2022928_艾瑞咨询_2022年端边云协同的AI视觉产业研究报告（42页）.pdf

智能视觉应用快车道端边云协同的AI 视觉产业研究报告2022.9 iResearch Inc.22022.9 iResearch I摘要AI视觉产业背景：AI视觉又称计算机视觉，得益于深度学习技术的快速发展，已于安防、金融、制造、零售等多领域实现规模化商用。2022年，AI视觉相关投融资热潮全面复苏，通用技术、工业与零售赛道热度高企，持续受到资本青睐。2021年我国AI视觉产品的市场规模占整个人工智能行业的49.6%，达到990亿元。从资本热度、市场规模、场景泛用、带动作用来说，AI视觉已成为AI产业发展的主战场，未来增量动力依然强劲。来源：艾瑞咨询研究院自主研究及绘制。端边云协同的需求趋势：数字经济时代，物联网感知数据量激增，边缘计算刚需场景涌现。边缘计算可在本地提供IT 服务、计算能力，减少上传的数据量、节省网络操作、服务交付的时间延迟，提高传输效率。企业可以选择将算力下沉至更贴近设备端的边缘计算，衍生出端-边-云的协同新模式。端边云协同的AI视觉产业：产品模式一般可分为标准化SaaS产品与定制化解决方案两类。行业客户需根据自身IT信息化水平、需求定制化程度、产品付费意愿、适用场景需求等因素考量选择。具体到边缘侧部署上，AI摄像头出于功耗、散热等因素考量，不会内置过多算法，可处理简要前端场景；若对时延要求高且算法需求复杂的应用场景，则需搭建边缘盒子或边缘服务器。本篇报告根据行业特点与场景需求，对安防、工业、零售、机器人、农业领域展开讨论。端边云协同的技术与生态趋势：1）端边云协同的AI视觉产业发展依赖于联邦学习、增量学习、协同推理等边缘AI技术发展；2）端边云协同的AI视觉应用对算力和网络部署提出了要求，算力网络技术发展将助力超低时延类AI视觉应用；3）边缘计算将进入黄金发展期，在满足灵活响应、敏捷部署、时延成本的业务需求外，未来需进一步关注边缘服务的安全、可靠、可信等能力，构建“可信边缘计算”生态3AI 视觉产业背景 1端边云协同的需求趋势 2端边云协同的AI 视觉产业分析 3典型厂商案例 4端边云协同的技术与生态趋势 542022.9 iResearch IAI 视觉关键任务又称计算机视觉，关键任务聚焦语义感知与定位追踪视觉使人类得以感知和理解周边的世界，人类的大脑皮层约有70%都在处理视觉信息，可以说视觉是人类获取信息最主要的渠道。而AI视觉即通过电子化的方式来感知和理解影像，让机器或计算机可以像人类那样“看”，甚至达到超越人类视觉智能的效果。如今AI视觉（计算机视觉）包括了语义感知、定位追踪和几何属性等诸多不同研究方向。AI 视觉关键任务来源：艾瑞咨询研究院根据公开资料自主研究及绘制。AI 视觉语义感知 定位追踪 几何属性分类 检测分割 识别图像分类 是物体检测、图像分割、物体跟踪、行为分析、人脸识别等其他 高层视觉任务的基础，根据图像的语义信息对不同类别图像进行区分。图像分割 解决“每一个像素属于哪个目标物或场景”的问题，以简化或改变图像的表示形式，使得图像更容易理解和分析，分为语义分割和实例分割。物体检测，从图像中输出单个目标的Bo u n din gBo x（边框）以及打标签，用框去标出物体的位置，并给出物体的类别进行分类。物体识别：对车牌、文本的内容进行物体识别 人脸识别、指纹识别、行为识别、虹膜识别等有关人体相关识别定位追踪目标追踪旨在追踪随着时间不断移动的对象，使用连续视频帧作为输入。利用计算视觉技术找到图像中某一目标物体在图像中的位置，即定位。3D建模视觉SL AM（即时定位与地图重建）增强现实涉及 3 D 目标感（认）知与重建，与机器人、AR 等应用息息相关，侧重AI 视觉的几何属性猫猫鸭子狗猫鸭子狗以行为识别为例52022.9 iResearch IAI 视觉发展历程得益于深度学习技术，AI 视觉处于商业应用扩展增速期自2012年采用深度学习架构的AlexNet模型以超越第二名10个百分点的成绩在ImageNet竞赛中夺冠。得益于深度学习所需专家分析和微调较少、能够处理海量数据、具备高灵活性等优势，深度学习技术在目标检测、目标跟踪、图像分割、场景分类、字符识别、人脸识别、姿态估计、动作与行为识别等方向上陆续取得了多项突破性成果。AI视觉在工业界逐步实现商用价值，步入规模化商业落地阶段。同时，随着相关设备能力的改善（如算力、内存容量、能耗、图像传感器分辨率和光学器件），提升了视觉应用的性能和成本效益，进一步加快了AI视觉商业应用的扩展。