1. 计算机视觉产业链的全景拆解与跟踪逻辑
1.1 为什么选择“产业链跟踪”这个视角
做计算机视觉这个方向的人，很容易陷入一个误区：盯着模型和论文看，觉得把检测、分割、跟踪的SOTA刷一遍就算入门了。我2022年底跟几个做安防和工业质检的朋友聊完才发现，真正在产业里跑通的项目，技术选型只是其中一环，更多时候决定项目成败的是上游的传感器选型、中游的算力成本、下游的场景适配。所以从2023年1月开始，我给自己定了一个习惯：每个月花两三天时间，把计算机视觉这条产业链从头到尾梳理一遍，记录关键变化。
这个“产业链跟踪梳理”不是学术综述，也不是投资研报，它更像是一个从业者的工作笔记。我会关注上游的芯片和传感器有什么新动向，中游的算法框架和开发工具有什么更新，下游哪些场景在真正落地、哪些在退潮。这样做的价值在于，当你下次要做一个视觉项目时，你能快速判断：现在这个时间点，用什么方案性价比最高，哪些坑已经被别人踩过了。
1.2 产业链上中下游的划分方式
计算机视觉的产业链，我习惯按“数据从哪来、算法在哪跑、结果给谁用”这条主线来切。上游是感知层和算力层，包括图像传感器、镜头模组、AI芯片、边缘计算设备；中游是算法层和平台层，包括开源框架、预训练模型、标注工具、训练平台、推理引擎；下游是应用层，覆盖安防、工业、医疗、零售、自动驾驶、消费电子等场景。
这个划分不是绝对的。比如海康威视既做上游的摄像机，也做中游的算法，还做下游的行业解决方案。但作为跟踪框架，它足够清晰，能帮我把零散的信息归位。2023年1月这个时间点，我重点跟踪的是三个变化：一是国产AI芯片在推理侧的份额变化，二是视觉大模型对传统算法方案的冲击，三是工业质检场景从“试点”到“批量复制”的拐点是否到来。
1.3 跟踪笔记的信息来源与筛选原则
我跟踪信息的来源分四类。第一类是公开的行业报告和白皮书，比如中国信通院、艾瑞、IDC的季度报告，这类信息宏观但滞后，适合看趋势。第二类是上市公司财报和招股书，尤其是科创板里做机器视觉和AI芯片的公司，财报里的营收结构和毛利率变化比任何研报都真实。第三类是开源社区和开发者论坛，GitHub上的star增长、issue讨论、版本更新日志，能反映技术栈的真实热度。第四类是一线从业者的交流，包括微信群、线下meetup、以及和客户聊天时听到的“抱怨”，这类信息最鲜活，但需要交叉验证。
筛选原则很简单：只记录能影响技术选型或成本结构的信息。比如某款国产推理芯片降价30%，这是有效信息；某公司发布了一个新的视觉大模型但没公布推理成本，这是无效信息。2023年1月我记录的关键词包括：计算机视觉、边缘推理、视觉大模型、工业质检、数据标注成本。
2. 上游感知与算力层的关键变化
2.1 图像传感器：全局快门与事件相机的渗透节奏
2023年1月，图像传感器这个环节最值得关注的是全局快门（Global Shutter）在工业场景的渗透。传统卷帘快门（Rolling Shutter）在拍摄高速运动物体时会产生果冻效应，这在工业质检里是致命的。以前全局快门的传感器价格是卷帘的3到5倍，很多项目为了省成本就忍了。但2022年下半年开始，国产厂商在全局快门上的产能上来后，价格差距缩小到1.5倍左右。
我拿到的几个工业相机报价单显示，200万像素全局快门CMOS模组，2022年初还要800到1000元，2023年1月已经降到500到600元区间。这个变化直接影响了产线质检的方案设计：以前只能用卷帘快门加频闪光源来“冻结”画面，现在可以直接上全局快门，光源方案简化，整体成本反而更低。
事件相机（Event Camera）这个月没有大的价格变化，依然停留在科研和小众场景。它的优势是只记录亮度变化，延迟极低、功耗极低，适合高速避障和低功耗监控。但缺点是输出的是异步事件流，不是传统图像，算法栈要重写。我个人的判断是，2023年事件相机还不会大规模进入工业场景，但做自动驾驶和机器人的人应该保持关注。
