人脸识别技术在整个人工智能技术范畴内是占比较重、发展较快的一大领域。根据前瞻产业研究院发布的《人脸识别行业市场前瞻与投资战略规划分析报告》数据显示，2016年，全球人脸识别行业市场规模约为26.53亿美元，其中我国人脸识别行业市场规模约为17.25亿元，占到全球人脸识别行业市场规模的10%左右。根据表层数据显示，我国在这一行业领域的发展势头是较为强劲的，但深挖我国人脸识别产业链，会发现，市场上的企业多集中于下游，即具体的场景应用，而少有企业在中上游发力，这是很危险的。
上游基础层主要包括人工智能芯片、算法技术和数据集。首先，在人工智能芯片的研发上，国内企业略显乏力，缺少像英伟达以及AMD
Vision这样的公司，最主要的原因在于国内芯片制造行业起步较晚，而人工智能芯片的设计又要求将算法、计算能力、大规模数据等内容全部整合到一起。面对这样的难度，需要在技术层面进行长期探索，才有望追赶上国际芯片巨头，而这需要足够的耐心以及庞大的资本支持，中小企业没有足够的资本支持，即便有心也是无力，大企业则需要足够的魄力承担背后的风险，亦是艰难。
在算法领域，国内领先的人工智能企业，如商汤科技、BAT都在研究并构建人工神经网络，在深度神经网络、卷积神经网络、循环神经网络的不断搭建、优化过程中，构建更强大的深度学习算法。这些算法的研究成果对于企业而言属于商业机密，秘不外宣是最符合商业竞争法则的方式。但美国的谷歌、Facebook、微软都推出了深度学习算法开源平台，将自己研发的算法技术进行开源，降低了很多企业在人工智能基础技术研发上的投入。与之对比，国内只有百度的PaddlePaddle一个深度学习算法开源平台，在研发力、竞争力上自然会稍逊一筹。
相较之下，在真实数据以及模拟数据的收集上，国内行业巨头与国际人脸识别行业巨头的差距倒不是十分明显。但从整体来看，在人脸识别的产业链上游，国内企业与国际巨头的差距还是十分明显的。
中游是由视频人脸识别、图片人脸识别和数据库对比检验等技术层构成，大体包括人脸检测、活体检测、人脸识别、视频对象提取与分析等技术。虽然处于中游的企业占比不大，但远优于产业链的上游现状。商汤科技、旷视科技、海康威视等一批企业在人脸识别的具体技术层面相继发力，已经取得了较为不俗的成绩。
下游则是国内人脸识别企业最集中的区域，这也取决于国内拥有庞大且复杂的应用场景的支持。如远超各国的移动支付技术和市场给了“刷脸支付”难得的尝试机会；高度集中式的住宅小区对智能安防提出了更高的要求……广泛且复杂的场景领域，让下游得以容下诸多企业。
