1.產(chǎn)業(yè)趨勢：高端制造新軍突起，機器換人大勢所趨

1.1.智能制造國之重器，先進制造占比提高

高端裝備制造助力步入工業(yè) 4.0 新時代。工業(yè) 4.0 的概念最早由 2013 年德國提 出，重點強調(diào)“通信”和“連接”，包含了“智能工廠”、“智能生產(chǎn)”和“智能 物流”三大主題，標志著在新一代信息技術的引領下，大數(shù)據(jù)、云計算、人工智 能、物聯(lián)網(wǎng)等技術成為新的生產(chǎn)力，在制造業(yè)轉型升級的過程中提供重要助力。 區(qū)別于前三次工業(yè)革命，工業(yè) 4.0 的根本變化是通過物理技術和數(shù)字技術的融合 實現(xiàn)生產(chǎn)系統(tǒng)的有機整合，“數(shù)據(jù)信息”成為了工業(yè)生產(chǎn)中的關鍵原材料，制造 業(yè)最終將成為信息產(chǎn)業(yè)的一部分。

在全球范圍內(nèi)，自動化設備替代人力勞動生產(chǎn)的趨勢不斷推進，自動化設備銷售 量逐年提高。根據(jù)美國市場研究公司 Transparency Market Research 的數(shù)據(jù) 顯示，2018 年全球工業(yè)自動化市場規(guī)模達 2,272.9 億美元，到 2027 年底，全 球工業(yè)自動化市場的價值預計將達到 4,380.8 億美元，CAGR 達 7.56%。國內(nèi) 方面，中國工控網(wǎng)的數(shù)據(jù)顯示 2004 年-2019 年我國自動化及工業(yè)控制市場規(guī) 模也已從 652 億元增長至 1,865 億元。

助力產(chǎn)業(yè)升級，政策驅動“中國制造”向“中國智造”轉型。2015 年 5 月，國 務院正式印發(fā)《中國制造 2025》， 部署全面推進實施制造強國戰(zhàn)略。2021 年 底，工信部等八部門聯(lián)合印發(fā)了《“十四五”智能制造發(fā)展規(guī)劃》（以下簡稱“《規(guī) 劃》”），明確提出到 2025 年轉型升級成效顯著、供給能力明顯增強、基礎支撐 更加堅實，到 2025 年 70%的規(guī)模以上制造業(yè)企業(yè)普及數(shù)字化，到 2035 年全 面普及數(shù)字化網(wǎng)絡化，重點行業(yè)骨干企業(yè)基本實現(xiàn)智能化?！兑?guī)劃》還提出智能 制造裝備和工業(yè)軟件技術水平和市場競爭力顯著提升的要求，2025 年市場滿足 率分別超過 70%和 50%，研發(fā)數(shù)字化非接觸精密測量、在線無損檢測、激光跟 蹤測量等智能檢測裝備等。作為數(shù)字經(jīng)濟的重要組成部分，“十四五”期間制造 業(yè)與人工智能等信息技術的融合將加速，我國智能制造的發(fā)展將進入高景氣時期。

新能源、半導體、汽車、航空航天等高端制造業(yè)占比提升，對工業(yè)智能化水平提 出更高要求。隨著先進制造在我國的占比提升，工業(yè)生產(chǎn)線上人眼在精度、效率 等方面已不能滿足產(chǎn)業(yè)升級的要求。如何借助機器視覺等智能化技術替代傳統(tǒng)人 工操作，實現(xiàn)提質、降本、增效，成為制造業(yè)的共性需求。未來隨著“中國智造 2025”戰(zhàn)略的加速推進，工業(yè)制造自動化、智能化程度有望不斷加深，機器視覺 這一技術將得到更廣泛的應用。

1.2.人口紅利逐步衰減，自動化降本刻不容緩

人口紅利逐步衰減，勞動力成本壓力倒逼企業(yè)智能化轉型。根據(jù)經(jīng)濟學家索洛提 出的新古典經(jīng)濟增長模型，“人口增長”和“技術進步”是經(jīng)濟增長的兩大源泉， 但我國人口結構于 2011 年到達劉易斯拐點，勞動力從過剩轉為短缺，人口老齡 化現(xiàn)象嚴峻。據(jù)國家統(tǒng)計局數(shù)據(jù)顯示，中國 15-64 歲勞動年齡人口比重自 2011 年開始下降。我國城鎮(zhèn)制造業(yè)人數(shù)也自 2015 年已經(jīng)步入負增長，人口紅利逐步 消失。

與此同時，我國制造業(yè)平均工資從 2015 年的 55,324 元攀升至 2021 年 的 92,459 元，企業(yè)的勞動力成本壓力凸顯。中國企業(yè)—勞動力匹配調(diào)查（China Employer-Employee Survey，CEES）則顯示，“勞動力成本”已經(jīng)成為妨 礙企業(yè)發(fā)展的頭號因素，超過了市場需求、技術人才、創(chuàng)新能力等。因此，我國 制造業(yè)擺脫“人口紅利”舊模式、擁抱“智能化紅利”新模式將成為不可逆的產(chǎn) 業(yè)路徑選擇。

