---

1. CLIP / BLIP-3 類「視覺-語言大模型」

   ? 是什么：讓網絡自己學會“看圖說話”，zero-shot 就能分類、檢測、檢索。

   ? 能干什么：不寫訓練代碼，直接一句中文 prompt 就把商品圖分成 500 類。

   ? 落地難度：★☆☆（pip install open_clip_torch，CPU 也能跑）

   ? 入口：https://github.com/mlfoundations/open_clip

2. Segment Anything Model 2 (SAM-2)

   ? 是什么：Meta 剛開源的“萬能分割”，視頻里點一下即可追蹤目標。

   ? 能干什么：直播換背景、工業缺陷區域一鍵摳出，不用逐幀標注。

   ? 落地難度：★☆☆（PyTorch 權重直接推理，1080Ti 可跑 720p）

   ? 入口：https://github.com/facebookresearch/segment-anything-2

3. YOLO-World / YOLOv9-Universal「開放詞匯檢測」

   ? 是什么：YOLO 也能 zero-shot，輸入“紅色安全帽”就能檢測沒見過的東西。

   ? 能干什么：工地攝像頭今天想查“未戴絕緣手套”，改行文本即可，不用重訓。

   ? 落地難度：★★☆（需 GPU 轉 ONNX，邊緣用 RKNN 量化）

   ? 入口：https://github.com/AILab-CVC/YOLO-World

4. 自監督 + 少樣本工業缺陷檢測（Diffusion + Memory Bank）

   ? 是什么：用 5 張 OK 圖就能學出“異常”，無需缺陷樣本。

   ? 能干什么：手機背板劃痕、布料臟點實時檢，省掉千級人工標注。

   ? 落地難度：★★☆（開源模型 + 10 行微調代碼）

   ? 入口：https://github.com/openvinotoolkit/anomalib

5. 單目深度估計「Depth Anything V2」

   ? 是什么：一張普通照片就生成 0-10 m 稠密深度圖，誤差 < 5%。

   ? 能干什么：給 AR 導覽、機器人避障當“廉價 LiDAR”，成本 0 元。

   ? 落地難度：★☆☆（pip install depth-anything，ONNX 僅 30 MB）

   ? 入口：https://github.com/DepthAnything/Depth-Anything-V2

6. 高光譜「偽」實時分析（RGB → 512-band 重建）

   ? 是什么：AI 把普通相機 RGB 插值成 512 波段“超光譜”，能看水分、糖分、藥殘。

   ? 能干什么：果園無人機飛一圈，立刻出“糖度分布熱圖”，無需 30 萬高光譜相機。

   ? 落地難度：★★★（需標定一次+GPU 推理，但硬件 0 額外成本）

   ? 入口：https://github.com/StaRainJ/HyperRecon

---

好！