摘要：
前几篇文章发出后，有机器视觉上市公司董事长加我好友聊天，也有在人工智能芯片巨头英伟达，太平洋保险的二级市场投资部门等工作的朋友加我好友。我看了下粉丝列表，也有像天明资本，淡水泉投资... 前几篇文章发出后，有机器视觉上市公司董事长加我好友聊天，也有在人工智能芯片巨头英伟达，太平洋保险的二级市场投资部门等工作的朋友加我好友。我看了下粉丝列表，也有像天明资本，淡水泉投资等专业机构的员工，有一位在网易担任过运营负责人出过SEO书籍的运营高手等。我感觉自己输出的内容得到了专业人士的认可，我会继续输出高价值内容为大家服务。
今天谈谈机器视觉和人工智能的投资机会。
命运说简单可能很简单，几个数字就能改变普通人一生的命运，譬如02382这几个数字。
这些数字是港股舜宇光学科技的股票代码，一个做摄像头的公司，业务看起来不起眼，但是从08年至今涨幅500倍以上。
当初很多人都买过舜宇光学科技，但是又有谁持有到现在？
改变命运的筹码明明已经握在手中，最后却失去了，为什么？
在我看来，最大的原因是大家低估了赛道的潜力。
赛道和赛道之间的不平等，和人与人之间的不平等类似。
有少数超级明星赛道，他们的增长潜力远远超过大部分人的预期。
例如谁能想到手机从一个摄像头猛增到现在的四个五个摄像头？
谁能想到汽车的摄像头数量也狂增？
大部分人的预期都比较保守。
为了止盈，不让到手的利润飞走，大家纷纷半途下车，在这么一个超级牛股身上却收获不大，后悔莫及。
对于超级牛股，有一个不为人所知的现象也许非常值得我们关注。
《反脆弱》、《黑天鹅》作者纳西姆·塔勒布阐述过“林迪效应”。
林迪是一家位于纽约曼哈顿的熟食店，以芝士蛋糕最为有名。餐厅的顾客得出了一个结论，某件事物每多存活一天，持续存活的概率就随之升高。
后来，曼德布罗特在《大自然的分形几何》一书中，使用数学方法提出了“林迪效应”：
“对于会自然消亡的事物，生命每增加一天，其预期寿命就会缩短一些。而对于不会自然消亡的事物，生命每增加一天，则可能意味着更长的预期剩余寿命。”
塔勒布对林迪效应解释为：假设一项计划预期在79天内完成。在第79天，假如计划还未完成，那么人们预测它还需要25天；但在第90天，假如计划还未完成，它会还需要58天；在第100天还需要89天；在第119天还需要149天；在第600天，如果计划还未完成，你会预测它还需要1590天。如你所见，你等待的时间越长，你预期还要继续等待的时间就越长。
在林迪效应下，一个事物需要由时间来检验其强韧性。
塔勒布说，一本书如果已经出版四十年，我预期它会再继续出版四十年。不过，一个最大的差异在于，如果它能再多存活十年，那么它就会再多存活五十年……一年不绝版，就会增加两年寿命。
其实不光是书籍，白酒的生命周期之长也验证了林迪效应。
持续畅销的产品，因为他们符合最深层次的人性，大部分人都逃不开这些产品，过去逃不开，未来也逃不开。
所以，当我了解到林迪效应，我才对自己一直忽视白酒行业的投资机会感到惋惜。
当然了，我依然不会去投资白酒行业。但是我可以用林迪效应来投资其他牛股。
科技赛道能不能用林迪效应呢？
我觉得可以。
视觉赛道过去十多年是最牛的科技赛道之一，如果依照林迪效应，它未来依然有可能是最牛的科技赛道之一。
视觉是所有动物最重要的感官，因为视觉能够传达的信息最丰富，信息越丰富，对于沟通交流，维持生命的意义越大。
有一本我非常喜欢的介绍生物进化的书提到，生物进化有两个关键发明，运动（四处寻找食物），视觉（改变了各种行为）。
眼睛在5.4亿年前的快速演化，对寒武纪大爆发（化石记录中出现了真正的动物）居功至伟。
那么，我们人类的科技是不是进入了一个寒武纪大爆发时代？
这个大爆发时代，最大的机遇是什么？
机器视觉绝对是一个。
过去只有人类有视觉，但是现在机器也跟人类一样有了视觉。
以后万物互联，能装视觉的都可以装视觉，那么视觉的潜力依然超过想象。
当然了，想得太远也不一定是好事，我们最理性的做法还是边走边看。不断跟踪行业的最新进展，从一些细微的事件洞察未来大的趋势。
比如，最近电动汽车领导者美国特斯拉发生了一件大部分人包括特斯拉的投资者可能都没有注意到的事情。
6月20日，本年度的CVPR2021收官，组委会在线上搞了关于自动驾驶专题的分享，Tesla的AI项目总监Andrej Karpathy大神发表了主题演讲，给出了Tesla在Autopilot系统中为什么选择移除毫米波雷达的原因和典型的测试数据，解释了在完全依靠视觉能力的前提下，如何借助神经网络准确估计物体的深度、速度和加速度的方法。
