（报告出品方/作者：财通证券，杨烨）

1.产业趋势：高端制造新军突起，机器换人大势所趋

1.1.智能制造国之重器，先进制造占比提高

高端装备制造助力步入工业4.0新时代。工业4.0的概念最早由年德国提出，重点强调“通信”和“连接”，包含了“智能工厂”、“智能生产”和“智能物流”三大主题，标志着在新一代信息技术的引领下，大数据、云计算、人工智能、物联网等技术成为新的生产力，在制造业转型升级的过程中提供重要助力。区别于前三次工业革命，工业4.0的根本变化是通过物理技术和数字技术的融合实现生产系统的有机整合，“数据信息”成为了工业生产中的关键原材料，制造业最终将成为信息产业的一部分。

在全球范围内，自动化设备替代人力劳动生产的趋势不断推进，自动化设备销售量逐年提高。根据美国市场研究公司TransparencyMarketResearch的数据显示，年全球工业自动化市场规模达2,.9亿美元，到年底，全球工业自动化市场的价值预计将达到4,.8亿美元，CAGR达7.56%。国内方面，中国工控网的数据显示年-年我国自动化及工业控制市场规模也已从亿元增长至1,亿元。

助力产业升级，政策驱动“中国制造”向“中国智造”转型。年5月，国务院正式印发《中国制造》，部署全面推进实施制造强国战略。年底，工信部等八部门联合印发了《“十四五”智能制造发展规划》（以下简称“《规划》”），明确提出到年转型升级成效显著、供给能力明显增强、基础支撑更加坚实，到年70%的规模以上制造业企业普及数字化，到年全面普及数字化网络化，重点行业骨干企业基本实现智能化。《规划》还提出智能制造装备和工业软件技术水平和市场竞争力显著提升的要求，年市场满足率分别超过70%和50%，研发数字化非接触精密测量、在线无损检测、激光跟踪测量等智能检测装备等。作为数字经济的重要组成部分，“十四五”期间制造业与人工智能等信息技术的融合将加速，我国智能制造的发展将进入高景气时期。

新能源、半导体、汽车、航空航天等高端制造业占比提升，对工业智能化水平提出更高要求。随着先进制造在我国的占比提升，工业生产线上人眼在精度、效率等方面已不能满足产业升级的要求。如何借助机器视觉等智能化技术替代传统人工操作，实现提质、降本、增效，成为制造业的共性需求。未来随着“中国智造”战略的加速推进，工业制造自动化、智能化程度有望不断加深，机器视觉这一技术将得到更广泛的应用。

1.2.人口红利逐步衰减，自动化降本刻不容缓

人口红利逐步衰减，劳动力成本压力倒逼企业智能化转型。根据经济学家索洛提出的新古典经济增长模型，“人口增长”和“技术进步”是经济增长的两大源泉，但我国人口结构于年到达刘易斯拐点，劳动力从过剩转为短缺，人口老龄化现象严峻。据国家统计局数据显示，中国15-64岁劳动年龄人口比重自年开始下降。我国城镇制造业人数也自年已经步入负增长，人口红利逐步消失。

与此同时，我国制造业平均工资从年的55,元攀升至年的92,元，企业的劳动力成本压力凸显。中国企业—劳动力匹配调查（ChinaEmployer-EmployeeSurvey，CEES）则显示，“劳动力成本”已经成为妨碍企业发展的头号因素，超过了市场需求、技术人才、创新能力等。因此，我国制造业摆脱“人口红利”旧模式、拥抱“智能化红利”新模式将成为不可逆的产业路径选择。

疫情等外部因素改变工厂的生产模式，加速推动智能制造转型升级。严格的疫情防控政策不可避免会对企业的开工时间、人员稳定性、承诺交期等产生不确定性影响，直接或间接增加了企业的综合成本。今年以来疫情频发，国内用工难、用工贵的问题进一步凸显，我国纺织服装等出口产业相较越南、印度等国的优势进一步缩小，H1我国出口金额11.14万亿，同比增长13.2%，略低于越南同期增速。我们认为，疫情等外部扰动因素一定程度上加速推动了工厂的无人化、智能化水平，打造智能化“黑灯工厂”将是制造业企业的当务之急，机器视觉产业发展迎来短期加速窗口。

日韩经验提供他山之石，我国机器换人正处于黄金成长期。亚洲是全球最大的工业机器人市场，日本和韩国作为智能制造强国，在电子、汽车等高端离散制造产业具有举足轻重的地位。我们以工业机器人密度作为衡量一个国家自动化程度的指标，根据IFR的数据，韩国自年以来一直位列全球工业机器人密度最高的国家，超过全球平均水平的7倍；日本作为全球自动化制造大国，独占全球工业机器人四大家族中的两席，年供应了全球近一半的工业机器人产量。

