人脸识别行业市场规模有多大 人脸识别行业市场

人脸识别产业链以人脸识别算法作为中间层，其上游为器件、通用硬件、基础软件，上游提供了人脸识别算法的输入、训练、开发和运行环境;下游为设备和产品，最终体现为解决方案，下游是人脸识别算法的产品形态。

从产业链上游来看，国内厂商(以华为、寒武纪为代表)在芯片设计方面有较强实力，在芯片制造方面，除去手机等对芯片精密程度要求较高的设备，国内厂商具备制造芯片的能力。但高端芯片的制造工艺以及基本元器件都被国外垄断，成为制约上游厂商发展的瓶颈。

从人脸识别算法层面来看，国内厂商具备优势，但数据隐私问题、人种/地域带来的算法性能公平性问题，是国内厂商急需解决的问题。

产业链下游，人脸识别应用越来越广泛，甚至出现过度滥用盗取用户隐私的事件。黑客攻击、非活体攻击对人脸识别系统安全性也提出了挑战，用户隐私保护和安全性成为掣肘，急需相关政策法规来规范市场。

随着技术发展和安全性要求的提高，人脸识别技术在行业应用中发生巨大变化，从安全性可靠性要求较低的行业上升到金融社保、证券、银行、互联网金融等安全可靠性要求较高的行业。我国人脸识别技术目前主要运用在公共安防、门禁考勤、金融支付三大领域。

区分不同的应用领域来看，其趋势逐渐出现分化。从2019年看，安防作为人脸识别最早应用的领域之一，其市场份额占比在30%左右。随着雪亮工程、智慧城市建设的逐步完成，人脸识别在安防领域逐渐从增量市场转变为存量市场。人脸识别在门禁考勤领域的应用最为成熟，约占行业市场的42%左右，随着智慧楼宇、智慧社区、智慧家居的进一步发展，人脸识别门禁考勤市场也将随之增长。金融作为人脸识别未来重要的应用领域之一，目前约占行业的20%,并且市场规模在逐步扩大。

计算芯片技术发展，支撑人脸识别大规模应用。人脸识别算法的工业应用和算法性能除了自身模型性能外，依赖于算法运行的硬件芯片环境。以英伟达的GPU和英特尔的CPU为代表的通用架构芯片作为人脸识别算法训练和推理最常用的计算资源。

同时，为了满足人脸识别应用场景的不断拓展和数据量的急剧增长对算力的强烈需求，基于领域专用架构(DomainSpecificArchitectures,DSA)理念的行业专用定制芯片凭借着对特定领域的算法优化，可以充分发挥计算资源和算法模型的效能，已经被部分厂商应用于人脸识别算法的训练和推理应用，如海思、依图、寒武纪等企业推出的云端计算芯片，可以逐渐替代GPU成为其人脸识别技术应用的主流计算资源。