近日，Meta官方博客宣布，推 出 新 AI模 型 SegmentAnythingModel(SAM)分割一切模型，提出能夠對任何圖像或視頻中的任何物體進行識別、圖像分割和一鍵摳圖。此外，華為云AI領域首席科學家田奇在中國人工智能大模型技術高峰論壇上提出，未來隨著盤古系列大模型落地，AI視覺在下游應用中會加速滲透。

業內人士表示，目前SAM模型及數據集均為開源，可以靈活集成于更大的AI系統，隨著SAM的演進與發展，該技術可能會成為工業質檢、AR/VR、自動駕駛、衛星遙感等多領域的強大的輔助工具，看好SAM等圖像分割模型在機器視覺中的應用。

事件驅動 Meta推出SAM模型

4月6日，Meta宣布推出Segmen-tAnything工具，SAM可準確識別圖像中的對象，可以識別圖像和視頻中的單個物體，甚至是訓練中沒有遇到的物體。除此之外，Meta還發布了SegmentAnything1-Bilionmask數據集(SA-1B)，這更是有史以來發布的最大分割數據集。開發者可以在SAM模型技術上，開發出功能更強大、影響范圍更廣的人工智能，應用于各種領域。

目前為特定用例創建準確的分割模型是大多數AI無法完成的任務，因為它需要技術專家進行高度專業化的工作，并需要獲得極其強大的AI訓練基礎設施和大量有注釋和特定領域的數據集，而Meta表示，上述難題都是SAM和SA-1B能夠克服的問題，通過減少對特定任務的建模專業知識、訓練計算和定制數據注釋的需求來幫助研究人員。

英偉達人工智能科學家JimFan表示，此次SAM最大的一點突破是它已經基本能夠理解“物品”的一般概念，即使對于未知對象、不熟悉的場景都能比較準確的理解，因此他表示，相信SAM的出現會是在計算機視覺領域里的GPT-3時刻。

MetaSAM模型的推出引發市場對計算機視覺的關注，而機器視覺和計算機視覺關系緊密。機器視覺技術，是一門涉及人工智能、神經生物學、心理物理學、計算機科學、圖像處理、模式識別等諸多領域的交叉學科。機器視覺主要用計算機來模擬人的視覺功能，從客觀事物的圖像中提取信息，進行處理并加以理解，最終用于實際檢測、測量和控制。

繼Meta發布SAM后，智源研究院視覺團隊推出通用分割模型SegGPT(Seg-mentEverythingInContext)。與SAM的精細標注能力相比，SegGPT模型更偏重于批量化標注分割能力，無論是在圖像還是視頻環境，用戶在畫面上標注識別一類物體，即可批量化識別分割出其他所有同類物體。從測試結果看，研究人員在廣泛的任務上對SegGPT進行了評估，包括少樣本語義分割、視頻對象分割、語義分割和全景分割，結果顯示SegGPT模型同樣展現出強大的零樣本場景遷移能力，并在COCO和PASCAL等經典CV數據集上取得最優性能。

行業前景 國產機器視覺成長提速

計算機視覺是指用攝像機和計算機代替人眼對目標進行識別、跟蹤和測量等，通過計算機實現人的視覺功能，對客觀世界的三維場景的感知、識別和理解，通常有仿生學和工程兩類方法。計算機視覺自20世紀40年代萌芽，歷經三次浪潮，自2006年Hinton在神經網絡的深度學習領域取得突破后，實現飛速發展。計算機視覺下游應用廣泛，可通過人臉識別、視頻監控處理、網絡圖像分析、測溫通行、人機交互等功能垂直賦能各行各業，使用場景包括智慧城市、智慧零售、智慧醫療、智能駕駛、智能家居、工業制造等。

機器視覺可以被認為是工業化的計算機視覺，在工業領域，計算機視覺為機器視覺提供軟件算法，而機器視覺提供傳感器模型，系統構造等，可廣泛應用于3C電子制造、鋰電池、光伏、半導體等行業。

根據咨詢機構弗若斯特沙利文數據，我國計算機視覺市場規模一直保持逐年增長，從2018年的79億元增長至2020年的167億元，年均復合增長率達45.39%，預計2022年我國機器視覺市場規模將進一步增長至351億元。根據高工機器人產業研究所(GGII)統計數據，我國機器視覺市場國模有望從2021年的107.8億元增長至2025年的311.57億元，CAGR高達30.4%。

值得一提的事，政策支持疊加應用端拓展，國產機器視覺成長提速。一方面，我國《“十四五”智能制造發展規劃》中提到，要大力發展智能制造裝備，推動先進工藝、信息技術與制造裝備深度融合，產業鏈自主可控需求推動本土機器視覺廠商持續自主創新、縮小與海外龍頭的實力差距;另一方面，全球人工智能經濟持續發酵，AI應用端市場多點開花并加速落地，在“AI+”、“工業4.0”和“中國制造2025”背景下，智能工廠、智能制造成為工業發展大趨勢，在機器視覺方面率先實現自主技術創新突破的國產廠商有望充分受益。

投資機會 七大應用領域有望受益

招商證券表示，我國機器視覺研發起步較晚，早期本土廠商以代理海外龍頭產品為主，后逐步開始自主研發進程。目前本土企業中，凌云光已涉足視覺器件、可配置視覺系統與智能視覺裝備等領域，奧普特產品涵蓋視覺控制系統、鏡頭等機器視覺核心部件，大恒科技子公司專注機器視覺系統與部件業務;天準科技已推出視覺測量裝備、視覺檢測裝備等產品服務，矩子科技涉足機器視覺設備。此外，大華股份、韋爾股份、斯特威、奧比中光等也是本土機器視覺產業鏈重要參與者。

華西證券指出，SAM對機器視覺會產生革命性的影響，原因是從機器視覺的角度來說，感知永遠是處于智能模塊的流程前期，且感知在AI機器視覺領域占據絕大部分的功耗，原因是感知需要將數據轉換成特征向量。就智能駕駛而言，圖像分割是深度神經網絡架構，在智能駕駛極為重要，SAM出世后，此神經網絡有望直接被SAM大模型代替，效率大幅提升，模型預訓練所需的時間、人力成本有望大幅降低，同理，其他領域機器視覺同樣受益，例如智慧安防領域、家用攝像頭領域等。

SAM的橫空出世有望對機器視覺產生革命性的影響，華西證券認為以下應用領域有望受益。

第一，智能駕駛，受益標的為中科創達、虹軟科技、光庭信息、四維圖新、東軟集團等;第二，安防領域，受益標的為海康威視、當虹科技、大華股份等;第三，家用攝像頭與機器人領域，受益標的為科沃斯、石頭科技等;第四，工業質檢領域，受益標的為凌云光、用友網絡、奧比中光等;第五，MR、XR領域，受益標的為歌爾股份、立訊精密、微導納米、長盈精密等;第六，地理信息化領域，受益標的為航天宏圖、中科星圖、超圖軟件等;第七，3D建模仿真領域，受益標的為華如科技、霍萊沃等。

中郵證券則表示，目前SAM模型及數據集均為開源，可以靈活集成于更大的AI系統，隨著SAM的演進與發展，該技術可能會成為工業質檢、AR/VR、自動駕駛、衛星遙感等多領域的強大的輔助工具，看好SAM等圖像分割模型在機器視覺中的應用，建議關注奧普特、凌云光、奧比中光、千方科技、聲迅股份。