工业之“眼”如日方升

1、目录机器视觉：工业之“眼”，如日方升 4机器视觉：多种技术工艺复合的系统产品 4机器视觉相比人工视觉的优势：速度、精度、强度更胜一筹 5机器视觉产业链：孕育优质企业的土壤 6机器视觉应用广、空间大、壁垒高 10应用广：下游应用众多，覆盖多工艺环节 10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 11壁垒高：技术密集叠加工艺密集，铸就行业高盈利特性 12中国机器视觉：渗透率提升+国产化替代，助力智能制造 14我国机器视觉密度仅为发达国家的 1/4，发展潜力广阔 14国产替代正在发生，新兴产业助力弯道超车 15工业“智”造大势所趋，机器视觉土壤优渥 16对标基恩士、康耐

2、视，中国企业潜力无限 18基恩士：起步于传感器领域的机器视觉方案商 18康耐视：机器视觉领军者，积极布局创新技术 19奥普特：以光源起家，布局全系统解决方案 21矩子科技：实现光学检测设备的进口替代 22天准科技：工业视觉专用设备布局全面 23精测电子：面板检测领军企业，“光机电”一体化优势明显 25风险 26图表图表 1：典型机器视觉系统示意图 4图表 2：机器视觉的主要功能 5图表 3：机器视觉相比人眼视觉的性能优势 6图表 4：机器视觉的产业链梳理 7图表 5：机器视觉行业及下游的主要厂商 8图表 6：机器视觉行业主要公司财务指标对比 9图表 7：德国机器视觉 2018 年分行业收入占比

3、 10图表 8：中国机器视觉 2018 年分行业收入占比 10图表 9：机器视觉在主要行业的应用 10图表 10：全球机器视觉的分应用 2018 年市场规模 11图表 11：全球机器视觉规模及预测 11图表 12：中国机器视觉市场规模及增速 11图表 13：基恩士近十年盈利水平维持高位 12图表 14：康耐视近十年盈利水平维持高位 12图表 15：机器视觉代表性厂商近三年研发费用率 12图表 16：基恩士的全球直销网络（2020） 13图表 17：基恩士的客户服务体系 13图表 18：德、美、中机器视觉的规模对比（2019 年） 14图表 19：德、美、中机器视觉的密度对比（2019 年） 1

4、4图表 20：基恩士收入分国家占比 14图表 21：康耐视收入分国家占比 14图表 22：康耐视来自苹果及其子公司的收入及占比 15图表 23：奥普特来自苹果及其子公司的收入及占比 15图表 24：中国新能源汽车销量及占全球比例 15图表 25：中国光伏产业链产能及产量占全球比例 15图表 26：我国劳动年龄（16-59 岁）人数及占比 16图表 27：农民工制造业占比与制造业平均工资反向变动 16 HYPERLINK l _TOC_250013 图表 28：我国工业机器人销量及保有量 16 HYPERLINK l _TOC_250012 图表 29：数字经济促进制造业升级的具体路径 17 H

5、YPERLINK l _TOC_250011 图表 30：机器视觉在未来智能制造的应用蓝图 17 HYPERLINK l _TOC_250010 图表 31：基恩士历史沿革 18 HYPERLINK l _TOC_250009 图表 32：基恩士产品矩阵 19图表 33：基恩士收入及增速 19图表 34：基恩士净利润及增速 19 HYPERLINK l _TOC_250008 图表 35：康耐视历史沿革 20图表 36：康耐视产品矩阵 20图表 37：康耐视研发费用情况 20图表 38：康耐视收入及增速 21图表 39：康耐视净利润及增速 21 HYPERLINK l _TOC_250007

6、图表 40：奥普特历史沿革 21图表 41：奥普特分产品收入结构（2019 年） 22图表 42：奥普特分方案收入结构（2017-1H20） 22图表 43：奥普特毛利率与基恩士、康耐视对比 22图表 44：奥普特净利率与基恩士、康耐视对比 22 HYPERLINK l _TOC_250006 图表 45：矩子科技历史沿革 22 HYPERLINK l _TOC_250005 图表 46：矩子科技机器视觉设备主要产品 23图表 47：矩子科技分产品收入结构（2019 年） 23图表 48：矩子科技研发费用情况 23 HYPERLINK l _TOC_250004 图表 49：天准科技历史沿革

