Как выбрать поставщика решений компьютерного зрения: руководство по корпоративным закупкам

Модель — самая простая часть. В промышленном компьютерном зрении основная работа — это размеченные данные для модели и запуск инференса на периферийных камерах; именно на второй части большинство проектов незаметно буксует. В руководствах для покупателей в этой категории теперь выше оценивают точность на собственных изображениях и реалистичность периферийного развертывания, а не широту сравнения предварительно обученных функций, на которой чрезмерно заостряли внимание старые запросы предложений. Причина в том, что типовые функции уже покрывает управляемый API, а проект всё равно может провалиться на сложных специфичных сценариях с жёсткими ограничениями по задержке.

В этом руководстве сравниваются восемь поставщиков по двум решениям, определяющим архитектуру: предварительно обученный API или собственная модель и облако или периферия. Сравнивай коммерческие условия только после того, как зафиксируешь эти требования; иначе предложения будут описывать разные системы.

Два важных решения#

Прежде чем сравнивать поставщиков, определи положение своего проекта по этим двум осям. Почти каждая ошибка при закупке в этой категории — это выбор поставщика не для того квадранта.

Предварительно обученный API или собственная модель. Если задача типовая (извлекать текст из документов, обнаруживать распространённые объекты, модерировать контент), управляемый API решит её уже сегодня без команды специалистов по ML. Если задача специфична для твоего продукта, деталей или процесса, ни один предварительно обученный API не обеспечит точность для промышленной эксплуатации — вместо этого ты покупаешь инфраструктуру для обучения и работы с данными.

Облако или периферия. Если инференс допускает обмен данными с дата-центром и обратно, облачные поставщики — самый простой путь. Если нет (скоростная производственная линия, транспортное средство, объект с ненадёжной связью или данные, которым нельзя покидать территорию предприятия), то периферийное развертывание становится требованием, из-за которого отсеивается большинство кандидатов.

Проект, в котором покупают платформу, но пренебрегают данными и жизненным циклом, выпустит пилот, который так и не дойдёт до промышленной эксплуатации. Выдели основную часть бюджета на разметку и MLOps и докажи точность на самых сложных изображениях до подписания договора.

Поставщики перечислены в алфавитном порядке, а не по рейтингу. Ultralytics публикует это руководство и сама в нём представлена, поэтому порядок намеренно нейтрален, а компромиссы для каждого поставщика указаны явно.

AWS: Rekognition и SageMaker AI#

Что это. Два уровня: Amazon Rekognition как управляемый API компьютерного зрения и Amazon SageMaker AI как платформа для обучения и развертывания собственных моделей.

Преимущества. Rekognition предлагает полностью управляемый анализ изображений и видео (модерацию контента, обнаружение объектов и текста, обнаружение средств индивидуальной защиты), а также Custom Labels для обучения моделей под конкретные задачи без команды специалистов по ML. Глубокая интеграция с S3, Lambda и Kinesis Video делает его самым простым вариантом для конвейеров на AWS. Если требования выходят за рамки API, SageMaker AI поддерживает распределённое обучение, автоматически масштабируемые конечные точки, парки GPU и CPU, конвейеры развертывания и отслеживание экспериментов с распространёнными фреймворками.

Rekognition также предоставляет сравнение лиц и поиск по лицам. Рассматривай это как отдельный вопрос закупки, а не как дополнительную функцию: обработка биометрических данных влечёт отдельные регуляторные риски, требования к согласию и, в ряде юрисдикций, предусмотренные законом штрафы. Если эта функция тебе не нужна, явно исключи её из объёма работ и учти, что большинству сценариев компьютерного зрения, обозначенных как «безопасность», она не требуется.

Компромиссы. Широкий набор возможностей реален, но сборка тоже потребует усилий: Rekognition, SageMaker, хранилище и оркестрация — это архитектура, а не готовый продукт. Возможности для периферийного развертывания слабее, чем у поставщиков, предлагающих собирать собственное решение.

Лучше всего подходит. Организациям, работающим в экосистеме AWS, которым нужно управляемое компьютерное зрение уже сейчас и возможность позже создавать собственные решения без смены облака.

Примечание по закупке. Обнаружение средств индивидуальной защиты действительно полезно для мониторинга безопасности и часто становится самым быстрым способом получить убедительный первый результат.

Azure AI Vision#

Что это. Управляемый стек компьютерного зрения Microsoft: от готовых API до обучения собственных моделей.