疫情等外部因素改變工廠的生產(chǎn)模式，加速推動智能制造轉型升級。嚴格的疫情 防控政策不可避免會對企業(yè)的開工時間、人員穩(wěn)定性、承諾交期等產(chǎn)生不確定性 影響，直接或間接增加了企業(yè)的綜合成本。今年以來疫情頻發(fā)，國內(nèi)用工難、用 工貴的問題進一步凸顯，我國紡織服裝等出口產(chǎn)業(yè)相較越南、印度等國的優(yōu)勢進 一步縮小，2022H1 我國出口金額 11.14 萬億，同比增長 13.2%，略低于越南 同期增速。我們認為，疫情等外部擾動因素一定程度上加速推動了工廠的無人化、 智能化水平，打造智能化“黑燈工廠”將是制造業(yè)企業(yè)的當務之急，機器視覺產(chǎn) 業(yè)發(fā)展迎來短期加速窗口。

日韓經(jīng)驗提供他山之石，我國機器換人正處于黃金成長期。亞洲是全球最大的工 業(yè)機器人市場，日本和韓國作為智能制造強國，在電子、汽車等高端離散制造產(chǎn) 業(yè)具有舉足輕重的地位。我們以工業(yè)機器人密度作為衡量一個國家自動化程度的指標，根據(jù) IFR 的數(shù)據(jù)，韓國自2010 年以來一直位列全球工業(yè)機器人密度最高的國家，超過全球平均水平的 7 倍；日本作為全球自動化制造大國，獨占全球工業(yè)機器人四大家族中的兩席，2020 年供應了全球近一半的工業(yè)機器人產(chǎn)量。

而我國的自動 化滲透率程度較低，2020 年我國工業(yè)機器人密度僅為 246 臺/萬人，雖然相較 2015 年的 49 臺/萬人已有明顯提升，但仍遠低于韓國的 932 臺/萬人和日本的 390 臺/萬人。2021 年，中國工業(yè)機器人市場在疫情反復、全球缺芯、限電停產(chǎn) 等諸多擾動下仍實現(xiàn)出貨 256,360 臺，同比增長 49.5%。此外，《“十四五”機 器人產(chǎn)業(yè)發(fā)展規(guī)劃》提出“2025 年工業(yè)機器人密度將增長至 450 臺/萬人以上”， 可見我國機器換人正處于黃金時期。

1.3.AI技術持續(xù)迭代，機器視覺加速落地

深度學習算法持續(xù)進化，拉開人工智能新時代。人工智能的迅速發(fā)展正在深刻改 變?nèi)祟惿鐣?、改變世界?016 年 AlphaGo 打敗人類頂尖棋手李世石，開 啟了人工智能發(fā)展的新紀元。隨后，Google 團隊在 2017 年提出的 Transformer 模型橫空出世，成為了日后自然語言學習（NLP）、計算機視覺（CV）的架構標 準；基于 Transformer 的預訓練模型 BERT 更是將 NLP 模型的精準度和泛化 能力帶上了新的臺階；2020 年擁有 1750 億參數(shù)的 GPT-3（Generative Pretrained Transformer 3）的誕生，標志著“大模型”正在成為邁向強人工智能 的重要一步。

深度學習技術提升了機器視覺的應用落地能力，驅動產(chǎn)業(yè)加速發(fā)展。目前主流的 機器視覺技術仍采用傳統(tǒng)的機器學習訓練方法，即在結構化場景下首先將數(shù)據(jù)表 示為一組特征，分析特征或輸入模型后，輸出得到預測結果。但隨著機器視覺的 應用領域擴大，傳統(tǒng)方式顯示出通用性低、難以復制、對使用人員要求高等缺點。 深度學習對原始數(shù)據(jù)通過多步特征轉換，得到更高維度、更加抽象的特征表示， 可以將機器視覺的高效率和與人類視覺的靈活性相結合，完成復雜環(huán)境下的檢測， 特別是涉及偏差和未知缺陷的情形。通過深度學習對模型魯棒性的提升，極大地 拓展了機器視覺的應用場景，使機器視覺系統(tǒng)更加具備柔性，加速其在工業(yè)領域 的滲透。

本土人工智能研發(fā)投入如火如荼，中國機器視覺廠商正彎道超車。早在 2017 年國務院頒布的《下一代人工智能發(fā)展計劃》中就有提出，到 2030 年我國人工智 能核心產(chǎn)業(yè)將實現(xiàn)規(guī)模一萬億元，《規(guī)劃》已把發(fā)展人工智能上升到了國家戰(zhàn)略 的高度。在工業(yè)機器視覺領域，國內(nèi)企業(yè)對 AI 算法的研發(fā)投入高度重視。

