目錄一、行業(yè)發(fā)展：計(jì)算機(jī)視覺(jué)迎來(lái)高速發(fā)展期，技術(shù)追趕超越，商業(yè)化尚處黎明之前...............................................................................................................................................................7發(fā)展史：六十余年，歷經(jīng)三次浪潮，曲折起伏，終迎高速增長(zhǎng)產(chǎn)業(yè)鏈：數(shù)據(jù)、算力、平臺(tái)為基，AI應(yīng)用需求驅(qū)動(dòng)技術(shù)發(fā)展市場(chǎng)規(guī)模：人工智能各領(lǐng)域技術(shù)突破、商業(yè)化場(chǎng)景逐步落地市場(chǎng)規(guī)模：人工智能及計(jì)算機(jī)視覺(jué)市場(chǎng)規(guī)模快速增長(zhǎng)算法概覽：Transformer逐漸在CV領(lǐng)域推廣，但算法尚未迎來(lái)突破性進(jìn)展學(xué)術(shù)領(lǐng)域：縱覽三大會(huì)議論壇ICCV、CVPR、ECCV，中國(guó)實(shí)現(xiàn)追趕超越學(xué)術(shù)領(lǐng)域：前沿學(xué)術(shù)研究支撐AI商業(yè)化發(fā)展核心技術(shù)：底層框架具備戰(zhàn)略性意義，海外主導(dǎo)，國(guó)內(nèi)百度集團(tuán)、商湯領(lǐng)先計(jì)算機(jī)視覺(jué)商業(yè)化尚處黎明之前AI大模型加速人工智能商業(yè)化進(jìn)程AI資產(chǎn)復(fù)用加速AI全面商業(yè)化落地二、商業(yè)模式：垂直行業(yè)需先發(fā)且深耕，AIaaS適合當(dāng)下，軟硬一體化是未來(lái)......................................................................................................................................................................19商業(yè)模式概覽：垂直行業(yè)解決方案、軟硬件一體化產(chǎn)品、AIaaS垂直行業(yè)解決方案：行業(yè)眾多，場(chǎng)景多元，企業(yè)差異化布局垂直行業(yè)解決方案-智慧城市：以AI監(jiān)控為眼，各企業(yè)側(cè)重領(lǐng)域不同垂直行業(yè)解決方案-企業(yè)應(yīng)用：以空間治理為主，業(yè)務(wù)相似度較高垂直行業(yè)解決方案-智慧金融：側(cè)重領(lǐng)域略有不同，多為人證識(shí)別、網(wǎng)店安防垂直行業(yè)解決方案-智能制造：細(xì)分賽道眾多，各企業(yè)布局差異較大垂直行業(yè)解決方案-智慧零售：服務(wù)于線下實(shí)體零售，側(cè)重消費(fèi)環(huán)節(jié)垂直行業(yè)解決方案-智能手機(jī)：主要為人臉解鎖、圖像處理SDK產(chǎn)品垂直行業(yè)解決方案-智慧醫(yī)療：主要基于醫(yī)療影像，逐步試點(diǎn)落地階段垂直行業(yè)解決方案-智能汽車：智能座艙+智能駕駛，未來(lái)高速發(fā)展垂直行業(yè)解決方案-智能家居、泛娛樂(lè)、元宇宙：較少AI創(chuàng)業(yè)企業(yè)布局5目錄軟硬件一體化產(chǎn)品：未來(lái)的趨勢(shì)軟硬件一體化產(chǎn)品-AI攝像頭軟硬件一體化產(chǎn)品-門(mén)禁/安防一體機(jī)AIaaS：降低AI使用門(mén)檻，加速商業(yè)化進(jìn)程AIaaS-百度集團(tuán)：國(guó)內(nèi)聚集開(kāi)發(fā)者最多，平臺(tái)產(chǎn)品最為多元AIaaS-阿里巴巴：更聚焦于AI能力開(kāi)放，重視大數(shù)據(jù)與AI結(jié)合AIaaS-騰訊控股：側(cè)重行業(yè)側(cè)AI能力開(kāi)放，包括互聯(lián)網(wǎng)、金融、醫(yī)療等AIaaS-華為：聚焦AI開(kāi)發(fā)者平臺(tái)AIaaS-第四范式：決策類AI平臺(tái)，僅面向企業(yè)AIaaS-商湯：以算力租用、開(kāi)發(fā)者平臺(tái)為主，僅面向企業(yè)AIaaS-曠視科技：聚焦CV領(lǐng)域AI能力開(kāi)放AIaaS-云從科技：聚焦人證領(lǐng)域的技術(shù)能力開(kāi)放和行業(yè)風(fēng)控、安全解決方案AIaaS-?？低暎壕劢惯吘墏?cè)終端應(yīng)用開(kāi)發(fā)與能力開(kāi)放三、企業(yè)復(fù)盤(pán)：關(guān)注商業(yè)模式、技術(shù)團(tuán)隊(duì)、人效比、客戶、盈利狀況、資金情況.................................................................................................................................................................44企業(yè)概覽：百花齊放，正處于上市熱潮市場(chǎng)份額：計(jì)算機(jī)視覺(jué)應(yīng)用廣泛，商湯是中國(guó)計(jì)算機(jī)視覺(jué)龍頭技術(shù)能力對(duì)比：領(lǐng)路人及研發(fā)團(tuán)隊(duì)缺一不可客戶：客單價(jià)持續(xù)提升，客戶集中度較高人效比：關(guān)鍵在于商業(yè)模式及成本效益平衡與正向盈利的距離：虧損或盈利的原因與正向盈利的距離：資金能否支撐虧損企業(yè)正向盈利的關(guān)鍵：開(kāi)源節(jié)流建議關(guān)注標(biāo)的風(fēng)險(xiǎn)提示............................................................................................................................................................................................................................................................................................5467一、行業(yè)發(fā)展：計(jì)算機(jī)視覺(jué)迎來(lái)高速發(fā)展期，技術(shù)追趕超越，商業(yè)化尚處黎明之前8資料來(lái)源：深圳市人工智能產(chǎn)業(yè)協(xié)會(huì)《2020人工智能產(chǎn)業(yè)白皮書(shū)》，產(chǎn)業(yè)信息網(wǎng)，智研咨詢，iResearch，51cto，博學(xué)谷，

antpedia，沈陽(yáng)國(guó)際軟件園官微，國(guó)海證券研究所發(fā)展史：六十余年，歷經(jīng)三次浪潮，曲折起伏，終迎高速增長(zhǎng)1956自然語(yǔ)言處理NLP感知機(jī)模人工神經(jīng)網(wǎng)絡(luò)模型BP網(wǎng)絡(luò)模型通用求解問(wèn)題系統(tǒng)GPSS型DENDRAL專家系統(tǒng)集成電路技術(shù)提高霍普菲爾德神經(jīng)網(wǎng)絡(luò)BP算法進(jìn)一步發(fā)展循環(huán)神經(jīng)網(wǎng)絡(luò)RNN第五代電子計(jì)算機(jī)第四代電子計(jì)算機(jī)第一臺(tái)超級(jí)計(jì)算機(jī)深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)DL卷積神經(jīng)網(wǎng)

自絡(luò)

編CNN

碼器支持量機(jī)SVM認(rèn)知計(jì)算邊緣AI5GAutoDLFPGA加速器智適應(yīng)學(xué)習(xí)深度語(yǔ)義分析跨語(yǔ)言文本挖掘量子計(jì)算L4自動(dòng)駕駛物體檢測(cè)與跟蹤3D感應(yīng)相機(jī)自動(dòng)駕駛飛行器增強(qiáng)智能知識(shí)圖譜沉浸試場(chǎng)景生物技術(shù)智能傳感器元片

駕駛多芯

動(dòng)營(yíng)數(shù)遷字移生

L5化學(xué)物

自運(yùn)習(xí)STUDENT系統(tǒng)ELIZA向系統(tǒng)第二次浪潮專業(yè)化發(fā)展主要成就：人工智能計(jì)算機(jī)、多層神經(jīng)網(wǎng)絡(luò)、BP算法的突破、語(yǔ)音識(shí)別和語(yǔ)言翻譯第一次浪潮算法雛形出現(xiàn)主要成就：算法、方法論、早期人工智能系統(tǒng)第三次浪潮基于互聯(lián)網(wǎng)大數(shù)據(jù)的深度學(xué)習(xí)主要成就：語(yǔ)音識(shí)別、圖像識(shí)別、自然語(yǔ)言理解等未來(lái)萌芽期1943-19551943年，人工神經(jīng)網(wǎng)路與學(xué)模型建立標(biāo)志著人工神經(jīng)網(wǎng)絡(luò)研究時(shí)代的開(kāi)啟。1950年，圖靈測(cè)試提出標(biāo)志著“人工智能”邁入萌芽期。理論啟動(dòng)期1956-19691956年，達(dá)特茅斯會(huì)議標(biāo)志著AI正式誕生，麥卡錫被稱為人工智能之父。模式識(shí)別、問(wèn)題求解、專家系統(tǒng)及人工智能語(yǔ)言等都取得許多引人注目的成就。數(shù)據(jù)量少，公眾對(duì)人工社會(huì)資本退出，政府資助下降，人工智能迎來(lái)第一次寒冬。1974低迷期1969-1975美國(guó)國(guó)防高級(jí)研究計(jì)劃

?署的合作計(jì)劃失敗。計(jì)算機(jī)技術(shù)能力有限，實(shí)際復(fù)興期1975-19861975年，BP算法開(kāi)始被研究，第五代計(jì)算機(jī)開(kāi)始研制，半導(dǎo)體開(kāi)始發(fā)展，AI多領(lǐng)域逐漸突破。會(huì)議后，機(jī)器學(xué)習(xí)、定理證明、智能的信心持續(xù)減弱，

