2021年计算机视觉行业细分应用市场规模前景研究预测及未来市场竞争趋势分析

计算机视觉是目前人工智能领域关键技术之一。近年来，在数据、算力、算法并行驱动下，世界计算机视觉技术及相关产业得以迅速发展，在智能手机、安防、智能驾驶、智能制造等领域的应用也不断深入。

1、智能手机细分领域：智能手机作为应用最为广泛的智能终端设备之一，是各类计算机视觉算法和生物特征识别技术应用的重要载体。新型冠状病毒肺炎（COVID-19）疫情（以下简称新冠疫情）的爆发及蔓延，导致包括智能手机市场在内的消费电子市场受到极大冲击，短期需求出现递延、压抑。尽管全球智能手机出货量已于 2020 年下半年开始回升，但全年数据仍不乐观，中金企信统计数据显示，2020 年度全球智能手机整体出货量约为 12.92 亿台，同比下滑约 5.9%。

（1）摄像头光学创新，5G+应用引领，共同驱动视觉算法需求：智能手机市场竞争加剧、品牌格局变动，各手机厂商为追求差异化优势，加速硬件、软件创新以吸引终端消费者并抢占市场。摄像头的硬件和影像拍摄算法创新升级仍是创新主线之一，为智能手机相关供应链环节厂商提供了商机。手机拍摄功能推动着单摄向双摄、双摄向多摄演变，单摄像头像素提升，5G 时代搭载 TOF 摄像头，潜望式摄像头、各种辅助传感器以及未来屏下拍照摄像头成熟应用等诸多摄像头硬件升级，都带动着更加多样化、更加复杂的软件算法应用。随着多摄方案日益成熟，后置摄像头“主摄+广角+长焦”的搭配成为主流，潜望式、TOF 从高端机型开始下沉至更多机型，预计围绕摄像头的创新竞争在几年内都将持续。

以 TOF 为代表的深度摄像头赋予了拍摄对象深度信息，为解决复杂任务提供了可能，可以为移动智能终端引入 3D 生物识别、3D 建模、人机交互、3D 测量、AR/VR 等众多场景，带来更具娱乐性和实用性的体验。近年来，以 TOF 为代表的深度摄像头在技术上也取得了长足的进步，硬件规格向小尺寸、大分辨率和高精度方向迭代。相较于 iTOF，dTOF 具有测量精准、分辨率高、响应快、功耗低、抗干扰能力强等技术优势，可以配合更多 AR 应用，有望在 5G 网络的加持之下以其技术优势首先在应用层催生 AR 爆款应用，推动相关产业链发展，给相关软件和算法解决方案供应商带来新的机遇。

5G 逐步商业化，5G 网络覆盖面增加，除在一定程度上驱动换机需求外，5G 技术的发展还使移动智能终端的使用体验和交互得到全面提升，用户依托于高速传输网络可以上传高质量图像与视频，各种生活类、社交类短视频 APP 因此快速流行，视频类算法需求增长明显。

围绕摄像头的创新及 5G 带来的应用增长，将共同驱动视觉算法应用增加。与此同时，随着智能手机算力和硬件能力的提升，新技术和产品经过高端机型的成熟应用后向中低端机型普及、渗透，中低端手机中也逐渐嵌入更多的软件算法。

（2）智能手机全屏化加速，带来屏下相关光电解决方案应用升级：智能手机进入存量竞争时代，在没有划时代变革背景之下，产品交互和外观设计仍是各大厂商竞争手段，屏占比是外观设计的重要部分。在各手机厂商追求全面屏的过程中，给屏下指纹识别产品带来了发展机遇，同时也会因传统的屏上传感器转为放置屏下而带来一系列的应用升级需求。未来的“真全面屏”智能手机，除了会同时应用 3D 人脸识别、屏下指纹识别等生物识别技术，还会有适合于屏下的亮度、色彩、距离等传感器的应用及升级需求，预计前置屏下摄像头解决方案也将在软硬件协同升级后成熟应用。

屏下指纹识别主要有光学、超声波和玻璃基电容三种方案。得益于在成本、技术、效果方面的优势，光学指纹识别占据当前市场的主导地位，亦是目前屏下指纹识别技术研发的重点。2019 年全球屏下指纹手机出货量约为 2 亿台，并且预估至 2024 年，整体屏下指纹手机出货量将达 11.8 亿台，屏下指纹市场仍有很大空间。未来，随着技术进步不断延展，光学式屏下指纹将在智能手机、智能家居、智能汽车等诸多领域释放巨大的市场潜力，也为智能视觉算法技术及相关解决方案带来可观的市场需求。

屏下亮度环境光传感器芯片（Ambient Light Sensor,以下简称 ALS）是全面屏手机的一个刚需核心组件，其作用是感知周围环境光强度，通过感知和处理芯片获得实际环境光强度数值，手机由此智能地调节显示屏背光亮度，以提升用户体验并大幅降低手机功耗。当 ALS 芯片从屏上转到屏下时，由于手机屏的低透光率和屏幕本身亮度的严重干扰，现有屏下 ALS 一直难以准确、稳定地感知周围环境光，给出的亮度测量值与实际情况差异较大，用户体验较差，手机厂商迫切期待有更好的技术和产品以满足需求。

