機器視覺行業(yè)研究：AI+制造業(yè)賦能，機器視覺開啟掘金新大陸
發(fā)布時間：2023-05-04 10:55
作者：（報告出品方/作者：天風證券，潘暕、俞文靜）
來源： 未來智庫官網(wǎng)，新浪網(wǎng)
（報告出品方/作者：天風證券，潘暕、俞文靜）
1. 機器視覺—智能制造之眼
1.1. 機器視覺的本質是機器的眼睛和大腦
機器視覺技術使得工業(yè)設備能夠“看到”它正在進行的操作并進行快速決策。根據(jù)美國制 造工程師協(xié)會（SME）機器視覺分會和美國機器人工業(yè)協(xié)會（RIA）自動化視覺分會對機器 視覺的定義：機器視覺是通過光學的裝置和非接觸的傳感器，自動接收和處理一個真實物 體的圖像，以獲得所需信息或用于控制機器人運動的裝置。通俗地說，“眼睛”指的是機 器視覺利用環(huán)境和物體對光的反射來獲取及感知信息；“大腦”指的是機器視覺對信息進 行智能處理和分析，根據(jù)分析結果來執(zhí)行相應的活動。
據(jù)億歐智庫所稱機器視覺是人工智能領域一個正在快速發(fā)展的分支，即用機器代替人眼來 做測量和判斷，是通過光學的裝置和非接觸的傳感器，自動接收和處理真實物體的圖像， 以獲得所需信息或用于控制機器人運動的裝置。中商產(chǎn)業(yè)研究院認為，機器視覺可以代替 人眼在多種場景下實現(xiàn)多種功能，按功能主要分為四大類：檢測、測量、定位、識別。（1） 檢測：指外觀檢測，其內涵種類繁多。如產(chǎn)品裝配后的完整性檢測、外觀缺陷檢測等。（2） 測量：把獲取的圖像像素信息標定成常用的度量衡單位，然后在圖像中精確地計算出目標 物體的幾何尺寸；（3）定位：獲得目標物體的位置，可以是二維或者是三位的位置信息。 定位的精度和速度是定位功能的主要指標。在識別出物體的基礎上精確給出物體的坐標和 角度信息，自動判斷物體位置；（4）識別：基于目標物進行甄別，包括外形、顏色、條碼 等。
1.2. AI 技術加持，成為機器視覺走向成熟的籌碼
人工智能是機器視覺的母身，深度學習為機器視覺的技術堡壘。近十年來，得益于深度學 習等算法的突破、算力的不斷提升以及海量數(shù)據(jù)的持續(xù)積累，人工智能逐漸從實驗室走向 產(chǎn)業(yè)實踐，以算法、算力和數(shù)據(jù)為主旋律追求極致創(chuàng)新方面不斷突破，為機器視覺實現(xiàn)更 新迭代和提高應用價值的重要技術支撐。在人工智能領域的新興技術中，采用 Burst Detection 算法探測出深度學習是當前受到廣泛關注的人工智能新興技術，深度學習是一種 以人工神經(jīng)為架構，對數(shù)據(jù)進行表征學習的算法，“深”主要體現(xiàn)在更深層次的神經(jīng)網(wǎng)絡 和對特征的多次變換上，與相同參數(shù)數(shù)量的淺層網(wǎng)絡相比，深度網(wǎng)絡具備更好的特征提取 和泛化推廣能力，不斷為圖像識別領域帶來進步。2007 年-2009 年，斯坦福教授李飛飛牽 頭構建起目前圖像分類/檢測/定位最常用數(shù)據(jù)集之一的 Image Net，2010-2017 年，基于 Image Net數(shù)據(jù)集的ILSVRC等一些大規(guī)模視覺識別挑戰(zhàn)賽促進神經(jīng)網(wǎng)絡和深度學習技術的 發(fā)展，如 AlexNet 能夠將圖片識別的錯誤率下降 14%，Google Brain 采用多 CPU 組合方式 構建起深層次神經(jīng)網(wǎng)絡并應用于圖像識別，取得突出成效等。
機器視覺與人工智能逐漸融合，引領向工業(yè) 4.0 的過渡。機器視覺是工業(yè)自動化的基礎技 術之一，通過搭載人工智能發(fā)展東風實現(xiàn)機器視覺的再一次迭代升級。此處東風一方面為 深度學習的融合，賦予機器視覺更高的準確性和速度，另一方面則為視覺處理所服務的視 覺處理器的能力呈現(xiàn)指數(shù)級增加，奠定機器視覺中深度學習推理/訓練任務的硬件基礎。復 盤機器視覺發(fā)展，從能夠自動執(zhí)行簡單任務的自動化機器，轉型為視覺能力不受人類視覺 能力極限約束、自主思考，從而能夠長期對各種元素進行優(yōu)化的自主型機器，AI+機器視 覺有望能夠滲透入工業(yè)制造達到全新的水平。
未來機器視覺將有望搭載更先進 AI 技術，切入更多差異化工業(yè)應用場景。ChatGPT 所引 爆的人工智能話題正持續(xù)火熱，根據(jù)中國信息通信研究院和中國人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟， 當前重點逐漸從單點技術轉化為實質應用轉化階段，而視覺人工智能已經(jīng)泛起千層巨浪。 我們認為，搭載 AI 技術的機器視覺可以進一步優(yōu)化性能適配更多工業(yè)應用場景。一是深度 學習為機器視覺延伸出多元的模型架構以及對應性能提升，如生成對抗網(wǎng)絡（GAN）能夠 通過生成器和鑒別器的對抗訓練，在生成圖像方面的能力超過其他方法；注意力機制中的 ViT 則將 Transformer 架構直接應用到一系列圖像塊上進行分類任務，減少大量所需的預訓 練資源，即用于在圖像處理方面；在人工智能算法的不斷訓練和學習下，圖像識別誤差不 斷縮小，結合機器視覺設備在工業(yè)制造中能夠發(fā)揮優(yōu)異作用。二是 AI 技術可以對不同工程 問題和工程參數(shù)進行建模，利用所采集的高質量數(shù)據(jù)進行模型的機器學習，模型與機械設 備和生產(chǎn)現(xiàn)狀深度綁定，以此為基礎開發(fā)智能系統(tǒng)，繼而產(chǎn)生即時可變的、可保持最優(yōu)化 的生產(chǎn)參數(shù)，最后交給基礎自動化執(zhí)行、實現(xiàn)機械化-自動化-數(shù)字化-智能化的全面升級。 三是 AI 倒逼芯片算力持續(xù)提升，計算光學成為下一代機器視覺的突破口，依托算法的升級 突破傳統(tǒng)光學成像器件，進一步縮小設備尺寸，挖掘多樣復雜的圖像信息，推動機器視覺 技術在工業(yè)場景中的進一步普及。