AI 视觉发展历程来源：艾瑞咨询研究院根据公开资料自主研究及绘制。20世纪50-60年代20世纪70-80 年代20世纪90年代-21世纪初2012年以后 AI视觉始于20世纪50年代的统计模式识别，当时工作主要集中于二维图像分析和识别；20世纪60年代，开创了三维视觉理解为目的研究 1982年马尔David Marr视觉一书的问世，标志 AI 视觉成为 一 门 独 立 学科；马尔提出“马尔计算视觉”理论，分为计算理论、表达和算法以及算法实现三个层次，为视觉研究提供重要理论框架 20世纪90年代，基于多视几何的视觉理论得到迅速发展。统计学习方法引发一次较大变革，支持向量机等统计学习方法在AI视觉中广泛应用，特征对象识别开始成为重点；21世纪初开始图像特征工程，出现真正拥有标注的高质量数据集 2012年“深度卷积神经网络”(C N N)出现，在ImageNet 数据集表现出色。其特点是将传统的特征工程和模型学习合为一体，即能够在学习的过程中进行特征设计,大幅降低识别错误率。自此深度学习流行于视觉与AI领域，相关应用百花齐放，AI 视觉进入蓬勃发展期。孕育期：二维到三维蓬勃期：神经网络时代启蒙期：成为独立学科探索期：特征工程时代62022.9 iResearch I 2022.9 iResearch I2820147 6152943332429437815121314271614 213345984412282820 17 20 18 20 19 20 20 20 21 20 22.8种子 天使+轮（笔）Pre AA+轮（笔）Pre B B+轮（笔）Pre CC+轮（笔）D E+轮（笔）战略投融资（笔）股权投资、转让（笔）其他(被收购、增发、I P O)（笔）AI 视觉资本市场之路（1/2）投融资热潮全面复苏，AI 视觉的商业化前景得到资本认可创业企业是AI视觉市场的主要参与力量之一。行业在经历了三年的投融资低迷期后，2022年投融资数量和金额皆创历史新高。截至2022年8月，我国AI视觉相关业务获投企业数量已达292家，近半数属于2020年10月以后的新增企业。投资热潮全面复苏，科创板顺利落地为AI行业引入了中长期资金通道和市场关注度，加速推动一批拥有核心技术的厂商成长。从2021年开始，AI视觉领域的股权投资、转让、被收购、IPO事件数量开始增加。2022年云从科技，熵基科技等生物识别厂商集中上市表示AI视觉的行业成熟度和认可度已进入新阶段。来源：艾瑞咨询研究院根据融资网站数据，自主分析、调整与处理绘制。来源：艾瑞咨询研究院根据融资网站数据，自主分析、调整与处理绘制。IP O 开始出现718971516511771633625 2513220 17 20 18 20 19 20 20 20 21 20 22.8投融资数量（笔）投融资金额（亿元）共有5 家IP O：格林深瞳（18.28 亿），云从科技（17.28 亿），凌云光（19.74 亿），奥比中光（12.4 亿），熵基科技（16.08 亿）2017-2022 年8 月AI 视觉投融资情况 2017-2022 年8 月AI 视觉投融资轮次分布72022.9 iResearch I48.9%40.6%29.6%15.0%11.8%9.4%8.4%7.3%6.9%6.0%3.9%3.9%3.6%3.0%1.3%1.1%1.1%0.4%0.2%0.2%技术 工业 零售 医疗 城市 互联网 办公 金融 安防 公安 传媒 交通 家居 能源 营销 农业 政务 电力 环保 司法2017-2022 年 8 月中国AI 视觉获投企业业务赛道热度统计AI 视觉资本市场之路（2/2）通用技术、工业与零售赛道热度高企，持续受到资本青睐在统计期内共有466起AI视觉投融资事件发生，累计有292家企业获投，热门赛道集中于通用技术、工业、零售、医疗。具备底层技术研发的厂商受到一级市场资本青睐，新能源电车与自动驾驶的热潮带动了一批主营自动驾驶系统、芯片、传感器的技术厂商，通用技术热门方向还包括生物识别、智能制造等。工业赛道热度高源于产业链条长且场景多样（装配，质检，运输），AI视觉算法配合工业相机可实现生产自动化；而具备视觉分辨能力的机器人可以持续高效的完成重复动作，极大提高了生产效率。AI零售获投企业数增长明显，2022年截至8月份的获投企业数（40家）已超过2019至2021年的投融资事件累计数量，AI零售产品门类则涉及智慧物流、协作机器人，无人化运营等。