7、24 HYPERLINK l _TOC_250003 图表 50：天准科技典型产品 24图表 51：天准科技分产品收入结构（2019 年） 24图表 52：天准科技研发费用情况 24 HYPERLINK l _TOC_250002 图表 53：精测电子历史沿革 25 HYPERLINK l _TOC_250001 图表 54：公司“光、机、电”产品均有覆盖 25图表 55：精测电子分产品收入结构（2019 年） 26图表 56：精测电子研发费用情况 26 HYPERLINK l _TOC_250000 图表 57：可比公司估值表 26机器视觉：工业之“眼”，如日方升机器视觉：多种技术工艺复合的

8、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

9、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 1：典型机器视觉系统示意图工业相机（“视网膜”）镜头（“晶状体”）光源&光源控制器（提供“看”的环境

10、）视觉处理分析软件产品线（“视觉皮层”）资料来源：奥普特招股说明书， 注：括号内为各部件可类比的人体部位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

11、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 2：机器视觉的主要功能分类1、识别2、测量3、定位4、检测图示功能基于目标物的特征进行甄别计算目标物的几何尺寸获得目标物的位置信息通

12、常指外观检测典型应用OCR/OCV条码/二维码解码码垛搬运精确尺寸标注误差测量引导生产或检测设备精准定位AGV自动导航小车完整性检测外观缺陷检测半导体/面板AOI检测资料来源：奥普特招股说明书，康耐视官网， 注：OCR 和 OCV 分别指光学字符识别和光学字符验证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

13、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 724 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 3：机器视觉相比人眼视觉的性能优势人眼视觉机器视觉慢，0.1 秒的视觉暂留使人眼无法看清较快速运动 快，快门时间可达到 10 微秒左右，高速相机帧率可速度的目标；人脑对图像的处理分析速度受多重因素影响，差异较大达到 1000 以上；

14、视觉控制器处理分析图像的速度稳定且越来越快观测精度差，64 灰度级，不能分辨微小的目标强，256 灰度级，可观测微米级的目标环境要求弱，对环境温度、湿度的适应性差，很多环境对人体有损害强，对环境适应性强，可加防护装置客观性低，数据无法量化，因人而异高，数据可量化，标准统一可靠性易疲劳，受情绪波动影响强，可持续工作，效果稳定可靠资料来源：奥普特招股说明书，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

15、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

16、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 4：机器视觉的产业链梳理CCD/CMOS等光学材料电子元器件五金结构件上游行业机器视觉成套系统机器机器视觉部件视觉硬件：光源、光源控制器、镜头、相机行软件：视觉分析应用软件占比约14%占比约86%专用设备集成商（自动化生产设备、检测设备）终端使用者汽车3C电子半导体食品饮料光伏物流医药印刷玻璃金属业下游行业基于PC的机器视觉成套系统、智能相机资料来源：美国自动成像协会，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

17、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 CC（SOPTEX 子公司）占据了全球机器视觉光源市场约 30%，美国 A（iAdvancedillumination）、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

18、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。镜头相机软件下游：专用设备集成商海外

19、厂商国内厂商纯系统解决方案提供商软件：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

20、，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

21、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。海外厂商国内厂商光源海外厂商国内厂商图表 5：机器视觉行业及下游的主要厂商纯部件制造商 部件制造+成套系统提供商资料来源：公司官网，图表 6：机器视觉行业主要公司财务指标对比研发费用率 经营性现金流（百万元）ROE净利率EBIT利润率2019年收入（百万元）毛利率主要产品厂商分类CCS光

22、源614N.A.11%7%12%N.A.N.A.纯解决方案提供商Stemmer Imaging视觉分析软件、机器视觉系统94237%2%1%2%1% 5纯部件制造商部件制造+成套系统提供商Basler工业镜头、工业相机1,26651%11%8%14%11% 193National Instruments视觉分析软件9,44075%14%12%13%20%1,565基恩士传感器、机器视觉系统、测量仪器等35,79382%50%36%12%3%13,580康耐视机器视觉系统、检测设备等5,06274%20%28%16%16%1,767奥普特机器视觉部件及系统52574%45%39%45%11% 1

