情況顯然不是這樣的。一方面，計算機(jī)視覺(簡稱CV)仍是人工智能技術(shù)應(yīng)用比重最高的領(lǐng)域之一，相關(guān)應(yīng)用是各行業(yè)數(shù)字化、智能化的首選，基于機(jī)器視覺的工業(yè)質(zhì)檢、巡檢、物流機(jī)器人、人臉識別等都在越來越多地落地，沒有道理AI很行、CV不行;另一方面，整個機(jī)器視覺市場仍在不斷增長，根據(jù)福布斯的預(yù)測，到2022年底，計算機(jī)視覺技術(shù)市場的價值預(yù)計將達(dá)到480億美元，并可能成為持續(xù)創(chuàng)新和突破的源泉

顯而易見，不是機(jī)器視覺的生意不再性感了，而是頭部機(jī)器視覺公司講不好這個故事了。

然而，面對地緣政治的打壓、國內(nèi)房地產(chǎn)基建旅游等的放緩、海內(nèi)外資本市場的現(xiàn)實(shí)情況，這種情況下，再用刻薄話去奚落“AI四小龍”的窘境，多少有點(diǎn)沒心沒肺。

當(dāng)然，來自產(chǎn)業(yè)用戶和開發(fā)者們的真實(shí)聲音，也讓我們無法輕佻地說出“風(fēng)雨過后終會見彩虹”“守得云開，未來可期”之類的雞湯話。因為現(xiàn)實(shí)很可能是，等經(jīng)濟(jì)大環(huán)境復(fù)蘇，有的公司還能翻身，而有的可能就此沉淪。

時世變化之時，機(jī)器視覺公司又能朝哪里走?是否真的看到了產(chǎn)業(yè)AI的變幻?如果要求生，目前有哪些急需開展的工作?這是我們想要探討的。

機(jī)器視覺還是一個好生意嗎?

以AI四小龍為代表的機(jī)器視覺企業(yè)表現(xiàn)不佳，被認(rèn)為是機(jī)器視覺乃至AI商業(yè)化的破滅。畢竟這些企業(yè)在技術(shù)能力、商業(yè)模式、市場份額上都有絕對的領(lǐng)先優(yōu)勢，如果連它們都難于盈利，不證明以算法能力見長的AI獨(dú)角獸確實(shí)“德不配位”嗎?

讓我們離開一些媒體們“報憂不報喜”的習(xí)慣，到更廣大的產(chǎn)業(yè)世界去看一看。

過去幾年的時間里，機(jī)器視覺作為AI技術(shù)最為成熟、應(yīng)用最為廣泛的能力，是在積極被產(chǎn)業(yè)擁抱的。手機(jī)應(yīng)用中的身份驗證、機(jī)場車站的體溫監(jiān)測、安防領(lǐng)域的主動識別、工業(yè)領(lǐng)域的智能質(zhì)檢、交通領(lǐng)域的車流車輛識別……可能絕大多數(shù)人最先感知到的AI能力都是機(jī)器視覺。

以機(jī)器視覺作為轉(zhuǎn)型入口，推動行業(yè)/企業(yè)智能化，在今天幾乎是共識。

業(yè)內(nèi)有句吐槽：“AI+工業(yè)逃不出機(jī)器視覺的窠臼?！边@真的是缺點(diǎn)嗎?我們采訪過許多工業(yè)企業(yè)，大部分人都提出，自家企業(yè)首先落地的就是質(zhì)檢、巡檢這里機(jī)器視覺應(yīng)用。來自機(jī)科發(fā)展的一位技術(shù)人員告訴我們：這是現(xiàn)在大部分AI或深度學(xué)習(xí)落地的現(xiàn)狀，以機(jī)器視覺落點(diǎn)來推廣AI技術(shù)，目前還是一個不錯的戰(zhàn)略。

