簡單來說，視覺AI就是研究如何讓機器會“看”，即用攝影機和電腦代替人眼對圖像進行特征提取和分析，并由此訓練模型對新的圖像數據進行檢測、識別等任務，建立能夠從圖像或者多模態數據中獲取“信息”的人工智能系統。源于深度學習的突破，視覺AI的識別能力突飛猛進，2012年的兩個轟動事件，更被視為視覺AI的發展拐點。當時，由多倫多大學Geoffrey Hinton領導的團隊，在一項名為ImageNet的圖像識別競賽中，利用深度學習和GPU的強大計算能力，將錯誤率降低了10%，震驚學術界，因為之前這項錯誤率每年只會降低1%—2%。

同年，“谷歌大腦之父”吳恩達帶領團隊，利用10億參數的神經網絡，在沒有任何先驗知識的情況下，僅僅通過觀看無標注的YouTube的視頻，創造了一套貓臉識別系統——從海量照片里自動識別出貓臉。視覺AI迅速成為人工智能領域最重量級的研究領域，源自于其在安防、醫療、無人駕駛等多個領域的應用前景。當下AI+醫療的紅火，對推動這個行業的發展起到了不可磨滅的作用，還有豐富的應用場景和海量的機會等待挖掘，例如個性化醫療、可穿戴智能醫療設備的實時監測與分析等。