Российский рынок компьютерного зрения в 2026 году может вырасти на 29% и достичь 28,4 млрд рублей. Такой прогноз представило аналитическое агентство AIANA. Основными источниками роста станут системы распознавания объектов и видеоаналитики, применяемые в промышленности, на транспорте и в проектах «умного города».
В 2025 году рынок компьютерного зрения вырос на 43%. Для сравнения, весь российский рынок искусственного интеллекта за тот же период прибавил 30%. Почти половина выручки от компьютерного зрения — 49,6% — пришлась на анализ видеопотока.
Быстрее всего росла сфера распознавания объектов. Этот сегмент прибавил 56% и занял 25,2% рынка. Распознавание лиц росло медленнее — на 24%. Его доля составила 11,8%.
Крупнейшим заказчиком технологий компьютерного зрения остаётся государство. На него приходится 32,5% выручки рынка. Ещё 22% обеспечивают проекты в сфере безопасности и обороны, по 11% — транспорт и логистика, а также ЖКХ и «умный город».
Но дальнейший рост может пойти по другому сценарию. Раньше для решения конкретной задачи разработчикам часто требовалось собирать большие наборы изображений и видео, а затем обучать на них специализированную нейросеть. Теперь часть задач могут выполнять универсальные модели, уже умеющие анализировать визуальную информацию.
В AIANA отмечают возможности моделей семейства Qwen-VL и Grok 2 Vision. По оценке аналитиков, такие решения могут упростить и удешевить внедрение компьютерного зрения. В результате часть заказов способна перейти от разработчиков специализированных систем к поставщикам универсальных моделей.
При этом речь не обязательно идёт об исчезновении специализированных решений. Руководитель направления ИИ ИТ-холдинга Т1 Сергей Голицын отмечает, что крупные проекты в области безопасности и инфраструктуры требуют ресурсов для развёртывания и сопровождения, поэтому их часто получают ограниченное число поставщиков. В коммерческом секторе распространён другой подход — сначала систему проверяют на одном объекте, а затем масштабируют на десятки или сотни площадок.
Дополнительным направлением развития становятся визуально-языковые модели — VLM. По словам генерального директора ГК ЦРТ Дмитрия Дырмовского, они способны не только обнаруживать события на видео, но и описывать происходящее, связывать детали и отвечать на вопросы о содержании записи.