1）可提示的分割任务，描述通用的预训练目标；

2）分 割模型 SAM，能通过提示工程实时输出分割掩膜，以 zero-shot 方式迁移到 一系列任务；

3）数据引擎，一方面收集新的数据，另一方面使用新数据来 迭代模型。此外，Meta 建立了迄今为止最大的分割数据集 SA-1B，并与 SAM 一起开源。SAM 的 zero-shot 性能优秀，能够达到甚至优于完全监督模型的 结果，有利于 CV 更广泛的应用于下游各种 C 端和 B 端场景。建议关注国 内 CV 应用和 CV 算法领域的相关厂商。

SAM 更注重精细标注能力，而 SegGPT 更注重批量化标注分割能力。SegGPT 具有上下 文推理能力，通过给定的示例和对应的掩膜，即可按照同样的方式批量化分割多个图像。 对于视频输入，SegGPT 能够以第一帧图像和对应的物体掩膜作为上下文示例，自动对后 续视频帧进行分割，并且可以用掩膜的颜色作为物体的 ID，实现自动追踪。 

相关产业链公司 CV 应用领域：SAM 模型大幅提升了 CV 领域通用图像分割的能力，有利于 CV 更广泛的应 用于下游各种 C 端和 B 端场景。

1）安防视频：海康威视、大华股份、千方科技（宇视科技）； 

2）交通视频：通行宝； 

3）智能驾驶：中科创达、四维图新、光庭信息、德赛西威、经纬恒润、东软集团； 

4）MR/XR 领域：中科创达； 

5）智能终端：萤石网络、中科创达； 

6）工业视觉：凌云光、创新奇智、奥普特、天准科技、奥比中光、矩子科技。

CV 算法领域：SAM 模型提升了 CV 图像分割的通用能力和检测效果，但在特定对象分割 效果（如弱边缘、特征不明显的地方）、性能、功耗等方面仍存在诸多不足，具体场景落地 时仍需要不同领域的 CV 算法厂商去进行优化和落地；此外，SAM 还提升了数据标注的效 率，起到了降本增效的作用。 

1）CV 算法厂商：格灵深瞳、商汤、云从科技、云天励飞。