2021年計算機視覺行業(yè)細分應用市場規(guī)模前景研究預測及未來市場競爭趨勢分析
?
計算機視覺是目前人工智能領域關鍵技術之一。近年來，在數據、算力、算法并行驅動下，世界計算機視覺技術及相關產業(yè)得以迅速發(fā)展，在智能手機、安防、智能駕駛、智能制造等領域的應用也不斷深入。
1、智能手機細分領域：智能手機作為應用最為廣泛的智能終端設備之一，是各類計算機視覺算法和生物特征識別技術應用的重要載體。新型冠狀病毒肺炎（COVID-19）疫情（以下簡稱新冠疫情）的爆發(fā)及蔓延，導致包括智能手機市場在內的消費電子市場受到極大沖擊，短期需求出現遞延、壓抑。盡管全球智能手機出貨量已于?2020?年下半年開始回升，但全年數據仍不樂觀，中金企信統(tǒng)計數據顯示，2020?年度全球智能手機整體出貨量約為?12.92?億臺，同比下滑約?5.9%。
（1）攝像頭光學創(chuàng)新，5G+應用引領，共同驅動視覺算法需求：智能手機市場競爭加劇、品牌格局變動，各手機廠商為追求差異化優(yōu)勢，加速硬件、軟件創(chuàng)新以吸引終端消費者并搶占市場。攝像頭的硬件和影像拍攝算法創(chuàng)新升級仍是創(chuàng)新主線之一，為智能手機相關供應鏈環(huán)節(jié)廠商提供了商機。手機拍攝功能推動著單攝向雙攝、雙攝向多攝演變，單攝像頭像素提升，5G?時代搭載?TOF?攝像頭，潛望式攝像頭、各種輔助傳感器以及未來屏下拍照攝像頭成熟應用等諸多攝像頭硬件升級，都帶動著更加多樣化、更加復雜的軟件算法應用。隨著多攝方案日益成熟，后置攝像頭“主攝+廣角+長焦”的搭配成為主流，潛望式、TOF?從高端機型開始下沉至更多機型，預計圍繞攝像頭的創(chuàng)新競爭在幾年內都將持續(xù)。
以?TOF?為代表的深度攝像頭賦予了拍攝對象深度信息，為解決復雜任務提供了可能，可以為移動智能終端引入?3D?生物識別、3D?建模、人機交互、3D?測量、AR/VR?等眾多場景，帶來更具娛樂性和實用性的體驗。近年來，以?TOF?為代表的深度攝像頭在技術上也取得了長足的進步，硬件規(guī)格向小尺寸、大分辨率和高精度方向迭代。相較于?iTOF，dTOF?具有測量精準、分辨率高、響應快、功耗低、抗干擾能力強等技術優(yōu)勢，可以配合更多?AR?應用，有望在?5G?網絡的加持之下以其技術優(yōu)勢首先在應用層催生?AR?爆款應用，推動相關產業(yè)鏈發(fā)展，給相關軟件和算法解決方案供應商帶來新的機遇。
5G?逐步商業(yè)化，5G?網絡覆蓋面增加，除在一定程度上驅動換機需求外，5G?技術的發(fā)展還使移動智能終端的使用體驗和交互得到全面提升，用戶依托于高速傳輸網絡可以上傳高質量圖像與視頻，各種生活類、社交類短視頻?APP?因此快速流行，視頻類算法需求增長明顯。
圍繞攝像頭的創(chuàng)新及?5G?帶來的應用增長，將共同驅動視覺算法應用增加。與此同時，隨著智能手機算力和硬件能力的提升，新技術和產品經過高端機型的成熟應用后向中低端機型普及、滲透，中低端手機中也逐漸嵌入更多的軟件算法。
（2）智能手機全屏化加速，帶來屏下相關光電解決方案應用升級：智能手機進入存量競爭時代，在沒有劃時代變革背景之下，產品交互和外觀設計仍是各大廠商競爭手段，屏占比是外觀設計的重要部分。在各手機廠商追求全面屏的過程中，給屏下指紋識別產品帶來了發(fā)展機遇，同時也會因傳統(tǒng)的屏上傳感器轉為放置屏下而帶來一系列的應用升級需求。未來的“真全面屏”智能手機，除了會同時應用?3D?人臉識別、屏下指紋識別等生物識別技術，還會有適合于屏下的亮度、色彩、距離等傳感器的應用及升級需求，預計前置屏下攝像頭解決方案也將在軟硬件協(xié)同升級后成熟應用。
屏下指紋識別主要有光學、超聲波和玻璃基電容三種方案。得益于在成本、技術、效果方面的優(yōu)勢，光學指紋識別占據當前市場的主導地位，亦是目前屏下指紋識別技術研發(fā)的重點。2019?年全球屏下指紋手機出貨量約為?2?億臺，并且預估至?2024?年，整體屏下指紋手機出貨量將達?11.8?億臺，屏下指紋市場仍有很大空間。未來，隨著技術進步不斷延展，光學式屏下指紋將在智能手機、智能家居、智能汽車等諸多領域釋放巨大的市場潛力，也為智能視覺算法技術及相關解決方案帶來可觀的市場需求。
