大國重器｜中國工業之「眼」，如日方升

往前看，我們認為「數據」將成為工業製造中新的生產要素，助力製造業的智能化轉型和效率提升；其中機器視覺作為工業之「眼」，將在數據採集/識別/檢測等諸多領域大放異彩。通過分析機器視覺產業鏈和行業特點，我們看好中國機器視覺行業的長期發展。

我們認為機器視覺行業具有應用廣、空間大、壁壘高的特點，優質企業能夠長期保持高盈利水平，而中國機器視覺行業受益於滲透率提升、國產化替代以及智能製造轉型的發展機遇，長期成長動力充足。

機器視覺行業應用廣、空間大、壁壘高。機器視覺可應用於智能製造的方方面面。機器視覺系統輔助設備進行自動化生產和智能化檢測，具有廣泛的應用行業和應用場景。我們預計2025年全球機器視覺行業規模92億美元。根據康耐視，2018年全球機器視覺行業規模為42億美元，長期有望實現12%的複合增速，據此計算，到2025年全球機器視覺行業規模有望達到92億美元。根據中國機器視覺產業聯盟，2019年中國機器視覺行業規模約103億元，過去五年年均複合增長達32.4%，增速遠快於全球。

技術密集疊加工藝密集，構築行業高盈利能力。機器視覺作為工業自動化的重要環節，具有技術密集與工藝密集的特點，業內企業需要通過高強度的研發投入以及長期的案例積累，建立起全面的產品佈局與優質的服務體系，進而構築競爭壁壘。高壁壘帶來優質企業高盈利水平，例如基恩士/康耐視近十年毛利率、淨利率平均水平可達80%/75%、35%/26%。

中國機器視覺：滲透率提升與國產化替代共同發酵。中國2019年機器視覺規模約為製造業增加值的0.4‰，而德國、美國該比例分別約1.6‰、1.2‰，為中國的3-4倍。往前看，隨着中國製造業產業升級，機器視覺滲透率有望持續提升。與外資品牌相比，本土品牌具有價格、深度定製化優勢，進口替代優勢明顯。特別地，中國在新能源等新興製造業佔據全球領先地位，外資品牌的項目經驗優勢大幅削弱，我們認為國產品牌有望藉此彎道超車。

「智能製造」大勢所趨，中國市場土壤優渥。隨着中國製造業勞動力數量減少與用人成本提高，「機器換人」日益成為企業發展大勢所趨。而隨着3D視覺、工業互聯網、深度學習等先進技術的成熟，我們認為機器視覺作為數據採集、深度感知的重要工具，有望成為數字經濟時代製造業的必選項。

風險：

行業競爭加劇；汽車、電子等行業資本開支不及預期；技術風險。

機器視覺：工業之「眼」，如日方升

機器視覺：多種技術工藝複合的系統產品

機器視覺：智能製造的「眼睛」。根據美國自動成像協會（AIA）的定義，機器視覺是一種應用於工業和非工業領域的硬件和軟件組合，它基於捕獲並處理的圖像為設備執行其功能提供操作指導。廣義的機器視覺按照應用領域，可分為工業視覺（用於檢測、智能製造等領域）和計算機視覺（用於消費、服務等智能生活領域），本文所述的機器視覺特指應用在工業領域的工業視覺。

機器視覺的組成部分

機器視覺的組成可分為硬件和軟件兩部分。硬件負責成像，相當於人的「眼睛」，包括光源及光源控制器、鏡頭和工業相機；軟件負責圖像處理分析，相當於人的「視覺皮層」。具體而言，典型的機器視覺成套系統包括：