甚至于在高精尖的航空航天，機(jī)器視覺也是一些研究者在嘗試深度學(xué)習(xí)的首選。我們曾和一位航天領(lǐng)域的AI開發(fā)者交流過，為什么很多航天AI應(yīng)用都是圖像類的，對方表示教育界同樣討論過這個問題。一來，圖像處理領(lǐng)域已經(jīng)形成了一套比較完整的體系，圖像分類、目標(biāo)檢測用得已經(jīng)很多，可以很快得到不錯的效果。二來，深度學(xué)習(xí)是數(shù)據(jù)驅(qū)動的，航天領(lǐng)域本身就積累了大量的光學(xué)圖像數(shù)據(jù)，其他載荷數(shù)據(jù)也可以引入AI模型，但效果沒有CV顯著。第三，從航天知識科普的角度來說，圖像對于普通人來說是很直觀的，火星探測器或者月球探測器每次拍到的圖片更能引起公眾注意，率先引入CV帶來的社會意義更大一點(diǎn)。所以，目前無論是火星車還是其他航天器，都有很多人在與CV技術(shù)相結(jié)合去解決各種問題。

可以肯定地說，機(jī)器視覺是數(shù)字基礎(chǔ)設(shè)施中不可或缺的一個。隨著人們工作、娛樂、生活等各領(lǐng)域的圖像數(shù)據(jù)越來越豐富、復(fù)雜、劇增，需要分析處理推理的能力也更多，必然會將機(jī)器視覺推向一個更大的市場。

或者反向思考一下，如果CV真的不重要、真的沒市場，還會成為對岸鄰居“封鎖”打壓的對象嗎?

所以，機(jī)器視覺一定是值得大力發(fā)展和押注的。那么新的問題又來了，以機(jī)器視覺起家的“AI 四小龍”營收和商業(yè)潛力，都不容樂觀，虧損的虧損，破發(fā)的破發(fā)，裁員的裁員。商湯科技直接在招股書中表示：未來仍有無法盈利的可能。CV公司真的還有前途嗎?

有心的讀者可能看過一些關(guān)于AI四小龍的分析文章，將其業(yè)績不佳的原因歸為技術(shù)研發(fā)投入過高、產(chǎn)業(yè)化能力欠佳、科技企業(yè)和傳統(tǒng)安防企業(yè)的圍剿等等。這些因素當(dāng)然是存在的，但要改變卻讓CV企業(yè)左右為難。安防企業(yè)轉(zhuǎn)做機(jī)器視覺，投入難道就不高嗎?降低研發(fā)投入，原本的技術(shù)優(yōu)勢也沒有了怎么辦?產(chǎn)業(yè)有壁壘，是針對所有純算法CV企業(yè)的，總不能大家都沒有辦法，集體躺平不干了吧。

既然不能躺平，就要想想怎么咸魚翻身。那么，來自產(chǎn)業(yè)客戶和開發(fā)者的聲音，或許能夠帶來一些“反常識”的思考。

　　“反常識”第一點(diǎn)：CV企業(yè)研發(fā)投入不是過大，而是還不夠

“AI四小龍”是公認(rèn)在技術(shù)研發(fā)上投入很大的，但隨著業(yè)績走低，這被認(rèn)為是拖累而非護(hù)城河。有一個說法是，“我們的首席投資官覺得，商湯能做的，其他公司其實(shí)也能做。雖然商湯技術(shù)更先進(jìn)一些，但可能就相差了3個月到半年”。

技術(shù)不是壁壘嗎?大錯特錯，技術(shù)絕對是巨大甚至最大的壁壘。因為目前阻礙機(jī)器視覺在產(chǎn)業(yè)中規(guī)?；瘧?yīng)用的頭號疑慮，就是CV技術(shù)的實(shí)際表現(xiàn)，不達(dá)預(yù)期。

　　CV落地產(chǎn)業(yè)最常見的問題，大概梳理一下就有不少。

1.替換效果不明顯。大家可能會覺得在AI賽事中刷榜就是很厲害的CV了，但需要注意的是，從85分提高到90分，就是學(xué)術(shù)界的突破了，然而在產(chǎn)業(yè)界中，可能要做到95分以上才能夠被應(yīng)用。而且，比賽只是一群深度學(xué)習(xí)系統(tǒng)關(guān)起門來的比武，到了真實(shí)世界中，AI對面對的是企業(yè)長期使用、已經(jīng)非常成熟的算法。

鄭州大學(xué)的馬老師，曾受邀為江蘇某無紡布企業(yè)開發(fā)缺陷檢測，他告訴我們，工業(yè)領(lǐng)域本身就有應(yīng)用非常成熟的檢測算法Halcon，算法經(jīng)過長期的積累和迭代，已經(jīng)非常穩(wěn)定了，而且計算量小，還不用標(biāo)注數(shù)據(jù)和調(diào)參。相比改造和應(yīng)用成本，機(jī)器視覺需要找到非常有吸引力的差異化應(yīng)用場景和功能。

