山东E世博·esball(中国区)官方网站科技股份有限公司

机器视觉行业研究：AI+制造业赋能，机器视觉开启掘金新大陆

发布时间：2023-05-04 10:55

作者：（报告出品方/作者：天风证券，潘暕、俞文静）

来源：未来智库官网，新浪网

　�。ūǜ娉銎贩�/作者：天风证券，潘暕、俞文静）

1. 机器视觉—智能制造之眼

　　1.1. 机器视觉的本质是机器的眼睛和大脑

　　机器视觉技术使得工业设备能够“看到”它正在进行的操作并进行快速决策。根据美国制造工程师协会（SME）机器视觉分会和美国机器人工业协会（RIA）自动化视觉分会对机器视觉的定义：机器视觉是通过光学的装置和非接触的传感器，自动接收和处理一个真实物体的图像，以获得所需信息或用于控制机器人运动的装置。通俗地说，“眼睛”指的是机器视觉利用环境和物体对光的反射来获取及感知信息；“大脑”指的是机器视觉对信息进行智能处理和分析，根据分析结果来执行相应的活动。

　　据亿欧智库所称机器视觉是人工智能领域一个正在快速发展的分支，即用机器代替人眼来做测量和判断，是通过光学的装置和非接触的传感器，自动接收和处理真实物体的图像，以获得所需信息或用于控制机器人运动的装置。中商产业研究院认为，机器视觉可以代替人眼在多种场景下实现多种功能，按功能主要分为四大类：检测、测量、定位、识别。（1）检测：指外观检测，其内涵种类繁多。如产品装配后的完整性检测、外观缺陷检测等。（2）测量：把获取的图像像素信息标定成常用的度量衡单位，然后在图像中精确地计算出目标物体的几何尺寸；（3）定位：获得目标物体的位置，可以是二维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标。在识别出物体的基础上精确给出物体的坐标和角度信息，自动判断物体位置；（4）识别：基于目标物进行甄别，包括外形、颜色、条码等。

　　1.2. AI 技术加持，成为机器视觉走向成熟的筹码

　　人工智能是机器视觉的母身，深度学习为机器视觉的技术堡垒。近十年来，得益于深度学习等算法的突破、算力的不断提升以及海量数据的持续积累，人工智能逐渐从实验室走向产业实践，以算法、算力和数据为主旋律追求极致创新方面不断突破，为机器视觉实现更新迭代和提高应用价值的重要技术支撑。在人工智能领域的新兴技术中，采用 Burst Detection 算法探测出深度学习是当前受到广泛关注的人工智能新兴技术，深度学习是一种以人工神经为架构，对数据进行表征学习的算法，“深”主要体现在更深层次的神经网络和对特征的多次变换上，与相同参数数量的浅层网络相比，深度网络具备更好的特征提取和泛化推广能力，不断为图像识别领域带来进步。2007 年-2009 年，斯坦福教授李飞飞牵头构建起目前图像分类/检测/定位最常用数据集之一的 Image Net，2010-2017 年，基于 Image Net数据集的ILSVRC等一些大规模视觉识别挑战赛促进神经网络和深度学习技术的发展，如 AlexNet 能够将图片识别的错误率下降 14%，Google Brain 采用多 CPU 组合方式构建起深层次神经网络并应用于图像识别，取得突出成效等。

　　机器视觉与人工智能逐渐融合，引领向工业 4.0 的过渡。机器视觉是工业自动化的基础技术之一，通过搭载人工智能发展东风实现机器视觉的再一次迭代升级。此处东风一方面为深度学习的融合，赋予机器视觉更高的准确性和速度，另一方面则为视觉处理所服务的视觉处理器的能力呈现指数级增加，奠定机器视觉中深度学习推理/训练任务的硬件基础。复盘机器视觉发展，从能够自动执行简单任务的自动化机器，转型为视觉能力不受人类视觉能力极限约束、自主思考，从而能够长期对各种元素进行优化的自主型机器，AI+机器视觉有望能够渗透入工业制造达到全新的水平。

　　未来机器视觉将有望搭载更先进 AI 技术，切入更多差异化工业应用场景。ChatGPT 所引爆的人工智能话题正持续火热，根据中国信息通信研究院和中国人工智能产业发展联盟，当前重点逐渐从单点技术转化为实质应用转化阶段，而视觉人工智能已经泛起千层巨浪。 E世博认为，搭载 AI 技术的机器视觉可以进一步优化性能适配更多工业应用场景。一是深度学习为机器视觉延伸出多元的模型架构以及对应性能提升，如生成对抗网络（GAN）能够通过生成器和鉴别器的对抗训练，在生成图像方面的能力超过其他方法；注意力机制中的 ViT 则将 Transformer 架构直接应用到一系列图像块上进行分类任务，减少大量所需的预训练资源，即用于在图像处理方面；在人工智能算法的不断训练和学习下，图像识别误差不断缩�。岷匣魇泳跎璞冈诠ひ抵圃熘心芄环⒒佑乓熳饔�。二是 AI 技术可以对不同工程问题和工程参数进行建模，利用所采集的高质量数据进行模型的机器学习，模型与机械设备和生产现状深度绑定，以此为基础开发智能系统，继而产生即时可变的、可保持最优化的生产参数，最后交给基础自动化执行、实现机械化-自动化-数字化-智能化的全面升级。三是 AI 倒逼芯片算力持续提升，计算光学成为下一代机器视觉的突破口，依托算法的升级突破传统光学成像器件，进一步缩小设备尺寸，挖掘多样复杂的图像信息，推动机器视觉技术在工业场景中的进一步普及。

