1.產業趨勢：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 4.0 新時代。工業 4.0 的概念最早由 2013 年德國提 出，重點強調“通信”和“連接”，包含了“智能工廠”、“智能生產”和“智能 物流”三大主題，標志著在新一代信息技術的引領下，大數據、云計算、人工智 能、物聯網等技術成為新的生產力，在制造業轉型升級的過程中提供重要助力。 區別于前三次工業革命，工業 4.0 的根本變化是通過物理技術和數字技術的融合 實現生產系統的有機整合，“數據信息”成為了工業生產中的關鍵原材料，制造 業最終將成為信息產業的一部分。
在全球范圍內，自動化設備替代人力勞動生產的趨勢不斷推進，自動化設備銷售 量逐年提高。根據美國市場研究公司 Transparency Market Research 的數據 顯示，2018 年全球工業自動化市場規模達 2,272.9 億美元，到 2027 年底，全 球工業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 方面，中國工控網的數據顯示 2004 年-2019 年我國自動化及工業控制市場規 模也已從 652 億元增長至 1,865 億元。
助力產業升級，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《中國制造 2025》， 部署全面推進實施制造強國戰略。2021 年 底，工信部等八部門聯合印發了《“十四五”智能制造發展規劃》（以下簡稱“《規 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%的規模以上制造業企業普及數字化，到 2035 年全 面普及數字化網絡化，重點行業骨干企業基本實現智能化。《規劃》還提出智能 制造裝備和工業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%，研發數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。作為數字經濟的重要組成部分，“十四五”期間制造 業與人工智能等信息技術的融合將加速，我國智能制造的發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占比提升，對工業智能化水平提 出更高要求。隨著先進制造在我國的占比提升，工業生產線上人眼在精度、效率 等方面已不能滿足產業升級的要求。如何借助機器視覺等智能化技術替代傳統人 工操作，實現提質、降本、增效，成為制造業的共性需求。未來隨著“中國智造 2025”戰略的加速推進，工業制造自動化、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智能化轉型。根據經濟學家索洛提 出的新古典經濟增長模型，“人口增長”和“技術進步”是經濟增長的兩大源泉， 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 化現象嚴峻。據國家統計局數據顯示，中國 15-64 歲勞動年齡人口比重自 2011 年開始下降。我國城鎮制造業人數也自 2015 年已經步入負增長，人口紅利逐步 消失。
與此同時，我國制造業平均工資從 2015 年的 55,324 元攀升至 2021 年 的 92,459 元，企業的勞動力成本壓力凸顯。中國企業—勞動力匹配調查（China Employer-Employee Survey，CEES）則顯示，“勞動力成本”已經成為妨 礙企業發展的頭號因素，超過了市場需求、技術人才、創新能力等。因此，我國 制造業擺脫“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 業路徑選擇。
疫情等外部因素改變工廠的生產模式，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的開工時間、人員穩定性、承諾交期等產生不確定性 影響，直接或間接增加了企業的綜合成本。今年以來疫情頻發，國內用工難、用 工貴的問題進一步凸顯，我國紡織服裝等出口產業相較越南、印度等國的優勢進 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”將是制造業企業的當務之急，機器視覺產 業發展迎來短期加速窗口。
日韓經驗提供他山之石，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 業具有舉足輕重的地位。我們以工業機器人密度作為衡量一個國家自動化程度的指標，根據 IFR 的數據，韓國自2010 年以來一直位列全球工業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，獨占全球工業機器人四大家族中的兩席，2020 年供應了全球近一半的工業機器人產量。
而我國的自動 化滲透率程度較低，2020 年我國工業機器人密度僅為 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，中國工業機器人市場在疫情反復、全球缺芯、限電停產 等諸多擾動下仍實現出貨 256,360 臺，同比增長 49.5%。此外，《“十四五”機 器人產業發展規劃》提出“2025 年工業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技術持續迭代，機器視覺加速落地
深度學習算法持續進化，拉開人工智能新時代。人工智能的迅速發展正在深刻改 變人類社會生活、改變世界。2016 年 AlphaGo 打敗人類頂尖棋手李世石，開 啟了人工智能發展的新紀元。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，驅動產業加速發展。目前主流的 機器視覺技術仍采用傳統的機器學習訓練方法，即在結構化場景下首先將數據表 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。 深度學習對原始數據通過多步特征轉換，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，使機器視覺系統更加具備柔性，加速其在工業領域 的滲透。
