详情介绍

视觉人工智能行业市场前景及重点企业分析（附报告目录）

1、国家及地方政策的大力支持

视觉人工智能行业为下游各行业提供基础支持技术，广泛应用于各类人工智能细分领域。政府积极出台政策促进人工智能技术发展和应用，深化落实与视觉人工智能息息相关的人工智能、智能制造、信息化和工业化的相关政策，为视觉人工智能的发展提供了政策与配套资源支持。

相关报告：北京普华有策信息咨询有限公司《2020-2026年视觉人工智能行业全景深度调研与投资前景预测报告》

工信部印发《促进新一代人工智能产业发展三年行动计划（2018-2020年）》，中国电子技术标准化研究院发布《人工智能标准化白皮书（2018年版）》，科技部成立人工智能发展研究中心，教育部印发《高等学校人工智能创新行动计划》等密集跟进，地方层面已有包括上海、北京、广东、浙江等在内的至少27个省市及地区发布相关规划文件或扶持政策，在印发主体进一步下沉的同时，部分规划内容已开始逐渐落地。受到国家及地方政策的支持，视觉人工智能相关企业呈现快速增长态势。

2、5G技术将带动视觉人工智能的进一步发展

目前，视觉人工智能在全球范围内的应用集中于智能消费和智能制造等领域，成效显著，细分领域不断扩大。随着技术的不断发展，视觉人工智能能够识别信息的种类从最初的文字信息，到人脸，人的体态，以及各种不同的物体的识别。识别精度也从最初的1：1比对，到用于门禁系统等的1：N比对，以及用在黑名单监控等场景的M：N动态监控，同时数据标注的自动化程度极大提高，进一步提高识别效率，降低识别成本。

目前，全球移动智能终端设备迅速普及，移动智能终端的拍摄能力和计算机视觉技术发展迅猛，大量的图像数据和计算数据需要快速有效地提取、分析。5G技术的应用，进一步推动了“边缘计算”和“端计算”的发展。作为一种运算架构，“边缘计算”和“端计算”可以在人脸识别、信息比对、智能驾驶等方面，实现对云计算的延伸与扩展，可以在更靠近用户侧的节点上完成图像的分析识别。通过将边缘计算、端计算，与云计算相结合，使边缘节点聚焦于图像的实时、短周期处理，而中心节点聚焦于非实时、长周期的数据处理，从而可以有效地降低网络延迟，缓解网络带宽与数据中心压力，提高服务的响应速度。

3、视觉人工智能技术推动多行业产业链的重构

视觉人工智能技术出现了广阔的应用前景，不仅能够带来生产效率的提升，而且还催生了新的产业和新的商业模式，推动多行业产业链的重构。视觉人工智能技术产业化落地应用程度不断提高，包括在智能手机、智能汽车、智能安防、智能家居、智能保险、智能零售、互联网视频等领域均有广泛的应用，并形成全新的产业链条与全新的商业经营模式。可以预见，随着视觉人工智能技术不断发展，行业应用解决方案的建立和完善，以及政府对视觉人工智能行业的政策扶持，视觉人工智能行业的应用场景将进一步渗透，助力各应用行业解决业痛点，提高运营效率，实现行业转型和升级，视觉人工智能需求前景广阔。目前视觉人工智能技术已经推动智能手机、智能汽车、智能安防、智能金融等诸多新产业的发展，未来在智能汽车、智能家居等IoT领域及智能保险领域，将逐步全方位为产业赋能，助力新产业升级。

随着视觉人工智能技术的发展，应用场景的不断丰富，智能设备人机交互的界面智能化水平不断提高，将创造出更加多元、更加立体的业态形式，推动着未来商业现代化的发展。

4、无人零售店应用视觉人工智能让零售更智能

在智能零售领域，从当前市场环境来看，零售业发展已进入“新零售时代”，线上线下融合、消费闭环是发展方向。从零售企业经营看，不断上涨的人工成本是制约企业盈利增长的主要瓶颈，少人化、无人化无疑是削减人力成本的重要方向。无人零售店应用视觉人工智能、大数据、物联网等技术，比有人零售更全面、准确、迅速地了解顾客需求，增强消费者体验，同时有助于供应链改造和供给侧优化，为企业降本增效，是线上线下融合的最好形式之一，也是新零售的最好体现形式之一。在智能家居领域，视觉人工智能有助于提升人与智能家居产品的交互体验，是以住宅为平台，基于物联网技术，由智能硬件、智能软件系统、云计算平台构成的一个家居生态圈，实现人远程控制设备、设备间互联互通、设备自我学习等功能，并通过收集、分析用户行为数据为用户提供个性化生活服务，使家居生活更加安全、舒适、节能、便捷。

