、19%，兩者之和才與計算機視覺占比相當。在安防影像分析、泛金融身份認證、手機和互聯網娛樂、批發(fā)零售商品識別、工業(yè)制造、廣告營銷、自動駕駛、醫(yī)療影像分析等領域都具有巨大應用價值。

視覺人工智能行業(yè)的發(fā)展，離不開技術的驅動：一方面諸如GPU、FPGA、ASIC等一系列AI芯片的出現極大提升了芯片計算能力，突破了傳統(tǒng)CPU的算力瓶頸；另一方面以深學習為代表的AI算法的崛起，使得AI視覺的識別能力有了很大的提高。硬件算力的提升以及軟件算法的進步都對視覺人工智能的發(fā)展起到了重要的推動作用。

計算機視覺的工作流程包含四個模塊：檢測、分類、跟蹤與語義分割。具體為成像設備首先捕獲圖像，然后對每個圖像進行預處理，提取特征后輸入到分類模型中。

計算機視覺是采用圖像處理、模式識別、人工智能技術相結合的手段，著重于一幅或多幅圖像的計算機分析。圖像可以由單個或者多個傳感器獲取，也可以是單個傳感器在不同時刻獲取的圖像序列。在消費級領域，隨著數據量上漲、運算力提升和深度學習算法的發(fā)展，計算機視覺技術越來越多地被應用在各類消費級應用場景中，典型的如人臉識別服務，具體包括人臉檢測、人臉關鍵特征點、人臉對比、人臉搜索、人臉屬性、人臉聚類、人力活體檢測等。

計算機視覺實現了計算機“看得懂”，人臉識別、OCR和圖像結構化是其主要應用場景。計算機視覺是用計算機模擬人眼對目標進行識別、跟蹤和測量，并且對圖形進行處理，即實現計算機“看得懂”。

根據億歐智庫《2019計算機視覺人臉識別市場研究報告》顯示，2018年中國計算機視覺人臉識別市場規(guī)模為151.7億元，預計2021年將達530億元，年均復合增長率53%，市場規(guī)模增長迅速。

計算機視覺行業(yè)產業(yè)鏈由上游基礎層、中游技術層以及下游應用層組成。

上游基礎層基礎層：主要包括CPU、GPU等芯片硬件，深度神經網絡、循環(huán)神經網絡、卷積神經網絡等算法，以及由真實數據和模擬數據共同構成的數據集。核心芯片被Intel、Nvidia等傳統(tǒng)芯片廠商把控，新型芯片廠商尚未崛起，規(guī)模應用有待時日；開源平臺以谷歌的Tensorflow、Facebook的Caffe等為主，其它企業(yè)的深度學習框架多為二次開發(fā)；

中游技術層主要包括視頻識別、圖片識別、模式匹配等嵌入式視覺軟件，以及一站式解決方案。算法，初創(chuàng)企業(yè)占優(yōu)；云計算，幾乎被AWS、Google Cloud、Azure、阿里云等壟斷。

下游應用層：為計算機視覺的落地場景，包括智慧安防、智慧金融、手機應用、無人駕駛等商業(yè)領域。垂直行業(yè)龍頭占據場景，技術層初創(chuàng)企業(yè)向上滲透。

國內計算機視覺的玩家有三類：

1.?？低?/u>、大華股份、宇視科技等安防廠商