Karpathy认为，去掉了不稳定的毫米波雷达输入，反而能够摆脱异构传感器数据融合过程中无法避免的优先级选择和权衡的牵绊。视觉足够强大，不需要异构传感器做补充，把研发力量投入到单一传感器的数据处理和模型训练上才是关键。
如果特斯拉完全基于摄像头视觉实现了自动驾驶，那么预示着什么？
那只能是我们远远低估了机器视觉的潜力。
当我们去分析投资赛道的价值时，最不应该的低估的是赛道的通用性。
凭借低成本和强大的通用性，最牛逼的赛道总是不断替代相邻科技树分支上的赛道。
举个例子，手机的相机已经能够替代传统的相机。手机这个赛道的潜力之前肯定被我们低估了，苹果如今的几万亿美元市值不就是证明吗？
另外一个超级赛道是IP通信技术，也就是我们互联网通信的底层基础。
二十年前，ATM（异步传输模式）作为一种全新的通信技术，
转发时延小，传输速率高，支持完善的QoS功能，一度被认为时未来最有希望的通信技术。
结果ATM技术很快没落了，因为IP通信技术的通用性和低成本使得它能够用更低成本做到与ATM技术相同的事情。
比起手机技术，IP技术的意义更大，因为整个互联网都是基于IP技术。
那么现在，我们有各种理由相信，机器视觉是不亚于手机和IP通信的超级赛道。
如果机器视觉的潜力远远超过想象，那么我们应该去哪里寻找投资机会呢？
上游，中游，下游，产业链每个环节都有对应的投资机会。
谚语说了，挖矿的不如卖水的。
下游应用场景太多，除了某些头部场景例如自动驾驶，其它可能都是碎片化的场景，投资标的不一定容易选择。
还不如多关注上游卖水的，确定性更高，更适合普通人投资。
不管机器视觉算法如何变，最上游的CMOS图像传感器不可缺少，这就是人类的视网膜。
所以，我们可以得出一个推论，CMOS图像传感器的潜力有可能大大超过我们的想象。
未来能够装摄像头的机器都会装摄像头，通过AI提供人工智能服务。
当然了，聪明的你肯定会开始反驳，不可能，这个只能是科幻。
现实生活存在各种制约，譬如功耗怎么解决，譬如网络连接怎么解决？不可能万物都联网，不联网的装了摄像头也没有后端的处理，有什么用呢？
那么我告诉你，另外一个关键的趋势已经开始萌芽。
今年，索尼首创的集成AI处理的CMOS图像传感器已经开始商用。
索尼IMX500是第一个集成人工智能处理功能的图像传感器，集成了一个逻辑处理器和存储器，能够执行AI检测任务，有望实现几乎实时的图像分析和目标追踪。
今年索尼AI传感器部署在罗马监测停车位和行人数量。
传感器通过图像识别可用停车位以及在公交车站等候、上/下公交车以及等待过马路或过马路的人数。
免费停车位的位置坐标会实时叠加在地图上，并显示在向该区域驶去的司机使用的移动设备上。
传感器在斑马线处检测行人，并向司机发送交通信号提示。
公交候车亭中的排队长度、上下车人数等数据由传感器通过AI处理后发送至云端软件平台提供给公交网络管理人员使用，以提高公交运输网络的规划和调度。
由于图像直接在传感器中进行AI处理，不存储原始图像，数据也不离开传感器，符合隐私要求。
因此能够减少所需的通信带宽，降低电力和通信成本，并解决公民担忧的隐私问题。
CMOS图像传感器集成AI显著增加了机器视觉的应用场景，极大提高了机器视觉赛道的市场空间。
我读过一本[美] 侯世达写的关于思维方式的书《表象与本质：类比，思考之源和思维之火》。侯世达是美国计算机科学家，独树一帜的认知学家，美国艺术与科学学院的院士，普利策奖获奖图书《哥德尔、艾舍尔、巴赫 : 集异璧之大成》作者，《我是个怪圈》的作者。
这本书的核心内容就是，类比思维是人类认知的核心。
现在火热的AI是不是类比思维呢？
AI不是要先训练神经网络吗，那原理上应该也是类比。
不管类比思维是不是AI的本质，它对我们的商业思维很有价值。
进化论书籍告诉我们，很多动物的眼睛只有裸露的视网膜。裸露的视网膜比完整的眼睛更加有用，为什么？因为抛弃了晶状体，可以增加感光度。
那么动物直接拿视网膜当眼睛，可以类比什么呢？
本质上来说，视网膜才是视觉成像最核心的元器件，镜头只是辅助，并不是必须的。
所以CMOS图像传感器这个机器的视网膜，其实潜力比我们想的大。
进化论已经给我们演示了很多出人意料的视觉应用场景。
附带说一下，国内一些伪大师质疑进化论，天天宣扬一套号称颠覆了进化论的哲学思维。
说实话，不理解进化论的基本都是文科生，他们的数学基础太差，实在理解不了进化论。他们只会用细菌的“鞭毛”不可能进化出来这种谬论来证伪进化论。
