4月6日，Meta发布史上首个图像分割基础模型SAM（SegmentAnythingModel），将NLP领域的prompt范式引进CV，让模型可以通过prompt一键抠图。SAM能从照片或视频中对任意对象实现一键分割，并且能够零样本迁移到其他任务。该模型的应用，首先引发业内强烈关注，随后于周末在资本圈发酵。

某分析师：“我也是被实业届push的，上周三meta出demo，发布论文；周五一堆领头公司测试使用；周六他们决定马上调转技术路径彻底拥抱Sam；激动安利我Sam的牛逼，逼得我赶紧发文点评”。

虽然主板注册制10只新股上市的资金虹吸下，GPT高位大分歧，热门股纷纷深度调整，而SAM概念表现相对强势，但作为GPT新分支，SAM模型进一步拉低了图像识别、标注的门槛，颠覆计算机视觉领域，其自身具备的行业颠覆性逻辑依旧不容市场忽视，投资者宜逢低关注。

SegmentAnything分割一切

SegmentAnythingModel（SAM），中文直译即是分割一切模型！正如名字“SegmentAnything”一样，该模型可以用于分割图像中的一切对象，包括训练数据中没有的内容。SAM可以使用各种输入提示包括点击，框选和文字，指定要在图像中分割的内容，并且可以灵活集成其他系统，比如将AR/VR头盔的用户视线作为提示来选择对象，也可以将分割输出用作其他AI系统的输入，用于3D建模等任务。模型设计高效灵活，每个提示只需要几毫秒就能在浏览器中运行，并且Meta开源了SAM的模型和包含1100万张图像和11亿个掩码的训练数据集。

通过鼠标的悬停，可以选中任意一个物体分割出来；或者通过鼠标圈选一个框，可以提取框中的所有物体。

数据来源：segment-anything.com

1）相较于普通的抠图软件来说，原本需要手动选择的目标，现在只需要SAM的识别就可以快速分割画面中的物品，且精准度，效率都要比个人操作高。

2）此外，SAM的一大突破还在于，即使是在训练过程中从未遇到过的物品和形状，人工智能也能将其准确识别并分割出来。

3）交互方面，SAM还支持用户使用各种交互性的方式来分离出想要的物体。可以通过将鼠标悬浮在该物体之上，就能自动定位出物体的轮廓。即使是颜色非常相近或者有连人眼都很难快速分辨出的倒影的图片之中，SAM都能非常准确找出轮廓边线。也可以直接通过输入文字查询，AI就可以找到并标记出这个图片中对应的文字对象。

4）视频方面，对于视频中的物体，SAM也能准确识别并且还能快速标记出物品的种类、名字、大小，并自动用ID给这些物品进行记录和分类。

5）编辑方面，除了能把物品从图像中精准地分离出来，SAM还能支持对这个物品的编辑。

视觉领域的“GPT-3时刻”

图像分割是计算机视觉中的一项重要任务，它涉及到将图像划分为多个区域或片段，每个区域或片段代表图像的一个有意义的部分。图像分割之所以重要，有几个原因，包括：

对象识别：图像分割有助于识别和确认图像中的不同物体。通过将图像分为不同的区段，每个区段都可以被单独分析，从而更容易识别物体和它们的属性。

对象检测：图像分割也可以帮助检测图像中的物体，把它们从背景中分离出来。这在自动驾驶等应用中特别有用，自动驾驶汽车需要检测其他汽车、行人和障碍物。

图像编辑：图像分割是许多图像编辑任务中的一个重要步骤，如去除物体、颜色校正和图像合成。通过将图像划分为不同的片段，单个片段可以被修改而不影响图像的其他部分。

医学成像：在医学成像中，图像分割被用来从医学图像中提取特定结构或潜在病灶存在的区域。这可以帮助诊断、治疗计划和监测各种疾病。

便利下游任务：图像分割的下游工作包括物体识别、物体检测、物体跟踪、图像修复、图像分类和许多其他计算机视觉任务。这些任务需要准确和有效的图像分割作为预处理步骤，以便从图像中提取有意义的信息。

图像分割一直是计算机视觉的核心任务。但是，如果想为特定任务创建准确的分割模型，通常需要专家进行高度专业化的工作，这个过程需要训练AI的基础设施，和大量仔细标注的域内数据，因此门槛极高。为了解决这个问题而诞生的图像分割的基础模型SAM已初步验证了多模态技术路径及其泛化能力，相当于计算机视觉领域的GPT-3。英伟达人工智能科学家JimFan认为Meta的这项研究是计算机视觉领域的“GPT-3时刻”之一。