5、视觉人工智能市场前景分析

随着互联网浪潮兴起，数据储量急剧增加，而深度学习算法的出现恰好能够将数据集归纳出逻辑，实现精准的物体识别和场景识别。GPU和AI专用芯片的出现突破了传统CPU的算力瓶颈，数据运算速度和处理规模爆发性增长，从而为大数据的分析提供硬件上的支撑。视觉人工智能产业由技术驱动，而技术的核心在于数据、算力和算法三个方面。在这三方面并行驱动下，世界视觉人工智能产业得以迅速发展。2019年中国视觉人工智能市场规模达到400亿元左右，较2018年增长145.68%。

我国视觉人工智能相关算法已达到国际先进水平，已经成为人工智能领域最火热的细分领域，相关技术广泛应用在智能手机、智能驾驶、IoT等相关场景。随着视觉人工智能技术的逐渐成熟及应用领域的逐步扩大，预计2021年中国视觉人工智能市场规模将突破千亿元。视觉人工智能本身商业落地场景广阔，能够有效解决应用行业的痛点，市场发展空间巨大。

2015-2019年我国视觉人工智能市场规模分析

资料来源：普华有策市场研究中心

6、视觉人工智能市场重点企业分析

视觉人工智能市场格局已经初步形成，核心技术、产品化能力、产业生态链合作均成为行业的核心壁垒。行业中国内企业主要有商汤科技、旷视科技，虹软科技等，国外企业主要有CorePhotonics Ltd.、Morpho, Inc.、EyeSight Technologies Ltd.。

（1）CorePhotonics Ltd.

CorePhotonics Ltd.成立于2012年，是一家主要从事开发并提供支持摄影功能（如光学变焦、一流的弱光性能、背景虚化和深度功能以及光学防抖）的端到端多光圈解决方案的以色列公司。CorePhotonics公司通过自研的光学、机械和计算摄影技术提升图像质量、完善手机相机的摄影体验，主要产品有拍摄算法软件解决方案、相机摄像头以及汽车摄像头系统等。

（2）Morpho, Inc.

Morpho, Inc.成立于2004年，是一家主要从事提供数字图像处理算法和应用框架的日本公司，主要是在各种嵌入式平台设备，如手机、数码相机等上处理和展示图像。公司提供的软件产品包括Photo Solid，Movie Solid，HDR，Morpho Denoiser和Morpho Panorama等。

（3）EyeSight Technologies Ltd.

EyeSight Technologies Ltd.成立于2005年，是一家主要从事投资研发视觉人工智能算法、深度学习和人工智能解决方案的以色列公司。Eyesight公司使用嵌入式视觉人工智能技术、深度学习和人工智能模块创建传感解决方法，增强车辆、家居和消费电子产品中的用户体验，主要产品有用户感知和分析解决方案、手势识别解决方案和车内驾驶员检测等方案。

(4）虹软科技

虹软科技提供的视觉人工智能解决方案的第三方供应商，智能设备可以在既有硬件能力的基础上，突破硬件成像能力的限制，提升成像质量，扩展成像效果；尤其是通过先进算法优化来有效控制智能计算所带来的巨量功耗，使得众多全新的智能拍照摄像及相关视觉应用成为可能，提升了用户体验和设备的性价比，增加了产品的市场竞争力。截至目前，虹软科技提供的视觉人工智能解决方案已经成功应用于智能手机、智能汽车、智能家居、智能保险、智能零售、互联网视频等多种场景中，并且仍在不断探索新的视觉人工智能技术和终端应用场景。

（5）北京市商汤科技开发有限公司

北京市商汤科技开发有限公司（以下简称“商汤科技”）成立于2014年，是一家人工智能平台公司，建立了自主研发的深度学习平台和超算中心，并研发了一系列AI技术。商汤科技的主要产品包括人脸识别、图像识别、文本识别、医疗影像识别、视频分析、无人驾驶和遥感等视觉算法，产品主要应用于安防、金融服务、手机、移动应用等领域。