来源：艾瑞咨询研究院根据融资网站数据，自主分析、调整与处理绘制。累计292家获投82022.9 iResearch IAI 视觉商业化落地进程（1/2）处理视觉信息实现自动化、智能化，下游应用场景广泛AI视觉主要以图像和视频等高维、密集数据为主要处理对象，深度提取信息，在安防行业首先实现规模化落地，用于进行人员数据的静态查询与动态比对，以及监控视频内容的结构化处理；金融行业更多通过人脸识别的身份验证保证操作行为的安全合规。此外，AI视觉还逐步赋能于零售、医疗、自动驾驶、泛工业、泛农业等领域，应用场景广泛，商业价值不断被挖掘。AI 视觉核心应用场景列举来源：艾瑞咨询研究院根据公开资料自主研究及绘制。零售安防自动驾驶自深度学习突破以来，AI视觉进入规模化商业落地的发展阶段，迅速赋能安防、泛金融、零售、医疗、自动驾驶、泛工业及泛农业等场景，以机器代替人眼达成物品识别、人脸识别、身份认证等目的，极大提高人工作业速率。AI视觉医疗泛金融泛工业、泛农业静态人脸比对 动态视频分析身份认证账户登录 刷脸支付远程开户 身份确认风险控制 商品/行为识别 供应链数字化陈列分析/自动结算行为洞察/体验优化人货场数据流转，实现供应链数字化运营影像识别、病灶分析语义分割病灶区域目标定位检测筛查三维重建手术方案为 环境感知、车辆定位、地图绘制等场景需求提供AI视觉功能产品质检、巡检安全管理识别工业流程自动化（为机器人提供视觉功能）活体识别监测产品信息管理农业流程自动化（为机器人提供视觉功能）92022.9 iResearch IAI 视觉商业化落地进程（2/2）千亿级大赛道初露端倪，成为人工智能产业规模的主战场通过对下游行业需求统计测算，2021年我国AI视觉产品的市场规模占整个人工智能行业的49.6%，达到990亿元。和AI视觉有关的计算机通信设备销售、医疗器械等专用设备销售、工程建设、传统业务效益转化等带动相关产业规模超过3079亿元。从市场规模、场景泛用、带动作用来说，AI视觉领域已成为人工智能产业规模的主战场。AI视觉承接海量下游需求，未来增量动力依然强劲。注释：该数值为人工智能项目向下游终端用户交付的最终产品与服务规模，不包括终端用户为规划配置人工智能项目，单独对云计算、数据中心及数据中心AI训练和推理芯片采购的规模。来源：艾瑞咨询研究院长期政府及企业服务数据监测，结合行业专家访谈，根据数据测算模型，自主研究及绘制。2021-2026 年中国AI 视觉核心产品及带动相关产业规模2021年中国AI视觉市场在AI整体中占比49.6%2021-2026年AI视觉核心产品CAGR 17.4%2021-2026年AI视觉带动相关产业CAGR 16.9%AI视觉49.6%AI其他技术赛道50.4%633 862 990 1133 1343 1567 1873 2208 1439 2249 3079 3552 4204 4870 5771 6733 2019 2020 2021e 2022e 2023e 2024e 2025e 2026e中国计算机视觉核心产品规模（亿元）中国计算机视觉带动相关产业规模（亿元）102022.9 iResearch IAI 视觉落地赛道探讨落地行业赛道特征与竞争策略问题（1）针对泛安防（公安交通、社区楼宇）、金融等主管部门释放了非常明确的利好信号或大额持续投资的行业，主要机遇在于将产品打磨到足够精准、鲁棒性足够强，以便进入高门槛的准入供应池，同时通过解决高难度识别需求的硬实力卡位；（2）针对医疗、能源和制造等具有战略意义、发展空间极大，但或陷入长审批周期、或限于审慎性难以快速释放市场需求的行业，主要机遇在于抢先进入行业生态圈，谋划通过政府、核心集团企业等途径，积极参与公共服务平台建设，建立从上向下拓展的先发优势，获得大量训练数据与场景理解，形成产品提升的护城河；（3）针对零售、农业等长尾需求频发或数字化水平较低且对价格敏感的行业，主要机遇在于优化产品成本、降低部署及运维难度、打通渠道以占领市场份额；（4）针对机器人（AGV/AMR/机械臂）等技术融合应用领域，除算法开发的硬实力外，视觉识别技术提供商也需具备联合开发的软能力。来源：艾瑞咨询研究院自主研究及绘制。视觉技术下游垂直客户行业主要通用视觉应用技术人脸识别人体识别OCR视频增强、视频分析AR技术图像审核安防：十四五规划中要求积极推进全面智能化安防建设，调整优化产业结构，也反应出行业已由过去的点对点分布建设逐步过渡到全面化、结构化建设中，与智慧城市建设体系交叉。