中金 “大国重器”系列：工业之“眼”，如日方升
往前看，我们认为“数据”将成为工业制造中新的生产要素，助力制造业的智能化转型和效率提升。...
摘要
► 机器视觉行业应用广、空间大、壁垒高。机器视觉可应用于智能制造的方方面面。机器视觉系统辅助设备进行自动化生产和智能化检测，具有广泛的应用行业和应用场景。我们预计2025年全球机器视觉行业规模92亿美元。根据康耐视，2018年全球机器视觉行业规模为42亿美元，长期有望实现12%的复合增速，据此计算，到2025年全球机器视觉行业规模有望达到92亿美元。根据中国机器视觉产业联盟，2019年我国机器视觉行业规模约103亿元，过去五年年均复合增长达32.4%，增速远快于全球。
► 技术密集叠加工艺密集，构筑行业高盈利能力。机器视觉作为工业自动化的重要环节，具有技术密集与工艺密集的特点，业内企业需要通过高强度的研发投入以及长期的案例积累，建立起全面的产品布局与优质的服务体系，进而构筑竞争壁垒。高壁垒带来优质企业高盈利水平，例如基恩士/康耐视近十年毛利率、净利率平均水平可达80%/75%、35%/26%。
► 中国机器视觉：渗透率提升与国产化替代共同发酵。我国2019年机器视觉规模约为制造业增加值的0.4‰，而德国、美国该比例分别约1.6‰、1.2‰，为中国的3-4倍。往前看，随着中国制造业产业升级，机器视觉渗透率有望持续提升。与外资品牌相比，本土品牌具有价格、深度定制化优势，进口替代优势明显。特别地，中国在新能源等新兴制造业占据全球领先地位，外资品牌的项目经验优势大幅削弱，我们认为国产品牌有望藉此弯道超车。
► “智能制造”大势所趋，中国市场土壤优渥。随着中国制造业劳动力数量减少与用人成本提高，“机器换人”日益成为企业发展大势所趋。而随着3D视觉、工业互联网、深度学习等先进技术的成熟，我们认为机器视觉作为数据采集、深度感知的重要工具，有望成为数字经济时代制造业的必选项。
风险
行业竞争加剧；汽车、电子等行业资本开支不及预期；技术风险。正文
机器视觉：多种技术工艺复合的系统产品
机器视觉：智能制造的“眼睛”。根据美国自动成像协会（AIA）的定义，机器视觉是一种应用于工业和非工业领域的硬件和软件组合，它基于捕获并处理的图像为设备执行其功能提供操作指导。广义的机器视觉按照应用领域，可分为工业视觉（用于检测、智能制造等领域）和计算机视觉（用于消费、服务等智能生活领域），本文所述的机器视觉特指应用在工业领域的工业视觉。
机器视觉的组成部分
机器视觉的组成可分为硬件和软件两部分。硬件负责成像，相当于人的“眼睛”，包括光源及光源控制器、镜头和工业相机；软件负责图像处理分析，相当于人的“视觉皮层”。具体而言，典型的机器视觉成套系统包括：
► 光源及光源控制器：共同为机器提供“看”的环境。合适的光源可突出目标特征，隐去无关的背景信息，进而大幅降低算法难度。
► 镜头：被摄物体信息采集和传递过程的起点，相当于“晶状体”。
► 工业相机：机器视觉中的图像采集单元，本质为将光信号转变为有序的电信号，相当于“视网膜”。工业相机对拍摄速度、图像稳定性、传输能力和抗干扰能力有较高要求。
► 视觉处理分析软件：通过编写合适的算法，进行图像的处理和分析，最终实现机器视觉功能目标，相当于“视觉皮层”。视觉处理分析软件通常基于PC使用，也可嵌入工业相机中，使其成为兼具图像采集、处理、通信功能的智能相机。
图表：典型机器视觉系统示意图
机器视觉的主要功能
机器视觉系统可辅助设备进行自动化生产和智能化检测。具体而言，机器视觉具有识别（Identify）、测量（Gauge）、定位（Guide）、检测（Inspect）四大功能，各项功能的应用场景和实现关键在于：