Преимущества. Azure AI Vision предоставляет готовые API для анализа изображений, OCR и извлечения текста, обнаружения объектов и анализа видео; развертывание и масштабирование выполняются без управления базовой инфраструктурой. Командам, которым нужны собственные обученные модели классификации или детектирования, сейчас подходит Azure Machine Learning, включая его функцию AutoML; она охватывает весь жизненный цикл.

Примечание по закупке: проверяй жизненный цикл сервиса, а не только список функций. Microsoft вывела прежний сервис Custom Vision на путь к завершению поддержки и направляет клиентов, создающих собственные модели классификации и детектирования, в Azure Machine Learning. Любое решение, построенное на Custom Vision, теперь должно включать миграцию в дорожную карту. Это самая распространённая причина провала оценки облачных решений компьютерного зрения: сервис, выглядящий идеальным при сравнении функций, уже заменён новым, а статьи, повлиявшие на формирование списка кандидатов, не обновлялись. Попроси любого гиперскейлера письменно указать статус поддержки и прекращения работы каждого конкретного сервиса, названного в его предложении.

Компромиссы. Как и в случае с любым сервисом компьютерного зрения гиперскейлера, оплата зависит от потребления, а при масштабировании расходы могут неприятно удивить. Периферийное развертывание возможно, но не является основным сценарием.

Лучше всего подходит. Организациям, уже стандартизировавшимся на Azure, которым нужны качественные OCR и анализ документов, а также управляемые сервисы вместо команды специалистов по ML.

Примечание по закупке. Рассчитай стоимость одного инференса при промышленном объёме, а не при объёме пилота. Именно оплата по потреблению может превратить одобренное бизнес-обоснование в убыточное.

Cognex#

Что это. Один из мировых лидеров в области машинного зрения, предлагающий оборудование и ПО для автоматизации производства и логистики.

Преимущества. Cognex заслуженно занимает ведущие позиции в промышленном зрении: её продукты используются для обнаружения дефектов и контроля качества, проверки наличия и отсутствия компонентов, а также считывания штрихкодов и отслеживания объектов в логистике и упаковочном производстве. Cognex VisionPro Deep Learning (преемник линейки продуктов ViDi) дополняет это промышленным глубоким обучением, разработанным специально для заводской автоматизации, и вариантами обучения на периферии для более простых проверок. Если проекту нужно зрение, интегрированное с PLC и способное работать в заводских условиях, это проверенное оборудование, а не облачный сервис, подключённый к камере.

Компромиссы. Ты приобретаешь оборудование в промышленной экосистеме — с соответствующей структурой затрат и привязкой к поставщику. Для команд, ориентированных на облако и ПО, это неподходящий вариант.

Лучше всего подходит. Проектам в производстве и логистике, где система компьютерного зрения — часть производственной линии, а не платформы данных.

Примечание по закупке. Узнай, как обновляются модели после запуска линии. График переобучения на заводском оборудовании — совершенно иной операционный вопрос, чем повторное развертывание облачной конечной точки.

Encord#

Что это. Платформа, ориентированная на данные, разметку и качество датасетов.

Преимущества. Encord делает ставку на то, что результаты определяет качество данных, а не архитектура модели. Платформа предлагает инструменты для разметки, отбора данных и управления качеством; среди её сильных сторон называют медицинские изображения и видео.

Компромиссы. Платформа решает половину задачи, связанную с данными. Для обучения и развертывания всё ещё нужна отдельная среда.

Лучше всего подходит. Проектам, где узким местом является качество разметки, особенно в регулируемых или узкоспециализированных областях.

Landing AI#

Что это. Платформа визуального контроля в производстве, основанная Эндрю Ыном.

Примечание перед включением в список кандидатов. Landing AI переориентировалась на документы и агентный ИИ, а направление визуального контроля поддерживается, но уже не является основным. В 2025 году ABB Motion Ventures инвестировала в компанию специально для внедрения её компьютерного зрения в робототехнику ABB. У технологии есть перспектива дальнейшего развития, но прямо спроси о планах развития решений для заводского контроля.

Преимущества. Landing AI решает конкретную и действительно сложную задачу: визуальный контроль, когда примеры дефектов редки. Её методы рассчитаны на небольшие датасеты, что типично для промышленности: невозможно собрать тысячу примеров дефекта, который возникает дважды в месяц.

Компромиссы. Такая специализация сужает область применения. Для компьютерного зрения общего назначения с множеством типов задач лучше подойдёт более широкая платформа.

Лучше всего подходит. Производителям, которым нужно обнаруживать дефекты, но не хватает изображений дефектов для обучения обычной модели.

