计算机视觉：被高估的概念，还是被低估的产业
去年在上海逛全球人工智能博览会，挤在计算机视觉展区的时候，碰到一个干了十年安防的老炮。他叼着烟靠在柱子上笑，说这一圈走下来，一百个展商有九十个说自己“颠覆行业”，真能按月回款的，掰着手指头数得过来。
计算机视觉卷积神经网络特征提取示意图
说白了，它所有的“认知”都来自训练样本，没有见过的场景，它根本处理不了。很多创业公司喜欢拿实验室里准确率说事儿，可实验室的场景都是标准化的，光线固定、背景干净、类别就那几十种，放到真实世界里，随便一点变化就能把准确率打回到百分之八十以下。
这就是很多项目跑不起来的核心原因。大家都盯着“通用视觉”吹牛皮，却故意不说清楚，现在的技术，边界就摆在那。
工业生产线计算机视觉缺陷检测场景图
这种场景，计算机视觉就是降维打击。
不过话说回来，死掉的项目比活下来的多得多。前几年火得一塌糊涂的无人货架，说靠计算机视觉自动识别拿了什么商品，不用扫码。结果呢？货架放在开放办公室，阳光早上斜射下午直射，光线一变，包装颜色浅一点，就认错了，最后一算成本，算法加摄像头的成本，比雇一个兼职理货扫码还贵三倍，不到两年全撤光了。
现在跑通的所有计算机视觉项目，几乎都符合三个共性：背景固定、类别有限、容错率高。符合这三个条件，计算机视觉就是能打，不符合，吹得再神也活不下来。
哪怕是最火的自动驾驶领域，也是一样。纯视觉路线吵了这么多年，特斯拉吹了快十年，还是免不了把静止的拖车当成空中背景牌，出了人命，本质就是碰到了训练数据里少见的长尾场景，直接拉胯。现在靠谱的量产方案，全是多传感器融合，计算机视觉负责识别，激光雷达负责测距容错，没人敢把所有宝压在纯视觉上。
未来三年：坑在哪，机会在哪
首先说坑，第一个就是合规伦理的红线。前几年人脸识别乱采滥用，什么小区门禁强制刷脸，商场厕所装人脸识别抓偷纸，连健身房都装人脸识别统计你练了多久。现在《个人信息保护法》出台之后，不合规的项目全死了，接下来这个红线只会更紧，任何涉及个人生物信息的视觉应用，没有明确授权，碰都不要碰，碰就是死。
第二个坑是大模型的幻觉陷阱。现在多模态大模型火了，很多人喊着“通用计算机视觉来了”，说实话，大模型的幻觉问题放到视觉领域，比文本领域危险一百倍。比如医疗影像识别，把良性结节看成恶性，那就是给正常人开刀，人命关天；漏了恶性结节，就是直接的医疗事故。现在大模型的稳定性，还远远撑不起这种高风险场景，想落地还要走很远的路。
再说机会，未来三到五年，最大的机会不在C端的噱头，在垂直工业场景的落地。现在国内制造业升级，大量重复性的视觉检测工作没人愿意干，刚好给计算机视觉留了巨大的缺口。我知道有家创业公司，专门给苹果产业链做手机屏幕玻璃的划痕检测，原来人工检测一块玻璃要三十秒，准确率九十五，现在计算机视觉检测三秒一块，准确率九十九点九，直接把整个工厂的检测工人砍掉了三分之二，去年光这一个细分场景就赚了两个亿。
还有农业，现在无人机带计算机视觉识别，飞一遍就能数清楚一亩地有多少棵病株，产量大概多少，比人工跑遍田块准一倍，成本还不到十分之一。仓储领域的3D视觉分拣，乱堆在一起的快递、零件，原来机器人抓不了，现在3D视觉加轻量模型，机器人随手就能抓，效率比人工高三倍。
我判断，接下来三年会越来越多垂直小模型替代通用大模型，针对一个具体场景训出来的小模型，大小只有几百兆，能直接部署在工厂的边缘设备上，不用连云端，隐私合规，响应还快，成本比调用通用大模型低太多。
很多人说计算机视觉已经卷成红海了，我看不对。红海都是那些所有人都看得懂的通用场景，比如人脸识别，早就杀得头破血流。真正的蓝海，在一个个还没被数字化的细分产业里，把一个小场景的问题解决透，就能赚大钱。不用天天喊着颠覆世界，能帮工厂少招十个验布工人，能帮农民少跑十趟田埂，就是计算机视觉最大的价值。
别被概念骗了，计算机视觉的核心边界在哪
很多人提起计算机视觉，第一反应是“让机器像人一样看懂世界”。这话是骗投资人的。机器从来不会“看懂”，它只会找像素里的匹配模式。 这很关键。 从最早的人工提取SIFT特征，到深度学习爆发后卷积神经网络的端到端训练，计算机视觉的准确率涨了几十倍，可底层逻辑从来没变过：你喂它多少数据，它就有多少能力，数据覆盖不到的地方，全是盲区。你拿一张沾了半杯水的100块人民币，人眼扫一秒就认得出，换成很多号称准确率99%的识别模型，马上就错。计算机视觉卷积神经网络特征提取示意图
