halcon书籍(学halcon选什么书好)

2023-03-09 02:52:01 技术常识4 2023推荐

【温馨提示】本文共有16351个字，预计阅读完需要41分钟，请仔细阅读哦！

凌云光：构建技术与产品的平台能力多行业赋能智能制造,下面一起来看看本站小编中国证券报给大家精心整理的答案，希望对您有帮助

学halcon选什么书好1

中证网讯（王珞）从印刷业起步，凌云光已在工业机器视觉行业深耕二十年时间，并已将应用拓展至消费电子、新型显示、新能源等多个领域，苹果、华为、小米、富士康、京东方、宁德时代等行业头部企业都是凌云光的重要客户。

6月15日，凌云光（股票代码：688400）正式启动了询价招股，即将登陆A股科创板。此次科创板上市，凌云光拟募集15亿元，募投方向围绕公司愿景规划展开。从工业制造到工业智造，机器视觉大有可为，公司将加大技术研发投入，持续提升平台化能力，赋能智能制造，助力更多行业实现自动化、智能化发展。公司发展愿景是为机器植入“眼睛”和“大脑”，成为视觉人工智能与光电信息领域的全球领导企业。

从代理走向自研掌握底层核心技术

招股书介绍，凌云光成立于2002年，最早从印钞行业起步，通过人民币凹印在线检测、大张检测等项目，开展自主研发；另一方面开展国外高端视觉器件的代理业务。2006年后，公司陆续进入印刷包装、新型显示、消费电子等领域，并进一步提高自主研发能力，目前已具备先进成像、智能算法、智能软件与自动化精密控制的研发能力，并自主研发了工业相机、光源等核心器件，应用于多个行业。

国内的机器视觉起步于上世纪90年代末，凌云光20年前进入该领域时，国内的发展应用基本上还属空白，公司可谓从零开始、白手起家，逐渐走上了机器视觉领域自主研发之路。

凌云光在业务发展初期便十分重视核心技术自研。在2002-2006年开展印钞检测业务期间，公司初步构建了具备光、机、电、算、软等底层技术自主研发能力的百人队伍，并开始启动VisionWARE自主软件算法的研发工作。这一时期的技术积淀为公司打造了竞争对手短时期难以逾越的护城河，如今公司自主研发的机器视觉算法平台VisionWARE已经迭代到5.0版本。凌云光是国内第一家推出纯自主底层核心算法库的机器视觉厂商，底层算法需要的投入周期相当长，要想从底层实现核心算法优化，需要花费大量时间和经验，这使得其领先于同行业竞争对手的窗口大概在三到五年左右。

此外，凌云光基于深度学习、机器学习、知识图谱的AI算法开发也已经走在行业前列，形成了自主F.Brain智能算法平台，通过边缘计算支持工厂端、边智能化，通过大数据云计算技术支持工厂云智能，从应用出发，把机器视觉+AI技术深度结合，支持工业场景落地。

据了解，机器视觉行业的算法库由OpenCV等开源视觉算法库，和Vision Pro（美国康耐视公司）、Halcon（德国MVTec公司）、VisionWare（凌云光）等第三方商业付费算法库组成。因算法库开发周期长、投入大，业内公司通常基于开源算法库开发自身应用算法，或自主开发与第三方集成并举，较少公司完全自主开发底层算法。

除了算法，凌云光在光学成像技术上也一直走在前列，自主研发了一系列视觉核心器件如智能相机、高亮度特种光源等，拥有70多项光学领域专利，对标国际国内机器视觉友商，许多解决方案为首创，打造更为明亮的工业之“眼”竞争力突显。同时通过投资国内CMOS传感器设计公司长光辰芯和工业镜头专业公司湖南长步道光电来优化核心资源配置，布局核心技术国产化、自主化。

从系统到装备形成平台化能力

印钞行业毕竟属于特殊行业，2006年以后，凌云光逐步将业务扩展至印刷包装、显示屏、消费电子等行业，研发能力也进一步整合为产品与技术的平台型能力，从而有效支撑了公司实现跨行业发展。另外，公司从2016年开始扩展自动化能力，用了三年时间，逐步构建起全自动流水线与多轴精密机械手等自动化控制技术。

