近期，得益于各大AI模型對于數據需求的提升，以及Reddit等宣布將向聊天機器人公司收取數據使用費等催化，A股數據要素/知識產權/出版傳媒板塊連續大漲。

(資料圖)

但另一方面，國信證券分析師提出，由于人類的自然語義數據是有限的，GPT3訓練量是40t語義訓練量，GPT4外界有人推測超過了400t的數據量，再往后模型參數越來越大，所需要的數據量也越來越大。人類現有知識馬上就用完了，GPT5可能是NLP這個模態最近幾年的一個天花板。

其表示，未來各大廠商發力點可能在應用的落地、算力的提升以及“潛在空間非常大”的CV+機器視覺。

資料顯示，AI預訓練模型有NLP、CV、多模態等。

國信證券指出，其中“CV機器視覺因為模型參數小，開源，全球語義庫十倍于NLP文本。目測國內的爆發，第一批會在5-6月份看到用在生產上，到了四季度會有大量公司引入工作流程，極大提升效率，行業不局限于TMT。”

此前文章我們跟大家聊過了CV（計算機視覺），這里跟大家重點聊聊機器視覺。

什么是機器視覺？

機器視覺通俗地講，就是用機器代替人眼來做測量和判斷，其作業過程一般是兩個步驟，首先利用光源、鏡頭、工業相機來負責圖片采集，將被檢測的目標轉換成圖像信號。

然后圖像處理系統根據像素分布與亮度、顏色等信息，轉變成數字信號，然后再對這些信號進行各種運算來抽取目標的特征，進而實現自動識別功能。

相對于人眼，機器視覺在速度、精度、環境要求、連續工作時間等方面均存在顯著優勢。

機器視覺和計算機視覺的區別？

首先明確，機器視覺和計算機視覺都是人工智能的下屬科目，都是利用圖像處理、模式識別、人工智能等技術，對圖像進行分析和理解。但是，兩者的側重點和應用場景不同。

機器視覺主要應用在工業領域，比如工業檢測、自動化控制、智能制造等。而計算機視覺主要應用在偏消費領域，比如人臉識別、行為分析、醫學圖像、地圖導航等。

目前機器視覺主要的應用場景有電子設備及半導體、汽車、制藥、食品包裝等。其中，電子及半導體設備占約46.60%，主要應用在高精度的制造和檢測，如晶圓切割、3C表面檢測、AOI光學檢測、PCB印刷電路等。汽車制造是機器視覺應用的第二大場景，約占15.3%左右，幾乎所有系統和部件的制造都可用到機器視覺。

據招銀國際研報，相較于上千億參數的NLP模型相比，CV模型規模要小兩三個數量級，現階段比較有名的CV大模型包括微軟的swin-transformer系列，谷歌的ViT系列以及有150億參量的V-MOE模型。國內方面，截止2021年，商湯訓練了300億參數的CV模型，2022年華為也發布了30億參數的盤古系列CV模型。

上文提到，CV機器視覺因為模型參數小，開源，全球語義庫十倍于NLP文本。目測國內的爆發，第一批會在5-6月份看到用在生產上。

華安證券也表示，CV模型參數量通常較小，且語料庫不存在中英文差異，值得關注。

多重因素疊加，機器視覺百億藍海市場

申萬宏源表示，短中長期多重因素推動機器視覺市場需求快速提升，預計2025年市場規模突破390億。

1）從長期來看，未來人口老齡化及勞動力價格上漲將帶來機器替人剛需，機器視覺設備將逐步代替人工。

2）從中期來看，機器視覺下游應用廣闊，滲透率持續提升，3C領域：終端客戶對機器視覺需求從手機擴展至平板、耳機、手表等；鋰電領域：除攪拌外，在涂布、輥壓、卷繞、入殼等各工序都有機器視覺應用，且視覺技術同樣適用于4680等新電池；半導體、光伏等領域：晶圓缺陷檢測設備、光伏硅片分選設備等需求提升顯著。

3）從短期來看，制造業固定資產開支回暖、國產化加速，將加速機器視覺設備需求釋放。依據中國機器視覺產業聯盟數據，預計未來市場規模保持25%增長，2025年突破390億。

相關產業鏈

產業鏈方面，機器視覺上游主要是機器視覺底層開發商，即核心零部件（光源、相機、鏡頭、圖像采集卡等）及軟件提供商（圖像處理軟件）且其二者占據了機器視覺80%的比例，是產業鏈中絕對的核心環節和價值獲取者。

中游是二次開發的系統集成和軟件服務商，主要根據上游產品以及下游需求進行集成整合，越來越多上游企業向中游業務擴展延伸，形成自有的完整解決方案。

下游則是主要應用領域，涉及到多種制造及服務行業，主要應用于汽車制造、消費電子、食品包裝、醫療制藥以及服務機器人。

其中，光源是國產化最為充分的環節；鏡頭的話，高端的部分主要依賴進口；工業相機以歐美進口為主；圖像采集卡國內發展較為完善和成熟，圖像處理軟件則基本被國外企業壟斷，國內企業在二次開發中有所布局。

風險提示及免責條款 市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用戶特殊的投資目標、財務狀況或需要。用戶應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。

關鍵詞：