研究表明，個體學習的信息有80%來自于視覺。萬物互聯與人工智能時代，人類的視覺能力被移植到機器上，視覺智能通過讓機器學會“看”，代替人眼對圖像進行特征提取和分析，并由此訓練模型對新的圖像數據進行分析、檢索、目標的檢測與跟蹤、圖像分類和識別。

機器視覺加速落地千行百業

中國科學院自動化研究所王金橋研究員、博導表示， 視頻大數據時代已悄然來臨，目標檢測與識別是實現視頻大數據管理的重要手段。視覺智能應用已經廣泛深入到人類的生產和生活方式中，加速進入一個全新的視頻社會化時代。

交通信息行業，可應用于車的識別。通過對類似人類指紋一樣“車紋”的身份識別，可以快速地查找到真牌和假牌，幫助交通部門做違章車限行、車輛收費等管理。

體育領域中，比如NBA比賽，通過對球員進行識別和分析，制定應對戰術。視覺智能技術也將應用在北京2022年冬奧會，對各種冰上運動中運動員的動作標準化進行分析。

工業制造領域，以工業中最常見的機械手臂為例，具有大批量的流水線工人從事產品分類、質量檢測、產品賬單核對等工作將會完全被機器視覺取代，機器視覺系統相對于人有更高的反應速度以及更短的檢測時間。

目前智能視覺已經具備圖像分類、物體檢測、直播識別等AI能力，可應用在互聯網短視頻內容識別歸類、新零售物件統計、工業質檢、農業養殖、醫療診斷等各種場景。

視覺智能離不開強大算力

大數據、云計算、互聯網、物聯網等信息技術推動了以深度神經網絡為代表的人工智能技術飛速發展，從而為機器視覺實現萬物識別提供了技術基礎，曙光計算服務通過多年的行業積累，可提供人工智能所需的海量算力資源，并集成了目前主流深度學習框架，一鍵自動化環境部署，讓用戶將全部精力聚焦在核心業務研究上，實現算法模型的快速落地。

曙光計算服務也為零算法基礎用戶提供了一站式解決方案，可通過應用平臺快速訓練自己領域的定制化模型，僅需要少量標注數據，便可快速的完成模型訓練以及推理驗證，并將訓練模型轉換成高可用、彈性可擴展的AI服務，讓用戶能夠以最低的成本實現AI技術的落地。

未來人工智能如何實現從專用向通用的跨越，既是下一代人工智能發展的必然趨勢，也是研究與應用領域的重大挑戰。“大數據+大模型+多模態”將改變當前單一模型對應單一任務的人工智能研發范式，實現弱人工智能邁向通用人工智能路徑的進一步探索，那么大算力將作為基礎能力為下一代人工智能的發展提供支撐。