进化论的本质其实是数学。
如果对计算机科学懂行的人，能够从数学上理解演化算法(evolutionary algorithms，简称EAs)的简单和高效，那么对生物进化也自然而然能理解。
如果对图论〔Graph Theory〕有所了解，进化论更加容易理解。
现在科学家不都用蛋白质网络图来研究蛋白质吗？
曾经很多人也质疑进化论，认为眼睛这样复杂的器官无法通过进化发展出来。
今天我引用的这本生物进化的书对于眼睛的进化已经完美的解释，包括眼睛的化学成分为什么是这样。
那么索尼这个新产品对机器视觉产业链会存在什么影响？
索尼这个新产品，不仅仅会影响图像传感器，它产生的影响是非常深远的，甚至对于海康威视，华为这种公司都会产生巨大的影响。
我们可以这么看机器视觉赛道的产业链，主要有3个层级，第一层是索尼这样做上游核心零部件的，第二层是基恩士，海康威视，华为这样做中游智能整机的的，第三层是燕麦科技，天准科技这样做下游行业定制解决方案的。
第三层主要采购第二层的智能相机，然后再加上一些配套硬件，修改一下软件算法，提供针对某个应用场景的解决方案。
因为应用场景太复杂，有很多非标准化的需求，所以第三层主要在标准化的设备和非标准化的需求之间做对接。
但是，等未来索尼的人工智能图像传感器普及之后，一切都改变了，索尼可以直接提供一站式解决方案，芯片+云服务，只要你采购了他的图像传感器芯片，订阅了它的云服务，那么在云端做一下参数的配置修改，图像传感器就可以适应应用场景的需求，第二层智能相机厂家和第三层非标定制厂家的商业价值就会减少了，特别是对于要求低功耗，低时延，低通信成本的场合。
也就是说，上游芯片厂家开始吞噬下游设备的市场空间。
一般情况下，都是下游吞噬上游的市场空间，因为下游面向消费者，是需求方，它可以将外购的核心元器件改为自己研发，降低成本，从而对上游的元器件供应商产生威胁。
但是图像传感器有点特殊，竟然能够从上游威胁下游。
当然，聪明的你又要提问题了，传感器是视网膜，AI是大脑，还要有镜头这个晶状体啊。没有镜头，很多场景还是不行的。
对，确实如此。
但是镜头也有晶圆级镜头，可以用半导体技术制造，很容易和CMOS图像传感器集成到一个模块。
例如韦尔股份给内窥镜提供的摄像模组就是这样的。
如果以后这个模组再加入AI功能，那不就完美了吗？很多机器视觉场景只需要这个摄像模组加一点点其它器件就可以了，简单省事。
我们来设想一个场景，海康威视面临华为与韦尔股份的双重夹击。
目前华为的安防相机，采取大算力的方案，希望用算力算法换图象。
你海康威视不是应用场景的定制化能力强吗？
我华为就用一个AI大算力的软件平台，使它具备超强的通用性，从头部场景往下打。
不得不说，对于很多头部场景，华为的AI算力+软件平台方案，基于它的通用性，未来很可能会替代海康威视依靠人海战术实施的场景定制化解决方案。
从规模效应来说，一个通用平台的规模效应远远强于场景定制化非标解决方案的规模效应。
所以，安防的未来，头部可能是华为的天下。
那么尾部呢？
考虑到CMOS图像传感器+AI集成一体化的方案，未来很多尾部的安防应用场景，技术壁垒会大大降低，因为主要工作已经被CMOS图像传感器巨头搞定了。
那么尾部就是韦尔股份这样的巨头和团结在它周围的非头部安防厂家的天下。
也就是说，海康威视可能面临华为和韦尔股份的降维打击，一个从云端降维，一个从芯片端降维。
海康威视的优势是基于场景定制化的图像识别算法，以后这个优势可能就被废掉了。
从前面种种分析来看，图像传感器赛道是通用性和应用场景最强的赛道之一，它的潜力我们一定不能低估。
如果我们要分析图像传感器未来的潜力，其实还有很多。
例如现在的图像检测都是2D的，以后很多场景都会变成3D视觉。
当然，3D图像传感器增加了一些技术变数，也许会引入一些新玩家，但是从索尼等巨头的布局来看，传统CMOS图像传感器巨头依然会是3D图像传感器的巨头。
例如内窥镜现在基本都不是一次性的，但是内窥镜消毒困难，发生过一些医疗事故。
以后成本更低，不容易发生医疗事故的一次性内窥镜也许市场空间巨大。
这也是CMOS图像传感器的一个增量应用场景。
而韦尔股份在一次性内窥镜领域的优势甚至超过了索尼和三星。
林迪效应启发我们，某些牛股继续牛的概率依然很大，因为他们所处赛道的生命力超过我们的想象。所以，如果我们拿着一些牛股，只要估值和市值没有高得离谱，也可以持续拿着，除非我们有其它更好的投资标的。否则，拿着单一牛股，也许收益反而更高。