（6）北京旷视科技有限公司

北京旷视科技有限公司（以下简称“旷视科技”）成立于2011年，是一家以人工智能技术为核心的行业物联解决方案提供商，为行业用户提供人工智能算法和解决方案，构建智能物联网系统。旷视科技产品主要包括人脸识别技术，图像识别技术，智能视频云产品，智能传感器产品等，产品主要应用于金融、手机、安防、物流、零售等领域。

报告目录：

第一章 视觉人工智能相关概述

1.1 视觉人工智能基本概述

1.1.1 视觉人工智能基本定义

1.1.2 计算机视觉的概念

1.1.3 视觉人工智能系统原理

1.1.4 视觉人工智能特点分析

1.1.5 视觉人工智能主要分类

1.1.6 视觉人工智能发展历程

1.1.7 视觉人工智能研究意义

1.2 人工智能相关概述

1.2.1 人工智能基本内涵

1.2.2 人工智能主要分类

1.2.3 人工智能特征分析

1.2.4 人工智能关键环节

1.2.5 人工智能技术层级

1.3 视觉人工智能技术

1.3.1 通用视觉识别技术

1.3.2 生物特征识别技术

1.3.3 光学字符识别技术

1.3.4 物体与场景识别技术

1.3.5 视频对象提取技术

 

第二章 2017-2020年视觉人工智能产业链发展分析

2.1 2017-2020年视觉人工智能产业链发展分析

2.1.1 产业链结构分析

2.1.2 产业链上游分析

2.1.3 产业链中游分析

2.1.4 产业链下游分析

2.2 视觉人工智能光源市场分析

2.2.1 视觉人工智能光源概述

2.2.2 视觉人工智能光源特点

2.2.3 LED照明产业规模

2.2.4 LED照明发展趋势

2.3 视觉人工智能镜头市场发展分析

2.3.1 视觉人工智能镜头概述

2.3.2 光学镜头市场规模

2.3.3 光学镜头产业结构

2.3.4 光学镜头竞争状况

2.3.5 光学镜头主要特征

2.3.6 光学镜头行业壁垒

2.3.7 光学镜头行业趋势

2.3.8 3D视觉摄像头前景

2.4 视觉人工智能相机市场发展分析

2.4.1 视觉人工智能相机基本介绍

2.4.2 视觉人工智能相机性能特征

2.4.3 CMOS传感器市场规模

2.4.4 视觉人工智能相机市场竞争

2.4.5 视觉人工智能相机市场前景

2.5 视觉人工智能系统其他市场分析

2.5.1 视觉人工智能软件概述

2.5.2 视觉人工智能图像采集卡

2.5.3 视觉人工智能处理芯片

 

第三章 2017-2020年视觉人工智能行业发展环境分析

3.1 视觉人工智能行业相关支持政策

3.1.1 “中国制造2025”战略的要求

3.1.2 人工智能纳入科技创新规划

3.1.3 人工智能行动实施方案发布

3.1.4 人工智能发展规划正式发布

3.1.5 人工智能产业三年行动计划

3.1.6 人工智能产业其他相关政策

3.2 视觉人工智能行业基础技术支撑

3.2.1 海量数据驱动行业发展

3.2.2 运算力提升推进行业发展

3.2.3 深度学习提高识别准确率

3.2.4 人工智能应用重要分支

3.3 人工智能进入爆发式增长期

3.3.1 人工智能行业发展提速

3.3.2 人工智能产业发展规模

3.3.3 人工智能产业发展特征

3.3.4 人工智能产业发展优势

3.4 视觉人工智能代替人眼视觉的紧迫性

3.4.1 劳动力成本的提高

3.4.2 产品品质要求提高

3.4.3 生产效率提高需要

 

