Выбор вендора компьютерного зрения: руководство по корпоративным закупкам

Модель — это простая часть. В корпоративном компьютерном зрение основная работа заключается в разметке данных для модели и запуске инференса на камерах «на крае» (edge), и именно на этой второй половине большинство программ тихо пробуксовывают. Руководства для покупателей в этой категории теперь ставят точность на ваших собственных изображениях и реалистичность деплоя на крае выше сравнения широты предобученных функций, на которое излишне ориентировались старые RFP, потому что управляемый API уже покрывает общие функции, а проект все равно терпит неудачу на сложных, специфичных и критичных ко времени задержки случаях.

В этом руководстве сравниваются восемь поставщиков по двум решениям, которые определяют архитектуру: предобученный API или пользовательская модель и облако или край. Сравнивайте коммерческие условия только после того, как эти требования зафиксированы; в противном случае расценки описывают разные системы.

Два решения, которые имеют значение#

Прежде чем сравнивать поставщиков, распредели свою программу по этим двум осям. Практически каждая ошибка в закупках в этой категории заключается в выборе поставщика для неправильного квадранта.

Предобученный API против пользовательской модели. Если твоя задача носит общий характер (чтение текста из документов, обнаружение распространенных объектов, модерация контента), управляемый API решает ее уже сегодня без штата ML-инженеров. Если твоя задача специфична для твоего продукта, твоих деталей или твоего процесса, ни один предобученный API не достигнет точности производственного уровня, и ты фактически покупаешь конвейер обучения и данных.

Облако против края. Если инференс может переносить круговой обходной путь в дата-центр, облачные вендоры — это путь наименьшего сопротивления. Если нет (линия, работающая на высокой скорости, транспортное средство, объект с ненадежным подключением или данные, которые запрещено вывозить за пределы организации), то деплой на крае — это требование, которое исключает большинство вариантов из короткого списка.

Программа, которая покупает платформу и пропускает работу с данными и жизненным циклом, выпускает пилот, который никогда не доходит до продакшена. Запланируй разметку и MLOps как основное усилие и докажи точность на своих самых сложных изображениях, прежде чем что-либо подписывать.

Поставщики перечислены в алфавитном порядке, а не по степени значимости. Ultralytics публикует это руководство и присутствует в нем, поэтому порядок намеренно нейтрален, и каждый вендор имеет заявленный компромисс.

AWS: Rekognition и SageMaker AI#

Что это такое. Два уровня: Amazon Rekognition в качестве управляемого API компьютерного зрения, Amazon SageMaker AI в качестве пользовательской платформы обучения и деплоя.

Преимущества. Rekognition предлагает полностью управляемый анализ изображений и видео (модерация контента, обнаружение меток и текста, обнаружение СИЗ), а также функцию Custom Labels для обучения специализированных моделей без штата ML-специалистов. Глубокая интеграция с S3, Lambda и Kinesis Video делает его путем наименьшего сопротивления для пайплайнов, созданных на базе AWS. Когда требования перерастают возможности API, SageMaker AI поддерживает распределенное обучение, автомасштабирование эндпоинтов, парки GPU и CPU, пайплайны деплоя и отслеживание экспериментов на базе распространенных фреймворков.

Rekognition также обеспечивает сравнение и поиск лиц. Рассматривай это как отдельный вопрос закупок, а не как бонусную функцию: биометрическая обработка влечет за собой собственную регуляторную ответственность, обязательства по получению согласия и, в ряде юрисдикций, установленные законом штрафы. Если тебе это не нужно, явно исключи это из области охвата и учти, что большинство вариантов использования компьютерного зрения с меткой «безопасность» в этом не нуждаются.

Компромиссы. Широта возможностей реальна, но объем работ по сборке тоже: Rekognition плюс SageMaker плюс хранилище плюс оркестрация образуют архитектуру, а не готовый продукт. Работа на крае развита слабее, чем в лагере «создай сам».

Лучше всего подходит для. Организаций, ориентированных на экосистему AWS, которым нужны управляемые возможности компьютерного зрения прямо сейчас и возможность создавать собственные решения в будущем без смены облака.

Примечание по закупкам. Обнаружение СИЗ действительно полезно для мониторинга безопасности и часто является самым быстрым путем к первой обоснованной победе.

Azure AI Vision#

Что это такое. Управляемый стек компьютерного зрения от Microsoft, охватывающий готовые API и обучение пользовательских моделей.

