广凡研究丨机器视觉行业研究报告

基本定义及简介

机器视觉（Machine Vision）是一种利用摄像头、传感器和计算机算法模拟人类视觉功能的技术系统，属于人工智能和计算机视觉的重要分支。它通过图像采集、处理和分析，实现对物体的识别、定位、测量和检测，广泛应用于工业自动化、质量检测、机器人导航和智能安防等领域。机器视觉系统能够替代或辅助人工视觉，提高生产效率、精度和一致性，是智能制造的核心组成部分。

具体而言，机器视觉系统通过光学成像装置（如相机、镜头、光源）模拟人类的视觉器官，获取被观测物体的图像信息。随后，由图像处理与算法系统（通常运行在计算机或专用处理器上）替代人类大脑，对图像进行各种运算，提取关键特征（如尺寸、形状、颜色、缺陷、位置等），进而根据预设的判别标准（如合格/不合格、类别A/B/C）做出决策，并指导执行机构（如机械臂、分拣装置）完成相应动作。

机器视觉系统由三个核心层组成：图像采集层、处理层和分析层。首先，图像采集层通过工业相机、镜头和光源获取目标物体的图像数据；其次，处理层使用图像预处理算法（如滤波、增强）优化数据质量；最后，分析层应用特征提取、模式识别或深度学习模型进行决策输出。

具体流程如下：

（1）图像采集

使用CCD或CMOS传感器摄像头，配合高亮度LED光源，确保图像清晰度和稳定性。采集环境需控制光照、角度和距离，以减少噪声。

（2）图像处理

包括灰度化、二值化、边缘检测等操作，常用算法如Canny算子、SIFT特征点提取。

（3）图像分析

通过模板匹配、OCR（光学字符识别）或卷积神经网络（CNN）进行分类和决策。例如，在缺陷检测中，系统比较实时图像与标准模板，输出合格/不合格结果。

机器视觉的重要参数是图像分辨率（如500万像素）和处理帧率（通常≥30fps），这些参数直接影响系统的精度和实时性。系统设计需遵循两个原则：1) 不影响生产流程，即处理速度高于生产线节拍；2) 确保分析准确性，误检率需低于0.1%。

机器视觉主要实现四大功能，这构成了其绝大部分应用场景的基础：

识别：确认目标物体的身份或分类。例如，读取一维码/二维码、OCR字符识别、零部件分类、人脸识别等。

测量：精确计算目标物体的几何尺寸，如长度、角度、直径、间隙等。精度可达微米级，远超人工。

定位：引导机器确定目标物体的位置和方向。这是工业机器人实现精准抓取、装配、对位的关键。

检测：判断目标物体是否存在外观或装配缺陷，如划痕、污损、漏装、错装、形状异常等。

机器视觉产业链可分为上游软硬件、中游制造、下游应用。

上游软硬件：硬件包括光源、镜头、工业相机、图像采集卡以及视觉控制器及配件等；软件包括图像处理软件以及底层算法平台等构成的机器视觉软件及算法。

机器视觉上游软硬件成本占比较高，关键零部件和软件系统约占工业机器视觉产品总成本的80%，是机器视觉的核心部分。因此，对机器视觉上游环节的掌握是目前市场竞争的关键，亦是体现机器视觉核心竞争力的重要环节。（在目前的整个机器视觉系统成本构成上，核心零部件大约占比45%、软件开发大约占比35%、组装集成大约占比15%、维护服务大约占比5%。）

中游制造：将上游的核心部件集成为各种视觉应用系统，如定位系统、测量系统、识别系统、检测系统等，能够实现图像采集、处理和通信等功能，具有灵活配置、多功能模块化和高可靠性等特点。中游分为机器视觉装备制造商与机器视觉系统商。其中，机器视觉检测系统包含独立完整的成像单元（光源、镜头、相机）和相应的算法软件，集图像采集、处理与通信功能于一身，可以灵活的进行配置和控制。而机器视觉装备则以机器视觉系统的感知能力和分析决策能力为核心，在系统的基础上赋予了设备自动化和智能化的功能，将其应用在下游实际的生产运作中。

下游应用：由于机器视觉具有定位、识别、测量、检测四大功能，通常下游应用企业会将相关设备配置应用在产品生产制造过程中的检测、筛查等重要环节，从而达到提高良品率、提升生产效率、减少对人工的依赖以及节约成本等目的。

