1、我国机器视觉正处于快速发展阶段，行业需求迅速提高

芯片采购网专注于整合国内外授权IC代理商现货资源，芯片库存实时查询，行业价格合理，采购方便IC芯片，国内专业芯片采购平台。

1.1机器具有明显的视觉优势，下游应用分为四个功能

根据美国自动成像协会（AIA）根据美国制造工程协会的定义（SME）机器视觉分会和美国机器人工业协会（RIA）机器视觉是一种通过光学装置和非接触传感器自动接收和处理真实物体图像以获取所需信息或控制机器人运动的装置。

典型的机器视觉系统通常包括两部分：光源和光源控制器、镜头、相机等硬件，视觉控制系统负责图像处理分析，输出分析结果到其他智能设备执行机构，完成成功的机器视觉应用需要上述部件的密切合作。

与人眼相比，机器视觉具有精度高、速度快、适应性强等显著优点。机器视觉可以在各种场景下取代人眼，广泛应用于智能制造、高端设备、自动化设备等行业，是先进制造的重要组成部分。

机器视觉的许多应用场景和功能可分为四个基本功能：识别、测量、定位和测试。其中，检测技术难度最大，识别难度值最低。检测指标主要针对设备的准确性、精度、速度和复杂形式，对观测能力要求较高。机器视觉在许多性能上优于传统人眼，错误率较低，检测速度较高，更换劳动力后成本较低。

1.2我国机器视觉正处于快速发展阶段，行业需求迅速提高

与欧美发达国家相比，我国机器视觉产业起步较晚，目前正处于快速发展阶段。早在1970s-1980s，CCD图像传感器出现，CPU、DSP随着图像处理硬件技术的进步，国外机器视觉开始发展。1999年启蒙了国内机器视觉产业s，2003年以前主要代理国外品牌业务。2004-2012年，国内市场发展迅速，企业纷纷涌现。2013年以后，中国正式成为继欧洲、美国和日本之后的第三个机器视觉市场，正处于快速发展阶段。

二、机器视觉下游应用不断扩大，本地市场空间广阔

2.我国机器视觉渗透率低，增长空间大

作为世界上最大的制造商，我国机器的视觉渗透率较低，仍有较大的改进空间。

①根据UNSD数据显示，2018年，中国制造业产值占世界的28.4%，明显领先美国第二名的16.6%，是世界上最大的制造国。

②然而，2018年，中国机器的视觉产值仅占14.68%，与中国全球制造中心的地位不匹配，中国机器的视觉渗透率较低。结合基恩士和康耐视的收入区分布，可以进一步证实，2019年，基恩士和康耐视仅占大中华区的11.58%和15.86%，落后于欧美。

展望未来，我们认为中国机器视觉产业仍有很大的增长空间，是黄金增长轨道。人口老龄化 劳动力成本增加 机器视觉先天优势 政策支持智能制造为中国机器视觉产业的可持续发展提供了重要的驱动力，而下游成熟的机器视觉产品技术和可持续的本地化趋势为中国机器视觉产业的发展提供了重要的支持。

2.2 3C行业：机器视觉的最大细分市场仍有很大的发展前景

消费电子、汽车、食品、医药是我国机器视觉的主要应用领域，其中机器视觉在消费电子行业的应用最为成熟，2019年市场份额高达46.6%。

以消费电子为例：

①行业属性：消费电子生产工艺复杂，零部件多样，需要依靠大量的人力进行工艺检测，相应的劳动力成本较高，行业对高效自动化生产线的需求较高，可以发挥机器视觉的优势；

②产品属性：消费电子部件尺寸小，精度高，人眼识别精度不足；此外，二维码读取、划痕检测不能依靠人眼完成，机器视觉需要应用。

展望未来，我们认为机器视觉是3C该领域的需求预计将继续改善，驱动力包括：

①3C产品生命周期短，厂家需要频繁采购设备。以苹果为例，固定资产支出常年保持较高水平(2019-2020年贸易摩擦和疫情下降)，将带动机器持续视觉需求；

②3C产品结构趋于复杂，生产线对生产效率和加工精度的要求日益提高。苹果对机器视觉的需求正从装配厂提前到模块厂，苹果产业链机器视觉的渗透率将继续提高；

③在消费升级的背景下，当地高端智能手机市场正在加速成交量，Android制造商对加工效率和精度的要求不断提高，Android生产线中机器视觉的渗透率有很大的提高空间。

三、机器视觉行业盈利能力优异，本土企业方兴未艾

3.1机器视觉：产业链完善，核心部件价值占比较高

工业机器视觉产业链复杂，中下游可分为零部件供应商（光源、镜头、相机、视觉控制系统等）和集成开发商（组装集成、软件二次开发等）

在成本构成方面，在机器视觉系统中，2020年中游零部件的价值占45%，软件环节（包括上游视觉控制系统和下游设备制造商的二次开发）的价值占35%，总价值占80%，保守估计中游核心零部件和视觉控制系统的价值占50%以上。

通过我们的粗略估计，2020年H在奥普特的整体解决方案中，光源和控制器、镜头、相机和视觉控制系统的价值分别占35.30%、23.32%、15.65%和25.73%。因此，视觉控制系统是产业链中游的主要价值核心。

