汽车(Car)质检商场需求高增，ai智能机械视觉行业受益

李泽萱 2024-04-16 00:52 284

"汽车质检商场需求高增，ai智能机械视觉行业受益,这篇新闻报道详尽，内容丰富，非常值得一读。这篇报道的内容很有深度，让人看了之后有很多的感悟。作者对于这个话题做了深入的调查和研究，呈现了很多有价值的信息。 " 账号设置我的关注我的收藏申请的报道退出登录登录搜索36氪Auto数字时氪将来消费智能涌现将来城市启动Power on36氪出海36氪研究院潮生TIDE36氪企服点评36氪财经(Finance)职场bonus36碳后浪研究所暗涌Waves硬氪媒体品牌企业号企服点评36Kr研究院36Kr创新咨询企业服务核心服务城市之窗行政部门服务创投发布LP源计划VClubVClub投资机构库投资机构职位推介投资人认证投资人服务寻求报道36氪Pro创投氪堂企业入驻创业者服务创投平台首页快讯资讯推荐财经(Finance)科技(Technology)企服城市最新创投汽车(Car)AI创新直播视频专题活动搜索寻求报道我要入驻城市合作汽车(Car)质检市场需求高增，AI智能机器视觉行业受益万创投行·2024-04-12 15:37关注技术自主可控，能够率先取得AI智能检测技术验证的企业将具备先发优势。

观点速览

机器视觉行业规模稳步提升，汽车(Car)、光伏等新兴应用领域景气快速上行。伴随全球制造升级需求与祖国制造业的高质量发展，机器视觉市场规模稳步增加。数据显示，祖国工业机器视觉2022年市场规模为184亿，到2025年将达到470亿，行业整体发展增速快，汽车(Car)、纺织、光伏等新兴领域提供主要增长动力。

汽车(Car)制造行业已成为机器视觉主力应用市场。视觉检测技术及各类视觉产品正在向汽车(Car)产业链的各个环节迅速拓展。在智能化、轻量化的发展趋势下，汽车(Car)行业对机器视觉的需求度有望继续提升。

新能源汽车(Car)需求持续高增，汽车(Car)检测行业受益。新能源汽车(Car)新车型数量持续增加，车企加大研发投入将会为相关汽车(Car)检测行业带来利好发展机会。

搭载先进AI技术的机器视觉将来有望切入更多应用场景。ChatGPT引爆了人工智能话题，当前机器视觉重点逐渐从单点技术转化为实质应用转化阶段，将来搭载了更先进AI技术的工业视觉可以进一步优化性能适配更多工业应用场景。

机器视觉正由基础模式匹配向深度学习方向纵向“超越式”发展。随着工业机器视觉应用越来越广泛，被检测对象越来越复杂，将来机器视觉应用也会从传统工业视觉向基于深度学习的AI工业视觉过渡。

技术自主可控，能够率先取得AI智能检测技术验证的企业将具备先发优势。工厂质量控制体系极大影响着产出产品的质量和产品产出速度，而数字化和智能化机器视觉质检系统能够为工业企业提供高效率、高速度、高精度、低成本的质量检测解决方案，减少质控成本，提升生产效率。

一、机器视觉主力应用市场1、机器视觉应用领域

机器视觉检测具有广泛的应用领域，目前(Currently)可以应用于工业、医疗、军事(Military)、安防、交通等众多领域。其中，消费电子、制造工业、新能源市场是其应用最广泛的领域。

①消费电子行业

消费电子行业一直是机器视觉的主要应用领域，消费电子生产过程中需要大量种类繁多、小尺寸、高精度的元器件，因此不可避免地需要面对复杂的生产工艺、高精度的检测要求、高成本的人力等问题，而机器视觉在高精度引导定位贴合、产品二维码识别、组装检查等工序中发挥其超越人眼的巨大优势。

②新能源行业

发展光伏行业是我国能源结构低碳化转型的重要举措。在太阳能电池板的生产制造过程中，可能出现微裂纹、断栅、污染、电池劣化、扩散不均、虚印等问题，这些缺陷的存在可能会影响光伏电池的光电转换效率，降低电池使用寿命，影响光伏系统稳定性。传统的成像系统较难识别出这些缺陷问题，需要采用EL（电致发光）可能PL（光致发光）机器视觉定位生产环节中出现的问题，为产品质量提供可靠的保证。