根據(jù) 中國機器視覺產(chǎn)業(yè)聯(lián)盟 2021 年度企業(yè)調(diào)查，AI 驅動的解決方案方向的研發(fā)投 入占全行業(yè)研發(fā)比例的 21.8%，為所有研發(fā)方向中最高。以凌云光自研的 VisionWare 為例，該算法庫已經(jīng)迭代至 5.0 版本，盡管其算法處理精度與國際 巨頭康耐視仍存在差距，但效率略有優(yōu)勢，算法識別率已基本持平。因此，我們 認為隨著國內(nèi)企業(yè)在 AI 算法上重點發(fā)力，將少樣本、無監(jiān)督學習等新技術融入 到深度學習中，提高算法的泛化能力，將機器視覺應用于復雜度更高的場景，有 望進一步縮小和海外巨頭的技術差距，甚至彎道超車。

2.需求邏輯：機器之“眼”優(yōu)勢凸顯，百億賽道長坡厚雪

2.1.AI賦能工業(yè)制造，多重優(yōu)勢替代人眼

機器之“眼”替代人眼，賦能工業(yè)制造。根據(jù)美國制造工程師協(xié)會（SME）機器 視覺分會等機構的定義，機器視覺工作過程是通過光學裝置和非接觸式傳感器自 動地接收、處理真實場景的圖像，目的在于獲得所需信息或用于控制機器人運動。 一個典型的機器視覺系統(tǒng)一般包括光源及光源控制器、鏡頭、相機、視覺控制系 統(tǒng)（視覺處理分析軟件及視覺控制器硬件）等，其中光源及光源控制器、鏡頭、 相機等硬件負責成像，視覺控制系統(tǒng)負責對成像結果進行分析、輸出結果至其他 執(zhí)行部件。機器視覺系統(tǒng)的“讀取信息-傳輸信息-處理信息”的過程與人眼的運 作機制對應，可謂人類視覺在工業(yè)界的延伸。

機器視覺相比人眼具備明顯優(yōu)勢。人眼能力所及：機器視覺無疲勞感，可以 7 x 24 小時運轉，不會受到情緒 的干擾，在適應性、重復性、可靠性方面優(yōu)于人類，使得工業(yè)視覺系統(tǒng)可以 提升產(chǎn)品的良品率，加快產(chǎn)線運轉的速度。人眼能力不及：機器視覺鏡頭與相機統(tǒng)具有較寬的光譜響應范圍，例如使用 人眼不可見的紅外光進行測量，可擴展人眼的視覺范圍，分辨細微管腳與裂 紋，辨識微弱的色差區(qū)別，在精確性、客觀性、速度與效率方面優(yōu)于人類。

2.2.識別、測量、定位、檢測，機器視覺的四大典型應用場景

識別、測量、定位和檢測等四大應用場景，實現(xiàn)難度依次遞增。識別：甄別目標物體的物理特征，包括外形、顏色、字符、條碼等，其準確 度和識別速度是衡量的重要指標。常見的應用場景是 OCR，讀取零部件上 的字母、數(shù)字、字符（例如條形碼、二維碼等）用于溯源。測量：把獲取的圖像像素信息標定成常用的度量衡單位，再精確計算出目標 物體的幾何尺寸，主要應用于高精度及復雜形態(tài)測量。定位：獲取目標物體的位置信息（二維或是三維），進而輔助執(zhí)行后續(xù)操作， 常用于元件對位、輔助機器人完成裝配、拾取等。檢測：主要針對目標物體的表面狀態(tài)，判斷產(chǎn)品是否存在缺陷，通常用于零 部件缺陷、污染物、功能性瑕疵檢測等。

機器視覺產(chǎn)業(yè)鏈呈現(xiàn)“一條主線，多點開花”。上游：機器視覺產(chǎn)業(yè)鏈的上游主要包括以光源、鏡頭、相機為首的核心零部件和底層的軟件算法庫。據(jù)中商產(chǎn)業(yè)研究院的數(shù)據(jù)統(tǒng)計，上游的零部件和軟件開發(fā)環(huán)節(jié)幾乎占據(jù)機器視覺系統(tǒng)成本80%。中游：產(chǎn)業(yè)鏈的中游主要包括視覺系統(tǒng)和智能視覺裝備。視覺系統(tǒng)是光學成像模塊（眼睛）與圖像處理系統(tǒng)（大腦）的集合體，可以獨立完成圖像采集功能并基于圖像采集的信息完成預期的處理工作（如定位、測量、檢測和識別等）。智能視覺裝備在系統(tǒng)的基礎上增加了結構本體和自動控制部件，實現(xiàn)檢測/生產(chǎn)工藝的控制和執(zhí)行，給機器又植入了受大腦控制的“肌肉”和“四肢”。

下游：產(chǎn)業(yè)鏈下游通過系統(tǒng)集成商致力于將智能視覺設備與生產(chǎn)工藝相結合， 下游面向 3C 電子、汽車制造、新能源等眾多細分行業(yè)，并隨著技術滲透率 的提升行業(yè)下游呈現(xiàn)“多點開花”的態(tài)勢。