金融：人民银行与银保监会等提出的远程开户放开、理财及代销产品销售行为双录要求以及刷脸付等持续性刺激金融生物识别市场；进入“统一图像识别平台”建设新阶段图像识别与搜索医疗：行业审批严格、审慎性特征强，尽管2020 年新冠疫情使AI 在医疗中的落地应用进入大众视野，但AI 医疗影像市场需求大规模释放的信号还不明显，传统的产品“入院”方式及决策链并未明显变化；工业-能源与制造：行业对于产品稳定性耐用性要求高，对于投资回报指标把控严格，需要提前介入可行性咨询与验证，才有可能孵化真实需求。2022 年中国AI 视觉落地行业赛道特征零售：为辅助行业企业降低成本、提升经营效率、解决发展瓶颈提供了新的技术手段，但市场发展的核心动力依然是经济利益；需求在边缘或端侧前置算力，优化成本；农业：现阶段畜牧业、养殖业相对集中于大客户需求，种植业则大客户占比不高；一般部署试点项目后，根据投资回报情况进行推广视觉SLAM机器人：需求繁杂，更优的算法能力与更深的场景理解是获取市场竞争优势的基础图像内容生成112022.9 iResearch IAI 视觉产学研热点及趋势云端通用大模型+端侧低功耗小模型基于应用场景的需求差异，云侧部署的通用高效神经网络大模型和端侧部署的加速小型化神经网络模型成为目前AI视觉厂商优化解决方案的路径之一。而随着在自然语言处理领域大放异彩的Transformer模型应用于CV领域，其与CNN结合的混合模型架构也正逐步成为视觉任务的重点研究方向，以降低模型结构的复杂性并提升可扩展性和训练效率。未来，AI视觉技术在适应三维世界、突破依赖标注数据输入的局限、降低算力能耗、多模态信息融合分析、与知识和常识结合解决高层次问题、主动感知与适应复杂变化等上仍有待突破。此外“技术同质化”却并不意味着“算法同质化”，AI视觉算法厂商的工程能力仍是技术工业落地的试金石。来源：艾瑞咨询研究院综合公开资料自主分析及绘制。值得期待的技术拐点：AI 视觉技术工业界落地效用曲线已有模型优化更高效、解决更细粒度的问题语义感知任务中准确率超过人类神经符号(N e u r a l-Sy m b ol i c)学习真正落地推进低功耗的深度学习技术发展，轻量化模型设计基础技术达到产业落地水平，典型应用场景出现多模态数据量化、对齐与融合应用视觉相关自监督学习、无监督学习快速发展面向真实世界的主动视觉感知及自然适应复杂变化2012-2019 2020-2021 2022-2023 2024-2025 2026 技术的工业界落地效用预期3D 目标感（认）知与视觉SL AM 取得突破从图像迁移到视频处理12AI 视觉产业背景 1端边云协同的需求趋势 2端边云协同的AI 视觉产业分析 3典型厂商案例 4端边云协同的技术与生态趋势 5132022.9 iResearch I 2022.9 iResearch I端-边-云协同的驱动因素(1/3)数字经济时代来临，数据成为关键生产要素根据第49次中国互联网络发展状况统计报告，2021年我国网民总体规模持续增长，截至2021年12月，我国网民规模达10.32亿，互联网普及率达73.0%，我国网民人均每周上网时长达到28.5个小时，为数字经济时代的蓬勃发展打下坚实基础。根据统计局定义，数字经济是指以数据资源作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动。近年来，我国数字经济蓬勃发展，产业规模持续快速增长，已数年稳居世界第二。统计测算数据显示，从2012年至2021年，我国数字经济规模从11万亿元增长到超45万亿元，数字经济占国内生产总值比重由21.6%提升至39.8%。来源：中国互联网络发展状况统计报告，艾瑞咨询研究院自主研究及绘制。来源：中国数字经济发展报告，信通院，艾瑞咨询研究院自主研究及绘制。2017-2021 年中国互联网普及率 2017-2021 年中国数字经济规模及占GDP 比重7719882851854499889910319555.8%59.6%61.2%70.4%73.0%2017.12 2018.12 2019.6 2020.12 2021.12网民规模（万人）互联网普及率（%）中国数字经济规模（万亿元）中国数字经济规模占GDP比重（%）32.9%34.8%36.2%38.6%27.231.335.839.245.520172018201920202021 39.8%142022.9 iResearch I 2022.9 iResearch I端-边-云协同的驱动因素(2/3)数据体量骤增，我国数据资源优势明显数字经济下，生产要素组合为数字、技术、资本、劳动力、土地，其中数字作为核心要素起到关键变革作用。