本土人工智能研發投入如火如荼，中國機器視覺廠商正彎道超車。早在 2017 年國務院頒布的《下一代人工智能發展計劃》中就有提出，到 2030 年我國人工智 能核心產業將實現規模一萬億元，《規劃》已把發展人工智能上升到了國家戰略 的高度。在工業機器視覺領域，國內企業對 AI 算法的研發投入高度重視。
根據 中國機器視覺產業聯盟 2021 年度企業調查，AI 驅動的解決方案方向的研發投 入占全行業研發比例的 21.8%，為所有研發方向中最高。以凌云光自研的 VisionWare 為例，該算法庫已經迭代至 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，但效率略有優勢，算法識別率已基本持平。因此，我們 認為隨著國內企業在 AI 算法上重點發力，將少樣本、無監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”優勢凸顯，百億賽道長坡厚雪
2.1.AI賦能工業制造，多重優勢替代人眼
機器之“眼”替代人眼，賦能工業制造。根據美國制造工程師協會（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一般包括光源及光源控制器、鏡頭、相機、視覺控制系 統（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，視覺控制系統負責對成像結果進行分析、輸出結果至其他 執行部件。機器視覺系統的“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界的延伸。
機器視覺相比人眼具備明顯優勢。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、可靠性方面優于人類，使得工業視覺系統可以 提升產品的良品率，加快產線運轉的速度。人眼能力不及：機器視覺鏡頭與相機統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，辨識微弱的色差區別，在精確性、客觀性、速度與效率方面優于人類。
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），進而輔助執行后續操作， 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，判斷產品是否存在缺陷，通常用于零 部件缺陷、污染物、功能性瑕疵檢測等。
機器視覺產業鏈呈現“一條主線，多點開花”。上游：機器視覺產業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。據中商產業研究院的數據統計，上游的零部件和軟件開發環節幾乎占據機器視覺系統成本80%。中游：產業鏈的中游主要包括視覺系統和智能視覺裝備。視覺系統是光學成像模塊（眼睛）與圖像處理系統（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的基礎上增加了結構本體和自動控制部件，實現檢測/生產工藝的控制和執行，給機器又植入了受大腦控制的“肌肉”和“四肢”。
下游：產業鏈下游通過系統集成商致力于將智能視覺設備與生產工藝相結合， 下游面向 3C 電子、汽車制造、新能源等眾多細分行業，并隨著技術滲透率 的提升行業下游呈現“多點開花”的態勢。
2.2.1.3C電子：落地機器視覺技術的行業基本盤，品類滲透加速
全球 3C 電子產業向發展中國家轉移，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推動我國 3C 行業機器視覺滲透率提 升。2021 年，我國電子信息制造業收入同比增長 14.7%，逐步成為全球最大的 電子信息產品制造基地，全球電子信息制造業從發達國家向新興發展中國家轉移 趨勢明顯。
由于消費類電子行業元器件尺寸較小，檢測要求高，天然適合機器視 覺系統落地，其高精度要求也反向推動了機器視覺技術的革新。此外，消費類電子行業產品生命周期短、更新換代快，制造企業需要頻繁更換產線設備，進一步 增加了對機器視覺行業的需求。根據 CMVU 統計，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 電子行業的滲透率有望持續提升。
2.2.2.汽車：智能汽車向“大型電子產品”演進，視覺檢測迎來新需求
電動化、智能化產業趨勢帶來機器視覺產業沃土。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。汽車產業的電動化、智能化將推動汽車向“大型電子產品” 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、娛樂系統將會大幅提 升，行業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規模已超過 10 億 元。
2.2.3.鋰電：行業維持高景氣，電池廠擴產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、輥壓等環節，鋰電池表面容易產生露箔、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、卷繞對齊度等環節。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。