1.3. meta 發(fā)布 SAM 開啟機器視覺 GPT 時刻
Segment Anything Model（SAM）項目是一個用于圖像分割的新任務、模型和數(shù)據(jù)集。 在數(shù)據(jù)收集循環(huán)中使用高效模型構建了迄今為止最大的分割數(shù)據(jù)集，在 1100 萬張授權和 尊重隱私的圖像上有超過 11 億個掩碼。該模型被設計和訓練為可提示的，因此它可以將 零樣本遷移到新的圖像分布和任務。當該模型進行充分的網(wǎng)絡語料訓練后，發(fā)現(xiàn)其零樣本 性能甚至優(yōu)于調整模型（Fine-tuned models）。 SAM 通過“提示學習”技術對新數(shù)據(jù)集和任務進行零樣本和少樣本學習。Meta 研究者提 出了 promptable 分割任務，目標是在給定任何分割提示時返回有效的分割掩碼。提示符 只是指定要在圖像中分割的內容，例如，提示符可以包括識別對象的空間或文本信息。有效輸出掩碼的要求意味著，即使提示是模糊的，并且可能指向多個對象（例如，襯衫上的 一個點可能表示襯衫或穿著它的人），輸出也應該是其中至少一個對象的合理掩碼。將提 示分割任務作為預訓練目標，并通過提示工程解決一般的下游分割任務。
SAM 由一個的圖像編碼器、一個提示編碼器和一個預測分割掩碼的掩碼解碼器組成。通 過將 SAM 分離為圖像編碼器和提示符快速編碼器/掩碼解碼器，相同的圖像嵌入可以在不 同的提示符中重用（及其成本分攤）。給定圖像嵌入，提示編碼器和掩碼解碼器在 web 瀏 覽器中從提示符預測掩碼的時間為 50ms。重點關注點、框和掩碼提示，還用自由形式的 文本提示呈現(xiàn)初步結果。為使 SAM 具有歧義性，設計了它來為單個提示預測多個面具， 使 SAM 能夠自然地處理歧義，如襯衫和人的例子。
SAM 有望助力機器視覺發(fā)展，帶動 AI+制造業(yè)垂直領域技術革新。SAM 已經(jīng)學會了關于 物體的一般概念，并且它可以為任何圖像或視頻中的任何物體生成掩膜，甚至包括在訓練 過程中沒有遇到過的物體和圖像類型，無需額外的訓練。Meta 預計，與專門為一組固定任 務訓練的系統(tǒng)相比，基于 prompt 工程等技術的可組合系統(tǒng)設計將支持更廣泛的應用。SAM 可以成為 AR、VR、內容創(chuàng)建、科學領域和更通用 AI 系統(tǒng)的強大組件。比如 SAM 可以通 過 AR 眼鏡識別日常物品，為用戶提供提示；SAM 還有可能在農業(yè)領域幫助農民或者協(xié)助 生物學家進行研究。
2. 工業(yè)智改有望持續(xù)拓展行業(yè)發(fā)展空間
2.1. AI+機器視覺技術優(yōu)勢明顯，政策+社會需求驅動中長期發(fā)展
人工智能持續(xù)放大機器視覺技術優(yōu)勢，有望在工業(yè)智改中大展身手。ChatGPT-4 為超級人 工智能描繪雛形，有望開啟新一輪生產(chǎn)力加速周期，制造業(yè)作為我國產(chǎn)業(yè)核心也將受益于 AI 的深度融合。與人眼相比，機器視覺在效率、精度、環(huán)境要求、安全性等各因素上都有 明顯的優(yōu)勢。同時，在 AI 深度學習+機器視覺的升級趨勢下，將在工業(yè)自動化、數(shù)字化、 柔性化、復雜性生產(chǎn)上貢獻更高的適配度。傳統(tǒng)的機器視覺技術需要將數(shù)據(jù)表示為一組特 征，或輸入到預測模型，從而得出預測結果，這是完成制定動作，較難適應未來柔性化的 生產(chǎn)需求，尤其是在缺陷類型復雜化、細微化、背景噪聲復雜等場景越來越難適用。搭載 AI 深度學習功能后，機器視覺將原始的數(shù)據(jù)特征通過多步的特征轉換得到一種更高層次、 更抽象的特征表示，并進一步輸入到預測函數(shù)得到最終結果，基于深度學習的機器視覺在 理想狀態(tài)下可以結合機器視覺的效率與人類視覺的靈活性，從而完成日趨復雜環(huán)境下的檢 測，尤其是涉及偏差或極端環(huán)境，滿足更多下游對瑕疵精度、通用性的嚴苛要求。AI+機 器視覺有望賦能制造業(yè)，帶動制造業(yè)價值鏈重構。
國家出臺多項政策利好 AI+機器視覺行業(yè)發(fā)展。政策從拓展產(chǎn)業(yè)鏈應用場景、加強先進適 用技術與設備研發(fā)以及發(fā)展機器視覺底層技術等方向促進中國機器視覺產(chǎn)業(yè)的發(fā)展，同時 AI+機器視覺技術與設備在“十四五”規(guī)劃中受到高度重視，2021 年底《十四五智能制造 發(fā)展規(guī)劃》中重點強調高分辨率視覺傳感器等基礎零部件和裝置，體現(xiàn)國家對機器視覺產(chǎn) 業(yè)的重視和支持，2022 年的《十四五數(shù)字經(jīng)濟發(fā)展規(guī)劃》再次強調發(fā)展機器視覺等技術應 用于我國智改計劃。良好的政策環(huán)境將在未來一定時期內為國內相關行業(yè)持續(xù)發(fā)展與突破 奠定良好的環(huán)境基礎。
人口紅利退潮，機器替代需求中長期內仍有缺口。根據(jù)國家統(tǒng)計局數(shù)據(jù)，我國 2022 年末 60 歲以下人口占比 80.2%，伴隨人口出生率從 2011 年的 13.27‰下降至 2022 年的 6.77‰， 中國經(jīng)濟周刊預計 2030 年，中國 60 歲以下人口或將降至 75%。同時制造業(yè)就業(yè)人員從 2011 年的 4088 萬人降至 2021 年的 3828 萬人，而制造業(yè)勞動成本則從 36665 元飆升至 92459 元，據(jù)常州鐘樓金隆控股集團，老齡化問題與出生率低迷將帶來未來持續(xù)性勞動力供不應 求和勞動力成本上升，這將不斷刺激制造企業(yè)對智能化的需求持續(xù)擴張。機器視覺作為可 替代人工具備效率更高、準確度更高、際成本低等優(yōu)勢技術，有望進一步提高其滲透率。
