研究表明，个体学习的信息有80%来自于视觉。万物互联与人工智能时代，人类的视觉能力被移植到机器上，视觉智能通过让机器学会“看”，代替人眼对图像进行特征提取和分析，并由此训练模型对新的图像数据进行分析、检索、目标的检测与跟踪、图像分类和识别。

机器视觉加速落地千行百业

中国科学院自动化研究所王金桥研究员、博导表示, 视频大数据时代已悄然来临，目标检测与识别是实现视频大数据管理的重要手段。视觉智能应用已经广泛深入到人类的生产和生活方式中，加速进入一个全新的视频社会化时代。

交通信息行业，可应用于车的识别。通过对类似人类指纹一样“车纹”的身份识别，可以快速地查找到真牌和假牌，帮助交通部门做违章车限行、车辆收费等管理。

体育领域中，比如NBA比赛，通过对球员进行识别和分析，制定应对战术。视觉智能技术也将应用在北京2022年冬奥会，对各种冰上运动中运动员的动作标准化进行分析。

工业制造领域，以工业中最常见的机械手臂为例，具有大批量的流水线工人从事产品分类、质量检测、产品账单核对等工作将会完全被机器视觉取代，机器视觉系统相对于人有更高的反应速度以及更短的检测时间。

目前智能视觉已经具备图像分类、物体检测、直播识别等AI能力，可应用在互联网短视频内容识别归类、新零售物件统计、工业质检、农业养殖、医疗诊断等各种场景。

视觉智能离不开强大算力

大数据、云计算、互联网、物联网等信息技术推动了以深度神经网络为代表的人工智能技术飞速发展，从而为机器视觉实现万物识别提供了技术基础，曙光计算服务通过多年的行业积累，可提供人工智能所需的海量算力资源，并集成了目前主流深度学习框架，一键自动化环境部署，让用户将全部精力聚焦在核心业务研究上，实现算法模型的快速落地。

曙光计算服务也为零算法基础用户提供了一站式解决方案，可通过应用平台快速训练自己领域的定制化模型，仅需要少量标注数据，便可快速的完成模型训练以及推理验证，并将训练模型转换成高可用、弹性可扩展的AI服务，让用户能够以最低的成本实现AI技术的落地。

未来人工智能如何实现从专用向通用的跨越，既是下一代人工智能发展的必然趋势，也是研究与应用领域的重大挑战。“大数据+大模型+多模态”将改变当前单一模型对应单一任务的人工智能研发范式，实现弱人工智能迈向通用人工智能路径的进一步探索，那么大算力将作为基础能力为下一代人工智能的发展提供支撑。

9月2日曙光智算诚邀中国科学院自动化研究所王金桥研究员、博导分享了《视觉智能的技术现状和未来》报告，深入浅出地讲述了视频数据的形成、视觉目标检测难点、解决思路及目标识别方法，通用人工智能跨模态的交互，跨模态人工智能的算法实现决策智能，基于视觉智能技术应用创新解决现实问题，点击文末阅读原文了解更多，或者复制链接在网页端打开：

https://live.vhall.com/v3/lives/watch/297232955