ChatGPT的大火，让AI席卷全球，在科技圈和媒体圈激起千层浪，很多圈内人都认为GPT有望开启像之前互联网、移动互联网一样的新一轮生产力加速周期，重塑很多行业，于是各大厂纷纷推出自己大模型，生怕错过了这次AI大浪潮，这点在资本圈同样有共识，除了AI外，传媒、办公软件、电商、游戏被认为是优先受益的应用领域，市值纷纷成倍的大涨。

那么对于实体行业来说，GPT又能带来什么呢？华为任正非认为：“人工智能软件平台公司对人类社会的直接贡献可能不到2%，98%都是对工业社会、农业社会的促进。”意思也就是说GPT更大的贡献将会在以制造业为代表的实体经济中体现出来。

那么，GPT是如何赋能制造业，在制造业中找到落脚点呢？这就是我们本文要介绍的主角——机器视觉，机器视觉顾名思义就是用机器代替人眼来获取感知信息并做出决策，按功能主要分为：检测、测量、定位、识别，机器视觉是工业自动化的基础技术之一，要了解AI是如何通过机器视觉赋能制造业的，这得从机器视觉的发展历程说起。

从根源上机器视觉是Ai重要分支

机器视觉起源于上世纪 50 年代，Gilson 提出了“光流”这一概念，并基于相关统计模型发展了逐像素的计算模式，标志着 2D 影像统计模式的发展。

1960 年，美国学者 Roberts 提出了从 2D 图像中提取三维结构的观点，引发了 MIT 人工智能实验室及其它机构对机器视觉的关注，并标志着三维机器视觉研究的开始。

70 年代中期，MIT 人工智能实验室正式开设“机器视觉”课程，研究人员开始大力进行“物体与视觉”相关课题的研究。1978 年，David Marr 开创了“自下 而上”的通过计算机视觉捕捉物体形象的方法，该方法以2D的轮廓素描为起点， 逐步完成 3D 形象的捕捉，这一方法的提出标志着机器视觉研究的重大突破。

80 年代开始，机器视觉掀起了全球性的研究热潮，方法理论迭代更新，OCR和智能摄像头等均在这一阶段问世，并逐步引发了机器视觉相关技术更为广泛的传播与应用。

90 年代初，视觉公司成立，并开发出第一代图像处理产品。而后，机器视觉相关技术被不断地投入到生产制造过程中，使得机器视觉领域迅速扩张，上百家企业开始大量销售机器视觉系统，完整的机器视觉产业逐渐形成。在这一阶段，LED 灯、传感器及控制结构等的迅速发展，进一步加速了机器视觉行业的进步，并使得行业的生产成本逐步降低。

2000 年至今，更高速的 3D 视觉扫描系统和热影象系统等逐步问世，机器视觉的软硬件产品蔓延至生产制造的各个阶段，应用领域也不断扩大。当下，机器视觉作为人工智能的底层产业及电子、汽车等行业的上游行业，仍处于高速发展的阶段，具有良好的发展前景。

2017年至今，AI深度学习框架的开发发展到了成熟期，各大巨头纷纷布局机器视觉领域，得益于深度学习等算法的突破、算力的不断提升以及海量数据的持续积累，人工智能逐渐从实验室走向产业实践，以算法、算力和数据为主旋律追求极致创新方面不断突破，为机器视觉实现更新迭代和提高应用价值的重要技术支撑，所以从根源上说现在的机器视觉就是AI的一个分支。

机器视觉搭载AI 技术

切入更多差异化工业应用场景

随着人工成本不断升高，以机器取代人工，能够帮助制造业实现自动化和智能化，是现代化制造提质、增效、降本、减排的推动力。随着我国进入全面推进智能制造阶段，机器视觉将持续向全行业渗透，应用市场需求急剧扩增，为机器视觉提供了较大的需求牵引，是机器视觉的重大战略机遇。根据凌云光 2022 年 7 月 14 日发布的投资者调研纪要显示， 2016-2021年，中国机器视觉行业规模销售收入从49.7亿元上放至143.0亿元，5年复合增长率为30.4%。

数据来源：凌云光，AIoT星图研究院整理

市场规模的高速增长，来源于下游市场的需求不断释放，从需求端来看，机器视觉广泛应用于电子及半导体、汽车制造、食品包装、制药等领域，各个领域的应用场景具备较大差异性。

2022年我国消费电子、半导体、汽车为机器视觉领域的三大应用端，虽然机器视觉下游各行业对精度的要求不一，但整体来看，伴随主要应用端（消费电子、半导体、汽车、新能源）的升级迭代，对机器视觉技术的高精度需求相应提高，尤其需要AI深度学习的高度结合以适应下游应用的发展。

行业的发展，除了下游市场需求的爆发外，行业参与者推动及资本的赋能亦至关重要，无论是芯片端、核心零部件、软件服务商还是系统集成商，我们可以看到企业是越来越多，在一级和二级市场上资本亦对机器视觉行业的发展看好，以华为来说，在2022年特别成立机器视觉军团，以满足市场需要，可见行业的发展已经进入高速期。

GPT通过机器视觉赋能制造业

在文章的最后我们回到我们开头提出的问题：GPT如何通过机器视觉赋能制造业？

今年的四月Meta AI在官网发布了基础模型Segment Anything Model（SAM）并开源，其本质是用GPT的方式（基于Transform 模型架构）让计算机具备理解了图像里面的一个个“对象”的通用能力。SAM已经学会了关于物体的一般概念，并且它可以为任何图像或视频中的任何物体生成掩膜，甚至包括在训练过程中没有遇到过的物体和图像类型，无需额外的训练。

Meta预计，与专门为一组固定任务训练的系统相比，基于 prompt工程等技术的可组合系统设计将支持更广泛的应用。SAM可以成为AR、VR、内容创建、科学领域和更通用 AI 系统的强大组件。行业人士认为SAM有望助力机器视觉发展，带动 AI+制造业垂直领域技术革新。

不仅仅是SAM，越来越多的深度学习模型推出，让机器视觉更加深入到制造业场景中，带来更多更快的落地应用，机器视觉开始进入GPT时刻，制造业亦开始进入GPT时刻。