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)
?。▓蟾娉銎贩?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(zhì)是機器的眼睛和大腦
機器視覺技術(shù)使得工業(yè)設(shè)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(jié)果來執(zhí)行相應(yīng)的活動。
據(jù)億歐智庫所稱機器視覺是人工智能領(lǐng)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(nèi)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(chǔ)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(shù)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(shù)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(yīng)用價值的重要技術(shù)支撐。在人工智能領(lǐng)域的新興技術(shù)中，采用 Burst Detection 算法探測出深度學習是當前受到廣泛關(guān)注的人工智能新興技術(shù)，深度學習是一種 以人工神經(jīng)為架構(gòu)，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(luò) 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(luò)相比，深度網(wǎng)絡(luò)具備更好的特征提取 和泛化推廣能力，不斷為圖像識別領(lǐng)域帶來進步。2007 年-2009 年，斯坦福教授李飛飛牽 頭構(gòu)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(luò)和深度學習技術(shù)的 發(fā)展，如 AlexNet 能夠?qū)D片識別的錯誤率下降 14%，Google Brain 采用多 CPU 組合方式 構(gòu)建起深層次神經(jīng)網(wǎng)絡(luò)并應(yīng)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(lǐng)向工業(yè) 4.0 的過渡。機器視覺是工業(yè)自動化的基礎(chǔ)技 術(shù)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(wù)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(wù)的硬件基礎(chǔ)。復(fù) 盤機器視覺發(fā)展，從能夠自動執(zhí)行簡單任務(wù)的自動化機器，轉(zhuǎn)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(shù)，切入更多差異化工業(yè)應(yīng)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(shù)轉(zhuǎn)化為實質(zhì)應(yīng)用轉(zhuǎn)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(shù)的機器視覺可以進一步優(yōu)化性能適配更多工業(yè)應(yīng)用場景。一是深度 學習為機器視覺延伸出多元的模型架構(gòu)以及對應(yīng)性能提升，如生成對抗網(wǎng)絡(luò)（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(gòu)直接應(yīng)用到一系列圖像塊上進行分類任務(wù)，減少大量所需的預(yù)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(jié)合機器視覺設(shè)備在工業(yè)制造中能夠發(fā)揮優(yōu)異作用。二是 AI 技術(shù)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(zhì)量數(shù)據(jù)進行模型的機器學習，模型與機械設(shè) 備和生產(chǎn)現(xiàn)狀深度綁定，以此為基礎(chǔ)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(chǔ)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(shè)備尺寸，挖掘多樣復(fù)雜的圖像信息，推動機器視覺 技術(shù)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(wù)、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(gòu)建了迄今為止最大的分割數(shù)據(jù)集，在 1100 萬張授權(quán)和 尊重隱私的圖像上有超過 11 億個掩碼。該模型被設(shè)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(wù)。當該模型進行充分的網(wǎng)絡(luò)語料訓練后，發(fā)現(xiàn)其零樣本 性能甚至優(yōu)于調(diào)整模型（Fine-tuned models）。 SAM 通過“提示學習”技術(shù)對新數(shù)據(jù)集和任務(wù)進行零樣本和少樣本學習。Meta 研究者提 出了 promptable 分割任務(wù)，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(nèi)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(yīng)該是其中至少一個對象的合理掩碼。將提 示分割任務(wù)作為預(yù)訓練目標，并通過提示工程解決一般的下游分割任務(wù)。
SAM 由一個的圖像編碼器、一個提示編碼器和一個預(yù)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(yù)測掩碼的時間為 50ms。重點關(guān)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(jié)果。為使 SAM 具有歧義性，設(shè)計了它來為單個提示預(yù)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(lǐng)域技術(shù)革新。SAM 已經(jīng)學會了關(guān)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(yù)計，與專門為一組固定任 務(wù)訓練的系統(tǒng)相比，基于 prompt 工程等技術(shù)的可組合系統(tǒng)設(shè)計將支持更廣泛的應(yīng)用。SAM 可以成為 AR、VR、內(nèi)容創(chuàng)建、科學領(lǐng)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(nóng)業(yè)領(lǐng)域幫助農(nóng)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(shù)優(yōu)勢明顯，政策+社會需求驅(qū)動中長期發(fā)展
人工智能持續(xù)放大機器視覺技術(shù)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(fù)雜性生產(chǎn)上貢獻更高的適配度。傳統(tǒng)的機器視覺技術(shù)需要將數(shù)據(jù)表示為一組特 征，或輸入到預(yù)測模型，從而得出預(yù)測結(jié)果，這是完成制定動作，較難適應(yīng)未來柔性化的 生產(chǎn)需求，尤其是在缺陷類型復(fù)雜化、細微化、背景噪聲復(fù)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(zhuǎn)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(yù)測函數(shù)得到最終結(jié)果，基于深度學習的機器視覺在 理想狀態(tài)下可以結(jié)合機器視覺的效率與人類視覺的靈活性，從而完成日趨復(fù)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(gòu)。