2.2 AI推理芯片：国产替代在边缘侧的实质性进展
这个月我重点跟踪了边缘推理芯片的报价和供货情况。2022年很多项目因为缺芯被迫改用国产方案，到了2023年1月，国产芯片不再是“备胎”，而是在性价比上真正有了竞争力。以某国产边缘推理芯片为例，INT8算力8TOPS，功耗5W，批量采购价在200元以内，而同级别的进口芯片还在400元以上。
但这里有一个坑：国产芯片的算力标称值往往是在理想条件下测的，实际跑视觉模型时，由于内存带宽和算子支持的限制，有效算力可能只有标称的50%到70%。我实测过一个国产芯片跑YOLOv5s，标称8TOPS，实际帧率只比另一款标称4TOPS的进口芯片高20%。所以选型时不能只看算力数字，一定要拿自己的模型去实测。
另一个变化是计算机视觉推理框架的适配。以前国产芯片的SDK很难用，算子覆盖不全，模型转换经常失败。2023年1月，主流国产芯片厂商基本都支持了ONNX和TFLite的模型导入，部分还支持PyTorch直接导出。这意味着算法工程师不需要为了适配芯片去重写模型，迁移成本大幅降低。
2.3 镜头与光源：被低估的成像质量决定因素
很多做算法的人不重视镜头和光源，觉得“算法能补”。我踩过的坑是：在一个金属表面缺陷检测项目里，算法换了三版，指标始终上不去，最后发现是镜头畸变导致边缘缺陷变形，算法根本学不到稳定特征。换了远心镜头后，同样的算法，召回率从72%提到91%。
2023年1月，远心镜头和工业光源的国产化程度已经很高，价格比进口低40%左右。但选型时要注意：远心镜头的景深很浅，适合测量但适合有高度差的表面；光源方面，频闪光源配合卷帘快门可以替代全局快门，但频闪的同步信号如果和相机曝光不同步，会出现亮度不均。这些细节在方案设计阶段就要确认，不要等到现场调试才发现。
3. 中游算法与平台层的技术选型实录
3.1 开源框架与预训练模型：从“造轮子”到“调轮子”
2023年1月，计算机视觉的开源生态已经非常成熟。检测有YOLO系列和DETR系列，分割有Segment Anything的前身工作，分类和特征提取有各种ViT变体。我的建议是：除非你的场景非常特殊，否则不要从零训练模型，而是基于预训练模型做微调。
但微调也有讲究。我试过在一个只有2000张标注图的工业缺陷数据集上，直接微调YOLOv5，mAP只有0.65；后来改用冻结主干网络、只训练检测头，mAP反而提到0.78。原因是数据量太少，全量微调容易过拟合。所以小样本场景下，计算机视觉模型的微调策略比模型结构更重要。
另一个变化是视觉大模型（Visual Foundation Model）的兴起。2023年1月，已经有多个视觉大模型开放API，可以做零样本分类和检测。但我在实际测试中发现，这些大模型在通用场景下表现惊艳，在工业缺陷这种细粒度场景下，零样本的准确率还不如小样本微调的传统模型。所以我的判断是：大模型适合做数据预筛选和标注辅助，不适合直接替代产线模型。
3.2 数据标注：成本结构与质量控制
数据标注是计算机视觉项目里最容易被低估的成本项。2023年1月，我跟踪了几个标注平台的报价：2D框标注大约0.1到0.3元一个框，语义分割按像素算，一张图可能几元到几十元。一个中等规模的检测项目，标注成本轻松超过十万。
控制标注成本有几个实操技巧。第一，先用预训练模型做预标注，人工只做修正，效率能提升3到5倍。第二，制定详细的标注规范，尤其是边界框的贴合标准、遮挡情况的处理规则，否则返工成本极高。第三，做标注质量抽检，我通常按10%的比例抽检，如果错误率超过5%，就要求全部返工。
还有一个坑：标注人员的培训成本。工业缺陷的种类往往需要专业知识才能区分，比如某种划痕和某种材料纹理的差异，普通人根本分不清。这种情况下，要么让产线质检员来标注，要么让算法工程师先标注一批“黄金样本”作为参考。
3.3 训练平台与推理引擎：选型的三个硬指标
