2022-2025年计算机视觉市场分析及未来发展趋势报告

2022-2025年计算机视觉市场分析及未来发展趋势报告日期：2022-10-22目录1234行业概述行业现状分析行业痛点及发展建议行业格局及前景趋势CONTENTS1行业概述行业定义行业发展历程行业政策、经济、社会环境根据国家标准化管理委员会指导编撰的《2018人工智能标准化白皮书》定义，计算机视觉是使用计算机模仿人类视觉系统的科学，让计算机拥有类似人类提取、处理、理解和分析图像以及图像序列的能力。自动驾驶、机器人、智能医疗等领域均需要通过计算机视觉技术从视觉信号中提取并处理信息。计算机视觉技术包括三个过程:目标检测、目标识别和行为识别。目标检测解决从背景中找出使用者关注物体的问题，该环节去除了背景中与目标无关的信息。目标检测技术关键在于动态复杂场景中背景模型的建立、保持与更新。目标识别过程通过多维度的特征分析比对确定物体的定义及分类。行为识别是一种高层次的识别技术，需要对动态多帧图像数据进行理解，并构建相应动作行为模型进行比对。计算机视觉行业定义行业定义010203041950-1966年计算机视觉被归人模式识别─—主要集中在二维图像分析和识别上。1966年，人工智能学者Marvin令学生写出程序,让计算机自动"了解”所连接摄像头的内容,计算机视觉序幕被拉开。21世纪出至今计算机视觉理论逐步成熟,各类产品开始涌现。计算机视觉的热度从国外向中国渗透。1966年-1970年MIT的Roberts通过计算机程序从数字图像中提取诸如立方体、棱柱体等多面三位机构，并对物体形状及空间关系进行了描述。20世纪70年代,麻省理工学院人工智能实验室正式开始“计算机视觉”课程。1980-1999年20世纪80年代中期,计算机视觉蓬勃发展,新概念、新方法、新理论不断涌现。1999年,Nvidia公司在推销自己的Geforce256芯片时,提出了GPU这个概念。CPU是专为执行复杂的数学和集合计算而设计的数据处理芯片。它的出现让并行计算成为可能,对数据处理规模、数据运算速度带来了指数级的增长与改善,极大的促进计算机视觉的发展。发展历程行业PEST-政策分析《中国制造2025》促进人工智能和实体经济深度融合，深化改革创新，优化制度环境，激发企业创新活力和内生动力，构建数据驱动、人机协同、跨界融合、共创分享的智能经济形态。推动互联网、大数据、人工智能等同各产业深度融合，推动先进制造业集群发展，构建一批各具特色、优势互补、结构合理的战略性新兴产业增长引擎，培育新技术、新产品、新业态、新模式。 推动移动互联网、云计算、大数据、物联网等与现代制造业结合，促进电子商务、工业互联网和互联网金融健康发展。《“互联网+”人工智能三年行动实施方案》着力加强人工智能应用创新，引导产业集聚发展，促进人工智能在国民经济社会重点领域的推广。加快发展“互联网+”新模式新业态，培育壮大人工智能产业。《十四五规划和二〇三五年远景目标的建议》《关于促进人工智能和实体经济深度融合的指导意见》行业PEST-》行业政策国务院国务院《新一代人工智能发展规划》提出到2020年，人工智能总体技术和应用与世界先进水平同步，人工智能产业成为新的重要经济增长点；到2025年，人工智能基础理论实现重大突破，部分技术与应用达到世界领先水平，人工智能成为带动中国产业升级和经济转型的主要动力，智能社会建设取得积极进展；到2030年，人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心，智能经济、智能社会取得明显成效，为跻身创新型国家前列和经济强国奠定重要基础。《促进新一代人工智能产业发展三年行动计划（2018-2020年）》《关于促进人工智能和实体经济深度融合的指导意见》作为对《新一代人工智能发展规划》的补充，详细规划了人工智能在2018-2020年的重点发展方向和目标，提出以市场需求为牵引，积极培育人工智能创新产品和服务，促进人工智能技术的产业化，推动智能产品在工业、医疗、交通、农业、金融、物流、教育、文化、旅游等领域的集成应用；提出发展视频图像身份识别系统，到2020年，复杂动态场景下人脸识别有效检出率超过97%，正确识别率超过90%，支持不同地域人脸特征识别。