•　光源及光源控制器：共同為機器提供「看」的環境。合適的光源可突出目標特徵，隱去無關的背景信息，進而大幅降低算法難度。

•　鏡頭：被攝物體信息採集和傳遞過程的起點，相當於「晶狀體」。

•　工業相機：機器視覺中的圖像採集單元，本質為將光信號轉變為有序的電信號，相當於「視網膜」。工業相機對拍攝速度、圖像穩定性、傳輸能力和抗干擾能力有較高要求。

•　視覺處理分析軟件：通過編寫合適的算法，進行圖像的處理和分析，最終實現機器視覺功能目標，相當於「視覺皮層」。視覺處理分析軟件通常基於PC使用，也可嵌入工業相機中，使其成為兼具圖像採集、處理、通信功能的智能相機。

機器視覺的主要功能

機器視覺系統可輔助設備進行自動化生產和智能化檢測。具體而言，機器視覺具有識別（Identify）、測量（Gauge）、定位（Guide）、檢測（Inspect）四大功能，各項功能的應用場景和實現關鍵在於：

•　識別（Identify）：基於目標物的特徵進行甄別，例如外形、顏色、字符、條碼等，其中OCR/OCV（光學字符識別/光學字符驗證）、條碼識別和碼垛搬運是重要的應用場景，在追蹤管理和質量回溯環節可發揮重要作用。識別的關鍵在於高準確度和快速識別。

•　測量（Gauge）：把獲取的圖像像素信息標定成常用的度量衡單位，然後在圖像中精確的計算出目標物的幾何尺寸，應用場景包括尺寸標註和誤差測量等。機器視覺尤其擅長小尺寸、高精度以及複雜形態的測量。

•　定位（Guide）：獲得目標物體二維或三維的位置信息，進而引導生產設備（機器手、機 床等）或檢測設備進行精確定位或移動。定位功能的關鍵在於高精度和快速定位。

•　檢測（Inspect）：一般是指外觀檢測。檢測的應用場景很多，如裝配後的完整性檢測（是否正確完成裝配）、外觀缺陷檢測（是否有劃痕、凹凸不平等）等。

機器視覺相比人工視覺的優勢：速度、精度、強度更勝一籌

機器視覺相比人眼視覺，具有圖像採集和分析速度快、觀測精度高、環境適應性強、客觀性高、持續工作穩定性高等優勢，因而可幫助終端使用者進行產品增質、成本降低以及生產數字化：

•　產品增質：1）機器視覺可顯著降低檢測的漏檢率和過殺率，提高生產的精度和良品率；2）提高產品一致性；3）在不規則、小尺寸、精細化部件的加工和檢測，以及危險環境下具有更加明顯的優勢。

•　成本降低：1）機器視覺採集和處理圖像的時間在微秒級別，可顯著提升效率；2）單台系統可代替多人工作，並可7×24小時不間斷工作；3）柔性化程度高，若生產過程改變，僅需調整算法或增加部分硬件即可實現。

•　生產數字化：機器視覺作為「圖像」這一重要數據的採集和分析接口，是未來實現智能生產和工業互聯的必備途徑。

機器視覺產業鏈：孕育優質企業的土壤

機器視覺行業位於產業鏈中游，具有廣闊的下游應用場景

•　上游行業：標準零部件提供商。主要為元器件、光學材料、結構件等標準零部件。

•　中游機器視覺行業：包括部件製造和成套系統集成兩個環節，廠商根據實際情況各自佈局。除了自主研發、生產並銷售標準化的機器視覺核心部件，機器視覺廠商也深度結合下游實際場景，以整體解決方案的模式提供成套系統。成套系統集成環節在機器視覺中佔有至關重要的地位，根據美國自動成像協會（AIA），2018年北美機器視覺行業銷售額中，機器視覺成套系統（包括智能相機）佔86%，機器視覺部件僅佔14%。

•　下游行業：運用機器視覺技術的專用設備集成商和終端使用者。專用設備集成商將機器視覺成套系統與其他電氣件（運動控制器、伺服電機等）、機械件（運動模組、機加件等）集成為機器視覺生產或檢測設備，例如自動光學檢測機（AOI）、影像測量儀、自動切孔機、打膠機等等。此外，機器視覺系統也可作為附加設備，直接安裝在終端的機器人或生產線上。從終端行業看，機器視覺的下游應用場景廣闊，如汽車、3C電子、半導體、食品飲料、光伏、物流、醫藥、印刷等。