训练平台方面，2023年1月主流的选择还是PyTorch，TensorFlow的份额在视觉领域继续萎缩。推理引擎方面，ONNX Runtime、TensorRT、OpenVINO各有适用场景。我选型的三个硬指标是：算子覆盖率、量化支持、跨平台部署能力。
算子覆盖率决定了你的模型能不能顺利转换。我遇到过一个自定义的注意力模块，在ONNX里没有对应算子，转换直接失败，最后只能重写。量化支持决定了你能不能把模型压到边缘设备上跑。TensorRT的INT8量化效果最好，但校准过程比较麻烦；ONNX Runtime的量化更简单，但精度损失可能大一些。跨平台部署能力决定了你换芯片时要不要重写推理代码。ONNX在这方面优势明显，基本做到了“一次导出，到处运行”。
4. 下游应用场景的落地进展与踩坑记录
4.1 工业质检：从“样板间”到“批量复制”的瓶颈
工业质检是2023年计算机视觉落地最密集的场景之一。我跟踪的几个项目显示，表面缺陷检测、尺寸测量、装配验证是三大主力需求。但“样板间”和“批量复制”之间有一道鸿沟：样板间里光线可控、产品单一、节拍慢；批量复制时，每条产线的光照、震动、产品批次都有差异，模型泛化能力面临考验。
我踩过的一个坑是：在实验室训练的模型，到了产线现场，因为传送带速度变化导致运动模糊，检测率直接掉了一半。解决办法是在训练数据里加入不同速度下的模糊样本，或者用全局快门加频闪来“冻结”画面。另一个坑是产线的电磁干扰导致相机丢帧，这个只能从硬件布线上去解决，算法层面无解。
4.2 安防与零售：存量市场的算法升级需求
安防是计算机视觉最成熟的下游市场，2023年1月的主要变化是存量摄像头的算法升级。以前的老旧摄像头只能录像，现在通过边缘盒子接入AI算法，可以实现人脸识别、行为分析、客流统计等功能。这个市场的特点是量大、单价低、对成本极度敏感。
零售场景我跟踪的是自助结算和客流分析。自助结算的核心是商品识别，技术路线从条形码向视觉识别迁移。但视觉识别的难点在于商品外观相似度高、遮挡严重、光线变化大。我见过一个方案，在测试集上准确率99%，到了真实超市只有85%，原因是顾客拿取商品的角度和测试数据差异太大。所以零售场景的数据采集一定要在真实货架上做，不能用实验室摆拍的数据。
4.3 医疗与自动驾驶：高价值但高门槛的长周期场景
医疗影像和自动驾驶是计算机视觉的两个高价值场景，但2023年1月的落地节奏明显慢于工业。医疗影像的瓶颈不在算法，而在法规审批和数据获取。一个医疗AI模型从研发到拿证，通常要两到三年，而且需要多中心临床验证。自动驾驶的瓶颈在长尾场景和算力成本，L4级别的自动驾驶每辆车的光雷达和摄像头成本依然很高。
我个人的建议是：如果你是算法工程师，想进入这两个领域，先确认自己能不能接受长周期的项目节奏。医疗影像可能半年都在等数据审批，自动驾驶可能一年都在调同一个corner case。相比之下，工业质检和零售的反馈周期短得多，适合快速积累经验。
5. 常见问题与排查技巧实录
5.1 模型训练不收敛的排查清单
训练不收敛是计算机视觉项目里最常见的问题。我整理了一个排查顺序：先看数据，再看标签，再看模型，最后看超参。数据方面，检查图像是否有损坏、标注是否越界、类别是否极度不平衡。标签方面，检查标注格式是否和模型输入匹配，比如YOLO要求归一化的中心点和宽高，如果你给了左上角和右下角坐标，模型肯定学不到东西。
模型方面，先用一个极小的数据集（比如10张图）做过拟合测试，如果模型连这10张图都拟合不了，说明模型结构或损失函数有问题。超参方面，学习率是最关键的，我通常从1e-3开始试，如果loss震荡就降到1e-4，如果loss下降太慢就升到1e-2。还有一个容易被忽略的点：数据增强的强度。如果增强太猛，模型可能学不到有效特征，尤其是小数据集场景。
5.2 推理速度不达标的优化路径
