计算机视觉这条产业链我从2022年下半年开始断断续续跟踪到2023年1月正好攒了一批值得梳理的观察。这个领域变化太快上游芯片方案每季度都在迭代中游算法公司的估值逻辑一年一个样下游落地场景更是从安防、工业质检一路铺到自动驾驶和医疗影像。我写这份笔记的初衷很简单把散落在各处的信息串成一条能看懂的线搞清楚谁在赚钱、谁在烧钱、钱从哪儿来、又流向哪里去。如果你是从业者、投资人或者单纯想弄明白计算机视觉到底怎么变成生意这件事这份梳理应该能帮你省下不少翻资料的时间。1. 为什么计算机视觉值得单独拉一条产业链来看1.1 它和泛人工智能的区别在哪里很多人把计算机视觉和人工智能混着说其实两者的关系更像专科和全科。人工智能是个大筐里面装着自然语言处理、语音识别、知识图谱、决策规划等一堆分支而计算机视觉专攻一件事让机器从图像或视频里提取出有意义的信息。这个专字决定了它的产业链形态跟其他AI分支很不一样。自然语言处理的核心资产是语料和模型边际成本低一个模型训练好了可以服务几亿用户。计算机视觉不一样它的落地高度依赖场景数据采集、硬件部署和现场调试每个项目都有大量脏活累活。这就导致计算机视觉的产业链比NLP更长、更重也更分散。你不能只盯着算法公司看上游的传感器、芯片、光学模组中游的数据标注、模型训练、部署工具链下游的行业集成和运维每一环都有独立的商业逻辑。我跟踪下来最大的感受是计算机视觉的AI含量其实没有外界想象的那么高。一个典型的视觉项目算法研发可能只占30%的工作量剩下70%是数据清洗、硬件适配、场景调优和客户沟通。这也是为什么很多纯算法背景的团队做项目会亏钱——他们低估了工程化落地的复杂度。1.2 2023年1月这个时间节点的特殊性选这个时间点做梳理是因为几个变量刚好叠加在一起。第一2022年全年计算机视觉相关企业的融资数据刚出来一级市场明显降温但工业视觉和医疗影像两个赛道逆势拿到了不少钱。第二大模型浪潮开始从NLP往视觉领域渗透ViT、CLIP这类视觉大模型的出现让很多人开始重新思考传统CV算法还有没有未来。第三上游芯片供应在2022年底出现结构性松动之前被炒到天价的某些推理芯片价格回落这对下游集成商是个利好。这三个变量叠加的结果是行业在洗牌但洗牌的方向不是谁算法强谁活下来而是谁能把算法变成稳定收入谁活下来。我见过太多技术很牛但商业闭环跑不通的团队也见过算法平平但深耕某个细分场景闷声赚钱的公司。这份笔记会尽量把这两类都覆盖到。1.3 这份梳理适合谁看如果你是在校学生想了解计算机视觉的产业全貌这份笔记能帮你建立从技术到商业的完整认知框架比只看论文和网课更接地气。如果你是刚入行的工程师它能让你明白自己写的代码在产业链的哪个位置以及上下游的人在想什么。如果你是投资或战略岗里面的细分赛道拆解和关键公司动态可以直接作为研究素材。当然这份笔记不是投资建议所有判断都基于公开信息和我的个人观察具体决策还得你自己做功课。2. 上游芯片、传感器与光学模组的真实格局2.1 推理芯片的选型逻辑远比想象中复杂计算机视觉项目里芯片选型是第一个分水岭。训练阶段大家基本都用通用GPU没什么好纠结的但推理阶段的选择就多了GPU、FPGA、ASIC、NPU每种都有各自的适用场景。我见过不少团队在选型上栽跟头要么是算力买多了浪费预算要么是买少了跑不动模型。选型的核心不是看峰值算力而是看有效算力。什么意思一块芯片标称100 TOPS但你的模型在上面实际能跑出多少帧取决于内存带宽、算子支持程度、量化精度损失等多个因素。我一般会建议团队先拿真实模型做benchmark别信厂商PPT上的数字。具体来说要关注三个指标第一目标模型在芯片上的实际推理延迟第二功耗和散热的实际表现第三工具链的成熟度也就是把模型部署上去要花多少人力。2023年初这个时间点边缘侧推理的主流选择还是英伟达的Jetson系列和华为昇腾系列但地平线、寒武纪、瑞芯微这些国产方案在特定场景下性价比已经很有竞争力。我实测过几个方案在工业质检这种对延迟要求不极端的场景国产芯片完全够用而且配套的SDK这两年进步很快。2.2 传感器和光学模组容易被忽视的利润池很多人聊计算机视觉产业链只盯着芯片和算法其实传感器和光学模组是个被低估的环节。