　　1.3. meta 发布 SAM 开启机器视觉 GPT 时刻

　　Segment Anything Model（SAM）项目是一个用于图像分割的新任务、模型和数据集。在数据收集循环中使用高效模型构建了迄今为止最大的分割数据集，在 1100 万张授权和尊重隐私的图像上有超过 11 亿个掩码。该模型被设计和训练为可提示的，因此它可以将零样本迁移到新的图像分布和任务。当该模型进行充分的网络语料训练后，发现其零样本性能甚至优于调整模型（Fine-tuned models）。 SAM 通过“提示学习”技术对新数据集和任务进行零样本和少样本学习。Meta 研究者提出了 promptable 分割任务，目标是在给定任何分割提示时返回有效的分割掩码。提示符只是指定要在图像中分割的内容，例如，提示符可以包括识别对象的空间或文本信息。有效输出掩码的要求意味着，即使提示是�：模⑶铱赡苤赶蚨喔龆韵螅ɡ纾纳郎系� 一个点可能表示衬衫或穿着它的人），输出也应该是其中至少一个对象的合理掩码。将提示分割任务作为预训练目标，并通过提示工程解决一般的下游分割任务。

　　SAM 由一个的图像编码器、一个提示编码器和一个预测分割掩码的掩码解码器组成。通过将 SAM 分离为图像编码器和提示符快速编码器/掩码解码器，相同的图像嵌入可以在不同的提示符中重用（及其成本分摊）。给定图像嵌入，提示编码器和掩码解码器在 web 浏览器中从提示符预测掩码的时间为 50ms。重点关注点、框和掩码提示，还用自由形式的文本提示呈现初步结果。为使 SAM 具有歧义性，设计了它来为单个提示预测多个面具，使 SAM 能够自然地处理歧义，如衬衫和人的例子。

　　SAM 有望助力机器视觉发展，带动 AI+制造业垂直领域技术革新。SAM 已经学会了关于物体的一般概念，并且它可以为任何图像或视频中的任何物体生成掩膜，甚至包括在训练过程中没有遇到过的物体和图像类型，无需额外的训练。Meta 预计，与专门为一组固定任务训练的系统相比，基于 prompt 工程等技术的可组合系统设计将支持更广泛的应用。SAM 可以成为 AR、VR、内容创建、科学领域和更通用 AI 系统的强大组件。比如 SAM 可以通过 AR 眼镜识别日常物品，为用户提供提示；SAM 还有可能在农业领域帮助农民或者协助生物学家进行研究。

2. 工业智改有望持续拓展行业发展空间

　　2.1. AI+机器视觉技术优势明显，政策+社会需求驱动中长期发展

　　人工智能持续放大机器视觉技术优势，有望在工业智改中大展身手。ChatGPT-4 为超级人工智能描绘雏形，有望开启新一轮生产力加速周期，制造业作为我国产业核心也将受益于 AI 的深度融合。与人眼相比，机器视觉在效率、精度、环境要求、安全性等各因素上都有明显的优势。同时，在 AI 深度学习+机器视觉的升级趋势下，将在工业自动化、数字化、柔性化、复杂性生产上贡献更高的适配度。传统的机器视觉技术需要将数据表示为一组特征，或输入到预测模型，从而得出预测结果，这是完成制定动作，较难适应未来柔性化的生产需求，尤其是在缺陷类型复杂化、细微化、背景噪声复杂等场景越来越难适用。搭载 AI 深度学习功能后，机器视觉将原始的数据特征通过多步的特征转换得到一种更高层次、更抽象的特征表示，并进一步输入到预测函数得到最终结果，基于深度学习的机器视觉在理想状态下可以结合机器视觉的效率与人类视觉的灵活性，从而完成日趋复杂环境下的检测，尤其是涉及偏差或极端环境，满足更多下游对瑕疵精度、通用性的严苛要求。AI+机器视觉有望赋能制造业，带动制造业价值链重构。

　　国家出台多项政策利好 AI+机器视觉行业发展。政策从拓展产业链应用场景、加强先进适用技术与设备研发以及发展机器视觉底层技术等方向促进中国机器视觉产业的发展，同时 AI+机器视觉技术与设备在“十四五”规划中受到高度重视，2021 年底《十四五智能制造发展规划》中重点强调高分辨率视觉传感器等基础零部件和装置，体现国家对机器视觉产业的重视和支持，2022 年的《十四五数字经济发展规划》再次强调发展机器视觉等技术应用于我国智改计划。良好的政策环境将在未来一定时期内为国内相关行业持续发展与突破奠定良好的环境基础。

　　人口红利退潮，机器替代需求中长期内仍有缺口。根据国家统计局数据，我国 2022 年末 60 岁以下人口占比 80.2%，伴随人口出生率从 2011 年的 13.27‰下降至 2022 年的 6.77‰，中国经济周刊预计 2030 年，中国 60 岁以下人口或将降至 75%。同时制造业就业人员从 2011 年的 4088 万人降至 2021 年的 3828 万人，而制造业劳动成本则从 36665 元飙升至 92459 元，据常州钟楼金隆控股集团，老龄化问题与出生率低迷将带来未来持续性劳动力供不应求和劳动力成本上升，这将不断刺激制造企业对智能化的需求持续扩张。机器视觉作为可替代人工具备效率更高、准确度更高、际成本低等优势技术，有望进一步提高其渗透率。