?XCON的“專家系統(tǒng)”每年能為公司省下四千美元，衍生出了眾多人工智能軟硬件企業(yè)。2006發(fā)展期1986-2006第五代計(jì)算機(jī)-人工智能由于技術(shù)路線明顯背離計(jì)算機(jī)工業(yè)發(fā)展項(xiàng)目，專家系統(tǒng)風(fēng)光不再。AI技術(shù)逐步發(fā)展，

人們對(duì)AI開(kāi)始抱有客觀理性的認(rèn)知，

人工智能技術(shù)開(kāi)始進(jìn)入平穩(wěn)發(fā)展時(shí)期。飛躍期2006至今2006年，Hinton在神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)領(lǐng)域取得突破，人類又一次看到機(jī)器趕超人類的希望；2016

年，Google

的

AlphaGo贏了韓國(guó)棋手李世石，再度引發(fā)AI

熱潮。AI芯片、AI傳感器、AI服務(wù)器、超算中心等等基礎(chǔ)設(shè)施逐步完善，數(shù)據(jù)量增大、計(jì)算能力變強(qiáng)，深度學(xué)習(xí)興起，助推人工智能各技術(shù)領(lǐng)域高速發(fā)展。與云計(jì)算、大數(shù)據(jù)、物聯(lián)網(wǎng)的結(jié)合，實(shí)現(xiàn)了人工智能商業(yè)化落地，良好且可持續(xù)的發(fā)展模式將反哺人工智能迅速增長(zhǎng)。9資料來(lái)源：深圳市人工智能產(chǎn)業(yè)協(xié)會(huì)，iResearch，物聯(lián)網(wǎng)智庫(kù)，網(wǎng)易科技，F(xiàn)orrester產(chǎn)業(yè)鏈：數(shù)據(jù)、算力、平臺(tái)為基，AI應(yīng)用需求驅(qū)動(dòng)技術(shù)發(fā)展基礎(chǔ)上 層游中

技游

術(shù)層下游應(yīng)用層美林?jǐn)?shù)據(jù)、第四范式、星環(huán)科技、國(guó)雙科技、東方國(guó)信、明略科技硬件 智能資源 芯片CPU：英特爾、美國(guó)超微半導(dǎo)體GPU：英偉達(dá)、AMD、英特爾、ARM、Imagination、景嘉微FPGA：賽靈思、Altera、美高森美、萊迪思、深鑒科技、成都華微電子ASIC：IBM、谷歌、ARM、蘋(píng)果、華為、寒武紀(jì)、百度、中星微、云天勵(lì)飛智能傳感器設(shè)計(jì)制造:NXP、高通、博世、霍尼韋爾、歐姆龍、應(yīng)美盛、索尼、格羅方德、愛(ài)普生、臺(tái)積電、聯(lián)電、歌爾、高德紅外、中芯國(guó)際、華潤(rùn)、華虹、士蘭微、樓氏電子封裝測(cè)試:NXP、ST、博世、卡西歐、歌爾、日月光、長(zhǎng)電、瑞聲邊緣計(jì)算數(shù)據(jù)資源 大數(shù)據(jù) 數(shù)據(jù)服務(wù)百度智能云、數(shù)據(jù)眾包、海天瑞聲、數(shù)據(jù)堂、標(biāo)貝科技算力

云計(jì)算及基礎(chǔ) 數(shù)據(jù)中心AI模型 開(kāi)源生產(chǎn) 框架平臺(tái)通用技術(shù)機(jī)器學(xué)習(xí)知識(shí)圖譜第四范式、亞馬遜、阿里云、浪潮、京東智聯(lián)云、百度、騰訊云、華為、美林?jǐn)?shù)據(jù)關(guān)鍵領(lǐng)域計(jì)算機(jī)視覺(jué)語(yǔ)音識(shí)別自然語(yǔ)言處理生物特征識(shí)別AI+泛安防

計(jì)算機(jī)視覺(jué):?？低?、大華、華為、依圖、云云服務(wù):亞馬遜、微軟、谷歌、阿里云、騰訊云、華為云、百度智能云、京東智聯(lián)云、金山云智能服務(wù)器:戴爾、思科、慧與、寶德、浪潮、寧暢、華為、新華三、安擎、中科曙光

算力中心、IDC：亞馬遜、阿里云、騰訊云、華為云、商湯、國(guó)家/地方超算中心

英特爾、戴爾、IBM、Akamai、阿里、華為、網(wǎng)宿科技、中國(guó)移動(dòng)、中國(guó)電信PyTorch、TensorFlow、PP飛漿、

開(kāi)放騰訊優(yōu)圖ncnn、SenseParrots騰訊云、百度大腦、京東數(shù)科、搜狗知音、訊飛開(kāi)放平臺(tái)、商湯科技Sensecore、曠世科技Face++、曠視科技-Brain++、第四范式-先知、閃馬智能ATOM商湯、云從、依圖、曠視、微軟、英特爾、騰訊、百度、阿里、華為、滴滴、網(wǎng)易科大訊飛、思必馳、搜狗知音、云知聲、SpeakIn、聲智、百度、騰訊、小米谷歌、百度、搜狗、第四范式、達(dá)觀數(shù)據(jù)、聲智NEC、3M康源、富士通、Crossmatch、賽峰集團(tuán)、M2SYSTechnology、BIO-Key、HID蘋(píng)果、Facebook、谷歌、微軟、亞馬遜、華為、騰訊、阿里、小米、HTC、AI+醫(yī)療

醫(yī)療影

像

：

推想

、Airdoc、深睿、數(shù)坤、科亞、邁瑞、騰訊覓影

決策輔助：惠每、森億智能、嘉和美康、科大訊飛、醫(yī)渡云、聲智

輔助制藥：

晶泰科技未知君、太美醫(yī)療百度大腦、搜狗、明略科技、第四范式、DataExa、中科天璣類腦智能計(jì)算AI+工業(yè)從、曠視、商湯、澎思、阿里云、 ?宇泛智能

大數(shù)據(jù)智能:美亞柏科、騰訊云、?拓爾思、海致、聲智

計(jì)算機(jī)視覺(jué)：康耐視、?？?、創(chuàng)新奇智、阿丘科技、騰訊優(yōu)圖、東升、商湯

預(yù)測(cè)與維護(hù)：昆侖數(shù)據(jù)、金風(fēng)、第四范式、明略科技、樹(shù)根互聯(lián)

知識(shí)與決策：SIEMENS、樹(shù)根互聯(lián)、阿里云、PlantDataAI+XRAI+金融

計(jì)算機(jī)視覺(jué)：云從、騰訊優(yōu)圖

業(yè)務(wù)智能：第四范式、京東數(shù)科、海致星圖、百融云創(chuàng)、金融壹賬通

流程智能：達(dá)觀數(shù)據(jù)、實(shí)在智能

客戶服務(wù)：百度大腦、竹間、京東數(shù)科、硅基智能、AI+互聯(lián)網(wǎng)

視覺(jué)與圖像：騰訊優(yōu)圖、曠視、影譜、閃馬智能、愛(ài)奇藝

規(guī)劃與推薦：滴滴出行、字節(jié)跳動(dòng)

搜索與問(wèn)答：搜狗、達(dá)觀數(shù)據(jù)云問(wèn)機(jī)器人、智齒科技AI+教育AI+零售京東數(shù)科、云 科大訊飛、商湯、松鼠、影譜、拿、第四范式、

騰訊優(yōu)圖、海云天、天聞數(shù)媒、騰訊優(yōu)圖、阿 聲智里云、影譜AI+交通云從、曠視、商湯、騰訊優(yōu)圖、阿里云、滴滴出行、澎思、閃馬智能AI+政務(wù)阿里云、京東數(shù)科、騰訊云、商湯、拓爾思、影譜、浩鯨自主無(wú)人系統(tǒng)

智能汽車：Apollo、西井、圖森

智能機(jī)器人：三星、京東數(shù)科、順風(fēng)、螞蟻、優(yōu)必選

無(wú)人機(jī)：大疆、極飛、億航10市場(chǎng)規(guī)模：人工智能各領(lǐng)域技術(shù)突破、商業(yè)化場(chǎng)景逐步落地資料來(lái)源：IDC《中國(guó)人工智能市場(chǎng)格局演進(jìn)-2020》，艾瑞咨詢《科技行業(yè)2021年中國(guó)人工智能產(chǎn)業(yè)研究報(bào)告（Ⅳ）》，億歐智庫(kù)《2022中國(guó)人工智能芯片行業(yè)研究報(bào)告》，德勤《人工智能行業(yè)：制造業(yè)+人工智能創(chuàng)新應(yīng)用發(fā)展報(bào)告》，國(guó)海證券研究所（注：按人民幣計(jì)價(jià)）弱人工智能ANI專注完成特定任務(wù)，是輔助人的“工具”。強(qiáng)人工智能AGI各方面比肩人類。超人工智能ASI人工智能跨過(guò)“奇點(diǎn)”，超越人腦。核心：機(jī)器學(xué)習(xí)利用數(shù)據(jù)訓(xùn)練模型，使用模型預(yù)測(cè)，目前已實(shí)現(xiàn)AutoML。

2021年中國(guó)機(jī)器學(xué)習(xí)產(chǎn)品服務(wù)的核心產(chǎn)品、帶動(dòng)相關(guān)產(chǎn)業(yè)市場(chǎng)規(guī)模預(yù)計(jì)達(dá)275（YoY+22.8%）、1809（YoY+23.2%）億元，預(yù)計(jì)2025年分別達(dá)578（CAGR+20.4%）、3766（CAGR+20.1%）億元。2020年市占率第一為第四范式，市占率達(dá)25.10%。先鋒：深度學(xué)習(xí)機(jī)器學(xué)習(xí)的分支，也是機(jī)器學(xué)習(xí)的升級(jí)版。