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(yīng)用場景、加強先進適 用技術(shù)與設(shè)備研發(fā)以及發(fā)展機器視覺底層技術(shù)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(shù)與設(shè)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(diào)高分辨率視覺傳感器等基礎(chǔ)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(diào)發(fā)展機器視覺等技術(shù)應(yīng) 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(nèi)為國內(nèi)相關(guān)行業(yè)持續(xù)發(fā)展與突破 奠定良好的環(huán)境基礎(chǔ)。
人口紅利退潮，機器替代需求中長期內(nèi)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(yù)計 2030 年，中國 60 歲以下人口或?qū)⒔抵?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(yīng) 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(shù)，有望進一步提高其滲透率。
我國工業(yè)機器視覺應(yīng)用滲透率仍有較大提升空間。中國工業(yè)機器視覺應(yīng)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(zhuǎn)型升級推動下，機器視覺滲透率有望持續(xù)增加，國內(nèi)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(yīng)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(yīng)用市場從 2019 年的 12 億元升至 2022 年的 37 億元，預(yù)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(yīng)用領(lǐng)域，有望受益于下游賽道的高景 氣
高成長性下游應(yīng)用對精度要求嚴苛，倒逼 AI+機器視覺深度結(jié)合與升級。從需求端來看， 機器視覺廣泛應(yīng)用于電子及半導(dǎo)體、汽車制造、食品包裝、制藥等領(lǐng)域，各個領(lǐng)域的應(yīng)用 場景具備較大差異性。2021 年我國消費電子、半導(dǎo)體、汽車為機器視覺領(lǐng)域的三大應(yīng)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(yīng)用端（消費電子、 半導(dǎo)體、汽車、新能源）的升級迭代，對機器視覺技術(shù)的高精度需求相應(yīng)提高，尤其需要 深度學習的高度結(jié)合以適應(yīng)下游應(yīng)用的發(fā)展。
智能制造趨勢是擴大機器視覺需求的關(guān)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(zhì)、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(yīng)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(diào)研紀要顯示，國內(nèi)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(nèi)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(yīng)用最廣闊的下游領(lǐng)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(shù)應(yīng) 用較早、應(yīng)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(fù)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(yīng)機器 視覺市場規(guī)模增速大幅放慢，但基于發(fā)展基礎(chǔ)悠久，中短期內(nèi)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(yīng)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(shè)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(shù)工藝的高要求，3C 電子行業(yè)設(shè)備制造對 機器視覺技術(shù)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(shù)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(zhì)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(shù)以提升產(chǎn)能和質(zhì)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(dǎo)體的剛性需求有望受益于高景氣賽道的需求擴張
半導(dǎo)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(shù)大規(guī)模應(yīng)用最早的領(lǐng)域之一。 半導(dǎo)體行業(yè)機器視覺應(yīng)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(dǎo)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(dǎo)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(yīng)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(nèi)仍 將利好機器視覺行業(yè)。根據(jù) GGII 預(yù)測，2025 年半導(dǎo)體行業(yè)機器視市場規(guī)模將超過 40 億元， 2020-2025 年均復(fù)合增長率約為 36%。
機器視覺在半導(dǎo)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(dǎo)體的外觀缺陷、 尺寸、數(shù)量、平整度、距離、定位、校準、焊點質(zhì)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(shù)測量，基 于機器視覺的芯片缺陷檢測技術(shù)以更靈活、實時、非接觸式、高能高精度的檢測技術(shù)，在 半導(dǎo)體行得到了更為廣泛的應(yīng)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(dǎo)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(fù)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(fù)期的背景下，需求向上波動或?qū)戆雽?dǎo)體供給端補庫存，迎來景 氣上行拐點。再者，2023 年引起關(guān)注的 ChatGPT 有望成為半導(dǎo)體產(chǎn)業(yè)發(fā)展新動能，以 ChatGPT 為代表的相關(guān) AI 應(yīng)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(yù)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(lǐng)域在機器視覺應(yīng)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(lǐng)域仍為機器視覺的主要應(yīng)用領(lǐng)域。未來，隨著新能源汽車領(lǐng)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(yù)測，2025 年機器視覺汽 車行業(yè)將接近 40 億元，2020-2025 年均復(fù)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(shù)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(zhì)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(shù)所替代。機器視覺通過視 覺讀碼技術(shù)+固定點位對整車外觀拍照+視覺引導(dǎo)技術(shù)+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(dǎo)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(zhì)量保證，同時節(jié)省人力與時間成本。