　　我国工业机器视觉应用渗透率仍有较大提升空间。中国工业机器视觉应用的渗透率仍处于较低的水平，仍有较大提升空间。根据快易理财网的数据，2021 年我国制造业增加值为 4.87 万亿美元，占全球比重 30.34%，相较之下，2021 年我国机器视觉产值占比仅为 17.18%。在制造业的转型升级推动下，机器视觉渗透率有望持续增加，国内庞大的制造业基数将持续释放较大的市场增量。同时，我国制造业人工智能应用市场的逐年递增反映出机器视觉的成长潜力，根据德勤数据，我国制造业人工智能应用市场从 2019 年的 12 亿元升至 2022 年的 37 亿元，预计 2025 年能够突破百亿。

　　2.2. AI+机器视觉持续赋能下游工业应用领域，有望受益于下游赛道的高景气

　　高成长性下游应用对精度要求严苛，倒逼 AI+机器视觉深度结合与升级。从需求端来看，机器视觉广泛应用于电子及半导体、汽车制造、食品包装、制药等领域，各个领域的应用场景具备较大差异性。2021 年我国消费电子、半导体、汽车为机器视觉领域的三大应用端，虽然机器视觉下游各行业对精度的要求不一，但整体来看，伴随主要应用端（消费电子、半导体、汽车、新能源）的升级迭代，对机器视觉技术的高精度需求相应提高，尤其需要深度学习的高度结合以适应下游应用的发展。

　　智能制造趋势是扩大机器视觉需求的关键引擎。以机器取代人工，能够帮助制造业实现自动化和智能化，是现代化制造提质、增效、降本、减排的推动力。随着我国进入全面推进智能制造阶段，机器视觉将持续向全行业渗透，应用市场需求急剧扩增，为机器视觉提供了较大的需求牵引，是机器视觉的重大战略机遇。同时根据凌云光 2022 年 7 月 14 日发布的投资者调研纪要显示，国内机器视觉的销售额在 2016-2019 年期间分别为 49、69、84、 103 亿元，虽在全国工业企业技改投资经费支出中的占比逐步提升，但也仅维持在 2%-3%，由此可见国内机器视觉在工业技改中的渗透率还处于相对较低水平，未来成长空间广阔。

　　2.2.1. 电子行业仍是机器视觉应用最广阔的下游领域

　　据常州钟楼金隆控股集团，电子信息制造行业自动化+标准化程度高，是机器视觉技术应用较早、应用最广的下游市场。根据 GGII 数据，我国 3C 电子行业机器视觉市场规模在 2021 年达到 40.62 亿元，同比增长 29.61%，2020-2025 年均复合增长率为 14.8%，该增长得益于 3C 电子产品规模的良好增长态势。2022 年以来，消费电子行业进入下行期，相对应机器视觉市场规模增速大幅放慢，但基于发展基础悠久，中短期内仍有望成为市场规模最大的下游市场。

　　3C 行业是工业视觉行业的应用标杆。全球机器视觉的崛起很大程度上得益于消费类电子行业的发展，一方面系元器件尺寸较小、检测要求高，适合使用机器视觉系统进行检测；另一方面该行业更新迭代快，生产设备的更新对上游机器视觉行业也产生了较大的需求。整体来看，在 3C 电子行业，元器件、部件和成品的制作各环节都需要机器视觉的协助，其中 70%的机器视觉产品用于检测环节，由于技术工艺的高要求，3C 电子行业设备制造对机器视觉技术存在刚性需求。

　　伴随 3C 产品不断升级，未来对机器视觉效率和精度有更高的要求。从消费电子行业趋势来看，目前机器视觉技术已经覆盖多个制造环节，同时消费者对消费电子的质量需求推动了消费电子产品需要通过更高效、更精细的机器视觉检测技术以提升产能和质量，机器视觉在电子行业的渗透率有望进一步提升。

　　2.2.2. 机器视觉为半导体的刚性需求有望受益于高景气赛道的需求扩张

　　半导体产业以其集成度高、精细度高的特点成为机器视觉技术大规模应用最早的领域之一。半导体行业机器视觉应用占比在 2020-2021 年间有所扩大。同时，根据 GGII 数据显示， 2021 年半导体行业机器视觉市场规模为 13.16 亿元，同比增长 42.73%，该增长主要系受益于 2021 年起我国各大半导体公司的扩产计划，直接影响了机器视觉在晶圆检测中的扩大应用，本轮缺芯推动了扩产潮开始陆续达产，随着各地新建晶圆产线陆续达产，短期内仍将利好机器视觉行业。根据 GGII 预测，2025 年半导体行业机器视市场规模将超过 40 亿元， 2020-2025 年均复合增长率约为 36%。

　　机器视觉在半导体制造过程中的速度和精确性优势明显。目前已涵盖半导体的外观缺陷、尺寸、数量、平整度、距离、定位、校准、焊点质量、弯曲度等的检测，同时覆盖晶圆制作中的检测、定位、切割、封装过程全程。相别与传统芯片检测与激光测量技术测量，基于机器视觉的芯片缺陷检测技术以更灵活、实时、非接触式、高能高精度的检测技术，在半导体行得到了更为广泛的应用。