23、58(10)17%8%15%8%45%541视觉检测及测量设备天准科技737%13%20%24%40%423AOI设备、控制线缆矩子科技专用设备集成商17614%13%13%16%64%1,3403D光学检测设备KOH YOUNG8,30211%12%18%27%63%30,541测量设备Hexagon资料来源：Capital IQ，万得资讯，公司官网， 注：康耐视为财报年份，而非日历年；CCS 财务数据来自公司官网；奥普特 2019 年 ROE 远高于基恩士、康耐视主要由于资产周转率较高，但基恩士、康耐视资产端的现金及长短期投资占比较高机器视觉应用广、空间大、壁垒高应用广：下游应用众多，覆盖

24、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%

25、。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 7：德国机器视觉 2018 年分行业收入占比图表 8：中国机器视觉 2018 年分行业收入占比 2%22%4%7%11%5%5%6%16%汽车电子食品饮料半导体 玻璃金属造纸印刷塑料橡胶11%3%4%5%5%36%电子汽车电池印刷机器人半导体包装食品饮料7%15%医药木材其他制造业6%通用零部件玻璃6%其他制造业9%7%8% 资料来源：德国机

26、械设备制造业联合会，中国视觉网，资料来源：中国机器视觉产业联盟，电子产品世界，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 9：机器视觉在主要行业的应用主要行业用量用途消费类电子产业 iPhone生产全过程需70套以上系统汽车一条产线需要十几套系统高精度制造和质量检测： 晶圆切割、3C表面检测、触摸屏制造、 AOI光学检测、PCB印刷电路、电子封装、丝网印刷、SMT表面贴装、 SPI锡膏检测、半导体对位和识别等几乎所有系统和部件的制造流程均

27、可受益： 车身装配检测、面板印刷质量检测、字符检测、零件尺寸的精密检测、工艺零部件表面缺陷检测、自由曲面检测、间隙检测等制药一条装配流水线上至少5套系统主要是质量的检测： 药瓶封装缺陷检测、胶囊封装质量检测、药粒高速检测：外观封装检测、食品封装缺漏检测、外观和内部质量检测、分拣和色选等食品与包装各细分环节使用量各异缺失检测、生产日期打码检测、药片颜色识别、分拣等印刷一条高端生产线使用6套左右印刷质量检测、印刷字符检测、条码识别、色差检测等资料来源：天准科技招股说明书，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。

28、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

29、、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 10：全球机器视觉的分应用 2018 年市场规模图表 11：全球机器视觉规模及预测10亿22亿美元2亿美元5%5%4亿美

30、元9%14亿美元33%美元4%2D视觉ID识别系统物流3D视觉生命科学移动化终端(亿美元)91.882.073.365.558.652.446.942.01009080706050403020100201820192020E2021E2022E2023E2024E2025E10亿美元24%2D视觉ID识别系统 物流3D视觉生命科学移动化终端 行业整体规模 资料来源：康耐视公告，资料来源：康耐视公告（含预测），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，

31、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 12：中国机器视觉市场规模及增速(亿元)12070%10060%50%8040%6030%4020%2010%00%201420152016201720182019中国机器视觉市场规模 YoY资料来源：中国机器视觉产业联盟，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

32、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 13：基恩士近十年盈利水平维持高位图表 14：康耐视近十年盈利水平维持高位90%80%毛利率80% 毛利率75%息税前利润率27%净利润率26%90%80%70%70%60%50%息税前利润率50%60%50%40%30%20%净利润率35%40%30%20%10%10%0%2011 2012 2013 201

33、4 2015 2016 2017 2018 2019 20200%2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 毛利率息税前利润率 净利率毛利率息税前利润率净利率资料来源：Capital IQ，公司公告， 注：为财报年份，而非自然年资料来源：Capital IQ，公司公告，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