Преимущества. Azure AI Vision предоставляет готовые к использованию API для анализа изображений, распознавания текста (OCR) и извлечения текста, обнаружения объектов и анализа видео, причем деплой и масштабирование осуществляются без необходимости управлять базовой инфраструктурой. Для команд, которым нужны собственные обученные модели классификации или детекции, текущим маршрутом является Azure Machine Learning, включая его возможности AutoML, и он охватывает весь жизненный цикл.

Примечание по закупкам: проверяй жизненный цикл сервиса, а не только список функций. Microsoft перевела старый сервис Custom Vision на путь вывода из эксплуатации и направляет клиентов, создающих собственные модели классификации и детекции, на Azure Machine Learning. Все, что создано на базе Custom Vision сейчас, несет в себе этап миграции в дорожной карте. Это самый распространенный способ провала оценки облачного зрения: сервис, который выглядит идеальным в сравнении функций, уже устарел, а сравнительные статьи, сформировавшие шорт-лист, не обновлялись. Запроси у любого гиперскейлера статус поддержки и прекращения поддержки каждого конкретного сервиса, указанного в его предложении, в письменном виде.

Компромиссы. Как и в случае с любым сервисом компьютерного зрения от гиперскейлеров, экономика основана на потреблении, и затраты могут неприятно удивить команды при масштабировании. Деплой на крае возможен, но не является центральным элементом дизайна.

Лучше всего подходит для. Организаций, уже стандартизированных на базе Azure, которым требуется надежное распознавание текста (OCR) и понимание документов, а также управляемые сервисы вместо собственной команды ML.

Примечание по закупкам. Моделируй стоимость одного инференса при производственных объемах, а не при пилотных. Ценообразование на основе потребления — это то, что переводит утвержденное бизнес-обоснование в убыток.

Cognex#

Что это такое. Мировой лидер в области машинного зрения, продающий аппаратное и программное обеспечение для автоматизации в производстве и логистике.

Преимущества. Cognex занимает лидирующие позиции в промышленном зрении по веской причине: его продукты развернуты для обнаружения дефектов и контроля качества, проверки наличия или отсутствия объектов, а также чтения штрих-кодов и прослеживаемости в логистике и упаковке. Cognex VisionPro Deep Learning (преемник линейки продуктов ViDi) добавляет глубокое обучение промышленного уровня, созданное специально для заводской автоматизации, наряду с опциями краевого обучения для более простых инспекций. Если программе требуется зрение, которое интегрируется с ПЛК (PLC) и выдерживает условия цеха, это проверенное оборудование, а не облачный сервис, наведенный на камеру.

Компромиссы. Ты приобретаешь экосистему промышленного оборудования со всеми вытекающими отсюда структурой затрат и привязкой к поставщику. Это неподходящий формат для облачных и ориентированных на ПО команд.

Лучше всего подходит для. Производственных и логистических программ, где система технического зрения является частью производственной линии, а не частью платформы данных.

Примечание по закупкам. Узнай, как модели обновляются после запуска линии. Ритм переобучения заводского оборудования — это совершенно иной операционный вопрос, чем повторный деплой облачного эндпоинта.

Encord#

Что это такое. Ориентированная на данные платформа, сфокусированная на разметке и качестве наборов данных.

Преимущества. Позиционирование Encord заключается в том, что именно качество данных, а не архитектура модели, определяет результаты: предлагаются инструменты для разметки, кураторства и управления качеством, а сильные стороны отмечены в медицинской визуализации и видео.

Компромиссы. Она решает половину проблемы, связанную с данными. Обучение и деплой все еще нуждаются в собственном месте.

Лучше всего подходит для. Программ, где качество разметки является узким местом, особенно в регулируемых или специализированных областях.

Landing AI#

Что это такое. Платформа визуального контроля для производства, основанная Эндрю Ны (Andrew Ng).

Примечание перед составлением шорт-листа. Landing AI переориентировалась на работу с документами и агентский искусственный интеллект, а ее направление инспекций поддерживается, но не является флагманским. Подразделение ABB Motion Ventures инвестировало средства в 2025 году специально для интеграции своего ИИ зрения в робототехнику ABB, так что у этой возможности есть путь вперед, но обязательно задай прямые вопросы об обязательствах по дорожной карте для заводских инспекций.

Преимущества. Landing AI нацелена на конкретную и действительно сложную проблему: визуальный инспекционный контроль, где примеры дефектов встречаются редко. Ее методы предназначены для малых наборов данных, что является нормальным условием в промышленных условиях: ты не можешь собрать тысячу примеров дефекта, который происходит два раза в месяц.

Компромиссы. Такой фокус сужает область применения. Для общего компьютерного зрения по множеству типов задач лучше подойдет более универсальная платформа.

Лучше всего подходит для. Производителей с проблемой обнаружения дефектов, у которых недостаточно изображений дефектов для обучения обычной модели.