　　未来，伴随车规级 IC 需求持续旺盛+消费级 IC 去库存到位+ChatGPT 带动的 AI 芯片需求，机器视觉行业作为半导体行业的刚性需求，将继续迎来行业规模的扩张。首先，车规级 IC 的景气度颇高，市场规模增长客观，据中国汽车工业协会统计，2022 年中国新能源汽车出货量达到 688.7 万辆，渗透率已超过 20%，汽车芯片在新能源汽车高速增长下，需求将持续扩大，以 MCU 为例，相比于传统汽车的 70 颗/辆的配置，智能汽车可达到 300 颗/辆。其次，景气下行的消费级 IC 有望在 2023 年恢复正�？獯嬗爰鄹袼剑痹谙训缱有� 业 2023 进入业绩修复期的背景下，需求向上波动或将带来半导体供给端补库存，迎来景气上行拐点。再者，2023 年引起关注的 ChatGPT 有望成为半导体产业发展新动能，以 ChatGPT 为代表的相关 AI 应用涌现带来庞大算力缺口，GPU 等 AI 芯片作为算力承载主体有望迎接放量预期。E世博认为，机器视觉作为芯片制造的刚性需求，将有望受益于芯片市场的高景气发展。

　　2.2.3. 机器视觉的汽车检测市场稳固，搭载 AI 助力突破自动驾驶

　　汽车领域在机器视觉应用中为长期高位发展的个中翘楚。根据 GGII 的数据，2021 年汽车行业机器视觉市场规模为 14.21 亿元，同比增长 38.1%。比较同期全国乘用车销量与新能源车销量的情况，2021 年全国乘用车销量同比增长 3.8%，新能源汽车销量同比增长 157.5%，可见汽车机器视觉的增长速度（38.1%）落后于新能源汽车的增长速度（157.5%），主要系因为传统汽车领域仍为机器视觉的主要应用领域。未来，随着新能源汽车领域机器视觉需求的持续探索，有望成为机器视觉的成长新动力，根据 GGII 的预测，2025 年机器视觉汽车行业将接近 40 亿元，2020-2025 年均复合增长率达到 30%。

　　机器视觉在汽车产线柔性化、自动化生产中优势明显。目前机器视觉技术主要用于在装配的在线检测和零部件的离线检测及表面检测，如面板印刷检测、字符检测、精密测量、工件表面缺陷检测、自有曲面检测等，以及大型工件的搬运、上下料等。随着汽车保有量的增加+汽车质控政策的强化，对汽车检测提出更高的要求，传统人工检验方式/检具方案由于难以满足柔性化、自动化与高效化生产，逐渐被机器视觉技术所替代。机器视觉通过视觉读码技术+固定点位对整车外观拍照+视觉引导技术+尺寸检测精确度高的特性，可以检测零部件的尺寸、安装情况，引导机器人进行最佳匹配安装、虚拟安装，与传统人工检验方法相比，能够提高汽车生产效率及质量保证，同时节省人力与时间成本。

　　未来汽车领域智能化将为机器视觉释放汽车电子新增量市场。汽车的智能化、轻量化对检测提出了更高的要求，继而对机器视觉技术的需求也响应的提高，汽车制造行业成为机器视觉主力应用市场。过去汽车以机械构件为主，在智能汽车发展中，电子零部件的占比将不断提高，大量的雷达（激光、厘米波、毫米波、超声波）、传感器、通信（GPS、DSRC、 4G/5G）、摄像头、监控、检测、娱乐系统将会被装载在汽车上，以单车电子件价值 6 万元、国内 2022 年新能源汽车出货量为 688.7 万台来计算，国内智能汽车硬件市场将达到 4132.2 亿元左右。随着未来新能源汽车渗透率不断加深，机器视觉技术有望迎来新能源汽车的需求。

　　2.2.4. 锂电池推动机器视觉+AI 持续升级，下游市场稳定增长

　　新能源有望成为机器视觉行业未来最大增量市场。根据 GGII 数据，2021 年机器视觉在新能源行业的销售额增速最快，2021 年同比增长 60%，远超行业平均水平。

　　锂电池工艺复杂性催发机器视觉搭载深度学习实现算法升级。机器视觉在锂电池生产工艺中应用广泛，锂电池制备工艺的复杂性使得在多个工序均需要不同机器视觉检测系统的介入。同时，动力电池视觉检测的新需求对传统算法提出挑战，由于传统算法无法解决焊接环节的检测痛点，该领域对深度学习检测技术使用依赖程度有望逐渐攀升。随着电芯、模组、PACK 测量要求的不断提高，被测物体条件愈发复杂，全线视觉检测已逐渐成为动力电池厂商标配，带动机器视觉高速发展。