截至目前，凌云光已具备了先进成像、智能算法、智能软件、智能自动化四大技术平台和全面综合的总体方案设计能力，拥有418项国内专利和208项软件著作权，这支撑了公司将下游行业从印刷快速扩展到消费电子、新能源等其他领域，也是未来支撑公司业务持续跨跃发展的技术底座。

根据凌云光招股书，截至目前，公司针对新型显示、消费电子、印刷包装、新能源等领域，开发了基于自主研发视觉算法与AI算法的多元化智能视觉装备及创新的工艺解决方案。具体到显示领域，凌云光提供的新型显示智能视觉装备产品可以实现对TFT-LCD/OLED中小屏缺陷的自动化及半自动化光学检测，覆盖Cell工艺段和模组工艺段，支持屏幕通电点亮情况下的点灯检测与未通电情况下的外观检测。其提供的LCD点灯质量检测仪的检测效率为人工3倍以上，解决了2%低对比色斑缺陷检测难题，接近人眼极限，实现了高动态范围检测，已在行业推广应用数百台套。

进入苹果产业链对于凌云光来说是一个关键里程碑，也是技术能力构建的必然结果。五年前，公司打破了消费电子视觉检测高端市场长期被康耐视、基恩士等境外厂商垄断的局面，成为经苹果公司认证的机器视觉领域优选供应商（Preferred Supplier），开始批量提供可配置视觉系统。

“手”“眼”“脑”协同，赋能工业生产智能化

如果说，此前凌云光研发的机器视觉算法平台等可配置视觉系统产品，能给工业机器装上“眼睛”和“大脑”，那么智能视觉装备就是给机器植入了受大脑控制的“肌肉”和“四肢”，实现了检测与生产工艺的精准控制、精确执行，最终形成“手”“眼”“脑”协同的智能生产“机器人”，真正服务智能生产。

作为全球第一制造业大国，国内机器视觉应用渗透率偏低，仍有较大成长空间，尤其是人口老龄化叠加用工成本的提高，也为机器视觉行业带来极大的需求。

从下游客户需求来看，近年来新冠肺炎疫情形势复杂，下游各制造厂商不但没有降低技术投入预算，疫情反而进一步倒逼生产企业加强在工业自动化、数字化、智能化的投入，降本效果十分显著。未来，下游厂商对自动化、智能化的需求是刚性的，也是必然的。

中国市场已成为全球机器视觉市场规模增长最快的市场之一。根据中国机器视觉产业联盟的统计，中国机器视觉行业的销售额从2018年的101.80亿元增长至2020年的144.20亿元，复合增长率达19.02%。得益于制造业自动化推进等因素，预计2020年至2023年，中国机器视觉行业的销售额将以27.15%的复合增长率增长，至2023年销售额将达296亿元。

在这样的行业发展机遇之下，凌云光将持续推进先进光学成像、软件与算法、自动化等领域的技术创新，积极开拓工业机器视觉新的应用领域。当前凌云光的机器视觉+AI产品及服务在消费电子、显示面板、印刷包装等应用领域已经取得较高市占率。根据中国机器视觉产业联盟统计，2020年度，在参与统计的企业（联盟内企业）中，凌云光为中国机器视觉行业销售额排名第一的企业。

根据招股书披露，公司正在将业务拓展至新能源电池隔膜检测领域，已经与宁德时代等客户进行合作。20年聚焦在工业制造领域，凌云光有望成为工业人工智能的领导者，真正帮助工厂做到提质、增效、降本、减存。

学halcon选什么书好2

（报告出品方/作者：财通证券，杨烨）

1.产业趋势：高端制造新军突起，机器换人大势所趋

1.1.智能制造国之重器，先进制造占比提高

高端装备制造助力步入工业 4.0 新时代。工业 4.0 的概念最早由 2013 年德国提出，重点强调“通信”和“连接”，包含了“智能工厂”、“智能生产”和“智能物流”三大主题，标志着在新一代信息技术的引领下，大数据、云计算、人工智能、物联网等技术成为新的生产力，在制造业转型升级的过程中提供重要助力。区别于前三次工业革命，工业 4.0 的根本变化是通过物理技术和数字技术的融合实现生产系统的有机整合，“数据信息”成为了工业生产中的关键原材料，制造业最终将成为信息产业的一部分。