► 识别（Identify）：基于目标物的特征进行甄别，例如外形、颜色、字符、条码等，其中OCR/OCV（光学字符识别/光学字符验证）、条码识别和码垛搬运是重要的应用场景，在追踪管理和质量回溯环节可发挥重要作用。识别的关键在于高准确度和快速识别。
► 测量（Gauge）：把获取的图像像素信息标定成常用的度量衡单位，然后在图像中精确的计算出目标物的几何尺寸，应用场景包括尺寸标注和误差测量等。机器视觉尤其擅长小尺寸、高精度以及复杂形态的测量。
► 定位（Guide）：获得目标物体二维或三维的位置信息，进而引导生产设备（机器手、机 床等）或检测设备进行精确定位或移动。定位功能的关键在于高精度和快速定位。
► 检测（Inspect）：一般是指外观检测。检测的应用场景很多，如装配后的完整性检测（是否正确完成装配）、外观缺陷检测（是否有划痕、凹凸不平等）等。
图表：机器视觉的主要功能
机器视觉相比人工视觉的优势：速度、精度、强度更胜一筹
机器视觉相比人眼视觉，具有图像采集和分析速度快、观测精度高、环境适应性强、客观性高、持续工作稳定性高等优势，因而可帮助终端使用者进行产品增质、成本降低以及生产数字化：
► 产品增质：1）机器视觉可显著降低检测的漏检率和过杀率，提高生产的精度和良品率；2）提高产品一致性；3）在不规则、小尺寸、精细化部件的加工和检测，以及危险环境下具有更加明显的优势。
► 成本降低：1）机器视觉采集和处理图像的时间在微秒级别，可显著提升效率；2）单台系统可代替多人工作，并可7×24小时不间断工作；3）柔性化程度高，若生产过程改变，仅需调整算法或增加部分硬件即可实现。
► 生产数字化：机器视觉作为“图像”这一重要数据的采集和分析接口，是未来实现智能生产和工业互联的必备途径。
图表：机器视觉相比人眼视觉的性能优势
机器视觉产业链：孕育优质企业的土壤
机器视觉行业位于产业链中游，具有广阔的下游应用场景
► 上游行业：标准零部件提供商。主要为元器件、光学材料、结构件等标准零部件。
► 中游机器视觉行业：包括部件制造和成套系统集成两个环节，厂商根据实际情况各自布局。除了自主研发、生产并销售标准化的机器视觉核心部件，机器视觉厂商也深度结合下游实际场景，以整体解决方案的模式提供成套系统。成套系统集成环节在机器视觉中占有至关重要的地位，根据美国自动成像协会（AIA），2018年北美机器视觉行业销售额中，机器视觉成套系统（包括智能相机）占86%，机器视觉部件仅占14%。
► 下游行业：运用机器视觉技术的专用设备集成商和终端使用者。专用设备集成商将机器视觉成套系统与其他电气件（运动控制器、伺服电机等）、机械件（运动模组、机加件等）集成为机器视觉生产或检测设备，例如自动光学检测机（AOI）、影像测量仪、自动切孔机、打胶机等等。此外，机器视觉系统也可作为附加设备，直接安装在终端的机器人或生产线上。从终端行业看，机器视觉的下游应用场景广阔，如汽车、3C电子、半导体、食品饮料、光伏、物流、医药、印刷等。
图表：机器视觉的产业链梳理
机器视觉行业以国外厂商为主导，基恩士和康耐视为行业龙头
国外厂商占主导地位，国内厂商逐步跟进。无论是部件制造还是成套系统领域，海外厂商均有较长的发展历史、较为深厚的技术及案例经验，在全球机器视觉行业占据主导地位。
对于部件制造商，由于不同部件的核心技术、生产工艺有较大的区别，企业通常在各自的优势领域深耕，分部件看：
► 光源：日本CCS（OPTEX子公司）占据了全球机器视觉光源市场约30%，美国Ai（Advanced illumination）、法国Phlox光源也较为知名。由于光源技术壁垒较低，国内厂商奥普特（以光源起家）、康视达、锐视光电、纬朗光电等已基本具备与外资竞争的技术能力。