　　锂电池作为新能源汽车的主流动力电池，有望长期受益于新能源汽车销量增长从而拉动机器视觉的市场规模增长。我国新能源汽车销量从 2017 年的 77.7 万涨至 2022 年的 688.7 万，2017-2022 年均复合增长率达到 54.71%，从而带动了我国锂电池产量。国家统计局的数据显示，2021 年中国锂电池产量已经达到 232.6 亿只，同比增长 23.4%。新能源汽车渗透率在 2022 年突破 20%大关，根据“创新扩散曲线”模型，当创新产品市占率突破 10% 后将迎来最为陡峭的生长曲线，新能源汽车行业有望迎来倍速增长，以锂电池为代表的动力电池需求量亦有望持续提升，在锂电市场持续向好的背景下，使用机器视觉的检测需求随之提升。根据 GGII 机构调研测算，锂电池单 GWh 产线对机器视觉需求的价值量中枢约为 700 万，按照当前各家锂电池厂商的扩产计划，到 2025 年的投产产能有望超过 2TWh，相比于当前的产能，未投产产能累计超过 1300GWh，其中潜在未释放的机器视觉订单需求超过 90 亿元。

　　2.2.5. 光伏扩产已箭在弦上，对机器视觉需求同样旺盛

　　机器视觉的光伏应用赛道蓬勃发展，国内厂商优势凸显。新能源板块除了锂电池外，光伏也是另一值得重点关注的行业。近年光伏行业的迅猛发展，据亿欧智库，2021 年我国太阳能电池产量达到 23405wKW，同比增长 42.1%，行业迎来加速成长期，同期带动机器视觉的光伏行业应用规模达到 6.5 亿元，2019-2021 年 CAGR 达到 58%。目前光伏产业链的硅片检测市场由德国 Hennecke 占有主导份额，国内天准科技、奥特维等厂商目前也在切入光伏赛道，天准科技应用于光伏硅片检测的智能检测性能较为成熟，与国际领先的 Hennecke 产品技术相当，实现对 Hennecke 公司等国际先进同行产品的替代。

　　光伏生产工艺的高精度或使得机器视觉成为标配。光伏电池片检测为了追求更高的效率并降低成本，需要不断优化生产流程及技术。在光伏电池板的生产过程，会出现缺角、裂痕、黑斑及黑心等各类缺陷，这些缺陷的存在可能会影响电池片的性能和稳定性。因此对光伏行业而言，引入持续有效的缺陷检测方法至关重要，其应用效果已经得到了行业的认可，而机器视觉的介入能够实现来料硅片质量监控、过程电池片的缺陷监控以及成品电池片保证。电池片生产质量监控系统的每个工艺都有提供对应的光机视觉模组，可快速配置，提供高质量的视觉成像效果。

　　光伏扩产+平价上网将行业高景气蔓延至机器视觉检测行业。光伏发电在能源供应体系中占据越来越重要的地位，推动光伏行业的快速增长，而我国光伏产业是战略性新兴产业，在制造业规模、产业化技术水平、应用市场拓展、产业体系建设等方面均位居全球前列。从制造端来看，产业规模实现持续增长，根据工业和信息化部公开数据，2022 年全年光伏产业链各环节产量再创历史新高，全国多晶硅、硅片、电池、组件产量分别达到 82.7 万吨、357GW、318GW、288.7GW，同比增长均超过 55%，行业总产值突破 1.4 万亿元人民币。具体落到 2022 年产量来看，多晶硅产量 82.7 万吨，同比增长 63.4%；硅片产量 357GW，同比增长 57.5%，电池片产量 318GW，同比增长 60.7%，组件产量 288.7GW，同比增长 58.8%，该扩产将在未来 1-2 年内持续带来行业的高景气预期。从应用端来看 2022 年我国光伏新增装机 87.41GW，同比增长 59.3%，CPIA 保守预计到 2025/2030 年我国光伏新增装机预测将达到 100GW/120GW。同时，未来在规模化开发与技术进步的驱动下，我国光伏行业成本快速降低，2021 年光伏发电的平均度电成本甚至可以与燃煤发电（0.33-0.45 元/千瓦时）相竞争，逐渐实现平价上网，渗透率有望加速提升。E世博认为，机器视觉检测作为光伏产业中的必不可少的环节，有望受益于光伏赛道的持续火热。

　　人工智能助力机器视觉检测在光伏生产实现灵活性与自动化。当前光伏产线所使用的自动化设备往往来自多家设备，搭载的视觉系统一般是满足其特定需求而开发的，因此每台设备呈现给工作人员的界面与运算逻辑均不相同，该使用门槛造成设备难以同步快速投产。同时光伏生产工艺复杂、多样，辅材和订单标准的频繁切换，对机器视觉的柔性生产提出极高的要求。而人工智能在算法的进步为该行业痛点提供新的解决思路，以维视智造的光伏视觉检测系统为例，通过小样本训练、无训练模式、深度学习前沿算法和智能迭代功能等，可以为企业大幅降低未来换产难度，同时大幅提高精准缺陷检出率和生产效率，能够提升 40%的生产效率，将缺陷检出率控制在 99.5%，进一步扩大对光伏行业产业链的全覆盖渗透。