2.2.1.3C電子：落地機器視覺技術的行業(yè)基本盤，品類滲透加速

全球 3C 電子產(chǎn)業(yè)向發(fā)展中國家轉移，高精度、換代快等特點助推機器視覺技術 迭代，應用場景延伸和品類拓展有望持續(xù)推動我國 3C 行業(yè)機器視覺滲透率提 升。2021 年，我國電子信息制造業(yè)收入同比增長 14.7%，逐步成為全球最大的 電子信息產(chǎn)品制造基地，全球電子信息制造業(yè)從發(fā)達國家向新興發(fā)展中國家轉移 趨勢明顯。

由于消費類電子行業(yè)元器件尺寸較小，檢測要求高，天然適合機器視 覺系統(tǒng)落地，其高精度要求也反向推動了機器視覺技術的革新。此外，消費類電子行業(yè)產(chǎn)品生命周期短、更新?lián)Q代快，制造企業(yè)需要頻繁更換產(chǎn)線設備，進一步 增加了對機器視覺行業(yè)的需求。根據(jù) CMVU 統(tǒng)計，2019-2021 年中國機器視 覺在 3C 電子銷售增速高達 34%。未來，隨著機器視覺在 3C 制造中的應用場 景由低精度的二維碼、字符識別進一步延伸至超越人眼極限的高精度組裝與加工， 疊加終端產(chǎn)品從手機拓展至耳機、平板、手表、VR/AR 等品類，機器視覺在 3C 電子行業(yè)的滲透率有望持續(xù)提升。

2.2.2.汽車：智能汽車向“大型電子產(chǎn)品”演進，視覺檢測迎來新需求

電動化、智能化產(chǎn)業(yè)趨勢帶來機器視覺產(chǎn)業(yè)沃土。汽車制造領域中的零配件檢測、 裝配校驗檢測、涂膠檢測等都離不開機器視覺技術。例如，3D 視覺系統(tǒng)可以以 高精度間隙對準每一輛車的拼接縫，并對車門和車身進行全面檢測，效率和準確 率都高于人眼檢測。汽車產(chǎn)業(yè)的電動化、智能化將推動汽車向“大型電子產(chǎn)品” 演化，電子零部件成本占比可能超過整車 50%，雷達（激光、毫米波、超聲波）、 傳感器、通信（GPS、DSRC、4G/5G）、攝像頭、檢測、娛樂系統(tǒng)將會大幅提 升，行業(yè)提升具備機器視覺檢測技術的裝備的需求。2021 年，我國新能源車銷 量同比大增 157.6%至 352.1 萬輛，同期機器視覺的汽車行業(yè)規(guī)模已超過 10 億 元。

2.2.3.鋰電：行業(yè)維持高景氣，電池廠擴產(chǎn)帶來視覺裝備需求井噴

鋰電池工藝復雜，機器視覺應用場景豐富。電芯前段工序：在涂布、輥壓等環(huán)節(jié)，鋰電池表面容易產(chǎn)生露箔、暗斑、亮 斑、掉料、劃痕等缺陷，機器視覺主要應用于涂布的涂覆糾偏、尺寸測量， 極片的表面瑕疵檢測、尺寸測量、卷繞對齊度等環(huán)節(jié)。電芯后工序：主要應用于裸電芯極耳翻折、極耳裁切碎屑、極耳、入殼頂蓋 和密封釘焊接質量檢測以及電芯外觀檢測、尺寸測量、貼膠定位等。模組和 PACK 段：主要應用于底部藍膠、BUSBAR 焊縫、側焊縫、模組全 尺寸和 PACK 檢測等。

新能源汽車蓬勃發(fā)展，帶動鋰電行業(yè)的機器視覺呈井噴態(tài)勢。國家統(tǒng)計局的數(shù)據(jù) 顯示，2021 年中國鋰電池產(chǎn)量已達 232.6 億只，同比增長 23.4%。據(jù) GGII 不 完全統(tǒng)計，2021 年中國動力電池投擴項目 63 個（含募投項目）、投資總額（含 擬投資）超過 6,218 億元，長期規(guī)劃新增產(chǎn)能已經(jīng)超過 2.5TWh。鋰電產(chǎn)能的快 速增加帶動機器視覺高速發(fā)展，2021 年市場規(guī)模達到 17.7 億元，2019-2021 年 CAGR 高達 110%。

2.2.4.光伏：良率要求提高，推動硅片分選機放量

光伏行業(yè)發(fā)展迅猛，帶來機器視覺檢測需求爆發(fā)。光伏電池片的生產(chǎn)可能產(chǎn)生碎 片、電池片隱裂、表面污染、電極不良等缺陷，如何提升產(chǎn)品良率、電池的光電 轉化效率和使用壽命是行業(yè)痛點，催生光伏硅片分選機等設備快速放量。2018- 2021 年，中國太陽能電池產(chǎn)量 CAGR 達 35%，2021 年同比增速達 42%，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)模由 2019 年 2.6 億元 快速提升至 2021 年的 6.5 億元，CAGR 高達 58%。