2021H1中國(guó)深度學(xué)習(xí)開(kāi)源框架用戶份額前三分別為：Tensorflow

29.20%、Caffe2/Pytorch

28.20%、百度飛漿19.10%。計(jì)算機(jī)視覺(jué)技術(shù)（CV）2021年中國(guó)計(jì)算機(jī)視覺(jué)技術(shù)核心產(chǎn)品、帶動(dòng)相關(guān)產(chǎn)業(yè)市場(chǎng)規(guī)模預(yù)計(jì)達(dá)990（YoY+14.8%）、3079（YoY+36.9%）億元，預(yù)計(jì)2025年分別達(dá)1873（CAGR+17.3%）、

5771（CAGR+17.0%）億元。2021H2商湯市占率達(dá)22%，持續(xù)保持第一。包括圖像識(shí)別、人臉識(shí)別、人體識(shí)別、視頻技術(shù)、VR、ARAI芯片2021年中國(guó)市場(chǎng)規(guī)模427億元（YoY+123.9%），預(yù)計(jì)2025年達(dá)1780億元（CAGR+42.9%）。GPU領(lǐng)域英偉達(dá)市占率最高，F(xiàn)PGA領(lǐng)域Xilinx市占率最高，ASIC尚未出現(xiàn)寡頭壟斷。知識(shí)圖譜2021年中國(guó)市場(chǎng)核心產(chǎn)品、帶動(dòng)相關(guān)產(chǎn)業(yè)規(guī)模預(yù)計(jì)達(dá)107（YoY+33.8%）、412

（YoY+24.1%）億元，預(yù)計(jì)2025年分別達(dá)246（CAGR+23.1%）、868（CAGR+20.5%）億元。語(yǔ)音技術(shù)（ASR、TTS）2021年中國(guó)核心產(chǎn)品、帶動(dòng)相關(guān)產(chǎn)業(yè)規(guī)模預(yù)計(jì)達(dá)79

（YoY+36.2%）

、448

（YoY+40.0%）億元，預(yù)計(jì)到2025年分別達(dá)170（CAGR+21.1%）、937（CAGR+20.3%）億元。2020年市占率第一為科大訊飛，占比達(dá)13.7%。自然語(yǔ)言處理（NLP）2021年中國(guó)核心產(chǎn)品、帶動(dòng)相關(guān)產(chǎn)業(yè)市場(chǎng)規(guī)模預(yù)計(jì)達(dá)171

（YoY+50.0%）、450

（YoY+35.5%）億元，預(yù)計(jì)到2025年分別達(dá)391（CAGR+23.0%）、

905（CAGR+19.1%）億元。發(fā)展階段算力基礎(chǔ)核心通用技術(shù)11資料來(lái)源：商湯、創(chuàng)新奇智、第四范式招股說(shuō)明書(shū)，

Frost

&

Sullivan，灼識(shí)咨詢，IDC，國(guó)海證券研究所（注：按人民幣計(jì)價(jià)）市場(chǎng)規(guī)模：人工智能及計(jì)算機(jī)視覺(jué)市場(chǎng)規(guī)?？焖僭鲩L(zhǎng)20182019202020212022E2023E2024E2025E全球人工智能市場(chǎng)規(guī)模（億元）9,35912,47315,23018,86223,90330,80239,94750,033YoY37.4%33.3%22.1%23.9%26.7%28.9%29.7%25.3%中國(guó)人工智能市場(chǎng)規(guī)模（億元）8611,3721,8582,6033,7055,2987,47010,457YoY58.0%59.4%35.4%40.1%42.3%43.0%41.0%40.0%中國(guó)/全球占比9.2%11.0%12.2%13.8%15.5%17.2%18.7%20.9%中國(guó)計(jì)算機(jī)視覺(jué)市場(chǎng)規(guī)模（億元）2343915568451,1731,5422,0552,623YoY105.3%67.1%42.2%52.0%38.8%31.5%33.3%27.6%中國(guó)·計(jì)算機(jī)視覺(jué)/人工智能占比27.2%28.5%29.9%32.5%31.7%29.1%27.5%25.1%中國(guó)人工智能軟件市場(chǎng)規(guī)模（億元)118.44193.63230.90330.30462.42628.89854.251,110.53YoY63.5%19.2%43.0%40.0%36.0%35.8%30.0%中國(guó)·人工智能軟件占比13.8%14.1%12.4%12.7%12.5%11.9%11.4%10.6%全球計(jì)算機(jī)視覺(jué)軟件市場(chǎng)規(guī)模（億元）6088639281,2791,7552,4903,3734,426YoY41.9%7.6%37.9%37.2%41.9%35.4%31.2%中國(guó)計(jì)算機(jī)視覺(jué)軟件市場(chǎng)規(guī)模（億元）791381672433515237421,018YoY74.7%21.0%45.5%44.4%49.0%41.9%37.2%中國(guó)·計(jì)算機(jī)視覺(jué)軟件占比33.8%35.3%30.0%28.8%29.9%33.9%36.1%38.8%中國(guó)/全球占比13.0%16.0%18.0%19.0%20.0%21.0%22.0%23.0%12算法概覽：Transformer逐漸在CV領(lǐng)域推廣，但算法尚未迎來(lái)突破性進(jìn)展資料來(lái)源：EasyAI，機(jī)器之心官網(wǎng)、微信公眾號(hào)，

《Gradient-Based

Learning

Applied

to

Document

Recognition》Yann

LeCun等，《VERYDEEPCONVOLUTIONAL

NETWORKS

FOR

LARGE-SCALE

IMAGE

RECOGNITION》Karen

Simonyan等，

《GoingDeeper

with

Convolutions》ChristianSzegedy等，《Deep

Residual

Learning

for

ImageRecognition》Kaiming

He等，

《Densely

Connected

Convolutional

Networks》Gao

Huang等，

《Attention

Is

AllYou

Need》Ashish

Vaswani等，

《An

Image

is

Worth16x16

Words:

Transformers

for

ImageRecognition

at

Scale》Alexey

Dosovitskiy等，

《Swin

Transformer:Hierarchical

Vision

Transformer

usingShifted

Windows》Ze

Liu等，

《Training

data-efficientimage

transformers

&

distillation

through

attention》Hugo

Touvron等，

《Empirical

Evaluation

of

Gated

RecurrentNeuralNetworks

on

Sequence

Modeling》Junyoung

Chung等樂(lè)趣區(qū)，電工吧，國(guó)海證券研究所卷積神經(jīng)網(wǎng)絡(luò)（

CNN）1998年正式提出，在計(jì)算機(jī)視覺(jué)領(lǐng)域廣泛應(yīng)用，通過(guò)參數(shù)共享和稀疏交互降低模型復(fù)雜度，提高模型訓(xùn)練和預(yù)測(cè)的速度和準(zhǔn)確率，提高泛化能力；但對(duì)變換形狀、大小的目標(biāo)需要重新訓(xùn)練，因此需要數(shù)據(jù)增強(qiáng)等技術(shù)增強(qiáng)模型魯棒性。循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）1980-1990年發(fā)展，

在計(jì)算機(jī)視覺(jué)中主要用于處理序列數(shù)據(jù)，如時(shí)間序列、文本序列；但是存在訓(xùn)練過(guò)程不穩(wěn)定、計(jì)算復(fù)雜度高、難以并行化計(jì)算。圖像分類目標(biāo)檢測(cè)圖像分割目標(biāo)跟蹤圖像壓縮圖像生成圖像重構(gòu)風(fēng)格遷移圖像超分辨率視頻分析（子任務(wù)）文本識(shí)別動(dòng)作識(shí)別視頻分析圖像描述生成姿態(tài)估計(jì)長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）1997年提出，RNN的變體，具有更好的長(zhǎng)期記憶能力，能處理長(zhǎng)時(shí)間間隔的信息；但本質(zhì)是序列模型，需要和CNN等結(jié)合才能實(shí)現(xiàn)更好的效果。門(mén)控循環(huán)單元（GRU）2014年提出，LSTM的簡(jiǎn)化和改進(jìn)，相對(duì)LSTM處理長(zhǎng)序列能力略遜一籌，但參數(shù)較少，訓(xùn)練速度更快；復(fù)雜任務(wù)需要更多的調(diào)整和參數(shù)。自注意力機(jī)制（Self-Attention

）2017年提出，在NLP領(lǐng)域，尤其是機(jī)器翻譯任務(wù)得到了很好的應(yīng)用效果，也逐步在CV領(lǐng)域拓展，Transformer架構(gòu)也逐步在計(jì)算機(jī)視覺(jué)領(lǐng)域流行；自注意力機(jī)制可以幫助模型在輸入序列中自適應(yīng)地挖掘不同部分之間的關(guān)系，完成要從圖像中提取特征并將其與自然語(yǔ)言文本相結(jié)合的任務(wù)。圖像分類目標(biāo)檢測(cè)圖像分割圖像生成圖像描述生成圖像問(wèn)答模型發(fā)布時(shí)間發(fā)布者特點(diǎn)VGG2014Oxford用多個(gè)較小的卷積核替代一個(gè)較大的卷積核，從而增加網(wǎng)絡(luò)的深度和非線性能力，同時(shí)減小參數(shù)量；結(jié)構(gòu)簡(jiǎn)單、易于理解、容易復(fù)現(xiàn)，但模型過(guò)于復(fù)雜，參數(shù)量過(guò)大，訓(xùn)練和推理的速度較慢。Inception2014谷歌卷積核組合處理輸入數(shù)據(jù)，模型參數(shù)少、表達(dá)能力強(qiáng)、可擴(kuò)展性好，但計(jì)算量大、訓(xùn)練時(shí)間長(zhǎng)。ResNet2015微軟殘差連接減輕了梯度消失問(wèn)題，可以訓(xùn)練更深的神經(jīng)網(wǎng)絡(luò)；引入批量歸一化（BatchNormalization），加速網(wǎng)絡(luò)的收斂速度，提高了訓(xùn)練的穩(wěn)定性；獲2015、2016年ImageNet挑戰(zhàn)賽冠軍；但模型龐大，需較多的計(jì)算資源和存儲(chǔ)空間，容易過(guò)擬合。DenseNet2016微軟更高的參數(shù)利用率和特征重用能力，有助于提高模型的準(zhǔn)確性和泛化能力；更少的參數(shù)量和計(jì)算量解決過(guò)擬合和梯度消失問(wèn)題；但網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜導(dǎo)致訓(xùn)練推理成本較高，處理較大尺寸圖像數(shù)據(jù)存在挑戰(zhàn)。Transformer架構(gòu)逐步在CV廣泛應(yīng)用；具備良好建模能力，能夠處理空間信息；但消耗算力較大；對(duì)未知信息敏感；對(duì)小型圖像數(shù)據(jù)集表現(xiàn)可能不如CNN。模型發(fā)布時(shí)間發(fā)布者特點(diǎn)ViT2020谷歌基于Transformer，可以再不使用卷積層的情況下處理圖像，更加靈活；數(shù)據(jù)需求較??；可并行計(jì)算，訓(xùn)練效率較高；但懸鏈時(shí)間較長(zhǎng)，需要大量計(jì)算資源，且可能會(huì)忽略圖像中局部信息。SwinTransformer2021微軟基于Transformer，引入跨階段連接（cross-stage