► 镜头：德、日厂商在光学镜头的研究与制造方面具有悠久的历史，部分巨头凭借技术积累拓展工业镜头产品，包括日本CBC集团、KOWA、茉丽特、富士能，以及德国三大镜头品牌之中的卡尔蔡司、施耐德光学。国内品牌普密斯、东正光学和慕藤光布局较早，在中低端市场中具有性价比优势。
► 相机：机器视觉相机的龙头为德国巴斯勒，凭借低成本和高稳定性占有全球20%的销量份额，美国特利丹（主要品牌Dalsa，拟收购安防/工业相机龙头FLIR）则在高像素等高端市场占有主导地位，此外日本索尼、德国Allied Vision以及韩国Vieworks知名度较高。国内的海康威视、大华科技（子公司华睿科技）、大恒科技均由安防领域向机器视觉拓展，凭借技术和工艺上的延续性，近年来发展较快。
► 软件：软件算法是机器视觉的灵魂，也是最容易出现“卡脖子”的环节。国内软件通常基于OpenCV等开源算法库，或Halcon（MVTec产品）、VisionPro（康耐视产品）等商业算法库，进行二次开发。而独立的底层算法库难度较高，国产企业仅创科视觉、奥普特等较少企业有所突破。通常而言，国产视觉软件在易用性、非标性上有所优势。
成套系统领域，基恩士（Keyence）和康耐视（Cognex）为行业龙头。基恩士和康耐视在机器视觉系统集成能力和软硬件产品布局上全球领先，2019年收入分别达357.9（含传感器、测量仪器等非机器视觉类自动化产品）和50.6亿元，过去十年年均复合增长率达15.0%、15.2%，我们估计基恩士、康耐视在全球机器视觉系统中占有率分别约30%和20%。国产企业中同时具备软硬件自主研发以及系统集成能力的主要有奥普特、海康威视以及大恒科技。此外，部分厂商通过代理销售硬件并配套自研软件及算法，提供系统解决方案，例如德国Stemmer Imaging、凌云光。
此外，由于应用的通用性和广泛性，机器视觉下游专用设备集成商众多，且大多具有专注聚焦的应用领域和应用行业。大致来看，机器视觉专用设备集成商主要可分为三类。第一类为通用自动化设备厂商，将机器视觉作为一种先进的解决方案，例如全球测量设备龙头海克斯康、自动化控制设备龙头欧姆龙，国内赛腾股份、大族激光等。第二类为专门应用机器视觉的设备集成厂商，以用于电子行业的AOI（自动光学检测）设备厂商为代表，主要有韩国高迎科技（AOI & SPI设备全球市占率28%）、德律科技（中国台湾）、矩子科技、天准科技、精测电子等。第三类为苹果、大众等终端使用者或其OEM供应商的机器视觉部门。
图表：机器视觉行业及下游的主要厂商
图表：机器视觉行业主要公司财务指标对比
机器视觉应用广、空间大、壁垒高
应用广：下游应用众多，覆盖多工艺环节
机器视觉的功能决定了下游的应用场景广阔。机器视觉的本质在于利用图像采集和分析技术，优化自动化生产和检测流程，因而可用于工业制造的方方面面。
从广度上看，机器视觉的下游行业众多，包括汽车、3C电子、半导体、食品饮料、光伏、物流、医药、印刷、玻璃、金属、木材等。特别地，机器视觉在需要高精度、高速度检测的汽车、电子等行业的需求量大，发展较为成熟，以德国为例（2018年德国机器视觉产品收入中66%为向世界各国的出口，因而可作为全球情况的代表），根据德国机械设备制造业联合会，2018年德国机器视觉企业收入前四的行业分别为汽车、电子、食品饮料、半导体，分别占比22%、16%、15%、7%。
中国应用聚焦在电子、汽车行业，其他行业仍有待拓展。电子、汽车、电池（主要为新能源汽车电池）为中国机器视觉三大主要场景，占比分别为36%、9%、8%，合计达53%。与发达国家应用结构对比，未来中国在医药、食品饮料等行业的机器视觉应用仍有拓展空间。
