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(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�？�、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(yè)質(zhì)檢、物流、設計等多領域，產(chǎn)業(yè)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(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)務布局

目前從各企業(yè)的業(yè)務布局來看，天準科技、精測電子、超音速等企業(yè)機器視覺相關業(yè)務占比較高，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)務規(guī)模逐漸擴大，矩子科技、天準科技等企業(yè)國外業(yè)務占比達到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用領域、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(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，深度應用于智能網(wǎng)聯(lián)領域的各種場景。

華為盤古CV泛化應用已有產(chǎn)業(yè)化實踐

華為盤古CV大模型已泛化應用于工業(yè)、物流、設計等多領域。

盤古大模型包括L0（基礎大模型）、L1（行業(yè)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(diào)，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(yè)質(zhì)檢、物流倉庫監(jiān)控、時尚輔助設計等領域，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。

模型可應用于鐵路TFDS開發(fā)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(yè)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(xù)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(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險和挑戰(zhàn)。

例如技術實現(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，所以在技術研發(fā)和創(chuàng)新風險需全面思考。

       原文標題 : 趨勢丨AI+制造業(yè)：機器視覺開啟掘金新大陸