connection）機(jī)制，促進(jìn)特征信息的傳遞，提高了模型的效率和精度；具有更好的橫向擴(kuò)展性，能夠適應(yīng)更大和更復(fù)雜的數(shù)據(jù)集和任務(wù)；但需要大量計(jì)算資源和訓(xùn)練數(shù)據(jù)，可能出現(xiàn)過(guò)擬合DeiT2021Meta基于Transformer，通過(guò)知識(shí)蒸餾和數(shù)據(jù)增強(qiáng)提高模型性能，主要用于圖像分類和目標(biāo)檢測(cè)任務(wù)，可以在保持準(zhǔn)確性的同時(shí)減少計(jì)算量和存儲(chǔ)空間的消耗；但相對(duì)沒(méi)那么通用。。目前主要問(wèn)題數(shù)據(jù)量不足，圖像、視頻類數(shù)據(jù)標(biāo)準(zhǔn)更為復(fù)雜，有效數(shù)據(jù)集規(guī)模不夠大；復(fù)雜場(chǎng)景下準(zhǔn)確率不夠高；算法魯棒性不夠；數(shù)據(jù)隱私與安全問(wèn)題。發(fā)展性深度學(xué)習(xí)模型改進(jìn)、多模態(tài)視覺(jué)、強(qiáng)化學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)。13資料來(lái)源：ICCV、CVPR、ECCV官網(wǎng)，各公司官網(wǎng)、微信公眾號(hào)、招股說(shuō)明書(shū)，機(jī)器之心，Github，199IT，極市平臺(tái)，國(guó)海證券研究所學(xué)術(shù)領(lǐng)域：縱覽三大會(huì)議論壇ICCV、CVPR、ECCV，中國(guó)實(shí)現(xiàn)追趕超越公司冠軍數(shù)量（2015年至今）側(cè)重領(lǐng)域商湯70+圖像視頻修復(fù)和增強(qiáng)、視頻動(dòng)作識(shí)別、具身智能、人臉識(shí)別和驗(yàn)證曠視47圖像分類、目標(biāo)檢測(cè)、視頻跟蹤、動(dòng)作/事件識(shí)別騰訊優(yōu)圖52活體檢測(cè)、圖像分辨與識(shí)別、實(shí)例分割阿里達(dá)摩院60+視頻分割、目標(biāo)檢測(cè)百度AI70+視頻內(nèi)容分析、遙感影像分析、人臉識(shí)別表：2017-2022年比賽冠軍數(shù)量合計(jì)名稱含金量論文接收競(jìng)賽ICCV，IEEE國(guó)際計(jì)算機(jī)視覺(jué)大會(huì)自1987年每?jī)赡暌粚茫雅e辦18屆全球范圍舉辦計(jì)算機(jī)視覺(jué)領(lǐng)域，全球最高級(jí)別學(xué)術(shù)會(huì)議2021年（線上），共錄取1617篇論文，錄取率約為

25.9%2021年舉辦競(jìng)賽超30+個(gè)CVPR，IEEE國(guó)際計(jì)算機(jī)視覺(jué)與模式識(shí)別會(huì)議自1985年舉辦每年一屆，已舉辦38屆只在美國(guó)本土舉辦CVPR被認(rèn)為有著很強(qiáng)的影響因子和很高的排名2023年收錄2360篇論文，錄取率達(dá)25.8%2022年共33個(gè)比賽ECCV，歐洲計(jì)算機(jī)視覺(jué)國(guó)際會(huì)議每?jī)赡暝跉W洲舉辦一次更注重理論，近年來(lái)逐步重視實(shí)踐應(yīng)用2022年收錄1629篇論文，錄取率低于20%2022年共12個(gè)比賽7712620558127205042016745227210250200150100500圖：2017-2022年論文入選數(shù)量合計(jì)（篇）350 328300商湯曠視百度CVPR華為ICCV騰訊ECCV14資料來(lái)源：極市平臺(tái)，

《Exploiting

Temporal

Relations

on

Radar

Perception

for

Autonomous

Driving》Peizhao

Li等,

《Catching

Both

Grayand

Black

Swans:

Open-set

Supervised

Anomaly

Detection》Choubo

Ding等，《EPro-PnP:Generalized

End-to-End

Probabilistic

Perspective-n-Points

for

Monocular

Object

Pose

Estimation》Hansheng

Chen等，國(guó)海證券研究所學(xué)術(shù)領(lǐng)域：前沿學(xué)術(shù)研究支撐AI商業(yè)化發(fā)展前沿學(xué)術(shù)研究《DomainGeneralizationvia

Shuffled

Style

Assembly

for

Face

Anti-Spoofin》關(guān)注到了越來(lái)越頻發(fā)的AI換臉欺詐事件，因此提出了一種新的方法ShuffledStyle

Assembly

Network

(SSAN)

，開(kāi)發(fā)了一種對(duì)比學(xué)習(xí)策略，使用正確集合的表示來(lái)區(qū)分活動(dòng)和欺騙，實(shí)現(xiàn)face

anti-spoofing

（FAS）。AI商業(yè)化發(fā)展三大論壇收錄的最新論文主要方向包括計(jì)算機(jī)視覺(jué)各類算法，如目標(biāo)檢測(cè)、圖像分割等，以及機(jī)器學(xué)習(xí)相關(guān)算法，也包含垂直細(xì)分行業(yè)的應(yīng)用，如醫(yī)學(xué)影像、自動(dòng)駕駛等。入選論文的領(lǐng)先性主要在于三大方面：提出了新的算法解決或改善了目前在應(yīng)用過(guò)程中遇到的問(wèn)題提出特定場(chǎng)景下（醫(yī)學(xué)影像、自動(dòng)駕駛等）的算法通用技術(shù)領(lǐng)域，提出新/優(yōu)化的算法，改善性能等（主要學(xué)術(shù)研究方向）支撐《Catching

Both

Grayand

Black

Swans:

Open-set

Supervised

AnomalyDetection》提出開(kāi)放集監(jiān)督異常檢測(cè)方法檢測(cè)已見(jiàn)異常（黑天鵝）和未見(jiàn)的異常（灰天鵝），并在工業(yè)檢測(cè)、基于漫游者的行星探測(cè)和醫(yī)學(xué)圖像等9個(gè)實(shí)際應(yīng)用數(shù)據(jù)集的檢驗(yàn)效果超過(guò)了目前5個(gè)最先進(jìn)的競(jìng)爭(zhēng)算法。CVPR2022年最佳論文獎(jiǎng)《Generalized

