2022年端边云协同的AI视觉产业研究报告
发布时间：2023-01-19 21:25:43
AI视觉关键任务
视觉使人类得以感知和理解周边的世界，人类的大脑皮层约有70%都在处理视觉信息，可以说视觉是人类获取信息最主要的渠道。而AI视觉即通过电子化的方式来感知和理解影像，让机器或计算机可以像人类那样“看”，甚至达到超越人类视觉智能的效果。如今AI视觉（计算机视觉）包括了语义感知、定位追踪和几何属性等诸多不同研究方向。
得益于深度学习技术，AI视觉处于商业应用扩展增速期
创业企业是AI视觉市场的主要参与力量之一。行业在经历了三年的投融资低迷期后，2022年投融资数量和金额皆创历史新高。截至2022年8月，我国AI视觉相关业务获投企业数量已达292家，近半数属于2020年10月以后的新增企业。投资热潮全面复苏，科创板顺利落地为AI行业引入了中长期资金通道和市场关注度，加速推动一批拥有核心技术的厂商成长。从2021年开始，AI视觉领域的股权投资、转让、被收购、IPO事件数量开始增加。2022年云从科技，熵基科技等生物识别厂商集中上市表示AI视觉的行业成熟度和认可度已进入新阶段。
通用技术、工业与零售赛道热度高企，持续受到资本青睐
通过对下游行业需求统计测算，2021年我国AI视觉产品的市场规模占整个人工智能行业的49.6%，达到990亿元。和AI视觉有关的计算机通信设备销售、医疗器械等专用设备销售、工程建设、传统业务效益转化等带动相关产业规模超过3079亿元。从市场规模、场景泛用、带动作用来说，AI视觉领域已成为人工智能产业规模的主战场。AI视觉承接海量下游需求，未来增量动力依然强劲。
AI视觉主要以图像和视频等高维、密集数据为主要处理对象，深度提取信息，在安防行业首先实现规模化落地，用于进行人员数据的静态查询与动态比对，以及监控视频内容的结构化处理；金融行业更多通过人脸识别的身份验证保证操作行为的安全合规。此外，AI视觉还逐步赋能于零售、医疗、自动驾驶、泛工业、泛农业等领域，应用场景广泛，商业价值不断被挖掘。
基于应用场景的需求差异，云侧部署的通用高效神经网络大模型和端侧部署的加速小型化神经网络模型成为目前AI视觉厂商优化解决方案的路径之一。而随着在自然语言处理领域大放异彩的Transformer模型应用于CV领域，其与CNN结合的混合模型架构也正逐步成为视觉任务的重点研究方向，以降低模型结构的复杂性并提升可扩展性和训练效率。未来，AI视觉技术在适应三维世界、突破依赖标注数据输入的局限、降低算力能耗、多模态信息融合分析、与知识和常识结合解决高层次问题、主动感知与适应复杂变化等上仍有待突破。此外“技术同质化”却并不意味着“算法同质化”，AI视觉算法厂商的工程能力仍是技术工业落地的试金石。
根据艾瑞咨询测算，中国物联网连接量将从2019年的55亿个增长至2025年的156亿个。物联网感知数据量激增，数据类型愈发复杂多样。随着智慧城市、自动驾驶、工业互联网等应用的落地，海量的终端设备实时产生数据，集中式云计算在带宽负载、网络延时、数据管理成本等方面将愈发显得捉襟见肘，难以适应数据频繁交互的需求，边缘侧的价值将进一步凸显。
多元化AI加速芯片、5G和Wi-Fi网络、云原生技术等助力
2）5G和Wi-Fi：5G是边缘计算时代最重要的网络技术，其大带宽、低时延、广连接的特性与边缘场景相契合，尤其在自动驾驶等要求室外覆盖、移动性的场景中具有不可替代性。但现阶段5G行业终端的数量尚少，预计边缘计算会随着5G行业应用的普及分阶段落地。此外，Wi-Fi技术也在向着更高的吞吐量、更大的覆盖面积和更低的时延发展，Wi-Fi在室内场景中的优势使其成为5G的重要补充，两者将共同助力边缘云应用；