2.2.5.非工業(yè)：傳媒、安防、物流、交通等消費級應用正成為新發(fā)展方向

機器視覺應用方向包含工業(yè)級與消費級，產(chǎn)業(yè)邊界趨于模糊。根據(jù)機器視覺聯(lián)盟 （CMVU）的數(shù)據(jù)，用于消費電子、半導體與新能源等板塊的工業(yè)級機器視覺合 計占比 79.8%；相比之下，用于消費級機器視覺的安防與監(jiān)控、物流分揀以及智 慧交通等領域占比僅 17.0%，但份額逐年提升。

隨著 AI 和 5G 技術的商用落地，機器視覺不再局限于工業(yè)領域。機器視覺結 合三維重建、動作/表情捕捉、渲染等技術可實現(xiàn)人臉、表情、動作、衣物的還原， 構建模擬逼真的人物形象，此外還可利用人臉識別、動作識別、物體追蹤等技術 模擬人的視覺能力。因此，機器視覺在影視、游戲、直播、文旅等領域還有施展 拳腳的空間。

2.3.全球市場空間廣闊，國內(nèi)市場滲透率低，對標歐美成長性高

2.3.1.對標歐美成長性高，2025年全球達147億美元市場空間

全球機器視覺市場穩(wěn)健增長，下游市場空間近千億美元。根據(jù) Markets and Markets 的數(shù)據(jù)，全球機器視覺器件市場規(guī)模保持穩(wěn)健增長態(tài)勢，預計 2025 年 將達到 147 億美元。我們認為，未來傳統(tǒng)制造業(yè)機器視覺滲透率提升疊加新興 行業(yè)催生的市場需求，有望推動全球機器視覺行業(yè)持續(xù)穩(wěn)健增長。此外，考慮到 機器視覺下游的智能視覺裝備單位價值量更高，市場空間約為產(chǎn)業(yè)鏈中上游器件 市場的 6-7 倍，我們預計全球機器視覺系統(tǒng)市場空間將接近千億美元。

歐美機器視覺市場成熟度高，中國市場發(fā)展勢頭強勁。歐美國家得益于深厚的工 業(yè)基礎，在高端制造領域廣泛使用機器視覺設備，市場成熟度高，2015-2020 年市場增速 CAGR 僅 13.83%。而中國市場發(fā)展勢頭強勁，根據(jù)中國機器視覺 產(chǎn)業(yè)聯(lián)盟的數(shù)據(jù)，中國機器視覺行業(yè)規(guī)模從 2018 年的 101.80 億元增長至 2020年的 144.20 億元，CAGR 達 19.02%，2023 年有望達到 296.00 億元，2021- 2023 年 CAGR 高達到 28.0%。不過根據(jù) Wind 數(shù)據(jù)，2021 年中國的制造業(yè) 增加值占全球比例達 30%，高于美、日、德、韓的總和，但機器視覺市場全球占 比僅 24.6%。我們認為，隨著產(chǎn)業(yè)升級和制造業(yè)高端化，中國機器視覺市場全球 規(guī)模占比有望超過逐步超過前述 30%的數(shù)據(jù)，提供國產(chǎn)機器視覺廠商迭代行業(yè) Know-how、參與全球競爭的舞臺。

2.3.2.3D視覺方興未艾，全球規(guī)模2025年將突破百億美元

3D 視覺作為機器視覺的重要發(fā)展方向，預計在 2025 年達到全球 150 億元美元 的市場規(guī)模。根據(jù)法國市場研究與戰(zhàn)略咨詢公司 YOLE 發(fā)布的全球 3D 成像和 傳感市場研究報告，2019 年全球 3D 視覺感知市場規(guī)模為 50 億美元，且市場 規(guī)模將快速發(fā)展，預計在 2025 年達到 150 億美元，2019-2025 年 CAGR 達 20%。。目前，消費電子占比 40%，是最大的應用領域，工業(yè)緊隨其后排名第二， 占比達 21%，其次為航天航空和汽車。YOLE 預計隨著汽車智能化的滲透加速， 用于自動駕駛、座艙內(nèi)攝像頭的 3D 視覺將是未來五年增長最快的細分。根據(jù)高 工產(chǎn)業(yè)研究院的數(shù)據(jù)， 2025 年我國機器視覺市場規(guī)模將達到 415.92 億元，其 中，3D 視覺市場規(guī)模將達到 104.35 億元。占比超過 25%。

2.4.競爭格局：歐美、日本占據(jù)龍頭，國內(nèi)格局較為分散

基恩士和康耐視為全球龍頭，合計全球市場份額達 64%。國際領先的機器視覺 公司康耐視 2021 財年和基恩士 2021 財年的營業(yè)收入分別約為 66.91 億元和 323.42 億元。結合 Markets and Markets 對全球中國市場的估計，2021 年日 本基恩士全球市場份額為 55%，中國市場份額為 38%；美國康耐視全球市場份 額為 9%，中國市場份額為 7%。兩大龍頭體量遠大于國內(nèi)的奧普特、天準科技 等一流廠商，國內(nèi)仍以中小規(guī)模企業(yè)為主，相比國外龍頭有較大的成長空間。