着重强调市场导向与产业应用，打造智能经济形态。提出促进人工智能和实体经济深度融合，把握新一代人工智能发展的特点，坚持以市场需求为导向，以产业应用为目标，深化改革创新，优化制度环境，激发企业创新活力和内生动力，结合不同行业、不同区域特点，探索创新成果应用转化的路径和方法，构建数据驱动、人机协同、跨界融合、共创分享的智能经济形态。改革委员会行业社会环境2012年起，图像识别的精准度得到了极大的提升，从70%提升到95%以上。2012年，ImageNetILSVRC比赛中，冠军团队使用CNN网络AlexNet将深度学习算法应用在计算机视觉算法改进中，将识别错误率（top-5errorrate）一举降低到15.32%，深度学习从此进入了广泛应用期，应用于商务、美图、医学、安防等各个领域。此后，ILSVRC冠军识别准确率不断提高，识别错误率从2013年ZFNet的120%，到2014年GoogLeNet的6.67%，再到2015年微软神经网络系统ResNet的57%，实现了低于人类（5.1%）的识别错误率。2016年的Trimps-Soushen和2017年的SENet图片识别基准测试成绩继续提升，达到了低至99%和25%的识别错误率。深度学习算法对计算机视觉算法的不断优化起到重要作用，其提升也将促进计算机视觉图像识别正确率的不断提升。行业社会环境2012年以来，大型人工智能运算的计算力呈指数式上涨，从2012年AlexNet的约0.008pfs-day到2018年AlphaGoZero的约2,500pfs-day，算力实现30倍增长，并正以大约每年10倍的速度增长，定制的硬件使GPU和TPU每秒可执行的操作更多，对数据处理规模、数据运算速度带来了指数级的增长和改善，极大促进计算机视觉的发展。CPU、GPU和FPGA等通用芯片是当前人工智能的主流芯片，而针对神经网络算法的专用芯片ASIC也正被Intel、Google、NVIDIA和众多初创公司推出，伴随AI专用芯片的推出和对通用芯片的替代，叠加嵌入式感知系统的成熟研发，在嵌入式系统中实施深度学习将有助于机器通过视觉解析面部表情，并达到更高准确度。2020年伊始，突如其来的新冠肺炎疫情对中国经济社会发展带来前所未有的冲击，国际疫情持续蔓延，世界经济严重衰退，产业链供应链循环受阻，国际贸易投资萎缩，中国经济面临的不稳定不确定因素显著增多。可喜的是，国内新冠肺炎疫情在短期内得到了较好的控制，疫情影响并未冲击到中国经济长期向好的基本面，中国经济的长期增长中枢仍然处于稳定运行通道。国际货币基金组织最新报告预测，2020年中国经济将增长9%，是全球唯一实现正增长的主要经济体。行业经济环境2计算机视觉行业现状分析计算机视觉产业链计算机视觉行业驱动因素计算机视觉行业现状分析计算机视觉行业市场规模行业上游行业中游行业下游行业产业链计算机视觉行业拥有完整产业链，上中下游均处于快速发展阶段。计算机视觉行业上游为支持基础层，包括芯片、传感器、摄像头等硬件、算法支持以及数据支持；中游为计算机视觉技术产品与服务方案提供商，下游为各行业应用领域。芯片、摄像机、传感器、计算设备、电子元器件人脸识别、OCR识别、物体与场景识别、动态视频识别、软件产品、软硬件一体产品安防监控、智慧交通、工业制造、金融、医疗、教育、零售、电商、智慧建筑产业链上游计算机视觉产业链上游概述计算机视觉上游包括算法、数据集以及芯片、摄像设备、传感器等硬件。当前中国企业在计算机视觉算法领域领先，人工智能芯片仍需依赖海外芯片大厂（如英伟达、英特尔等），摄像机芯片已实现国产化。摄像设备产品主要包括前端摄像机（模拟摄像机和网络摄像机）、中心控制端的控制和显示设备、后端的存储录像设备（DVR、NVR、CVR等）以及各传输环节的光端机和交换机等。