屏下亮度環(huán)境光傳感器芯片（Ambient?Light?Sensor,以下簡稱?ALS）是全面屏手機的一個剛需核心組件，其作用是感知周圍環(huán)境光強度，通過感知和處理芯片獲得實際環(huán)境光強度數值，手機由此智能地調節(jié)顯示屏背光亮度，以提升用戶體驗并大幅降低手機功耗。當?ALS?芯片從屏上轉到屏下時，由于手機屏的低透光率和屏幕本身亮度的嚴重干擾，現有屏下?ALS?一直難以準確、穩(wěn)定地感知周圍環(huán)境光，給出的亮度測量值與實際情況差異較大，用戶體驗較差，手機廠商迫切期待有更好的技術和產品以滿足需求。
2、?智能汽車細分領域：智能汽車已成為全球汽車產業(yè)發(fā)展的戰(zhàn)略方向。2020?年，汽車市場同樣面臨著疫情考驗，但伴隨國內各地促進汽車消費政策的持續(xù)帶動，汽車市場逐步復蘇，汽車行業(yè)總體表現出強大的發(fā)展韌性和內生動力，全年數據總體表現好于預期。據中國汽車工業(yè)協(xié)會統(tǒng)計，2020?年，我國汽車產銷分別完成了?2,522.50?萬輛和?2,531.10?萬輛，同比分別下降?2.00%和?1.90%，產銷量連續(xù)蟬聯(lián)全球第一。疫情沖擊下，全球芯片產能告急，自?2020?年第三季度開始，全球汽車銷量恢復速度超預期，而車企芯片加單滯后，導致與汽車相關的芯片出現短缺且有愈演愈烈之勢，部分汽車廠商宣布減產甚至停產，預計?2021?年的汽車產銷量將受此影響。但長期來看，隨著疫情因素去化，汽車產業(yè)鏈將逐步修復，持續(xù)的新車市場增長空間仍將為智能汽車的發(fā)展提供巨大的市場基礎。
（1）“軟件定義汽車”逐步成為業(yè)內共識，傳統(tǒng)供應鏈格局發(fā)生變革：傳統(tǒng)汽車主要由機械部件組成，汽車電子功能相對簡單，在結構和性能的改善中主要起到輔助機械裝置的作用。智能汽車能夠為用戶提供自動駕駛、影音娛樂、車輛互聯(lián)等多樣化功能，實現車輛行駛過程中的智能化乃至未來的無人化，智能駕駛越來越成為集導航、環(huán)境感知、控制與決策、交互等多項功能于一體的綜合汽車智能系統(tǒng)。
在智能駕駛趨勢下，汽車行業(yè)逐漸由“機械定義汽車”轉變到“軟件定義汽車”成為業(yè)內共識。汽車產品價值鏈正被重塑，軟件在車輛中扮演的角色逐步放大，傳統(tǒng)汽車核心競爭要素被硬件、軟件和服務所取代，供應鏈格局也正發(fā)生變革，新技術、軟件公司帶來供應鏈管理的扁平化、邊界模糊化，計算機視覺企業(yè)在這一過程中獲得前所未有的入局機會。
（2）車載攝像頭增量空間可觀，推動視覺智能算法應用：智能駕駛系統(tǒng)的感知層，視覺感知扮演了主要角色，車載攝像頭是視覺感知的核心部件。根據安裝位置的不同，車載攝像頭可分為內視、后視、前視、側視、環(huán)視五種，與其他多種傳感器（毫米波雷達、超聲波雷達、激光雷達等）進行融合共同作用。傳統(tǒng)汽車一般搭載一顆倒車影像攝像頭，在安全駕駛、智能駕駛、無人駕駛成為未來發(fā)展趨勢之下，隨著消費者對于行車安全需求的提高及智能駕駛技術的不斷成熟，單車搭載的攝像頭數量將逐漸提升，如特斯拉?Model?3?全車四周配備了?8?顆攝像頭，蔚來?2021?年?1?月發(fā)布的?ET?7?更是搭載了?11?顆攝像頭，而每顆攝像頭都會用到以視覺智能算法為核心的軟硬件解決方案。汽車搭載的攝像頭數量和規(guī)格逐步升級，對視覺智能算法為核心的軟硬件解決方案應用有極大的推動力。
隨著車載攝像頭和產品功能的逐步成熟，車載攝像頭結合視覺智能算法技術來提升整車差異化賣點，正成為各車企在激烈競爭中獲勝的重要手段之一。而在同一個平臺多顆攝像頭上增加更多的視覺技術產品功能和特色，獲取持續(xù)的?FOTA（車輛固件遠程升級系統(tǒng)）升級、用戶數據、流量變現，也將使計算機視覺產品也變成車企后續(xù)收費的一個重要端口。