34、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 15：机器视觉代表性厂商近三年研发费用率25%20%15%10%5%0%National Instruments康耐视Basler奥普特基恩士2017 2018 2019资料来源：Capital IQ，公司公告， 注：基恩

35、士为财报年份，而非自然年当日出货工艺密集：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

36、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”。强大的客户服务体系直接支持完全直销220个直销点，46个国家图表 16：基恩士的全球直销网络（2020）图表 17：基恩士的客户服务体系 资料来源：基恩士官网，资料来源：基恩士官网，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

37、 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

38、，但 2019 年其中国收入占比仍较低，仅分别为 12%和 16%。图表 18：德、美、中机器视觉的规模对比（2019 年）图表 19：德、美、中机器视觉的密度对比（2019 年） 2001801.8()1.61.20.41.616014012010080601.41.210.80.6(亿元)186103750.440200.20德国美国0中国德国美国中国 资料来源：CMVU，VDMA，AIA，国家统计局，World Bank， 注：美国为 2018 年数据；不同国家口径不同，仅供参考资料来源：CMVU，VDMA，AIA，国家统计局，World Bank， 注：美国为 2018 年数据；不同国

39、家口径不同，仅供参考图表 20：基恩士收入分国家占比图表 21：康耐视收入分国家占比 12%16%100%100%90%90%80%80%70%70%60%60%50%50%40%40%30%30%20%10%0%201120122013201420152016201720182019202020%10%0%2010201120122013201420152016201720182019中国 日本 美国 其他国家中国 美国 欧洲 日本 其他国家 资料来源：Capital IQ， 注：为财报年份，而非自然年；基恩士 2017 财年开始单独披露中国、美国地区收入资料来源：Capital IQ，；康

40、耐视 2013 年开始单独披露中国地区收入国产替代正在发生，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：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，

41、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 22：康耐视来自苹果及其子公司的收入及占比图表 23：奥普特来自苹果及其子公司的收入及占比1,2001,00080060040020025%(百万元)20%19%18%15%14%10%20%15%10%5%3503002502001501005045%(百万元)39%27%17%40%35%30%25%20%15%10%5%0201420152016201720180%201900%201720

42、182019苹果及子公司收入苹果及子公司收入占比苹果及子公司收入苹果及子公司收入占比 资料来源：Capital IQ，资料来源：奥普特招股说明书，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

43、，国产品牌有望实现弯道超车。图表 24：中国新能源汽车销量及占全球比例图表 25：中国光伏产业链产能及产量占全球比例140.0 (万辆)70%100%94%97%58%58%120.056%50%60%53%80%100.050%69%80.027%40%60%60.030%40%40.020%20.010%20%0.00%0%20142015201620172018201978% 79%67%69% 71%多晶硅硅片电池片组件中国新能源汽车销量中国占全球比例中国产量占全球比例中国产能占全球比例资料来源：中汽协，IEA，EAFO，资料来源：CPIA，工业“智”造大势所趋，机器视觉土壤优渥劳动力

44、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 26：我国劳动年龄（16-59 岁）人数及占比图表 27：农民工制造业占比与制造业平均工资反向变动 95072%90,00037%94070%80,00

45、035%93068%70,00033%92066%60,00031%91064%50,00029%90062%40,00027%89020112012201320142015201620172018201960%30,000(百万人)(元/年)20112012201320142015201620172018201925%全国劳动年龄人口（16-59岁）占总人口比例制造业就业人员平均工资农民工制造业占比（右轴） 资料来源：国家统计局，资料来源：万得资讯，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

46、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 28：我国工业机器人销量及保有量(万台)70605040302010020082009201020112012201320142015201620172018中国工业机器人销量中国工业机器人保有量资料来源：IFR，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

47、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1 详见于 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宏观层面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。工业产品具备更强的感知和计算能力“数字”资源助力生产环节降本增效满足消费者的个性化、定制化需求万物互联创造新兴市场和产业体系庞大的工业互联网体系应运而生新兴商业模式蓬勃发展微观层面图表 29：数字经济促进制造业升级的具体路径数字经济赋能制造业产品智能化生产数字化服务定制化资料来源：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，