在全球范围内，自动化设备替代人力劳动生产的趋势不断推进，自动化设备销售量逐年提高。根据美国市场研究公司 Transparency Market Research 的数据显示，2018 年全球工业自动化市场规模达 2,272.9 亿美元，到 2027 年底，全球工业自动化市场的价值预计将达到 4,380.8 亿美元，CAGR 达 7.56%。国内方面，中国工控网的数据显示 2004 年-2019 年我国自动化及工业控制市场规模也已从 652 亿元增长至 1,865 亿元。

助力产业升级，政策驱动“中国制造”向“中国智造”转型。2015 年 5 月，国务院正式印发《中国制造 2025》，部署全面推进实施制造强国战略。2021 年底，工信部等八部门联合印发了《“十四五”智能制造发展规划》（以下简称“《规划》”），明确提出到 2025 年转型升级成效显著、供给能力明显增强、基础支撑更加坚实，到 2025 年 70%的规模以上制造业企业普及数字化，到 2035 年全面普及数字化网络化，重点行业骨干企业基本实现智能化。《规划》还提出智能制造装备和工业软件技术水平和市场竞争力显著提升的要求，2025 年市场满足率分别超过 70%和 50%，研发数字化非接触精密测量、在线无损检测、激光跟踪测量等智能检测装备等。作为数字经济的重要组成部分，“十四五”期间制造业与人工智能等信息技术的融合将加速，我国智能制造的发展将进入高景气时期。

新能源、半导体、汽车、航空航天等高端制造业占比提升，对工业智能化水平提出更高要求。随着先进制造在我国的占比提升，工业生产线上人眼在精度、效率等方面已不能满足产业升级的要求。如何借助机器视觉等智能化技术替代传统人工操作，实现提质、降本、增效，成为制造业的共性需求。未来随着“中国智造 2025”战略的加速推进，工业制造自动化、智能化程度有望不断加深，机器视觉这一技术将得到更广泛的应用。

1.2.人口红利逐步衰减，自动化降本刻不容缓

人口红利逐步衰减，劳动力成本压力倒逼企业智能化转型。根据经济学家索洛提出的新古典经济增长模型，“人口增长”和“技术进步”是经济增长的两大源泉，但我国人口结构于 2011 年到达刘易斯拐点，劳动力从过剩转为短缺，人口老龄化现象严峻。据国家统计局数据显示，中国 15-64 岁劳动年龄人口比重自 2011 年开始下降。我国城镇制造业人数也自 2015 年已经步入负增长，人口红利逐步消失。

与此同时，我国制造业平均工资从 2015 年的 55,324 元攀升至 2021 年的 92,459 元，企业的劳动力成本压力凸显。中国企业—劳动力匹配调查（China Employer-Employee Survey，CEES）则显示，“劳动力成本”已经成为妨碍企业发展的头号因素，超过了市场需求、技术人才、创新能力等。因此，我国制造业摆脱“人口红利”旧模式、拥抱“智能化红利”新模式将成为不可逆的产业路径选择。

疫情等外部因素改变工厂的生产模式，加速推动智能制造转型升级。严格的疫情防控政策不可避免会对企业的开工时间、人员稳定性、承诺交期等产生不确定性影响，直接或间接增加了企业的综合成本。今年以来疫情频发，国内用工难、用工贵的问题进一步凸显，我国纺织服装等出口产业相较越南、印度等国的优势进一步缩小，2022H1 我国出口金额 11.14 万亿，同比增长 13.2%，略低于越南同期增速。我们认为，疫情等外部扰动因素一定程度上加速推动了工厂的无人化、智能化水平，打造智能化“黑灯工厂”将是制造业企业的当务之急，机器视觉产业发展迎来短期加速窗口。

日韩经验提供他山之石，我国机器换人正处于黄金成长期。亚洲是全球最大的工业机器人市场，日本和韩国作为智能制造强国，在电子、汽车等高端离散制造产业具有举足轻重的地位。我们以工业机器人密度作为衡量一个国家自动化程度的指标，根据 IFR 的数据，韩国自2010 年以来一直位列全球工业机器人密度最高的国家，超过全球平均水平的 7 倍；日本作为全球自动化制造大国，独占全球工业机器人四大家族中的两席，2020 年供应了全球近一半的工业机器人产量。