 （1）机器视觉在20世纪的发展

1950年代，机器视觉概念萌芽于美国军事研究，当时用于卫星图像分析。1960年代，随着集成电路发展，首台工业视觉系统由美国通用电气公司开发，用于简单零件识别。1970年代，日本在汽车制造业率先引入机器视觉进行质量检测，推动了技术实用化。1980年代，欧洲“尤里卡计划”促进了机器视觉标准化，德国西门子等公司推出商用系统。

（2）机器视觉在21世纪的发展

21世纪初，深度学习革命（如2012年ImageNet竞赛）大幅提升机器视觉的识别准确率，使其从工业扩展至消费领域。全球主要厂商如康耐视（Cognex）、基恩士（Keyence）推出集成AI的视觉系统。同时，中国、美国、欧盟将机器视觉纳入国家战略，例如中国“中国制造2025”计划支持本土技术研发。2020年后，5G和边缘计算进一步推动机器视觉向云边端协同发展，应用场景覆盖自动驾驶、医疗诊断等。

近年来，为了更好地助力制造业转型升级，支持和鼓励机器视觉行业发展，我国相继出台了一系列的法律法规和政策，包括《智能检测装备产业发展行动计划（2023—2025年）》《“十四五”智能制造发展规划》《中华人民共和国国民经济和社会发展第十四个五年规划和 2035 年远景目标纲要》《国家智能制造标准体系建设指南（2021 版）》《工业互联网创新发展行动计划（2021-2023 年）》《制造业质量管理数字化实施指南（试行）》等，积极促进了我国制造业向高端化、智能化的转型发展。国家在“十四五”中长期发展战略规划中鼓励制造业核心竞争力和技术改造专项；同时国家提出要推动制造业升级，支持制造业高质量发展，推进智能制造，为持续推进制造业转型升级、机器视觉行业发展提供了有力的政策支持。

市场规模及行业竞争格局

1.行业法律法规政策

近年来，随着我国制造业以及人工智能、物联网等新兴技术产业的发展，我国制造业逐渐向高端化及智能化发展转型。智能制造装备行业对于制造业生产的效率及精准度都有着较为严格的要求，机器视觉软硬件产品作为智能制造的关键技术，长期以来受到国家各项政策的大力鼓励和支持。我国机器视觉行业近年主要相关政策如下：

2.机器视觉行业市场规模

据高工机器人产业研究所（GGII）数据显示，GGII数据显示，2024年中国机器视觉市场规模181.47亿元，同比下滑1.97%。其中，2D视觉市场规模约为153.32亿元，同比下滑5.07%，3D视觉市场约为28.15亿元，同比增长19.18%。

GGII 预测，2025年中国机器视觉市场规模有望突破210亿元，同比增速超14%，基于对外部环境的不确定性与产业投资谨慎度上升的判断，GGII整体调低了未来几年机器视觉市场的增速预期，预计至2028年我国机器视觉市场规模将超过385亿元，2024-2028年复合增长率约为20%。其中2D视觉市场规模将达到315亿元，2024-2028年复合增长率为19.78%。3D视觉市场规模约为70亿元，2024-2028年复合增长率约为25.73%。

机器视觉下游应用行业主要包含电子制造及半导体、汽车、新能源、医药、快递物流等行业，除此之外还有应用到印刷包装、烟草、农业、交通、航空航天和玻璃等领域。

（1）3C电子行业

2024年3C电子行业开启复苏节奏，GGII数据显示，2024年3C电子行业机器视觉市场规模为46.75亿元，同比增长14.02%。GGII判断2025年3C电子行业将延续高景气度，预计到2028年该市场规模将突破90亿元，2024-2028年复合增长率超过17%。

（2）新能源行业

GGII数据显示，2024年中国光伏行业机器视觉市场规模为7.12亿元，同比下滑27.13%。过去几年光伏行业经历了显著的快速发展和变化，光伏新增装机高速增长、企业快速的扩张及P型电池产能转换到TOPCon、HJT等N型电池技术迭代加速，2024年光伏行业结构性产能过剩的问题突出，压力贯穿整个产业链，预计2025年行业仍将处于调整期。GGII预测，至2028年中国光伏行业机器视觉的市场规模约15亿元。