③制造工业行业

在工业生产中，机器视觉技术可以用于自动检测和自动化加工，通过对工件进行(Carry Out)检测和测量，使得整个生产过程更加智能化和高效化。例如在汽车(Car)生产质检中，机器视觉技术可以用于识别零件，检测生产线上的缺陷和故障，从而提高了整个生产过程的可靠性和质量。

2、汽车(Car)质检行业的市场现状

汽车(Car)涉及人身安危，所以汽车(Car)行业特别重视生产质量。一批零部件中发现1个有质量瑕疵就有可能整批报废，已出售车辆发现极少数有质量瑕疵也可导致整批车辆召回。

今年(This Year)中央广播电视(Television)总台3·15晚会上，宝马“传动轴异响”问题被曝光。随后宝马祖国发表声明，针对“传动轴异响”问题，已经进行(Carry Out)过技术核查，确认该现象不会影响行驶安危。事实上，2022年至今，宝马在两年多时间里，发布了19则召回信息，“质量关”已成为车企首先要解决的问题。

近年来，随着汽车(Car)行业的持续发展，汽车(Car)的数量也在持续增加，因汽车(Car)问题而引发的各类交通事故频发，为了更好地规避交通事故的发生，保障人们的出行安危，各大主机厂商对于对于汽车(Car)生产过程中的质量检测标准达到新的高度。目前(Currently)国内企业中，菲特检测已达成了从智能“自动化”到智能“无人化”的全方位质检服务，和汽车(Car)工业在线产品100%全检测。

随着时间的推移，汽车(Car)质检行业逐渐得到了规范和完善，成了一个重要的行业。其检测设备也在不断升级和更新，从最初的人工目检到现在依靠工业机器视觉设备的数字化和自动化检测，检测的准确性和效率都得到了极大地提高。

3、汽车(Car)质检市场分析①市场需求持续增长

从2016年开始，祖国汽车(Car)行业质量控制市场规模每年超过6000亿元，其中生产过程质控（PQ）市场规模超过2000亿元。根据中汽协数据，2021年国内汽车(Car)销量2627万辆，当年生产过程质控市场规模超过2600亿元。

纯电动车（BEV）采用全自动化生产线，生产过程质控要求更严格。根据小鹏汽车(Car)的数据，2021年纯电动车市场占有率10.9%，对应新增的生产过程质控市场规模约77亿元，即每辆纯电动车比传统燃油车增加生产过程质控成本约2700元。

按照中信证券的预测，2030年全国汽车(Car)销售量3500万辆，当年纯电动车销售量约1800万辆。因此，2030年生产过程质控市场规模将达到4000亿元（3500万辆*10万元/辆*10%+1800万辆*2700元/辆）。

②行业竞争日趋激烈

随着汽车(Car)质检行业的发展，行业竞争也日趋激烈。一方面，国策法规对汽车(Car)质检行业提出了更高的要求和标准，对汽车(Car)检测机构的资质、设备、人员、流程等方面进行(Carry Out)了严格的规范和监管，提高了行业准入门槛和退出成本，促使行业向规范化、标准化、专业化方向发展。

另一方面，消费者对汽车(Car)检测服务的需求也越来越多样化和个性化，对汽车(Car)质检服务的质量、效率、价格、便利性等方面有了更高的期待和要求，推动了行业向多元化、差异化、细分化方向发展。

4、机器视觉助推汽车(Car)质检发展

传统的汽车(Car)零部件检测方法采用人工目检的方式，但由于汽车(Car)零部件的结构非常复杂，一个产品上存在的检测点通常多达数十个，这样会花费大量时间，而且这种检测模式存在自动化程度低、测量效率低、采样频次低、精度低、产品质量缺乏数据支持等问题。

数据显示，一台汽车(Car)所用的紧固件占汽车(Car)总零件的40%，一台轻型车可能者轿车用到的紧固件至少5000个，每类汽车(Car)零件具体的结构形状都不相同，缺陷检测要点也有所不同。毫无疑问，以传统的“人工目检”方式进行(Carry Out)汽车(Car)质检，需要耗费大量人力资源，不仅效率低下，而且容易引起检查员的视觉疲劳，缺陷检出率低，产品质量明显得不到保证。