48、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 30：机器视觉在未来智能制造的应用蓝图深度感知90%的工业数据数字化智慧决策优化反馈智能分析数据管理数据获取系统自演化，实现智能化质量管理评估与生产调度设备互联化，实现质量数据记录、追溯和共享

49、大数据智能挖掘大数据管理平台科学度量缺陷检测物流追踪手眼协同替代质检人员，完成基于视觉的质量自动检测替代操作工人，完成生产、加工、物流等操作智能质量检测创新工艺方案应用目标实现效果 高速 精准 多维 自适海量 多源 异构 并发底层技术 2D+3D视觉、深度学习工业物联网、深度学习资料来源：为机器植入眼睛和大脑迈向工业智能互联的新时代，中国机器视觉产业联盟，对标基恩士、康耐视，中国企业潜力无限基恩士和康耐视凭借长期的技术产品创新和方案积累，在全球机器视觉领域占有领先地位。我们建议投资者积极关注对标康耐视、基恩士的本土稀缺标的奥普特（未覆盖），以及机器视觉专用设备集成商矩子科技（未覆盖）、天准科技

50、（未覆盖）和精测电子。基恩士：起步于传感器领域的机器视觉方案商基恩士成立于 1974 年，起步于自动化传感器领域，于 1986 年更名为 Keyence（意为 Key of Science）。公司于 1987 年在大阪证券交易所市场第二部上市，1990 年在东京证券交易所及大阪证券交易所市场第一部上市。2001 年在中国设立子公司，2011-2016 年相继进入巴西、印度等地区，加速拓展海外业务。图表 31：基恩士历史沿革1986年：公司整体更名为Keyence Co. Ltd1985年：在美国设立KeyenceCorporation of America2013年：开发了全球最快的轮廓测量仪

51、2006年：发布全球首台三维激光刻印机2011年：发明了快速启动的图像识别传感器1972年：基恩士前身Lead Electric成立于日本兵库县1987-1990年：依次于大阪证券交易所二部及一部上市2001年：在中国设立Keyence(China) Co. Ltd2011-2016年：相继进入巴西、印度、印度尼西亚、越南、菲律宾等地区1973年：开始从事传感器的开发、生产及销售2000年：发明世界首个数码聚焦显微镜2002年：发明了高速高精度的机器视觉系统产品发展公司发展资料来源：公司官网，产品紧紧围绕“传感器机器视觉”，需求推动产品创新。公司主要产品包括读码器、打标机、机器视觉系统、测量系

52、统、显微镜、传感器和静电消除器。基恩士以独特的“客户密着型”直销模式和“提案型”产品研发模式著称，鼓励销售部门与研发部门进行“思想碰撞”，深入一线挖掘客户潜在需求，推动产品研发与创新，因而产品创新与客户服务均走在行业前列。收入和利润高速增长。从 FY2000 到 FY2020，基恩士收入从 7.6 亿美元增长至 53.2 亿美元，利润从 1.9 亿美元增长至 19.1 亿美元，过去二十年收入/利润年均复合增速分别高达 10.2%/12.3%，其中近十年年均复合增速分别为 15.0%/18.0%。图表 32：基恩士产品矩阵机器视觉/ID识别显微镜机器视觉系统1D/2D 读码器手持移动终端电子显微

53、镜安防/传感器静电消除安全光栅及扫描仪过程传感器有无识别传感器静电消除器喷墨打标机激光打标机即时测量系统位移传感器打标机测量仪资料来源：公司官网，图表 33：基恩士收入及增速图表 34：基恩士净利润及增速 6,0005,0004,0003,0002,0001,00040%(百万美元)30%20%10%0%-10%-20%2,5002,0001,5001,00050060%(百万美元)50%40%30%20%10%0%-10%-20%-30%200020012002200320042005200620072008200920102011201220132014201520162017201820

54、1920202000200120022003200420052006200720082009201020112012201320142015201620172018201920200-30%0-40%收入YoY净利润YoY资料来源：Capital IQ， 注：为财报年份，而非自然年资料来源：Capital IQ， 注：为财报年份，而非自然年康耐视：机器视觉领军者，积极布局创新技术1981 年，麻省理工学院人类视觉感知学科讲师 Robert J. Shillman 博士创立康耐视，1982 年生产出第一个视觉系统光学字符识别系统 DataMan。1994 年，康耐视推出首款基于 PC的视觉系统