GGII数据显示，2024年中国锂电行业机器视觉市场规模为14.12亿元，同比下降17.13%。过去几年，新能源汽车产销的高增速抬高了锂电池行业对发展增速的预期，企业投资扩产明显提速。然而，在补贴退坡、新能源汽车增速明显放缓等多重因素影响下，大量动力电池产能的持续落地导致供需错配，经过过去2年的周期性调整，叠加新工艺、新技术的发展进步，GGII预计，2025年锂电池行业对机器视觉的需求有望迎来增长。

（3）汽车行业

GGII数据显示，2024年中国锂电行业机器视觉市场规模为14.12亿元，同比下降17.13%。过去几年，新能源汽车产销的高增速抬高了锂电池行业对发展增速的预期，企业投资扩产明显提速。然而，在补贴退坡、新能源汽车增速明显放缓等多重因素影响下，大量动力电池产能的持续落地导致供需错配，经过过去2年的周期性调整，叠加新工艺、新技术的发展进步，GGII预计，2025年锂电池行业对机器视觉的需求有望迎来增长。

（4）医药医疗行业

GGII数据显示，2024年医药行业机器视觉市场规模12.35亿元，同比下降6.13%。随着药监局对医药企业经营质量管理的各项政策的出台，企业更加重视产品质量管理，对机器视觉检测的需求提高，同时，受益于行业内自动化升级改造的提速，机器视觉技术也更多地应用于自动分拣和包装等过程中。GGII预计，2028年医药行业机器视觉市场规模将超过18亿元。

（5）半导体

GGII数据显示，2024年半导体行业机器视觉市场规模23.67亿元，同比增长20.02%。预计2028年该市场规模将超过50亿元，2024-2028年复合增长率超过20%。

（6）快递物流行业

2024年中国机器视觉在物流仓储行业的市场规模约为8.01亿元，同比下降3.10%。GGII预计，随着未来市场需求逐渐回归稳定，2025-2028年中国机器视觉在物流仓储行业的市场规模复合增速将保持在9%以上，预计至2028年中国机器视觉在物流仓储行业市场规模将超过12亿元。

1.整体竞争格局特征

（1）“金字塔”型市场结构

头部企业综合实力强，但大量中小型企业在特定环节或下游领域（如3C、新能源）表现活跃，市场集中度仍有提升空间。

（2）“硬”与“软”的竞争分化

硬件层方面，核心部件（如高端相机、镜头）仍由国际品牌主导，但国内企业在中低端硬件、光源等领域已实现国产化替代。软件算法层方面，国内企业凭借对本土场景的深度理解、快速响应和性价比优势，在2D视觉、深度学习应用上快速追赶，与外资品牌形成正面竞争。

（3）“纵向整合”与“横向聚焦”并行

头部厂商（如海康、凌云光）向上下游延伸，提供一体化解决方案。众多初创企业和专业公司深耕特定环节（如3D视觉、AI软件）或垂直行业，构建技术壁垒。

2.全球主要厂商

整个产业链的价值分布呈“微笑曲线”，高附加值集中于上游核心零部件/软件和下游行业解决方案，中游装配集成的门槛相对较低，竞争激烈。

（1）上游：核心零部件与软件

1）工业相机：高端固守，中端决战，国产替代主战场

工业相机的主要技术壁垒在于图像传感器（CMOS/CCD）的选型与适配、图像处理FPGA/ASIC芯片的设计、高速传输接口（如10GigE, CoaXPress）以及长期可靠性。高端相机对芯片、工艺和散热要求极高。

目前高端市场（>2000万像素、高速、特殊应用）：被巴斯勒、海康机器人、Vieworks、FLIR等牢牢占据。它们凭借深厚的图像处理技术积累和品牌效应，在半导体、科学检测等高端领域难以被撼动。

中端主流市场（主流分辨率与帧率）是竞争最白热化的领域。海康机器人、华睿科技依托母公司强大的供应链和制造能力，以极高的性价比和快速的产品迭代，实现了大规模出货，已成为市场的中流砥柱。凌云光、大恒图像等则依靠在特定行业的深度绑定和整体解决方案能力，稳居一线。