“人工目检”已明显不适用于现代汽车(Car)生产检测的要求。同时这种测量也不适用于现代化的管理，已不能满足如今高效高速的生产要求，所以汽车(Car)零部件检测逐步利用(Use)机器视觉代替人工检测，以提高工作效率、准确率，还可以降低人工成本。

将机器视觉系统应用于汽车(Car)零部件成型产品的内径尺寸测量、外径尺寸测量、外观缺陷检测等，工业相机和工业镜头的完美配合所带来的高精准度、高稳定性、高通用性大大提高了工作效率，帮助用户缩短了产品的检测时间，提高了检测结果(Result)精确度。

目前(Currently)汽车(Car)生产制造过程已成为机器视觉主力应用市场。视觉检测技术及各类视觉产品将分布于整条汽车(Car)制造流水线，覆盖整个车身的制造过程，并向汽车(Car)产业链的各个环节迅速拓展。

从我国国策角度来讲，汽车(Car)质检行业将来的发展趋势肯定是朝着智能化、规范化、专业化方向发展的。在信息化时代，汽车(Car)检测机构也将把数字化服务和大数据技术应用到检测中，提高检测的准确性和效率，并且在我国加重对汽车(Car)行业的监管和标准下，汽车(Car)质检行业市场规模也必然会逐渐扩大。

新能源整车制造工序更加复杂，所需精密零部件将明显增多，对检测的效率和精准度均提出更高要求；在智能化、轻量化的发展趋势下，汽车(Car)行业对机器视觉的需求度有望继续提升。随着技术的不断进步和发展，机器视觉技术将会更加成熟和完善，为汽车(Car)制造业乃至更多行业带来更多的好处和机遇。

二、工业机器视觉行业概览1、工业机器视觉

工业机器视觉是将硬件如光源，传感器，相机等集成综合性仪器同时辅以底层算法用于工业制造方向，协助制造业达成引导、识别、检测和测量功能，最终促进工业制造智能化，是自动化到智能化的关键拼图，兼具状态感知（视觉）和自主决策（边缘控制和AI）的能力。

工业机器视觉作为人类视觉的延伸，具有精确性高、速度快、成本低、易于信息集成等多重优势，能够在各种生产环境中替代人工进行(Carry Out)高强度连续精准作业，大幅提高工作效率及质量。机器视觉作为人工智能的一个分支，将是智能工厂中自动化和智能化的重要手段，将是促进社会(Society)各行业进入智能时代的关键技术、是智能制造的重要支撑，也被称为“工业之眼”。

①工业视觉的算法技术

机器视觉系统的算法软件部分是利用(Use)计算机视觉算法对获取图像进行(Carry Out)分析，进而为进一步决策提供所需信息。

根据集成程度和开发难度的不同，可以细分为供集成商和设备商开发使用的底层算法和供最终客户使用的二次开发的算法包，由于不同工业应用场景之间的差异性以及对精度的高要求，往往需要专门设计对应的软件算法以满足工业场景下的视觉需求。

②工业视觉的核心功能

工业视觉的功能主要有识别、测量、定位、检测。

机器视觉的功能主要分为四大类，从技术达成难度上来说，识别验证、引导定位、尺寸测量、外观检测的难度是递增的，而基于四大基础功能延伸出的多种细分功能在达成难度上也有差异。

2、工业机器视觉产业链

从机器视觉产业链角度来看，产业链环节较长且下游应用领域众多。机器视觉产业链的上游为光学设备等硬件和图像处理软件是机器视觉产业的基础；中游制造是机器视觉产业链的核心，分为设备制造环节和系统集成环节；下游应用领域主要为包装、人工智能、交通、医药、半导体、金属加工等行业。

机器视觉产业链上游为硬件和软件，目前(Currently)国内在镜头、工业相机等硬件和图像处理、算法等方面已经成熟，但仍缺少拥有完整产业链的机器视觉企业。

3、工业机器视觉及其应用

机器视觉在工业生产中应用广泛，常用于遍布整个生产环节的四类业务应用：视觉引导与定位、模式有无识别检测、精准测量测距、产品外观检测等。

概括地说，工业机器视觉系统的特点是提高生产的柔性和自动化程度，主要在一些不适合于人工作业的危险工作环境可能人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉；同时在大批量工业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视觉能够达成自动化集成，软件集成，是达成智能制造的基础技术。