2.現(xiàn)實(shí)應(yīng)用性能下降。在實(shí)驗室中表現(xiàn)很好的算法“優(yōu)等生”，一落地生產(chǎn)環(huán)境就成了“差生”。馬老師告訴我們，無紡布是以每小時36公里的速度在往外出布，要求機(jī)器視覺算法在高速運(yùn)動下精準(zhǔn)地把缺陷畫出位置，技術(shù)挑戰(zhàn)是非常大的。這時候，傳統(tǒng)算法因為計算量小、算法成熟，識別速度反而比CV算法還要快。而且現(xiàn)場環(huán)境并不標(biāo)準(zhǔn)、可控，有時候上午光通過玻璃反射，在無紡布上產(chǎn)生光斑，就會影響CV系統(tǒng)的檢測精度，誤報率很高。馬老師及其團(tuán)隊經(jīng)過了各種調(diào)試，才讓準(zhǔn)確率達(dá)到了穩(wěn)定的數(shù)值。對于企業(yè)客戶來說，更希望引入的是成熟的技術(shù)產(chǎn)品，必須CV企業(yè)或研發(fā)人員做成了，告訴客戶確實(shí)能提高效益，有的企業(yè)才愿意去嘗試。

3.應(yīng)用場景的限制。質(zhì)檢、巡檢可能是CV的關(guān)鍵場景，但對于工廠等企業(yè)來說，可能只是生產(chǎn)流程的環(huán)節(jié)之一，所以更多企業(yè)在智能化的過程中，可能選擇以“打包”解決方案的形式去引入AI，而機(jī)器視覺可能只是其中一個點(diǎn)。某科技企業(yè)告訴我們，在為一個工廠做產(chǎn)線智能化改造的時候，整個項目額是五千萬，其中視覺可能只有五十到一百萬。而且偏重工業(yè)一點(diǎn)的企業(yè)比如冶金、軌道交通、制造等對CV質(zhì)檢的關(guān)注度更高，這些領(lǐng)域也是CV企業(yè)的紅海。

采訪者直言，工信部曾經(jīng)有某副司長帶隊，帶了十家AI企業(yè)去到各個公司一家家轉(zhuǎn)，尋找商務(wù)合作機(jī)會，結(jié)果發(fā)現(xiàn)，有石化公司提出，想用機(jī)器視覺檢測代替人工檢測，但對方的塔樓很高，讓機(jī)器人爬樓梯上去巡檢，還要保持較高的穩(wěn)定性，這在當(dāng)下是不可能完成的任務(wù)。最后AI公司們一評估，發(fā)現(xiàn)還做不了。類似這種情況還很多，很多企業(yè)真正關(guān)注的痛點(diǎn)，目前CV技術(shù)還無法給到足夠大的實(shí)質(zhì)幫助。

大家想必已經(jīng)發(fā)現(xiàn)了，實(shí)驗室和AI賽事上動輒碾壓人類的CV算法，到了現(xiàn)實(shí)世界和產(chǎn)業(yè)世界中，依然有大的差距。即使是一些渴望AI、適宜CV的重點(diǎn)行業(yè)與落地場景，比如質(zhì)檢、巡檢，目前仍然存在一些尚未解決的技術(shù)難題。

從這個角度來看，CV公司的商業(yè)化怎么可能快速進(jìn)入指數(shù)級增長，而頭部CV企業(yè)也并未能在這些產(chǎn)業(yè)客戶真正關(guān)心的問題上帶來眼前一亮的解法。

CV在內(nèi)的AI技術(shù)并沒有那么多噱頭和風(fēng)口，成功應(yīng)用的前提，就是技術(shù)本身的成熟度和性價比而已。研發(fā)之路，道阻且長，意義深遠(yuǎn)，也是值得堅持并最終能拉開差距的。

“反常識”的第二點(diǎn)：CV企業(yè)營收不好，并不是因為不理解產(chǎn)業(yè)

很多人覺得純算法的AI公司，在做B端市場時，容易因為不了解行業(yè)、不了解場景，而導(dǎo)致技術(shù)很強(qiáng)、但無法轉(zhuǎn)化。這固然是一部分原因，但不是最根本的原因。

