2023年以來，生成式AI的火爆出圈將人工智能被推上“風口浪尖”，大家紛紛把發展目光鎖定在這一領域產業。

作為數據收集的重要技術手段之一，機器視覺是人工智能正在快速發展的一個分支。其通過使用光學非接觸式感應設備，自動接收大量真實場景圖像數據并進行智能化分析處理，獲得信息以控制機器。簡單而言即為機器設備安上了感知外界的眼睛，使機器具有像人一樣的視覺功能，從而實現各種檢測、判斷、識別、測量等功能，因此也稱為“機器之眼”。

經過了多年的市場孕育和技術積累，以國內經濟整體的持續增長為契機，同時受益于下游各領域的政策鼓勵和自動化、智能化轉型的需要，機器視覺行業實現了較為高速的增長。

相關數據顯示，在AI、自動駕駛、人臉識別等新興技術興起的帶動下，我國機器視覺市場規模將繼續保持較高的增速，預計2023年中國機器視覺市場規模將達225.56億元。

01

二十年追趕

中國成重要目標市場

行業周知，機器視覺產業鏈大致分為上游零部件，中游裝備及下游應用三大環節。上游涉及的行業范圍較為寬廣，主要包括光源、工業鏡頭、工業相機、圖像采集卡和軟件及算法平臺等環節；中游是機器視覺產業鏈最核心的環節，由視覺系統和視覺裝備集成構成；下游為應用領域，廣泛應用到消費電子、汽車、半導體、虛擬現實、智能安防、健康醫療等各行各業。

基于此，全球機器視覺行業都正處在高速發展階段，市場規模在2010年至2020年間，年復合增長率為14.47%。從地區分布來看，歐洲地區市場規模最大，占全球比重的36.4%；北美和亞太地區占比分別為 29.3%、25.3%。

將目光聚焦國內，機器視覺概念自1999年進入中國市場，因其發展前景和價值引起關注推動機器視覺行業進入發展階段。隨著華為安防改名為華為機器視覺后，更將機器視覺推向了新的應用高潮。

進入21世紀以來，國內企業逐漸加大自主研發，誕生了一批機器視覺企業。據相關數據顯示，目前中國已是繼美國、日本之后的第三大機器視覺領域應用市場，預計2023年銷售額達接近300億元，中國正在逐漸成為世界機器視覺發展最活躍的地區之一。受益于全球制造中心向中國轉移，中國也將成為歐洲、北美和日本外另一個國際機器視覺廠商的重要目標市場。

02

以機器視覺為發力點

AI安防的路越走越寬

在眾多應用場景中，AI安防行業的平安城市、城市大腦等是國內機器視覺較有發展潛力的應用場景之一。十三五期間，尤以人像識別技術在公共安全領域內成為絕對熱點，引領“平安”“天網”“雪亮”工程從“補點、補空、補盲”向“補臉、補腦、補智”轉變。

從市場格局來看， 安防AI產業領域主要可分為四大陣營：一是包括商湯、曠視、云從、依圖四小龍和寒武紀、地平線等AI芯片類公司在內的AI企業，二是海大宇為代表的傳統安防企業，三是以百度、阿里、騰訊等為代表的互聯網企業。此外，華為、紫光等通信類企業巨頭的入局，推動了國內機器視覺行業的重新洗牌。

近年來，得益于計算能力的提高和大規模數據集的出現，AI技術本身以及各類商業解決方案已日臻成熟。“人工智能深度學習+機器視覺”可以幫助機器視覺設備快速進行圖像分類、目標檢測和分割，且已越來越多地應用在3D機器視覺中，成為業內公認的未來主流發展趨勢之一，這也為AI安防行業發展打開新的格局。

伴隨著國內機器視覺相關企業數量在逐年增長，機器視覺市場競爭日益激烈。值得注意的是，各方角逐不再局限于成像采集、圖像處理和模式識別，而是自動接收大量真實場景圖像數據，并進行智能化分析處理來輔助決策。具體而言，以傳統安防設備硬件為突破口已不具備顯著優勢，涉及數據采集、通信、處理、反饋的IT化系統解決方案正成為企業一大競爭點。

03

機器視覺賽道如何領先？

聚焦算法和場景落地仍是關鍵

據中商產業研究院數據顯示，2021年國產品牌機器視覺產品市場份額達到58%，國際品牌機器視覺產品市場份額42%。機器視覺產品進口替代進程提速，在某些產業鏈環節如鏡頭、光源、相機等領域國產代表廠商份額領先于外資。預計2023年國產品牌機器視覺產品市場份額將提升至63%。

近幾年設備的智能化趨勢愈發明顯，機器視覺應用領域愈加廣泛。全球高端制造產能向我國轉移，將同步提高對高端精密機器視覺設備的需求，進一步促進國內機器視覺部件和設備廠商技術迭代和提高對應用工藝的理解，推動國產品牌加速崛起。

得以窺見，國產機器視覺設備的逐漸成熟，原先機器視覺行業較高的進口依存度為進口替代帶來廣闊的空間。在行業從0到1的階段，多方陣營在機器視覺領域的競爭中體現出不同的方向和側重點，但尚未出現主導行業地位的龍頭企業。未來，在從1到10的行業爆發階段，機器視覺賽道或將初顯排位。

該過程中誰能占領先發優勢？

立足技術本身來看，作為技術密集型的機器視覺綜合應用了機器視覺軟件、人工智能、常規算法、光學成像機制、運動控制、3D 視覺等底層技術其發展仍需要聚焦工藝算法的突破。

此外，當前能真正把晦澀難懂的技術做到場景落地的企業不多，如何讓算法模型訓練，從“象牙塔”走到“田間地頭”，更靠近應用場景側，成為行業落地的關鍵。