3. 机器视觉产业链厚积薄发，国内市场增速或将领先全球水平

　　3.1. 25 年全球有望达千亿市场规模，中国或将增速领先全球

　　25 年全球有望达到千亿市场规模，中国增速或将领先全球。根据 Markets and Markets 统计，全球机器视觉市场规模在 2021 年达到 804 亿元，同比增长 12.15%。2021 年全球传统工业复苏和新能源行业的蓬勃发展拉动了相关企业的扩产需求，工业检测、锂电池等视觉检测产品需求有所增长，未来 AI+将给予行业更大想象空间，扩大机器视觉的应用范围，预计在 2025 年市场规模达到 1276 亿元，2022-2025 年均复合增长率预计约为 13.22%。2021 年，物流仓储、新能源行业的蓬勃发展拉动了相关企业的扩产需求，视觉检测产品需求增长明显，GGII 数据显示，2021 年中国机器视觉市场规模 138.16 亿元（该数据未包含自动化集成设备规模），同比增长 46.79%，增长速度远高于全球平均水平，未来得益于后疫情下宏观经济的回暖、制造业自动化升级、政策支持等因素，中国机器视觉行业规模有望进一步增长。其中，2D 视觉市场规模约为 126.65 亿元，3D 视觉市场约为 11.51 亿元；传统工业产品的回暖也为机器视觉带来生机，增长趋势明显。GGII 预测，至 2025 年我国机器视觉市场规模将达到 349 亿元，其中，2D 视觉市场规模将超过 291 亿元，3D 视觉市场规模将超过 57 亿元。

　　3.2. 机器视觉产业链/成本占比：工业相机及软件算法为关键

　　机器视觉作为智能制造中不可或缺的重要部分，发展空间的释放需要充分挖掘产业链相关环节。机器视觉产业链的上游主要为 LED、CCD、CMOS、光学材料、电子元器件、五金结构件等原材料。由于机器视觉是由多个部件组成，每个部件的原材料均有不同，因此，产业链上游涉及的行业范围较为宽广。国外领先企业例如基恩士、康耐视、�？怂箍�、Basler AG 四家企业，主要布局机器视觉产业链的中上游业务；国内布局机器视觉产业链上游领域的企业主要有�？低印⑻熳伎萍�。机器视觉产业链中游主要为系统集成商和装备制造商，系统集成商通常直接采购视觉软件、传感器、驱控系统等核心零部件，通过简单的二次开发和组装完成设备生产，不具备自由机器视觉算法、软件以及视觉传感器和精密驱控等核心技术，通常不具备整台装备的设计生产能力。机器视觉产业链的下游主要为运用机器视觉技术的设备制造行业和终端用户，所涉范围十分广泛，如汽车、医药、化学、电子、半导体、印刷、食品饮料、物流、烟草、医疗、电池等。

　　纵观整条产业链，成本价值量的关键当属上游环节的工业相机和底层软件算法。

　　工业相机是机器视觉设备中价值量最高的核心组件（价值量占比约为 23%），由图像传感器、图像采集卡与各类芯片组成，技术壁垒较高。工业相机本质的功能就是将光信号转变成为有序的电信号，再将该信号模数转换并送到处理器后以完成图像的处理、分析和识别。与普通相机相比，工业相机需要更高的传输力、抗干扰能力以及稳定的成像能力。市面上的工业相机主要有面阵相机、线阵相机、3D 相机以及智能相机。目前，全球工业相机行业由欧美品牌占据主要市�。庵笠等绲鹿� Basler、加拿大 DALSA、美国康耐视等；我国对于工业相机的研究起步较晚，工业相机行业主要布局于中低端市�。┠晡夜仓鸩椒⒄钩鲆慌灾餮蟹⒐ひ迪嗷墓放疲� 逐步实现进口替代。

　　底层软件算法对所获得的视觉信号进行处理是机器视觉系统的关键所在，一般来说，掌握底层软件算法的公司更容易形成自身优势。在工业领域，成熟的视觉算法软件已经有很多，包括 Vision pro、halcon、opevCV、Mil、Hexsight、evision 等。参考拥有广受好评的机器视觉软件 Vision Pro 的厂商康耐视，不断革新升级 VisionPro，如 2018 年推出具有里程碑意义的工业图像分析软件 Vision Pro ViDi 套件，助其突破高原瓶颈 +维持毛利率高位。E世博将持续看好布局研发投入相机性能与底层软件算法的企业，国内代表厂商包括天准科技、凌云光、�？低拥�。

　　3.3. 国内外竞争格局：国外巨头优势显著，国内厂商成长后劲充足

　　全球市场巨头优势显著，国内厂商仍待突破垄断藩篱。全球机器视觉市场以康耐视（美国）、基恩士（日本）、巴斯勒（德国）为代表的企业占据全球超过 50%的市场份额，以康耐视和基恩士为代表的双巨头以入局早、扎实产品技术、广泛应用场景经验的优势提前占据市场优势。而中国机器视觉行业相对国际机器视觉市场发展较晚，目前主流仍是国际厂商。在中国传统制造业自动化与数字化转型升级的驱动以及国内技术不断更新迭代的背景下，中国厂商的市场规模渐长，根据中国企业数据库企查猫，目前中国机器视觉行业的主要企业共有 7114 家，其中以 2017-2019 年为主要注册热潮，2019 年注册企业数量为 891 家，数量最多，而 2022 年仅新增了 20 家机器视觉企业。然而从企业营收层面，国内厂商的规模仍待扩张，通过横向比较，基恩士与康耐视为代表的国外厂商在大中华区的收入稳定增长，2021 年两家巨头在华营收达到 9.91 亿美元，同比增长33.2%，占国内机器视觉产业约47%的市场份额，两家巨头在华营收总和在2018-2021 年均复合增长率为 10.90%，略高于国内 5 家龙头厂商 2018-2021 年间 7.85%的年均复合增长率。国内代表企业 2021 年总营收为 77.01 亿元，同比增长 25.06%，可见以凌云光、天准科技等为代表的国内龙头厂商对国内市场的渗透仍有广阔的提高空间。