而我国的自动化渗透率程度较低，年我国工业机器人密度仅为台/万人，虽然相较年的49台/万人已有明显提升，但仍远低于韩国的台/万人和日本的台/万人。年，中国工业机器人市场在疫情反复、全球缺芯、限电停产等诸多扰动下仍实现出货,台，同比增长49.5%。此外，《“十四五”机器人产业发展规划》提出“年工业机器人密度将增长至台/万人以上”，可见我国机器换人正处于黄金时期。

1.3.AI技术持续迭代，机器视觉加速落地

深度学习算法持续进化，拉开人工智能新时代。人工智能的迅速发展正在深刻改变人类社会生活、改变世界。年AlphaGo打败人类顶尖棋手李世石，开启了人工智能发展的新纪元。随后，Google团队在年提出的Transformer模型横空出世，成为了日后自然语言学习（NLP）、计算机视觉（CV）的架构标准；基于Transformer的预训练模型BERT更是将NLP模型的精准度和泛化能力带上了新的台阶；年拥有亿参数的GPT-3（GenerativePretrainedTransformer3）的诞生，标志着“大模型”正在成为迈向强人工智能的重要一步。

深度学习技术提升了机器视觉的应用落地能力，驱动产业加速发展。目前主流的机器视觉技术仍采用传统的机器学习训练方法，即在结构化场景下首先将数据表示为一组特征，分析特征或输入模型后，输出得到预测结果。但随着机器视觉的应用领域扩大，传统方式显示出通用性低、难以复制、对使用人员要求高等缺点。深度学习对原始数据通过多步特征转换，得到更高维度、更加抽象的特征表示，可以将机器视觉的高效率和与人类视觉的灵活性相结合，完成复杂环境下的检测，特别是涉及偏差和未知缺陷的情形。通过深度学习对模型鲁棒性的提升，极大地拓展了机器视觉的应用场景，使机器视觉系统更加具备柔性，加速其在工业领域的渗透。

本土人工智能研发投入如火如荼，中国机器视觉厂商正弯道超车。早在年国务院颁布的《下一代人工智能发展计划》中就有提出，到年我国人工智能核心产业将实现规模一万亿元，《规划》已把发展人工智能上升到了国家战略的高度。在工业机器视觉领域，国内企业对AI算法的研发投入高度重视。

根据中国机器视觉产业联盟年度企业调查，AI驱动的解决方案方向的研发投入占全行业研发比例的21.8%，为所有研发方向中最高。以凌云光自研的VisionWare为例，该算法库已经迭代至5.0版本，尽管其算法处理精度与国际巨头康耐视仍存在差距，但效率略有优势，算法识别率已基本持平。因此，我们认为随着国内企业在AI算法上重点发力，将少样本、无监督学习等新技术融入到深度学习中，提高算法的泛化能力，将机器视觉应用于复杂度更高的场景，有望进一步缩小和海外巨头的技术差距，甚至弯道超车。

2.需求逻辑：机器之“眼”优势凸显，百亿赛道长坡厚雪

2.1.AI赋能工业制造，多重优势替代人眼

机器之“眼”替代人眼，赋能工业制造。根据美国制造工程师协会（SME）机器视觉分会等机构的定义，机器视觉工作过程是通过光学装置和非接触式传感器自动地接收、处理真实场景的图像，目的在于获得所需信息或用于控制机器人运动。一个典型的机器视觉系统一般包括光源及光源控制器、镜头、相机、视觉控制系统（视觉处理分析软件及视觉控制器硬件）等，其中光源及光源控制器、镜头、相机等硬件负责成像，视觉控制系统负责对成像结果进行分析、输出结果至其他执行部件。机器视觉系统的“读取信息-传输信息-处理信息”的过程与人眼的运作机制对应，可谓人类视觉在工业界的延伸。

机器视觉相比人眼具备明显优势。人眼能力所及：机器视觉无疲劳感，可以7x24小时运转，不会受到情绪的干扰，在适应性、重复性、可靠性方面优于人类，使得工业视觉系统可以提升产品的良品率，加快产线运转的速度。人眼能力不及：机器视觉镜头与相机统具有较宽的光谱响应范围，例如使用人眼不可见的红外光进行测量，可扩展人眼的视觉范围，分辨细微管脚与裂纹，辨识微弱的色差区别，在精确性、客观性、速度与效率方面优于人类。

2.2.识别、测量、定位、检测，机器视觉的四大典型应用场景

识别、测量、定位和检测等四大应用场景，实现难度依次递增。识别：甄别目标物体的物理特征，包括外形、颜色、字符、条码等，其准确度和识别速度是衡量的重要指标。常见的应用场景是OCR，读取零部件上的字母、数字、字符（例如条形码、

转载请注明:http://www.aideyishus.com/lkjg/6972.html