摄像设备头部企业海康威视和大华股份在市场领先。上游算法环节主要包括图像处理、编码压缩和图像内容识别等。图像处理环节通过处理前端图像传感器采集到的原始图像数据，将图像进行复原和增强。宽动态处理、3D降噪、透雾处理、低照度处理、图像拼接等新的图像处理功能不断创新，使视频图像质量得到持续提升，且弥补了CMOS相对CCD在图像采集质量上的劣势，推动CMOS对CCD的大范围替代，有效降低了图像、影像采集前端设备的成本。编码压缩环节可降低系统中数据的码流以便后续传输和存储。从MPEG-4到H.264再到H.265，算法压缩效率不断提升，H.264算法的压缩比是MPEG-4的5到2倍，而H.265算法的压缩比约是H.264的2倍。在网络带宽资源限制情况下，编码压缩算法效率提升可支持为图像、影像的高清化升级。图像内容识别方面，中国企业在人脸识别等计算机视觉算法领域占据优势地位，依图科技、商汤科技以及中科院深圳先进技术研究院在2018年全球人脸识别算法竞赛中识别率均达到99%以上，处于世界前沿。算法的基础框架的研发基本为国外研究机构或公司所垄断，H.265视频压缩基础算法为国际研究机构ITU-T和ISO/IEC制定，内容识别的深度学习算法多采用谷歌或Facebook等科技巨头所开源的基础框架。但大量用于深度学习模型训练的开源工具和框架推出，包括Caffe、Theano、Torch、MXNet、TensorFlow、PaddlePaddle、CNTK等等，开源工具和框架的源代码公开并可免费使用，极大降低计算机视觉领域的入门技术门槛。芯片是核心硬件，在零组件中成本占比最高。将人工智能芯片嵌入前端摄像机可使其实时处理、分析采集到的图像视频内容，识别画面中的人、场景、物等对象，并通过网络将信息传递到人工智能后端进行计算、处理、分析、存储。系统的图像质量、码流控制能力、智能识别效率、信息稳定性等皆由芯片性能决定。产业链中游计算机视觉产业链中游概述中国从事计算机视觉的公司可分为工业巨头、互联网巨头和创业公司。除自身投入资源研发外，工业巨头和互联网巨头多数选择投资、并购创业公司或与其战略合作以涉足计算机视觉技术，实现生态拓展和产业链布局。创业公司中独角兽迅速崛起，新兴创业公司不断涌现。工业巨头的主要代表企业有海康威视、美的集团、海尔集团，其在计算机视觉应用领域具有较深积累，并涉足计算机视觉相关研发，未来将打通行业产业链，构建商业应用生态圈。互联网巨头的主要代表企业有阿里、腾讯、百度等，其通过开设实验室或并购技术团队获取领先技术，技术水平领先，且具有强大的数据获取优势，在计算机视觉行业实现技术引领。创业公司的主要代表企业主要有商汤科技、旷视科技及依图科技等，其专注于计算机视觉基础产品和服务开发，并将探索更多的服务场景，提供更多的定制化解决方案。产业链下游计算机视觉产业链下游概述目前，计算机视觉主要用于安防影像分析、金融身份认证、广告营销、无人驾驶、机器人、工业制造、医疗影像分析、教育和娱乐业等领域。人脸识别、物体识别等技术算法精度提高使中国计算机视觉技术率先在安防领域中实现商业化，安防影像分析应用领域在2018年中国计算机视觉行业占比最高，达到69.4%，广告营销、智能金融分别以17.2%、9.6%紧随其后，医疗影像、工业制造、新零售等创新领域也逐步解锁，成为计算机视觉行业快速发展的重要支撑。行业现状数据、算力和算法是计算机视觉行业发展的三大核心。随着移动设备数量的增长和传感器技术的进步，包含有价值的图像和视频数据的增加，智能终端与移动设备采集和产生的环境与用户数据成为宝贵资源。对视觉信息的分析须借助计算机视觉技术，数据量的急剧增长，算力的大幅提升和深度学习算法的不断优化极大促进了计算机视觉行业的发展。中国计算机行业规模从2014年的11亿元增长至87亿元，年均复合增长率达65.2%。伴随计算机视觉技术从传统图片处理方法转向人工智能处理，图像识别准确率显著突破，应用场景不断拓展，计算机视觉行业将进入快速发展阶段，预测2018年至2023年中国计算机视觉行业规模年均复合增长率将达48.8%，2023年规模达605亿元。