　　3.4. 上游各环节发展程度不一，国产高端化为市场扩张的方向

　　国内机器视觉上游行业仍处于成长阶段，增长速度大致相当。光源市场是国内厂商最早入场机器视觉领域的环节，国内发展较为成熟，国产化程度较高，竞争较为充分，本土厂商主要有奥普特、沃德普、康视达、纬朗光电等。工业相机为上游产业链中高价值的环节，工业相机是工业视觉核心零部件，作为新兴技术被寄予厚望，被认为是自动化行业具备光明前景的细分市场。根据 CMVU 公开数据，2021 年我国工业相机市场规模约为 28.83 亿元至 48.84 亿元，2022 年至 2025 年，我国工业相机市场规模将有望保持 40%以上的复合增速增长，预计 2025 年国内工业相机市场规模将要超过 125 亿元，伴随国内工业自动化水平的提升，机器视觉在各行业渗透率有望加速，将进一步提升工业相机的市场空间。工业镜头在中国市场增长速度快，2019 年达到 46%的增速，这主要得益于光学镀膜技术的快速进步，产品良率以及光学设计效率大大提升，以及新型加工工艺极大提升组装效率和产品稳定性，确保工业镜头稳定增长的出货量。视觉软件市场需求规模整体增长速度快，2021 年以 46.31%的增速攀升至 47.01 亿元，随着未来机器视觉在各行业中的持续渗透，GGII 预计在 2025 年该规模将接近 150 亿元。图像处理软件领域主要由海外厂商主导，包括康耐视、Mvtec、Adept 等，底层算法领域基本由外资垄断。相比国外厂商而言，我国机器视觉软件系统起步晚，较少拥有独立底层算法，该部分所需时间+资金成本高，目前国内如凌云光、天准科技不断投入底层算法的研究，仍在持续优化与研发中。

　　3.5. 国产替代奠定上游竞争基调，AI 浇灌下滋润工业相机与软件环节升级

　　3.5.1. AI+核心硬件，以智能相机为代表持续拓展应用场景

　　AI 产业化催生工业智能相机的发展契机，拓宽应用场景。从某种意义上理解机器视觉中的核心要件“智能相机”，即工业相机+视觉控制系统的集成，它将图像的采集、处理与通信功能集成于单一相机内，从而提供了具备多功能、�？榛�、高可靠性、易于实现的机器视觉解决方案。随着芯片技术日益成熟，尤其是应用最新的 DSP、FPGA 及大容量存储技术，摄像头中加入 AI 芯片使其具备强大的视频图像采集技术和数据分析存储能力，智能化程度不断提高，满足多种机器视觉的应用需求。

　　中国工业领域相关市场发展空间广，国际厂商仍占据智能相机的技术优势。国内市场来看， CMVU 调查数据显示 2021 年机器视觉的工业相机市场规模为 48.48 亿元，其中智能相机占比 6.1%，达到 9.99 亿元，未来随着机器视觉在工业领域上的应用越来越深入自动化层面，工业相机的功能也日渐趋于智能化，有望进一步扩大相关市场规模，2024 年的市场规模将达到 24.62 亿元。该占比有望进一步扩大。从竞争格局来看，全球工业智能相机市场的市场集中度较高，率先布局智能相机的康耐视和基恩士市占率超过 70%，这主要系国外产品软硬件优势明显，具备发展智能相机的契机。国内厂商通过多年自主研发的努力，已经在关键技术上取得突破，如光虎、华睿等，不断推出智能工业相机系列产品，通过性价比优势挤占国外厂商市场份额。

　　AI+智能相机能够面向工业全场景，一体化+适用性+效率高的优势明显。与 PC-base 方案比较中，不仅能够做到性能稳定，效率提高，并且有着三大优势：一是轻量级一体化，AI 智能相机一改传统 PC 方案中的显卡、内存、硬盘、CPU、IO 卡、主板、机箱、电源、相机转化成一台小而美的智能相机，大大降低成本；二是适用性扩充，AI 智能相机凭借核心视觉算法和深度学习技术，可以满足不同业务场景的需求，实现多行业的低门槛通用性。三是效率大幅提高，AI 智能相机的无代码 AI 部署平台，最大程度地降低对操作人员的专业要求，提供了具有多功能、�？榛�、高可靠性、易于实现的机器视觉系统解决方案，节省了 90%的 AI 部署时间。

　　智能相机是自动化行业中高潜力的细分市�。型贫魇泳跸低车慕徊狡占�。未来随着智能相机技术和物联网的进一步融合发展，智能相机具有成本效益、紧凑、灵活、功能强大的优势将进一步放大，基于智能相机的机器视觉系统普及度将进一步提高，尤其是成为现代工业自动化的一大核心环节，植入推理性能视觉处理控制系统的智能相机在将来有望占有视觉智能硬件市场发展的重要板块。