人们对于海量数据的挖掘和运用带来新一波生产率增长与消费者盈余浪潮。随着人工智能、物联网、云计算、边缘计算等新兴技术的快速发展，中国已凭借其网络基础设施、数据中心设施等数据资源优势，迎来数据体量的爆发。根据IDC 预测，2018-2025 年，中国数据圈将以30%的年平均增长速度领先全球，2025 年预计数据量级将增长至48 ZB，占全球数据圈的27.8%，成为全球最大的数据圈。注释：1ZB=1024 GB来源：国家网信办 数字中国发展报告（2021 年），艾瑞咨询研究院自主及研究绘制。2017-2021 年全球与中国数据产量26 33 42 53 66 2.333.95.16.62017 2018 2019 2020 2021全球数据产量（ZB）中国数据产量（ZB）中国27.8%美国23.4%其他48.8%2025 年全球数据产量占比预测来源：国家信息通信研究院，IDC，艾瑞研究院自主研究及绘制。根据IDC 预测，2025 年全球数据量将达到48.6 ZB，其中，中国数据占比预计为27.8%。根据国家信通院数据，截止2021 年底，我国已建成142.5 万个5 G 基站，总量占全球60%以上；2021 年，我国在用数据中心机架规模达到520 万架，大型以上机架占比超80%。中国在数字经济产业化发展中持续积累数据资源优势。152022.9 iResearch I端-边-云协同的驱动因素(3/3)Io T 广泛连接，边缘刚需场景涌现根据艾瑞咨询测算，中国物联网连接量将从2019年的55亿个增长至2025年的156亿个。物联网感知数据量激增，数据类型愈发复杂多样。随着智慧城市、自动驾驶、工业互联网等应用的落地，海量的终端设备实时产生数据，集中式云计算在带宽负载、网络延时、数据管理成本等方面将愈发显得捉襟见肘，难以适应数据频繁交互的需求，边缘侧的价值将进一步凸显。注释：物联网连接设备指智能穿戴、车联网、工业物联网、安防、城市公共服务等场景应用的传感设备，不包括含SIM卡功能的手机等移动设备与通过有线宽带连接的设备。来源：艾瑞咨询研究院根据中国移动、中国联通、中国电信、GSMA等公开资料，结合艾瑞统计模型绘制。2016-2025 年中国物联网设备连接量91631557488106125143 15677.8%95.0%75.0%34.8%19.4%21.2%17.3%14.6%9.0%2016 2017 2018 2019 2020 2021e 2022e 2023e 2024e 2025e中国物联网连接量（亿个）物联网连接增速（%）CAGR=69.1%CAGR=15.5%162022.9 iResearch I 2022.9 iResearch I100%37%12%37%35%24%26%53%76%100%5G WiFi 4G短距离传输3G大规模应用 重点应用 其他端-边-云协同的支撑条件多元化AI 加速芯片、5G 和Wi-Fi 网络、云原生技术等助力1）算力芯片：FPGA架构兼具强大的计算性能和超低的延迟，其低功耗的特性更适合部署在边缘侧，又不似ASIC般专为某种特定用途而定制，应能够有效应对边缘计算带来的挑战；专门为AI深度学习设计的AI神经网络专用加速芯片（NPU）也在边缘计算场景崭露头角；2）5G和Wi-Fi：5G是边缘计算时代最重要的网络技术，其大带宽、低时延、广连接的特性与边缘场景相契合，尤其在自动驾驶等要求室外覆盖、移动性的场景中具有不可替代性。但现阶段5G行业终端的数量尚少，预计边缘计算会随着5G行业应用的普及分阶段落地。此外，Wi-Fi技术也在向着更高的吞吐量、更大的覆盖面积和更低的时延发展，Wi-Fi在室内场景中的优势使其成为5G的重要补充，两者将共同助力边缘云应用；3）云原生技术：包括容器、微服务、DevOps等在内的云原生技术和理念强调松耦合的架构和简单便捷的扩展能力，旨在通过统一标准实现不同基础设施上一致的云计算体验。相比于虚拟主机，云原生更适合边缘云计算的场景，可以为端边云提供一体化的应用分发与协同管理，解决边缘侧大规模应用交付、运维、管控的问题。注释：其他为“适度应用”、“少量应用”、“极有限应用或完全不应用”的总和。