我國工業(yè)機器視覺應用滲透率仍有較大提升空間。中國工業(yè)機器視覺應用的滲透率仍處于 較低的水平，仍有較大提升空間。根據(jù)快易理財網(wǎng)的數(shù)據(jù)，2021 年我國制造業(yè)增加值為 4.87 萬億美元，占全球比重 30.34%，相較之下，2021 年我國機器視覺產(chǎn)值占比僅為 17.18%。 在制造業(yè)的轉型升級推動下，機器視覺滲透率有望持續(xù)增加，國內龐大的制造業(yè)基數(shù)將持 續(xù)釋放較大的市場增量。同時，我國制造業(yè)人工智能應用市場的逐年遞增反映出機器視覺 的成長潛力，根據(jù)德勤數(shù)據(jù)，我國制造業(yè)人工智能應用市場從 2019 年的 12 億元升至 2022 年的 37 億元，預計 2025 年能夠突破百億。
2.2. AI+機器視覺持續(xù)賦能下游工業(yè)應用領域，有望受益于下游賽道的高景 氣
高成長性下游應用對精度要求嚴苛，倒逼 AI+機器視覺深度結合與升級。從需求端來看， 機器視覺廣泛應用于電子及半導體、汽車制造、食品包裝、制藥等領域，各個領域的應用 場景具備較大差異性。2021 年我國消費電子、半導體、汽車為機器視覺領域的三大應用端， 雖然機器視覺下游各行業(yè)對精度的要求不一，但整體來看，伴隨主要應用端（消費電子、 半導體、汽車、新能源）的升級迭代，對機器視覺技術的高精度需求相應提高，尤其需要 深度學習的高度結合以適應下游應用的發(fā)展。
智能制造趨勢是擴大機器視覺需求的關鍵引擎。以機器取代人工，能夠幫助制造業(yè)實現(xiàn)自 動化和智能化，是現(xiàn)代化制造提質、增效、降本、減排的推動力。隨著我國進入全面推進 智能制造階段，機器視覺將持續(xù)向全行業(yè)滲透，應用市場需求急劇擴增，為機器視覺提供 了較大的需求牽引，是機器視覺的重大戰(zhàn)略機遇。同時根據(jù)凌云光 2022 年 7 月 14 日發(fā)布 的投資者調研紀要顯示，國內機器視覺的銷售額在 2016-2019 年期間分別為 49、69、84、 103 億元，雖在全國工業(yè)企業(yè)技改投資經(jīng)費支出中的占比逐步提升，但也僅維持在 2%-3%， 由此可見國內機器視覺在工業(yè)技改中的滲透率還處于相對較低水平，未來成長空間廣闊。
2.2.1. 電子行業(yè)仍是機器視覺應用最廣闊的下游領域
據(jù)常州鐘樓金隆控股集團，電子信息制造行業(yè)自動化+標準化程度高，是機器視覺技術應 用較早、應用最廣的下游市場。根據(jù) GGII 數(shù)據(jù)，我國 3C 電子行業(yè)機器視覺市場規(guī)模在 2021 年達到 40.62 億元，同比增長 29.61%，2020-2025 年均復合增長率為 14.8%，該增長得益于 3C 電子產(chǎn)品規(guī)模的良好增長態(tài)勢。2022 年以來，消費電子行業(yè)進入下行期，相對應機器 視覺市場規(guī)模增速大幅放慢，但基于發(fā)展基礎悠久，中短期內仍有望成為市場規(guī)模最大的 下游市場。
3C 行業(yè)是工業(yè)視覺行業(yè)的應用標桿。全球機器視覺的崛起很大程度上得益于消費類電子 行業(yè)的發(fā)展，一方面系元器件尺寸較小、檢測要求高，適合使用機器視覺系統(tǒng)進行檢測； 另一方面該行業(yè)更新迭代快，生產(chǎn)設備的更新對上游機器視覺行業(yè)也產(chǎn)生了較大的需求。 整體來看，在 3C 電子行業(yè)，元器件、部件和成品的制作各環(huán)節(jié)都需要機器視覺的協(xié)助， 其中 70%的機器視覺產(chǎn)品用于檢測環(huán)節(jié)，由于技術工藝的高要求，3C 電子行業(yè)設備制造對 機器視覺技術存在剛性需求。
伴隨 3C 產(chǎn)品不斷升級，未來對機器視覺效率和精度有更高的要求。從消費電子行業(yè)趨勢 來看，目前機器視覺技術已經(jīng)覆蓋多個制造環(huán)節(jié)，同時消費者對消費電子的質量需求推動 了消費電子產(chǎn)品需要通過更高效、更精細的機器視覺檢測技術以提升產(chǎn)能和質量，機器視 覺在電子行業(yè)的滲透率有望進一步提升。
2.2.2. 機器視覺為半導體的剛性需求有望受益于高景氣賽道的需求擴張
半導體產(chǎn)業(yè)以其集成度高、精細度高的特點成為機器視覺技術大規(guī)模應用最早的領域之一。 半導體行業(yè)機器視覺應用占比在 2020-2021 年間有所擴大。同時，根據(jù) GGII 數(shù)據(jù)顯示， 2021 年半導體行業(yè)機器視覺市場規(guī)模為 13.16 億元，同比增長 42.73%，該增長主要系受益 于 2021 年起我國各大半導體公司的擴產(chǎn)計劃，直接影響了機器視覺在晶圓檢測中的擴大 應用，本輪缺芯推動了擴產(chǎn)潮開始陸續(xù)達產(chǎn)，隨著各地新建晶圓產(chǎn)線陸續(xù)達產(chǎn)，短期內仍 將利好機器視覺行業(yè)。根據(jù) GGII 預測，2025 年半導體行業(yè)機器視市場規(guī)模將超過 40 億元， 2020-2025 年均復合增長率約為 36%。