Примечание по закупке. Включай этого поставщика в список кандидатов, если главное препятствие — нехватка данных, а не возможности модели. Проверь решение на классе дефектов, который встречается реже всего.

NVIDIA#

Что это. Вычислительный и программный слой, лежащий в основе многих корпоративных решений компьютерного зрения: ускоренное оборудование, наборы инструментов для предварительно обученных моделей и фреймворки развертывания для периферийных устройств и видеоаналитики.

Преимущества. При закупке NVIDIA обычно важна на уровне инфраструктуры, а не приложений: компания поставляет GPU для обучения и модули Jetson для периферийного инференса, а также платформенный слой Metropolis — DeepStream для конвейеров видеоаналитики с несколькими потоками и TAO для обучения и оптимизации моделей. Для проектов, в которых компьютерное зрение разворачивается на множестве потоков с камер, выбор платформы часто означает выбор NVIDIA.

Компромиссы. Это инфраструктура, а не приложение. Тебе всё ещё понадобятся конвейер обработки данных, модели и интеграция — силами собственной команды или другого поставщика.

Лучше всего подходит. Проектам с множеством потоков с периферийных камер или с масштабным обучением собственных моделей.

Примечание по закупке. Сроки поставки оборудования и поддержка на протяжении всего жизненного цикла должны быть прописаны в договоре. Парк периферийных устройств — это обязательство на пять лет по использованию модулей, которые ты должен иметь возможность купить и на третий год.

Roboflow#

Что это. Сквозная платформа компьютерного зрения для разработчиков.

Преимущества. Roboflow популярен для быстрого прототипирования и работы с датасетами, аугментацией и обучением моделей; платформа предлагает разметку с поддержкой ИИ, обучение без кода и развертывание из облака на периферии. Для команд, быстро проверяющих новые сценарии, она снимает большую часть хлопот с настройкой.

Компромиссы. Инструменты для разработчиков предполагают наличие разработчиков. Это не управляемый корпоративный сервис.

Лучше всего подходит. Командам, которые хотят перейти от идеи к работающей модели за дни, а не кварталы.

Ultralytics#

Что это. Платформа компьютерного зрения для разметки, управления датасетами и обучения, построенная вокруг широко используемых открытых моделей.

Преимущества. Ultralytics Platform поддерживает шесть задач разметки (обнаружение объектов, сегментацию экземпляров, семантическую сегментацию, классификацию, оценку позы и обнаружение ориентированных объектов). Интеллектуальная разметка с поддержкой SAM создаёт маски и ограничивающие рамки одним щелчком для задач обнаружения, сегментации, семантической сегментации и обнаружения объектов с ориентированными рамками; позы и классы размечаются вручную — это стоит учитывать с учётом набора задач. Импорт и экспорт поддерживают YOLO, COCO и VOC, поэтому платформа встраивается в существующие конвейеры, а не заменяет их; также предусмотрены командная проверка и версионирование датасетов. Преимущество при закупке — непрерывность и переносимость: модели открыты и широко используются, размеченный тобой датасет — это тот же датасет, на котором ты обучаешь модель, и ни то ни другое не привязано к проприетарному формату.

Подробности для закупки. Ultralytics Platform имеет сертификат SOC 2 Type I и соответствует стандарту ISO 27001:2022; данные шифруются при передаче и хранении, а платформа соответствует требованиям GDPR и CCPA. Внимательно изучи Type I: он подтверждает, что средства контроля были спроектированы на определённый момент времени, но не то, что они эффективно работали в течение периода; это подтверждает Type II. Несколько перечисленных выше поставщиков имеют Type II, и если этого требует твоя политика, то это реальное различие, а не формальность. Регион хранения данных можно закрепить за США, ЕС или AP. Стоимость облачных GPU указана за час и не требует расчёта коммерческого предложения, а оплата осуществляется по мере использования. Поэтому это один из немногих вариантов на этой странице, расходы на который можно точно рассчитать до разговора с отделом продаж.

Лицензирование: прочитай это до сравнения функций. Модели Ultralytics YOLO распространяются по лицензии с сильным копилефтом AGPL-3.0. Для коммерческого или проприетарного развертывания обычно нужна коммерческая лицензия Ultralytics Enterprise, которая также разрешает частное развертывание и предоставляет расширенную поддержку. Учти стоимость лицензии при сравнении с платформами, имеющими коммерческую лицензию, и как можно раньше подключи юридический отдел: «открытый исходный код» и «отсутствие расходов на лицензию» — не одно и то же. Именно из-за этого чаще всего обоснованный бизнес-проект в области компьютерного зрения останавливается на этапе заключения договора.