有望推动机器视觉跨越式发展

SAM具备了在视觉领域进行通用图像分割的能力，有望推动机器视觉跨越式发展，具体应用场景包括但不限于：

1）AR/VR：SAM可以根据AR/VR头显传来的用户视觉焦点信息，来选择对应的物体，有望推动AR/VR产业发展。

2）自动驾驶：图像分割在自动驾驶中有重要作用，对基于纯视觉方法的自动驾驶分辨技术，图像分割的精度是决定自动驾驶效果的重要因素。SAM模型的提出有望为自动驾驶中图像分割问题提供新的思路和方法。

3）机器视觉：在工业的瑕疵检测等场景中，对于目标物体的识别和分割也是关键环节，SAM模型有望赋能机器视觉。

4）卫星遥感：在卫星的遥感图像中，一般植被或建筑物是比较大明显物体，相对而言，路属于较难的目标，在图像分割时，不进行特殊处理，会导致无法正确分类分割。因此，SAM模型有望在卫星遥感领域也得到广泛的应用。

机器视觉概念股链梳理

凌云光：公司是国内机器视觉领域领军企业，坚持以光技术创新为基础，聚焦机器视觉业务，2020年度中国机器视觉行业销售额排名中凌云光排名第一。公司具备9个技术模块、18个算法库、100多个算法工具，产品精度、效率及稳定性优势明显。

奥普特：是国内机器视觉龙头，在业内率先实现机器视觉全产业链布局，自主产品线已覆盖光源、光源控制器、镜头、相机、视觉控制系统等核心部件，是国内最早拥有自研算法库的企业之一。

罗普特：聚焦AI视觉应用的小巨人，布局存算一体，有望受益大模型多模态应用。

韦尔股份：CIS国内龙头，库存Q2有望持续向正常水平恢复，大像素新品新机备货放量，同时也是Meta的视觉芯片核心供应商。

晶方科技：晶方科技是全球最大的CIS芯片封测厂商，在汽车摄像头应用领域已有多年布局和拓展，相关产品广泛应用在智能手机、安防数码、身份识别、汽车电子、3D传感等领域。

龙迅股份：多模态GPT纯正芯片供应商，下游包括安防、视频会议、VR等，视频桥接芯片是GPT多模态主要应用场景必备品类，此外公司募投项目PCIE产品明年推出，配套CPU/GPU接口芯片。

富瀚微：安防龙头前端ISP/IPC、后端DVR/NVR核心供应商，高端新品+车载ISP开启新一轮成长。

思特威：安防和机器视觉CIS龙头，汽车CIS+手机高端定制CIS打造第二增长曲线。

千方科技：在AI+安防和机器视觉已有投入，并面向车路协同与智能网联汽车产业推出V2X系列产品。

当虹科技：专注于智能视频技术的算法研究，聚焦AI视觉应用。

虹软科技：致力于计算机视觉技术的研发和应用，为智能手机、智能汽车、AloT等提供一站式计算机视觉技术解决方案。

大华股份：推出大华睿智系列的AI智能产品和解决方案，积极将人工智能落地到实际场景中。

海康威视：已推出面向行业用户与生态合作伙伴的一站式AI模型开发和应用平台提供全流程AI服务。

萤石网络：围绕AI视觉技术打造“4+N”产品体系，智能家居摄像机、智能入户、智能控制和智能服务机器人为公司四大核心产品。

奥比中光：公司是全球少数拥有全栈技术能力和全面布局六大3D视觉感知技术的公司，也是国内3D传感器龙头企业。

唐源电气：正在研发基于机器视觉技术的城市轨道交通无人驾驶系统解决方案。

泰禾智能：公司是一家基于AI视觉识别的成套智能化装备和服务提供商，主要产品为智能检测分选装备、工业机器人及自动化成套装备和智能包装装备。公司的机器视觉技术已应用于智能分选、智能装车等领域。

多模态解决方案产业链梳理

CV能力的增强，利好整体CV行业应用的渗透，CV的能力越强，相关的应用就能更加的获得用户的认可，获得用户支出的倾斜。任何有摄像头的场景，都是受益场景。

自动驾驶

相关公司：中科创达、四维图新、光庭信息、虹软科技、东软集团。

安防和智慧城市

相关公司：海康威视、大华股份、当虹科技、网达软件、锐明技术、苏州科达。

家庭用摄像头和机器人

相关公司：萤石网络、石头科技、科沃斯。

工业质检和工业视觉

相关公司：用友网络、创新奇智、凌云光、奥普特、天准科技、矩子科技、奥比中光。

遥感卫星

相关公司：航天宏图，中科星图。

MR、XR

相关公司：中科创达。

识别标注算法

相关公司：云从科技、千方科技、格灵深瞳、虹软科技、海天瑞声、虹软科技、罗普特。

MLOps

相关公司：星环科技，万达信息，中国软件。