根據研究單位ABI Research的最新報告指出，直至2027年，機器視覺(Machine Vision)將成為汽車、醫療保健、製造、零售、智慧建築、智慧城市、交通與物流等主要市場，數位化和自動化的關鍵支援技術。預計將達到360億美元市場規模，遠遠高於2022年的214億美元，年複合成長率(CAGR)達11%。
傳統上，機器視覺主要用於安全監控、資產監控和缺陷檢查，這些成熟的應用趨動相機產業的總出貨量。然而，該產業正在經歷一個振奮的階段，受到Covid-19疫情影響、全球數位化的趨勢，讓許多創新的應用蓬勃發展，例如占用檢測、人群監控、預測性維護、高精度自動檢查、智慧倉儲、智慧物流等。
ABI Research首席分析師Lian Jye Su表示，這些創新應用有望推動產業未來的發展，其推展的關鍵因素為機器學習(Machine Learning, ML)，尤其是機器視覺中的深度學習(Deep Learning, DL)技術。大多數技術供應商都提供基於深度學習的靈活、可擴展和高效的解決方案。與此同時，企業正漸漸意識到基於深度學習的機器視覺的優勢。
Su指出，許多企業採用有效的機器視覺解決方案的障礙已大幅降低，其關鍵因素包含元件數量和工程成本降低、增加與第三方解決方案整合的便利性，以及不斷進步的開源軟體和工具包。
展望未來，分布式計算(Distributed Computing)將成為機器視覺中，機器學習的發展重心。英特爾(Intel)、輝達(NVIDIA)、高通(Qualcomm)、賽靈思(Xilinx)和恩智浦(NXP)等運算平台供應商，積極推出可以直接在鏡頭運行，或連接閘道器和本地伺服器上運行機器學習模型處理器。這些供應商沒有在雲端運行機器學習模型，而是開發一套解決方案，從機器學習處理器到機器學習開發環境和嵌入式安全增強功能，以確保即時開發和部署機器學習模型，並順利整合至現有工作流程中。此外，隨著越來越多邊緣機器視覺的新創公司出現，預計該領域將變得更具競爭力。
目前，硬體營收約占89%，然而，隨著時間的推移，軟體和服務的份額預計會從11%成長至16%。基於深度學習的機器視覺陸續出現，越來越多的機器學習解決方案供應商，可能會圍繞特定垂直基於深度學習的機器視覺模型的開發、部署和維護，以建立他們的產品。
Su強調，企業可以透過與這些供應商合作，共同開發解決方案，而不是完全依賴內部專業知識，這種夥伴關係，對於降低建構和維護自定義ML模型的複雜性至關重要。