Компромиссы. Это платформа для команд, которые будут сами отвечать за свои модели. Организациям, которым нужен управляемый сервис с готовыми результатами, стоит рассмотреть поставщиков сервисных решений. Кроме того, это самый новый вариант в списке: Ultralytics Platform запустилась в марте 2026 года, тогда как у Azure, AWS, Cognex и NVIDIA долгая история работы с закупками, налаженные сети поддержки и клиенты, которых запросит комитет, не склонный к риску. Если решающими требованиями являются длительная история работы или сертификат Type II, стоит выбрать другой вариант.

Лучше всего подходит. Предприятиям, которым нужны собственные модели компьютерного зрения, контролируемые ими и развертываемые по их выбору, в том числе на собственном оборудовании и без зависимости от облачного поставщика при каждом инференсе. Учти, что сама управляемая платформа взимает плату за часы обучения на GPU и использование конечных точек; разница в том, что экспортированные модели могут работать целиком на принадлежащей тебе инфраструктуре.

Краткое сравнение#

Какого поставщика выбрать?#

Большинство корпоративных проектов можно отнести к одной из шести ситуаций. Найди свою.

Тебе нужны OCR, анализ документов или обнаружение типовых объектов, и ты работаешь в Azure. Выбирай Azure AI Vision. API готовы к использованию, команда специалистов по ML не нужна, а интеграция проста. Прежде чем принять решение, рассчитай стоимость одного инференса при промышленном объёме: именно оплата по потреблению срывает одобренные бизнес-проекты.

Тебе нужно управляемое компьютерное зрение в конвейере на AWS. Выбирай AWS. Rekognition из коробки справляется с модерацией, поиском по лицам, обнаружением средств индивидуальной защиты и меток; если его возможностей станет недостаточно, можно перейти к SageMaker, не меняя облако. Будь готов собрать архитектуру, а не купить готовый продукт.

Ты проверяешь детали на производственной линии. Выбирай Cognex, если система компьютерного зрения должна работать прямо на линии, интегрироваться с PLC и выдерживать заводские условия. Выбирай Landing AI, если главное препятствие — слишком редкие дефекты для традиционного обучения. Это проблема данных, а не оборудования, и для неё нужен другой инструмент.

Ты разворачиваешь систему на множестве потоков с периферийных камер. Выбирай NVIDIA в качестве платформенного слоя, а затем отдельно решай, кто предоставит модели и конвейер обработки данных. Это инфраструктурное решение, которое не решает вопрос выбора приложения.

Тебе нужно действовать быстро и доказать ценность решения. Выбирай Roboflow для быстрых итераций или Ultralytics Platform, если собираешься использовать в промышленной эксплуатации те же модели, что и при прототипировании. Разница в том, исследуешь ли ты варианты или строишь решение.

Размеченные данные — узкое место. Выбирай Encord, если ограничивающим фактором являются качество разметки и курирование данных, или Ultralytics Platform, если хочешь объединить разметку с обучением, а не передавать данные между инструментами.

Если подходят оба варианта, выбирай тот, от которого дешевле отказаться. Открытые форматы моделей и переносимые наборы данных ничего не стоят, пока всё идет хорошо, и обходятся дорого, когда что-то идет не так.

Что включить в запрос предложений (RFP)#

Приведенные ниже вопросы помогают быстрее отличить поставщиков друг от друга, чем любая матрица функций: слабый кандидат не сможет дать на них четкие ответы.

Точность. Какова измеренная точность на наших изображениях для проверки концепции, с разбивкой по классам ошибок, а не в агрегированном виде? Что происходит с этим показателем при самом плохом освещении?

Развертывание. На каком именно оборудовании выполняется инференс, какова сквозная задержка с учетом захвата данных и что происходит при потере связи? Кто физически обновляет модель на уже установленном устройстве?

Данные. Кому принадлежат размеченные данные? Можем ли мы в любой момент экспортировать их в открытом формате? Какие наши данные используются для улучшения твоего продукта и можем ли мы отказаться от этого?

Жизненный цикл. Сколько времени занимает дообучение и повторное развертывание после обнаружения нового режима отказа? Расскажи, как это происходит, шаг за шагом, и укажи ответственных.

Коммерческие условия. Какова стоимость за три года при прогнозируемом нами объеме, с разбивкой на лицензию, вычисления, хранилище, работу по разметке и поддержку? Что может привести к изменению цены?

Выход. Если мы расторгнем договор на втором году, что останется у нас: данные, модели или ничего?

