在CV大模型短期难以爆发的背景下，人工智能视觉市场的增长正从通用大模型转向垂直场景和小模型。这是因为CV大模型面临数据差距、学习方法待突破、通用模型未知以及计算量庞大等挑战，而工业质检、医学影像、智慧城市等垂直领域的成熟小模型凭借成熟的商业模式，已成为当前市场增长的核心驱动力。
为什么CV大模型短期难以爆发？
CV（计算机视觉）大模型的发展存在四大挑战：可用于训练的有效数据比NLP领域少；学习方法仍需突破；不同视觉应用依赖不同模型，通用视觉模型尚未建立；图像尺寸增大导致计算量激增。因此，CV大模型短期还很难出现大的爆发。
相比之下，国内大多数企业在人工智能领域的产品仍以小模型为主——即为某个细分领域提供智能解决方案，这种商业模式已经比较成熟。例如，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和设备缺陷识别等具体场景。
垂直场景如何驱动增长？
当前市场增长主要依赖垂直场景的深度应用。例如，众多上市公司提供AI+制造、AI+金融、智慧城市、智慧商业等垂直行业解决方案，收入规模持续增长。华为在工业制造业、能源交通等行业依赖行业数据做深模型，而其他厂商也在智慧治理、智慧金融、智慧出行等场景中落地。
边缘计算在垂直场景中扮演关键角色——它能在本地处理图像数据，降低对云端大模型的依赖，满足实时性与隐私要求，进一步推动工业视觉、安防监控等领域的规模化应用。
常见问题
问：CV大模型完全没有应用价值吗？
答：并非如此。微软的Swin-Transformer、谷歌的ViT系列以及Meta的SAM模型都在推进CV底层技术突破。但受限于数据和算法，短期内它们难以像NLP大模型那样快速商业化。
问：小模型能否满足复杂视觉任务？
答：在特定垂直场景中，小模型已足够高效。例如，华为盘古CV模型在电力巡检中能准确识别设备缺陷，这类任务不需要通用大模型，专注细分领域的小模型反而更实用。
问：未来CV市场增长的主要看点是什么？
答：短期看垂直场景深化与边缘计算普及；中长期看CV大模型在数据积累和方法突破后的爆发。目前，以行业解决方案为核心的商业模式仍是市场增长的主引擎。