AI與行業(yè)深度結(jié)合的難度，是眾所周知的。AI四小龍基本都有自己深耕的行業(yè)及場景，也都在積極地嘗試從純機(jī)器視覺轉(zhuǎn)型為更綜合的AI解決方案服務(wù)商。比如曠視將端側(cè)硬件與AI算法相結(jié)合的物聯(lián)網(wǎng)解決方案;依圖重點(diǎn)解決算力問題;商湯的的“1(基礎(chǔ)研究)+1(產(chǎn)業(yè)結(jié)合)+X(行業(yè)伙伴)”模式;云從聚焦在金融、出行等核心領(lǐng)域……換句話說，沒人比它們更想、也更努力地在了解產(chǎn)業(yè)。

更深層的原因或許是，了解了，但沒完全了解，也可能永遠(yuǎn)也無法完全了解。

　　其一，在認(rèn)知上，純算法公司和實(shí)體行業(yè)有天然的壁壘。

目前工業(yè)領(lǐng)域智能制造所提出的“智能”，和AI領(lǐng)域所提出的“智能”，同一個詞在概念和應(yīng)用細(xì)節(jié)上其實(shí)是有區(qū)別的，比如AI界傾向于針對某個CV任務(wù)、構(gòu)建模型、學(xué)習(xí)數(shù)據(jù)特征，進(jìn)而讓模型具有解決特定問題的能力，也就是純算法能力。但工業(yè)乃至很多行業(yè)所想要的“智能”其實(shí)是偏實(shí)體的，比如生產(chǎn)線的柔性化改造、制造設(shè)備的互聯(lián)互通、以及數(shù)字孿生技術(shù)等。這種情況下，當(dāng)CV企業(yè)開始進(jìn)入產(chǎn)業(yè)的時候，就會出現(xiàn)“雞同鴨講”的現(xiàn)象。

　　其二，在實(shí)踐中，純算法公司的高人力成本不符合大規(guī)模定制所需要的經(jīng)濟(jì)效益。

企業(yè)的數(shù)字化轉(zhuǎn)型需求“千人千面”，不僅僅是不同行業(yè)和領(lǐng)域，同行業(yè)不同公司之間也有著不同的需求，CV應(yīng)用的場景是非常碎片化的，需要高度個性定制。這就出現(xiàn)了一個矛盾，CV企業(yè)要依靠大量人力成本較高的算法工程師來解決所有行業(yè)需求，顯然是不合實(shí)際也成本過高的。

就拿工業(yè)來說，工藝、制造需求、專業(yè)的不同，都會造成在機(jī)器視覺系統(tǒng)所需要的機(jī)理模型完全不同，甚至同一領(lǐng)域不同產(chǎn)品間的差異也會很大，復(fù)雜度和工藝門檻也比較高。一個工業(yè)企業(yè)的負(fù)責(zé)人曾告訴我們，比如冶金鋼卷生產(chǎn)的缺陷檢測，鋼卷又分為冷軋、熱軋，這相當(dāng)于四個問題，雖然都是機(jī)器視覺質(zhì)檢，但AI要解決的機(jī)理問題是完全不一樣的，所以這一個企業(yè)、一個場景，都無法做到模型的通用化。而一對一模型的定制開發(fā)，又會導(dǎo)致落地成本和實(shí)施周期的增加。

腦極體團(tuán)隊曾走訪過許多智能化項目，很多細(xì)節(jié)都是待在實(shí)驗室里根本想象不出來的。有家豬場希望用AI識別來監(jiān)測豬的體溫，結(jié)果系統(tǒng)上線了之后檢測效果就是不好，一番排查發(fā)現(xiàn)是因為豬皮太厚了，溫度識別不準(zhǔn)。還有家自來水廠，全部換成了智能攝像頭，但平時卻基本不開，原因是攝像頭拍的高精度視頻圖像過于龐大，廠里的網(wǎng)絡(luò)沒有同步升級，上傳分析的速度很慢。有企業(yè)沒通知技術(shù)人員就直接在生產(chǎn)線上生產(chǎn)其他顏色的布，一下子就給CV系統(tǒng)整不會了……