国内新兴企业如奕目科技（光场相机）、深慧视（高速3D相机）等，通过在特殊技术路线或应用上的突破，在细分赛道建立优势。

2）工业镜头：国产化完成，正向高端精密迈进

工业镜头的技术壁垒主要体现在光学设计能力、精密加工与镀膜工艺、量产一致性控制。远心镜头、大靶面镜头、高分辨率定焦镜头技术难度最高。

在常规FA镜头领域，国产化率已超过80%。奥普特、东正光学、慕藤光等形成了“一超多强”的局面。奥普特凭借与光源的捆绑销售和庞大产品库，市占率领先。

在高端远心镜头、大靶面镜头、半导体应用镜头方面，施耐德、KOWA、尼康仍有明显优势。但国内如永新光学、长春禹衡等光学老牌企业，以及东正光学等，正持续投入研发，不断突破天花板，替代进程已启动。

3）光源：完全国产化的红海市场，定制化与智能化是出路

技术壁垒相对其他环节略低，核心在于LED光源的稳定性、寿命控制及光学设计。竞争已从标准品转向与场景深度结合的定制化设计和智能频闪控制。

奥普特是行业标杆，产品线最全，市占率遥遥领先。其核心竞争力已不仅是产品，更是庞大的光源案例数据库和快速定制能力。纬朗光电、沃德普、康视达等企业，或专注特定光源类型（如线光源、同轴光），或绑定大客户进行深度开发，在特定领域拥有稳固份额。  

该领域光源与控制器一体化、智能自适应光源成为新的趋势方向。

4）视觉软件与算法：传统框架与AI驱动的双轨竞争

技术壁垒体现在传统算法库的完整性、鲁棒性和易用性；AI算法的工程化落地能力、数据闭环效率和易用性。

MVTec的Halcon和康耐视的VisionPro仍是行业“圣经”，是许多高端项目和系统集成商的首选开发工具，其稳定性和丰富性短期内难以被完全超越。

近年来，国产AI软件平台崛起。凌云光（VisionWARE）、海康机器人（VM算法平台）、阿丘科技、思谋科技等推出的AI视觉平台，深度融合深度学习，在复杂外观检测、分类、读码等场景表现突出，且更贴近中国制造业的痛点（如数据量少、缺陷多样）。竞争焦点从算法精度转向“低代码/零代码”部署、自动化数据标注、小样本学习等提升易用性和落地效率的能力。竞争焦点从算法精度转向“低代码/零代码”部署、自动化数据标注、小样本学习等提升易用性和落地效率的能力。

5）3D视觉：增长最快的黄金赛道，技术路线百花齐放

3D视觉壁垒体现在三维重建算法、精度与速度的平衡、高反光/黑色物体成像、与机器人协同的标定和引导技术。

3D视觉技术分为结构光、TOF、激光三角测量、双目视觉等多种技术路线。结构光：精度高，适合静态高精度测量。TOF：实时性高，视野范围广，抗干扰能力强。激光三角测量：速度快，适合动态扫描。双目视觉：依赖自然光，适合室外、大场景。

高端集成市场被基恩士、康耐视、LMI等巨头占据，价格昂贵。凌云光、海康机器人、华睿科技、奥比中光等国内优秀企业提供高性价比的标准3D相机，并通过算法优化拓展应用，构成国内主流方案市场。另外，梅卡曼德、图漾科技、视比特机器人等，以“3D相机+算法+机器人引导”的一体化解决方案，深耕拆码垛、无序抓取等场景，发展迅速。

（2）中下游：视觉系统与解决方案

1）视觉系统/智能相机（软硬一体化产品）

当前市场被国际巨头及少量国内巨头把持。

康耐视（In-Sight系列）、基恩士的智能相机以“开箱即用”、稳定可靠著称，在标准化检测点位（如尺寸测量、有无判断）优势巨大。海康机器人、华睿科技、凌云光推出的智能相机，在保证性能的同时，价格更具侵略性，且能提供更灵活的二次开发和本地化支持，正在快速侵蚀外资市场份额。海康机器人、华睿科技、凌云光推出的智能相机，在保证性能的同时，价格更具侵略性，且能提供更灵活的二次开发和本地化支持，正在快速侵蚀外资市场份额。

2）解决方案与系统集成（市场最大、最分散的环节）

该环节的竞争壁垒在于对特定下游行业的工艺理解（Know-How）、非标自动化能力、项目交付与服务能力。

凌云光以“软”（VisionWARE平台）“硬”（自研相机/镜头）结合为核心，在消费电子（苹果产业链）、新型显示、印刷包装领域构建了极高的行业壁垒，定位高端精密。海康机器人/华睿科技依托安防时代的渠道和制造红利，以“硬件性价比+快速响应”的策略，实现泛3C、物流、新能源等领域的广覆盖，规模优势明显。