行业市场规模随着计算机视觉技术的逐渐成熟，其实际应用的技术领域不断扩展，由最初的静态人脸识别和光学字符识别，扩展到人脸识别分析、活体检测、人体识别分析、物体检测识别、行为识别分析、人体重识别、医疗影像诊断技术等诸多种方向。同时，计算机视觉技术和场景应用正在相互促进发展。从商业化角度来看，应用场景由最早基于1:1识别算法的人证核验场景迈向基于1:N识别算法的动态比对场景；从基于图像的场景分析迈向基于视频的事件、动作识别；从基于2D医疗影像数据的病灶检测迈向基于3D医疗影像数据的病灶分析。伴随着海量数据的采集以及人工智能算力的提升，不断发展的计算机视觉算法将解锁更多的应用场景。计算机视觉技术的应用领域也越来越广泛，除应用较早的安防、金融、互联网等领域之外，城市治理、楼宇园区、医疗影像等创新领域正逐步实现应用，成为计算机视觉技术快速发展的重要支撑，计算机视觉领域市场规模仍处在高速增长阶段。2017-2019年上半年，计算机视觉行业代表企业毛利率均超过40%，2020年上半年受疫情影响个别企业有所下降，但整体仍然处于较高水平。以2020年上半年为例，依图科技营业毛利率最高，达到70.99%，其次云从科技毛利率为545%。整体行业盈利水平远高于其他传统行业。超高的行业利润也吸引了众多参与机构快速布局，目前已形成以商汤科技、依图科技、云从科技和旷视科技为代表的的计算机视觉行业机构，各家计算机视觉技术产品和服务也广泛在全国得到应用。国内计算机视觉行业盈利空间巨大商汤、旷世、依图、云从，这四家从计算机视觉起步的公司，也被业内称为CV(ComputerVision)四小龙。四家公司在应用场景的落地上极其相似，都以目前比较成熟的市场--安防和金融为主，其合作伙伴上也有重叠的地方，四家企业竞争的程度极其激烈。CV四小龙企业竞争激烈，业务同质化程度高行业现状计算机视觉行业驱动因素行业驱动因素1大众对生活、消费、安全与生产效率改善与提高的需求催生计算机视觉应用落地。人类70%以上的信息获取依靠视觉，视觉领域的应用非常广泛，应用场景拓展渗透各行业。目前计算机视觉行业主要应用场景有安防影像分析、泛金融身份认证、手机及互联网娱乐、商品识别、工业制造等，主要应用在B端领域，随着物体与场景识别、动态视频识别等技术与商用成熟，计算机视觉有望拓展更多商业与生活场景，开拓更多B端与C端业务。计算机视觉应用前景广阔丰富和大规模的数据集对算法训练尤为重要，海量而优质的应用场景数据可帮助机器实现精准的视觉识别。互联网、社交媒体、网络视频、传感器和移动设备的发展使数据量急剧增加，为通过深度学习的方法来训练计算机视觉技术提供了良好的基础。2010年全球所产生的数据量已达到ZB级别（1ZB约为1万亿GB)，到2022年将达到80ZB，届时视频将占全球移动流量近80%，海量数据资源将为计算机视觉算法模型提供坚实的训练基础，促进计算机视觉算法精准度提升。由学术及研究机构承担建设的公共数据集不断丰富，公共数据集一般用于算法测试和能力竞赛，具有高质量特点，为技术提高提供优质数据，为计算机视觉创业企业带来优质资源。人工智能芯片发展提供算力支持计算机视觉行业驱动因素行业驱动因素2计算机视觉领域的图像和视频数据需要大量矩阵计算操作，传统的CPU算力不足，无法满足并行计算要求。随着GPU、FPGA，ASIC等专用芯片的出现，数据处理速度大幅提升，为计算机视觉发展提供算力支持。GPU、FPGA、ASIC等具有良好并行计算能力的芯片性能高，算力在CPU数十倍甚至上百倍之上，可大幅缩短计算过程，有利于缩短模型架构调整时间，加快模型进步速度。人工智能芯片发展提供算力支持算法是计算机视觉行业发展的核心要素之一，是计算机基于其所训练的数据集归纳出的识别逻辑，算法模型的优化可以更精准的识别物体和场景。在深度学习出现之前，机器学习领域的主流是各种浅层学习算法，如神经网络的反向传播算法（BP算法）、支持向量机（SVM）等。