图表：德国机器视觉2018年分行业收入占比
图表：中国机器视觉2018年分行业收入占比
从深度上看，机器视觉的应用覆盖产业链的多个环节。以手机的制造为例，机器视觉可应用在结构件生产、模组生产、成品组装、锡膏和胶体的全制造环节，iPhone生产全过程需要70套以上的机器视觉系统。
图表：机器视觉在主要行业的应用
空间大：预计2025年全球规模92亿美元，国内成长速度快于全球
从空间上看，2018年全球机器视觉规模约42亿美元。根据康耐视的测算，2018年全球机器视觉规模约42亿美元，分应用来看，2D视觉、ID识别系统、物流、3D视觉分别为14、10、10、4亿美元。此外，由于机器视觉的下游应用场景繁杂，且仍有不少应用场景未得到完全挖掘，潜在空间难以准确推算，以下仅略作简单讨论。根据康耐视，估计在全球3.6亿制造业工人中，视觉质检人员约3,500万人，按照世界银行2018年全球人均净收入9,290美元计算，全球每年仅因视觉检测而产生的人工成本就超过3,000亿美元。而人工成本的节约只是机器视觉为下游带来价值增值的其中一环，若考虑产品质量和一致性的提升、数字化生产，以及机器视觉在高精度、复杂场景下的增量应用，我们认为全球机器视觉的超远期潜在空间可能至少为千亿美元级别。
从增速上看，全球机器视觉行业有望维持12%的长期高速增长。全球机器视觉龙头基恩士、康耐视在近十年间各实现了15.0%、15.2%的年均收入复合增速。面向未来，根据康耐视的预测，全球机器视觉行业在长期有望实现12%的年均复合增速，其中在3D视觉、物流等新兴应用领域增速有望达到15%。据此计算，到2023年、2025年全球机器视觉行业规模有望达73.3、91.8亿美元。
图表：全球机器视觉的分应用2018年市场规模
图表：全球机器视觉规模及预测
2019年我国机器视觉行业规模约103亿元，过去五年年均复合增长达32.4%。根据中国机器视觉产业联盟（CMVU）对会员企业的统计，2019年中国机器视觉行业规模103亿元，同比增长约23%，2014-2019年年均复合增速达32.4%。需要说明的是，CMVU口径包含了部分机器视觉专用设备集成商，而康耐视口径仅为机器视觉成套系统及部件。我们认为中国机器视觉行业规模仍较小，但增速远快于全球，处于快速成长的阶段。
图表：中国机器视觉市场规模及增速
壁垒高：技术密集叠加工艺密集，铸就行业高盈利特性
基恩士和康耐视的盈利水平长期维持高位，反映行业的高壁垒。机器视觉行业的一大特点为较强的盈利能力，基恩士过去十年的毛利率、息税前利润率、净利润率平均水平为80%、50%、35%，康耐视盈利能力低于基恩士，但平均水平也高达75%、27%、26%。我们认为，较强的盈利能力反映了较高的行业壁垒，这主要源于机器视觉行业具有“技术密集”与“工艺密集”这两大特性。
图表：基恩士近十年盈利水平维持高位
图表：康耐视近十年盈利水平维持高位
技术密集：研发投入高，技术创新与产品布局缺一不可
机器视觉是技术密集型行业，厂商研发费用率较高。由于工业场景对机器视觉的精度、稳定性要求较高，无论是软件，还是光源、镜头、相机等硬件，都有较高的研发难度，且由于下游行业和需求多样化，硬件型号以及软件算法非常繁杂，全面的产品线布局需要较长时间的积累。此外，为了满足新的行业与新的需求，诸多厂商前瞻性布局3D、机器学习等创新性技术。因此，机器视觉厂商的研发费用率较高，2019年除了基恩士仅3%外，National Instruments、Basler、康耐视和奥普特研发费用率均超过10%。基恩士虽然研发费用率低，但其通过“应用带动研发”的方式，仍保证每年70%的新品是全球首款或行业首推。