而我国的自动化渗透率程度较低，2020 年我国工业机器人密度仅为 246 台/万人，虽然相较 2015 年的 49 台/万人已有明显提升，但仍远低于韩国的 932 台/万人和日本的 390 台/万人。2021 年，中国工业机器人市场在疫情反复、全球缺芯、限电停产等诸多扰动下仍实现出货 256,360 台，同比增长 49.5%。此外，《“十四五”机器人产业发展规划》提出“2025 年工业机器人密度将增长至 450 台/万人以上”，可见我国机器换人正处于黄金时期。

1.3.AI技术持续迭代，机器视觉加速落地

深度学习算法持续进化，拉开人工智能新时代。人工智能的迅速发展正在深刻改变人类社会生活、改变世界。2016 年 AlphaGo 打败人类顶尖棋手李世石，开启了人工智能发展的新纪元。随后，Google 团队在 2017 年提出的 Transformer 模型横空出世，成为了日后自然语言学习（NLP）、计算机视觉（CV）的架构标准；基于 Transformer 的预训练模型 BERT 更是将 NLP 模型的精准度和泛化能力带上了新的台阶；2020 年拥有 1750 亿参数的 GPT-3（Generative Pretrained Transformer 3）的诞生，标志着“大模型”正在成为迈向强人工智能的重要一步。

深度学习技术提升了机器视觉的应用落地能力，驱动产业加速发展。目前主流的机器视觉技术仍采用传统的机器学习训练方法，即在结构化场景下首先将数据表示为一组特征，分析特征或输入模型后，输出得到预测结果。但随着机器视觉的应用领域扩大，传统方式显示出通用性低、难以复制、对使用人员要求高等缺点。深度学习对原始数据通过多步特征转换，得到更高维度、更加抽象的特征表示，可以将机器视觉的高效率和与人类视觉的灵活性相结合，完成复杂环境下的检测，特别是涉及偏差和未知缺陷的情形。通过深度学习对模型鲁棒性的提升，极大地拓展了机器视觉的应用场景，使机器视觉系统更加具备柔性，加速其在工业领域的渗透。

本土人工智能研发投入如火如荼，中国机器视觉厂商正弯道超车。早在 2017 年国务院颁布的《下一代人工智能发展计划》中就有提出，到 2030 年我国人工智能核心产业将实现规模一万亿元，《规划》已把发展人工智能上升到了国家战略的高度。在工业机器视觉领域，国内企业对 AI 算法的研发投入高度重视。

根据中国机器视觉产业联盟 2021 年度企业调查，AI 驱动的解决方案方向的研发投入占全行业研发比例的 21.8%，为所有研发方向中最高。以凌云光自研的 VisionWare 为例，该算法库已经迭代至 5.0 版本，尽管其算法处理精度与国际巨头康耐视仍存在差距，但效率略有优势，算法识别率已基本持平。因此，我们认为随着国内企业在 AI 算法上重点发力，将少样本、无监督学习等新技术融入到深度学习中，提高算法的泛化能力，将机器视觉应用于复杂度更高的场景，有望进一步缩小和海外巨头的技术差距，甚至弯道超车。

2.需求逻辑：机器之“眼”优势凸显，百亿赛道长坡厚雪

2.1.AI赋能工业制造，多重优势替代人眼

机器之“眼”替代人眼，赋能工业制造。根据美国制造工程师协会（SME）机器视觉分会等机构的定义，机器视觉工作过程是通过光学装置和非接触式传感器自动地接收、处理真实场景的图像，目的在于获得所需信息或用于控制机器人运动。一个典型的机器视觉系统一般包括光源及光源控制器、镜头、相机、视觉控制系统（视觉处理分析软件及视觉控制器硬件）等，其中光源及光源控制器、镜头、相机等硬件负责成像，视觉控制系统负责对成像结果进行分析、输出结果至其他执行部件。机器视觉系统的“读取信息-传输信息-处理信息”的过程与人眼的运作机制对应，可谓人类视觉在工业界的延伸。