计算机视觉作为一个数据复杂的领域，浅层学习算法的识别准确率并不高。该类识别原理多为通过寻找合适的特征来让机器辨识物品状态，处理逻辑浅层且不能穷举各种复杂的情境，因而算法拟合的准确率不高。深度学习的出现突破了传统浅层学习算法的局限，重塑了计算机视觉的算法设计思路。深度学习是一种基于多层神经网络并以海量数据为输入的规则自学习方法，依靠提供给它的大量实际行为数据，即训练数据集，进行规则中的参数和规则调整，因此深度学习在面对与训练数据集类似的场景时，可做出准确度极高的判断。深度学习算法使计算机视觉的主要识别方式发生重大转变，使机器从海量数据库里自行归纳物体特征，然后按照该特征规律识别物体。如神经网络卷积深度学习技术令人脸识别瞬间提升到3D多维算法领域，人类才从算法层面解决了人脸识别不精准、实战难的问题，让人脸识别技术从此走向应用。海量数据为深度学习算法提供了大量的数据支持3行业痛点及发展建议行业痛点行业发展建议行业痛点2019年3月，中央全面深化改革委员会通过的《关于促进人工智能和实体经济深度融合的指导意见》指出，中国人工智能的发展主要是供给侧驱动，供给侧驱动的人工智能与实体经济融合并不能解决实体经济发展面临的根本性问题。中国存在结构不均衡问题，应用作为发展优势领域，尚未达到人类劳动者对企业管理、技术研发、生产加工、组织协调、营销策划的水平和要求，应用场景和路径有待进一步明确，各行业、各环节所需的解决方案差异较大导致开发难度大、成本高，距离可复制和整体解决方案的通用人工智能的距离更远。硬件和算法等基础核心技术受制于人，造成人工智能与实体经济融合发展的远期隐忧。中国计算机视觉实际商业应用能力仍需提高高质量、大规模的基础数据是算法训练与计算机视觉发展的核心，机器学习与深度学习需要至少百万级别的数据以及真实可靠的场景，通过在真实环境与数据中验证结果，并不断模拟、优化、调整算法模型，最终得出一套算法。海量、有效、优质的数据能训练出优质算法，使其能快速、准确地识别对象和场景，是将计算机视觉与实体经济融合的基础。尽管基于庞大的人口基础，中国科技公司可以获得海量数据，为计算机的图像识别应用积累基础数据，但多数数据并不能直接使用，需经过人工标注，耗费时间与人力成本，影响计算机视觉算法验证效率与实际应用能力。高质量数据获取成本高、难度大高质量、大规模的基础数据是算法训练与计算机视觉发展的核心，机器学习与深度学习需要至少百万级别的数据以及真实可靠的场景，通过在真实环境与数据中验证结果，并不断模拟、优化、调整算法模型，最终得出一套算法。海量、有效、优质的数据能训练出优质算法，使其能快速、准确地识别对象和场景，是将计算机视觉与实体经济融合的基础。尽管基于庞大的人口基础，中国科技公司可以获得海量数据，为计算机的图像识别应用积累基础数据，但多数数据并不能直接使用，需经过人工标注，耗费时间与人力成本，影响计算机视觉算法验证效率与实际应用能力。高端产品发展落后复合型人才稀缺计算机视觉行业深陷人才困境。行业发展缺乏人才支撑，团队模式的培育机制弊端明显导致计算机视觉行业企业专业人才留存难度加大，制约计算机视觉行业企业扩张。计算机视觉行业对从业人员的业务素质要求高，主要表现在以下三方面从业人员需要具备行业基础知识和法律知识，为企业客户提供全面、可靠、专业、多样的解决方案。从业人员需要懂行业的专业知识，包括：计算机视觉行业产品得用途与优缺点，行业特征、市场环境和产业战略规划等。从业人员需要具有优秀的营销谈判能力、风控反控能力及报告沟通能力。目前该行业在人才招聘时能够匹配上述要求的人才寥寥无几，限制行业发展。由于复合型人才稀缺，计算机视觉行业企业通常采用团队培育的方式进行专业能力建设，而该模式亦存在一定的弊端，企业的中高端人才若大量流失，初级员工的业务技能培训将面临能力传承的断层，导致企业人才培养难度加大，制约计算机视觉行业企业发展。质量提升在资本的加持下，计算机视觉的跑马圈地仍在持续，预计2021年将会更加残酷和激烈。