新能源汽車蓬勃發展，帶動鋰電行業的機器視覺呈井噴態勢。國家統計局的數據 顯示，2021 年中國鋰電池產量已達 232.6 億只，同比增長 23.4%。據 GGII 不 完全統計，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，長期規劃新增產能已經超過 2.5TWh。鋰電產能的快 速增加帶動機器視覺高速發展，2021 年市場規模達到 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
光伏行業發展迅猛，帶來機器視覺檢測需求爆發。光伏電池片的生產可能產生碎 片、電池片隱裂、表面污染、電極不良等缺陷，如何提升產品良率、電池的光電 轉化效率和使用壽命是行業痛點，催生光伏硅片分選機等設備快速放量。2018- 2021 年，中國太陽能電池產量 CAGR 達 35%，2021 年同比增速達 42%，行 業迎來加速成長期，同期帶動機器視覺的光伏行業應用規模由 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：傳媒、安防、物流、交通等消費級應用正成為新發展方向
機器視覺應用方向包含工業級與消費級，產業邊界趨于模糊。根據機器視覺聯盟 （CMVU）的數據，用于消費電子、半導體與新能源等板塊的工業級機器視覺合 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健增長，下游市場空間近千億美元。根據 Markets and Markets 的數據，全球機器視覺器件市場規模保持穩健增長態勢，預計 2025 年 將達到 147 億美元。我們認為，未來傳統制造業機器視覺滲透率提升疊加新興 行業催生的市場需求，有望推動全球機器視覺行業持續穩健增長。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，市場空間約為產業鏈中上游器件 市場的 6-7 倍，我們預計全球機器視覺系統市場空間將接近千億美元。
歐美機器視覺市場成熟度高，中國市場發展勢頭強勁。歐美國家得益于深厚的工 業基礎，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%。而中國市場發展勢頭強勁，根據中國機器視覺 產業聯盟的數據，中國機器視覺行業規模從 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 Wind 數據，2021 年中國的制造業 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，隨著產業升級和制造業高端化，中國機器視覺市場全球 規模占比有望超過逐步超過前述 30%的數據，提供國產機器視覺廠商迭代行業 Know-how、參與全球競爭的舞臺。
2.3.2.3D視覺方興未艾，全球規模2025年將突破百億美元
3D 視覺作為機器視覺的重要發展方向，預計在 2025 年達到全球 150 億元美元 的市場規模。根據法國市場研究與戰略咨詢公司 YOLE 發布的全球 3D 成像和 傳感市場研究報告，2019 年全球 3D 視覺感知市場規模為 50 億美元，且市場 規模將快速發展，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、座艙內攝像頭的 3D 視覺將是未來五年增長最快的細分。根據高 工產業研究院的數據， 2025 年我國機器視覺市場規模將達到 415.92 億元，其 中，3D 視覺市場規模將達到 104.35 億元。占比超過 25%。
2.4.競爭格局：歐美、日本占據龍頭，國內格局較為分散
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的奧普特、天準科技 等一流廠商，國內仍以中小規模企業為主，相比國外龍頭有較大的成長空間。
國產化進程加速，自主產品銷售占比持續提升。盡管我國機器視覺行業起步較晚， 最開始主要從事國外產品代理，但隨著本土廠商技術和經驗的積累，國內機器視 覺企業開始憑借更定制化的本土服務和顯著的成本優勢參與市場競爭，自主研發 產品比例不斷擴大。2019-2021 年，自主產品銷售額從 85.9 億元增長至134.7%，CAGR 達 25.2%，自主產品銷售占比也從 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，行業技術格局已發生 根本性的變化。根據 CMVU 調查數據，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、寶視納和華睿科技。在細分領域， 2021 年 本土領軍企業凌云光在消費電子領域市場份額已達 22.4%，位列國內第三，僅次 于康耐視和基恩士。此外，公司在印刷包裝領域已經占據 21.1%的行業第一份 額。
國內競爭格局相對分散，集中度下降，國產廠商加速追趕。機器視覺的下游應用 呈現碎片化和定制化，行業的集中度較低，單個企業也呈現多型號、小批量的業 務結構特征。根據機器視覺產業聯盟（CMVU）2021 年度企業調查結果，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，我國機器視覺行業仍處于生命周期的早期，市場遠未飽和，我們認為短期內 中國機器視覺市場規模會隨自動化水平的提高而增加，行業集中度將保持較為分 散。
3.競爭壁壘：技術實力決定產品層次，國產替代方興未艾
機器視覺核心價值集中于產業鏈上游，硬件工藝與軟件算法決定產品技術天花板。 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 上游占據了80%價值量，技術壁壘最高；硬件部分當中工業相機價值占比達 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。機器視覺系統由多個軟、硬件產品 組成，基于同一技術平臺的部件集成有利于系統穩定可靠，但由于其中各部件技 術路徑相對獨立，行業內除基恩士之外的多數企業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、相機國產化率高，鏡頭任重道遠