　　3.5.2. AI+软件铸就行业核心壁垒，国产替代正当时

　　机器视觉行业所要求的技术精准度较高，负责处理图像的机器视觉软件是系统的核心。机器视觉当前比较流行的开发模式是“软件平台+视觉开发包”，开发包是基于软件平台对各种常用图像处理算法进行封装，用以实现对图像分割、提取、识别和判断等功能，进一步安装在上位记或内嵌至工业模板中，实现人机交互的功能，常见的软件包可分为通用工具 MATLAB、OpenCV 等和机器视觉专用工具 Vision Pro， Halcon 等。其中，算法是机器视觉的灵魂，以天准科技为例的国内机器视觉企业投入研究算法包括 2D 视觉算法、基于深度学习缺陷检测算法、3D 视觉算法、3D 点云处理、多传感器融合标定等。

　　我国机器视觉的“软实力”仍大有可为。根据 GGII 数据，2021 年中国机器视觉软件市场需求规模为 47.01 亿元，同比增长 46.31%，远高于 GGII 所统计的机器视觉品牌软件销售额 18.8 亿元。这主要系国内的机器视觉厂商大多数是自主研发软件或开源平台（如 OpenCV）的二次开发，但该模式在性能、效率和稳定性上与专用视觉软件开发包相比仍存在较大差距，因此未来随着视觉应用要求渐高，将会有越来越多机器视觉厂商选择购买专业视觉公司开发的视觉算法平台。同时，2019-2021 年间机器视觉行业对 AI 驱动解决方案研发投入占比最高，分别为 18.1%、18.7 和 21.8%，GGII 预计，2025 年机器视觉软件市场将有望增长至 150 亿，2021-2025 年均复合增长率超过 30%，中国视觉算法软件的潜在市场空间较大。

　　E世博认为国内切入软件市场机器视觉企业具有较高成长性。首先以软件的技术密集型特点打造公司壁垒，底层算法建设需要投入周期长+持续资金注入，一旦形成将成为公司稳定营收与毛利率的护城河，具有难以替代的优势。其次是融合人工智能的机器视觉算法能够扩充硬件产品的通用性与不可替代性，如通过深度学习对模型鲁棒性的提升，有望拓展机器视觉的应用场景，同时通过模型、算法、指令优化提升整体检测速度，适应旋转、缩进、平移、色差、光照强度等变化，使得机器视觉系统更佳具备柔性与通用性，加速其在工业领域的渗透。最后国内厂商自研的底层算法与数据库能够更贴合国内终端客户需求，在易用性上具备先天的本土化优势，以易用性的优势有望取代国际厂商提供的软件算法平台。

4. 投资分析

　　AI 技术产业化有望将机器视觉打造为未来明星赛道，持续关注国内产业链相关公司。机器视觉行业正在经历快速的阶段，经过一段时间的普及与推广，机器视觉应用范围逐渐扩大，机器视觉赛道持续火热，据 IT 桔子和中商产业研究院统计，截至 2022 年 7 月机器视觉行业的投资事件共 42 起，投资金额达到 77.41 亿元，此外老牌厂商“凌云光”成功跑入资本市场，在科创板挂牌上市。E世博认为，在就业人口数量增长放缓、用工成本持续攀升、机器视觉的技术优势等因素影响下，或将带来机器替人的刚需趋势，整个产业链有望在乐观预期中飞速发展。

对标海外巨头发展布局，结合上游环节和中游集成环节的企业将以高客户粘性+核心技术壁垒赢取更大市场份额。当前国内视觉企业以中游机器视觉设备和系统集成商为主，为客户提供整套解决方案，对比国外布局中上游的巨头基恩士、康耐视的毛利率仍处于明显下风。但近年国内集成端厂商在某一行业下游完成布局后开始逐步向上游底层延伸，尝试进行核心软硬件的进口替代，这主要系上游标准化实现规模化生产+核心技术打造行业壁垒，延伸至上游的机器视觉厂商拥有更好的盈利能力。复盘基恩士、海克斯康、康耐视等海外行业巨头，同时提供机器视觉系统以及上游核心要件，平均毛利率高达 70%，康耐视主要得益于底层技术突破+标准产品及不同行业解决方案的开发，基恩士则凭借强大的产品开发能力+广泛的产品类型+顾问式营销模式成长为行业龙头，�？怂箍挡季止ひ等砑际�+ 传感器等核心技术实现软硬件的快速敏捷协同。对比海外巨头的发展布局，E世博认为国内奥普特等综合厂商仍有广阔的上升空间。综合来看，机器视觉行业市场空间大、产业链长，重视研发能力、延伸高价值上游环节（核心零部件和底层算法）的国内企业有望在国产替代趋势下脱颖而出。

返回列表

机器视觉行业研究：AI+制造业赋能，机器视觉开启掘金新大陆

1. 机器视觉—智能制造之眼

2. 工业智改有望持续拓展行业发展空间

3. 机器视觉产业链厚积薄发，国内市场增速或将领先全球水平

4. 投资分析

上一篇

下一篇

E世博·esball(中国区)官方网站官方微信

机器视觉行业研究：AI+制造业赋能，机器视觉开启掘金新大陆

1. 机器视觉—智能制造之眼

2. 工业智改有望持续拓展行业发展空间

3. 机器视觉产业链厚积薄发，国内市场增速或将领先全球水平

4. 投资分析

上一篇

下一篇

机器视觉行业研究：AI+制造业赋能，机器视觉开启掘金新大陆