在不同的应用场景中，机器视觉系统所采用的图像采集设备、处理方式、架构组成有所不同，主要包括以下三种系统架构：

①一体化智能工业相机机器视觉系统：

应用于某些特定的如二维码/条码识别、温度红外识别、视觉引导定位等场景；

②基于工业相机和本地算力的机器视觉系统：

目前(Currently)主流的应用方案，分离式的图片采集系统与基于工控机的处理系统架构使得该方案能广泛适用于各类工业视觉应用场景；

③基于IPC摄像机和云端算力的工业监控系统：

工业应用场景包括安危巡检、装配动作合规、仓库物料盘点计数等。

4、利好国策助力工业视觉产业蓬勃发展

工业机器视觉是人工智能产业和制造业转型升级的重要环节，是我国国策重点关注和发展的行业；2016年以来，在人工智能产业和智能制造业升级相关的国策文件中被多次提及，2020年的《工业互联网创新发展规划》和2021年的《“十四五”智能制造发展规划》等文件中均提出重点突破计算机视觉、视觉传感相关技术，为工业视觉产业发展提供了国策助力。

5、工业机器视觉的市场规模

目前(Currently)全球机器视觉市场趋于稳定，年复合增长率为9.2%，2023年市场规模达200亿美元。祖国机器视觉市场起步较晚，但正处于高速增长状态中，近6年平均增长率接近16%。

从祖国制造业增加值来看，2017年至2022年持续上升，并且在GDP的比重持续上升。从祖国智能制造业产值规模来看，2022年祖国智能制造业产值447亿元，预计2026年可达1000亿元，持续迎来高于20%的增长。

而工业机器视觉迎着国策“东风”，搭上智能制造产业“快车”，近年来该市场伴随全球制造升级需求与祖国制造业的高质量发展，规模稳步增加。数据显示，祖国工业机器视觉2022年市场规模为184亿，到2025年将达到470亿，行业整体发展增速快。

实际情况中，各行各业极多的场景无法用传统算法及简单光学场景解决。以汽车(Car)行业为例，众多的零配件组件都是不规则且凹凸不平的，该类场景传统的机器视觉可能简单的光学搭建+AI算法根本无法处理。根据调研，用简单光学方案+传统算法（可能简单AI算法）可以解决的场景占不到六成，需要较难光学方案+AI算法解决的场景占四成。

三、AI智能加码工业机器视觉1、算法、数据成AI智能质量检测技术影响因素

光学场景搭建、AI算法、工业指标、数据是AI智能质量检测系统的重要组成。

光学场景搭建是达成在线质量管理的关键点，光学场景搭建难度极高；对于在线智能质量检测，AI算法的难度在于模型层的搭建；工业指标决定要检测哪些特征，并据此搭建光学场景和优化算法。数据在一定程度上决定着检测结果(Result)的准确性，检测的高精确率和场景落地是AI质检追求的目标。其中AI算法和数据成为影响智能检测系统最重要的因素。

①优质数据助力达成质检高标准

在汽车(Car)行业中，若是有大量的数据积累，再加之对汽车(Car)智能检测细节的全过程的严格把控，就能够以零差错的高标准将客户生产线产品的合格率最大化提升，从而达成汽车(Car)企业质量检测的高标准、高目标。目前(Currently)菲特检测已设立“汽车(Car)行业生产制造质量控制与管理大数据分析平台”项目。该项目主要通过光学、AI、人机交互等技术为汽车(Car)制造智能数转提供了综合的智能解决方案。

②AI算法提升视觉检测的应用潜力

从底层技术来看，AI算法的发展进一步提升视觉检测的应用潜力。AI算法的快速成熟，将加速视觉检测应用快速拓展。AI算法是根据产品上的缺陷进行(Carry Out)专业标注和深度学习，优点在于：

1）可扩展性更强：能够自动学习和调整算法模型，减少误判和漏检；

2）自适应性强：能够自适应环境和场景的变化；

3）检测精度更高：采用深度学习人工智能技术，能够进行(Carry Out)更精确的图像分析和检测，检测精度更高；

4）检测速度更快：采用GPU等并行计算技术，能够进行(Carry Out)快速的图像处理和分析，提升检测效率；

5）兼容性高：当出现新的缺陷时只需要根据缺陷图片进行(Carry Out)学习训练，无需修改算法，操作比较便捷。

2、AI智能工业机器视觉的价值①助力企业质控提升

工厂质量控制体系就是为满足产品的质量要求，而实时进行(Carry Out)的质量测量和监督检查系统。特别是在汽车(Car)零部件、3C产品零部件与外壳、芯片、纺织品、光伏等行业，外观质量检测是非常重要的一个环节，极大影响着产出产品的质量和产品产出速度，受限于大量的质检人员个体差异和生理限制，测量工具不能将结果(Result)及时数字化和智能化等，经常导致了生产质量事故频发，管理人员难以准确地判断质量管控运行状态。