機器視覺行業以國外廠商為主導，基恩士和康耐視為行業龍頭

國外廠商占主導地位，國內廠商逐步跟進。無論是部件製造還是成套系統領域，海外廠商均有較長的發展歷史、較為深厚的技術及案例經驗，在全球機器視覺行業佔據主導地位。

對於部件製造商，由於不同部件的核心技術、生產工藝有較大的區別，企業通常在各自的優勢領域深耕，分部件看：

•　光源：日本CCS（OPTEX子公司）佔據了全球機器視覺光源市場約30%，美國Ai（Advanced illumination）、法國Phlox光源也較為知名。由於光源技術壁壘較低，國內廠商奧普特（以光源起家）、康視達、鋭視光電、緯朗光電等已基本具備與外資競爭的技術能力。

•　鏡頭：德、日廠商在光學鏡頭的研究與製造方面具有悠久的歷史，部分巨頭憑藉技術積累拓展工業鏡頭產品，包括日本CBC集團、KOWA、茉麗特、富士能，以及德國三大鏡頭品牌之中的卡爾蔡司、施耐德光學。國內品牌普密斯、東正光學和慕藤光佈局較早，在中低端市場中具有性價比優勢。

•　相機：機器視覺相機的龍頭為德國巴斯勒，憑藉低成本和高穩定性佔有全球20%的銷量份額，美國特利丹（主要品牌Dalsa，擬收購安防/工業相機龍頭FLIR）則在高像素等高端市場佔有主導地位，此外日本索尼、德國Allied Vision以及韓國Vieworks知名度較高。國內的海康威視、大華科技（子公司華睿科技）、大恒科技均由安防領域向機器視覺拓展，憑藉技術和工藝上的延續性，近年來發展較快。

•　軟件：軟件算法是機器視覺的靈魂，也是最容易出現「卡脖子」的環節。國內軟件通常基於OpenCV等開源算法庫，或Halcon（MVTec產品）、VisionPro（康耐視產品）等商業算法庫，進行二次開發。而獨立的底層算法庫難度較高，國產企業僅創科視覺、奧普特等較少企業有所突破。通常而言，國產視覺軟件在易用性、非標性上有所優勢。

成套系統領域，基恩士（Keyence）和康耐視（Cognex）為行業龍頭。基恩士和康耐視在機器視覺系統集成能力和軟硬件產品佈局上全球領先，2019年收入分別達357.9（含傳感器、測量儀器等非機器視覺類自動化產品）和50.6億元，過去十年年均複合增長率達15.0%、15.2%，我們估計基恩士、康耐視在全球機器視覺系統中佔有率分別約30%和20%。國產企業中同時具備軟硬件自主研發以及系統集成能力的主要有奧普特、海康威視以及大恒科技。此外，部分廠商通過代理銷售硬件並配套自研軟件及算法，提供系統解決方案，例如德國Stemmer Imaging、凌雲光。

此外，由於應用的通用性和廣泛性，機器視覺下游專用設備集成商眾多，且大多具有專注聚焦的應用領域和應用行業。大致來看，機器視覺專用設備集成商主要可分為三類。第一類為通用自動化設備廠商，將機器視覺作為一種先進的解決方案，例如全球測量設備龍頭海克斯康、自動化控制設備龍頭歐姆龍，國內賽騰股份、大族激光等。第二類為專門應用機器視覺的設備集成廠商，以用於電子行業的AOI（自動光學檢測）設備廠商為代表，主要有韓國高迎科技（AOI & SPI設備全球市佔率28%）、德律科技（中國台灣）、矩子科技、天準科技、精測電子等。第三類為蘋果、大眾等終端使用者或其OEM供應商的機器視覺部門。