End-to-End

Probabilistic

Perspective-n-Points

for

Monocular

Object

PoseEstimation》提出EPro-PnP引入概率分布,將幾何推理和深度學(xué)習(xí)兩種方法無(wú)縫銜接,形成了一個(gè)端到端的易用模型,可以通過(guò)單張圖像快速估算3D物體的位姿。AI商業(yè)化落地過(guò)程中，會(huì)出現(xiàn)各種各樣的問(wèn)題細(xì)分行業(yè)眾多，長(zhǎng)尾場(chǎng)景蘊(yùn)含商業(yè)價(jià)值部分場(chǎng)景需要更優(yōu)算法才能達(dá)到商業(yè)化標(biāo)準(zhǔn)，部分場(chǎng)景并不需要解決適應(yīng)提升通過(guò)2D圖像求解3D物體在真實(shí)世界里的位姿一直是3D視覺(jué)領(lǐng)域經(jīng)典問(wèn)題，在自動(dòng)駕駛中就需要對(duì)周邊車輛位姿進(jìn)行快速精準(zhǔn)測(cè)算，但是在其他并不需要位姿高精度、高速度的場(chǎng)景下，更優(yōu)算法會(huì)帶來(lái)一定的增益，但更像是錦上添花，如安防監(jiān)控中為位姿識(shí)別可以通過(guò)攝像頭全方位布局實(shí)現(xiàn)。醫(yī)學(xué)影像、工業(yè)質(zhì)檢、視頻監(jiān)控犯罪/安全事故監(jiān)測(cè)、智能駕駛領(lǐng)域等都涉及眾多長(zhǎng)尾場(chǎng)景，異常數(shù)據(jù)相對(duì)較少，但往往讓AI解決方案落地的關(guān)鍵因素就是長(zhǎng)尾問(wèn)題的解決；目前AI商業(yè)化過(guò)程中主要滿足的仍是頭部需求，長(zhǎng)尾需求空間還很大。AI商業(yè)化落地過(guò)程中會(huì)出現(xiàn)各種問(wèn)題，比如成本過(guò)高、AI換臉欺詐、樣本數(shù)據(jù)較少等，因此也有少部分的學(xué)術(shù)研究會(huì)關(guān)注實(shí)踐過(guò)程，提高成本效益，解決因數(shù)據(jù)量較少導(dǎo)致算法低效以及部分領(lǐng)域特定的問(wèn)題；隨著AI逐步商業(yè)化落地，包括三大會(huì)議論壇在內(nèi)的學(xué)術(shù)研究也越來(lái)越關(guān)注實(shí)踐領(lǐng)域。中國(guó)數(shù)字經(jīng)濟(jì)之下，各行業(yè)產(chǎn)生海量的數(shù)據(jù)，為AI算法開(kāi)發(fā)提供了充足的數(shù)據(jù)基礎(chǔ)；AI芯片、AI傳感器、AI服務(wù)器、AI超算中心等基礎(chǔ)設(shè)施快速發(fā)展和完善；AI算法持續(xù)發(fā)展，AI模型規(guī)模量產(chǎn)，國(guó)內(nèi)商業(yè)化迎來(lái)全面落地開(kāi)花。15核心技術(shù)：底層框架具備戰(zhàn)略性意義，海外主導(dǎo)，國(guó)內(nèi)百度集團(tuán)、商湯領(lǐng)先資料來(lái)源：中國(guó)信通院《AI框架發(fā)展白皮書(shū)》，各框架官網(wǎng)，深圳市人工智能產(chǎn)業(yè)協(xié)會(huì)，新智元，GitHub表：國(guó)內(nèi)外主要底層框架概覽底層框架算法封裝、特征庫(kù)、計(jì)算資源、開(kāi)發(fā)界面、執(zhí)行平臺(tái)開(kāi)發(fā)者使用底層框架進(jìn)行AI算法模型開(kāi)發(fā)，過(guò)程中產(chǎn)生新的數(shù)據(jù)、創(chuàng)新的算法模型，將留在平臺(tái)中。底層框架開(kāi)源，可供所有開(kāi)發(fā)者免費(fèi)使用。企業(yè)圖：企業(yè)戰(zhàn)略布局底層框架，框架開(kāi)源反哺企業(yè)發(fā)展投入大量人才，資金支持，開(kāi)發(fā)底層框架。框架及開(kāi)發(fā)平臺(tái)開(kāi)源，引領(lǐng)行業(yè)發(fā)展，提升企業(yè)形象，且用戶使用后的創(chuàng)新算法和反饋將助力企業(yè)框架及算法改進(jìn)。TensorFlowPytorchPaddleOpenCVOpenMMlab所屬公司谷歌Meta百度集團(tuán)英特爾商湯開(kāi)源時(shí)間2015.11.092016.120162000.062018.10Commits144.3k57.4k40.3k32.7k-Fork87.9k17.6k5k54.3k18kStar172k63.4k19.7k67k63kContributors3.3k2.6k0.7k14.3k13k主要語(yǔ)言C++（63%）、Python（21%）C++（46%）、Python（44%）C++（47%）、Python（44%）C++（87%）Python（99%）功能它擁有一個(gè)全面而靈活的生態(tài)系統(tǒng)，其中包含各種工具、庫(kù)和社區(qū)資源，包括自定義、分布式訓(xùn)練、圖像、文本、音頻、結(jié)構(gòu)化數(shù)據(jù)、生成式、模型理解、強(qiáng)化學(xué)習(xí)、tfEstimator等括分類器模型、計(jì)算機(jī)視覺(jué)模型、自然語(yǔ)言處理模型（聊天機(jī)器人，文本生成）大的GPU加速的張量計(jì)算（如Numpy）2.包含自動(dòng)求導(dǎo)系統(tǒng)的深度神經(jīng)網(wǎng)絡(luò)

。

署框架和引擎。開(kāi)源計(jì)算機(jī)視覺(jué)和機(jī)器學(xué)習(xí)軟件庫(kù)，擁TensorFlow

是一個(gè)端到端開(kāi)源機(jī)器學(xué)習(xí)平臺(tái)?；赥orch的Python開(kāi)源機(jī)器學(xué)習(xí)庫(kù)，包

集深度學(xué)習(xí)核心框架、基礎(chǔ)模型庫(kù)、有超過(guò)2500種優(yōu)化算法，可用于人臉識(shí)端到端開(kāi)發(fā)套件、工具組件和服務(wù)

別、物體識(shí)別、風(fēng)景識(shí)別、圖像分類、等。還提供了兩個(gè)高級(jí)功能：

1.具有強(qiáng)

平臺(tái)于一體，包括開(kāi)發(fā)與訓(xùn)練框架、運(yùn)動(dòng)跟蹤、3D生成、超分辨率、圖像檢模型庫(kù)、模型預(yù)訓(xùn)練/壓縮工具及部

索、圖像處理，

跟蹤眼球運(yùn)動(dòng)、增強(qiáng)現(xiàn)量約超過(guò)1800萬(wàn)?；赑ytorch，包括MMCV計(jì)算機(jī)視覺(jué)基礎(chǔ)庫(kù)、MMDetection物體檢測(cè)工具箱、MMAction行為理解工具箱、MMSkeleton基于骨架的視頻分析工具箱、MMFashion服飾分析工具箱、實(shí)等。擁有超47000人的用戶社區(qū)，下載

MMSR超分辨率工具箱等。特點(diǎn)服務(wù)器、移動(dòng)設(shè)備和

IoT

設(shè)備上進(jìn)行部署。不僅能夠?qū)崿F(xiàn)強(qiáng)大的GPU加速，同時(shí)還TensorFlow是工業(yè)型框架，自成立以來(lái)一直是

支持動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)，這一點(diǎn)是現(xiàn)在很多面向部署的應(yīng)用程序的首選框架，TensorFlow

主流框架如TensorFlow都不支持的；簡(jiǎn)Serving和TensorFlow

Lite可讓用戶輕松地在云單易用可以實(shí)現(xiàn)快速驗(yàn)證，因此科研人員更為偏愛(ài)，各大期刊發(fā)表論文約80%使用Pytorch。源于產(chǎn)業(yè)實(shí)踐，始終致力于與產(chǎn)業(yè)深入融合。目前飛槳已廣泛應(yīng)用于開(kāi)發(fā)者。擁有超過(guò)2500種優(yōu)化算法，具有C

++，Python，Java和MATLAB接口，并支持Windows，Linux，Android和Mac

OS，擁有250+系列算法，2000+預(yù)先訓(xùn)練的模型，用于學(xué)術(shù)研究和工業(yè)應(yīng)用的開(kāi)源工業(yè)、農(nóng)業(yè)、服務(wù)業(yè)等，服務(wù)

406萬(wàn)OpenCV主要傾向于實(shí)時(shí)視覺(jué)應(yīng)用；開(kāi)源

項(xiàng)目；涵蓋了計(jì)算機(jī)視覺(jué)的廣泛研究課二十余年，是計(jì)算機(jī)視覺(jué)領(lǐng)域應(yīng)用最為

題，例如分類，檢測(cè)，分割和超分辨率廣泛的軟件庫(kù)、數(shù)據(jù)庫(kù)。受眾谷歌、英特爾、AMD、ARM、彭博、易、PayPal、SAP、搜狗等。英特爾、英偉達(dá)、浪潮、華為、寒DeepMind、聯(lián)想、GE醫(yī)療、美團(tuán)、小米、網(wǎng)

Facebook、Twitter、GMU和Salesforce等

武紀(jì)、中國(guó)電信、中信銀行、中國(guó)南方電網(wǎng)、比特大陸、深交所、千千音樂(lè)等。等。谷歌、雅虎、微軟、英特爾、IBM、索尼卡梅倫、約翰霍普金斯、牛津、人大、本田、豐田、華為、奧比中光、roboflow

浙大、清華、北大、復(fù)旦；商湯、字節(jié)跳動(dòng)、谷歌、英特爾、微軟、華為、阿里、美團(tuán)、騰訊等。注：Commits、Fork、Star、Contributors均為衡量開(kāi)源項(xiàng)目活躍度、關(guān)注度、共享程度的相關(guān)指標(biāo)；數(shù)據(jù)20230307；其中OpenMMlab相關(guān)數(shù)據(jù)均為主體框架及應(yīng)用框架合計(jì)，其余均為主體框架數(shù)據(jù)16從0到1：技術(shù)單點(diǎn)突破當(dāng)前階段：全面商業(yè)化前的黎明計(jì)算機(jī)視覺(jué)商業(yè)化尚處黎明之前商業(yè)化AI開(kāi)源框架：TensorFlow、Pytorch、OpenCV大模型：商湯AI大模型320億參數(shù)（截至202302）、百度文心VIMER-UFO2.0大模型170億參數(shù)（截至202207）、谷歌V-MoE視覺(jué)大模型150億參數(shù)（截至202106）?？缭焦I(yè)紅線：2014年商湯識(shí)別算法準(zhǔn)確率達(dá)到98.52%，全球首次超過(guò)人眼識(shí)別準(zhǔn)確率。生產(chǎn)要素的投入注：生產(chǎn)要素包括算力、技術(shù)人才、數(shù)據(jù)、時(shí)間、資金等資料來(lái)源：數(shù)智上海，AI大模型，機(jī)器之心，新智元，國(guó)海證券研究所從1到N：商業(yè)化飛輪加速AI供應(yīng)市場(chǎng)：技術(shù)突破，跨越工業(yè)紅線>

實(shí)現(xiàn)商業(yè)價(jià)值閉環(huán)