一颗普通的工业相机镜头毛利可能比很多算法公司的净利还高。这个环节的特点是技术壁垒不在能不能做而在能不能做稳定。光学模组的良率控制、一致性保证、环境适应性测试这些都是需要长期积累的功夫。以3D视觉为例结构光、ToF、双目立体视觉三条技术路线各有各的适用场景。结构光精度高但受环境光影响大ToF响应快但分辨率偏低双目成本低但对纹理依赖强。我跟踪的几家模组厂商2022年都在往多模融合方向走也就是把两种以上技术集成到一个模组里用算法做互补。这个趋势在2023年会更明显因为下游客户越来越不愿意自己做传感器选型和融合他们想要的是开箱即用的视觉模组。注意选传感器时别只看参数表一定要拿实际场景的数据做验证。我见过标称精度0.1mm的结构光模组在强反光金属表面直接失效这种问题只有实测才能发现。2.3 芯片供应格局的微妙变化2022年下半年开始推理芯片的供应从抢不到变成挑着买。这个变化对产业链的影响是深远的。之前芯片厂商强势下游集成商没有议价权现在反过来了集成商可以要求更好的技术支持、更长的账期、更灵活的采购量。我认识几个做工业视觉集成的朋友2023年初都在重新谈供应商合同把之前被迫接受的一些条款改掉了。但供应宽松也带来一个问题芯片厂商之间的价格战可能加剧。这对下游是好事但对芯片公司本身是压力。我判断2023年推理芯片市场会经历一轮洗牌那些只有硬件没有工具链生态的厂商会比较难受因为客户越来越看重芯片SDK参考模型的整体交付能力。3. 中游算法公司的分化与生存法则3.1 通用算法平台的困境中游最热闹也最残酷的就是算法公司这一层。2023年初回看曾经风光无限的通用视觉算法平台故事基本讲不下去了。原因很简单通用意味着没有壁垒客户今天用你的明天就能换别家的最后只能拼价格。我跟踪的几家主打通用平台的创业公司2022年营收增长普遍放缓有些甚至出现负增长。通用平台的另一个问题是研发投入的无底洞。你要保持算法领先就得持续招人、持续训练模型、持续维护工具链但收入端又因为同质化竞争上不去。这个剪刀差在资本宽松的时候还能靠融资撑着一旦融资环境收紧立刻就会暴露。2022年好几家明星CV公司裁员根源都在这里。那通用平台是不是完全没机会也不是。如果能在某个垂直场景做到通用比如专门做零售货架识别或者专门做交通违章检测把场景内的长尾问题都解决掉那还是有价值的。关键是别贪大求全别想着做一个什么都能识别的平台。3.2 垂直场景深耕者的机会窗口跟通用平台形成鲜明对比的是那些深耕单一场景的算法公司。我观察到一个规律越是脏乱差的场景越容易建立壁垒。比如工业质检里的布匹瑕疵检测、PCB板缺陷检测这些场景的数据获取难、标注成本高、客户需求碎片化大公司不愿意做通用平台做不好反而给了小团队生存空间。这类公司的核心竞争力不是算法有多先进而是场景理解数据积累交付能力的组合。我认识一个做瓷砖表面缺陷检测的团队总共不到二十人但在这个细分领域做到了头部年营收几千万利润很健康。他们的算法其实不复杂但积累了几十万张标注好的缺陷样本新进入者很难在短时间内追上。2023年这个趋势会更明显资本不再为技术故事买单而是为收入质量买单。有稳定客户、有复购、有正向现金流的垂直算法公司会比通用平台更容易拿到融资。3.3 数据标注环节的工业化升级数据标注是计算机视觉产业链里最不起眼但最不可或缺的一环。2023年初这个环节正在经历从劳动密集型向工具密集型的转变。传统的标注模式是人海战术一个项目招几百个标注员成本高、质量不稳定、管理难度大。现在越来越多的标注公司开始用预标注人工修正的模式先用模型跑一遍初稿人工只做修正和审核效率能提升三到五倍。这个变化对算法公司是利好标注成本降下来了模型迭代速度就能上去。但对纯做标注服务的公司是压力因为客户越来越倾向于自己买标注工具而不是外包。我判断2023年标注工具市场会有一波增长尤其是支持主动学习Active Learning的工具能自动挑选最有价值的样本让标注员处理进一步降低标注量。3.4 模型部署工具链的暗战模型训练只是第一步把训练好的模型部署到实际硬件上跑起来是另一个技术战场。这个环节的工具链成熟度直接决定了算法公司的交付效率。2023年初主流的部署方案有TensorRT、OpenVINO、ONNX Runtime、TFLite等各有各的生态和适用场景。