3、主要技術門檻：計算機視覺行業(yè)為技術密集型行業(yè)，計算機視覺技術的開發(fā)有較高的技術門檻。其主要技術門檻如下：
1.2.1?端計算和邊緣計算技術的積累：邊緣計算極大程度上解決了物聯(lián)網背景下集中式運算架構中的帶寬和延遲兩大瓶頸問題。基礎圖像識別、圖像處理方面，其應用程序在邊緣側發(fā)起，更好地滿足了計算機視覺行業(yè)在實時業(yè)務、應用智能、安全與隱私保護等方面的基本需求。邊緣計算的主要難點在于低資源的嵌入式平臺環(huán)境的開發(fā)能力，基于移動終端的邊緣計算具有巨大的應用價值，但是受限于移動終端算力有限，諸多企業(yè)望而卻步。
1.2.2?計算機視覺技術的層次積累：在數碼相機以及手機功能機時代，公司就已經專注于計算機視覺技術的研發(fā)與應用。
中金企信國際咨詢公布的《2021-2027年中國計算機視覺行業(yè)市場研究及深度專項調查投資預測報告》
市場運行現狀及未來發(fā)展趨勢：作為萬物感知的入口，計算機視覺應用場景豐富，商業(yè)化價值巨大。目前，全球技術輸出規(guī)模最大的三個應用場景分別為智能消費、智能汽車以及智能制造。現如今的計算機視覺行業(yè)市場格局已經初步形成，核心技術、產品化能力、產業(yè)生態(tài)鏈合作均成為行業(yè)的核心壁壘，這其中的產品化能力又成為最終創(chuàng)造社會價值和商業(yè)價值的核心。
計算機視覺行業(yè)的發(fā)展由技術驅動，業(yè)界普遍認為技術的發(fā)展有三個主要的推動力量——數據、算力和算法。
（1）深度學習算法的出現及日益優(yōu)化，有效提升了計算機視覺準確度，極大推動了計算機視覺領域的發(fā)展。在圖像分類領域，目前針對業(yè)界公認最為重要的?ImageNet?數據集的算法分類精度已經達到?95%以上，可與人的分辨能力相當。深度學習在人臉識別、通用物體檢測、圖像語義分割等領域也取得了突破性的進展。
（2）越來越多的應用領域持續(xù)積累著日趨豐富的大數據，海量圖像和視頻內容的產生、累積為深度學習提供了有力的數據支撐。
（3）GPU?及?AI?專用芯片的出現突破了傳統(tǒng)?CPU?的算力瓶頸，良好的并行計算能力，使得數據運算速度和處理規(guī)模爆發(fā)式增長，為計算機視覺的發(fā)展提供了算力支持。數據、算力和算法相互結合，三者并行驅動下，全球計算機視覺技術得以迅速發(fā)展。
1.2?邊緣計算和端計算：全球移動智能終端設備迅速普及，移動智能終端的拍攝能力和計算機視覺技術發(fā)展迅猛，大量的圖像數據和計算數據需要快速有效地提取、分析。5G?技術的進步和商用進程，進一步推動了邊緣計算和端計算的發(fā)展。作為一種運算架構，邊緣計算和端計算可以在人臉識別、信息比對、智能駕駛等方面實現對云計算的延伸與擴展，可以在更靠近用戶側的節(jié)點上完成圖像的分析識別。
通過將邊緣計算、端計算與云計算相結合，使邊緣節(jié)點聚焦于圖像的實時、短周期處理，而中心節(jié)點聚焦于非實時、長周期的數據處理，從而有效地降低網絡延遲，緩解網絡帶寬與數據中心壓力，提高服務的響應速度。
3.2?計算機視覺行業(yè)在新產業(yè)、新模式、新業(yè)態(tài)方面的發(fā)展情況和未來發(fā)展趨勢：計算機視覺技術產業(yè)化落地應用程度不斷提高，包括在智能手機、智能汽車、智能制造、智能安防、智能家居、智能保險、智能零售、互聯(lián)網視頻等領域均有廣泛的應用，并形成全新的產業(yè)鏈條與全新的商業(yè)經營模式。可以預見，隨著計算機視覺技術不斷發(fā)展，行業(yè)應用解決方案的建立和完善，以及政府對計算機視覺行業(yè)的政策扶持，計算機視覺行業(yè)的應用場景將進一步滲透，助力各應用行業(yè)解決行業(yè)痛點，提高運營效率，實現行業(yè)轉型和升級。
隨著計算機視覺技術的發(fā)展，應用場景的不斷豐富，智能設備人機交互的界面智能化水平不斷提高，將創(chuàng)造出更加多元、更加立體的業(yè)態(tài)形式，推動著未來商業(yè)現代化的發(fā)展。