前言：

機器視覺是AI的感知工具，五感中視覺獲取的信息占比超過 80%，因此機器視覺將作為人工智能的底層工具而被反復(fù)調(diào)用。

今年機器視覺企業(yè)大規(guī)模新增

根據(jù)中國企業(yè)數(shù)據(jù)庫顯示，截至2023年3月15日，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)。

根據(jù)中國機器視覺產(chǎn)業(yè)聯(lián)盟(CMVU)調(diào)查統(tǒng)計，現(xiàn)在已進入中國的國際機器視覺品牌已近200多家。

中國自有的機器視覺品牌也已有100多家，如海康、華睿、盟拓光電、神州視覺、深圳燦銳、上海方誠、上海波創(chuàng)電氣等。

機器視覺各類產(chǎn)品代理商超過300家，如深圳鴻富視覺、微視新紀元、三寶興業(yè)、凌云光、陽光視覺等。

視覺模型由定制向泛化發(fā)展

4月6日，Meta官方博客宣布推出新AI模型 Segment Anything Model（SAM）分割一切模型，提出能夠?qū)θ魏螆D像或視頻中的任何物體進行識別、圖像分割和一鍵摳圖。

4月8日，華為云AI領(lǐng)域首席科學(xué)家田奇在中國人工智能大模型技術(shù)高峰論壇上提出未來隨著盤古系列大模型落地，AI 視覺在下游應(yīng)用中會加速滲透。

同時，華為盤古CV大模型已泛化應(yīng)用于工業(yè)質(zhì)檢、物流、設(shè)計等多領(lǐng)域，產(chǎn)業(yè)化應(yīng)用得到提升。

除此之外，ChatGPT和OpenCV組合應(yīng)用降低視覺軟件開發(fā)壁壘，將機器視覺開發(fā)提升到一個新的水平。

機器視覺行業(yè)上市公司業(yè)務(wù)布局

目前從各企業(yè)的業(yè)務(wù)布局來看，天準科技、精測電子、超音速等企業(yè)機器視覺相關(guān)業(yè)務(wù)占比較高，均超過70%。

區(qū)域布局方面，機器視覺行業(yè)企業(yè)多數(shù)在國內(nèi)外均有布局，隨著國產(chǎn)廠商國際競爭力加強，企業(yè)海外業(yè)務(wù)規(guī)模逐漸擴大，矩子科技、天準科技等企業(yè)國外業(yè)務(wù)占比達到30%左右。

從機器視覺上市公司業(yè)績表現(xiàn)來看，2022年上半年，精測電子、美亞光電、天準科技機器視覺業(yè)務(wù)營收較高，超過4億元。

從毛利率來看，機器視覺行業(yè)毛利率水平較高，整體在35%以上，其中美亞光電、康鴻智能毛利率超過48%，公司獲利能力較強。

機器視覺與AI協(xié)同加快產(chǎn)業(yè)進程

AI能力的進步拓展了機器視覺的能力范圍，在軟件層面，同源底層模型可以泛化滿足多應(yīng)用領(lǐng)域、多功能需求，降低開發(fā)門檻和開發(fā)成本。

機器視覺作為 “眼睛”被AI使用，獲取底層數(shù)據(jù)并協(xié)助完成人機交互。

以凌云光、奧普特、天準智能為代表的機器視覺企業(yè)紛紛搶占AI賽道，與上下游企業(yè)協(xié)同打通產(chǎn)品生態(tài)，并不斷豐富算法工具和應(yīng)用場景。

凌云光將智能算法的決策模塊嵌入“端、邊、云”的生產(chǎn)體系，形成“端、邊、云”輸出與反饋的智能協(xié)同作業(yè)閉環(huán)系統(tǒng)，并借助工業(yè)人工智能實現(xiàn) “眼、腦、手”的更優(yōu)配合。

2022年11月，凌云光面對鋰電行業(yè)智能制造新需求，推出針對工業(yè)質(zhì)檢場景自主研發(fā)的深度學(xué)習(xí)平臺F.Brain，平臺基于“機器視覺+AI”，集成鋰電池極片、電芯缺陷樣本數(shù)量20萬+、10萬+，檢測準確率高達98.5%、99.5%。