推理速度不达标时，优化路径按成本从低到高排列：第一，降低输入分辨率，这是最直接有效的，但要注意小目标检测的精度损失。第二，换更小的模型，比如从YOLOv5m换到YOLOv5s。第三，做量化，INT8量化通常能提速2到3倍，但需要校准数据。第四，换推理引擎，比如从ONNX Runtime换到TensorRT。第五，换硬件，这是最后的手段。
我实测过一个案例：YOLOv5s在CPU上跑，640x640输入，只有5FPS；降到320x320后到15FPS；再做INT8量化后到40FPS；最后换到边缘NPU上到80FPS。每一步的精度损失都在1%以内，但速度提升了16倍。所以优化是一个系统工程，不要一上来就换硬件。
5.3 现场部署的常见故障与应急处理
现场部署的故障往往和实验室环境差异很大。我遇到过相机被强光干扰导致自动曝光失控，画面一片白；也遇到过网络抖动导致推理结果回传延迟，产线已经流到下一站了才报警。应急处理的原则是：先保生产，再查原因。比如曝光问题，可以临时锁定曝光时间和增益；网络问题，可以在边缘端做本地缓存和断网续传。
还有一个常见故障是模型文件损坏或版本不匹配。我建议在部署包里加一个自检脚本，启动时校验模型文件的MD5和推理引擎的版本号，不匹配就直接报错，不要等到跑了一半才崩。这个习惯帮我省了很多现场排查的时间。
5.4 数据漂移的监测与模型迭代策略
数据漂移是模型上线后精度下降的主要原因。2023年1月，我跟踪的几个项目都开始重视这个问题。监测方法很简单：定期抽样线上数据，用当前模型推理，人工检查错误率。如果错误率比上线时高了5%以上，就说明数据漂移了，需要重新标注和迭代模型。
迭代策略上，我推荐“增量训练+全量验证”。增量训练是用新数据微调模型，全量验证是用一个固定的测试集确认精度没有退化。注意不要只用新数据训练，否则模型会“遗忘”旧场景。另一个技巧是保留一个“黄金测试集”，这个测试集不参与训练，只用于最终验证，确保模型迭代方向正确。
6. 个人实操心得与后续跟踪方向
6.1 从跟踪笔记到项目决策的转化方法
跟踪笔记的价值在于转化。我每个月梳理完产业链信息后，会做一件事：把信息映射到自己正在做或计划做的项目上。比如国产推理芯片降价，我就重新算一遍边缘盒子的BOM成本；视觉大模型有更新，我就拿自己的数据集测一下零样本效果。这样跟踪笔记就不是“看过”，而是“用过”。
转化时要注意区分“行业趋势”和“项目机会”。行业趋势是大家都知道的，比如AI芯片国产化；项目机会是只有深入一线才能发现的，比如某个特定场景下全局快门镜头的性价比拐点。跟踪笔记要重点记录后者，因为前者在公开报告里都能看到。
6.2 2023年后续值得关注的三个方向
第一个方向是计算机视觉与多模态的融合。2023年1月已经能看到视觉+语言模型在零样本检测上的潜力，后续如果推理成本降下来，可能会改变数据标注和模型微调的流程。第二个方向是边缘端的小样本学习，工业场景的数据获取成本太高，谁能用更少的数据达到可用的精度，谁就有优势。第三个方向是3D视觉在工业测量和机器人抓取上的渗透，随着深度相机价格下降，这个市场的增速可能会超预期。
6.3 给刚入行朋友的学习路线建议
如果你刚入行计算机视觉，我的建议是：先跑通一个完整的项目，从数据采集、标注、训练、部署到现场调试，全部走一遍。不要一上来就啃论文，论文里的SOTA和产线可用的方案之间差距很大。工具方面，Python和PyTorch是必须的，OpenCV和NumPy是基础，ONNX和TensorRT是部署必备。Visual Studio Code和PyCharm选哪个不重要，用顺手就行。
学习路径上，我推荐“项目驱动”：定一个具体的小目标，比如做一个车牌识别系统，然后围绕这个目标去学检测、OCR、部署。遇到什么问题就学什么，这样学得快、记得牢。最后再分享一个小技巧：多逛GitHub的issue区，很多实际问题的解决方案不在文档里，而在别人的讨论里。我很多踩坑经验都是从issue里看来的。