除上述全行业覆盖型巨头外，国内还有众多优秀的垂直行业巨头，例如：半导体/光伏领域的：天准科技（晶圆测量、硅片分选）、精测电子（面板和半导体前道检测）、奥特维（光伏串焊机视觉）。

综述，当前的竞争已从单点技术突破，演变为“核心部件自研能力+行业化AI算法平台+纵深行业理解+规模化交付与服务”的全链条、系统性竞争。国内头部企业正在这条完整的赛道上加速奔跑，与国际巨头的差距正在从“追赶”变为“局部并跑甚至引领”。

行业发展趋势及投资机会

（1）3D视觉成为主流，赋能更复杂场景

3D视觉能获取物体的深度和三维点云信息，解决传统2D视觉在高度、平面度、曲面检测上的瓶颈，在无序抓取、高精度测量、三维缺陷检测等场景不可或缺，正从“可选”变为“必选”。

（2）AI深度融合，从“看见”到“看懂”

深度学习将极大扩展机器视觉的能力边界，使其能处理复杂的、非结构化的、需要语义理解的视觉任务。AI视觉检测平台将降低开发门槛，赋能更多长尾行业。

（3）软硬一体化与标准化

硬件（如智能相机、传感器）与软件（算法）的耦合将更加紧密，形成性能优化、易于部署的一体化产品。同时，标准化的视觉软件平台和通信接口（如VisionPro, Halcon, GenICam）将降低集成复杂度，促进行业生态发展。

（4）嵌入式与边缘计算，实时性更强

随着芯片算力提升，视觉处理单元（VPU）和AI加速芯片被集成到相机或工控机中，实现“边缘智能”。这减少了数据传输延迟，满足实时性要求极高的应用（如高速分拣、机器人引导），并提升系统可靠性。

（5）应用场景从工业向非工业领域渗透

物流、零售、农业、医疗、安防等非工业场景的智能化需求爆发，将为机器视觉打开数倍于当前工业市场的广阔空间。

（6）云化与SaaS服务

将部分计算和模型训练放在云端，通过“云-边-端”协同，实现算法的持续迭代更新、数据管理和远程运维。SaaS模式可能降低中小企业使用先进视觉技术的初始成本。

（1）投资逻辑梳理

从宏观层面来看，机器视觉顺应制造业升级和人工智能的国家战略，是确定性强的长坡厚雪赛道。

从市场层面来看，机器视觉是国产替代是贯穿未来5-10年的核心逻辑，在“卡脖子”环节和高端市场存在结构性机会。

从技术层面来看，机器视觉赛道需关注能解决产业痛点、具备技术代差优势的创新企业。

（2）投资机会

1）核心硬件的突破者

①高端工业相机与图像传感器

能设计生产高性能、高可靠性工业相机，特别是在高速、高分辨率、特殊波段（如红外、X光）或3D相机领域有突破的企业具备较大投资机会。

②专用视觉处理芯片/模组

可关注研发VPU、AI加速芯片或计算模组的企业，它们是实现嵌入式视觉和边缘智能的关键。

2）先进软件与算法平台

①底层算法库与开发平台

拥有自主知识产权、性能可比肩Halcon/VisionPro的通用底层算法平台的公司具备较大投资机会。

②行业级AI视觉软件/SaaS

关注专注于特定垂直行业（如半导体、新能源、农业），将深度学习技术与行业知识深度结合，提供“开箱即用”或低代码平台的软件公司。

3）创新解决方案提供商

①3D视觉方案专家

在3D成像技术（如结构光、双目、激光轮廓仪）、3D点云处理算法上有深厚积累，并已在重点行业实现规模化应用的公司具备较大投资机会。

②解决“硬骨头”问题的专家

专注于检测难度极大、传统方法无法解决的场景（如复杂纹理缺陷检测、透明物体检测、高速运动物体测量）的公司，通常具备极高的技术壁垒和客户粘性，具备较大投资机会。

4）新兴应用赛道开创者

在物流、医疗、生命科学、商业智能、元宇宙（3D重建）等新兴领域，有成熟产品和标杆客户的视觉方案商值得关注。