某AI開發(fā)者告訴我們，為一個工廠開發(fā)了活塞環(huán)檢測的AI硬件產(chǎn)品，其中幾萬個焊點(diǎn)都是他自己手動焊接的，當(dāng)時的焊接過程還在抖音上直播過，還曾擰過三十萬顆螺絲。他說：不會有任何一個軟件公司會雇一個算法工程師去擰螺絲，但恰恰因為沒有人做這件事情，所以很多做出來的系統(tǒng)會不符合工廠實(shí)際的情況，或者工廠會不信服企業(yè)提出來的方案。而正因為他會去跟工廠特別直接地交流，做過這些最基礎(chǔ)枯燥的手工活，所以提出的AI方案工廠一般都還挺信服的。

公開報道中，“AI四小龍”都表示過研發(fā)支出的很大一部分資金就在人才招聘上。一方面，收入規(guī)模與人力成本不成正比，營收情況不佳;另一方面，碎片化的智能化需求也決定了企業(yè)在努力擴(kuò)大人力也不可能完全覆蓋、規(guī)?；瘡?fù)用。

還是用那位AI開發(fā)者的話來說：中國可能有上百上千萬的加工廠都需要來使用AI，一家工廠可能不同產(chǎn)品需要不同的模型，是不可能來靠一些算法公司的工程師來完成的，可能有大量的一線工人，只要學(xué)會用AI，就可以把比較成熟的CV算法應(yīng)用到生產(chǎn)一線。

換句話說，千行百業(yè)的智能化必然需要各種各樣的CV應(yīng)用與模型，當(dāng)機(jī)器視覺技術(shù)從通用化、簡單化，走向多元化、個性化、場景化，也注定了頭部或大型CV企業(yè)，不可能憑一己之力訓(xùn)練出所有模型、通吃所有市場。

　　“反常識”第三點(diǎn)：CV企業(yè)看起來被圍獵的是市場，其實(shí)是同伴

CV企業(yè)的商業(yè)化不理想，確實(shí)受到了傳統(tǒng)安防巨頭轉(zhuǎn)型AI、以及一些AI科技巨頭入局CV的沖擊。這些擁有數(shù)據(jù)、渠道、技術(shù)、生態(tài)等多方面優(yōu)勢的巨頭下場后，似乎一些常見的CV細(xì)分市場就開始“卷”價格，以至于像“AI四小龍”這樣的機(jī)器視覺為主公司很受傷。

　　但反過來想，CV市場難道是被獨(dú)角獸壟斷的特殊行業(yè)嗎?

產(chǎn)業(yè)智能化必然是由眾多AI開發(fā)者、ISV服務(wù)商和CV企業(yè)來共同完成的。而CV企業(yè)中可不只有巨頭，還有大量中小微企業(yè)，對于這些企業(yè)來說，來自開放平臺的賦能，恰恰是生存和發(fā)展的希望。

有視覺領(lǐng)域的創(chuàng)業(yè)者告訴我們，自己根本不會以初創(chuàng)公司的名義去跟甲方打交道，那可能連款都要不回來。他們公司是作為某些大型企業(yè)的合作供應(yīng)商，大型企業(yè)為客戶做整體的系統(tǒng)用集成解決方案，這個CV初創(chuàng)公司解決其中一個小的視覺問題。如果一個小小的企業(yè)去單獨(dú)做項目，可能在項目驗收的時候遭遇到各種各樣的情況。

“從我們實(shí)施的經(jīng)驗來看，現(xiàn)在AI視覺面鋪得這么廣，在很多問題上沒有太好的解決方案的，距離甲方的要求還有一定的距離。舉個例子，客戶的良品率已經(jīng)接近100%了，驗收階段要求這條生產(chǎn)線跑一周，一周內(nèi)的錯誤率不能超過三次，超過三次就不給你驗收。而AI模型，從80%調(diào)到95%可能好調(diào)，但從95%進(jìn)到96%、97%就很困難，所以收款是非常困難的一件事情?！?/p>

除了商業(yè)模式上的難題，中小型CV企業(yè)還面臨著招人難、建立壁壘難的問題。前面提到，通用性強(qiáng)的CV賽道已經(jīng)非常擁擠，價格戰(zhàn)明顯，并且透明度很高，很多企業(yè)客戶對于AI系統(tǒng)的成本是非常清楚地。“AI四小龍”尚且難受，中小微型企業(yè)自然更難以在紅海中建立壁壘。