國產(chǎn)化進程加速，自主產(chǎn)品銷售占比持續(xù)提升。盡管我國機器視覺行業(yè)起步較晚， 最開始主要從事國外產(chǎn)品代理，但隨著本土廠商技術和經(jīng)驗的積累，國內(nèi)機器視 覺企業(yè)開始憑借更定制化的本土服務和顯著的成本優(yōu)勢參與市場競爭，自主研發(fā) 產(chǎn)品比例不斷擴大。2019-2021 年，自主產(chǎn)品銷售額從 85.9 億元增長至134.7%，CAGR 達 25.2%，自主產(chǎn)品銷售占比也從 79.2%提升至 82.2%。 2020 年中國機器視覺專利達 3124 項，是美國的 18 倍，行業(yè)技術格局已發(fā)生 根本性的變化。根據(jù) CMVU 調(diào)查數(shù)據(jù)，2021 年中國機器視覺銷售額排名前五 分別是凌云光、大恒集團、奧普特、寶視納和華?？萍?。在細分領域， 2021 年 本土領軍企業(yè)凌云光在消費電子領域市場份額已達 22.4%，位列國內(nèi)第三，僅次 于康耐視和基恩士。此外，公司在印刷包裝領域已經(jīng)占據(jù) 21.1%的行業(yè)第一份 額。

國內(nèi)競爭格局相對分散，集中度下降，國產(chǎn)廠商加速追趕。機器視覺的下游應用 呈現(xiàn)碎片化和定制化，行業(yè)的集中度較低，單個企業(yè)也呈現(xiàn)多型號、小批量的業(yè) 務結構特征。根據(jù)機器視覺產(chǎn)業(yè)聯(lián)盟（CMVU）2021 年度企業(yè)調(diào)查結果，機器 視覺的市場集中度呈下降趨勢。2019-2021 年，銷售額 CR5 從 37.7%下降至 31.3%，銷售額 CR10 從 51.3%下降至 43.1%。考慮到較成熟的國外市場相 比，我國機器視覺行業(yè)仍處于生命周期的早期，市場遠未飽和，我們認為短期內(nèi) 中國機器視覺市場規(guī)模會隨自動化水平的提高而增加，行業(yè)集中度將保持較為分 散。

3.競爭壁壘：技術實力決定產(chǎn)品層次，國產(chǎn)替代方興未艾

機器視覺核心價值集中于產(chǎn)業(yè)鏈上游，硬件工藝與軟件算法決定產(chǎn)品技術天花板。 機器視覺設備價值可拆分為上游零部件與軟件、中游組裝集成與售后維護，其中 上游占據(jù)了80%價值量，技術壁壘最高；硬件部分當中工業(yè)相機價值占比達 50% 以上，由圖像傳感器、圖像采集卡與各類芯片組成，技術壁壘極高。

技術路徑多線匯集，機器視覺公司各有所長。機器視覺系統(tǒng)由多個軟、硬件產(chǎn)品 組成，基于同一技術平臺的部件集成有利于系統(tǒng)穩(wěn)定可靠，但由于其中各部件技 術路徑相對獨立，行業(yè)內(nèi)除基恩士之外的多數(shù)企業(yè)都只專注于其中一個或幾個部 件，比如康耐視的核心在于視覺軟件，國內(nèi)的奧普特擅長光源及控制器，自主化 領域各有不同。

3.1.硬件：光源、相機國產(chǎn)化率高，鏡頭任重道遠

光源是機器視覺的照明系統(tǒng)，直接決定成像質量和算法效果。機器視覺光源主要 包括 LED 光源和光源控制器，用于增加對比度以分離圖像目標與背景，是后期 圖像采集與處理的基礎，因此光源的質量直接決定圖像分析的難度。光源技術從 傳統(tǒng)鹵素燈、熒光燈到現(xiàn)在普遍使用的 LED，再到 3D 視覺應用的結構光、激光 光源，場景應用逐步多元化，方案針對性也逐步提升。例如在一個視覺應用的光 源選型中，廠商需要根據(jù)客戶提出的需求，綜合考慮光源的照射角度、照射方式、 光的平行性、柔和性等因素選擇適合光源的型號和組合，是一個復雜的非標定制 環(huán)節(jié)。

光源是機器成像的基礎，中國光源廠商進入較早份額領先。光源的國產(chǎn)化率較高， 市場集中度也較高，已成功進入國際市場，主要廠商有奧普特、康視達、沃德普、 樂視等。其中，奧普特是國內(nèi)最早起步的光源廠商，截至公司招股書發(fā)行日已共有 38 個系列、近 1000 款標準化產(chǎn)品并提供定制化的光源服務，2021 年公司 實現(xiàn)光源業(yè)務收入約 3 億元，保持國產(chǎn)領先。