3.2机器视觉是一个技术密集型行业，整体利润水平较高

机器视觉是一个技术密集型行业，企业核心竞争力的维护取决于持续的研发投资。我们认为，高研发投资构建了深厚的技术障碍。从根本上说，成熟企业在产品技术和应用开发方面具有较强的先发优势，奠定了较高的盈利能力中心。

①在产品技术层面，软件平台的建设依赖于坚实的底层算法和丰富的数据库，技术障碍高，对于光源、镜头、相机等硬件环节，精度、速度、稳定性要求高，企业需要持续研发投资产品迭代和技术改进，保持市场产品竞争力；

②在应用开发层面，机器视觉下游的应用场景很多，解决方案的开发需要基于大量的实际案例和行业kown-how产业经验积累是行业另一大技术壁垒，也需要依靠大量的研发资源投入。

纵观国内外，可以发现机器视觉零部件龙头企业盈利能力强，稳定:①总体而言，基恩士和康耐视的毛利率长期稳居高位，中心值分别为80%和75%；奥普特的毛利率水平也很好，2017-2020年分别为71.38%、71.29%、73.59%和73.94%；②细分来看，机器视觉是软硬件结合产品结构，对于原材料成本较高的硬件，也具有较强的盈利能力；以奥普特为例，2017-2020年光源业务毛利率分别为81.57%、82.05%、82.60%和79.25%，已接近纯软件产品毛利率，也足以突出机器视觉行业的高盈利能力。

四、康耐视&基恩士：他山之石可攻玉

4.1康耐视：以视觉软件为核心，积极布局领先技术

康耐视成立于1981年，创始人是全球机器视觉之父Robert J.Dhillman博士，现在是世界领先的机器视觉部件和解决方案供应商。公司于1982年推出了第一个光符识别视觉系统DataMan，此后，产品线不断丰富，进入快速发展期；此外，公司专注于3D通过积极的收购和自主研究布局，为公司在机器视觉领域的长期发展提供了强有力的技术支持。

康耐视产品矩阵丰富，以标准化产品为主。公司现在可以提供2D视觉、3D视觉、视觉软件、工业读码器等系列产品大多标准化，通用性强。2020年，公司标准产品收入占83.21%；总的来说，公司产品的核心在于优秀的软件实力，在深度学习领域取得了实质性进展。2018年，基于深度学习的工业图像分析软件正式启动Cognex ViDi套件；

4.2基恩士:软硬件并举，机器视觉领先的全球扩张

基恩士成立于1974年，是世界上最早从事工业自动化生产的公司之一。公司以自动化传感器为切入点，逐步将业务范围扩展到机器视觉、测量仪、显微镜等领域。业务规模迅速扩大。截至2021年，已有19家跨国公司组成的高效销售网络，并在全球46个国家设立了230个办事处。正式进入中国市场。

恩士继续扩大产品矩阵，产品种类非常丰富，包括机器视觉系统、传感器、控制系统、测量系统、激光设备、显微镜等产品线，产品多为集成标准产品；

机器视觉贯穿基恩士各产品线，是其产品竞争力的核心技术壁垒：

①基恩士以机器视觉核心技术为基础，逐步形成视觉系统、读码器、图像传感器、手持终端等机器视觉产品；

②对于测量仪器、激光设备、测量系统、显微镜等产品线，基恩士系统集成了其机器视觉技术，确保了该产品在市场上的先进技术水平。

五、梳理一些本地机器视觉企业

5.1奥普特:本土机器视觉核心部件领先

奥普特成立于2006年，主要从事机器视觉核心软硬件产品的研发、生产和销售；自成立以来，公司逐步将产品线扩展到光源控制器、镜头、相机、视觉控制系统等核心部件。

公司产品已广泛应用于3C在电子、新能源、半导体、光伏、汽车等领域的高端设备中，有3台C电子稳居最大应用领域，新能源领域成交量快，2020年H收入比例上升到18.04%。

5.2矩子技术：本土自动光学检测设备领先企业

矩子科技成立于2007年，公司自成立以来一直使用机器NDK代理以机器视觉设备为核心发展方向，主要产品包括机器视觉设备、控制电缆组件、控制单元和设备，其中机器视觉设备包括自动光学检测设备和机器视觉生产设备，2020年总收入占43.18%。

公司产品广泛应用于苹果、华为、和硕等电子、新能源、食品包装和汽车领域Ultra Clean2019年海外收入占31.56%，2020年受疫情影响略有下降，占24.82%。

5.3凌云光：机器视觉综合供应商掌握底层核心软件

凌云光成立于2002年，是中国最早进入机器视觉领域的企业之一。公司的发展战略集中在机器视觉上。业务覆盖可配置视觉系统、智能视觉设备和视觉设备，并逐步实现工业相机、专用光源、核心算法库、智能软件包等核心部件的独立研发。

公司拥有丰富的客户资源，长期服务于苹果、华为和小米的产业链。其产品广泛应用于瑞盛科技、歌尔、京东、福莱特、宁德时代等领域的领先企业。公司长期深入从事先进成像、图像处理算法、机器视觉软件和自动控制，全面掌握光机计算软的底层技术，是中国罕见的独立算法库企业。