中國在制造業大國向制造業強國轉型過程中，機器視覺下游應用需求層出不窮。其中，消費電子是最主要的應用領域，但鋰電、汽車、半導體等新行業應用需求正快速增長。

　　據中國機器視覺產業聯盟統計，2020年機器視覺在電子、半導體、汽車領域的銷售額分別占全行業銷售額的52.9%、10.3%、8.8%。如今，機器視覺已在多個應用領域和行業中大范圍的應用。

　　1、實現智能制造，「眼睛」很關鍵

　　智能制造實際上是由許多子技術結合而成的一個龐大概念。提供圖像數據并進行處理的機器視覺系統、在邊緣和云端提供算力的云邊計算架構、讓設備具備 " 學習能力 " 的人工智能，都是智能制造的重要組成部分。

　　它們之間的關系相輔相成：人工智能為一個機器視覺系統的搭建提供了底層技術，云邊計算為承擔了大量數據負載的人工智能提供了算力保障。

　　而機器視覺則是整個智能制造的 " 眼睛 "，為人工智能提供視覺數據。

　　由于精確、高效的特性，機器視覺在多個行業已經被廣泛應用。

　　機器視覺常常被應用在超越人類視覺極限的質量檢測中：如在 3C 電子制造中，部分產品的瑕疵尺寸指標已經小于 10 μ m 以下，超過了人類的分辨極限，而機器視覺技術則能夠檢測出人工不能察覺的瑕疵。在高速印刷中，部分產品檢測的精度要求也已經超出人眼識別極限，現有的人工檢測流程已經無法滿足要求，必須采用高速、高精度的機器視覺方案。

　　并且機器視覺也能夠大大提高工業生產的效率。例如在汽車生產中的質檢、裝配等流程中，機器視覺能夠幫助工廠提高檢測和裝配的效率，有效提升大部分系統和組件的性能。無論是精度還是效率，對企業實現智能制造來說都至關重要。

　　這使得企業紛紛開始探索如何應用機器視覺提升自身的競爭力。

　　但傳統企業要想真正發揮好機器視覺的力量，走向智能化，仍要面對重重挑戰。

　　傳統制造引進機器視覺，還要過兩關

　　對于傳統的制造企業來說，機器視覺是他們此前未曾接觸過的新事物。要將機器視覺應用于生產中，沒有太多的過往經驗可以借鑒。

　　對希望利用機器視覺來獲得效率提升的企業來說，在他們面前，仍有兩項挑戰：一是如何將機器視覺和自己的需求結合，設計機器視覺的應用場景;二則是如何開發機器視覺方案，完成自身需求。

　　二、在新能源領域滲透率逐步提高

　　光伏產業發展迅速

　　來自國家能源局的數據顯示，我國2021年新增光伏發電并網裝機容量5297萬千瓦，連續9年穩居世界首位。截至2021年底，光伏發電并網裝機容量達到3.06億千瓦，突破3億千瓦大關，連續7年穩居全球首位。

　　在光伏產業穩步拓展和降碳環保背景下，光伏生產良率爬升，降本增效顯得刻不容緩。

　　光伏的核心是太陽能電池片，在太陽電池片的生產過程中，會產生如碎片、電池片隱裂、表面污染、電極不良、劃傷等缺陷，這些缺陷限制了電池的光電轉化效率和使用壽命，會造成電池片等級降級或報廢，從而影響工廠的生產效能。采用機器視覺技術對上述缺陷進行檢測可以大大提高光伏產品的良率，因此機器視覺在光伏領域應用的滲透率逐步增加。

　　2022年鋰電領域機器視覺需求出現明顯攀升

　　根據主流鋰電企業產能規劃，預計截至2022年底名義產能合計將達1105GWh，同比增加35%，對應機器視覺需求為19-39億元。此外，由于鋰電領域設備的毛利率相比消費電子低，國外機器視覺企業進軍鋰電市場動力較小。

　　新技術和新材料的應用將帶來全新檢測需求

　　如4680電池技術在行業內的推廣普及，新技術的應用即提升了現有電池技術，同時新材料的運用，如鑄造鋁合金等材料在鋰電池的不斷運用，將帶來鋰電新材料的放量，也對機器視覺檢測提出了新的要求，增加行業市場規模。以鋰電和光伏為代表新能源市場快速發展給機器視覺市場帶來新的增量。

　　三、得視覺者得天下

　　從人臉識別到工業智造，計算機視覺的落地目前已跨越了半導體、汽車、航空、新能源、精度光學等行業，如鏡片分揀、軸承檢測、特種條碼設計與識別、偏光彎膜、模具檢測、AVI檢測等。

　　以芯片檢測為例，基于深度學習的計算機視覺算法就有可以完成億級晶體結構的全自動聚類分析：檢出率超過99.99%、單流程處理效率提高96%、AI自動化全檢處理效率提升90%。

　　傳統制造業在國家經濟中的占比，就是智能制造未來的市場容量。據國家統計局數據顯示，2019年、2020年，中國工業增加值的規模均超過了31萬億。工業領域1-2%的效率提升就意味著數千億級的經濟增值。

　　紛繁復雜的機器視覺市場是一個足夠大，足夠遠的市場，同時也是一個需要眾多玩家齊心協力，發揮所長，共同拉高需求，推動水平的市場。

　　智能制造這片汪洋大海，于是涌現出一批隨中國工業化進程而匯聚起來的各路人馬。

　　在這批人馬中，有一路臥薪嘗膽，穿越時間的曲線而老當益壯的傳統視覺廠商;有從安防市場切入，帶頭突破國際巨頭防線的海大宇;有從人臉識別賽道拔地而起，分走計算機視覺市場半壁江山的AI四小龍。

　　同時，一大批AI新銳企業，也正沿著前輩們開墾過的視覺之路你追我趕，穩扎穩打，循序漸進。

　　他們憑借自身的技術實力，從各個細分領域切入，一寸一寸地攻城略地，大有搶占智能化時代潮頭之勢。

　　最后

　　機器視覺，是通向智能制造時代之船的一塊跳板，這塊跳板正在日益加劇的行業競爭中，被不斷拓寬、加固。

　　在這塊并未被完全開發的寶地上，一批新冒頭的AI企業動作快、勢頭猛、技術強、肯吃苦，特別善于在時代轉型的彌合處尋找機會，發揮自身的技術專長。

　　從各個環節來看，上游的核心零部件生產存在極大的技術壁壘，核心零部件及軟件開發占據了80%的比例，是產業鏈的價值高地。

　　其中美國康耐視和日本基恩士作為全球機器視覺行業的兩大巨頭，都是機器視覺核心零部件的制造商，壟斷了近 50%的全球市場份額，市值均超千億美元。面對“卡脖子”，這些后起之秀根植自身的技術基因，在找準自我定位的基礎上，扎根短板，圖精求專，走出了新秀的特色。

　　在供大于求的需求經濟時代，他們也包含憂患意識，以至少領先同行1-2年的自覺，不斷挖掘產業新的需求。他們為數甚眾，是汪洋底下涌動的暗流，時刻準備著翻上潮頭。