機器視覺應用廣、空間大、壁壘高

應用廣：下游應用眾多，覆蓋多工藝環節

機器視覺的功能決定了下游的應用場景廣闊。機器視覺的本質在於利用圖像採集和分析技術，優化自動化生產和檢測流程，因而可用於工業製造的方方面面。

從廣度上看，機器視覺的下游行業眾多，包括汽車、3C電子、半導體、食品飲料、光伏、物流、醫藥、印刷、玻璃、金屬、木材等。特別地，機器視覺在需要高精度、高速度檢測的汽車、電子等行業的需求量大，發展較為成熟，以德國為例（2018年德國機器視覺產品收入中66%為向世界各國的出口，因而可作為全球情況的代表），根據德國機械設備製造業聯合會，2018年德國機器視覺企業收入前四的行業分別為汽車、電子、食品飲料、半導體，分別佔比22%、16%、15%、7%。

中國應用聚焦在電子、汽車行業，其他行業仍有待拓展。電子、汽車、電池（主要為新能源汽車電池）為中國機器視覺三大主要場景，佔比分別為36%、9%、8%，合計達53%。與發達國家應用結構對比，未來中國在醫藥、食品飲料等行業的機器視覺應用仍有拓展空間。

從深度上看，機器視覺的應用覆蓋產業鏈的多個環節。以手機的製造為例，機器視覺可應用在結構件生產、模組生產、成品組裝、錫膏和膠體的全製造環節，iPhone生產全過程需要70套以上的機器視覺系統。

空間大：預計2025年全球規模92億美元，國內成長速度快於全球

從空間上看，2018年全球機器視覺規模約42億美元。根據康耐視的測算，2018年全球機器視覺規模約42億美元，分應用來看，2D視覺、ID識別系統、物流、3D視覺分別為14、10、10、4億美元。此外，由於機器視覺的下游應用場景繁雜，且仍有不少應用場景未得到完全挖掘，潛在空間難以準確推算，以下僅略作簡單討論。根據康耐視，估計在全球3.6億製造業工人中，視覺質檢人員約3,500萬人，按照世界銀行2018年全球人均淨收入9,290美元計算，全球每年僅因視覺檢測而產生的人工成本就超過3,000億美元。而人工成本的節約只是機器視覺為下游帶來價值增值的其中一環，若考慮產品質量和一致性的提升、數字化生產，以及機器視覺在高精度、複雜場景下的增量應用，我們認為全球機器視覺的超遠期潛在空間可能至少為千億美元級別。

從增速上看，全球機器視覺行業有望維持12%的長期高速增長。全球機器視覺龍頭基恩士、康耐視在近十年間各實現了15.0%、15.2%的年均收入複合增速。面向未來，根據康耐視的預測，全球機器視覺行業在長期有望實現12%的年均複合增速，其中在3D視覺、物流等新興應用領域增速有望達到15%。據此計算，到2023年、2025年全球機器視覺行業規模有望達73.3、91.8億美元。

2019年中國機器視覺行業規模約103億元，過去五年年均複合增長達32.4%。根據中國機器視覺產業聯盟（CMVU）對會員企業的統計，2019年中國機器視覺行業規模103億元，按年增長約23%，2014-2019年年均複合增速達32.4%。需要說明的是，CMVU口徑包含了部分機器視覺專用設備集成商，而康耐視口徑僅為機器視覺成套系統及部件。我們認為中國機器視覺行業規模仍較小，但增速遠快於全球，處於快速成長的階段。

壁壘高：技術密集疊加工藝密集，鑄就行業高盈利特性

基恩士和康耐視的盈利水平長期維持高位，反映行業的高壁壘。機器視覺行業的一大特點為較強的盈利能力，基恩士過去十年的毛利率、息稅前利潤率、淨利潤率平均水平為80%、50%、35%，康耐視盈利能力低於基恩士，但平均水平也高達75%、27%、26%。我們認為，較強的盈利能力反映了較高的行業壁壘，這主要源於機器視覺行業具有「技術密集」與「工藝密集」這兩大特性。