同时，在线教育也面临着更严格的监管，合规成本提升。计算机视觉行业产品品种多、批量小、附加值高，产品质量要求也较为严格。计算机视觉行业市场产品质量参差不齐，假冒伪劣等乱象仍普遍存在，严重阻碍计算机视觉行业发展进步。未来，提升计算机视觉行业产品质量是发展计算机视觉行业的核心任务，具体措施可分为以下两大部分：（1）政府方面：政府应当制定行业生产标准，规范计算机视觉行业生产流程，并成立相关部门，对科研用计算机视觉行业的研发、生产、销售等各个环节进行监督，形成统一的监督管理体系，完善试剂流通环节的基础设施建设，重点加强冷链运输环节的基础设施升级，保证计算机视觉行业产品的质量，促进行业长期稳定的发展；（2）生产企业方面：计算机视觉行业生产企业应严格遵守行业生产规范，保证产品质量的稳定性。目前市场上已有多个本土计算机视觉行业企业加强生产质量的把控，对标优质、高端的进口产品，并凭借价格优势逐步替代进口。此外，计算机视觉行业企业紧跟行业研发潮流，加大创新研发力度，不断推出新产品，进一步扩大市场占有率，也是未来行业发展的重要趋势提升产品质量生产企业方面政府方面新鲜有趣的玩法与促销节日的紧密融合将有效增加用户黏性，随着网民的社交、娱乐需求在电商场景不断得到释放，电商平台应推出更多贴合用户口味的创意玩法，从而推动促销节日的高效传播与转化。促销节日的实惠程度关系用户消费意愿，未来促销节日应回归促销的本质，避免过多噱头和复杂规则影响消费体验，努力实现让用户获益、厂家增收的共赢效果。2019年中国电商促销节日用户消费意愿影响因素占比全面增值服务1199增值服务提高产品定制服务需求日益多样化行业同质化竞争严重计算机视觉行业企业服务模式单一。面对各级消费群体日益多样的服务需求，计算机视觉行业企业提供全面增值服务，构建综合服务体系，形成核心竞争力，是当前计算机视觉行业发展的必然趋势。计算机视觉行业企业的转型压力主要源于以下三大方面：单一的资金提供方角色仅能为计算机视觉行业企业提供“净利差”的盈利模式，计算机视觉行业同质化竞争日趋严重，利润空间不断被压缩，企业业务收入因此受影响，商业模式亟待转型除传统的计算机视觉行业需求外，设备管理、服务解决方案、贷款解决方案、结构化融资方案、专业咨询服务等方面多方位综合性的增值服务需求也逐步增强中国本土计算机视觉行业龙头企业开始在定制型服务领域发力，巩固行业地位多元化融资渠道丰富企业的债券种类关键词一深化与核心银行的合作关系关键词二拓展银行关系渠道关键词三计算机视觉行业企业在保证间接融资渠道通畅的同时，能够综合运用发债和资产证券化等方式促进自身融资渠道的多元化，降低对单一产品和市场的依赖程度，实现融资地域的分散化，从而降低资金成本，提升企业负债端的市场竞争力。以远东宏信为例，公司依据自身战略发展需求，坚持“资源全球化”战略，结合实时国内外金融环境，有效调整公司直接融资和间接融资的分布结构，在融资成本方面与同业相比优势突出企业获取各业态银行如国有银行、政策性银行、外资银行以及其他中资行的授信额度，确保了银行贷款资金来源的稳定性可持续公司债等创新产品，扩大非公开定向债务融资工具（PPN）、公司债等额度获取，形成了公司债、PPN、中期票据、短融、超短融资等多产品、多市场交替发行的新局面；计算机视觉行业需要通过杠杆推动业务运转，从负债端看，计算机视觉行业企业的融资能力对资金成本和资金流动性具有决定性作用，因此，计算机视觉行业企业打通多元化融资渠道，提高资金周转率，将是促进计算机视觉行业业务发展的重要举措。融资渠道拓展的主要方式主要包括以下三点：