Примечание по закупкам. Это тот вендор, которого стоит включить в шорт-лист, если твой блокиратор — дефицит данных, а не возможности модели. Проверь его на своем самом редком классе дефектов.

NVIDIA#

Что это такое. Уровень вычислений и программного обеспечения, лежащий в основе значительной части корпоративного зрения: ускоренное аппаратное обеспечение, инструментарии предобученных моделей и фреймворки деплоя для периферийных устройств и видеоаналитики.

Преимущества. Актуальность NVIDIA в закупках обычно носит структурный, а не прикладной характер: она поставляет графические процессоры (GPU), на которых выполняется твое обучение, и модули Jetson, на которых работает твой инференс на крае, а также уровень платформы Metropolis: DeepStream для конвейеров многопотоковой видеоаналитики и TAO для обучения и оптимизации моделей. Для программ, развертывающих зрение на множестве потоков с камер, вопрос платформы и вопрос NVIDIA часто являются одним и тем же вопросом.

Компромиссы. Это инфраструктура, а не приложение. Тебе по-прежнему нужны конвейер данных, модели и интеграционная работа — силами собственной команды или другого вендора.

Лучше всего подходит для. Программ, запускающих множество видеопотоков на крае, или для масштабного обучения пользовательских моделей.

Примечание по закупкам. Сроки поставки оборудования и поддержка жизненного цикла должны быть прописаны в контракте. Парк краевых устройств — это пятилетние обязательства по отношению к модулю, который у тебя должна быть возможность купить даже на третий год.

Roboflow#

Что это такое. Ориентированная на разработчиков сквозная платформа для компьютерного зрения.

Преимущества. Roboflow пользуется популярностью для быстрого прототипирования, управляя процессами работы с датасетами, аугментацией и обучением моделей, с функциями разметки на базе ИИ, обучения без написания кода (no-code) и развертывания из облака на край. Для команд, быстро итерирующих новые сценарии использования, она устраняет большую часть работы по настройке.

Компромиссы. Инструментарий, ориентированный на разработчиков, подразумевает наличие разработчиков. Это не корпоративный управляемый сервис.

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

Ultralytics#

Что это такое. Платформа компьютерного зрения, охватывающая разметку, управление наборами данных и обучение, созданная вокруг широко распространенных открытых моделей.

Преимущества. Ultralytics Platform охватывает шесть задач разметки (детекция объектов, сегментация экземпляров, семантическая сегментация, классификация, оценка позы и ориентированная детекция объектов) со смарт-разметкой на базе SAM, создающей маски и ограничивающие рамки (bboxes) в один клик для детекции, сегментации, семантических и ориентированных боксов: задачи оценки позы и классификации размечаются вручную, что стоит проверить в соответствии с набором твоих задач. Импорт и экспорт охватывают YOLO, COCO и VOC, поэтому платформа встраивается в существующие пайплайны, а не заменяет их, а командное рецензирование и версионирование датасетов встроены по умолчанию. Преимущество при закупке заключается в преемственности и переносимости: модели открыты и повсеместно развертываются, датасет, который ты размечаешь, является датасетом, на котором ты обучаешь, и ни то, ни другое не заперто в проприетарном формате.

Особенности закупок. Ultralytics Platform имеет сертификаты SOC 2 Type I и ISO 27001:2022, с шифрованием при передаче и в состоянии покоя, а также соответствием требованиям GDPR и CCPA. Внимательно читай Type I: он подтверждает проектирование средств контроля на определенный момент времени, а не операционную эффективность за период, что относится к Type II: несколько перечисленных выше вендоров имеют Type II, и если твоя политика требует этого, это реальное отличие, а не формальность. Резидентность данных может быть привязана к США, ЕС или AP (Азиатско-Тихоокеанскому региону). Цены на облачные GPU публикуются по часам, а не запрашиваются отдельно, а оплата работает по модели pay-as-you-go, что делает эту платформу одним из немногих вариантов на этой странице, которые можно точно смоделировать до разговора с отделом продаж.

Лицензирование: прочитай это перед сравнением функций. Модели Ultralytics YOLO выпускаются под лицензией AGPL-3.0, которая является строгой лицензией copyleft. Коммерческое или проприетарное развертывание обычно требует приобретения лицензии Ultralytics Enterprise, которая также покрывает частное развертывание и расширенную поддержку. Закладывай стоимость этой лицензии в любое сравнение с коммерчески лицензированными платформами и заранее покажи ее юридическому отделу: «открытый исходный код» и «отсутствие затрат на лицензию» — это не одно и то же, и это самый частый способ, из-за которого в остальном здравое бизнес-обоснование компьютерного зрения пробуксовывает на этапе заключения контракта.