我实测下来的感受是没有哪个工具链是万能的。TensorRT在英伟达硬件上性能最好但绑定英伟达生态OpenVINO在英特尔平台上优化到位但算子支持不如TensorRT全ONNX Runtime跨平台性好但性能调优空间有限。算法公司通常需要维护多套部署方案这本身就是不小的工程负担。这个痛点催生了一批做模型部署中间件的公司它们提供统一的接口底层自动适配不同硬件和工具链。这个方向我觉得有戏因为下游客户越来越不想被单一硬件厂商绑定中间件的价值就体现出来了。4. 下游落地场景的冷热不均4.1 安防视觉的天花板与转型压力安防是计算机视觉最早规模化落地的场景也是过去十年养活了一大批CV公司的现金牛。但到2023年初这个市场的增长明显放缓了。原因有几个第一一二线城市的摄像头覆盖率已经很高新增需求主要来自三四线城市和农村但预算有限第二政府对数据隐私和合规的要求越来越严一些之前能做的项目现在做不了了第三客户不再满足于看得见而是要求看得懂和能预测这对算法提出了更高要求。我跟踪的几家安防视觉公司2022年都在往安防方向转型比如安防交通、安防社区管理、安防应急指挥。转型的逻辑是把视觉能力从单纯的监控扩展到业务流程优化从卖软件变成卖解决方案。这个方向对但执行难度大因为每个行业的业务流程都不一样需要重新积累行业知识。4.2 工业视觉最被看好但也最考验耐心的赛道工业视觉是我个人最看好的方向没有之一。原因很直接制造业的自动化升级是长期趋势而视觉检测是自动化产线上不可或缺的一环。这个市场的特点是需求分散、项目制为主、客户付费意愿强但要求苛刻。工业视觉的难点在于非标。每个工厂的产线布局、产品形态、检测标准都不一样很难用一套标准化产品打天下。这就要求团队既懂视觉算法又懂工业现场还得有耐心做定制化交付。我见过不少互联网背景的CV团队杀进工业视觉结果被现场的各种意外情况搞得焦头烂额最后铩羽而归。但一旦在某个细分行业站稳脚跟客户粘性是很高的。因为产线一旦用了你的检测方案换供应商的成本很高涉及重新调试、重新验证、重新培训操作人员。所以工业视觉是个慢生意前期投入大但后期回报稳定。4.3 自动驾驶视觉预期回归理性后的真实进展自动驾驶在2021年之前是计算机视觉最热的落地场景资本疯狂涌入估值水涨船高。但到2023年初这个领域已经明显降温。L4级全自动驾驶的商业化比预期慢得多很多公司开始转向L2/L3级辅助驾驶或者干脆去做矿区、港口、园区等封闭场景的自动驾驶。从视觉技术角度看自动驾驶对算法的要求是所有场景里最高的实时性要求毫秒级可靠性要求接近100%还要处理各种极端天气和光照条件。我跟踪的几家自动驾驶视觉方案商2022年都在往BEVTransformer架构上转用鸟瞰图视角统一处理多摄像头输入效果确实比传统方案好但算力消耗也上去了。这个领域的产业链格局还在剧烈变化中2023年应该会看到更多整合和退出。对视觉算法公司来说给自动驾驶做供应商是个高风险高回报的选择成了就是长期大单不成可能连研发成本都收不回来。4.4 医疗影像高门槛背后的高价值医疗影像是我认为最被低估的计算机视觉落地场景。这个领域的门槛极高需要医疗器械认证、需要临床验证、需要跟医院建立信任关系周期动辄两三年。但一旦拿到认证并进入医院采购目录收入就非常稳定而且竞争格局比安防和工业视觉好得多。2023年初国内已经有几款AI辅助诊断软件拿到了三类医疗器械注册证主要集中在对眼底糖网、肺结节、骨折等病种的辅助诊断上。这些产品的商业模式还在探索中有的按次收费有的按年订阅有的跟设备厂商捆绑销售。我判断这个市场会在2023到2025年进入快速成长期因为医院对AI辅助诊断的接受度在提高医保支付政策也在逐步明朗。5. 那些容易被忽略的配套环节5.1 视觉数据管理与隐私合规计算机视觉项目会产生海量的图像和视频数据这些数据的存储、检索、脱敏、合规使用是个被严重低估的环节。2023年初随着数据安全相关法规的落地很多之前先用着再说的做法行不通了。我见过一个做零售客流分析的团队因为没做好人脸脱敏被客户要求整改项目延期了三个月。这个环节的机会在于合规工具化。也就是把数据脱敏、权限管理、审计追踪这些功能做成标准化工具让算法公司不用自己从头开发。