第四章 2017-2020年视觉人工智能产业发展分析

4.1 2017-2020年全球视觉人工智能产业发展分析

4.1.1 产业发展历程

4.1.2 市场发展规模

4.1.3 产业发展现状

4.1.4 市场参与主体

4.1.5 市场竞争格局

4.1.6 市场需求结构

4.2 2017-2020年中国视觉人工智能产业发展分析

4.2.1 行业发展历程

4.2.2 行业渗透率现状

4.2.3 市场发展规模

4.2.4 产业地域分布

4.3 2017-2020年视觉人工智能市场竞争状况

4.3.1 市场参与主体

4.3.2 市场竞争格局

4.3.3 企业业务分析

4.3.4 企业布局动态

4.3.5 细分领域竞争

4.4 视觉人工智能产业商业模式分析

4.4.1 产业基础功能

4.4.2 商业模式分类

4.4.3 企业商业模式

4.5 2017-2020年视觉人工智能市场应用分析

4.5.1 行业应用格局

4.5.2 市场应用领域

4.5.3 工业市场应用

4.5.4 消费应用领域

 

第五章 2017-2020年视觉人工智能市场应用分析

5.1 智能制造市场应用分析

5.1.1 智能制造产业链

5.1.2 视觉人工智能技术应用

5.1.3 检测及测量应用

5.1.4 引导与定位应用

5.1.5 识别与分析应用

5.2 半导体制造市场发展分析

5.2.1 半导体制造业规模

5.2.2 视觉人工智能技术应用

5.2.3 视觉人工智能定位应用

5.2.4 视觉人工智能检测应用

5.2.5 视觉人工智能读码技术

5.3 电子制造市场应用分析

5.3.1 电子制造业供应链

5.3.2 电子制造业自动化

5.3.3 视觉人工智能应用现状

5.3.4 视觉人工智能应用规模

5.3.5 视觉人工智能应用前景

5.4 工业机器人市场应用分析

5.4.1 工业机器人发展意义

5.4.2 工业机器人市场规模

5.4.3 视觉人工智能的应用优势

5.4.4 视觉人工智能的应用前景

5.5 智能物流市场应用分析

5.5.1 智能物流市场规模

5.5.2 物流视觉人工智能系统

5.5.3 自动化系统集成

5.6 其他领域市场应用分析

5.6.1 汽车制造应用

5.6.2 生物医疗应用

5.6.3 农业领域应用

5.6.4 食品及包装机械

 

第六章 2017-2020年视觉人工智能消费领域市场应用分析——识别市场

6.1 图像识别技术分类

6.1.1 生物识别

6.1.2 人脸识别

6.1.3 虹膜识别

6.1.4 视频识别

6.1.5 场景识别

6.1.6 深度学习

6.2 2017-2020年图像识别细分领域视觉人工智能应用分析

6.2.1 视觉人工智能应用现状

6.2.2 人脸识别应用规模

6.2.3 虹膜识别应用现状

6.2.4 手势识别应用现状

6.3 2017-2020年图像识别领域视觉人工智能应用分析

6.3.1 安防领域应用

6.3.2 政府军方领域

6.3.3 银行金融领域

6.3.4 教育领域应用

6.4 2017-2020年图像识别领域视觉人工智能应用前景分析

6.4.1 生物识别发展规模

6.4.2 生物识别发展前景

6.4.3 生物识别投资领域

6.4.4 视觉人工智能应用前景

 

第七章 2017-2020年视觉人工智能消费领域市场应用分析——无人驾驶市场

7.1 2017-2020年无人驾驶行业发展分析

7.1.1 无人驾驶技术阶段

7.1.2 无人驾驶汽车系统

7.1.3 智能驾驶市场规模

7.1.4 无人驾驶制约因素

7.1.5 无人驾驶投资建议

7.2 2017-2020年无人驾驶领域视觉人工智能发展综述

7.2.1 无人驾驶感知系统介绍

7.2.2 视觉人工智能技术重要作用

7.2.3 视觉传感技术工作原理

7.2.4 视觉人工智能市场企业布局

7.3 ADAS辅助驾驶视觉系统发展状况

7.3.1 ADAS视觉系统基本原理

7.3.2 ADAS视觉系统传感器

7.3.3 ADAS视觉系统发展前景

7.4 无人驾驶领域视觉人工智能市场发展前景分析

7.4.1 无人驾驶汽车市场发展前景

7.4.2 无人驾驶视觉人工智能发展空间

7.4.3 无人驾驶视觉人工智能投资机遇

 

