从整个机器视觉的领域来讲，它是处在快速的重构期，通过市场分析来看，机器视觉并不是特别新兴的领域，这从最早图像处理衍生到现在，市场上有很多大的厂商对智能安防和交通做了很久的深耕，他们最开始不是做机器视觉、人脸识别起家的，在这几个行业中很多厂商都处于并驾齐驱、快速发展阶段。

通过对产业全景图梳理的大体的框架可以看到，整个人工智能全产业链包括基础设施、技术研发和应用层三个层面。

通过对整个基础设施层的深入剖析，包括一些重点厂商和重点行业应用，其实可以看到，基础设施层存在问题。现在很多的传感器，包括一些机器视觉的识别，它的多元数据是很难融合，去协同的，它的数据不能对多元化协同开发，还存在着一定的障碍，这是目前在基础设施层存在的一些问题。我们认为未来的突破，一个是软件算法的快速迭代、快速的更新。在这个层面上中国其实是跟全世界很多国家一样，都处在非常相似的起跑线上，大家对这个算法的突破能力都是非常强的。在软件算法层面是我们未来的重要突破方向。另一方面就是硬件的计算芯片，这是未来的主攻方向，尤其是现在最热门的AI芯片，这是未来重点发展方向。

简单分析一下目前主流的计算芯片包括GPU，这包括服务器，还有边缘计算，基本上都用这两类计算芯片完成人工智能，包括机器视觉整个运算能力。从整个趋势来讲，基本上分为两个特征，就是云端会存在高吞吐，本地化存在小快灵的特征。这是什么意思呢？现在很多的机器视觉、很多的数据源汇总到云端需要占用大量网络带宽，这对我们提出很严峻的挑战，交通、安防数据都需要通过云端处理，业界同行都认为未来的趋势，就是需要将这种运算的功能边缘化，当然提供一些时延必须要低，这是未来主要的方向，本地的移动化AI芯片。

当然这是技术研发层层面，其实核心的问题就是一点，机器学习是推动了整个计算机视觉的精度，包括效率的提升，这是在机器学习领域对整个计算机视觉重要的突破性影响。

分析应用层场景发现机器视觉对硬件推动非常明显，比如说无人机，可能最早不具备机器视觉，例如大疆无人机，它推出智能避障，现在添加了是为了提升产品的性价比。

通过分析在应用层的产品存在的问题，我们认为机器视觉未来的突破领域，也是刚才说的，还有就是三维的视觉重建，这当然是技术视觉的算法层面。另一方面未来的无人设备，将会是一个非常重要的突破点。

全球人工智能战略格局

对比全球目前主要国家在人工智能包括机器视觉方面的战略部署，我们可以看到，在美国、日本、欧洲已经很早就提出了相应的重大的战略部署，而且从他们的战略的实施层面和纬度，以及深度和力度来讲，可以看出美日韩在抢跑战略。从具体几个目标来看，美国关注的非常早，在去年白宫提出了人工智能计划之后，其实已经紧密召开了四次，从学界、企业，包括社会的整个沟通会讨论，相当于社会整个伦理，包括科技进步的征集形式，在声势上非常浩大。