图表：机器视觉代表性厂商近三年研发费用率
工艺密集：强调对下游行业的Know-how，案例积累与服务体系构筑壁垒
“类咨询”的解决方案提供模式，定制化程度高。对于机器视觉行业而言，下游客户通常并不清楚应当采用何种硬件、何种算法才能“合适”地实现功能，客户往往以解决某个问题或实现某种功能的形式提出需求，机器视觉厂商需要结合产品、产线等具体情况给出方案。因此，除了简单的通用性功能需求，大多数解决方案具有定制化属性，因而附加值高。
长期的案例积累与强大的服务体系为关键能力。首先，不同的案例之间具有一定的可迁移性，因此案例知识库的积累有助于降低开发难度、优化项目质量以及缩短开发周期。此外，对于机器视觉厂商而言，案例的开发也能够反哺软硬件产品的研发，形成良性循环。其次，强大的服务体系对于方案沟通、技术支持、产品销售也至关重要，基恩士在全球46个国家设立了220个直销点，实现客户服务的“完全直销、直接支持、当日出货”。
图表：基恩士的全球直销网络（2020）
图表：基恩士的客户服务体系
中国机器视觉：渗透率提升+国产化替代，助力智能制造
我国机器视觉密度仅为发达国家的1/4，发展潜力广阔
我国2019年机器视觉密度约为0.4‰，距离发达国家仍有3-4倍空间。我们以“机器视觉行业规模 ÷ 制造业增加值”衡量机器视觉的密度。根据国家统计局，我国2019年制造业总产值26.9万亿元，则中国2018年机器视觉密度约0.4‰。根据德国机械设备制造业联合会（VDMA），2019年德国机器视觉企业销售额为219亿元（28亿欧元），其中66%出口，则德国机器视觉行业规模约75亿元（不考虑进口），对应密度为1.6‰；美国自动成像协会（AIA）仅公开了2018年数据，2018年美国机器视觉行业规模为186亿元（28.7亿美元），对应密度为1.2‰。
基恩士、康耐视收入结构也显示中国机器视觉的渗透率仍较低。基恩士和康耐视分别于2001年、2002年进入中国，但2019年其中国收入占比仍较低，仅分别为12%和16%。
图表：德、美、中机器视觉的规模对比（2019年）
图表：德、美、中机器视觉的密度对比（2019年）
资料来源：CMVU，VDMA，AIA，国家统计局，World Bank，中金公司研究部 注：美国为2018年数据；不同国家口径不同，仅供参考图表：基恩士收入分国家占比
图表：康耐视收入分国家占比
国产替代正在发生，新兴产业助力弯道超车
如前所述，机器视觉行业具有“技术密集”和“工艺密集”的特点，外资品牌如基恩士、康耐视凭借更长期的产品线和方案经验积累，目前在国内市场占有主导地位。但我们认为，国产品牌未来将不断加速崛起，主要基于以下两点原因：
1）凭借价格、深度定制化的相对优势，国产品牌有望进口替代。国外品牌部件及系统价格高昂，国内品牌凭借供应链及人员本土化，能够掌握一定价格优势；国外品牌虽然标准化部件齐全，且在标准化方案上更有经验，但由于在中国技术人员布局较少，在需要结合实际产线、与厂商工程师合作开发等深度定制化需求上，响应速度不及国产品牌。可以看到，近年来苹果产业链中机器视觉系统的国产替代正在发生。2017-2019年，康耐视来自苹果及子公司的收入不断下降，占比从20%下降至不足10%，而奥普特苹果收入占比则从17%提升至39%。
图表：康耐视来自苹果及其子公司的收入及占比
图表：奥普特来自苹果及其子公司的收入及占比