未來汽車領(lǐng)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(shù)的需求也響應(yīng)的提高，汽車制造行業(yè)成為機器 視覺主力應(yīng)用市場。過去汽車以機械構(gòu)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(nèi) 2022 年新能源汽車出貨量為 688.7 萬臺來計算，國內(nèi)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(shù)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(fù)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(yīng)用廣泛，鋰電池制備工藝的復(fù)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(lǐng)域?qū)ι疃葘W習檢測技術(shù)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(fù)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(fù)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(guān)，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(gòu)調(diào)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(yīng)用賽道蓬勃發(fā)展，國內(nèi)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(guān)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(yīng)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(dǎo)份額，國內(nèi)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(yīng)用于光伏硅片檢測的智能檢測性能較為成熟，與國際領(lǐng)先的 Hennecke 產(chǎn)品技術(shù)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(shù)。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(guān)重要，其應(yīng)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?qū)崿F(xiàn)來料硅片質(zhì)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(zhì)量監(jiān)控系統(tǒng)的每個工藝都有提供對應(yīng)的光機視覺模組，可快速配置，提 供高質(zhì)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(yīng)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(shù)水平、應(yīng)用市場拓展、產(chǎn)業(yè)體系建設(shè)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(nèi)持續(xù)帶來行業(yè)的高景氣預(yù)期。從應(yīng)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(yù)計到 2025/2030 年我國光伏新增裝機預(yù)測 將達到 100GW/120GW。同時，未來在規(guī)?；_發(fā)與技術(shù)進步的驅(qū)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(shè)備往往來自多家設(shè)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(shè) 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(shè)備難以同步快速投產(chǎn)。 同時光伏生產(chǎn)工藝復(fù)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(nèi)市場增速或?qū)㈩I(lǐng)先全球水平
3.1. 25 年全球有望達千億市場規(guī)模，中國或?qū)⒃鏊兕I(lǐng)先全球
25 年全球有望達到千億市場規(guī)模，中國增速或?qū)㈩I(lǐng)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(fù)蘇和新能源行業(yè)的蓬勃發(fā)展拉動了相關(guān)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(yīng)用范圍， 預(yù)計在 2025 年市場規(guī)模達到 1276 億元，2022-2025 年均復(fù)合增長率預(yù)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(guān)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(shè)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(yù)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(guān)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(guān) 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(jié)構(gòu)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(lǐng)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(wù)；國內(nèi)布局機器視覺產(chǎn)業(yè)鏈上游領(lǐng) 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(qū)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(shè)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(qū)控 等核心技術(shù)，通常不具備整臺裝備的設(shè)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(shù)的設(shè)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(dǎo)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(guān)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(shè)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(shù)壁壘較高。工業(yè)相機本質(zhì)的功能就是將光 信號轉(zhuǎn)變成為有序的電信號，再將該信號模數(shù)轉(zhuǎn)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(guān)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(lǐng)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(nèi)代表廠商包括天準科技、凌云光、?？低暤?。
