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...
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，按功能大致上可以分为：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史说起。
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 AI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 AI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有关技术更广泛的传播与应用。
90 年代初，视觉企业成立，并开发出第一代图像处理产品。而后，机器视觉有关技术被不断地投入到生产制作的完整过程中，使得机器视觉领域迅速扩张，上百家公司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，并使得行业的生产所带来的成本逐步降低。
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，应用领域也逐步扩大。当下，机器视觉作为人工智能的底层产业及电子、汽车等行业的上业，仍处于快速地发展的阶段，拥有非常良好的发展前景。
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，得益于深度学习算法的突破、算力的不断的提高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。
随着人力成本不断升高，以机器取代人工，可以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。随着我们国家进入全方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出售的收益从49.7亿元上放至143.0亿元，5年复合增长率为30.4%。
市场规模的快速地增长，来源于下游市场的需求不断释放，从需求端来看，机器视觉大范围的应用于电子及半导体、汽车制造、食品包装、制药等领域，所有的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，但总的来看，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，我们大家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。
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，慢慢的变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，机器视觉开始步入GPT时刻，制造业亦开始步入GPT时刻。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。举报投诉
：产能是否过剩？中国LED产业起步于上世纪70年代。早期中国LED产业中缺少LED外延片及芯片
是国民经济的支柱产业，是国家创造力、竞争力和综合国力的重要体现。近20年的时间里，我国
梦想人科技“AR工业知识服务数字化解决方案”成功入选苏州工业园区数字经济
新能源产业全生命周期变为可能，推动从电力生产到电网运维等多链条的数字化转型和智能化升级，助力可持续发展的绿色能源。
生产中发挥着逐渐重要的作用，用于后段包装码垛减轻人工劳动强度并提高码垛效率。
距离宣布完成C+轮融资后仅过去3个月，此公司又宣布融资。 6月3日，创新奇智宣布完成由软银愿景基金2期投资的D轮融资。本轮融资后，创新奇智将进一步加大对
产业全速推进智能化、数字化高水平发展再度受到关注。 改革开放四十多年来，广东从加工贸易起步到发展重化工业、先进
）应用的再度大幅度增长。预计到2027年，物联网市场规模将达到2.4万亿美元。 除了自动化和
与装备。在日前举行的中纺圆桌论坛第十五届年会上，中国工程院院士、南京航空航天大学校长单忠德以“智能
”的用途很多，随着20 世纪90 年代以来光电、自动化和计算机图像处理
更受益于人工智能。该行业产生了大量的数据，涉及重复性的人工任务，并提出了许多传统工具没有办法解决的多维度问题。无论是提高质量、减少停机时间还是优化效率，
正在经历一场重大的数字化转型。传统模式正在演变为工业4.0。随着包括像成像
陷入困境，供应链、供货商和分销商均遭受了巨大打击。 在缩紧开支的同时，很多公司将目光聚焦到人工智能（
人之一。在大多数情况下，机械臂都是可编程的，可用于执行特定任务，通常用于
各行各业的智能化转型，将为中国产业高质量发展注入强大的数字动力，带来深刻的产业变革。杨元庆称，应当通过全力发展以数字化和智能化
过程，转化为可供人们使用和利用的大型工具、工业品与生活消费产品的行业。
亟待逐步优化产业体系，由要素驱动向创新驱动转变，以缓解由全球贸易结构变化带来的压力。
和产业创新发展”以来，市场中有关区块链的讨论热度居高不下，其中，又以区块链如何
从以规模、成本、效益为第一要务，变成以定制化的体验、创新性的交付为竞争核心。
换人趋势已经显现。由物联网、社会化媒体、移动电子设备、和大数据引发的数字化，正
总体2.8个百分点，连续4个月保持升势。其中，本月新订单指数升至10个月高点，为56.2%，表明高
识别、技能学习、利用人工智能进行故障预测、人机协作及简单编程等领域，可提高
的发展前景正发生着迅猛的变化，新的发展的新趋势和应用也随之涌现。随着与物联网（IoT）和智能