我判断2023年会有更多公司切入这个方向尤其是那些有安全合规背景的团队。5.2 视觉模型的测试与验证模型上线前的测试验证是保证交付质量的关键环节但很多团队做得不够系统。我见过太多在实验室跑得好好的到现场就翻车的案例。视觉模型的测试跟传统软件测试不一样它需要覆盖各种光照、角度、遮挡、天气条件还要考虑对抗样本和分布外数据。一个实用的做法是建立场景测试集把实际场景中遇到的各种边界情况都收集起来每次模型更新都跑一遍。这个测试集的价值会随着时间积累越来越高因为它记录了真实世界的复杂性是任何公开数据集都替代不了的。5.3 视觉项目的成本结构拆解很多人好奇计算机视觉项目到底怎么赚钱、成本花在哪里。我根据跟踪的案例大致拆一下一个典型工业视觉项目的成本结构硬件采购相机、镜头、光源、工控机约占30%到40%软件开发算法界面集成约占20%到30%现场部署和调试约占15%到20%售后维护约占10%到15%。注意这只是硬件软件的项目制交付如果是纯软件授权模式成本结构会完全不同。这个成本结构说明一个事计算机视觉项目里硬件占比很高所以规模效应没有纯软件那么明显。这也是为什么很多CV公司做大了反而不赚钱——营收增长伴随着硬件采购和人力成本同步增长毛利率上不去。6. 2023年值得关注的几个技术变量6.1 视觉大模型对传统CV的冲击与融合2022年CLIP、ViT这些视觉大模型的出现让很多人开始讨论传统CV算法是不是要淘汰了。我的判断是不会淘汰但会融合。视觉大模型在零样本分类、跨模态检索这些任务上确实强但在需要高精度定位和实时推理的场景传统卷积网络和专用算法仍然有优势。2023年更可能看到的趋势是大模型预训练小模型微调的组合。也就是用大模型做特征提取和预训练然后针对具体场景微调一个小模型做部署。这样既利用了大模型的泛化能力又保证了推理效率。我跟踪的几家算法公司已经在往这个方向走了。6.2 3D视觉与2D视觉的边界模糊传统的2D视觉做检测和识别3D视觉做测量和定位两者分工明确。但2023年初这个边界在模糊。越来越多的项目要求2D3D融合比如既要识别物体是什么又要知道它在三维空间中的精确位置和姿态。这对算法和硬件都提出了新要求也催生了一批做3D视觉方案的公司。3D视觉的产业链比2D更长因为涉及深度传感器、点云处理、三维重建等多个环节。我判断这个方向在2023年会吸引更多关注尤其是在机器人抓取、物流分拣、自动驾驶这些需要三维空间理解的场景。6.3 边缘计算与云边协同的落地进展计算机视觉的推理正在从云端往边缘端迁移这个趋势在2023年会更明显。原因有三第一边缘推理延迟低适合实时性要求高的场景第二边缘推理不依赖网络可靠性更高第三数据不出本地隐私合规压力小。但边缘计算也有局限算力有限、存储有限、运维困难。所以云边协同成了主流方案——训练在云端推理在边缘云端负责模型更新和全局管理边缘负责实时处理。这个架构对工具链的要求很高需要解决模型分发、版本管理、边缘监控等一系列问题。我跟踪的几家做边缘计算平台的公司2023年都在补这块能力。7. 跟踪产业链这几个月我自己的几点体会跟踪计算机视觉产业链这段时间最大的体会是这个行业正在从技术驱动转向场景驱动。前几年大家比的是谁的算法在公开数据集上跑分高现在比的是谁能在真实场景里稳定交付、持续赚钱。这个转变对技术人来说是好事也是挑战好事是技术终于要落地了挑战是光懂技术不够了还得懂场景、懂客户、懂成本。第二个体会是产业链各环节的利润分布很不均匀。上游芯片和高端传感器利润丰厚但壁垒极高中游算法公司竞争激烈利润被挤压下游集成商靠规模和客户关系赚钱但现金流压力大。如果你想进入这个行业先想清楚自己能在哪个环节建立优势别盲目往最热的地方挤。第三个体会是国产替代在加速但差距仍在。芯片、传感器、工业相机这些环节国产方案在性价比和服务响应上已经很有竞争力但在高端产品和核心器件上还有差距。这个差距不是一朝一夕能追上的需要整个产业链的协同进步。最后分享一个我跟踪产业链的小方法别只看新闻和研报多去展会现场跟厂商聊多找一线工程师问实际使用体验。很多真实信息不在公开资料里而在从业者的日常交流中。我很多判断都是跟做项目的朋友聊天聊出来的比看十份研报都管用。