鏡頭是機器視覺圖像采集部分重要的成像部件，海外廠商優(yōu)勢明顯。與普通鏡頭 相比，工業(yè)鏡頭要求清晰度更高、透光能力更強、畸變程度更低等，需要考慮焦 距、視場角、光圈以及景深等因素。選取恰當?shù)臋C器視覺光學鏡不僅有助于后續(xù) 圖像處理工作，而且可以降低設備成本。在工業(yè)鏡頭領域，海外企業(yè)進駐較早， 研發(fā)實力強勁，品牌影響力較大，在高端工業(yè)鏡頭市場占據(jù)競爭優(yōu)勢，如德國施 耐德、日本 CBC Computar 等。我國雖然起步較晚，但涌現(xiàn)出了優(yōu)秀的鏡頭公 司如廣州長步道、東正光學等企業(yè)。

工業(yè)相機實現(xiàn)光信號轉換，本土品牌有望實現(xiàn)全面國產(chǎn)替代。工業(yè)相機是工業(yè)視 覺系統(tǒng)的核心零部件，其本質功能是將光信號轉變成電信號，要求產(chǎn)品具有較高 的傳輸力、抗干擾力以及穩(wěn)定的成像能力。隨著設計技術和制造工藝的不斷提升， 成本更低、分辨率更高、集成度更高的 CMOS 圖像傳感器逐漸替代早期的 CCD 傳感器。目前市面上的工業(yè)相機主要有面陣相機、線陣相機、3D 相機以及智能 相機。據(jù) CMVU 的統(tǒng)計，2015 年后，中國涌現(xiàn)出了一批有規(guī)模的、有競爭力 的國產(chǎn)品牌，如?？禉C器人、大恒圖像、華?？萍嫉饶戤a(chǎn)十萬顆以上的公司。2020 年，國產(chǎn)相機銷售數(shù)量占比已超過 80%，有望在不久的未來實現(xiàn)對進口的全面 替代。

3.2.軟件和數(shù)據(jù)：沉淀數(shù)據(jù)構建壁壘，新興產(chǎn)業(yè)劃定“新起跑線”

軟件是機器視覺產(chǎn)業(yè)的核心中樞，機器視覺為機器植入“眼睛”和“大腦”，其 背后的本質是數(shù)據(jù)的積累和算法的迭代。機器視覺的普及為海量數(shù)據(jù)的獲取提供 了便捷的途徑；而深度學習算法、新型計算成像技術等前沿工具的普及又拓寬了這雙眼睛的適用范圍，由此形成“數(shù)據(jù)->算法->更多的數(shù)據(jù)->更優(yōu)的算法”的 飛輪效應。

與簡單的傳感器不同，視覺傳感器生成大量圖像數(shù)據(jù)，在 AI 和深度 學習算法的幫助下可不斷學習并優(yōu)化，提取出更豐富的特征信息，推動模型迭代， 新一步提升效率和準確率。機器視覺下游應用場景紛繁復雜，需要借助大量的數(shù) 據(jù)積累優(yōu)化算法庫，提升行業(yè) Know-how。國內(nèi)視覺處理分析軟件一般建立在 OpenCV 等開源視覺算法庫上做二次開發(fā)，或直接采購 Halcon（德國 MVTec 公司）、 Vision Pro（美國康耐視公司）等經(jīng)歷了二十多年數(shù)據(jù)沉淀的第三方商 業(yè)付費算法庫。 圖 52. 國內(nèi)算法以二次開發(fā)為主，AI 算法

新能源行業(yè)自動化的普及和深入，為本土機器視覺企業(yè)帶來了彎道超車的機遇。 在汽車、3C 等傳統(tǒng)制造業(yè)，雖然國產(chǎn)機器視覺企業(yè)在工藝數(shù)據(jù)積累、打通關鍵 客戶上存在差距，短期內(nèi)較難獲得快速發(fā)展，但是在新興行業(yè)，本土企業(yè)迎來了 前所未有的發(fā)展機會。例如，2021 年中國的動力電池出貨量已達全球的一半， 我國光伏新增裝機已持續(xù) 7 年位居全球首位，光伏產(chǎn)業(yè)鏈的本土化率更是達到 70%以上。我們認為，在具有本土優(yōu)勢的新興行業(yè)中，國內(nèi)企業(yè)與國外的龍頭公 司在行業(yè) know-how 的積累上基本處于同一起跑線，且沒有傳統(tǒng)行業(yè)歷史上緊 密的客戶綁定關系，有望在新興產(chǎn)業(yè)的機器視覺領域彎道超車。

3.3.創(chuàng)新能力：3D視覺前景廣闊，技術迭代打開應用空間

2D 機器視覺技術具有局限性，3D 可以作為有效補充。使用 2D 機器視覺技術 可以獲取二維圖像，在三個自由度（x、y 和旋轉）上定位被攝目標，并基于灰度、 對比度的特征進行分析。但 2D 技術存在無法提供物體高度、平面度、表面角度、 體積等三維信息、易受光照變化影響、對物體運動敏感等局限性。3D 技術增加 了旋轉、俯仰、橫擺三個維度，更能還原真實立體世界，通過 3D 視覺傳感器采 集 3D 輪廓信息，形成 3D 點云，實現(xiàn)平面度、翹曲度、段差、曲面輪廓度等 3D 尺寸量測。