通过“边缘”打通最后一公里，实现云边协同与端侧边缘化
在云计算时代兴起以前，图像数据主要为本地化处理，而随着云计算服务发展，将端侧设备部署在本地，算法放置在云端的产品架构可以有效实现端侧的空间节约、部署的成本降低及算法的实时更新。因此云端协同广泛渗透到各行业产品应用中，但该产品结构下，端侧数据均需回传到云端做处理，适用场景需对时延要求较低，存在数据传输量大、能耗高等问题。深度神经网络的技术发展与模型应用又进一步加大了数据传输量，AI摄像头便在此背景下应运而生，构建起初步的云“边”端协同，由内置AI算法的摄像头实现前置化的数据处理，初步成为边缘侧。值得注意的是，AI摄像头出于功耗、散热等因素考量，不会内置过多算法，可处理简要前端场景。若对时延要求高且算法需求复杂的应用场景，则需搭建边缘盒子或边缘服务器，构建边缘侧，实现云、边、端的相互协同。本篇报告根据行业特点与场景需求，将安防、工业、零售、机器人、农业领域划定为产品应用的研究范围。
端边云协同的AI视觉产业图谱
随着人工智能深度学习算法的快速成熟，中国诞生了一批深耕于AI视觉算法技术的人工智能企业。总结来看，提供AI视觉产品的市场参与厂商众多，主要包括大型云服务厂商（阿里云、腾讯云、百度云、华为云等）、AI视觉算法厂商（商汤、旷视、云天励飞、进化动力等）以及传统安防厂商（海康威视、大华股份、宇视科技等）。各家以AI技术积累、渠道经验、产品特性为市场切入点，选择一个或多个垂直业务领域。以安防、零售、金融、车联网、机器人、农业等为例，提供端边云协同架构的AI视觉产品方案。AI视觉产品模式一般可分为标准化SaaS产品与定制化解决方案两类，行业客户需根据自身IT信息化水平、需求定制化程度、产品付费意愿、适用场景需求等因素考量选择，对应完成端侧、边缘侧及云侧的产品部署。
零售场景中AI视觉技术应用主要包括商品识别分析和消费者行为洞察。前者主要体现在电商以图搜图、货架陈列分析、自助结算/称重等环节。通过图像识别及分析技术理解货品在零售场景中的状态，助力精准营销及提高门店运营管理效率；后者则是通过人脸识别、人体特征识别等技术获得消费者购买行为数据，实现对消费者的行为洞察。在此融合基础上，可对门店经营情况、消费者游逛行为等进行数据量化，服务于精准营销、智能化运营、门店管理等智慧零售应用，助力零售企业降低人工成本、优化运营效率、提升消费者购物体验、塑造新兴业态等。对于实体零售企业，端边云协同的部署模式可以保证自助结算、防盗损、门店运营管理等对实时性及数据保密的要求；而自助称重、自助结算、无人零售货柜等对数据及算力要求较低的应用场景，近端侧解决方案具有低成本、灵活部署、易运维等优势。
近年来，AI视觉技术与机器人的“联姻” 如火如荼。视觉SLAM导航技术在复杂应用场景更具灵活性，并且设备投资和维护成本较激光SLAM技术有明显优势。以AGV搬运机器人为例，其可通过视觉自动导引技术对行驶区域环境进行图像识别，实现智能行驶、物体识别等动作，广泛应用在各大电商、物流、制造业仓储环境中。边缘计算实时处理技术可确保数据的低延时处理响应，防止工作场所人员伤害且可实现数据不出场。类似的，也可应用于工厂智能化产线以降低对高成本精密传感器的依赖，通过端侧图像数据本地化处理并实时传递给智能机械臂，引导机械臂运动路径及抓取动作等，用于无序分拣与堆码、上下料及焊接等。5G与边缘计算技术发展为机器人产业带来爆发机会：低时延可协调多设备联动、提升智能设备与业务系统间实时通信能力、云边协同可突破终端算力和存储限制等。
为农业生产防损增效，提升端侧响应能力与数据安全隐私性