Компромиссы. Это платформа для команд, которые будут сами владеть своими моделями. Организации, желающие получить управляемый сервис, который выдает готовые результаты, вместо этого должны присмотреться к вендорам сервисов. Это также самый новый вариант в этом списке: Ultralytics Platform была запущена в марте 2026 года, в то время как Azure, AWS, Cognex и NVIDIA имеют долгую историю закупок, устоявшиеся сети поддержки и референсных клиентов, о которых спросит комитет, избегающий риска. Если длительность послужного списка или аттестация Type II являются обязательными требованиями, это указывает на другие решения.

Лучше всего подходит для. Предприятий, которым нужны кастомные модели компьютерного зрения под их собственным контролем, развертываемые там, где они выберут, в том числе на собственном оборудовании, без какой-либо зависимости от облачного вендора по количеству инференсов. Обрати внимание, что сама управляемая платформа выставляет счета за часы обучения на GPU и использование эндпоинтов; разница заключается в том, что экспортированные модели могут работать полностью на принадлежащей тебе инфраструктуре.

Сравнение с первого взгляда#

Какого вендора тебе выбрать?#

Шесть ситуаций охватывают большинство корпоративных программ. Найди свою.

Тебе нужны OCR, понимание документов или общее обнаружение объектов, и ты используешь Azure. Выбери Azure AI Vision. API готовы к использованию, штат ML-инженеров не требуется, а объем работы по интеграции минимален. Смоделируй стоимость одного инференса при производственных объемах перед тем, как принимать обязательства: ценообразование на основе потребления — это то, что ломает утвержденные бизнес-кейсы.

Тебе нужно управляемое зрение внутри пайплайна на базе AWS. Выбери AWS. Rekognition «из коробки» справляется с модерацией, поиском лиц, СИЗ и обнаружением меток, а SageMaker всегда доступен, когда твои потребности перерастут текущие возможности без необходимости менять облако. Ожидай, что тебе придется собирать архитектуру, а не покупать готовый продукт.

Ты инспектируешь детали на производственной линии. Выбери Cognex, если система компьютерного зрения должна функционировать непосредственно на линии, интегрироваться с ПЛК и выдерживать заводскую среду. Выбери Landing AI, если твоим блокиратором является то, что дефекты встречаются слишком редко для обучения обычным способом. Это проблема данных, а не оборудования, и для нее нужен другой инструмент.

Ты осуществляешь развертывание на множестве потоков с камер на крае. Выбери NVIDIA в качестве уровня платформы, а затем отдельно реши, кто поставляет модели и конвейер данных. Это инфраструктурное решение, которое не отменяет прикладного решения.

Тебе нужно двигаться быстро и доказывать ценность. Выбери Roboflow для быстрой итерации или Ultralytics Platform, если модели, для которых ты создаешь прототипы, — это те модели, которые ты планируешь запускать в продакшн. Разница заключается в том, занимаешься ли ты поиском решений или строительством.

Размеченные данные — твое узкое горлышко. Выбери Encord, если ограничением является качество разметки и кураторство, или Ultralytics Platform, если ты хочешь, чтобы разметка была напрямую связана с обучением, а не передавалась между разными инструментами.

Когда подходят оба варианта, выбери тот, из которого дешевле выйти. Форматы открытых моделей и переносимые наборы данных ничего не стоят, пока все идет хорошо, и стоят всего, когда это не так.

Что включить в RFP#

Приведенные ниже вопросы отсеивают вендоров быстрее, чем любая матрица функций, потому что на них не может дать четкий ответ неподходящий кандидат.

Об точности. Какова твоя измеренная точность на наших изображениях для подтверждения концепции (PoC), разбитая по нашим классам ошибок, а не агрегированная? Что происходит с этим показателем при худших условиях освещения?

О деплое. Какое конкретно железо выполняет инференс, какова сквозная задержка, включая захват, и каково поведение системы при падении соединения? Кто физически обновляет модель на устройстве, которое уже установлено?

О данных. Кто владеет размеченными данными? Можем ли мы в любой момент экспортировать их в открытом формате? Что из наших данных используется для улучшения твоего продукта и можем ли мы отказаться?

О жизненном цикле. Сколько времени уходит на дообучение и повторное развертывание после обнаружения нового типа сбоя? Опиши этот процесс по шагам с указанием ответственных лиц.

О коммерческих условиях. Какова трехлетняя стоимость при нашем прогнозируемом объеме с разбивкой по лицензиям, вычислениям, хранению данных, трудозатратам на разметку и поддержке? Что служит поводом для изменения цены?