拓展技术服务领域计算机视觉行业属于领域中发展最快的细分领域之一，随着计算机视觉的市场环境日趋成熟，行业竞争日趋激烈，多家计算机视觉企业开始扩张产品相关服务领域，提升企业的行业竞争力，主要举措包括：提高产品定制服务能力提升技术服务能力供科研咨询服务计算机视觉行业企业开始在定制型服务领域发力，巩固行业地位计算机视觉行业企业面向多元化的科研实验需求，建立多种技术服务平台，向客户提供除了所需的原材料以外的提取、分析等技术服务，形成企业特有竞争力通过进行细化分工，为客户制定科研问题解决方案，使客户能更加专注于其擅长的领域，提高科研效率，且帮助行业大幅节省医学科研投入聚焦投资业务行业资源优势金融资源优势服务优势计算机视觉行业厂商长期参与采购与评估，积累了较为丰富的上游厂商资源储备，且与多家厂商建立长期合作关系计算机视觉行业商依托本身提供的资金服务，具备融资渠道畅通的资金优势，可为行业建设提供初期资金支持，且可通过杠杆提升资金效率计算机视觉行业企业凭借多年的客户服务经验，服务体系日趋完备，信息化服务于一身的综合服务体系，能够进行有效迁移，为投资业务的长期健康发展提供有力支持计算机视觉行业头部企业已形成完善的的服务体系，在中国政府逐步放宽企业的准入条件，鼓励并支持的政策背景下，计算机视觉行业企业开拓投资业务，通过产融结合向实业运营纵深发展，计算机视觉行业未来的重要发展趋势。&&&

页岩气革命后，乙烷价格持续走低。美国是世界上最大的乙烷生产国，也是唯一的乙烷出口国。美国乙烷主要来自湿天然气经过天然气厂分离后得到的天然气液（NGL,Naturalgasliquids）和原油开采副产的凝析油经过炼厂处理后得到的液化炼厂气（LRG,Liquefiedrefinerygases），其中前者贡献了绝大部分。自2010年以来，美国NGL产量几乎翻了一番，超过了天然气产量增长率，并创下了2017年370万桶/天的年度记录。由于页岩气产量不断增加，同时受管道运输中乙烷比例不能超过12%的限制，美国乙烷产量也持续提升。并且乙烷相对较低的热值及沸点使其作为液化燃料无法与丙烷和丁烷竞争，分离费用也降低了其作为管道气的吸引力，乙烷自身产量又高于其它NGL组分，其供给过剩的情况日益凸显。这导致美国乙烷价格在2011年底开始下降，并且在2013年至2015年由于乙烷产量超过消费量，乙烷价格一度低于天然气价格，直到随后乙烷需求增加价格才逐渐回升至2016年平均150美元/吨和2017年平均184美元/吨。2018年6月份开始乙烷价格受供需影响迎来一波大涨，目前处于高位回落阶段。

竞争趋势随着科技不断发展，计算机视觉企业对计算机视觉行业产品的研发投入不断加大，企业形成自己的技术堡垒是在未来市场中取得市场份额的重要收到，因此技术竞争也是未来行业竞争的重要方向之一。计算机视觉行业的竞争促进了产品质量与服务的持续优化与创新，在满足客户需求的同时也给行业服务带来不断的新体验。优质的服务是计算机视觉行业竞争的重要焦点与未来趋势。客户是上帝，满足客户的需求是计算机视觉行业企业的价值实现，计算机视觉行业竞争趋势首先在需求的分析与客户痛点的把握。小众运动场景日益崛起，带动了新的计算机视觉行业产品需求。随着行业的竞争不断加剧，企业竞争的本质是人才的竞争，计算机视觉行业企业都在不断提升专业员工的技术水平。通过专项培训、高薪招聘吸引高端优质人才加入。人才竞争是未来计算机视觉行业竞争的核心点之一。

服务技术需求人才投资机会专家服务模式更侧重借助专家的实际从业经验与洞察，针对企业遇到的实际问题给出一针见血的建议。全方位赋能，尤其是在服务能力的提升上，以更加完善的服务体系建设，为消费者带来更好的产品体验。010203投资机会投资机会投资机会计算机视觉行业资源整合计算机视觉行业咨询管理计算机视觉行业产品服务根据企业的发展战略和市场需求对有关的资源进行重新配置，以突显企业的核心竞争力，并寻求资源配置与客户需求的最佳结合点。目的是要通过组织制度安排和管理运作协调来增强企业的竞争优势，提高客户服务水平。行业发展建议ABC发展建议1发展建议2发展建议3提升产品质量（1）政府方面：政府应当制定行业生产标准，规范计算机视觉行业生产流程，并成立相关部门，对科研用计算机视觉行业的研发、生产、销售等各个环节进行监督，形成统一的监督管理体系，完善试剂流通环节的基础设施建设，重点加强冷链运输环节的基础设施升级，保证计算机视觉行业产品的质量，促进行业长期稳定的发展；（2）生产企业方面：计算机视觉行业生产企业应严格遵守行业生产规范，保证产品质量的稳定性。