奧普特由硬件切入軟件，基于自研算法不斷更新迭代，在鋰電、3C 獲得良好應(yīng)用效果。

天準科技公司在2021年成為英偉達Jetson 產(chǎn)品線解決方案金牌合作伙伴，基于英偉達的嵌入式 GPU 打造 AI 邊緣計算平臺，深度應(yīng)用于智能網(wǎng)聯(lián)領(lǐng)域的各種場景。

華為盤古CV泛化應(yīng)用已有產(chǎn)業(yè)化實踐

華為盤古CV大模型已泛化應(yīng)用于工業(yè)、物流、設(shè)計等多領(lǐng)域。

盤古大模型包括L0（基礎(chǔ)大模型）、L1（行業(yè)預(yù)訓(xùn)練大模型）、L2（推理模型）三個層級，模型僅用一次預(yù)訓(xùn)練，在基礎(chǔ)大模型之上進行泛化復(fù)制和下游任務(wù)微調(diào)，共包含CV、NLP、科學(xué)計算三類。

其中盤古CV大模型可以應(yīng)用于工業(yè)質(zhì)檢、物流倉庫監(jiān)控、時尚輔助設(shè)計等領(lǐng)域，具有優(yōu)秀的泛化能力、高效樣本篩選能力，可以節(jié)省80%以上人力標注代價、小樣本/零樣本能力、低門檻AI開發(fā)等優(yōu)勢。

模型可應(yīng)用于鐵路TFDS開發(fā)方案，基于先驗?zāi)０迤ヅ溥M行小樣本故障定位識別，準確率高達98%-99%。

在智能礦山領(lǐng)域，模型可覆蓋礦山采、掘、機、運、通等主業(yè)務(wù)，將井下安全事故減少90%以上。

多重因素推動機器視覺市場需求快速提升

從長期來看，未來人口老齡化及勞動力價格上漲將帶來機器替人剛需，機器視覺設(shè)備將逐步代替人工。

從中期來看，機器視覺下游應(yīng)用廣闊，滲透率持續(xù)提升。

3C 領(lǐng)域有終端客戶對機器視覺需求從手機擴展至平板、耳機、手表等；

鋰電領(lǐng)域除攪拌外，在涂布、輥壓、卷繞、入殼等各工序都有機器視覺應(yīng)用，且視覺技術(shù)同樣適用于 4680 等新電池；

半導(dǎo)體、光伏等領(lǐng)域的晶圓缺陷檢測設(shè)備、光伏硅片分選設(shè)備等需求提升顯著。

從短期來看，制造業(yè)固定資產(chǎn)開支回暖、國產(chǎn)替代加速，將加速機器視覺設(shè)備需求釋放。

依據(jù)中國機器視覺產(chǎn)業(yè)聯(lián)盟數(shù)據(jù)，預(yù)計未來市場規(guī)模保持 25%增長，25年突破390億。

結(jié)尾：

機器視覺和人工智能的融合，雖然在技術(shù)研發(fā)和創(chuàng)新方面具有許多潛在的優(yōu)勢，但也帶來了一定的風(fēng)險和挑戰(zhàn)。

例如技術(shù)實現(xiàn)方面存在系統(tǒng)性能的不穩(wěn)定、數(shù)據(jù)質(zhì)量的不一致等問題，所以在技術(shù)研發(fā)和創(chuàng)新風(fēng)險需全面思考。

內(nèi)容來源于：廣發(fā)證券-機械設(shè)備行業(yè)AI+制造系列報告之三：AI與機器視覺協(xié)同賦能，產(chǎn)業(yè)化應(yīng)用方興未艾；申萬宏源-機器視覺行業(yè)點評報告：人工智能賦能高端制造，重點關(guān)注機器視覺

本公眾號所刊發(fā)稿件及圖片來源于網(wǎng)絡(luò)，僅用于交流使用，如有侵權(quán)請聯(lián)系回復(fù)，我們收到信息后會在24小時內(nèi)處理。

審核編輯 ：李倩