机器视觉相比人眼具备明显优势。人眼能力所及：机器视觉无疲劳感，可以 7 x 24 小时运转，不会受到情绪的干扰，在适应性、重复性、可靠性方面优于人类，使得工业视觉系统可以提升产品的良品率，加快产线运转的速度。人眼能力不及：机器视觉镜头与相机统具有较宽的光谱响应范围，例如使用人眼不可见的红外光进行测量，可扩展人眼的视觉范围，分辨细微管脚与裂纹，辨识微弱的色差区别，在精确性、客观性、速度与效率方面优于人类。

2.2.识别、测量、、检测，机器视觉的四大典型应用场景

识别、测量、和检测等四大应用场景，实现难度依次递增。识别：甄别目标物体的物理特征，包括外形、颜色、字符、条码等，其准确度和识别速度是衡量的重要指标。常见的应用场景是 OCR，读取零部件上的字母、数字、字符（例如条形码、二维码等）用于溯源。测量：把获取的图像像素信息标定成常用的度量衡单位，再精确计算出目标物体的几何尺寸，主要应用于高精度及复杂形态测量。：获取目标物体的位置信息（二维或是三维），进而辅助执行后续操作，常用于元件对位、辅助机器人完成装配、拾取等。检测：主要针对目标物体的表面状态，判断产品是否存在缺陷，通常用于零部件缺陷、污染物、功能性瑕疵检测等。

机器视觉产业链呈现“一条主线，多点开花”。上游：机器视觉产业链的上游主要包括以光源、镜头、相机为首的核心零部件和底层的软件算法库。据中商产业研究院的数据统计，上游的零部件和软件开发环节几乎占据机器视觉系统成本80%。中游：产业链的中游主要包括视觉系统和智能视觉装备。视觉系统是光学成像模块（眼睛）与图像处理系统（大脑）的集合体，可以独立完成图像采集功能并基于图像采集的信息完成预期的处理工作（如、测量、检测和识别等）。智能视觉装备在系统的基础上增加了结构本体和自动控制部件，实现检测/生产工艺的控制和执行，给机器又植入了受大脑控制的“肌肉”和“四肢”。

下游：产业链下游通过系统集成商致力于将智能视觉设备与生产工艺相结合，下游面向 3C 电子、汽车制造、新能源等众多细分行业，并随着技术渗透率的提升行业下游呈现“多点开花”的态势。

2.2.1.3C电子：落地机器视觉技术的行业基本盘，品类渗透加速

全球 3C 电子产业向发展中国家转移，高精度、换代快等特点助推机器视觉技术迭代，应用场景延伸和品类拓展有望持续推动我国 3C 行业机器视觉渗透率提升。2021 年，我国电子信息制造业收入同比增长 14.7%，逐步成为全球最大的电子信息产品制造基地，全球电子信息制造业从发达国家向新兴发展中国家转移趋势明显。

由于消费类电子行业元器件尺寸较小，检测要求高，天然适合机器视觉系统落地，其高精度要求也反向推动了机器视觉技术的革新。此外，消费类电子行业产品生命周期短、更新换代快，制造企业需要频繁更换产线设备，进一步增加了对机器视觉行业的需求。根据 CMVU 统计，2019-2021 年中国机器视觉在 3C 电子销售增速高达 34%。未来，随着机器视觉在 3C 制造中的应用场景由低精度的二维码、字符识别进一步延伸至超越人眼极限的高精度组装与加工，叠加终端产品从手机拓展至耳机、平板、手表、VR/AR 等品类，机器视觉在 3C 电子行业的渗透率有望持续提升。

2.2.2.汽车：智能汽车向“大型电子产品”演进，视觉检测迎来新需求

电动化、智能化产业趋势带来机器视觉产业沃土。汽车制造领域中的零配件检测、装配校验检测、涂胶检测等都离不开机器视觉技术。例如，3D 视觉系统可以以高精度间隙对准每一辆车的拼接缝，并对车门和车身进行全面检测，效率和准确率都高于人眼检测。汽车产业的电动化、智能化将推动汽车向“大型电子产品” 演化，电子零部件成本占比可能超过整车 50%，雷达（激光、毫米波、超声波）、传感器、通信（GPS、DSRC、4G/5G）、摄像头、检测、娱乐系统将会大幅提升，行业提升具备机器视觉检测技术的装备的需求。2021 年，我国新能源车销量同比大增 157.6%至 352.1 万辆，同期机器视觉的汽车行业规模已超过 10 亿元。