->

落地商用

->數(shù)據(jù)反哺，模型調(diào)優(yōu)，效率提升

->規(guī)模商用AI用戶：AI免費(fèi)試用，產(chǎn)生行為及數(shù)據(jù)等

->

AI更好用，實(shí)現(xiàn)降本提效

->

付費(fèi)意愿提升AI廠商：大規(guī)模資金、算力、人力、時(shí)間成本投入，實(shí)現(xiàn)技術(shù)突破->

逐步商用

->

資金回流，加速商業(yè)進(jìn)程，讓AI更好用

->

規(guī)模效應(yīng)實(shí)現(xiàn)成本下降，AI資產(chǎn)復(fù)用實(shí)現(xiàn)生產(chǎn)效率提升，同時(shí)市場(chǎng)付費(fèi)意愿提升

->

正向盈利17資料來(lái)源：機(jī)器之能，InfoQ，鈦媒體，證券日?qǐng)?bào)網(wǎng)，機(jī)器之心，量子位，新京報(bào)，百度、微軟、Facebook官網(wǎng)，百度AI，智東西，數(shù)智上海，國(guó)海證券研究所AI大模型加速人工智能商業(yè)化進(jìn)程自回歸語(yǔ)言模型，在transformer

的各層上都使用了交替密集 1750億和局部帶狀稀疏的注意力模式，答題、翻譯、寫(xiě)作能力出色（截至202005）微軟圖靈）MT-NLG（威震天-

針對(duì)自然語(yǔ)言任務(wù)，是當(dāng)時(shí)全球規(guī)模最大、性能最強(qiáng)的NLP準(zhǔn)確性。5300億模型，在閱讀理解、常識(shí)推理及自然語(yǔ)言推理任務(wù)中具備高（截至202110）谷歌BERT基于雙向Transformer

的大規(guī)模預(yù)訓(xùn)練語(yǔ)言模型，為許多AI大模型的基本框架。4810億（截至202112）預(yù)訓(xùn)練速度提高7倍以上。SwitchTransformer

迄今為止最大的模型，在91%的語(yǔ)言翻譯有4倍以上的提速， 1.6萬(wàn)億（截至202101)阿里巴巴M6主打多模態(tài)、多任務(wù)能力，在繪畫(huà)、文字生成圖片等領(lǐng)域表現(xiàn)出色，可生成1024＊1024分辨率實(shí)物高清圖片，相比英偉達(dá)、谷歌節(jié)省超八成算力，提升效率近11倍。10萬(wàn)億（截至202111）百度集團(tuán)鵬城-百度·文心針對(duì)知識(shí)增強(qiáng)領(lǐng)域，包括寫(xiě)作、作畫(huà)等AIGC方向，首創(chuàng)大模型在線蒸餾技術(shù)，模型參數(shù)壓縮率可達(dá)99.98%。壓縮版模(ERNIE

3.0

Titan）

型僅保留0.02%參數(shù)規(guī)模即效果相當(dāng)。2600億（截至202112）表：各公司典型AI大模型概覽公司 AI大模型OpenAI GPT-3圖：AI大模型依托其泛化能力強(qiáng)、處理能力強(qiáng)加速AI全面落地AI大模型解決了什么痛點(diǎn)？大規(guī)模預(yù)先性即AI大模型 ?基礎(chǔ)模型AI大模型是什么？海量大規(guī)模寬泛數(shù)據(jù)（量多、高維）預(yù)訓(xùn)練AI大模型有何優(yōu)勢(shì)？能力泛化應(yīng)用支撐技術(shù)融合參數(shù)量多、模型深度、網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜多模態(tài)信息的高效理解能力，跨模態(tài)的感知能力，跨差異化任務(wù)的遷移與執(zhí)行能力特色 參數(shù)場(chǎng)景多元長(zhǎng)尾場(chǎng)景缺乏數(shù)據(jù)AI模型成本高AI滲透率低遇到新數(shù)據(jù)仍可做出準(zhǔn)確預(yù)測(cè)參數(shù)谷歌 V-MoE針對(duì)圖像識(shí)別領(lǐng)域，將標(biāo)準(zhǔn)

Transformer

應(yīng)用于圖像，在ImageNet

圖像數(shù)據(jù)集上實(shí)現(xiàn)了當(dāng)時(shí)新的

SOTATop-1

準(zhǔn)確率90.45%150億（截至202106）Swin

針對(duì)稠密視覺(jué)領(lǐng)域，可遷移到需更高分辨率圖像的多種視覺(jué)v2.0

型容量和分辨率，在四個(gè)具有代表性的基準(zhǔn)上均刷新紀(jì)錄。30億微軟 Transformer

任務(wù)中。結(jié)合Transformer

結(jié)構(gòu)與重要視覺(jué)信號(hào)，通過(guò)擴(kuò)展模

（截至202203）MetaSEER針對(duì)圖像識(shí)別領(lǐng)域，通過(guò)自我監(jiān)督學(xué)習(xí)，可在幾乎沒(méi)有標(biāo)簽練達(dá)到77.9%準(zhǔn)確率。10億幫助的情況下識(shí)別圖像中的物體，用ImageNet10%的數(shù)據(jù)集訓(xùn)

（截至202103）百度集團(tuán)

文心VIMER-

面向多任務(wù)的視覺(jué)表征學(xué)習(xí)大模型，易于部署，可同時(shí)進(jìn)行UFO2.0

多項(xiàng)任務(wù)。170億（截至202205）騰訊控股針對(duì)跨模態(tài)視頻檢索領(lǐng)域，首創(chuàng)層級(jí)化跨模態(tài)技術(shù)，取得混元 MSR-VTT，MSVD，LSMDC，DiDeMo和ActivityNet

五大跨模態(tài)視頻檢索數(shù)據(jù)集榜單第一大滿貫。千億（截至202206）商湯SenseTime系

針對(duì)城市管理、企業(yè)管理、智能生活、智能汽車等領(lǐng)域的計(jì)列

算機(jī)視覺(jué)大模型，是目前最大參數(shù)規(guī)模的計(jì)算機(jī)視覺(jué)模型。320億（截至202302）可處理多類型信息輸入、多模態(tài)下的多種任務(wù)模型微調(diào)和應(yīng)用適配，擺脫傳統(tǒng)AI能力碎片化、作坊式開(kāi)發(fā)的束縛正向循環(huán)加速AI商業(yè)化落地表：各公司CV模型概覽公司 CV大模型 特色18資料來(lái)源：商湯微信公眾號(hào)，蕪湖發(fā)布，創(chuàng)新奇智、虹軟科技招股說(shuō)明書(shū)，阿里云、華為云官網(wǎng)AI資產(chǎn)復(fù)用加速AI全面商業(yè)化落地?cái)?shù)據(jù)收集、處理、標(biāo)注選擇模型訓(xùn)練調(diào)參優(yōu)化模型部署數(shù)據(jù)來(lái)源AI資產(chǎn)復(fù)用模式1*N：燈塔客戶標(biāo)桿項(xiàng)目遷移其他用戶場(chǎng)景；1+N：?jiǎn)蝹€(gè)客戶單一場(chǎng)景遷移多種場(chǎng)景。AI資產(chǎn)復(fù)用效果數(shù)據(jù)流通、調(diào)參優(yōu)化正循環(huán)；減少重復(fù)開(kāi)發(fā)；提高效率節(jié)約成本。更豐富多元的數(shù)據(jù)集訓(xùn)練出更多的模型。AI資產(chǎn)復(fù)用，加速相似場(chǎng)景模型開(kāi)發(fā)。大模型小模型能 技 應(yīng)力 術(shù) 用泛 融 支化 合 撐多元 小場(chǎng)景 模需多 型個(gè)小 組模型 合算組易 力產(chǎn)生 消累積 耗誤差 大平 經(jīng)臺(tái) 授模 權(quán)擬 的生 客成 戶數(shù) 數(shù)據(jù) 據(jù)公共數(shù)據(jù)庫(kù)企 第業(yè) 三自 方行 供收 應(yīng)集 商評(píng)估算力商湯、曠視自建AIDC；創(chuàng)新奇智、虹軟基于AWS云，海康基于阿里云，云從基于華為云等。目前AI軟件對(duì)于硬件的要求較低，CPU、GPU、FPGA、ASIC上均可運(yùn)行。數(shù)據(jù)反哺企業(yè)先發(fā)標(biāo)桿客戶拓展經(jīng)客戶授權(quán)，獲取獨(dú)家數(shù)據(jù)改進(jìn)算法，拓展新客適合不可拆解的多元復(fù)雜場(chǎng)景適合可分割或場(chǎng)景較為單一的行業(yè)19二、商業(yè)模式：垂直行業(yè)需先發(fā)且深耕，