技術密集：研發投入高，技術創新與產品佈局缺一不可

機器視覺是技術密集型行業，廠商研發費用率較高。由於工業場景對機器視覺的精度、穩定性要求較高，無論是軟件，還是光源、鏡頭、相機等硬件，都有較高的研發難度，且由於下游行業和需求多樣化，硬件型號以及軟件算法非常繁雜，全面的產品線佈局需要較長時間的積累。此外，為了滿足新的行業與新的需求，諸多廠商前瞻性佈局3D、機器學習等創新性技術。因此，機器視覺廠商的研發費用率較高，2019年除了基恩士僅3%外，National Instruments、Basler、康耐視和奧普特研發費用率均超過10%。基恩士雖然研發費用率低，但其通過「應用帶動研發」的方式，仍保證每年70%的新品是全球首款或行業首推。

工藝密集：強調對下游行業的Know-how，案例積累與服務體系構築壁壘

「類諮詢」的解決方案提供模式，定製化程度高。對於機器視覺行業而言，下游客戶通常並不清楚應當採用何種硬件、何種算法才能「合適」地實現功能，客戶往往以解決某個問題或實現某種功能的形式提出需求，機器視覺廠商需要結合產品、產線等具體情況給出方案。因此，除了簡單的通用性功能需求，大多數解決方案具有定製化屬性，因而附加值高。

長期的案例積累與強大的服務體系為關鍵能力。首先，不同的案例之間具有一定的可遷移性，因此案例知識庫的積累有助於降低開發難度、優化項目質量以及縮短開發週期。此外，對於機器視覺廠商而言，案例的開發也能夠反哺軟硬件產品的研發，形成良性循環。其次，強大的服務體系對於方案溝通、技術支持、產品銷售也至關重要，基恩士在全球46個國家設立了220個直銷點，實現客戶服務的「完全直銷、直接支持、當日出貨」。

中國機器視覺：滲透率提升+國產化替代，助力智能製造

中國機器視覺密度僅為發達國家的1/4，發展潛力廣闊

中國2019年機器視覺密度約為0.4‰，距離發達國家仍有3-4倍空間。我們以「機器視覺行業規模 ÷ 製造業增加值」衡量機器視覺的密度。根據國家統計局，中國2019年製造業總產值26.9萬億元，則中國2018年機器視覺密度約0.4‰。根據德國機械設備製造業聯合會（VDMA），2019年德國機器視覺企業銷售額為219億元（28億歐元），其中66%出口，則德國機器視覺行業規模約75億元（不考慮進口），對應密度為1.6‰；美國自動成像協會（AIA）僅公開了2018年數據，2018年美國機器視覺行業規模為186億元（28.7億美元），對應密度為1.2‰。

基恩士、康耐視收入結構也顯示中國機器視覺的滲透率仍較低。基恩士和康耐視分別於2001年、2002年進入中國，但2019年其中國收入佔比仍較低，僅分別為12%和16%。

國產替代正在發生，新興產業助力彎道超車

如前所述，機器視覺行業具有「技術密集」和「工藝密集」的特點，外資品牌如基恩士、康耐視憑藉更長期的產品線和方案經驗積累，目前在國內市場佔有主導地位。但我們認為，國產品牌未來將不斷加速崛起，主要基於以下兩點原因：