55、Checkpoint，此后进入快速扩张期，1995 年-2010 年，康耐视收购了 Rockwell和小松的机器视觉部门，及当时美国另外一家世界级机器视觉企业 DVT。近年来，康耐视积极布局 3D 视觉、深度学习等前沿领域，并通过多次收购（2016 年收购 Enshape、AQSense； 2019 年收购软件公司 Sualab）增加技术积累。2002年：1995-2010年：进入中国市场依次收购Rockwell和小松的机器视觉部门，以及视觉传感器公司DVT1981年：麻省理工学 Robert J. Sh创立康耐视1982年：生产出第一个视觉系统DataMan1994年：推出首款基于计算机的视

56、觉系统Checkpoint2016年：收购两家3D视觉公司Enshape、AQSense2019年：收购韩国领先视觉软件公司Sualab，拓展基于深度学习的机器视觉技术2000年：推出首款智能相机In-Sight2004年：推出首款手持ID编码读写器DataMan产品发展公司发展图表 35：康耐视历史沿革1989年：公司于NASDAQ上市院讲师illman博士资料来源：公司官网，产品创新走在世界前列。在机器视觉领域，康耐视保持核心技术的世界领先地位，积极拓展 3D 视觉、深度学习等前沿技术，以及在物流、生命科学等复杂场景中的应用。在产品上，康耐视已有较为成熟的 3D 面阵相机、激光轮廓仪、位移

57、传感器，以及深度学习视觉软件 VisionPro Deep Learning。近 20 年康耐视研发费用率均高于 10%，平均水平达 15%，通过自主研发和外延并购，在全球范围内拥有超过 1,000 个专利积累。收入和利润高速增长。从 1999 年到 2019 年，康耐视收入从 1.5 亿美元增长至 7.3 亿美元，利润从 0.3 亿美元增长至 2.0 亿美元，过去二十年收入/利润年均复合增速分别高达 8.1%/10.0%，其中近十年年均复合增速分别为 10.7%/14.3%。图表 36：康耐视产品矩阵图表 37：康耐视研发费用情况 2D视觉读码器2D智能相机固定式读码器手持移动读码器1401

58、20100激光位移传感器激光轮廓仪3D面阵相机3D视觉8025%(百万美元)20%15%6010%405%视觉软件深度学习VisionPro康耐视视觉库深度学习视觉软件2019992000200120022003200420052006200720082009201020112012201320142015201620172018201900%研发费用研发费用率资料来源：公司官网，资料来源：Capital IQ，图表 38：康耐视收入及增速图表 39：康耐视净利润及增速 (百万美元)90080%250200%800700600500400300200100060%40%20%0%-20%-40

59、%201720182019-60%200150100500150%100%50%0%-50%2019-100%19992000200120022003200420052006200720082009201020112012201320142015201619992000200120022003200420052006200720082009201020112012201320142015201620172018-50-150%(百万美元)收入YoY净利润YoY资料来源：Capital IQ，资料来源：Capital IQ，奥普特：以光源起家，布局全系统解决方案奥普特成立于 2006 年，最初以

60、机器视觉核心部件中的光源为主要产品。公司以光源作为突破口，逐渐成长为机器视觉成套系统解决方案的提供商。2008 年，公司首次推出具备自动检测负载技术的光源控制器，2009 年，公司可提供机器视觉成套成像解决方案，2014 年成立镜头事业部。2020 年 12 月 30 日，公司于科创板成功上市，截至上市日，公司可自主提供的产品已覆盖所有机器视觉核心部件（相机已突破核心技术，但暂未形成量产销售）。图表 40：奥普特历史沿革2006年，奥普特成立2009年，成为机器视觉成套成像解决方案供应商；首次被评为国家高新技术企业2014年，成立镜头事业部，布局机器视觉镜头的研发与生产2018年，成立 深圳研