AIaaS適合當(dāng)下滲透，軟硬一體化是未來(lái)20資料來(lái)源：國(guó)海證券研究所商業(yè)模式概覽：垂直行業(yè)解決方案、軟硬件一體化產(chǎn)品、AIaaS垂直行業(yè)解決方案：SDK或一站式解決方案現(xiàn)狀：與傳統(tǒng)軟件行業(yè)一樣，與各行業(yè)客戶合作，基于客戶的know

how完善產(chǎn)品，標(biāo)桿客戶引領(lǐng)。優(yōu)勢(shì)：深耕垂直行業(yè)，擁有先發(fā)優(yōu)勢(shì)和高客戶黏性。劣勢(shì)：各行業(yè)差異較大，產(chǎn)品研發(fā)成本、項(xiàng)目實(shí)施人工成本較高。未來(lái)趨勢(shì)：適用于AI商業(yè)化的現(xiàn)階段；垂直行業(yè)先發(fā)優(yōu)勢(shì)明顯，細(xì)分賽道具有頭部效應(yīng)。軟硬一體化產(chǎn)品：以AI攝像頭為主，延伸至門(mén)禁一體機(jī)等現(xiàn)狀：由于邊緣端AI需求較少，因此軟硬件一體化產(chǎn)品均較為基礎(chǔ)，以AI攝像頭、門(mén)禁機(jī)、智能門(mén)鎖等為主。優(yōu)勢(shì)：軟件定義硬件。劣勢(shì)：邊緣側(cè)基礎(chǔ)設(shè)施受限，現(xiàn)階段全面應(yīng)用存在難度。未來(lái)趨勢(shì)：未來(lái)的趨勢(shì)；傳統(tǒng)硬件廠商掌握了上下游資源，在想AI轉(zhuǎn)型過(guò)程中依舊能在軟硬一體化產(chǎn)品占據(jù)較大優(yōu)勢(shì)。AIaaS：類云的方式，包括算力租用、平臺(tái)開(kāi)放、能力調(diào)用（API按次收費(fèi)或套餐）現(xiàn)狀：AIDC、AI開(kāi)發(fā)者平臺(tái)、AI能力平臺(tái)均有，主要為B端用戶，C端付費(fèi)用戶較少。優(yōu)勢(shì)：使用門(mén)檻低，易用性高。劣勢(shì)：產(chǎn)品過(guò)于標(biāo)準(zhǔn)化。未來(lái)趨勢(shì)：預(yù)計(jì)將為未來(lái)主流的商業(yè)模式；將具備明顯的頭部效應(yīng)和規(guī)模效應(yīng)。21資料來(lái)源：各公司官網(wǎng)，國(guó)海證券研究所垂直行業(yè)解決方案：行業(yè)眾多，場(chǎng)景多元，企業(yè)差異化布局智慧城市玩家商湯、云從、曠視、云天勵(lì)飛、依圖、格靈深瞳、?？低?、大華股份企業(yè)應(yīng)用商湯、曠視、依圖、云從、云天勵(lì)飛、格靈深瞳智慧金融云從、依圖、第四范式、格靈深瞳、海康威視工業(yè)制造商湯、曠視、第四范式、創(chuàng)新奇智、?？低曋腔哿闶凵虦?、云從、依圖、第四范式、虹軟、格靈深瞳3C虹軟、商湯、曠視智慧醫(yī)療商湯、第四范式、依圖智能汽車商湯、虹軟泛娛樂(lè)商湯、曠視商湯、曠視家居圖：計(jì)算機(jī)視覺(jué)企業(yè)智慧賦能各行各業(yè)圖：垂直行業(yè)解決方案業(yè)務(wù)模式標(biāo)準(zhǔn)化的SDK包含硬件終端的一站式解決方案垂直行業(yè)解決方案使用場(chǎng)景較為單一的行業(yè)智能手機(jī)、智能汽車等場(chǎng)景多元智慧城市、智能制造等高毛利規(guī)模效應(yīng)客戶合作實(shí)現(xiàn)算法性能最優(yōu)AI企業(yè)技術(shù)支撐先發(fā)優(yōu)勢(shì)標(biāo)桿客戶引領(lǐng)市場(chǎng)拓展飛輪效應(yīng)服務(wù)范圍及

數(shù)據(jù)深度延伸 反哺22資料來(lái)源：各公司官網(wǎng)、招股說(shuō)明書(shū)、年報(bào)、微信公眾號(hào)，

Frost&

Sullivan

，iFinD，中國(guó)新聞網(wǎng)，中國(guó)警察網(wǎng)，國(guó)海證券研究所垂直行業(yè)解決方案-智慧城市：以AI監(jiān)控為眼，各企業(yè)側(cè)重領(lǐng)域不同公司規(guī)模方案客戶優(yōu)勢(shì)商湯2021年收入：21.43億元基于SenseFoundry商湯方舟城市開(kāi)放平臺(tái)，將城市初始視覺(jué)數(shù)據(jù)轉(zhuǎn)化為對(duì)城市運(yùn)營(yíng)的反應(yīng)，為出行及交通管理、城市服務(wù)、環(huán)境保護(hù)及應(yīng)急響應(yīng)四個(gè)場(chǎng)景提供支持及開(kāi)發(fā)相應(yīng)應(yīng)用。北京、上海、深圳、迪拜、新加坡等155個(gè)城市聚焦視頻監(jiān)控信息后臺(tái)處理分析、群體智能以及網(wǎng)絡(luò)圖像視頻分析，覆蓋眾多長(zhǎng)尾場(chǎng)景。云從科技2021年收入：8.64億元以人機(jī)協(xié)同操作系統(tǒng)CWOS為支撐，布局智慧治理、城市大腦、智慧防汛、智慧規(guī)劃等板塊，實(shí)現(xiàn)態(tài)勢(shì)感知、智能預(yù)判、統(tǒng)籌調(diào)度以及人機(jī)協(xié)同。廣州、成都、重慶、北京、貴州、天津等30個(gè)省級(jí)行政區(qū)側(cè)重人機(jī)交互，實(shí)現(xiàn)城市數(shù)據(jù)融合和知識(shí)計(jì)算。曠視科技2020年收入：9.15億元基于Brain++平臺(tái)及AI技術(shù)，推進(jìn)城市服務(wù)、智能交通、智慧司法的發(fā)展，提高城市綜合智能化水平。北京、上海、浙江、湖北、安徽等百余座國(guó)內(nèi)城市、十余個(gè)國(guó)家和地區(qū)側(cè)重設(shè)備及圖像數(shù)據(jù)統(tǒng)一管理、數(shù)字孿生助力聯(lián)動(dòng)管理。云天勵(lì)飛2020收入：3.55億元基于大數(shù)據(jù)及算法平臺(tái)，提供“端云協(xié)同”人工智能產(chǎn)品并應(yīng)用于智慧安防、智慧交通、平安社區(qū)、城市治理、疫情防控等場(chǎng)景。深圳、東莞、杭州、青島、上海、北京、龍崗等側(cè)重人臉識(shí)別技術(shù)，圍繞安防、尋人等領(lǐng)域。依圖科技-基于算力與算法平臺(tái)，解決城市管理者在城市交通調(diào)度、應(yīng)急指揮、居民區(qū)保障、公共設(shè)施管理等場(chǎng)景的功能應(yīng)用。廣東、山東、上海、廈門(mén)、福州、貴陽(yáng)、桂林等側(cè)重于城市安防領(lǐng)域，與公安系統(tǒng)合作密切。格靈深瞳2020年收入：1.24億元依靠智能前端產(chǎn)品、數(shù)據(jù)智能平臺(tái)及行業(yè)應(yīng)用平臺(tái)相結(jié)合，在視圖大數(shù)據(jù)、智能交通、智慧社區(qū)三大場(chǎng)景。北京、云南曲靖、河北唐山等側(cè)重于智能交通，針對(duì)不同規(guī)模特征存儲(chǔ)實(shí)現(xiàn)比對(duì)需求。?？低?依托智能分析，提供“感知+數(shù)據(jù)+認(rèn)知”方案，主要解決公共安全、交通出行、城市治理、民生服務(wù)、生態(tài)環(huán)保等場(chǎng)景的應(yīng)用問(wèn)題。湘陰、廣州、宜春、德陽(yáng)、濟(jì)南、福建等側(cè)重視頻攝像硬件，具備成熟的產(chǎn)品線。大華股份-基于數(shù)字化轉(zhuǎn)型理論和城市治理模型，在智慧城市、智慧交通、社會(huì)治理、公共與民生細(xì)分方向建立統(tǒng)一的技術(shù)架構(gòu)，助力城市體系智能化。昆明、杭州、清遠(yuǎn)、濟(jì)寧、青海茶卡鹽湖、內(nèi)蒙南海子濕地等側(cè)重視頻攝像硬件，落地項(xiàng)目涉及場(chǎng)景更多，如利用AR設(shè)備構(gòu)建智慧機(jī)場(chǎng)等。智慧城市包括城市安防、智慧交通、城市大腦等多領(lǐng)域，各家公司在智慧城市細(xì)分領(lǐng)域布局與側(cè)重各不一樣。各公司業(yè)務(wù)落地城市存在重疊，但客戶屬于同一城市中不同街區(qū)，或提供不同種類型解決方案；當(dāng)前，大華股份在智慧城市中只有硬件設(shè)備，其它公司均提供包含軟硬件一體化產(chǎn)品的行業(yè)解決方案。據(jù)Frost

&

Sullivan

，2021年，中國(guó)城市管理類計(jì)算機(jī)視覺(jué)軟件市場(chǎng)規(guī)模為129億元（YoY+57%），預(yù)計(jì)2025年達(dá)366億元（CAGR+30%）；目前中國(guó)AI攝像頭滲透率較低，二三線城市攝像頭普及率仍有較大提升空間。表：各公司智慧城市解決方案概覽城市安防城市大腦智慧交通商湯 云從 曠視云天勵(lì)飛 依圖格靈深瞳 ?？低?大華股份城市綜合管理數(shù)據(jù)治理城市事件治理與公安合作安全與尋人領(lǐng)域與公安合作安全與尋人領(lǐng)域智慧交通監(jiān)控?cái)z影硬件監(jiān)控?cái)z影硬件圖：智慧城市布局及計(jì)算機(jī)視覺(jué)企業(yè)側(cè)重領(lǐng)域智慧城市23資料來(lái)源：各公司官網(wǎng)、招股說(shuō)明書(shū)、年報(bào)、微信公眾號(hào)，智東西，億邦動(dòng)力官網(wǎng)，中商情報(bào)網(wǎng)，iResearch，國(guó)海證券研究所垂直行業(yè)解決方案-企業(yè)應(yīng)用：以空間治理為主，業(yè)務(wù)相似度較高方案 客戶 優(yōu)勢(shì)商湯2021年收入：19.58億元管理；提供產(chǎn)業(yè)園區(qū)長(zhǎng)尾場(chǎng)景設(shè)備設(shè)施智能連接的IOT能力；為辦公寫(xiě)字樓提供智能同行設(shè)備、訪客系統(tǒng)等。文物保護(hù)研究院、成都IFS、上海印鈔廠、金風(fēng)科技等基于SenseFoundry