②助力企业安危管理

生产安危巡检包含厂区管理、安危生产、环境监控三个方面内容，以及在这些场景中对于人、车、设备等安危状态的检查，排查异常情况，及时解决问题和安危隐患。其中安危监控仪表数据的采集和监控是企业数字化管理的基础，AI工业机器视觉的构建可以将设备数据进行(Carry Out)实时采集，大幅提升整体管理效率，并对于异常情况进行(Carry Out)及时报警。

3、先进AI技术有望切入更多应用场景

ChatGPT引爆了人工智能话题，当前AI智能机器视觉重点逐渐从单点技术转化为实质应用转化阶段，将来搭载了更先进AI技术的工业视觉可以进一步优化性能适配更多工业应用场景。

①功能检测

功能检测为智能制造的重要组成部分。AI 智能机器视觉功能检测主要通过对计算机软件、算法、机构设计、控制理论、物理学、化学等学科及工艺的运用，利用(Use)软件算法配合自动化设备的使用对产品的各项待测参数进行(Carry Out)读取，从而验证待测产品，确认产品的特性可以满足设计需求，达成生产效率的提升，为客户达到提质降本增效的效果。

具体来看，功能检测主要包含对待测产品各类物理和化学属性的测试，已被广泛应用于消费电子、汽车(Car)电子、医疗电子、工业电子及相关电子零部件产品的电学、信号（无线射频）、声学、光学、传感、恒压力、磁性等方面的性能检测。以消费电子产品为例，其产品检测种类繁多、精度要求高，各类功能检测广泛应用在生产环节中。

②质量检测

以汽车(Car)行业为例，汽车(Car)检测包括新车下线及在用车检测两大类，其中新车下线分为研发性检测和强制性检测。完整的整车开发通常分为战略/概念阶段、开发阶段、产品成熟/生产准备阶段，其中研发性检测集中于开发阶段，强制性检测发生于生产准备阶段，从战略阶段到产品成熟一般需要3年时间；强制性检测指车型导入大批量生产线前，需经由我国授权的检测机构对新上市车型执行的强制性定型试验，检验合格后可批量生产及上市销售。

新车检测包括整车－系统－零部件检测，研发类检测需求主要受车企研发支出影响。新车检测项目由整及零涉及整车试验、系统检测、零部件试验三大板块，其中整车试验项目包括整车可靠性、NVH、HVAC、EMC、化学分析、整车道路性能六大部分；系统检测项目包含发动机、车身、刹车、悬挂、电气等；零部件试验一般指动力总成、底盘、车身、内外饰、电子电器五大类。

③新能源汽车(Car)催生新质检需求

汽车(Car)质检作为汽车(Car)产业链中的重要一环，其发展趋势与汽车(Car)产业的发展趋势密切相关。当前，我国汽车(Car)产业正处于转型升级的关键时期，新能源汽车(Car)、智能网联汽车(Car)等新技术、新产品、新模式不断涌现，给汽车(Car)质检行业带来了新的挑战和机遇。

数据显示，2022年，我国新能源汽车(Car)市场呈现爆发式增长，产量和销量均超过700万辆，同比增幅均接近100%，占乘用车市场的四分之一，预计到2025年我国新能源汽车(Car)保有量将达到8000万辆左右。新能源汽车(Car)的发展给汽车(Car)质检行业带来了新的需求和机遇。

一方面，新能源汽车(Car)的技术特点和使用特性决定了其在安危性、环保性、综合性能等方面有着不同于传统燃油汽车(Car)的检测需求。例如，新能源汽车(Car)的电池、电机、电控等部件需要进行(Carry Out)电气安危、电磁兼容、电池性能等方面的检测。

另一方面，新能源汽车(Car)的市场规模和保有量的增长也为汽车(Car)检测行业带来了巨大的市场空间。数据显示，2023年全年我国新能源汽车(Car)质检市场规模预计达到50亿元，占整个汽车(Car)质检市场规模的7.7%；预计到2025年我国新能源汽车(Car)质检市场规模将达到150亿元，占整个汽车(Car)质检市场规模的15.8%。