2.2.3.锂电：行业维持高景气，电池厂扩产带来视觉装备需求井喷

锂电池工艺复杂，机器视觉应用场景丰富。电芯前段工序：在涂布、辊压等环节，锂电池表面容易产生露箔、暗斑、亮斑、掉料、划痕等缺陷，机器视觉主要应用于涂布的涂覆纠偏、尺寸测量，极片的表面瑕疵检测、尺寸测量、卷绕对齐度等环节。电芯后工序：主要应用于裸电芯极耳翻折、极耳裁切碎屑、极耳、入壳顶盖和密封钉焊接质量检测以及电芯外观检测、尺寸测量、贴胶等。模组和 PACK 段：主要应用于底部蓝胶、BUSBAR 焊缝、侧焊缝、模组全尺寸和 PACK 检测等。

新能源汽车蓬勃发展，带动锂电行业的机器视觉呈井喷态势。国家统计局的数据显示，2021 年中国锂电池产量已达 232.6 亿只，同比增长 23.4%。据 GGII 不完全统计，2021 年中国动力电池投扩项目 63 个（含募投项目）、投资总额（含拟投资）超过 6,218 亿元，长期规划新增产能已经超过 2.5TWh。锂电产能的快速增加带动机器视觉高速发展，2021 年市场规模达到 17.7 亿元，2019-2021 年 CAGR 高达 110%。

2.2.4.光伏：良率要求提高，推动硅片分选机放量

光伏行业发展迅猛，带来机器视觉检测需求爆发。光伏电池片的生产可能产生碎片、电池片隐裂、表面污染、电极不良等缺陷，如何提升产品良率、电池的光电转化效率和使用寿命是行业痛点，催生光伏硅片分选机等设备快速放量。2018- 2021 年，中国太阳能电池产量 CAGR 达 35%，2021 年同比增速达 42%，行业迎来加速成长期，同期带动机器视觉的光伏行业应用规模由 2019 年 2.6 亿元快速提升至 2021 年的 6.5 亿元，CAGR 高达 58%。

2.2.5.非工业：传媒、安防、物流、交通等消费级应用正成为新发展方向

机器视觉应用方向包含工业级与消费级，产业边界趋于模糊。根据机器视觉联盟（CMVU）的数据，用于消费电子、半导体与新能源等板块的工业级机器视觉合计占比 79.8%；相比之下，用于消费级机器视觉的安防与监控、物流分拣以及智慧交通等领域占比仅 17.0%，但份额逐年提升。

随着 AI 和 5G 技术的商用落地，机器视觉不再局限于工业领域。机器视觉结合三维重建、动作/表情捕捉、渲染等技术可实现人脸、表情、动作、衣物的还原，构建模拟逼真的人物形象，此外还可利用人脸识别、动作识别、物体追踪等技术模拟人的视觉能力。因此，机器视觉在影视、游戏、直播、文旅等领域还有施展拳脚的空间。

2.3.全球市场空间广阔，国内市场渗透率低，对标欧美成长性高

2.3.1.对标欧美成长性高，2025年全球达147亿美元市场空间

全球机器视觉市场稳健增长，下游市场空间近千亿美元。根据 Markets and Markets 的数据，全球机器视觉器件市场规模保持稳健增长态势，预计 2025 年将达到 147 亿美元。我们认为，未来传统制造业机器视觉渗透率提升叠加新兴行业催生的市场需求，有望推动全球机器视觉行业持续稳健增长。此外，考虑到机器视觉下游的智能视觉装备单位价值量更高，市场空间约为产业链中上游器件市场的 6-7 倍，我们预计全球机器视觉系统市场空间将接近千亿美元。