2）凭借中国在部分新兴制造业的中心地位，国产品牌有望弯道超车。在新能源汽车、光伏等新兴行业，中国并非跟随者，而是占据了全球制造中心的地位，2015年以来中国新能源汽车销量占全球比例均超过50%，而在光伏产业链，中国产能占比多晶硅、硅片、电池片、组件分别高达67%、97%、79%、71%。这些新兴行业一方面发展迅速、空间广阔，另一方面走在数字经济和智能制造发展的前沿，为机器视觉国产厂商提供了广阔的试验田。而国外品牌在过去积累的案例经验壁垒会被大幅削弱，国产品牌有望实现弯道超车。
图表：中国新能源汽车销量及占全球比例
图表：中国光伏产业链产能及产量占全球比例
工业“智”造大势所趋，机器视觉土壤优渥
劳动力结构性转变与产业间劳动力转移是我国制造业转型的核心动力。2011-2019年，我国劳动年龄人口从9.4亿人下降至9.1亿人，占总人口比重从70%下降至65%。劳动力从制造业向服务业转移趋势明显，农民工制造业占比从36%下降至27%。此外，制造业就业人员平均工资却从3.7万元/年不断上升至7.8万元/年。伴随制造业劳动力数量减少与用人成本提高的，必然是企业提升劳动生产效率的需求，因此“机器换人”是企业发展大势所趋。
图表：我国劳动年龄（16-59岁）人数及占比
图表：农民工制造业占比与制造业平均工资反向变动
我国工业自动化正迅速发展。从代表性产品工业机器人看，2013-2018年中国工业机器人销量从3.7万台提升至15.4万台，年均复合增长率33.3%，工业机器保有量也从13.3万台提升至64.9万台，年均复合增长率37.3%。我们认为，无论是工业机器人的“机器换手”，还是机器视觉的“机器换眼”，都是未来实现智能制造的重要环节和必要途径。
图表：我国工业机器人销量及保有量
数字经济转型帷幕拉开，机器视觉长期动力十足[1]。展望未来，我们认为“数字”有望成为未来五至十年，中国制造业一大新的生产要素，未来的工业产品将更加“智能化”，工业生产将更加“数字化”，渠道销售和服务将更加“定制化”。我们认为，机器视觉作为替代人眼的生产和检测工具，亦作为“数据采集”的重要底层设备，长期成长动力充足。
图表：数字经济促进制造业升级的具体路径
从深度感知到智慧决策，机器视觉有望成为未来中国制造业的必选项。我们认为，类似于人眼是人获取外部信息的重要窗口，应用机器视觉也将是未来中国制造业企业获取海量工业数据、发展数字化生产的必经之路。一方面，我们认为，随着3D视觉、深度学习技术的发展，机器视觉的性能将更加高速、精准，感知将更加深度、智能，在替代了操作、质检人员的同时，也为智慧决策提供了海量、全面的工业数据。另一方面，基于图像数据的工业物联网及深度学习技术，也是未来实现互联化大数据管理、自演化大数据挖掘的关键。
图表：机器视觉在未来智能制造的应用蓝图
风险
1）行业竞争加剧。机器视觉行业具有高盈利属性，若因此吸引大量新进入者，现有机器视觉企业可能面临份额丢失和毛利率下降的风险。
2）汽车、电子等行业资本开支不及预期。电子和汽车行业仍是目前机器视觉最主要的应用场景，若行业主要厂商资本开支不及预期，则可能带来机器视觉企业的收入下滑风险。
3）技术风险。机器视觉实现“深度感知”与“智慧决策”，依赖于深度学习、3D视觉等前沿技术的导入，目前即使是国外龙头，也仍处于这些新技术商业化的早期。若公司技术储备不足或技术研发失败，则面临较大的经营风险。
-----
[1] 详见中金公司研究部于2020年9月20日发布的深度主题报告《数字赋能经济：产业数字化未来已来》
文章来源
本文摘自：2021年1月27日已经发布的《“大国重器”系列02：工业之“眼”，如日方升》分析员 孔令鑫SAC 执业证书编号：S0080514080006 SFC CE Ref：BDA769
分析员 张梓丁SAC 执业证书编号：S0080517090002
法律声明
向上滑动参见完整法律声明及二维码
关注 中金点睛
微信扫一扫关注公众号