然而另一方面來看，企業(yè)客戶其實(shí)并不在乎技術(shù)服務(wù)商是用什么技術(shù)方法解決問題的，基于深度學(xué)習(xí)的計算機(jī)視覺也可以，傳統(tǒng)的機(jī)器視覺也可以，只要能夠滿足應(yīng)用需求，并且成本可接受。這需要從基礎(chǔ)硬件、算法、再到產(chǎn)業(yè)層的整體配合，這對于中小型CV企業(yè)來說也是一個機(jī)會，那就是可集成多元化的軟硬件與智能能力，針對買家的需求來進(jìn)行定制化滿足。這時候，科技巨頭們的AI開源開放生態(tài)、各類機(jī)器視覺大模型的推出、算法市場生態(tài)等等，讓它們成為被選擇和被集成的對象，其技術(shù)和產(chǎn)品被二次封裝成為各種子產(chǎn)品，從而擴(kuò)展了市場份額。

有ISV服務(wù)商表示，在開發(fā)解決方案的時候選擇了康耐視的相機(jī)，這個相機(jī)設(shè)備自帶一個面向工業(yè)視覺的算法庫，買回去之后可以直接開發(fā)出更針對性的產(chǎn)品，部署的時候再買一個品牌的加密狗就可以了，所以完全沒有必要和動力再去買一套純算法公司的算法。

曾幾何時，“AI四小龍”這樣的算法公司確實(shí)通過算法市場化成為了時代的寵兒，但當(dāng)產(chǎn)業(yè)智能化的接力棒被交到更多元的開發(fā)者和服務(wù)商手中時，相比科技巨頭對優(yōu)秀開發(fā)者資源的爭奪，大型CV企業(yè)確實(shí)反應(yīng)遲緩、優(yōu)勢有限。它們?yōu)楣蓛r痛苦憂慮的時候，已經(jīng)有更多個人開發(fā)者、小微企業(yè)開發(fā)者在工廠車間、田間地頭開始寫代碼、擰螺絲了。

　　正在消失的機(jī)器視覺公司

分享了這么多來自開發(fā)者和企業(yè)的大實(shí)話，我們也得給CV企業(yè)支支招。首先，機(jī)器視覺將在數(shù)字經(jīng)濟(jì)中占據(jù)很重要的份額，這個市場從未停止發(fā)展，還有大量場景需要圖像處理、圖像識別、目標(biāo)檢測等能力，CV可以大展身手的行業(yè)是非常多的。但是，未來或許我們會越來越少看到以純算法作為核心能力的機(jī)器視覺公司。

從技術(shù)上，CV需要與其他AI技術(shù)相結(jié)合，才能解決產(chǎn)業(yè)關(guān)心但尚未解決的復(fù)雜問題。

前面提到，產(chǎn)業(yè)中還存在大量AI所無法解決的場景，即便是AI應(yīng)用相對廣泛的質(zhì)檢、巡檢領(lǐng)域，也有著大量空白的細(xì)節(jié)場景，這些都是具有產(chǎn)業(yè)價值的。但CV無法作為單一技術(shù)去實(shí)現(xiàn)突破。比如CV與硬件的結(jié)合，替代人去一些高塔、雷區(qū)、山區(qū)進(jìn)行作業(yè)，需要機(jī)器視覺、機(jī)器人、芯片等方面的綜合能力。再比如，“AI四小龍”都在深入的智慧醫(yī)療領(lǐng)域，也曾有醫(yī)生表示，病理圖像中包含有很多的圖像信息，AI把這些信息提取之后，可以和基因組學(xué)、蛋白組學(xué)更加深入地進(jìn)行研究，而不只是目前這樣簡單的分割或分類。

從商業(yè)模式上，對于一些中小微企業(yè)來說，通過各大算法平臺、開發(fā)生態(tài)提供的開箱即用的工具/接口，未來將成為融合性的AI解決方案供應(yīng)商，而不僅僅聚焦于機(jī)器視覺能力。對于在CV賽道上具備優(yōu)勢的企業(yè)，讓機(jī)器視覺能力與攝像頭、處理器、5G、云等行業(yè)所需要的綜合技術(shù)與能力相融合，支持更多開發(fā)者和行業(yè)合作伙伴去打造更具行業(yè)價值和復(fù)雜度更高的模型，商業(yè)模式的重構(gòu)、成功的平臺化將拓寬機(jī)器視覺產(chǎn)業(yè)的深度和寬度。

正在消失的機(jī)器視覺公司背后，隱藏著這個轉(zhuǎn)型時代的底色：有人在潮漲潮落中成為過往云煙，有人在深水靜流中成為人生贏家。