无论你是这个行业的参与者，或仅仅是好奇，都不妨听听这群勇敢且聪明的人，都说了些什么。
今天的分享者来自了然视觉科技董事长王飞。了然视觉科技是一间计算机视觉公司，其核心技术来源于航天任务，团队技术储备积累有20年的历史，曾参与“遨龙一号”空间碎片清除及“嫦娥五号”月壤采集及“天宫空间站”建设等项目。
计算机视觉，是指通过对视觉设备捕捉的信息进行计算处理，以代替人眼对目标进行识别、跟踪和测量等功能的机器视觉技术。以下是他对计算机视觉行业的一些观点：
计算机视觉行业难在哪？
最难以克服的点，就是环境适应性。
计算机视觉需要通过深度学习训练来提升，深度学习的基础是对海量样本进行训练，不断迭代优化准确度，因此对样本的依赖性极强。深度学习应用会因为跨场景而导致训练样本彻底改变，甚至在同一个场景中的不同客户，都可能因为环境光、震动、遮挡等变化导致分析结果不同。
所以只要场景切换，样本就需要重新训练。
样本很难覆盖所有条件，而且即使真能穷举出所有的可能状况，公司也可能无法承受资金、人力和算力的投入。因此只要环境中存在一些随机性，计算机视觉技术就比较难适应。这种适应能力的不足，是目前面临最大的痛点，整个行业规模效应大小，取决于如何解决这个问题。
深度学习是通过人工神经网络分析学习样本，发现其内在规律的一种方式，学习样本的过程也被称为训练。此技术已被广泛引用于文字、语言、图像、视频分析等诸多领域。
如何提升计算机视觉公司的规模效应？
只做个别场景就会很难持续经营。我相信很多公司都有这个理想：通过技术产品，不断拓展使用场景，使计算机视觉技术能产生足够强的规模效应，逐渐长成一个通用平台。
就目前来看，大家都囿于“个别场景”，一旦别家技术能对现有经营场景实现更好的包容，那么其余公司的业务阵地就有风险——除非某个场景足够大，大到源源不断投入后还能有足够收入。
要实现通用平台很难，我认为，想做成这事的人，起码要具备两种能力：
首先，要有能力抽象出行业需求。技术人员不能只看表面，而需要对机器视觉的整体的理论、方法有足够了解，并具有工程化的能力，从非常底层开始思考业务，提炼出共性需求。
其次，是要更全面地累积机器视觉领域的算法。想实现通用平台的目标，最终要靠算法，但不能偏科，如果只集中做一个点，涵盖就会受限。
想做通用平台，最难的部分是什么？
最难的是：找到一种能持续运行的模式，让技术创新和产业应用相互促进、可持续循环发展。现在技术还有很大进步空间，仍需要持续搞技术创新，不断优化产品，这将是一笔巨大的投入。
研发投入很可能会严重影响公司的商业表现，所以很难指望哪家公司独立完成通用产品。我们采取“产学研用”结合的方式，把高校科研团队与产业做深度融合，让学术研究和商业发展相辅相成，能持续且有前瞻性地做研究和发展。
我们目前对有部分相似性场景进行了融合尝试，得到了还不错的初步反馈效果。预期三到五年左右的时间，市场上就会出现逐渐具备可用性的产品了。「了然视觉科技」的第一代通用产品已基本成型，但这种产品研发工作是无止境的，因为应用场景会随着社会与市场的变化而不断变化。
工业视觉有何特殊之处？
计算机视觉产品通常要解决应用中的两大问题，定性分析和定量分析。比如在人群中去寻找出张三、李四在哪里，就是定性分析。在定性分析当中，基于深度学习的视觉技术已经较为成熟，可以达到非常好的效果。
在工业领域里，除了要定性分析外，很多定量的分析必不可少。比如操作台上的一个零件，我需要知道它的大小、尺寸以及精确的三维姿态信息。这些工业产线的具体操作目标，仅仅通过机器学习暂时还解决不了，还需要运用许多经典的计算机视觉技术。
注：工业视觉是指视觉技术在工业自动化领域的应用。主要用于产品定位、测量、检测等用途，通常对精度要求较高。
如何看待计算机视觉公司的亏损现状？
目前很多计算机视觉公司还未形成稳定的商业模式。比如大家熟知的AI四小龙，它们的产品技术仍处于探索应用场景的阶段，在尝试建立新的商业模式的过程中，公司面临的问题很复杂。我相信未来商业生态成熟后，他们的营收可能会产生质的变化，但现在还需要给它们更多时间和资金去探索。
商汤、旷视、云从、依图四家公司被外界普遍称为“AI四小龙”。截至2021年9月16日，四家公司均未正式挂牌交易，但它们招股的说明书显示，四家公司暂时均处于亏损状态。
工业视觉公司的商业模式跟AI四小龙并不一样。因为工业视觉公司定位清晰，就是要提升工业生产效率，并不需要为客户创造新的商业模式。作为企业经营者，只需要考虑采用技术后是不是能降本增效，就知道是否能实现共赢。
工业制造企业的发展历史长，所以商业模式及行业结构都相对稳定。康耐视、基恩士等国际工业视觉巨头已经上市多年，都有着非常稳定的规模利润。
康耐视是1981年成立的美国企业，据财务报表显示，公司2020年净利润为1.76亿美元；基恩士为1974年成立的日本公司，据财务报表显示，公司2020年净利润为1981亿日元（约18亿美元）。
工业视觉产业正在发生什么变化？
最显著的变化，就是国内本土企业的崛起。
仅仅在三五年前，在汽车及汽车零部件制造行业，国内的品牌还难觅踪影。美国的康耐视、日本基恩士，还有一些德国与瑞典的公司规模都很大，它们占据了压倒性的优势。这个行业在欧美起步比较早，且欧美国家工业制造水平较高，所以他们刚进入中国市场的时候，就已经就有了海外多年的技术积累，产品成熟度、技术先进性都很高。
但趋势在变，国内的本土优势正在显现，我觉得主要有下列几点原因：
- 中国企业与用户可以做到无缝交流，在技术需求、工作环境、用户理解力、响应能力等领域都有着明显优势；
- 现在国家在现代高新技术方面给予了很强力的引导性政策；
- 与国外相比，国内的研发周期、新的方法到应用行业的链路较短，时间、资金、人力成本，都有相对优势；
- 随着国家产业链的完善，中国企业从部件生产、采购到系统化的制造成本逐渐具有全球竞争力；
- 现在中国基础研究和应用研究的气氛都空前高涨，我们国家的科研实力这几年突飞猛进，在技术基础方面缩小了与国外的差距。
本土自主品牌目前最需要什么？
我提到了许多工程和技术层面的事情，这里我还想提个跟技术没什么关系的，就是民族品牌的自信。
行业的发展需要我们整个国家，甚至国民层面上，需要有认识到民族品牌、自主品牌的崛起，是需要大家支持才能迈出第一步。比如说，以前国产车与进口汽车、合资汽车比，还有很大差距，价格卖不上去，销量也不行。但这几年变化就很大，有很大的原因是，大家慢慢对整个国有汽车的这个品牌的认知度、信任度在提升。
工业视觉也一样，现在我们整体技术不弱于外国，产品也非常好。但受限于用户对产品的认知度和信任度，还需要有个过程，我希望再快点。