来源：2019年GSMA智库关于中国边缘计算的调查，艾瑞咨询研究院绘制。来源：艾瑞咨询研究院自主研究及绘制。中国边缘计算接入技术Q：从长远来看（2025年），哪些接入计算将为中国边缘计算应用提供最广泛的连接？Wi-Fi 5G（蓝牙、Z-Wave、ZigBee等）5G 及Wi-Fi 与热点应用场景的适配性现阶段只有5G 可满足的场景需求；Wi-Fi在室外覆盖及移动性表现差5G与Wi-Fi均可满足，但5G 在室外覆盖及连接量上更具优势；在室外或偏远地区，Wi-Fi部署困难、磨损快，且面向海量设备，Wi-Fi部署成本高5G与Wi-Fi均可满足，但Wi-Fi 在室内覆盖上更具优势；5G室内覆盖效果差，信号穿透性差自动驾驶、超高清视频、无人机巡检等远程医疗、海量视频监控、桥吊远程操作、智能配电自动化等VR/AR、超高清电视、智慧银行等172022.9 iResearch I端-边-云协同的趋势演变通过“边缘”打通最后一公里，实现云边协同与端侧边缘化云计算最早通过网络将分散的ICT 资源集中起来，以云服务形式为客户提供按需资源，极大改变了社会工作方式与商业模式。而借力于云端算力资源与端侧数据处理的协同应用，云端智能产品得到了快速发展。但随着全球及中国数据量的爆发性增长，海量设备端数据向中心云进行传输和处理时，需要超大的带宽与回传容量，将面临带宽负载、网络时延、传输成本上的巨大压力。边缘计算可在本地提供IT 服务、计算能力，减少上传的数据量、节省网络操作、服务交付的时间延迟，提高传输效率，让海量数据实现本地存储、处理、分析、决策和执行。企业可以选择将算力下沉至更贴近设备端的边缘计算，衍生出端-边-云的协同新模式。端-边-云协同趋势的演变发展来源：综合公开信息、专家访谈，艾瑞咨询研究院自主研究及绘制。利用分布式计算和虚拟资源管理等技术，通过网络将分散的IC T 资源集中起来，打破信息藩篱，形成共享资源池，以动态按需与可度量方式向用户提供服务。云计算的产生 云-端协同的应用演变端-边-云协同的趋势发展基础设施服务商IaaS服务提供商PaaS服务提供商SaaS服务提供商上游行业应用虚拟化弹性扩容按需付费私有云公有云混合云云端协同可以实现数据在云端的实时共享，并完成实时分析提供资源服务；同样云端的算力资源与端侧的数据协同 推进了智能化应用的产品发展。端边云协同：将端侧、边缘侧、云侧的计算连接共通，在靠近设备端、客户端的地方建立起边缘计算能力，将云端能力下放到靠近设备的边缘节点，起到减少延迟、降低能耗、增强对信息访问量的优化效果，并使数据交互变得更加安全。实现端侧数据与云端服务的传输协同云端平台按需提供计算资源与服务云端云端协同 云端智能云计算 大数据 人工智能能耗性需求：降低传输需要的数据量与能耗实时性需求：让数据得到更加实时的处理安全性需求：解决数据上云的安全隐私性端更靠近边：端侧边缘化云更靠近边：云边协同面向需求，边缘计算应运而生云端 边将云计算能力下沉到边缘让端侧数据得到更优处理182022.9 iResearch I端-边-云的应用需求分析产品架构选择需对时延、成本、场景复杂度做多因素考量在云计算时代兴起以前，图像数据主要为本地化处理，而随着云计算服务发展，将端侧设备部署在本地，算法放置在云端的产品架构可以有效实现端侧的空间节约、部署的成本降低及算法的实时更新。因此云端协同广泛渗透到各行业产品应用中，但该产品结构下，端侧数据均需回传到云端做处理，适用场景需对时延要求较低，存在数据传输量大、能耗高等问题。深度神经网络的技术发展与模型应用又进一步加大了数据传输量，AI摄像头便在此背景下应运而生，构建起初步的云“边”端协同，由内置AI算法的摄像头实现前置化的数据处理，初步成为边缘侧。值得注意的是，AI摄像头出于功耗、散热等因素考量，不会内置过多算法，可处理简要前端场景。若对时延要求高且算法需求复杂的应用场景，则需搭建边缘盒子或边缘服务器，构建边缘侧，实现云、边、端的相互协同。本篇报告根据行业特点与场景需求，将安防、工业、零售、机器人、农业领域划定为产品应用的研究范围。端-边-云应用的场景需求分析来源：综合公开信息、专家访谈，艾瑞咨询研究院自主研究及绘制。