機器視覺在半導體制造過程中的速度和精確性優(yōu)勢明顯。目前已涵蓋半導體的外觀缺陷、 尺寸、數(shù)量、平整度、距離、定位、校準、焊點質量、彎曲度等的檢測，同時覆蓋晶圓制 作中的檢測、定位、切割、封裝過程全程。相別與傳統(tǒng)芯片檢測與激光測量技術測量，基 于機器視覺的芯片缺陷檢測技術以更靈活、實時、非接觸式、高能高精度的檢測技術，在 半導體行得到了更為廣泛的應用。
未來，伴隨車規(guī)級 IC 需求持續(xù)旺盛+消費級 IC 去庫存到位+ChatGPT 帶動的 AI 芯片需求， 機器視覺行業(yè)作為半導體行業(yè)的剛性需求，將繼續(xù)迎來行業(yè)規(guī)模的擴張。首先，車規(guī)級 IC 的景氣度頗高，市場規(guī)模增長客觀，據(jù)中國汽車工業(yè)協(xié)會統(tǒng)計，2022 年中國新能源汽車出 貨量達到 688.7 萬輛，滲透率已超過 20%，汽車芯片在新能源汽車高速增長下，需求將持 續(xù)擴大，以 MCU 為例，相比于傳統(tǒng)汽車的 70 顆/輛的配置，智能汽車可達到 300 顆/輛。 其次，景氣下行的消費級 IC 有望在 2023 年恢復正常庫存與價格水平，同時在消費電子行 業(yè) 2023 進入業(yè)績修復期的背景下，需求向上波動或將帶來半導體供給端補庫存，迎來景 氣上行拐點。再者，2023 年引起關注的 ChatGPT 有望成為半導體產(chǎn)業(yè)發(fā)展新動能，以 ChatGPT 為代表的相關 AI 應用涌現(xiàn)帶來龐大算力缺口，GPU 等 AI 芯片作為算力承載主體 有望迎接放量預期。我們認為，機器視覺作為芯片制造的剛性需求，將有望受益于芯片市 場的高景氣發(fā)展。
2.2.3. 機器視覺的汽車檢測市場穩(wěn)固，搭載 AI 助力突破自動駕駛
汽車領域在機器視覺應用中為長期高位發(fā)展的個中翹楚。根據(jù) GGII 的數(shù)據(jù)，2021 年汽車 行業(yè)機器視覺市場規(guī)模為 14.21 億元，同比增長 38.1%。比較同期全國乘用車銷量與新能源 車銷量的情況，2021 年全國乘用車銷量同比增長 3.8%，新能源汽車銷量同比增長 157.5%， 可見汽車機器視覺的增長速度（38.1%）落后于新能源汽車的增長速度（157.5%），主要系 因為傳統(tǒng)汽車領域仍為機器視覺的主要應用領域。未來，隨著新能源汽車領域機器視覺需 求的持續(xù)探索，有望成為機器視覺的成長新動力，根據(jù) GGII 的預測，2025 年機器視覺汽 車行業(yè)將接近 40 億元，2020-2025 年均復合增長率達到 30%。
機器視覺在汽車產(chǎn)線柔性化、自動化生產(chǎn)中優(yōu)勢明顯。目前機器視覺技術主要用于在裝配 的在線檢測和零部件的離線檢測及表面檢測，如面板印刷檢測、字符檢測、精密測量、工 件表面缺陷檢測、自有曲面檢測等，以及大型工件的搬運、上下料等。隨著汽車保有量的 增加+汽車質控政策的強化，對汽車檢測提出更高的要求，傳統(tǒng)人工檢驗方式/檢具方案由 于難以滿足柔性化、自動化與高效化生產(chǎn)，逐漸被機器視覺技術所替代。機器視覺通過視 覺讀碼技術+固定點位對整車外觀拍照+視覺引導技術+尺寸檢測精確度高的特性，可以檢 測零部件的尺寸、安裝情況，引導機器人進行最佳匹配安裝、虛擬安裝，與傳統(tǒng)人工檢驗 方法相比，能夠提高汽車生產(chǎn)效率及質量保證，同時節(jié)省人力與時間成本。
未來汽車領域智能化將為機器視覺釋放汽車電子新增量市場。汽車的智能化、輕量化對檢 測提出了更高的要求，繼而對機器視覺技術的需求也響應的提高，汽車制造行業(yè)成為機器 視覺主力應用市場。過去汽車以機械構件為主，在智能汽車發(fā)展中，電子零部件的占比將 不斷提高，大量的雷達（激光、厘米波、毫米波、超聲波）、傳感器、通信（GPS、DSRC、 4G/5G）、攝像頭、監(jiān)控、檢測、娛樂系統(tǒng)將會被裝載在汽車上，以單車電子件價值 6 萬元、 國內 2022 年新能源汽車出貨量為 688.7 萬臺來計算，國內智能汽車硬件市場將達到 4132.2 億元左右。隨著未來新能源汽車滲透率不斷加深，機器視覺技術有望迎來新能源汽車的需 求。
2.2.4. 鋰電池推動機器視覺+AI 持續(xù)升級，下游市場穩(wěn)定增長
新能源有望成為機器視覺行業(yè)未來最大增量市場。根據(jù) GGII 數(shù)據(jù)，2021 年機器視覺在新 能源行業(yè)的銷售額增速最快，2021 年同比增長 60%，遠超行業(yè)平均水平。
鋰電池工藝復雜性催發(fā)機器視覺搭載深度學習實現(xiàn)算法升級。機器視覺在鋰電池生產(chǎn)工藝 中應用廣泛，鋰電池制備工藝的復雜性使得在多個工序均需要不同機器視覺檢測系統(tǒng)的介 入。同時，動力電池視覺檢測的新需求對傳統(tǒng)算法提出挑戰(zhàn)，由于傳統(tǒng)算法無法解決焊接 環(huán)節(jié)的檢測痛點，該領域對深度學習檢測技術使用依賴程度有望逐漸攀升。隨著電芯、模 組、PACK 測量要求的不斷提高，被測物體條件愈發(fā)復雜，全線視覺檢測已逐漸成為動力 電池廠商標配，帶動機器視覺高速發(fā)展。
鋰電池作為新能源汽車的主流動力電池，有望長期受益于新能源汽車銷量增長從而拉動機 器視覺的市場規(guī)模增長。我國新能源汽車銷量從 2017 年的 77.7 萬漲至 2022 年的 688.7 萬，2017-2022 年均復合增長率達到 54.71%，從而帶動了我國鋰電池產(chǎn)量。國家統(tǒng)計局的 數(shù)據(jù)顯示，2021 年中國鋰電池產(chǎn)量已經(jīng)達到 232.6 億只，同比增長 23.4%。新能源汽車滲 透率在 2022 年突破 20%大關，根據(jù)“創(chuàng)新擴散曲線”模型，當創(chuàng)新產(chǎn)品市占率突破 10% 后將迎來最為陡峭的生長曲線，新能源汽車行業(yè)有望迎來倍速增長，以鋰電池為代表的動 力電池需求量亦有望持續(xù)提升，在鋰電市場持續(xù)向好的背景下，使用機器視覺的檢測需求 隨之提升。根據(jù) GGII 機構調研測算，鋰電池單 GWh 產(chǎn)線對機器視覺需求的價值量中樞約 為 700 萬，按照當前各家鋰電池廠商的擴產(chǎn)計劃，到 2025 年的投產(chǎn)產(chǎn)能有望超過 2TWh， 相比于當前的產(chǎn)能，未投產(chǎn)產(chǎn)能累計超過 1300GWh，其中潛在未釋放的機器視覺訂單需 求超過 90 億元。