2、 智能汽车细分领域：智能汽车已成为全球汽车产业发展的战略方向。2020 年，汽车市场同样面临着疫情考验，但伴随国内各地促进汽车消费政策的持续带动，汽车市场逐步复苏，汽车行业总体表现出强大的发展韧性和内生动力，全年数据总体表现好于预期。据中国汽车工业协会统计，2020 年，我国汽车产销分别完成了 2,522.50 万辆和 2,531.10 万辆，同比分别下降 2.00%和 1.90%，产销量连续蝉联全球第一。疫情冲击下，全球芯片产能告急，自 2020 年第三季度开始，全球汽车销量恢复速度超预期，而车企芯片加单滞后，导致与汽车相关的芯片出现短缺且有愈演愈烈之势，部分汽车厂商宣布减产甚至停产，预计 2021 年的汽车产销量将受此影响。但长期来看，随着疫情因素去化，汽车产业链将逐步修复，持续的新车市场增长空间仍将为智能汽车的发展提供巨大的市场基础。

（1）“软件定义汽车”逐步成为业内共识，传统供应链格局发生变革：传统汽车主要由机械部件组成，汽车电子功能相对简单，在结构和性能的改善中主要起到辅助机械装置的作用。智能汽车能够为用户提供自动驾驶、影音娱乐、车辆互联等多样化功能，实现车辆行驶过程中的智能化乃至未来的无人化，智能驾驶越来越成为集导航、环境感知、控制与决策、交互等多项功能于一体的综合汽车智能系统。

在智能驾驶趋势下，汽车行业逐渐由“机械定义汽车”转变到“软件定义汽车”成为业内共识。汽车产品价值链正被重塑，软件在车辆中扮演的角色逐步放大，传统汽车核心竞争要素被硬件、软件和服务所取代，供应链格局也正发生变革，新技术、软件公司带来供应链管理的扁平化、边界模糊化，计算机视觉企业在这一过程中获得前所未有的入局机会。

（2）车载摄像头增量空间可观，推动视觉智能算法应用：智能驾驶系统的感知层，视觉感知扮演了主要角色，车载摄像头是视觉感知的核心部件。根据安装位置的不同，车载摄像头可分为内视、后视、前视、侧视、环视五种，与其他多种传感器（毫米波雷达、超声波雷达、激光雷达等）进行融合共同作用。传统汽车一般搭载一颗倒车影像摄像头，在安全驾驶、智能驾驶、无人驾驶成为未来发展趋势之下，随着消费者对于行车安全需求的提高及智能驾驶技术的不断成熟，单车搭载的摄像头数量将逐渐提升，如特斯拉 Model 3 全车四周配备了 8 颗摄像头，蔚来 2021 年 1 月发布的 ET 7 更是搭载了 11 颗摄像头，而每颗摄像头都会用到以视觉智能算法为核心的软硬件解决方案。汽车搭载的摄像头数量和规格逐步升级，对视觉智能算法为核心的软硬件解决方案应用有极大的推动力。

随着车载摄像头和产品功能的逐步成熟，车载摄像头结合视觉智能算法技术来提升整车差异化卖点，正成为各车企在激烈竞争中获胜的重要手段之一。而在同一个平台多颗摄像头上增加更多的视觉技术产品功能和特色，获取持续的 FOTA（车辆固件远程升级系统）升级、用户数据、流量变现，也将使计算机视觉产品也变成车企后续收费的一个重要端口。

3、主要技术门槛：计算机视觉行业为技术密集型行业，计算机视觉技术的开发有较高的技术门槛。其主要技术门槛如下：

1.2.1 端计算和边缘计算技术的积累：边缘计算极大程度上解决了物联网背景下集中式运算架构中的带宽和延迟两大瓶颈问题。基础图像识别、图像处理方面，其应用程序在边缘侧发起，更好地满足了计算机视觉行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘计算的主要难点在于低资源的嵌入式平台环境的开发能力，基于移动终端的边缘计算具有巨大的应用价值，但是受限于移动终端算力有限，诸多企业望而却步。

1.2.2 计算机视觉技术的层次积累：在数码相机以及手机功能机时代，公司就已经专注于计算机视觉技术的研发与应用。

中金企信国际咨询公布的《2021-2027年中国计算机视觉行业市场研究及深度专项调查投资预测报告》

市场运行现状及未来发展趋势：作为万物感知的入口，计算机视觉应用场景丰富，商业化价值巨大。目前，全球技术输出规模最大的三个应用场景分别为智能消费、智能汽车以及智能制造。现如今的计算机视觉行业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，这其中的产品化能力又成为最终创造社会价值和商业价值的核心。

计算机视觉行业的发展由技术驱动，业界普遍认为技术的发展有三个主要的推动力量——数据、算力和算法。

（1）深度学习算法的出现及日益优化，有效提升了计算机视觉准确度，极大推动了计算机视觉领域的发展。在图像分类领域，目前针对业界公认最为重要的 ImageNet 数据集的算法分类精度已经达到 95%以上，可与人的分辨能力相当。深度学习在人脸识别、通用物体检测、图像语义分割等领域也取得了突破性的进展。

（2）越来越多的应用领域持续积累着日趋丰富的大数据，海量图像和视频内容的产生、累积为深度学习提供了有力的数据支撑。

（3）GPU 及 AI 专用芯片的出现突破了传统 CPU 的算力瓶颈，良好的并行计算能力，使得数据运算速度和处理规模爆发式增长，为计算机视觉的发展提供了算力支持。数据、算力和算法相互结合，三者并行驱动下，全球计算机视觉技术得以迅速发展。

1.2 边缘计算和端计算：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 技术的进步和商用进程，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。

3.2 计算机视觉行业在新产业、新模式、新业态方面的发展情况和未来发展趋势：计算机视觉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、智能制造、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，随着计算机视觉技术不断发展，行业应用解决方案的建立和完善，以及政府对计算机视觉行业的政策扶持，计算机视觉行业的应用场景将进一步渗透，助力各应用行业解决行业痛点，提高运营效率，实现行业转型和升级。

随着计算机视觉技术的发展，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。