在新能源汽车(Car)、智能网联汽车(Car)等新技术、新产品、新模式不断涌现的背景下，新能源汽车(Car)更新换代速度快，且其生产制造过程往往需要大量的高科技(Technology)电子设备和其他与燃油车不同的零部件，因此，传统的机器视觉已经无法满足新能源汽车(Car)产品质检需求，而搭载先进AI智能技术的机器视觉检测系统终将成为将来机动车质检市场变革的重要力量。

四、“工业AI之眼”的前景与挑战1、将来工业机器视觉发展

祖国工业视觉发展分为四个阶段，当前处于阶段四，科技(Technology)自主化成为我国战略，工业视觉应用的广度与深度达成快速发展，广度体现在2D向3D递进，并且随着AIGC技术在2023年的飞速发展，应用渗透率提高，国产化应用需求逐渐增加，自研比例不断提升。

目前(Currently)来说，2D应用仍占主导，祖国由基础模式匹配向深度学习方向纵向“超越式”发展。

①我国机器视觉有较大提升空间

整体来看，作为全球第一大制造国，我国机器视觉渗透率偏低，仍有较大提升空间。

1）随着全球制造中心向祖国转移，2020年亚太区已成为继欧洲、北美之后的第三大机器视觉应用市场，占全球市场份额的25.3%，仍具备较大成长空间。

2）从微观层面来看，若以全球机器视觉龙头康耐视的收入结构为参考，2022年康耐视对大中华区收入占比为22.6%，明显低于欧美地区，再次侧面反映我国机器视觉渗透率依旧较低。

3）细分下游应用来看，我国机器视觉应用仍以消费电子行业为主，应用领域拓展空间较大。

一方面，随着宁德时代等龙头客户对机器视觉应用愈发重视，机器视觉在锂电行业具备较大增长空间；另一方面，汽车(Car)作为我国智能制造第一大应用场景，机器视觉渗透依旧较低，随着新能源汽车(Car)需求放量，机器视觉应用有望快速增长。此外，机器视觉在半导体、医药、物流等领域需求同样在快速拓展，有望成为机器视觉行业发展的重要驱动力。

②渗透率提升应用领域拓展

据GGII数据，2022年我国机器视觉市场规模约171亿元，同比增长24%，2017—2022年CAGR达到25%，2023年有望达到216亿元，同比+27%，2027年预计可达566亿元，2023—2027年CAGR约27%，稳健增长，可见机器视觉是制造业中少数具备中长期增长潜力的黄金赛道。

2、祖国AI工业机器视觉市场面临的挑战

痛点1：数据能力不⾜导致数据闭环⽆法建立

汽车(Car)、3C、半导体行业规模化程度较高，基本达成从工业2.0向3.0转换，半导体、3C行业由于零部件规则程度更高更新迭代快等因素，信息化程度更高于汽车(Car)行业。其他传统行业如纺织、食品、化工、机械制造等行业中仍有不少企业停留在电气化阶段，甚至机械化阶段。

目前(Currently)，国内进军工业大数据的企业中不乏巨头，如百度、华为、字节、阿里，但是很多场景都受制于工业场景信息化转化困难（可能有限），导致实际通过已有数据来达成智能化的效果不理想(Ideal)。

痛点2：工业场景中的检测、质量管控的信息化和智能化程度低

以前工业检测基本是作业后抽检，如不达标的产品后续被查验出来，一方面大概率无法溯源追查出哪个环节发生问题，不仅极为耗时耗力，而且面临整批产品被召回的风险。因此，想要达成真正的信息化和智能化，达成各个生产制造环节的在线检测极为重要。

3、AI工业机器视觉是行业发展趋势

随着人工智能、计算机视觉等技术的不断成熟，以及德国“工业4.0”、日本(Japan)机器人新战略、米国先进制造伙伴计划、祖国制造2025等国策的不断驱动，促使工业机器人市场持续增长，也大大促进了机器视觉产业发展。

数据显示，在2018年，全球用于工业自动化领域的机器视觉技术市场规模达44.4亿美元，预计2023年将达122.9亿美元，年复合增长率高达21%，市场需求巨大。随着工业机器视觉应用越来越广泛，被检测对象越来越复杂，将来机器视觉应用也会从传统工业视觉向基于深度学习的AI工业视觉过渡。