2.2.5. 光伏擴產(chǎn)已箭在弦上，對機器視覺需求同樣旺盛
機器視覺的光伏應用賽道蓬勃發(fā)展，國內廠商優(yōu)勢凸顯。新能源板塊除了鋰電池外，光伏 也是另一值得重點關注的行業(yè)。近年光伏行業(yè)的迅猛發(fā)展，據(jù)億歐智庫，2021 年我國太陽 能電池產(chǎn)量達到 23405wKW，同比增長 42.1%，行業(yè)迎來加速成長期，同期帶動機器視覺 的光伏行業(yè)應用規(guī)模達到 6.5 億元，2019-2021 年 CAGR 達到 58%。目前光伏產(chǎn)業(yè)鏈的硅 片檢測市場由德國 Hennecke 占有主導份額，國內天準科技、奧特維等廠商目前也在切入 光伏賽道，天準科技應用于光伏硅片檢測的智能檢測性能較為成熟，與國際領先的 Hennecke 產(chǎn)品技術相當，實現(xiàn)對 Hennecke 公司等國際先進同行產(chǎn)品的替代。
光伏生產(chǎn)工藝的高精度或使得機器視覺成為標配。光伏電池片檢測為了追求更高的效率并 降低成本，需要不斷優(yōu)化生產(chǎn)流程及技術。在光伏電池板的生產(chǎn)過程，會出現(xiàn)缺角、裂痕、 黑斑及黑心等各類缺陷，這些缺陷的存在可能會影響電池片的性能和穩(wěn)定性。因此對光伏 行業(yè)而言，引入持續(xù)有效的缺陷檢測方法至關重要，其應用效果已經(jīng)得到了行業(yè)的認可， 而機器視覺的介入能夠實現(xiàn)來料硅片質量監(jiān)控、過程電池片的缺陷監(jiān)控以及成品電池片保 證。電池片生產(chǎn)質量監(jiān)控系統(tǒng)的每個工藝都有提供對應的光機視覺模組，可快速配置，提 供高質量的視覺成像效果。
光伏擴產(chǎn)+平價上網(wǎng)將行業(yè)高景氣蔓延至機器視覺檢測行業(yè)。光伏發(fā)電在能源供應體系 中占據(jù)越來越重要的地位，推動光伏行業(yè)的快速增長，而我國光伏產(chǎn)業(yè)是戰(zhàn)略性新興產(chǎn) 業(yè)，在制造業(yè)規(guī)模、產(chǎn)業(yè)化技術水平、應用市場拓展、產(chǎn)業(yè)體系建設等方面均位居全球前 列。從制造端來看，產(chǎn)業(yè)規(guī)模實現(xiàn)持續(xù)增長，根據(jù)工業(yè)和信息化部公開數(shù)據(jù)，2022 年全年 光伏產(chǎn)業(yè)鏈各環(huán)節(jié)產(chǎn)量再創(chuàng)歷史新高，全國多晶硅、硅片、電池、組件產(chǎn)量分別達到 82.7 萬噸、357GW、318GW、288.7GW，同比增長均超過 55%，行業(yè)總產(chǎn)值突破 1.4 萬億元人 民幣。具體落到 2022 年產(chǎn)量來看，多晶硅產(chǎn)量 82.7 萬噸，同比增長 63.4%；硅片產(chǎn)量 357GW， 同比增長 57.5%，電池片產(chǎn)量 318GW，同比增長 60.7%，組件產(chǎn)量 288.7GW，同比增長 58.8%， 該擴產(chǎn)將在未來 1-2 年內持續(xù)帶來行業(yè)的高景氣預期。從應用端來看 2022 年我國光伏新 增裝機 87.41GW，同比增長 59.3%，CPIA 保守預計到 2025/2030 年我國光伏新增裝機預測 將達到 100GW/120GW。同時，未來在規(guī)模化開發(fā)與技術進步的驅動下，我國光伏行業(yè)成 本快速降低，2021 年光伏發(fā)電的平均度電成本甚至可以與燃煤發(fā)電（0.33-0.45 元/千瓦時） 相競爭，逐漸實現(xiàn)平價上網(wǎng)，滲透率有望加速提升。我們認為，機器視覺檢測作為光伏產(chǎn) 業(yè)中的必不可少的環(huán)節(jié)，有望受益于光伏賽道的持續(xù)火熱。
人工智能助力機器視覺檢測在光伏生產(chǎn)實現(xiàn)靈活性與自動化。當前光伏產(chǎn)線所使用的自動 化設備往往來自多家設備，搭載的視覺系統(tǒng)一般是滿足其特定需求而開發(fā)的，因此每臺設 備呈現(xiàn)給工作人員的界面與運算邏輯均不相同，該使用門檻造成設備難以同步快速投產(chǎn)。 同時光伏生產(chǎn)工藝復雜、多樣，輔材和訂單標準的頻繁切換，對機器視覺的柔性生產(chǎn)提出 極高的要求。而人工智能在算法的進步為該行業(yè)痛點提供新的解決思路，以維視智造的光 伏視覺檢測系統(tǒng)為例，通過小樣本訓練、無訓練模式、深度學習前沿算法和智能迭代功能 等，可以為企業(yè)大幅降低未來換產(chǎn)難度，同時大幅提高精準缺陷檢出率和生產(chǎn)效率，能夠 提升 40%的生產(chǎn)效率，將缺陷檢出率控制在 99.5%，進一步擴大對光伏行業(yè)產(chǎn)業(yè)鏈的全覆蓋 滲透。
3. 機器視覺產(chǎn)業(yè)鏈厚積薄發(fā)，國內市場增速或將領先全球水平
3.1. 25 年全球有望達千億市場規(guī)模，中國或將增速領先全球