3D 視覺技術主要包括雙目、結構光、ToF、和激光三角測量。雙目技術：通過模仿人眼用兩個攝像頭觀察同一景物，具有系統(tǒng)結構簡單、 實現(xiàn)成本低，識別距離遠等特點，目前應用較為廣泛，但其弊端為算法復雜， 計算量大，不適合在光線較差的環(huán)境中使用。

飛行時間法成像技術（TOF，Time Of Flight）：通過給目標物連續(xù)發(fā)送光 脈沖，通過探測光脈沖發(fā)射到返回的飛行時間來得到目標物距離，具有響應 快、軟件簡單、識別距離遠等特點，缺點是分辨率低、不能精密成像且成本 較高。3D 結構光：從光源投射出一定結構（比如黑白相間）的光線，通過條紋/斑 點的變形計算圖形的三維圖像，其計算簡單、精度較高，普及度較高。2017 年蘋果發(fā)布的 iPhone X 就搭載了前置 3D 結構光傳感器用于 Face ID 的 人臉解鎖。激光三角測量：與 3D 結構光技術類似，區(qū)別是以激光作為光源來確定空間 物體的三維坐標，精準度高、成本低，但不適于遠距離測量。

工業(yè)控制對精度、柔性的要求高，場景還原度更好、魯棒性更強的 3D 有望加速 滲透。盡管目前 2D 視覺可以滿足絕大部分行業(yè)對檢測的需求，但涉及到立體工 件、精度要求高的檢測仍需 3D 視覺來配合。通過增加 3D 視覺模塊，增加工業(yè) 機器人的環(huán)境感知能力，可以拓寬應用場景。例如，3D 視覺能使機器人更加精 準地定位被操作物，實現(xiàn)更高難度的不規(guī)則包裹抓取、非標金屬部件焊接等操作， 機器人柔性大幅提升。根據(jù) MIR 的預測，搭載 3D 視覺的工業(yè)機器人滲透率將有望從 2021 年的 4%提升至 2025 年的 10.5%，出貨量 CAGR 達 46%。

3D 視覺技術在消費級應用上空間廣闊。消費電子：2017 年 9 月以來，蘋果公司的 iPhone X、iPhone 11、iPhone 12 手機系列均搭載了前置結構光 3D 視覺傳感器，并在 iPhone 12 Pro 上 同步搭載了基于 dToF 技術的后置激光雷達掃描儀；安卓端包括華為 Mate 系列、P 系列，OPPO Find X，魅族 17 Pro、18 Pro 等陸續(xù)有十余款智 能手機分別在前置和后置視覺傳感器中不斷嘗試使用結構光和 ToF 技術。 通過在智能手機、平板設備、電視等智能終端設備上搭載 3D 視覺傳感器可 以使其具備 3D 人臉識別解鎖、沉浸式交互、體感交互等能力，從而帶來更 安全、更好的用戶體驗。

AIoT：3D 視覺傳感器可以被搭載在 3D 空間掃描設備、服務型機器人、 AR/VR設備等終端上以實現(xiàn)傳統(tǒng) 2D相機無法實現(xiàn)的功能，例如三維重建、 避障導航等；在服務機器人應用領域，3D 視覺傳感器可以幫助服務機器人 高效完成人臉識別、距離感知、避障、導航等功能，使其更加智能化。目前 已實現(xiàn)落地的應用包括掃地機器人、自動配送機器人、引導陪伴機器人等， 服務于家庭、餐廳、旅館、醫(yī)院等多個線下場景。根據(jù) IDC 的數(shù)據(jù)，2017 年全球商務用機器人市場規(guī)模為 213.2 億美元，預計 2022 年全球市場規(guī)模 可達 538.0 億美元，2017-2022 年復合增長率預計為 20.3%。

3D 視覺仍處于探索初期，具備核心技術的廠商有望率先受益。隨著 5G 技術的 推廣普及，人工智能和物聯(lián)網(wǎng)應用將迎來快速發(fā)展，推動視覺技術加速從 2D 成 像向 3D 視覺感知跨越。根據(jù) 2019 年 Gartner 新興技術發(fā)展周期曲線圖，3D 視覺感知概念已經(jīng)突破了早期的期望膨脹期，并逐漸步入產(chǎn)業(yè)化前的重要發(fā)展階 段，不斷探索潛在的細分領域應用，尋找潛在的增長拐點。目前全球已掌握核心 技術并實現(xiàn)百萬級面陣 3D 視覺傳感器量產(chǎn)的企業(yè)僅有蘋果、微軟、索尼、英特 爾、華為、三星和奧比中光等少數(shù)企業(yè)。我們認為在這一新領域逐步走向成熟的 過程中，具備創(chuàng)新能力、掌握核心技術的公司有望率先受益。