说白了，它所有的“认知”都来自训练样本，没有见过的场景，它根本处理不了。很多创业公司喜欢拿实验室里准确率说事儿，可实验室的场景都是标准化的，光线固定、背景干净、类别就那几十种，放到真实世界里，随便一点变化就能把准确率打回到百分之八十以下。
这就是很多项目跑不起来的核心原因。大家都盯着“通用视觉”吹牛皮，却故意不说清楚，现在的技术，边界就摆在那。
落地才见真章：现在真的跑通的场景有哪些
不是说计算机视觉没用，恰恰相反，能打的场景真的赚大钱。 我去过江浙一带的纺织印染厂，原来验布全靠老工人，一个工人一天站八个小时，盯着几十米的布找破洞、跳线，干不到十年眼睛就花了，月薪开到一万二都招不到年轻人。现在呢？一台带计算机视觉算法的工业扫描设备，对着布走一遍，十几分钟就把一整卷布的所有缺陷标得清清楚楚，漏检率比十年老工人还低五个点，设备成本不到一年就能赚回来。工业生产线计算机视觉缺陷检测场景图
这种场景，计算机视觉就是降维打击。
不过话说回来，死掉的项目比活下来的多得多。前几年火得一塌糊涂的无人货架，说靠计算机视觉自动识别拿了什么商品，不用扫码。结果呢？货架放在开放办公室，阳光早上斜射下午直射，光线一变，包装颜色浅一点，就认错了，最后一算成本，算法加摄像头的成本，比雇一个兼职理货扫码还贵三倍，不到两年全撤光了。
现在跑通的所有计算机视觉项目，几乎都符合三个共性：背景固定、类别有限、容错率高。符合这三个条件，计算机视觉就是能打，不符合，吹得再神也活不下来。
哪怕是最火的自动驾驶领域，也是一样。纯视觉路线吵了这么多年，特斯拉吹了快十年，还是免不了把静止的拖车当成空中背景牌，出了人命，本质就是碰到了训练数据里少见的长尾场景，直接拉胯。现在靠谱的量产方案，全是多传感器融合，计算机视觉负责识别，激光雷达负责测距容错，没人敢把所有宝压在纯视觉上。
未来三年：坑在哪，机会在哪
未来三年：坑在哪，机会在哪
首先说坑，第一个就是合规伦理的红线。前几年人脸识别乱采滥用，什么小区门禁强制刷脸，商场厕所装人脸识别抓偷纸，连健身房都装人脸识别统计你练了多久。现在《个人信息保护法》出台之后，不合规的项目全死了，接下来这个红线只会更紧，任何涉及个人生物信息的视觉应用，没有明确授权，碰都不要碰，碰就是死。
第二个坑是大模型的幻觉陷阱。现在多模态大模型火了，很多人喊着“通用计算机视觉来了”，说实话，大模型的幻觉问题放到视觉领域，比文本领域危险一百倍。比如医疗影像识别，把良性结节看成恶性，那就是给正常人开刀，人命关天；漏了恶性结节，就是直接的医疗事故。现在大模型的稳定性，还远远撑不起这种高风险场景，想落地还要走很远的路。
再说机会，未来三到五年，最大的机会不在C端的噱头，在垂直工业场景的落地。现在国内制造业升级，大量重复性的视觉检测工作没人愿意干，刚好给计算机视觉留了巨大的缺口。我知道有家创业公司，专门给苹果产业链做手机屏幕玻璃的划痕检测，原来人工检测一块玻璃要三十秒，准确率九十五，现在计算机视觉检测三秒一块，准确率九十九点九，直接把整个工厂的检测工人砍掉了三分之二，去年光这一个细分场景就赚了两个亿。
还有农业，现在无人机带计算机视觉识别，飞一遍就能数清楚一亩地有多少棵病株，产量大概多少，比人工跑遍田块准一倍，成本还不到十分之一。仓储领域的3D视觉分拣，乱堆在一起的快递、零件，原来机器人抓不了，现在3D视觉加轻量模型，机器人随手就能抓，效率比人工高三倍。
我判断，接下来三年会越来越多垂直小模型替代通用大模型，针对一个具体场景训出来的小模型，大小只有几百兆，能直接部署在工厂的边缘设备上，不用连云端，隐私合规，响应还快，成本比调用通用大模型低太多。
很多人说计算机视觉已经卷成红海了，我看不对。红海都是那些所有人都看得懂的通用场景，比如人脸识别，早就杀得头破血流。真正的蓝海，在一个个还没被数字化的细分产业里，把一个小场景的问题解决透，就能赚大钱。不用天天喊着颠覆世界，能帮工厂少招十个验布工人，能帮农民少跑十趟田埂，就是计算机视觉最大的价值。 
