机器视觉：高质量替代人眼，立足电子、汽车等向多个领域拓展机器视觉的主要功能为捕获并处理图像，为设备执行提供操作指导，具有识别、测量、定位和检测四项重要功能，目前主要应用于消费电子和汽车等领域，未来有望向物流、食品等方向拓展。

乘自动驾驶发展东风，激光雷达走进大众视野：激光雷达是自动驾驶与机器人产业的重要传感器类型之一，2005年，Velodyne首次将64线激光雷达应用于DARPA挑战赛，2007年Velodyne生产出首台商用3D动态扫描激光雷达，成为该行业的重要时刻。相比毫米波雷达、摄像头、超声雷达等方案，激光雷达在可靠度、探测距离、夜间表现等方面较为均衡，具备一定优势，车企通常采用多类传感器融合方案。激光雷达按照技术路径细分可分为机械式、混合固态（MEMS）、固态式（OPA、Flash）三种类别。其中机械式发展较早，技术成熟度高；固态式在性能、成本上要优于机械式，但技术上还有待突破。当前对于激光雷达的评判标准集中在车规级、可量产、低成本三个方面，在车规级方面，镭神智能CH32混合固态激光雷达，在国内率先通过车规级认证，在可量产与低成本方面，固态式激光雷达体积小、整体量产成本和量产难度较低，容易在技术成熟后产生可大规模应用的市场价格。尽管固态式在整体性能上优于机械式，但距离技术上的完全成熟还需要一段的时间，因此短期内激光雷达市场上仍旧是机械式与固态式激光雷达并存的局面。

本报告深入分析了计算机视觉产业链及核心技术，提出产业链相互融合的发展趋势，以及核心技术向轻量化&低成本及端边云协同方向发展，以解决成本高、时延高、功耗高、部署难、隐私顾虑等产业痛点问题，并介绍了六大行业领域对计算机视觉的场景需求及解决方案。希望能够为产业在规划设计计算机视觉相关产品和解决方案时提供参考和指引。

截至2020年3月20日，中国人工智能产业联盟收集到抗疫Al产品反馈500余条。其中，智能服务机器人、大数据分析系统和智能识别（温测）产品数量居前三，计算机视觉、语音、大数据等人工智能技术成熟度相对较高，面向使用场景丰富，因此其代表产品在抗击疫情中也发挥了极大作用。

人工智能的研究自1956年之后，引发第一次浪潮，主要研究逻辑推进为主的“基于规则的专家系统”，但是经过长时间的研究，专家系统进入瓶颈期，随之Al的资金投入和人员投入大量缩减，Al研究方向也悄然发生变化，以研究计算机视频、语音和计算机自然语言进行新的研究方向，“机器学习”算法的不断优化使得人工智能在多个领域实现了惊人的突破。2011年Google 大脑通过非监督学习识别出猫脸，2015年斯坦福人工智能实验室的计算机图像识别技术的图像识别正确率在ImageNet图像识别比赛首次超过人眼，2016年微软语音识别技术可以将英语错词率降至5.9%。

人机交互（Human-Computer Interaction，HCI），作为一个术语，首次使用是在由Stuart K.Card，Allen Newell和Thomas P.Moran 撰写的著作“The Psychology of Human-Computer Interaction”里[1]，它是一门研究系统与用户之间的交互关系的学问。系统可以是各种各样的机器，也可以是计算机化的系统和软件。人机交互界面通常是指用户可见的部分，用户通过人机交互界面与系统交流，并进行操作。人机交互技术是计算机用户界面设计中的重要内容之一，它与认知学、人机工程学、心理学等学科领域有密切的联系。

受益于消费者数据的指数级增长，人工智能算法准确度和算力资源提升，以及大数据、智能硬件、AloT、虚拟现实、5G等新兴技术发展，人工智能在零售行业的应用已逐步渗透到价值链多个环节。其中，机器学习和计算机视觉成为支撑“Al+零售”的两大技术，机器学习主要应用于数据分析与建模，以实现数据智能和产业链优化；计算机视觉技术则应用于对消费者及商品的识别与分析，目前相关应用已实现落地。

目前人工智能商业化在算力、算法和技术方面基本达到阶段性成熟，想要更加落地，解决行业具体痛点， 需要大量经过标注处理的相关数据做算法训练支撑 ，可以说数据决定了 AI 的落地程度。

过去的2019年，人工智能进入了技术成熟度曲线的低谷期，技术炒作的泡沫破裂，行业关注重心开始转变为人工智能如何落地产业。然而，由于技术与业务需求之间的鸿沟，人工智能在走向产业落地的过程中面临一系列的挑战。企业在应用人工智能技术推进业务转型升级的过程中，必须要了解这些问题并加以有效应对。

2018年，据ICS-CERT统计，全球涉及技术过程自动化管理系统组件漏洞共计415个，比2017年发现的漏洞数量增加了93个。其中，涉及工程软件143个、涉及SCADA/HMI组件81个、涉及工业用途网络设备66个、涉及PLC47个、 涉及工业计算机和服务器19个，工业视频监控系统15个， 其他44个。