Об отказе от услуг. Если мы расторгаем договор на втором году, что остается у нас: данные, модели или ничего?

От пилотного проекта к продакшену#

Большинство программ в этой категории терпят неудачу не на этапе пилота. Они проваливаются в разрыве между успешно прошедшим пилотом и продакшен-системой, которая так и не появляется.

Определи планку для продакшена до запуска пилота. Зафиксируй целевые показатели точности, задержки и стоимости одного инференса, которые оправдали бы внедрение. Пилотный проект без четких критериев успеха всегда успешен, поэтому он не дает никакой полезной информации.

Проводи пилот на худшем объекте, а не на лучшем. Флагманская линия с хорошим освещением и мотивированным супервайзером заставит любого вендора выглядеть профессионально. Проблемная площадка — это именно то место, где по итогу будут оценивать внедрение.

Закладывай в бюджет вторую модель. Первая модель создается при поддержке вендора и на чистом датасете. Десятую модель твоя команда будет строить во вторник своими силами. Если вторую модель нельзя построить без присутствия вендора в комнате, программа не масштабируется.

Назначь ответственного за качество данных. В каждой провалившейся программе из этой категории отсутствует одна и та же роль: кто-то, кто отвечает за размеченный датасет на протяжении всего времени. Это не задача для ML-инженера в свободное время и не зона ответственности отдела закупок.

Критерии оценки, которые выдерживают встречу с продакшеном#

Соотнеси их со своей задачей и местом, где должен выполняться инференс.

Точность на твоих изображениях, а не на бенчмарке. Настаивай на проверке концепции (PoC) с использованием самых сложных изображений: плохое освещение, перекрытия, краевые случаи, на которые жалуются операторы. Вендор, который отказывается это сделать, подает тревожный сигнал.

Реалистичность развертывания на периферии. Спроси конкретно: какое железо, какая задержка, что происходит при обрыве сети и как обновляется модель на устройстве, которое уже находится в поле.

Совокупная стоимость владения. Включай лицензирование, вычисления, хранение данных, затраты на разметку и постоянное обслуживание моделей, а не только первоначальный платеж. Облачное ценообразование по модели pay-as-you-go чаще всего неприятно удивляет команды при масштабировании.

Интерфейс интеграции. В промышленных условиях совместимость с ПЛК и MES определяет, пригодна ли система к использованию. В программной среде это API и конвейеры данных. Они не взаимозаменяемы.

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

Новый барьер закупок: доверие к устройствам и происхождение данных#

Сдвиг, о котором стоит упомянуть, поскольку теперь он блокирует сделки, которые раньше успешно завершились бы.

Доверие к устройствам, права на датасеты и записи об истории изображений все чаще имеют такой же коммерческий вес, как и точность моделей. Модель компьютерного зрения может пройти техническую валидацию и все равно провалить закупки, потому что никто не может доказать, откуда взялись обучающие изображения, имела ли организация право их использовать и какое именно физическое устройство засняло конкретный кадр.

Три вопроса для запроса предложений (RFP):

• Права на датасеты. Какова лицензия для каждого набора данных, использованного при обучении, и разрешает ли она коммерческое использование в нашей юрисдикции?
• История изображений. Может ли вендор предоставить цепочку записей, отслеживающих производственный инференс вплоть до устройства, которое его зафиксировало?
• Доверие к устройствам. Как подтверждается целостность периферийного устройства и что происходит в случае несанкционированного вмешательства в его работу?

Вендоры, которые не могут на это ответить, не обязательно ненадежны. Однако они затянут вашу юридическую проверку на лишние месяцы.

Как проводить оценку#

Отбирай шорт-лист по квадрату, а не по количеству функций. Сначала определись с выбором между предобученными и кастомными моделями, а также между облаком и периферией. Обычно это отсеивает половину рынка еще до первой демонстрации.

Проведи один PoC на своих самых сложных данных. Те же изображения, те же критерии приемки, каждый вендор. Измеряй точность на кейсах, которые действительно важны, а не суммарную точность на простом наборе.

Посчитай стоимость всего жизненного цикла. Составь трехлетнюю модель, включающую затраты на разметку и дообучение. Сравнивай именно ее, а не стоимость лицензий.

Протестируй путь обновления. Разверни модель, а затем измени ее. Время, которое это занимает, и состав участников — это ключевой показатель того, будет ли система улучшаться после запуска или «заморозится» в первый же день.

Проверь условия выхода. Можешь ли ты экспортировать свои размеченные данные в открытом формате и перенести модели в другое место? Если нет, заложи стоимость привязки к вендору.