云端协同 云“边”端协同 云边端协同云侧集中负责训练推理端侧负责 传输交互数据端侧相机添加AI 算法，可 简要处理前端数据，此时端侧边缘化，端侧相机初步成为边缘侧添加边缘盒子/边缘服务器，靠近端侧快速处理复杂场景数据需求 产品架构：由端侧负责传输交互数据，所有数据会传输到云侧去做训练与推理 适用场景：由端侧提供数据，云端做后置分析，场景复杂，对时延要求较低，无需对端侧数据做出快速反应及决策 产品架构：端侧装载AI算法（一般为两种），由端侧简要处理前端数据，将需要进一步处理的部分再反馈给云端 适用场景：对时延有一定要求，前端数据处理场景较为简单，由AI摄像头可做一部分前置处理 产品架构：由端侧简要处理前端数据，将需要进一步处理的部分反馈给边缘侧，快速高效反应现场问题，云端主要负责训练与算法迭代 适用场景：需要将算法前置，添加边缘侧满足客户 对时延要求高，算法需求多的数据处理需求19AI 视觉产业背景 1端边云协同的需求趋势 2端边云协同的AI 视觉产业分析 3典型厂商案例 4端边云协同的技术与生态趋势 5202022.9 iResearch I端边云协同的AI 视觉产业图谱注释：图谱logo的大小和位置与排名无关。来源：艾瑞咨询研究院自主研究及绘制。中国端边云协同的AI 视觉产业图谱基础设施层应用场景ICT 提供商 云服务提供商 通信设施提供商 采集设备提供商 数据服务提供商人脸比对视频分析缺陷检测自助结算巡检质检 云边端端边云协同的AI 视觉解决方案提供商安防 工业 零售 机器人 农业212022.9 iResearch I端边云协同的AI 视觉产业模式以端侧智能化为切入点，协同云边满足多样化业务需求端边云协同的AI视觉解决方案核心由硬件产品、软件服务与应用平台构成。底层硬件的摄像头本机种类丰富，可分为枪型、筒型、球机、水下、全景等多种类型，应用适配于不同终端场景。在集成神经网络算法与计算单元后变为AI摄像头后，再根据场景需求判断是否附加到其他硬件产品上，以解决端侧对图像分析、动态视频分析的简单推理需求。软件服务与应用平台需评估客户的定制化需求程度，提供对应的标准化SaaS服务或定制化平台解决方案，满足客户在敏捷部署、时延带宽、产品成本、数据安全等方面的多样化业务需求。来源：艾瑞咨询研究院自主研究及绘制。端边云协同的AI 视觉产品架构神经网络算法摄像头AI摄像头集成商计算单元本地部署模型训练算法迭代模型管理重级模型推理 数据接入 数据建模解决简单模型推理需求硬件产品边缘端边缘应用智能决策分析 实时监控预警 可视化呈现云服务222022.9 iResearch I端边云协同的AI 视觉解决方案与通用AI 产品模式相同，按需选择标准或定制化产品方案随着人工智能深度学习算法的快速成熟，中国诞生了一批深耕于AI视觉算法技术的人工智能企业。总结来看，提供AI视觉产品的市场参与厂商众多，主要包括大型云服务厂商（阿里云、腾讯云、百度云、华为云等）、AI视觉算法厂商（商汤、旷视、云天励飞、进化动力等）以及传统安防厂商（海康威视、大华股份、宇视科技等）。各家以AI技术积累、渠道经验、产品特性为市场切入点，选择一个或多个垂直业务领域。以安防、零售、金融、车联网、机器人、农业等为例，提供端边云协同架构的AI视觉产品方案。AI视觉产品模式一般可分为标准化SaaS产品与定制化解决方案两类，行业客户需根据自身IT信息化水平、需求定制化程度、产品付费意愿、适用场景需求等因素考量选择，对应完成端侧、边缘侧及云侧的产品部署。来源：艾瑞研究院根据专家访谈自主研究及绘制。端边云协同的AI 视觉产品模式大型项目决策流程标准化Sa a S 产品 定制化解决方案 标准化Saa S 产品：为客户提供私有云和公有云方案，基于应用点位与网络带宽的客户需求，按固定时间收费，一般为按年收费。定制化解决方案：为客户提供定制化解决方案，根据客户定制化产品需求，部署软件与业务平台，按软件授权、方案部署与运营维护等模块收费。客户画像：信息化能力较为薄弱、基于业务理解的个性化需求较少，多应用于标准化场景，满足中小型客户AI视觉需求。客户画像：有较多个性化需求，具备一定信息化基础与付费意愿，多为以工业、农业为代表的行业头部客户。业务/IT/智能化部门提出需求 挑选部分领域做业务试点 评估试点价值，进行POC测试由小批量推广到大规模采购 批量采购传感器、摄像头、边缘盒子/服务器（按需），为AI视觉方案部署视频联网基础功能。232022.9 iResearch I行业应用：安防领域算力向边缘侧、端侧前移趋势明显，减少后端处理压力公安交通作为AI视觉应用于安防领域的重要支柱赛道，兴起初期为大范围的新建市场，重点为端侧与中心侧的AI相关基础设施建设；现阶段建设方向转变为智能化视频监控升级，一种是对原本不智能的系统进行智能化升级，另一种是对已有的前端智能化视频监控系统进行事前预警、判断、处理的升级改造。