光源是機器視覺的照明系統，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 傳統鹵素燈、熒光燈到現在普遍使用的 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 環節。
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，奧普特是國內最早起步的光源廠商，截至公司招股書發行日已共有 38 個系列、近 1000 款標準化產品并提供定制化的光源服務，2021 年公司 實現光源業務收入約 3 億元，保持國產領先。
鏡頭是機器視覺圖像采集部分重要的成像部件，海外廠商優勢明顯。與普通鏡頭 相比，工業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。選取恰當的機器視覺光學鏡不僅有助于后續 圖像處理工作，而且可以降低設備成本。在工業鏡頭領域，海外企業進駐較早， 研發實力強勁，品牌影響力較大，在高端工業鏡頭市場占據競爭優勢，如德國施 耐德、日本 CBC Computar 等。我國雖然起步較晚，但涌現出了優秀的鏡頭公 司如廣州長步道、東正光學等企業。
工業相機實現光信號轉換，本土品牌有望實現全面國產替代。工業相機是工業視 覺系統的核心零部件，其本質功能是將光信號轉變成電信號，要求產品具有較高 的傳輸力、抗干擾力以及穩定的成像能力。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。目前市面上的工業相機主要有面陣相機、線陣相機、3D 相機以及智能 相機。據 CMVU 的統計，2015 年后，中國涌現出了一批有規模的、有競爭力 的國產品牌，如海康機器人、大恒圖像、華睿科技等年產十萬顆以上的公司。2020 年，國產相機銷售數量占比已超過 80%，有望在不久的未來實現對進口的全面 替代。
3.2.軟件和數據：沉淀數據構建壁壘，新興產業劃定“新起跑線”
軟件是機器視覺產業的核心中樞，機器視覺為機器植入“眼睛”和“大腦”，其 背后的本質是數據的積累和算法的迭代。機器視覺的普及為海量數據的獲取提供 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“數據->算法->更多的數據->更優的算法”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據，在 AI 和深度 學習算法的幫助下可不斷學習并優化，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 據積累優化算法庫，提升行業 Know-how。國內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，或直接采購 Halcon（德國 MVTec 公司）、 Vision Pro（美國康耐視公司）等經歷了二十多年數據沉淀的第三方商 業付費算法庫。 圖 52. 國內算法以二次開發為主，AI 算法
新能源行業自動化的普及和深入，為本土機器視覺企業帶來了彎道超車的機遇。 在汽車、3C 等傳統制造業，雖然國產機器視覺企業在工藝數據積累、打通關鍵 客戶上存在差距，短期內較難獲得快速發展，但是在新興行業，本土企業迎來了 前所未有的發展機會。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 7 年位居全球首位，光伏產業鏈的本土化率更是達到 70%以上。我們認為，在具有本土優勢的新興行業中，國內企業與國外的龍頭公 司在行業 know-how 的積累上基本處于同一起跑線，且沒有傳統行業歷史上緊 密的客戶綁定關系，有望在新興產業的機器視覺領域彎道超車。
3.3.創新能力：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，具有系統結構簡單、 實現成本低，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）：通過給目標物連續發送光 脈沖，通過探測光脈沖發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 機器人的環境感知能力，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，實現更高難度的不規則包裹抓取、非標金屬部件焊接等操作， 機器人柔性大幅提升。根據 MIR 的預測，搭載 3D 視覺的工業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傳統 2D相機無法實現的功能，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、醫院等多個線下場景。根據 IDC 的數據，2017 年全球商務用機器人市場規模為 213.2 億美元，預計 2022 年全球市場規模 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，人工智能和物聯網應用將迎來快速發展，推動視覺技術加速從 2D 成 像向 3D 視覺感知跨越。根據 2019 年 Gartner 新興技術發展周期曲線圖，3D 視覺感知概念已經突破了早期的期望膨脹期，并逐漸步入產業化前的重要發展階 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 技術并實現百萬級面陣 3D 視覺傳感器量產的企業僅有蘋果、微軟、索尼、英特 爾、華為、三星和奧比中光等少數企業。我們認為在這一新領域逐步走向成熟的 過程中，具備創新能力、掌握核心技術的公司有望率先受益。
