机器视觉前景如何（机器视觉未来发展方向）

高工产研数据显示，2023年一季度，我国工业机器人领域共发生融资事件16起，涉及资金近9.5亿元。

从融资案例分布来看，2023年Q1融资案例数量最多的是机器视觉领域，占比37%；其次是零部件领域，占比31%。其中，融资金额最大的领域是机器视觉和核心零部件，占比分别为35.45%和31.75%。

从融资角度来看，虽然机器视觉仍是工业机器人领域最热门的细分领域，但一旦将时间拉长至2022年，不难发现资本已逐渐从狂热回归理性。

据不完全统计，2022年中国机器视觉行业共发生32起融资，涉及金额近30亿元。与2021年相比，机器视觉融资案例数量下降约25.58%，融资金额下降约64.19%。平均单笔融资金额从2021年的1.08亿元下降至9300万元，融资市场开始萎缩。

那么当资本开始回归理性时，当局会如何看待呢？

“其实我觉得前两年行业里有‘虚火’，但我觉得任何行业都是一样的，这个‘虚火’本身就代表着对赛道的认可。而‘虚火’本身就代表着对赛道的认可。” ”这两年有一个很大的优势就是，基本上大家都认为人工智能和3D视觉已经成为机器视觉的解决方案，已经不存在技术问题了。当前的首要任务是如何将解决方案落地并做出来。更具成本效益。”中科融合创始人兼首席执行官王旭光博士表示。

王旭光博士表示：“中科融合早期主要依靠当地政府和清华大学的一些专业投资机构。不过，近两年，不少投资机构关注中科聚融，因为他们梳理了3D工业相机的核心部件。组件方面，不难发现DLP和GPU的价值内容最高。导致它们完全被外国垄断，而价值最高的恰恰是被美国垄断的两个核心部件。那么自然会在国内寻找。而通过探索谁可以替代他们，我们发现了科技融合的价值。所以我认为这对我们公司来说仍然是一个重大好处。”

对于资本回归理性，康事达总经理袁强将其归结为两个方面，即经济形势和综合实力。袁强表示，首先，大环境的经济形势并没有好转，机器视觉行业的整体景气度也受到了下滑的影响；其次，资本对机器视觉领域的认识开始回归理性，在众多“同质化”的机器视觉领域产品品类中，竞争和挑战日益加剧。最终比拼的，是各大视觉厂商所能发挥的综合实力。

对此，文鑫智能负责人表示理解。他表示，过去几年，机器视觉行业发展非常迅速，吸引了大量资本涌入。但随着行业成熟、市场竞争更加激烈，部分企业盈利能力不达预期，导致资本回流、收缩。就像过去的互联网、移动互联网等，从萌芽、成长、野蛮生长到过热、泡沫、回归理性的过程。适者生存，海浪冲沙，幸存者为王。这也是一个正常的市场调整过程。

该负责人认为，资本回归理性将有利于行业的长远发展。这意味着企业需要更加注重产品质量和技术创新，而不是单纯追求融资规模，这也将有助于行业的健康发展和长期稳定。毕竟，创新是核心生产力，龙头企业理应承担起高端产业高端技术创新的责任。

实现“跨行业可复制应用”的难度

与资本逐渐回归理性相比，机器视觉产品或解决方案是否具有可跨行业复制的能力和属性？或者更值得机器视觉企业讨论。那么，实现这样的落地有困难吗？有什么困难？

“我认为机器视觉可以实现跨行业可复制应用的能力和属性。当然，这是困难的。困难在于不同行业之间的差异。我们需要消除这种差异，将差异转化为共性，分解具体的差异化。”需求分解为各个部分，并将其抽象为标准模块。” MacLab首席执行官林少斌说道。

林少斌将其比作家装行业，每个用户的需求都是不同的。不过各个公司都有很好的分工。有的企业专注于单一家具产品，有的企业则注重风格搭配。当市场上的单品足够丰富时，家装设计师只需几个小时就能提供帮助。用户设计满足用户需求的解决方案。

机器视觉也是如此。要实现这一步，我们需要建立一个庞大的标准软硬件库，以及一批专业的积木搭建者。需要整个行业上游的共同努力，分工合作，向专业化、精细化发展。

对此，文心智能负责人也表示认同，认为机器视觉产品或解决方案具有可跨行业复制的能力和属性。因为机器视觉技术可以应用于多种不同的行业和领域，例如制造、医疗、零售、安防等。

实现跨行业可复制应用的难点在于需要针对不同行业、应用场景进行定制化开发和优化。不同行业有不同的需求和应用场景，需要有针对性的算法优化、硬件选型、系统集成。另外，不同行业有不同的数据格式和标准，需要数据格式转换和标准化。实现跨行业的可复制应用需要跨行业的技术能力和经验积累，以及各行业数字化标准的制定。