25 年全球有望達到千億市場規(guī)模，中國增速或將領先全球。根據(jù) Markets and Markets 統(tǒng) 計，全球機器視覺市場規(guī)模在 2021 年達到 804 億元，同比增長 12.15%。2021 年全球傳統(tǒng) 工業(yè)復蘇和新能源行業(yè)的蓬勃發(fā)展拉動了相關企業(yè)的擴產(chǎn)需求，工業(yè)檢測、鋰電池等視覺 檢測產(chǎn)品需求有所增長，未來 AI+將給予行業(yè)更大想象空間，擴大機器視覺的應用范圍， 預計在 2025 年市場規(guī)模達到 1276 億元，2022-2025 年均復合增長率預計約為 13.22%。2021 年，物流倉儲、新能源行業(yè)的蓬勃發(fā)展拉動了相關企業(yè)的擴產(chǎn)需求，視覺檢測產(chǎn)品需求增 長明顯，GGII 數(shù)據(jù)顯示，2021 年中國機器視覺市場規(guī)模 138.16 億元（該數(shù)據(jù)未包含自動 化集成設備規(guī)模），同比增長 46.79%，增長速度遠高于全球平均水平，未來得益于后疫情下宏觀經(jīng)濟的回暖、制造業(yè)自動化升級、政策支持等因素，中國機器視覺行業(yè)規(guī)模有望進 一步增長。其中，2D 視覺市場規(guī)模約為 126.65 億元，3D 視覺市場約為 11.51 億元；傳統(tǒng) 工業(yè)產(chǎn)品的回暖也為機器視覺帶來生機，增長趨勢明顯。GGII 預測，至 2025 年我國機器 視覺市場規(guī)模將達到 349 億元，其中，2D 視覺市場規(guī)模將超過 291 億元，3D 視覺市場規(guī) 模將超過 57 億元。
3.2. 機器視覺產(chǎn)業(yè)鏈/成本占比：工業(yè)相機及軟件算法為關鍵
機器視覺作為智能制造中不可或缺的重要部分，發(fā)展空間的釋放需要充分挖掘產(chǎn)業(yè)鏈相關 環(huán)節(jié)。機器視覺產(chǎn)業(yè)鏈的上游主要為 LED、CCD、CMOS、光學材料、電子元器件、五金 結構件等原材料。由于機器視覺是由多個部件組成，每個部件的原材料均有不同，因此， 產(chǎn)業(yè)鏈上游涉及的行業(yè)范圍較為寬廣。國外領先企業(yè)例如基恩士、康耐視、?？怂箍?、Basler AG 四家企業(yè)，主要布局機器視覺產(chǎn)業(yè)鏈的中上游業(yè)務；國內布局機器視覺產(chǎn)業(yè)鏈上游領 域的企業(yè)主要有海康威視、天準科技。機器視覺產(chǎn)業(yè)鏈中游主要為系統(tǒng)集成商和裝備制造 商，系統(tǒng)集成商通常直接采購視覺軟件、傳感器、驅控系統(tǒng)等核心零部件，通過簡單的二 次開發(fā)和組裝完成設備生產(chǎn)，不具備自由機器視覺算法、軟件以及視覺傳感器和精密驅控 等核心技術，通常不具備整臺裝備的設計生產(chǎn)能力。機器視覺產(chǎn)業(yè)鏈的下游主要為運用機 器視覺技術的設備制造行業(yè)和終端用戶，所涉范圍十分廣泛，如汽車、醫(yī)藥、化學、電子、 半導體、印刷、食品飲料、物流、煙草、醫(yī)療、電池等。
縱觀整條產(chǎn)業(yè)鏈，成本價值量的關鍵當屬上游環(huán)節(jié)的工業(yè)相機和底層軟件算法。
工業(yè)相機是機器視覺設備中價值量最高的核心組件（價值量占比約為 23%），由圖像 傳感器、圖像采集卡與各類芯片組成，技術壁壘較高。工業(yè)相機本質的功能就是將光 信號轉變成為有序的電信號，再將該信號模數(shù)轉換并送到處理器后以完成圖像的處理、 分析和識別。與普通相機相比，工業(yè)相機需要更高的傳輸力、抗干擾能力以及穩(wěn)定的 成像能力。市面上的工業(yè)相機主要有面陣相機、線陣相機、3D 相機以及智能相機。 目前，全球工業(yè)相機行業(yè)由歐美品牌占據(jù)主要市場，國外知名企業(yè)如德國 Basler、加 拿大 DALSA、美國康耐視等；我國對于工業(yè)相機的研究起步較晚，工業(yè)相機行業(yè)主要 布局于中低端市場，近些年我國也逐步發(fā)展出一批自主研發(fā)工業(yè)相機的國產(chǎn)品牌，可 逐步實現(xiàn)進口替代。
底層軟件算法對所獲得的視覺信號進行處理是機器視覺系統(tǒng)的關鍵所在，一般來說， 掌握底層軟件算法的公司更容易形成自身優(yōu)勢。在工業(yè)領域，成熟的視覺算法軟件已 經(jīng)有很多，包括 Vision pro、halcon、opevCV、Mil、Hexsight、evision 等。參考擁有 廣受好評的機器視覺軟件 Vision Pro 的廠商康耐視，不斷革新升級 VisionPro，如 2018 年推出具有里程碑意義的工業(yè)圖像分析軟件 Vision Pro ViDi 套件，助其突破高原瓶頸 +維持毛利率高位。我們將持續(xù)看好布局研發(fā)投入相機性能與底層軟件算法的企業(yè)， 國內代表廠商包括天準科技、凌云光、海康威視等。
3.3. 國內外競爭格局：國外巨頭優(yōu)勢顯著，國內廠商成長后勁充足
