一波十亿美元的计算机视觉初创公司即将到来

计算机视觉是现代人工智能中技术最成熟的领域。这将转化为巨大的商业价值创造。

深度学习革命的根源是计算机视觉。在具有历史意义的2012 ImageNet竞赛中，Geoff Hinton和团队首次推出了神经网络（当时是一种新颖的体系结构），其性能超越了以前所有基于计算机的图像识别工作。深度学习时代已诞生，计算机视觉作为其原始用例。此后的十年中，计算机视觉功能以惊人的速度向前发展。

简而言之，计算机视觉是人类视觉的自动化。视觉是人类最重要的感觉；它是人类生活和经济活动的基础。因此，使其自动化的能力为整个经济领域打开了巨大的市场机会。

（可以肯定的是，近年来，AI的其他领域（例如自然语言处理）也变得越来越强大。但是NLP的核心技术突破是最近才出现的，因此NLP在产品和商业领域仍处于起步阶段。看法。）

现代计算机视觉中的第一批企业家活动以自动驾驶汽车为中心。该领域的几家创业成功案例，包括计算机视觉先驱Mobileye在2018年以153亿美元的价格出售给英特尔，凸显了该技术在转变市场和释放巨大经济价值方面的力量。

如今，计算机视觉正在整个经济的各个领域中找到应用。从农业到零售，从保险到建筑，企业家都将计算机视觉应用于具有行业吸引力的广泛行业特定用例。

期望在下一代“独角兽”中看到许多计算机视觉初创公司。一批高增长的计算机视觉公司正接近拐点，并有望爆发到商业规模和主流地位。在技​​术从研究到上市的过程中，这是激动人心且至关重要的时刻。

农业是世界上最大和最重要的产业之一。如今，关于如何种植，何时种植什么以及如何种植的决策仍然高度欠优化，而且不够精确。存在使用视觉数据和机器学习来显着改善食品生产过程的机会。

基于通过卫星，无人机或飞机收集的航空影像，计算机视觉系统可以使种植者获得实时洞察力，从而优化其化学投入，改善其耕种作业并提高产量。

例如，基于图像的分析可以确定哪些作物将从或多或少的灌溉中受益，管道泄漏或压力故障对作物的生长产生不利影响，哪些地区需要或多或少施肥，哪些田地的病虫害控制措施欠佳，以及以此类推。人工智能系统可以比单独人类更有效，可靠和可扩展地做出这些确定。

这些机会中最引人注目的也许是免费结帐购物。这个概念既具有未来性，又具有优雅的简洁性：一旦商店配备了必要的传感器和计算机视觉系统，购物者就可以进入，领取他们想要购买的物品，走出去并获得自动收据，而无需等待排队。

与零售业的许多创新一样，亚马逊于2016年推出了其Amazon Go计划，开创了无结帐购物的先河。如今，包括Standard Cognition，Grabango，Trigo Vision，Zippin和AiFi在内的众多初创公司都在抓住这一机会。这些竞争对手中资金最多的标准认知公司（Standard Cognition）本月初宣布从软银的愿景基金获得1.5亿美元的融资。

Grabango首席执行官Will Glaser表示：“现在，计算机可以看到的亲自购物体验将永远改变。” “像Grabango这样的计算机视觉系统可以检测到购物车中的每种产品，因此无需在购物旅行结束时对其进行重新调整。您只要抓住，继续前进，就可以继续前进。”

除了改善客户体验外，免费结帐购物还将使零售商能够减少人工成本并减少缩水。

库存管理是零售中另一个重要的计算机视觉应用程序。优化货架上的产品结构并确保过道全天保持库存对零售商来说是一个复杂而动态的挑战。零售商每年因缺货而损失数十亿美元的收入。 Focal Systems是一家有趣的新兴公司，它使用计算机视觉来自动化库存管理并减少缺货。

保险业务在很大程度上取决于资产的外观评估：例如，准确地定价和承保保单，以及确定事故发生后出于索赔目的的损害程度。与其他行业一样，计算机视觉提供了比现在更快，更便宜，更准确地进行视觉分析的机会。

Cape Analytics和Betterview是两家将计算机视觉应用于财产保险的初创公司。这些公司可以使用地理空间数据自动评估建筑物的材料，屋顶的状况，屋顶的平方英尺，房屋的院子碎片，建筑物与植被的距离以及数百种其他因素共同决定了物业的风险状况和最佳的保险单定价。

计算机视觉系统可以根据数十年历史数据中的经验，立即进行大规模的分析。与此相比，今天的现状是派人亲自亲自检查物业。

值得关注的另一家创业公司是总部位于伦敦的Tractable公司，该公司使用计算机视觉来在车祸和自然灾害发生后立即生成损失估算。这些由AI驱动的估算有助于加速索赔处理并减少人为错误。

建筑业是一个庞大且历史悠久的数字化产业。通过计算机视觉的应用，存在许多提高生产率和节省建筑成本的机会。活跃的初创企业生态系统如雨后春笋般涌现，以寻求这些机会。

TraceAir使用无人机收集建筑工地的航拍图像，使主管人员可以远程监视项目并跟踪一段时间内的进度。 Disperse应用计算机视觉来构建进行中的建筑工地的交互式“数字双胞胎”。 1build通过应用计算机视觉读取蓝图上的平面图，材料明细表和建筑细节来自动进行建筑成本估算。

1build首席执行官Dmitry Alexin表示：“建筑成本估算实质上模拟了整个施工过程。” “机器学习和计算机视觉使我们能够更快，更准确地执行此仿真，从而使建筑公司可以对其成本进行原子级的了解。”

视觉监控是物理安全的核心。毕竟，最普及的安全设备是摄像机。因此，存在自然的机会来应用计算机视觉来使物理安全性更加可靠和可靠。

许多初创公司正在以创新的方式部署计算机视觉，以增强和自动化物理安全部门。

Verkada使用硬件传感器，计算机视觉算法和集成软件平台，为商业物业提供了一个支持AI的安全系统。该公司去年的估值为16亿美元，使其成为少数几家获得独角兽地位的计算机视觉初创公司之一。

Deep Sentinel为家庭安全构建了类似的解决方案。该公司使用一种巧妙的人在环境模型，以使人类安全人员在AI系统检测到威胁时可以通过麦克风进行远程实时干预。

Deep Sentinel首席执行官David Sellinger说：“计算机视觉正在改变有关物理安全性的一切。” “我们的AI系统可作为减少干扰，突出相关事实并确定哪种护卫人员适合每种情况的工具。我们的AI比任何人都更准确，响应速度更快，而且永远不会引起人们的注意。”

可以将计算机视觉有效应用到的另一个安全领域是检查点安全：例如，在机场，现场活动和政府大楼。疲劳和专心的人员经常在这些检查站错过威胁。可以将计算机视觉应用于摄像头或X射线源，以自动检测危险物品，其准确性和可靠性远高于人类，从而提高了公共安全性。

Synapse Technology是一家有前途的初创公司，致力于开发用于检查点安全的计算机视觉解决方案，该公司去年被Palantir收购。 重要的是要注意，计算机视觉在安全环境中的应用可以并且有时确实跨越了从促进安全的监视到过度侵入性监视的界限。 政府使用面部识别技术来跟踪和监视公民已经在世界范围内引起了广泛反响。 在中国，据报道已经部署了计算机视觉来压制少数族裔维吾尔人。 与任何强大的技术一样，计算机视觉可能会以有害的方式以及以创造价值的方式被使用。 监管机构，企业和个人有责任确保社会尽可能以负责任的方式编组该技术。