从计算思维的角度来看，这个阶段的核⼼思维是问题分解——把复杂的视觉任务拆解成边缘检测、角点识别等⼦问题。就像盲⼈摸象，只能感知局部，缺缺少对于全局的把握。

1999年，计算机视觉领域发⽣了⼀件标志性事件：卡内基梅隆⼤学的研究团队⽤Viola-Jones算法实现了实时⼈脸检测。这个能在300ms内锁定⼈脸的算法，就像给计算机装上了"寻⼈雷达"，让数码相机的笑脸快⻔功能成为可能。

在这一时期，数据，算力，算法三要素都发生了质的飞跃

数据规模：随着互联⽹普及，数据集⾸次突破百万级。2006年发布的LabelMe数据集包含5万张标注图像，⽽2009年的ImageNet更是⾰命性地包含1400万张图⽚，涵盖2万多个类别。数据不再是涓涓细流，开始形成可灌溉智能的河流。

算⼒演进：GPU的出现成为算⼒⾰命的第⼀声春雷。2009年，NVIDIA推出的GTX 280显卡，单精度浮点运算能⼒达1TFlops，相当于100台1990年代超级计算机的总和。这就像从⾃⾏⻋突然升级到⾼铁，算⼒的跃升让复杂特征提取成为可能。

算法创新：这个时期的算法明星是SIFT（尺度不变特征变换）和HOG（⽅向梯度直⽅图）。SIFT算法能在不同尺度、旋转⻆度下识别物体，就像⼈类⽆论从正⾯还是侧⾯都能认出朋友；HOG特征则通过统计梯度⽅向捕获边缘信息，让2005年的⾏⼈检测准确率突破80%。

特征⼯程时代的核⼼计算思维是抽象建模——把图像转化为计算机能理解的数学描述。就像古⼈⽤象形⽂字记录世界，研究者也试图⽤⼈⼯设计的特征来编码视觉信息。然而，这种手工提取特征的方法终尤其局限性，难以捕捉真实物理世界的瞬息万变，如遇到光照变化或遮挡等干扰时就会失效。那么，怎么让计算机学会自动提取特征呢？

2012年，AlexNet在ImageNet竞赛中以84.7%的准确率震惊世界，⽐第⼆名⾼出10个百分点。这个8层深的卷积神经⽹络就像给计算机装上了"电⼦眼"，第⼀次让机器真正"看⻅"了世界的丰富细节。

看到这里，你肯定会问：什么是卷积神经网络？为什么它会如此强大？

这张经典对⽐图揭⽰了转折点：当数据量较⼩时，⼿⼯特征（红⾊曲线）尚能与深度学习（蓝⾊曲线）抗衡；但当数据量超过临界点，深度学习就像挣脱束缚的⽕箭，性能曲线持续攀升，⽽传统⽅法则早早触顶。

在这个飞速发展的时期，除了算法的革命性创新，数据与算力也到达了前所未有的高度。

ImageNet数据集从2010年的120万张增⻓到2020年的1.4亿张，标注类别从1000扩展到2万。这些数据如果打印出来，⾜以覆盖整个纽约曼哈顿岛。更重要的是，数据质量实现⻜跃——ImageNet的每张图⽚都经过3名标注员交叉验证，确保标注错误率低于5%。

GPU算⼒也在这⼗年间增⻓了1000倍。2012年训练AlexNet需要两块GTX 580显卡跑⼀周；到2020年，单张A100显卡就能在1⼩时内完成同等规模的模型训练。⾕歌的TPU（张量处理单元）更是将能效⽐提升30倍，就像从⽕⼒发电升级到核电，为深度学习提供了澎湃动⼒。

深度学习时代的核⼼思维是特征学习——让机器从数据中⾃动发现特征。如果说特征⼯程是"教机器认字"，那深度学习就是"让机器⾃⼰发明⽂字"。当⽹络⾃动学习到"猫须""狗⽿"这些关键特征时，AI就具备了举⼀反三的能⼒。

2023年，SAM（Segment Anything Model）模型横空出世，仅⽤10亿参数就实现零样本图像分割。这个能"点哪⼉分哪⼉"的基础模型，标志着计算机视觉进⼊"⼤模型时代"——就像⼈类从识别具体事物到掌握抽象概念，视觉AI也开始形成通⽤认知能⼒。

Waymo的⾃动驾驶汽⻋在2025年实现了⼀个⾥程碑：在暴⾬天⽓下，仅⽤视觉摄像头就成功识别并避让了横穿⻢路的⾏⼈。这背后是多传感器融合技术的突破——激光雷达（LiDAR）提供3D点云，毫⽶波雷达穿透⾬雾，摄像头捕捉⾊彩细节，就像⼈类⽤眼睛看、⽿朵听、双⼿触摸来感知世界，多模态信息互相印证，确保极端环境下的安全。

深圳在2025年部署的“城市智能体”实现了一项突破：在熙攘的商业街人群中，系统提前数秒预警了一起潜在的拥挤踩踏风险，并自动调度警力疏导。这背后是全域智能感知网络的成熟——高空摄像头统览全局人流热力图，街边设备识别人脸与体态以判断情绪和意图，物联网传感器实时监测区域密度与移动速度，就像一位经验丰富的指挥官同时观看卫星图、听取前线汇报、感受战场态势，多源信息在数字孪生城市中融合推演，实现对公共安全事件的超前感知与精准干预。

阿里巴巴的“未来购物镜”在2025年展现了全新交互：顾客仅需对镜浏览，无需任何手动操作，系统便能通过其细微表情与目光停留，推荐最符合当下心境的穿搭，并叠加AR特效。这背后是情绪感知与空间计算技术的结合——3D摄像头精准重建人体模型，微表情识别算法解析潜意识偏好，AR渲染引擎实时生成逼真试穿效果，就像一位顶级的私人购物顾问，不仅观察你的试穿，更能解读你的眼神与神态，将沉默的浏览转化为一场沉浸式的对话。