全球市場巨頭優(yōu)勢顯著，國內廠商仍待突破壟斷藩籬。全球機器視覺市場以康耐視（美國）、 基恩士（日本）、巴斯勒（德國）為代表的企業(yè)占據(jù)全球超過 50%的市場份額，以康耐視和 基恩士為代表的雙巨頭以入局早、扎實產(chǎn)品技術、廣泛應用場景經(jīng)驗的優(yōu)勢提前占據(jù)市場 優(yōu)勢。而中國機器視覺行業(yè)相對國際機器視覺市場發(fā)展較晚，目前主流仍是國際廠商。在 中國傳統(tǒng)制造業(yè)自動化與數(shù)字化轉型升級的驅動以及國內技術不斷更新迭代的背景下，中 國廠商的市場規(guī)模漸長，根據(jù)中國企業(yè)數(shù)據(jù)庫企查貓，目前中國機器視覺行業(yè)的主要企業(yè) 共有 7114 家，其中以 2017-2019 年為主要注冊熱潮，2019 年注冊企業(yè)數(shù)量為 891 家，數(shù) 量最多，而 2022 年僅新增了 20 家機器視覺企業(yè)。 然而從企業(yè)營收層面，國內廠商的規(guī)模仍待擴張，通過橫向比較，基恩士與康耐視為代表 的國外廠商在大中華區(qū)的收入穩(wěn)定增長，2021 年兩家巨頭在華營收達到 9.91 億美元，同 比增長33.2%，占國內機器視覺產(chǎn)業(yè)約47%的市場份額，兩家巨頭在華營收總和在2018-2021 年均復合增長率為 10.90%，略高于國內 5 家龍頭廠商 2018-2021 年間 7.85%的年均復合增 長率。國內代表企業(yè) 2021 年總營收為 77.01 億元，同比增長 25.06%，可見以凌云光、天 準科技等為代表的國內龍頭廠商對國內市場的滲透仍有廣闊的提高空間。
3.4. 上游各環(huán)節(jié)發(fā)展程度不一，國產(chǎn)高端化為市場擴張的方向
國內機器視覺上游行業(yè)仍處于成長階段，增長速度大致相當。光源市場是國內廠商最早入 場機器視覺領域的環(huán)節(jié)，國內發(fā)展較為成熟，國產(chǎn)化程度較高，競爭較為充分，本土廠商 主要有奧普特、沃德普、康視達、緯朗光電等。工業(yè)相機為上游產(chǎn)業(yè)鏈中高價值的環(huán)節(jié)， 工業(yè)相機是工業(yè)視覺核心零部件，作為新興技術被寄予厚望，被認為是自動化行業(yè)具備光 明前景的細分市場。根據(jù) CMVU 公開數(shù)據(jù)，2021 年我國工業(yè)相機市場規(guī)模約為 28.83 億元 至 48.84 億元，2022 年至 2025 年，我國工業(yè)相機市場規(guī)模將有望保持 40%以上的復合增 速增長，預計 2025 年國內工業(yè)相機市場規(guī)模將要超過 125 億元，伴隨國內工業(yè)自動化水 平的提升，機器視覺在各行業(yè)滲透率有望加速，將進一步提升工業(yè)相機的市場空間。工業(yè) 鏡頭在中國市場增長速度快，2019 年達到 46%的增速，這主要得益于光學鍍膜技術的快速 進步，產(chǎn)品良率以及光學設計效率大大提升，以及新型加工工藝極大提升組裝效率和產(chǎn)品 穩(wěn)定性，確保工業(yè)鏡頭穩(wěn)定增長的出貨量。視覺軟件市場需求規(guī)模整體增長速度快，2021 年以 46.31%的增速攀升至 47.01 億元，隨著未來機器視覺在各行業(yè)中的持續(xù)滲透，GGII 預 計在 2025 年該規(guī)模將接近 150 億元。圖像處理軟件領域主要由海外廠商主導，包括康耐 視、Mvtec、Adept 等，底層算法領域基本由外資壟斷。相比國外廠商而言，我國機器視 覺軟件系統(tǒng)起步晚，較少擁有獨立底層算法，該部分所需時間+資金成本高，目前國內如 凌云光、天準科技不斷投入底層算法的研究，仍在持續(xù)優(yōu)化與研發(fā)中。
3.5. 國產(chǎn)替代奠定上游競爭基調，AI 澆灌下滋潤工業(yè)相機與軟件環(huán)節(jié)升級
3.5.1. AI+核心硬件，以智能相機為代表持續(xù)拓展應用場景
AI 產(chǎn)業(yè)化催生工業(yè)智能相機的發(fā)展契機，拓寬應用場景。從某種意義上理解機器視覺中的 核心要件“智能相機”，即工業(yè)相機+視覺控制系統(tǒng)的集成，它將圖像的采集、處理與通信功能集成于單一相機內，從而提供了具備多功能、模塊化、高可靠性、易于實現(xiàn)的機器視 覺解決方案。隨著芯片技術日益成熟，尤其是應用最新的 DSP、FPGA 及大容量存儲技術， 攝像頭中加入 AI 芯片使其具備強大的視頻圖像采集技術和數(shù)據(jù)分析存儲能力，智能化程度 不斷提高，滿足多種機器視覺的應用需求。
中國工業(yè)領域相關市場發(fā)展空間廣，國際廠商仍占據(jù)智能相機的技術優(yōu)勢。國內市場來看， CMVU 調查數(shù)據(jù)顯示 2021 年機器視覺的工業(yè)相機市場規(guī)模為 48.48 億元，其中智能相機占 比 6.1%，達到 9.99 億元，未來隨著機器視覺在工業(yè)領域上的應用越來越深入自動化層面， 工業(yè)相機的功能也日漸趨于智能化，有望進一步擴大相關市場規(guī)模，2024 年的市場規(guī)模將 達到 24.62 億元。該占比有望進一步擴大。從競爭格局來看，全球工業(yè)智能相機市場的市 場集中度較高，率先布局智能相機的康耐視和基恩士市占率超過 70%，這主要系國外產(chǎn)品 軟硬件優(yōu)勢明顯，具備發(fā)展智能相機的契機。國內廠商通過多年自主研發(fā)的努力，已經(jīng)在 關鍵技術上取得突破，如光虎、華睿等，不斷推出智能工業(yè)相機系列產(chǎn)品，通過性價比優(yōu) 勢擠占國外廠商市場份額。
AI+智能相機能夠面向工業(yè)全場景，一體化+適用性+效率高的優(yōu)勢明顯。與 PC-base 方案 比較中，不僅能夠做到性能穩(wěn)定，效率提高，并且有著三大優(yōu)勢：一是輕量級一體化，AI 智能相機一改傳統(tǒng) PC 方案中的顯卡、內存、硬盤、CPU、IO 卡、主板、機箱、電源、相 機轉化成一臺小而美的智能相機，大大降低成本；二是適用性擴充，AI 智能相機憑借核心 視覺算法和深度學習技術，可以滿足不同業(yè)務場景的需求，實現(xiàn)多行業(yè)的低門檻通用性。 三是效率大幅提高，AI 智能相機的無代碼 AI 部署平臺，最大程度地降低對操作人員的專 業(yè)要求，提供了具有多功能、模塊化、高可靠性、易于實現(xiàn)的機器視覺系統(tǒng)解決方案，節(jié) 省了 90%的 AI 部署時間。