边缘侧作为建设重点契合向综合化、网格化管理模式转变的需求，将分担中心侧的算力，将事前告警、分析能力等前移。此外在智慧社区及老旧小区改造的推动下，社区楼宇领域的智能视频监控系统铺设正进入加速阶段，但单个项目对后端系统的需求不大，主要依靠端侧AI相机进行处理。来源：艾瑞咨询研究院自主研究及绘制。端边云协同的典型公安人像视频监控系统架构图AI摄像头 卡口相机 全景相机 其他类型摄像头 高清摄像头智能视频监控一体机/NVR 人脸识别盒子智能比对分析及管理系统智能分析服务器 人脸实时布控服务器人像大数据服务器中心管理及数据库服务器存储、解码等其他服务器人像系统 对前端接入的部分视频流、图片流进行人脸识别比对，实现结构化属性分析识别与存储 主要建设动态比对识别系统 实现实时视频监测抓拍、实时过人比对（1:1,1:N,N:N）、视频结构化属性识别 智能应用包括：人员布控、人口管理、落脚点分析、轨迹分析、情报研判、人脸大数据分析等 主要建设静态人像系统，实际应用中，人证比对终端等采集的数据也会接入系统 实现人员数据的静态查询 智能应用包括：图像检索（1:N,N:N）、属性分析比对、串并案分析等端侧市、区（县）分析中心省级分析中心 采集信息边缘侧 实时监测242022.9 iResearch I行业应用：零售领域AI 视觉集中于对商品及消费者进行识别分析零售场景中AI视觉技术应用主要包括商品识别分析和消费者行为洞察。前者主要体现在电商以图搜图、货架陈列分析、自助结算/称重等环节。通过图像识别及分析技术理解货品在零售场景中的状态，助力精准营销及提高门店运营管理效率；后者则是通过人脸识别、人体特征识别等技术获得消费者购买行为数据，实现对消费者的行为洞察。在此融合基础上，可对门店经营情况、消费者游逛行为等进行数据量化，服务于精准营销、智能化运营、门店管理等智慧零售应用，助力零售企业降低人工成本、优化运营效率、提升消费者购物体验、塑造新兴业态等。对于实体零售企业，端边云协同的部署模式可以保证自助结算、防盗损、门店运营管理等对实时性及数据保密的要求；而自助称重、自助结算、无人零售货柜等对数据及算力要求较低的应用场景，近端侧解决方案具有低成本、灵活部署、易运维等优势。来源：艾瑞咨询研究院自主研究及绘制。端边云协同的AI 视觉解决方案 零售领域商品识别分析 消费者行为洞察电商以图搜图 货架陈列分析对客户端上传的图片、视频图像进行紧凑视觉特征提取并上传至云端，与云端海量图像数据进行精准匹配并进行大规模特征检索，进行相关商品推荐通过图像识别技术获得货架商品信息，完成陈列及价格审核、货架品类及数量分析、竞品跟踪分析等，可提高品牌商业务人员的巡店效率，亦可为终端渠道门店提供货品数据信息自助结算/称重解决线下零售门店高峰期排队严重、人工结算/称重易出错、商品盗损等问题。自助结算设备可实现多商品、不限角度的快速识别；自助称重设备可实现非标品（如生鲜、食堂餐食等）快速识别，助力各类商超门店的资产保护行为洞察人体特征识别、人体关键点检测、行为分析等洞察消费者购物轨迹、拿取动作，实现客流统计、热力图分析等优化门店经营决策的辅助手段，以及未佩戴口罩提醒等疫情防控措施商圈近场部署软件定义摄像头采集近场人员/货物信息边缘服务器边缘盒子云服务云端训练 边缘推理 端侧推理方案架构 摄像头/AI 视觉模组本地化部署Sa a S 模式产品云端训练云端推理边缘/端侧实时数据处理及训练生鲜称、结算设备、无人货柜等252022.9 iResearch I行业应用：工业领域AI视觉在检测方面由于适宜处理易混淆的问题、能够直接判别缺陷如何处理，覆盖了传统工业机器视觉的功能盲区，尤其在3D尺寸及缺陷监测任务中表现出明显优势；且通过3D视觉传感器等，可使工业相机具备深度学习检测能力，无需再配备工业计算机，具有更高效率、开发简易、硬件投资节约等优点。基于以上优势，AI视觉可以完成工业智能运维中的外观异常检测、仪表示数异常检测，帮助实现预测性维护和智能运维；也可以独立应用于生产环节的质量质检、产品和组件装配检查等。具体部署层面，AI视觉技术可与激光设备、图像读码器等现场工业装备或工业相机、镜头等机器视觉系统集成应用，亦可通过工业互联网平台实现端边云一体化应用。端边云协同部署方案可以有效实现在线获取数据、在线调试，快速实现模型的迭代优化、实时下发至端侧实时应用，提升运维人员的AI模型