Enterprise

商湯方舟企業(yè)開(kāi)放平臺(tái)，為商業(yè)綜合體提供車輛識(shí)別等智能

萬(wàn)科、杭州國(guó)際博覽中心、陜西省

布局智慧園區(qū)，具備AI大模型，能夠處理建筑面積更大的場(chǎng)景數(shù)據(jù)。曠視科技-提供智慧樓宇管理，包括通行、考勤、智能測(cè)溫、私有云服務(wù)器等功能；園區(qū)中，基于 金隅集團(tuán)、廣發(fā)證券大廈、華潤(rùn)集

布局智慧樓宇。AIoT平臺(tái)及統(tǒng)一數(shù)據(jù)中心，支持智慧園區(qū)、社區(qū)、商業(yè)運(yùn)營(yíng)、智能服務(wù)三種業(yè)務(wù)智能化。 團(tuán)等依圖科技-在企業(yè)大廈及園區(qū)內(nèi)提供人員準(zhǔn)入身份驗(yàn)證功能，區(qū)域安防智能響應(yīng)功能及園區(qū)運(yùn)營(yíng)狀 中國(guó)銀聯(lián)、上海賽科利、瑪氏企業(yè)

聚焦智慧園區(qū)，具備智能管理平?jīng)r分析功能。 等臺(tái)，開(kāi)放式架構(gòu)支持公有云和私有云。云從科技-社區(qū)內(nèi)提供泛感知數(shù)據(jù)采集能力及社區(qū)數(shù)字化治理模型，實(shí)現(xiàn)人臉車輛識(shí)別、OCR等；企事業(yè)單位內(nèi)提供出入口感知識(shí)別設(shè)備及業(yè)務(wù)管理流程的智能化升級(jí)。國(guó)家電網(wǎng)重慶電力園、星河灣等支持人流監(jiān)控分析和引流；與硬件廠商進(jìn)行合作。云天勵(lì)飛-為城市微單元如工業(yè)園區(qū)、寫(xiě)字樓等提供行政管理、安防管理、信息宣發(fā)及刷臉消費(fèi)智能系統(tǒng)。中心、富士康深圳灣科技生態(tài)園、深圳國(guó)際會(huì)展

主要布局樓宇人臉識(shí)別及測(cè)溫。格靈深瞳-社區(qū)內(nèi)，實(shí)現(xiàn)居民信息分類管理、識(shí)別測(cè)溫及異常事件預(yù)警等；構(gòu)建智慧油站，實(shí)現(xiàn)車流分析、業(yè)務(wù)效率分析及監(jiān)控違規(guī)操作等。中國(guó)石化除空間管理外，聚焦智慧油站，利用前端攝像機(jī)產(chǎn)品及加油站經(jīng)營(yíng)數(shù)據(jù)實(shí)現(xiàn)油站智慧管理。企業(yè)應(yīng)用目前主要包括智慧樓宇、智慧園區(qū)、智慧社區(qū)等空間治理，各公司均有布局，業(yè)務(wù)相似度較高，但商湯側(cè)重大型園區(qū)客戶，依圖聚焦智慧園區(qū)領(lǐng)域，曠視、云天勵(lì)飛聚焦智慧樓宇，包括人臉識(shí)別、測(cè)溫通行等，云從客戶偏向政府部門(mén)，格靈深瞳客戶聚焦加油站，實(shí)現(xiàn)油站智慧管理。據(jù)中商情報(bào)網(wǎng)、iResearch，中國(guó)智慧社區(qū)2021年市場(chǎng)規(guī)模預(yù)估為5844億元（YoY+8%），但AI投入占比較低，約為1.1%，中國(guó)社區(qū)樓宇A(yù)I+安防軟硬件市場(chǎng)規(guī)模預(yù)估為66億元（YoY+29%）；隨著智慧社區(qū)AI滲透率提升，預(yù)計(jì)2025年達(dá)164億元（CAGR+26%）。表：各公司企業(yè)應(yīng)用相關(guān)解決方案概覽公司 規(guī)模24資料來(lái)源：各公司官網(wǎng)、招股說(shuō)明書(shū)，iResearch垂直行業(yè)解決方案-智慧金融：側(cè)重領(lǐng)域略有不同，多為人證識(shí)別、網(wǎng)店安防公司規(guī)模方案客戶優(yōu)勢(shì)云從科技2021年收入：1.35億元基于人機(jī)協(xié)同操作系統(tǒng)，在金融前臺(tái)采用非接觸遠(yuǎn)程服務(wù)、資產(chǎn)智能化配置及智能風(fēng)控；中臺(tái)運(yùn)營(yíng)采用業(yè)務(wù)合規(guī)與智能稽核；前端提供網(wǎng)點(diǎn)智能化升級(jí)；后端采用數(shù)字化身份認(rèn)證，以此滿足零售金融、企業(yè)金融、金融市場(chǎng)三大業(yè)務(wù)智慧轉(zhuǎn)型的需要。工商銀行、建設(shè)銀行、農(nóng)業(yè)銀行、中國(guó)銀行、招商銀行、重慶銀行等100+家銀行側(cè)重于網(wǎng)點(diǎn)安防，包括身份核驗(yàn)等；以及客服與運(yùn)營(yíng)優(yōu)化，落地項(xiàng)目較多。依圖科技-依靠AI技術(shù)，打造智慧網(wǎng)點(diǎn)進(jìn)行客流分析及服務(wù)質(zhì)量追蹤；實(shí)現(xiàn)刷臉取款、刷臉支付功能；為金融機(jī)構(gòu)提供智能客服；為金融園區(qū)及辦公大樓構(gòu)建安全防控系統(tǒng)。招商銀行等主要服務(wù)于銀行業(yè)，側(cè)重于線下ATM機(jī)刷臉取款功能及身份識(shí)別。第四范式-銀行領(lǐng)域，通過(guò)人工智能技術(shù)提高銀行服務(wù)效率、推動(dòng)銀行實(shí)現(xiàn)精準(zhǔn)化營(yíng)銷并加強(qiáng)銀行智能風(fēng)控管理；保險(xiǎn)領(lǐng)域，依靠數(shù)據(jù)平臺(tái)，實(shí)現(xiàn)營(yíng)銷、投保、理賠、保全的全流程智能化運(yùn)營(yíng)；證券領(lǐng)域，基于智能平臺(tái)，助力客戶運(yùn)營(yíng)、投顧、投研量化和風(fēng)控業(yè)務(wù)智能化，從而更為準(zhǔn)確捕捉市場(chǎng)動(dòng)態(tài)。興業(yè)銀行、國(guó)信證券、華夏銀行、中關(guān)村銀行、交通銀行等融合計(jì)算機(jī)視覺(jué)、機(jī)器學(xué)習(xí)、語(yǔ)音技術(shù)、NLP等，除信貸風(fēng)控與合規(guī)控制外，為銀行、保險(xiǎn)、證券企業(yè)提供精準(zhǔn)營(yíng)銷。格靈深瞳2020年收入：0.77億元基于視覺(jué)人工智能技術(shù)，結(jié)合銀行實(shí)際業(yè)務(wù)情況，主要應(yīng)用于銀行金庫(kù)、加鈔間、網(wǎng)點(diǎn)的安全運(yùn)營(yíng)場(chǎng)景，實(shí)現(xiàn)銀行的規(guī)范管理、銀行的安防。建設(shè)銀行、農(nóng)業(yè)銀行、中金銀利、金幫融和等聚焦于安防，包括人體姿態(tài)及行為的識(shí)別、銀行視頻智能化轉(zhuǎn)變及內(nèi)控合規(guī)問(wèn)題。?？低?在銀行、保險(xiǎn)及證券領(lǐng)域，利用軟硬件、AIoT及AI技術(shù)，打造智慧網(wǎng)點(diǎn)、智慧庫(kù)房、場(chǎng)景化物聯(lián)、智慧消防、信貸物聯(lián)及遠(yuǎn)程金融云服務(wù)、安防聯(lián)網(wǎng)。湖南建行、西湖農(nóng)行、太平洋保險(xiǎn)、長(zhǎng)安銀行、華夏銀行等側(cè)重于線下網(wǎng)點(diǎn)的運(yùn)營(yíng)，如庫(kù)房管理、智能網(wǎng)點(diǎn)。智慧金融目前主要包括網(wǎng)點(diǎn)安防、人證識(shí)別、智能風(fēng)控、精準(zhǔn)營(yíng)銷等，除第四范式外，各公司業(yè)務(wù)較為相似。與金融科技公司相比，AI企業(yè)在金融領(lǐng)域各項(xiàng)業(yè)務(wù)中均有布局，但主要布局網(wǎng)點(diǎn)安防及身份識(shí)別領(lǐng)域，在該領(lǐng)域AI企業(yè)技術(shù)具備通用性，算法模型及科技能力較強(qiáng)。目前智慧金融相關(guān)業(yè)務(wù)中，已知規(guī)模的企業(yè)中云從科技軟件規(guī)模最大。據(jù)iResearch，2021年AI+金融核心產(chǎn)品市場(chǎng)規(guī)模為296億元（YoY+33%），其中計(jì)算機(jī)視覺(jué)占比25.3%，即75億元；預(yù)計(jì)2025年AI+金融核心產(chǎn)品市場(chǎng)規(guī)模達(dá)589億元（CAGR+19%）。表：各公司智慧金融相關(guān)解決方案概覽風(fēng)險(xiǎn)控制支持業(yè)務(wù)圖：智慧金融布局市場(chǎng)營(yíng)銷客戶需求監(jiān)測(cè)個(gè)性 電化