智能相機是自動化行業(yè)中高潛力的細分市場，有望推動機器視覺系統(tǒng)的進一步普及。未來 隨著智能相機技術和物聯(lián)網(wǎng)的進一步融合發(fā)展，智能相機具有成本效益、緊湊、靈活、功 能強大的優(yōu)勢將進一步放大，基于智能相機的機器視覺系統(tǒng)普及度將進一步提高，尤其是 成為現(xiàn)代工業(yè)自動化的一大核心環(huán)節(jié)，植入推理性能視覺處理控制系統(tǒng)的智能相機在將來 有望占有視覺智能硬件市場發(fā)展的重要板塊。
3.5.2. AI+軟件鑄就行業(yè)核心壁壘，國產(chǎn)替代正當時
機器視覺行業(yè)所要求的技術精準度較高，負責處理圖像的機器視覺軟件是系統(tǒng)的核心。機 器視覺當前比較流行的開發(fā)模式是“軟件平臺+視覺開發(fā)包”，開發(fā)包是基于軟件平臺對各 種常用圖像處理算法進行封裝，用以實現(xiàn)對圖像分割、提取、識別和判斷等功能，進一步 安裝在上位記或內嵌至工業(yè)模板中，實現(xiàn)人機交互的功能，常見的軟件包可分為通用工具 MATLAB、OpenCV 等和機器視覺專用工具 Vision Pro， Halcon 等。其中，算法是機器視 覺的靈魂，以天準科技為例的國內機器視覺企業(yè)投入研究算法包括 2D 視覺算法、基于深 度學習缺陷檢測算法、3D 視覺算法、3D 點云處理、多傳感器融合標定等。
我國機器視覺的“軟實力”仍大有可為。根據(jù) GGII 數(shù)據(jù)，2021 年中國機器視覺軟件市場 需求規(guī)模為 47.01 億元，同比增長 46.31%，遠高于 GGII 所統(tǒng)計的機器視覺品牌軟件銷售額 18.8 億元。這主要系國內的機器視覺廠商大多數(shù)是自主研發(fā)軟件或開源平臺（如 OpenCV） 的二次開發(fā)，但該模式在性能、效率和穩(wěn)定性上與專用視覺軟件開發(fā)包相比仍存在較大差 距，因此未來隨著視覺應用要求漸高，將會有越來越多機器視覺廠商選擇購買專業(yè)視覺公 司開發(fā)的視覺算法平臺。同時，2019-2021 年間機器視覺行業(yè)對 AI 驅動解決方案研發(fā)投入 占比最高，分別為 18.1%、18.7 和 21.8%，GGII 預計，2025 年機器視覺軟件市場將有望增 長至 150 億，2021-2025 年均復合增長率超過 30%，中國視覺算法軟件的潛在市場空間較 大。
我們認為國內切入軟件市場機器視覺企業(yè)具有較高成長性。首先以軟件的技術密集型特點 打造公司壁壘，底層算法建設需要投入周期長+持續(xù)資金注入，一旦形成將成為公司穩(wěn)定 營收與毛利率的護城河，具有難以替代的優(yōu)勢。其次是融合人工智能的機器視覺算法能夠 擴充硬件產(chǎn)品的通用性與不可替代性，如通過深度學習對模型魯棒性的提升，有望拓展機 器視覺的應用場景，同時通過模型、算法、指令優(yōu)化提升整體檢測速度，適應旋轉、縮進、 平移、色差、光照強度等變化，使得機器視覺系統(tǒng)更佳具備柔性與通用性，加速其在工業(yè) 領域的滲透。最后國內廠商自研的底層算法與數(shù)據(jù)庫能夠更貼合國內終端客戶需求，在易 用性上具備先天的本土化優(yōu)勢，以易用性的優(yōu)勢有望取代國際廠商提供的軟件算法平臺。
4. 投資分析
AI 技術產(chǎn)業(yè)化有望將機器視覺打造為未來明星賽道，持續(xù)關注國內產(chǎn)業(yè)鏈相關公司。機器 視覺行業(yè)正在經(jīng)歷快速的階段，經(jīng)過一段時間的普及與推廣，機器視覺應用范圍逐漸擴大， 機器視覺賽道持續(xù)火熱，據(jù) IT 桔子和中商產(chǎn)業(yè)研究院統(tǒng)計，截至 2022 年 7 月機器視覺行 業(yè)的投資事件共 42 起，投資金額達到 77.41 億元，此外老牌廠商“凌云光”成功跑入資本 市場，在科創(chuàng)板掛牌上市。我們認為，在就業(yè)人口數(shù)量增長放緩、用工成本持續(xù)攀升、機 器視覺的技術優(yōu)勢等因素影響下，或將帶來機器替人的剛需趨勢，整個產(chǎn)業(yè)鏈有望在樂觀 預期中飛速發(fā)展。
對標海外巨頭發(fā)展布局，結合上游環(huán)節(jié)和中游集成環(huán)節(jié)的企業(yè)將以高客戶粘性+核心技術 壁壘贏取更大市場份額。當前國內視覺企業(yè)以中游機器視覺設備和系統(tǒng)集成商為主，為客 戶提供整套解決方案，對比國外布局中上游的巨頭基恩士、康耐視的毛利率仍處于明顯下 風。但近年國內集成端廠商在某一行業(yè)下游完成布局后開始逐步向上游底層延伸，嘗試進 行核心軟硬件的進口替代，這主要系上游標準化實現(xiàn)規(guī)?；a(chǎn)+核心技術打造行業(yè)壁壘， 延伸至上游的機器視覺廠商擁有更好的盈利能力。復盤基恩士、?？怂箍?、康耐視等海外 行業(yè)巨頭，同時提供機器視覺系統(tǒng)以及上游核心要件，平均毛利率高達 70%，康耐視主要 得益于底層技術突破+標準產(chǎn)品及不同行業(yè)解決方案的開發(fā)，基恩士則憑借強大的產(chǎn)品開 發(fā)能力+廣泛的產(chǎn)品類型+顧問式營銷模式成長為行業(yè)龍頭，?？怂箍挡季止I(yè)軟件技術+ 傳感器等核心技術實現(xiàn)軟硬件的快速敏捷協(xié)同。對比海外巨頭的發(fā)展布局，我們認為國內 奧普特等綜合廠商仍有廣闊的上升空間。綜合來看，機器視覺行業(yè)市場空間大、產(chǎn)業(yè)鏈長， 重視研發(fā)能力、延伸高價值上游環(huán)節(jié)（核心零部件和底層算法）的國內企業(yè)有望在國產(chǎn)替 代趨勢下脫穎而出。