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調用。

今年機器視覺企業大規模新增

根據中國企業數據庫顯示，截至2023年3月15日，中國機器視覺行業的主要企業共有7114家，其中以2017-2019年為主要注冊熱潮，2019年注冊企業數量為891家，數量多，而2022年僅新增了20家機器視覺企業。

根據中國機器視覺產業聯盟(CMVU)調查統計，現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、上海波創電氣等。

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

視覺模型由定制向泛化發展

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，提出能夠對任何圖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領域首席科學家田奇在中國人工智能大模型技術高峰論壇上提出未來隨著盤古系列大模型落地，AI 視覺在下游應用中會加速滲透。

同時，華為盤古CV大模型已泛化應用于工業質檢、物流、設計等多領域，產業化應用得到提升。

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

機器視覺行業上市公司業務布局

目前從各企業的業務布局來看，天準科技、精測電子、超音速等企業機器視覺相關業務占比較高，均超過70%。

區域布局方面，機器視覺行業企業多數在國內外均有布局，隨著國產廠商國際競爭力加強，企業海外業務規模逐漸擴大，矩子科技、天準科技等企業國外業務占比達到30%左右。

從機器視覺上市公司業績表現來看，2022年上半年，精測電子、美亞光電、天準科技機器視覺業務營收較高，超過4億元。

從毛利率來看，機器視覺行業毛利率水平較高，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協同加快產業進程

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用領域、多功能需求，降低開發門檻和開發成本。

機器視覺作為 “眼睛”被AI使用，獲取底層數據并協助完成人機交互。

以凌云光、奧普特、天準智能為代表的機器視覺企業紛紛搶占AI賽道，與上下游企業協同打通產品生態，并不斷豐富算法工具和應用場景。

凌云光將智能算法的決策模塊嵌入“端、邊、云”的生產體系，形成“端、邊、云”輸出與反饋的智能協同作業閉環系統，并借助工業人工智能實現 “眼、腦、手”的更優配合。

2022年11月，凌云光面對鋰電行業智能制造新需求，推出針對工業質檢場景自主研發的深度學習平臺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 獲得良好應用效果。

天準科技公司在2021年成為英偉達Jetson 產品線解決方案合作伙伴，基于英偉達的嵌入式 GPU 打造 AI 邊緣計算平臺，深度應用于智能網聯領域的各種場景。

華為盤古CV泛化應用已有產業化實踐

華為盤古CV大模型已泛化應用于工業、物流、設計等多領域。

盤古大模型包括L0（基礎大模型）、L1（行業預訓練大模型）、L2（推理模型）三個層級，模型僅用一次預訓練，在基礎大模型之上進行泛化復制和下游任務微調，共包含CV、NLP、科學計算三類。

其中盤古CV大模型可以應用于工業質檢、物流倉庫監控、時尚輔助設計等領域，具有的泛化能力、高效樣本篩選能力，可以節省80%以上人力標注代價、小樣本/零樣本能力、低門檻AI開發等優勢。

模型可應用于鐵路TFDS開發方案，基于先驗模板匹配進行小樣本故障定位識別，準確率高達98%-99%。

在智能礦山領域，模型可覆蓋礦山采、掘、機、運、通等主業務，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，機器視覺設備將逐步代替人工。

從中期來看，機器視覺下游應用廣闊，滲透率持續提升。

3C 領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用，且視覺技術同樣適用于 4680 等新電池；

半導體、光伏等領域的晶圓缺陷檢測設備、光伏硅片分選設備等需求提升顯著。

從短期來看，制造業固定資產開支回暖、國產替代加速，將加速機器視覺設備需求釋放。

依據中國機器視覺產業聯盟數據，預計未來市場規模保持 25%增長，25年突破390億。

結尾：

機器視覺和人工智能的融合，雖然在技術研發和創新方面具有許多潛在的優勢，但也帶來了一定的風險和挑戰。

例如技術實現方面存在系統性能的不穩定、數據質量的不一致等問題，所以在技術研發和創新風險需全面思考。