技术、政策和资本是目前驱动计算机视觉产业发展的三大助推器。在技术方面,由于互联网、移动设备、传感器等技术的进步,全球每天都源源不断地生成大量新数据。根据 IDC 数据,在 2011 年后,全球数据量已超过 10 亿 GB,预计至 2025 年数据总量将超过 160ZB。这些大数据成为了孕育深度学习技术的土壤。
另外,英伟达等企业推出的深度学习加速设备消除了制约计算机视觉发展的最大瓶颈之一——设备计算能力。深度学习加速设备大多使用了图像处理器(GPU)作为主要的计算单元。GPU 与传统的 CPU 相比拥有了更多的核心,因此能够更高效地处理并行任务。这种特性在训练神经网络中展现出了显著的优势,因此目前 GPU 已经被普遍运用于加速深度学习。经过 GPU 加速后,神经网络的训练时间能够大幅缩减。
在政策方面,世界各国政府都出台了鼓励人工智能技术发展的相关政策。近年来,我国也相继发布了支持人工智能技术领域发展的相关文件。计算视觉作为人工智能技术的最重要应用之一,会高度受益于各类鼓励政策。例如《国务院关于积极推动“互联网+” 行动的指导意见》将人工智能作为重点布局领域,智慧城市、智能制造等细分方向均会收到广泛支持,而计算机视觉作为其中的支撑性技术也将迎来良性发展。
在资本方面,计算机视觉广阔的前景吸引了众多机构的投资,从而进一步促进了行业的繁荣。Ventrue Scaner 数据显示,截至 2015 年,全球 957 家人工智能公司的融资总额约为 48 亿美元。无论是在公司数量上,还是融资总额上,计算机视觉企业在近千家人工智能公司中均名列前茅。其中 2015 年计算机视觉公司在全部人工智能公司中占比约为 20%,而平均融资额则接近 2100 万美元。
在技术、政策、资本等多方因素的共同助推下,计算机视觉行业规模预计会在未来持续增长。在全球范围内,计算机视觉行业近年来一直保持高度景气,国内市场同样维持高增长。以人脸识别为例,根据中国市场调查网预测,自 2016 年起,中国的人脸识别行业市场规模将会一直呈现增长趋势。到 2021 年,人脸识别市场规模预计将会超过 51 亿元。在人脸识别的带动下,总过视频监控市场有望突破千亿。除人脸识别外,视屏监控、无人驾驶等计算机视觉细分领域的市场规模也预计会迎来较大增长。
【版权提示】观研报告网倡导尊重与保护知识产权。未经许可,任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题,烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至kf@chinabaogao.com,我们将及时沟通与处理。