一、计算机视觉行业概述
计算机视觉是指通过计算机及其相关设备模拟人的视觉系统，对采集的图片或视频进行处理以获得相应场景的三维信息，以适应、理解外界的环境和控制自身的运动。计算机视觉目的是让机器代替人眼，解决物体识别、物体形状和方位确认以及物体运动判断三大问题。
与目前在半导体、汽车、包装等行业的制造、检测上使用较为广泛的工业视觉相比，计算机视觉更侧重于在智能生活领域的应用。计算机视觉更多注重（2D，3D）图像信号本身的研究以及和图像相关的交叉学科研究（医学图像分析，地图导航），通常是“眼睛对着人”。由于应用场景相对复杂，识别物体类型多，缺乏规律性，计算机视觉通常对相机或摄像头要求不高，而对算法往往有更高要求。
工业视觉与计算机视觉的区别
资料来源：公开资料整理
就计算机视觉而言，此前ImageNet挑战赛一直被誉为国际计算机视觉领域的“奥林匹克”，用于衡量世界范围内顶尖研究团队在完成目标分类、定位、检测以及场景分类与分割等任务的表现。从2010至2017年前后历经8届，物体分类Top-5错误率从28%下降至2.3%，显著优于人类5.1%的错误率水平；目标定位错误率从43%下降至6.2%，目标检测准确率则从23%提升至73.2%。
资料来源：公开资料整理
相关报告：华经产业研究院发布的《2019-2025年中国计算机视觉行业市场发展现状调研及投资趋势前景分析报告》
二、计算机视觉领域在AI市场发展现状
计算机视觉是国内外AI企业最集中的领域，商业成熟度较高，从AI企业的应用技术方向分布来看，计算机视觉技术企业在全球AI企业中占比约40%，在国内占比约46%。从市场规模来看，2017年计算机视觉市场占全球AI市场总规模的16.9%，排在语音识别之后；而国内计算机视觉市场占AI市场的34.9%，排名第一。国内外计算机视觉的市场规模差异要远大于企业分布差异，说明国内计算机视觉公司的总体盈利能力较其他AI领域的公司较强，商业成熟度较高。
资料来源：公开资料整理
资料来源：公开资料整理
计算机视觉是AI领域应用场景最丰富、商业化价值最大的赛道，2011年是我国计算机视觉发展元年，企业成立数量达13家，此后从事计算机视觉领域的企业显著增加，目前初创企业较多。在人工智能领域细分领域，计算机视觉颇受资本青睐，行业1/4的融资额流入计算机视觉与图像领域。而在2018年市场流动性较为紧张的情况下，在AI创投领域计算机视觉概念热度不减。2018年4月，商汤宣布获6亿美元C轮融资，5月底，又宣布再获6.2亿美元C+轮融资，估值超过45亿美元，6月中旬，依图宣布完成2亿美元C+轮融资。
资料来源：公开资料整理
三、计算机视觉行业应用领域分析
2018年全球计算机视觉技术输出规模最大的3个行业分别为消费、机器人（及机器视觉）以及智能驾驶。在欧美国家，生物特征作为关键的个人信息在被科技公司收集和使用时受到法律法规的严格保护。2018年5月25日，欧盟史上适用范围最广、定则条例最严、处罚金额最昂贵的数据保护法案GDPR生效，该法案将指纹、人脸、视网膜等信息全部纳入个人资产范畴，对科技公司利用上述信息盈利进行了严格规定和限制。因此，在欧美计算机视觉率先在政策较为宽松、用户接受度较高的领域落地，例如消费和智能驾驶等。
资料来源：公开资料整理
国内外市场结构略有不同，国内以安防、金融、互联网为主，国外消费、机器人（及机器视觉）、智能驾驶领先。安防影像分析是目前我国计算机视觉最大的应用，2017年占比约为67.9%，其他主要应用还包括广告营销、互联网等。
移动互联网：计算机视觉在移动互联网上的应用目前主要包括：互联网直播行业的主播美颜；鉴黄、广告推荐等视频分析；智能手机里的AI美颜和人脸解锁。
安防领域：安防领域是人脸识别技术最成熟的落地领域，也是AI视觉公司普遍首先切入的细分领域。作为公共安全的刚需应用，安防领域计算机视觉未来将继续向多模态融合、万路以上广联网发展。
金融领域：人脸识别在金融领域已出现多种解决方案，伴随识别准确率上升，远程开户已在互联网金融行业得到广泛应用，人脸支付、刷脸取款等开始被各大银行采用。
零售领域：AI在零售行业的应用不是简单的无人零售，而是需要利用AI技术改造零售流程，实现提高效率降低成本的目的。AI公司除了提供技术以外，可能需要提供包括一系列咨询战略方案在内的整体方案。
医疗领域：医疗数据碎片化严重，各种疾病需要的影像资料不同，数据标注需要有专业医师参与，成本高，进展慢，导致发展低于预期。
无人驾驶：无人驾驶涉及采集摄像头、雷达等多种数据，并根据多重数据进行车辆、物体、道路、行人等不同识别后进行决策。
资料来源：公开资料整理
2007年至2017年我国安防行业十年CAGR达16%，2016年以后安防智能化趋势确定，计算机视觉技术率先得到应用。与欧美国家相比，当前我国对公民生物特征的保护政策并不完善，因此国内计算机视觉算法企业可以从包括地方政府在内的各种机构中获得大量的人脸、人像数据用于模型训练和算法改进。
资料来源：公开资料整理
四、中国计算机视觉行业竞争格局分析
近年来中国计算机视觉头部算法企业在国际性图像识别竞赛如ImageNet、FRVT、MSR IRC等中频繁摘得桂冠；商业化上，根据公开报道，商汤、旷视、云从等在2017年均已实现盈利，而国际初创企业同行如EverAI等尚处于净投入阶段；另外，从估值上看，CV四小龙均已达到数十亿美元估值，而国外尚没有仅靠人脸识别、图像识别就估值破十亿美元的初创企业。2017年中国计算机应用市场商汤、旷视、依图、云从“四小龙”总体市场份额达69.4%，其中商汤市场份额20.6%排名第一。
资料来源：公开资料整理
计算机视觉技术在场景中落地时需要企业具备大量的除算法以外的know how，例如在软硬件结合以及保护终端用户隐私上的知识和经验等。现阶段，掌握技术的AI人才（尤其是顶级人才）主要分布在高校及科研院所，产业内的人才供应不足，加之多数场景下计算机视觉的落地能力不足，人才的争夺与落地能力的竞争将决定企业的发展速度。
资料来源：公开资料整理
现阶段，头部算法企业的布局是横向拓展基础技术，建立基础平台；垂直领域龙头公司的布局是纵向打通计算机视觉框架，深耕所在行业；科技巨头公司的布局是以平台为核心立体式地推进，打造全产业生态。随着竞争的加剧，成功的企业不仅要具备大量的跟技术落地相关的know how，还必须能够主动地挖掘甚至创造需求，具备类似苹果在智能手机上的理解力。这就要求企业在纵向上能够主导整个产业链，横向上能够接入更多开发者和场景，因此长期看生态构建能力将成为主要竞争壁垒。