1）憑藉價格、深度定製化的相對優勢，國產品牌有望進口替代。國外品牌部件及系統價格高昂，國內品牌憑藉供應鏈及人員本土化，能夠掌握一定價格優勢；國外品牌雖然標準化部件齊全，且在標準化方案上更有經驗，但由於在中國技術人員佈局較少，在需要結合實際產線、與廠商工程師合作開發等深度定製化需求上，響應速度不及國產品牌。可以看到，近年來蘋果產業鏈中機器視覺系統的國產替代正在發生。2017-2019年，康耐視來自蘋果及子公司的收入不斷下降，佔比從20%下降至不足10%，而奧普特蘋果收入佔比則從17%提升至39%。

2）憑藉中國在部分新興製造業的中心地位，國產品牌有望彎道超車。在新能源汽車、光伏等新興行業，中國並非跟隨者，而是佔據了全球製造中心的地位，2015年以來中國新能源汽車銷量佔全球比例均超過50%，而在光伏產業鏈，中國產能佔比多晶硅、硅片、電池片、組件分別高達67%、97%、79%、71%。這些新興行業一方面發展迅速、空間廣闊，另一方面走在數字經濟和智能製造發展的前沿，為機器視覺國產廠商提供了廣闊的試驗田。而國外品牌在過去積累的案例經驗壁壘會被大幅削弱，國產品牌有望實現彎道超車。

工業「智」造大勢所趨，機器視覺土壤優渥

勞動力結構性轉變與產業間勞動力轉移是中國製造業轉型的核心動力。2011-2019年，中國勞動年齡人口從9.4億人下降至9.1億人，佔總人口比重從70%下降至65%。勞動力從製造業向服務業轉移趨勢明顯，農民工製造業佔比從36%下降至27%。此外，製造業就業人員平均工資卻從3.7萬元/年不斷上升至7.8萬元/年。伴隨製造業勞動力數量減少與用人成本提高的，必然是企業提升勞動生產效率的需求，因此「機器換人」是企業發展大勢所趨。

中國工業自動化正迅速發展。從代表性產品工業機器人看，2013-2018年中國工業機器人銷量從3.7萬台提升至15.4萬台，年均複合增長率33.3%，工業機器保有量也從13.3萬台提升至64.9萬台，年均複合增長率37.3%。我們認為，無論是工業機器人的「機器換手」，還是機器視覺的「機器換眼」，都是未來實現智能製造的重要環節和必要途徑。

數字經濟轉型帷幕拉開，機器視覺長期動力十足[1]。展望未來，我們認為「數字」有望成為未來五至十年，中國製造業一大新的生產要素，未來的工業產品將更加「智能化」，工業生產將更加「數字化」，渠道銷售和服務將更加「定製化」。我們認為，機器視覺作為替代人眼的生產和檢測工具，亦作為「數據採集」的重要底層設備，長期成長動力充足。

從深度感知到智慧決策，機器視覺有望成為未來中國製造業的必選項。我們認為，類似於人眼是人獲取外部信息的重要窗口，應用機器視覺也將是未來中國製造業企業獲取海量工業數據、發展數字化生產的必經之路。一方面，我們認為，隨着3D視覺、深度學習技術的發展，機器視覺的性能將更加高速、精準，感知將更加深度、智能，在替代了操作、質檢人員的同時，也為智慧決策提供了海量、全面的工業數據。另一方面，基於圖像數據的工業物聯網及深度學習技術，也是未來實現互聯化大數據管理、自演化大數據挖掘的關鍵。

風險

1）行業競爭加劇。機器視覺行業具有高盈利屬性，若因此吸引大量新進入者，現有機器視覺企業可能面臨份額丟失和毛利率下降的風險。

2）汽車、電子等行業資本開支不及預期。電子和汽車行業仍是目前機器視覺最主要的應用場景，若行業主要廠商資本開支不及預期，則可能帶來機器視覺企業的收入下滑風險。

3）技術風險。機器視覺實現「深度感知」與「智慧決策」，依賴於深度學習、3D視覺等前沿技術的導入，目前即使是國外龍頭，也仍處於這些新技術商業化的早期。若公司技術儲備不足或技術研發失敗，則面臨較大的經營風險。