3.3. 國內(nèi)外競爭格局：國外巨頭優(yōu)勢顯著，國內(nèi)廠商成長后勁充足
全球市場巨頭優(yōu)勢顯著，國內(nèi)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(shù)、廣泛應(yīng)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(zhuǎn)型升級的驅(qū)動以及國內(nèi)技術(shù)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(nèi)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(nèi)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(fù)合增長率為 10.90%，略高于國內(nèi) 5 家龍頭廠商 2018-2021 年間 7.85%的年均復(fù)合增 長率。國內(nèi)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(nèi)龍頭廠商對國內(nèi)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(nèi)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(nèi)廠商最早入 場機器視覺領(lǐng)域的環(huán)節(jié)，國內(nèi)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(shù)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(fù)合增 速增長，預(yù)計 2025 年國內(nèi)工業(yè)相機市場規(guī)模將要超過 125 億元，伴隨國內(nèi)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(shù)的快速 進步，產(chǎn)品良率以及光學設(shè)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(yù) 計在 2025 年該規(guī)模將接近 150 億元。圖像處理軟件領(lǐng)域主要由海外廠商主導(dǎo)，包括康耐 視、Mvtec、Adept 等，底層算法領(lǐng)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(nèi)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(diào)，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(yīng)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(yīng)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(nèi)，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(shù)日益成熟，尤其是應(yīng)用最新的 DSP、FPGA 及大容量存儲技術(shù)， 攝像頭中加入 AI 芯片使其具備強大的視頻圖像采集技術(shù)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(yīng)用需求。
中國工業(yè)領(lǐng)域相關(guān)市場發(fā)展空間廣，國際廠商仍占據(jù)智能相機的技術(shù)優(yōu)勢。國內(nèi)市場來看， CMVU 調(diào)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(lǐng)域上的應(yīng)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(guān)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(nèi)廠商通過多年自主研發(fā)的努力，已經(jīng)在 關(guān)鍵技術(shù)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(nèi)存、硬盤、CPU、IO 卡、主板、機箱、電源、相 機轉(zhuǎn)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(shù)，可以滿足不同業(yè)務(wù)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(shù)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(shù)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(nèi)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(nèi)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(nèi)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(yīng)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(qū)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(yù)計，2025 年機器視覺軟件市場將有望增 長至 150 億，2021-2025 年均復(fù)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(nèi)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(shù)密集型特點 打造公司壁壘，底層算法建設(shè)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(yīng)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(yīng)旋轉(zhuǎn)、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(lǐng)域的滲透。最后國內(nèi)廠商自研的底層算法與數(shù)據(jù)庫能夠更貼合國內(nèi)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(shù)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(guān)注國內(nèi)產(chǎn)業(yè)鏈相關(guān)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(yīng)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(shù)優(yōu)勢等因素影響下，或?qū)頇C器替人的剛需趨勢，整個產(chǎn)業(yè)鏈有望在樂觀 預(yù)期中飛速發(fā)展。
對標海外巨頭發(fā)展布局，結(jié)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(shù) 壁壘贏取更大市場份額。當前國內(nèi)視覺企業(yè)以中游機器視覺設(shè)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(nèi)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(shù)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(fù)盤基恩士、?？怂箍怠⒖的鸵暤群Ｍ?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(shù)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，海克斯康布局工業(yè)軟件技術(shù)+ 傳感器等核心技術(shù)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(nèi) 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(nèi)企業(yè)有望在國產(chǎn)替 代趨勢下脫穎而出。