第八章 2017-2020年视觉人工智能消费领域市场应用分析——无人机市场

8.1 2017-2020年无人机行业发展分析

8.1.1 无人机产业链

8.1.2 行业支持政策

8.1.3 行业发展规模

8.1.4 行业投资状况

8.1.5 行业发展趋势

8.2 智能无人机视觉人工智能关键硬件技术分析

8.2.1 双目视觉人工智能

8.2.2 红外激光视觉

8.2.3 超声波探测

8.3 智能无人机视觉人工智能关键软件技术分析

8.3.1 光流算法

8.3.2 图像分割算法

8.3.3 图像识别算法

8.3.4 人脸识别算法

8.3.5 语音识别算法

8.4 2017-2020年智能无人机应用分析

8.4.1 应用市场环境

8.4.2 潜在应用市场

8.4.3 技术发展现状

8.4.4 技术融合发展

8.5 智能无人机产业发展前景及趋势分析

8.5.1 无人机未来发展趋势

8.5.2 无人机芯片发展展望

8.5.3 无人机软件发展趋势

 

第九章 2017-2020年视觉人工智能消费领域市场应用分析——服务机器人市场

9.1 2017-2020年服务机器人产业发展分析

9.1.1 市场发展规模

9.1.2 细分市场规模

9.1.3 市场发展态势

9.1.4 市场竞争格局

9.1.5 企业布局动态

9.1.6 AI助推产业发展

9.2 服务机器人核心技术模块分析

9.2.1 多模态交互技术

9.2.2 技术发展成熟度

9.2.3 多模态交互融合

9.3 扫地机器人领域中视觉人工智能应用分析

9.3.1 视觉人工智能应用优势

9.3.2 视觉人工智能应用特征

9.3.3 视觉人工智能产品现状

9.4 新兴服务机器人领域中视觉人工智能应用分析

9.4.1 仿生型机器人

9.4.2 搬运机器人

9.4.3 教育机器人

9.5 服务机器人领域视觉人工智能应用前景分析

9.5.1 服务机器人未来发展前景

9.5.2 家用服务机器人市场空间

9.5.3 医疗服务机器人应用前景

 

第十章 2016-2019年国内外视觉人工智能产业重点企业分析

10.1 A

10.1.1 企业发展概况

10.1.2 核心优势分析

10.1.3 产品应用领域

10.1.4 2017财年企业经营状况分析

10.1.5 2018财年企业经营状况分析

10.1.6 2019财年企业经营状况分析

10.2 B

10.2.1 企业发展概况

10.2.2 主营业务分析

10.2.3 产品应用领域

10.2.4 2017财年企业经营状况分析

10.2.5 2018财年企业经营状况分析

10.2.6 2019财年企业经营状况分析

10.3 C

10.3.1 企业发展概况

10.3.2 视觉人工智能业务

10.3.3 经营效益分析

10.3.4 业务经营分析

10.3.5 财务状况分析

10.3.6 核心竞争力分析

10.3.7 公司发展战略

10.3.8 未来前景展望

10.4 D

10.4.1 企业发展概况

10.4.2 视觉人工智能业务

10.4.3 经营效益分析

10.4.4 业务经营分析

10.4.5 财务状况分析

10.4.6 核心竞争力分析

10.4.7 公司发展战略

10.4.8 未来前景展望

10.5 E

10.5.1 企业发展概况

10.5.2 企业核心产品

10.5.3 经营效益分析

10.5.4 业务经营分析

10.5.5 财务状况分析

10.5.6 核心竞争力分析

10.5.7 公司发展战略

10.5.8 未来发展前景

 

第十一章 2017-2020年视觉人工智能行业投资分析及建议

11.1 人工智能行业投融资分析

11.1.1 行业投资规模

11.1.2 融资轮次分布

11.1.3 行业融资态势

11.1.4 企业投资动态

11.2 视觉人工智能行业投融资分析

11.2.1 行业融资规模

11.2.2 企业融资动态

11.2.3 企业投资布局

11.3 视觉人工智能领域投资机会分析

11.3.1 智能制造领域机会

11.3.2 安防领域投资机会

11.3.3 汽车领域投资机会

11.3.4 新兴服务领域机会

11.4 视觉人工智能行业投资壁垒分析

11.4.1 行业技术壁垒

11.4.2 人才竞争壁垒

11.4.3 品牌建设壁垒

11.4.4 客户资源壁垒

11.5 对视觉人工智能行业投资价值评估及建议

11.5.1 投资价值综合评估

11.5.2 市场进入时机判断

11.5.3 行业投资风险提示

11.5.4 行业投资策略建议