От пилотного проекта к промышленной эксплуатации#

Большинство программ в этой категории проваливается не на пилотном этапе. Они проваливаются на разрыве между успешным пилотом и промышленной системой, которая так и не появляется.

Задай критерии промышленной эксплуатации до начала пилота. Определи и зафиксируй точность, задержку и стоимость одного инференса, при которых развертывание будет оправдано. Пилот без критериев успеха всегда проходит успешно — поэтому он ничего тебе не говорит.

Проводи пилот на самом сложном объекте, а не на лучшем. На флагманской линии с хорошим освещением и мотивированным руководителем любой поставщик покажется компетентным. Оценивать развертывание будут именно на проблемном объекте.

Заложи бюджет на вторую модель. Первую модель создают при активном участии поставщика и на чистом наборе данных. Десятую — твоя команда во вторник. Если вторую модель нельзя создать без присутствия поставщика, программа не масштабируется.

Назначь ответственного за качество данных. Во всех провалившихся программах этой категории не хватает одной и той же роли: человека, отвечающего за качество размеченного набора данных с течением времени. Это не дополнительная работа инженера по машинному обучению и не задача отдела закупок.

Критерии оценки, выдерживающие проверку промышленной эксплуатацией#

Подбери вес критериев с учетом своей задачи и места выполнения инференса.

Точность на твоих изображениях, а не на тестовом наборе. Настой на проверке концепции с использованием самых сложных собственных изображений: при плохом освещении, с перекрытиями и на крайних случаях, на которые жалуются операторы. Если поставщик отказывается проводить такую проверку, это уже ответ.

Реалистичность развертывания на периферийных устройствах. Задай конкретные вопросы: какое оборудование используется, какова задержка, что происходит при потере сети и как обновляют модель на уже установленном на объекте устройстве.

Совокупная стоимость владения. Учитывай лицензии, вычисления, хранилище, работу по разметке и текущее обслуживание моделей, а не только первоначальную плату. Именно оплата облачных ресурсов по факту потребления чаще всего становится для команд неожиданностью при масштабировании.

Интеграционные возможности. В промышленности от совместимости с ПЛК и MES зависит, будет ли система пригодна к использованию. В программных системах важны API и конвейеры данных. Это разные вещи.

Управление данными. Шифрование, контроль доступа, журналы аудита и соответствие нормативным требованиям. GDPR, HIPAA и отраслевые стандарты часто определяют выбор платформы еще до начала технического сравнения.

Новый этап закупки: доверие к устройствам и происхождение данных#

Об этом стоит сказать отдельно: теперь это препятствует заключению сделок, которые раньше состоялись бы.

Доверие к устройствам, права на наборы данных и записи о цепочке хранения изображений все чаще имеют такую же коммерческую значимость, как точность модели. Модель компьютерного зрения может пройти техническую проверку и все равно не пройти закупку, потому что никто не может подтвердить, откуда взялись обучающие изображения, имела ли организация право их использовать и какое физическое устройство сняло конкретный кадр.

Три вопроса для запроса предложений (RFP):

• Права на набор данных. Какова лицензия для каждого использованного при обучении набора данных и разрешает ли она коммерческое использование в нашей юрисдикции?
• Цепочка хранения изображений. Может ли поставщик предоставить запись, позволяющую определить, с какого устройства получен кадр, использованный для инференса в промышленной эксплуатации?
• Доверие к устройствам. Как подтверждается целостность периферийного устройства и что происходит, если его взломают?

Поставщики, которые не могут ответить на эти вопросы, не обязательно небезопасны. Но они могут задержать юридическую проверку на несколько месяцев.

Как провести оценку#

Составляй короткий список по квадранту, а не по числу функций. Сначала реши, что тебе нужно: предварительно обученная или настраиваемая модель, облако или периферийные устройства. Обычно это позволяет исключить половину рынка еще до первой демонстрации.

Проведи одну проверку концепции на самых сложных данных. Используй одинаковые изображения и критерии приемки для каждого поставщика. Измеряй точность на важных случаях, а не совокупную точность на простом наборе.

Оцени стоимость всего жизненного цикла. Составь модель на три года, включив в нее работу по разметке и дообучение. Сравнивай именно эту стоимость, а не лицензионные сборы.

Проверь процесс обновления. Разверни модель, а затем измени ее. Время, которое на это уходит, и список необходимых участников определяют, будет ли система улучшаться после запуска или застынет в первый же день.

Проверь возможность выхода. Можешь ли ты экспортировать размеченные данные в открытом формате и использовать модели в другом месте? Если нет, оцени стоимость привязки к поставщику.