Vision是人工智能领域中专注于视觉理解和处理的技术分支，正从传统图像识别向实时交互式视觉辅助方向发展。
Vision 近期进展
2023年10月，Google Gemini App推出Guided Vision功能，通过语音引导用户调整摄像头角度，为日常视觉任务提供实时辅助，目前已登陆Android 9及以上设备。
2023年10月，Lola Vision Systems获得融资，致力于简化在芯片上运行AI模型的流程，目标是在边缘设备上实现更高效的视觉计算。
2023年10月，NVIDIA发布30分钟构建视觉AI代理教程，大幅降低了开发者创建视觉AI应用的门槛。
当前焦点与观察点
Vision技术正从单一图像识别向多模态交互转变，如Google的Guided Vision展示了语音与视觉结合的新应用场景。边缘计算能力提升使视觉AI能在本地设备高效运行，如高通骁龙X2 Elite芯片性能超越英特尔酷睿Ultra X7，为移动端视觉处理提供更强算力支持。同时，自监督学习方法在视觉领域取得进展，如VideoMSN图像分类器通过高效自监督视频表示学习减少了标注数据依赖。随着Agent Arena等平台的兴起，视觉AI模型如OpenAI GPT-6.1和Claude Sonnet 5.5的竞争将进一步推动技术迭代，未来Vision技术将更注重实时性、低功耗和场景适应性。