2026年的落地烂尾局
今年开春跑华东的零售加盟展会，碰到五六个蜜雪冰城的加盟商吐槽，所有人都在骂总部强制换装的计算机视觉自动盘点机。
一台小一万，说好了取代人工盘点，原来两个店员盘三个小时，现在机器十分钟搞定，省下来的都是利润。结果呢？装完第一个月，就出问题。冰箱里起雾结霜，机器把半化的冰块当成椰果，把堆在一起的柠檬片当成了打包袋，错的离谱。
我拿到加盟商内部社群的调研数据，全国已经装完的1.2万台设备，实际日常在用的不到30%，平均错盘率18%，相当于每五箱货就错一箱。有的开在商圈的店，旺季一天走货几十箱，错个两三箱，亏的钱比雇一个盘点的人工还多。现在大部分店都是把机器拔了电，扔在储物间角落吃灰。
说实话，这不是我今年碰到的第一个计算机视觉落地烂尾的事。去年下半年，广州有几个商场换了CV的客流统计系统，吹说能精准到每个顾客逛了哪个专柜、停留多久，结果上线三个月，收到了超过100起隐私投诉，现在只能把识别功能关了，当成普通监控用。
很多人说这是小品牌小项目才会出的问题，大项目不会。真的吗？去年新势力车企发布的城市NOA，吹了大半年纯视觉方案不用激光雷达，结果实际上路，雨天过路口，连静止的路障都识别不出来，还是得靠人踩刹车。吹出来的全民无驾驶，到现在还只敢在少数几个测试城市开放，大部分地区还是能用不了。
实验室里的99%，顶不住场景里的1%意外
圈内天天说计算机视觉技术突破，其实现在算法在标准数据集上的准确率早就超过人眼了，为什么一到真实场景就拉胯？根本不是算法不行，是大多数玩家根本没搞懂，CV拼的从来不是实验室的准确率，是对真实场景乱七八糟变量的适配能力。
训练数据集里的物体都是摆好拍的，灯光对，角度正，没有遮挡，边缘清晰。真实世界哪有这么完美？门店的货堆得歪歪扭扭，厨房的灯时亮时暗，下雨的时候摄像头玻璃全是水印，工厂的传送带还抖得像筛子，算法哪见过这些场面？
放到商业模式里看，现在国内CV圈的分化早就摆明了。一拨是海康、大华这种从安防杀出来的老玩家，手里攒了十几年各个场景的真实数据，做项目都是一个场景一个场景磨，赚的是慢钱辛苦钱。另一拨是前些年AI热起来的初创公司，拿了融资就冲规模，张口就是通用CV大模型，晒出来的准确率99%，转头就为了抢单砍成本。
给你算笔明白账，头部企业训练一个适配多场景的通用CV大模型，单次训练成本超过1200万人民币，相当于深圳南山核心地段一套120平住宅的总价，大多数初创公司的A轮融资才刚够烧两轮训练，哪有钱一个个场景攒真实数据、调适配？只能拿公开数据集训完就上线，把设备价格压得极低，赚的就是一次性的设备进场费，反正出了问题大不了换个赛道继续讲新故事。
不过话说回来，这不就是所有新技术爆发的必然路径吗？现在国内计算机视觉行业的竞争，就像寒武纪生命大爆发，看起来五花八门物种爆炸，其实90%都是错配的演化分支，根本适应不了真实环境的筛选，活不过下一轮行业冰期。连之前喊通用CV喊得最凶的商汤，去年都砍了三分之一的通用业务，把全部资源砸向智慧汽车、工业质检这些垂直场景，这就是赤裸裸的用脚投票——通用CV讲不动资本故事了，只有扎进具体场景赚辛苦钱才能活。
普通玩家的新机会，不在算法在场景
很多人觉得计算机视觉是大厂玩的游戏，跟普通从业者、小玩家没关系，其实错了。这两年行业洗牌，反而给很多接地气的玩家留出了空间。
前些年CV火的时候，所有学计算机的都往算法岗挤，名校博士起薪三四十万，挤破头都进不去。现在呢？纯算法岗早就卷不动了，头部大厂校招CV算法岗录取比超过100:1，反而有一类岗位缺口大到招不到人，就是懂场景的落地工程师。
我上个月跟国内一家头部CV公司的HR聊，他们现在招的工业CV落地工程师，要求会点基础算法，还要懂工厂的流水线工艺、懂机械调试，这种人起薪比纯算法岗还高30%以上，还是招不到。为什么？大部分学CV的都蹲在实验室调模型，根本不愿意去工厂、去门店蹲点磨场景，自然没这个能力。
对下游的小商家来说，之前被各种AI概念割韭菜割怕了，现在也学精了。所有CV设备，先免费试用三个月，能帮我降本赚钱我再付钱，不行你拉走，谁也别想空手套白狼割我。整个产业链的逻辑早就变了，原来那种拿着算法找场景的时代，早就过去了。现在都是拿着场景找算法，缺什么补什么。
我上个月在东莞的家具厂跑，有个老板自己找了个刚毕业的CV学生，花了十万块改了个适配自己产线的板材缺陷识别模型，比之前买的几十万的通用设备好用十倍，出错率不到原来的五分之一。为什么？就是因为这个学生蹲在工厂泡了一个月，跟着工人转班，知道他家的板材怎么放、缺陷长什么样、光照有什么特点，把算法改的完全贴合自己的场景。
原来很多人迷信大模型、通用算法，觉得越大越牛，现在看，最能打的永远是最贴合场景的。
再过三年，90%打着通用计算机视觉旗号的公司，都会死在落地的沙滩上。你手里的那张牌，真的踩对地方了吗？
