CV大模型难以通用的核心原因在于，不同视觉应用仍依赖于不同模型，建立通用视觉模型仍是未知数。这直接塑造了人工智能视觉领域独特的商业模式——以项目制、垂直行业解决方案为主，价值分配更多依赖场景方与数据方的深度绑定，而非NLP大模型常见的API订阅模式。
技术壁垒：为何CV大模型难以“一招通吃”
与NLP大模型不同，计算机视觉（CV）领域存在四个显著挑战：可用于训练的有效数据量远少于NLP、学习方法有待突破、不同视觉应用仍需依赖不同模型、供训练的图像尺寸越来越大导致计算量激增。这些因素使得CV大模型短期难以出现类似GPT的爆发式突破，企业更多选择针对特定场景开发专用模型。
商业模式：项目制与垂直行业解决方案主导
从国内主要AI视觉公司的收入结构看，商业模式普遍以垂直行业解决方案和软硬一体化产品为核心。例如商汤科技、旷视科技、云从科技等公司的业务布局均明确指向智慧城市、智慧商业、智慧金融等具体领域，收入来源高度依赖项目集成、硬件销售和定制化服务，而非标准化的软件授权。这与NLP大模型（如ChatGPT）通过API按调用量收费的轻量化模式形成鲜明对比——视觉AI公司需要为每个客户环境完成数据采集、模型训练、系统部署和运维，导致项目制成为主流。
价值分配：数据方、算法方与场景方的角色
在CV产业链中，价值分配的关键在于场景方（拥有应用场景和行业数据）与算法方（提供模型和算法能力）的深度协作。由于CV模型高度依赖具体场景的数据，场景方在价值分配中占据重要话语权——例如智慧城市项目需要政府或城投公司提供海量监控视频数据，智慧金融项目依赖银行客户数据。算法方（如商汤、旷视）则通过提供AI平台（如SenseCore）和软硬件一体化产品（如AI摄像机、AI模组）获取收入，硬件销售和系统集成往往贡献了大部分营收。相比之下，纯粹的模型授权或API订阅在CV领域尚未形成规模，因为视觉模型的定制化成本高、部署周期长，难以像NLP模型那样通过通用能力快速复制。
常见问题
为什么CV大模型不能像NLP大模型那样通过API订阅收费？
因为CV模型高度依赖具体应用场景的数据和硬件环境，不同行业（如安防、金融、制造）需要不同的模型和部署方案。项目制能更好地满足客户对数据安全、实时性和定制化的要求，而标准化的API难以覆盖这些差异化需求。
视觉AI公司的收入主要来自软件还是硬件？
从公开数据看，大多数视觉AI公司的收入结构以项目集成和硬件销售为主。例如旷视科技的AI摄像机、商汤的通用硬件产品，以及云天励飞的AI芯片业务，都体现了软硬一体化趋势。软件授权（如AI平台使用费）通常作为项目的一部分，而非独立收入来源。
数据方在价值分配中能拿到多大比例？
官方资料未公布具体分成比例，但可明确的是，场景方（数据提供方）在CV产业链中拥有较强议价权。因为视觉模型训练需要大量行业特定数据（如交通监控、医疗影像），数据方往往能通过联合开发、数据授权或项目合作的方式获取较高价值分成。具体比例需结合项目实际协商。