五、总结

机器视觉主要具有识别、测量、定位和检测四类功能，相比人眼优势明显，预计至2025年全球机器视觉市场规模将超过1200亿元，预计2027年我国机器视觉市场规模将超560亿元。

从机器视觉产业链角度来看，产业链环节较长且下游应用领域众多。机器视觉产业链的上游为光学设备等硬件和图像处理软件是机器视觉产业的基础；中游制造是机器视觉产业链的核心，分为设备制造环节和系统集成环节；下游应用领域主要为包装、人工智能、交通、医药、半导体、金属加工等行业。

目前(Currently)国内在镜头、工业相机等硬件和图像处理、算法等方面已经成熟，但仍缺少拥有完整产业链并搭载先进AI技术的机器视觉企业。随着技术的不断成熟，国内AI视觉市场在将来10年将保持比整体机器视觉市场更加高速的增长，而将来能够做到技术自主可控，并且率先取得AI智能检测技术验证的企业将更具竞争力。

本文来自微信公众号“万创投行”（ID:wanchuangtouhang），作者：万创研究院，36氪经授权发布。

该文观点仅代表作者本人，36氪平台仅提供信息存储空间服务。

+10

好文章，需要你的鼓励

万创投行特邀作者0收藏+10评论打开微信“扫一扫”，打开网页后点击屏幕右上角分享按钮微博沉浸阅读返回顶部参与评论评论千万条，友善第一条登录后参与讨论(Discuss)提交评论0/1000你可能也喜欢这些文章Salesforce AI Research 刘志伟：像Agent一样思考 | Agent Insights智聘X36氪：用AI让企业招聘更高效！｜看见一键成片，内容商业AIGC视频应用平台「筷子科技(Technology)」完成近5000万元B1轮融资｜36氪首发大宗醇酸非粮合成生物制造企业「武汉睿嘉康」获数千万元融资 | 36氪首发面壁智能完成新一轮数亿元融资，春华创投、华为哈勃领投｜36氪首发傲基65亿估值冲上市，赛维、传音、DR钻戒投资2亿入场｜IPO体坛AI融合智能驾驶仿真，「昇启科技(Technology)」完成天使+轮融资 | 36氪首发华业天成孙业林：洞见·动践—探寻增长背后的规律看见｜澜码科技(Technology)X36氪：以AI Agent重塑人机交互，携手探索LLM落地新机会最新文章推荐深访硅谷一个月后，一位投资人发问：大模型持续烧钱最后由谁买单？祖国电商巨头在国外市场遭挑刺，是否会影响业务发展？工信部：加快重点行业智能升级李彦宏还缺个Sora走进 AI 高薪族：小而美团队成主流，博士生招聘需求飙升 430%离开百度7年后，吴恩达终于大厂“再就业”：加入亚马逊董事会，帮其达成AI大志遇到不合作的同事，7个方法帮你化解数字化风口里的「中科仙络」，专科生的就业新宠？｜春季招聘报道高管带头降薪，银行也要过“紧日子”院士排队IPO，从夫妻店到二代掌权，他家身价可能超40亿

万创投行特邀作者

让资本更有价值！

发表文章61篇最近内容汽车(Car)质检市场需求高增，AI智能机器视觉行业受益22分钟前高端特种石墨成行业趋势，一体化规模效应企业更具竞争力2024-03-29IC时代下国产GPU芯片再立潮头2024-03-18阅读更多内容，狠戳这里下一篇山姆·奥特曼跻身“十亿级”富豪榜：身家超20亿美元，不含OpenAI股份(Stock)

他的大部分财富主要来自于风险投资基金和对初创企业的投资。

23分钟前

热门标签智能投顾理财平台金百万烤鸭邓超全聚德互联网产业联想电脑(Computer)喜剧片博纳影业漫画国庆节松鼠新天津树袋熊供应链彭博数据新闻(News)交易员玛莎百货第二杯bitfinex数字货币货币ios11矿机瑞波币日本(Japan)货币xrp软件关于36氪城市合作寻求报道我要入驻投资者关系商务合作关于我们(We)联系我们(We)加入我们(We)网站谣言信息举报入口热门推荐热门资讯热门产品文章标签快讯标签合作伙伴