目前市场上已有多个本土计算机视觉行业企业加强生产质量的把控，对标优质、高端的进口产品，并凭借价格优势逐步替代进口。此外，计算机视觉行业企业紧跟行业研发潮流，加大创新研发力度，不断推出新产品，进一步扩大市场占有率，也是未来行业发展的重要趋势。全面增值服务单一的资金提供方角色仅能为计算机视觉行业企业提供“净利差”的盈利模式，计算机视觉行业同质化竞争日趋严重，利润空间不断被压缩，企业业务收入因此受影响，商业模式亟待转型除传统的计算机视觉行业需求外，设备管理、服务解决方案、贷款解决方案、结构化融资方案、专业咨询服务等方面多方位综合性的增值服务需求也逐步增强。中国本土计算机视觉行业龙头企业开始在定制型服务领域发力，巩固行业地位多元化融资渠道可持续公司债等创新产品，扩大非公开定向债务融资工具（PPN）、公司债等额度获取，形成了公司债、PPN、中期票据、短融、超短融资等多产品、多市场交替发行的新局面；企业获取各业态银行如国有银行、政策性银行、外资银行以及其他中资行的授信额度，确保了银行贷款资金来源的稳定性。计算机视觉行业企业在保证间接融资渠道通畅的同时，能够综合运用发债和资产证券化等方式促进自身融资渠道的多元化，降低对单一产品和市场的依赖程度，实现融资地域的分散化，从而降低资金成本，提升企业负债端的市场竞争力。以远东宏信为例，公司依据自身战略发展需求，坚持“资源全球化”战略，结合实时国内外金融环境，有效调整公司直接融资和间接融资的分布结构，在融资成本方面与同业相比优势突出。4行业格局及前景趋势行业格局行业发展趋势行业代表企业行业趋势计算从云端到智能前端“云”+“AI”，智能云端赋能前端实现计算机视觉行业发展对企业综合实力要求高计算机视觉行业巨大的发展前景决定其具有高成长性特点，未来将涌现更多人工智能领域优秀企业。但行业发展同时伴随高风险性，行业竞争需要比拼企业技术算法能力、资金能力、以及人才资源，同时考验企业能否实现技术迅速落地，对企业综合实力要求高，综合实力不具备优势的企业在行业内将难以生存。近年来，人工智能相关政策推动，2017年两会首次被写入政府工作报告以来，人工智能相关政策持续出台。一系列与人工智能相关的政策和会议的推出体现了从国家到行业和公司对推进人工智能发展的重视，同时AI相关的政策正在逐步具化，未来将会有更多促进人工智能发展的政策出台。政策持续出台，推动人工智能产业发展大量计算、存储资源以及需要利用多维数据进行分析的场景需要借助后端的强大计算能力。云端可利用集中部署的池化资源优势，进行更高层级的感知和认知层面的计算，并且按需进行大数据关联性分析。在计算机视觉行业拥有多年从业经验的专家表示，云端融合计算机视觉在内的人工智能，将促进企业获取数据、分析数据、形成独有算法的能力，如阿里云智能平台将中台的智能化能力（包括机器智能的计算平台、算法能力、数据库、基础技术架构平台、调度平台等核心能力）和云全面结合。将计算机视觉融入云，有助于构建面向商用、民用领域的基于云计算的智能化技术基础设施，为计算机视觉商业落地进行全面赋能。纯中心分析模式无法满足大范围计算机视觉应用的需求，云边结合将取代中心分析成为智能化的主流选择。当前，计算机视觉在安防影像识别等应用领域领域从云端落地，在后端中加入人工智能计算功能，实现图像、视频数据的智能化分析。随着传感器的灵敏度与精确度提高，如摄像机的清晰度提高、可拍摄距离增大等，通过网络回传的数据量将越来越大，将数据的结构化处理与分析完全集中到云端会对网络产生传输压力，且限制于传输能力，实时性与准确性将降低。同质化竞争激烈价格战授信加大行业并购新进企业（1）价格战引发收益率报价逐年下降：部分计算机视觉行业公司为抓住优质客户资源，依靠价格战取得竞争优势，导致行业毛利率下降，选择合作企业时“唯价格论”，不利于行业良性发展；（2）过高授信加大财务风险：计算机视觉行业公司对各家医