在国内CV大模型领域，有效训练数据、算法学习方法和通用视觉模型方面确实与国外领先水平存在差距，但国产替代通过聚焦垂直场景数据优势、软硬件协同以及深耕行业应用等差异化路径，正在逐步实现自主可控。
当前CV大模型的差距与挑战
相较于NLP大模型，计算机视觉（CV）大模型的发展面临更明显的瓶颈。根据行业分析，主要挑战体现在四方面：一是可用于训练的有效数据，CV领域与NLP领域存在不小差距；二是CV领域的学习方法仍需突破；三是不同视觉应用仍依赖不同模型，如何建立通用视觉模型仍是未知；四是训练图像尺寸越来越大，导致较小模型也可能产生很大计算量。综合来看，CV大模型短期还很难出现大的爆发。
国产替代的差异化路径
国内企业在CV大模型领域并未简单复制国外路线，而是通过自身优势寻找突破口。目前，国内代表性CV大模型包括商汤科技发布的“日日新”大模型。在产业落地层面，华为的盘古CV大模型已应用在交通行业的高速巡检、电力行业的日常巡检及设备缺陷识别等场景。这些应用更多依赖行业数据，模型在特定领域做深做透。百度、腾讯、华为三家厂商均对CV大模型有所布局，未来趋势上，腾讯有望在CV大模型的子分类中发展更好，华为则更均衡，在工业制造、能源交通等行业深耕。
常见问题
国产CV大模型与国外差距有多大？
整体来看，国内大模型产品仍以小模型为主，大模型技术整体落后国外1-3年。国内进展较快的厂商包括百度文心一言、腾讯混元和华为盘古，但基本没有能达到GPT-3级别效果的CV大模型。
国产替代主要依赖哪些路径？
国产替代主要依靠垂直场景数据优势和软硬件协同。例如华为盘古大模型在电力巡检、高速巡检等工业场景落地，依靠行业数据积累；百度、腾讯则利用自身生态的C端数据入口优势，在各自优势行业场景进行发展。
哪些国内企业在CV大模型领域值得关注？
从技术储备和进展来看，百度、腾讯和华为三家在大模型技术方面储备丰富，进展也较为靠前。此外，商汤科技等AI公司也在积极布局CV大模型产品。