中科聚变创始人兼CEO王旭光博士则有不同的看法。他认为：“由于各个垂直行业的情况和要求不同，应用层解决方案确实很难标准化。但3D视觉相机本身与原来的2D相机不同，一般来说，标准化是有必要的。”其实CCD和CMOS很早就推出了，然后各种技术流派进入，到了一定时期，很多厂商都参与到了那个领域，但最终还是能聚集在最上面，比如三星这样卖标准化的公司产品作为他们的主要产品。”

因此，王旭光博士认为，3D工业相机的产品形态必须具备标准化趋势的属性。底线是如何拍摄更高分辨率、更准确的照片。事实上，无论是对于人类还是机器人来说，最终都需要图像本身的质量。中科聚融正是致力于为这款标准3D工业相机产品提供性能稳定、性价比高、供应链可靠的核心芯片和产品级Turnkey解决方案。

图阳科技CEO费哲平还从2D角度论证了3D“标准化”和“跨行业复制”的可行性。他表示：“2D视觉行业的发展充分说明了这个问题。3D没有理由与2D竞争。”不，我们认为行业规则和产业链的发展一定是一样的，不同的是时间的节奏有快有慢。”

费哲平分析，产业链的规律是，产品能够实现一定程度的标准化和跨行业复制，计划基本上是不可能的。规划不仅不可能跨行业，即使是同一行业内部，也存在大量的不规范差异。不同时期的场景差异化程度也很大，可能完全不兼容。这意味着解决方案公司需要站在最终用户生产线和流程的最前沿，并不断发展才能不落后。这个垂直深度既是一个很高的门槛，也是一个跨行业的障碍。两者是难以调和的矛盾。

产品的标准化程度比较高，但也需要完整的产品矩阵来满足很多行业的覆盖。单一产品的服务跨度是有限的，产品企业必须在性能和价格维度上打造。打造不断细分、丰富的高性价比产品矩阵。很有可能没有单一产品能够成为爆款，但多个品类的总出货量可能很大。另一方面，工业产品的生命周期可以很长，所以从商业模式的角度来看，金融模式还是非常健康的。最重要的是产品矩阵足够丰富，而这显然需要通过长期的积累才能实现。这是最大的困难。

未来增量市场在哪里？

无论是产品还是解决方案的标准化，其实都有一个关键的前提，那就是必须找到足够大的下游应用市场和能够决定未来增量的领域。那么，在各大视觉企业眼中，机器视觉最大的下游市场和未来的增量市场会在哪里？

“机器视觉最大的下游应用市场之一是工业制造领域。机器视觉技术可以实现工业生产线上的自动化生产和质量控制，提高生产效率并降低成本。例如，机器视觉可以用于检测缺陷制造过程中的缺陷，如瑕疵、裂纹、异物等，以便及时发现问题并进行修复，检验过程中会产生大量的小文件数据，需要对这些小文件数据进行处理。 “为了满足质量追溯、AI训练模型更新等需求，如何有效地进行质检数据管理变得越来越重要。”山岩数据联创COO邱尚高表示。

随着人工智能技术的不断发展，机器视觉在工业制造领域的应用前景将变得更加广阔。从下游应用结构来看，我国机器视觉应用已广泛应用于新能源、动力电池、电子、半导体、汽车、人民银行等领域。

山研数据在机器视觉领域有着广泛的布局。从技术角度来看，山燕数据主要涉及图像识别、目标检测、人脸识别、行人重识别、自然语言处理等方向的数据管理，并在这些方向进行了较为深入的研究。此外，山眼数据还与多家企业和机构合作，共同开展机器视觉相关项目，推动人工智能技术的应用和发展。综合来看，山眼数据在机器视觉领域有着较为广阔的布局。

OPT技术总监董锐认为，3C电子行业是目前机器视觉最大的应用领域。

董锐表示，OPT在3C电子领域取得了良好的增长态势，主要得益于其产品不断渗透到核心客户的各个产品线，带来了更多的需求；另一方面，由于终端客户的质量控制向前推进，模块和关键部件生产的自动化程度有所提高，带来了新的视觉需求。

受益于新能源汽车行业的蓬勃发展，加上动力电池龙头厂商加速扩产，预计未来几年锂电池行业机器视觉市场规模有望保持高速增长。近年来，OPT在锂电池领域也取得了快速增长。一方面，深化了与行业龙头的合作，核心客户的拓展带来了大量的视觉需求；另一方面，新能源领域的核心客户提高了产品的安全性。考虑到，产品测试的需求和要求不断增加。目前OPT机器视觉应用已覆盖锂电池工艺，尤其是深度学习和3D视觉工艺，持续增长。

文鑫智能负责人认为，机器视觉最大的下游应用市场是工业自动化领域。在工业自动化领域，机器视觉技术可应用于产品质量检测、产线监控、机器人视觉等，可以提高生产效率和产品质量，同时促进企业信息化的发展和延伸，助力企业数字化转型。

在工业自动化领域，文心智能在移动机器人和高端AI视觉方面有着较为良好的布局，并提供多种机器视觉控制器产品，满足不同应用场景的需求。

对于未来的增量市场，该负责人表示，可能会出现在智慧医疗、智慧物流、智慧零售等领域。

-结尾-

审稿人：李茜