欧美机器视觉市场成熟度高，中国市场发展势头强劲。欧美国家得益于深厚的工业基础，在高端制造领域广泛使用机器视觉设备，市场成熟度高，2015-2020 年市场增速 CAGR 仅 13.83%。而中国市场发展势头强劲，根据中国机器视觉产业联盟的数据，中国机器视觉行业规模从 2018 年的 101.80 亿元增长至 2020年的 144.20 亿元，CAGR 达 19.02%，2023 年有望达到 296.00 亿元，2021- 2023 年 CAGR 高达到 28.0%。不过根据 Wind 数据，2021 年中国的制造业增加值占全球比例达 30%，高于美、日、德、韩的总和，但机器视觉市场全球占比仅 24.6%。我们认为，随着产业升级和制造业高端化，中国机器视觉市场全球规模占比有望超过逐步超过前述 30%的数据，提供国产机器视觉厂商迭代行业 Know-how、参与全球竞争的舞台。

2.3.2.3D视觉方兴未艾，全球规模2025年将突破百亿美元

3D 视觉作为机器视觉的重要发展方向，预计在 2025 年达到全球 150 亿元美元的市场规模。根据法国市场研究与战略咨询公司 YOLE 发布的全球 3D 成像和传感市场研究报告，2019 年全球 3D 视觉感知市场规模为 50 亿美元，且市场规模将快速发展，预计在 2025 年达到 150 亿美元，2019-2025 年 CAGR 达 20%。。目前，消费电子占比 40%，是最大的应用领域，工业紧随其后排名第二，占比达 21%，其次为航天航空和汽车。YOLE 预计随着汽车智能化的渗透加速，用于自动驾驶、座舱内摄像头的 3D 视觉将是未来五年增长最快的细分。根据高工产业研究院的数据， 2025 年我国机器视觉市场规模将达到 415.92 亿元，其中，3D 视觉市场规模将达到 104.35 亿元。占比超过 25%。

2.4.竞争格局：欧美、日本占据龙头，国内格局较为分散

基恩士和康耐视为全球龙头，合计全球市场份额达 64%。国际领先的机器视觉公司康耐视 2021 财年和基恩士 2021 财年的营业收入分别约为 66.91 亿元和 323.42 亿元。结合 Markets and Markets 对全球中国市场的估计，2021 年日本基恩士全球市场份额为 55%，中国市场份额为 38%；美国康耐视全球市场份额为 9%，中国市场份额为 7%。两大龙头体量远大于国内的奥普特、天准科技等一流厂商，国内仍以中小规模企业为主，相比国外龙头有较大的成长空间。

国产化进程加速，自主产品销售占比持续提升。尽管我国机器视觉行业起步较晚，最开始主要从事国外产品代理，但随着本土厂商技术和经验的积累，国内机器视觉企业开始凭借更定制化的本土服务和显著的成本优势参与市场竞争，自主研发产品比例不断扩大。2019-2021 年，自主产品销售额从 85.9 亿元增长至134.7%，CAGR 达 25.2%，自主产品销售占比也从 79.2%提升至 82.2%。 2020 年中国机器视觉专利达 3124 项，是美国的 18 倍，行业技术格局已发生根本性的变化。根据 CMVU 调查数据，2021 年中国机器视觉销售额排名前五分别是凌云光、大恒集团、奥普特、宝视纳和华睿科技。在细分领域， 2021 年本土领军企业凌云光在消费电子领域市场份额已达 22.4%，位列国内第三，仅次于康耐视和基恩士。此外，公司在印刷包装领域已经占据 21.1%的行业第一份额。

国内竞争格局相对分散，集中度下降，国产厂商加速追赶。机器视觉的下游应用呈现碎片化和定制化，行业的集中度较低，单个企业也呈现多型号、小批量的业务结构特征。根据机器视觉产业联盟（CMVU）2021 年度企业调查结果，机器视觉的市场集中度呈下降趋势。2019-2021 年，销售额 CR5 从 37.7%下降至 31.3%，销售额 CR10 从 51.3%下降至 43.1%。考虑到较成熟的国外市场相比，我国机器视觉行业仍处于生命周期的早期，市场远未饱和，我们认为短期内中国机器视觉市场规模会随自动化水平的提高而增加，行业集中度将保持较为分散。

3.竞争壁垒：技术实力决定产品层次，国产替代方兴未艾

机器视觉核心价值集中于产业链上游，硬件工艺与软件算法决定产品技术天花板。机器视觉设备价值可拆分为上游零部件与软件、中游组装集成与售后维护，其中上游占据了80%价值量，技术壁垒最高；硬件部分当中工业相机价值占比达 50% 以上，由图像传感器、图像采集卡与各类芯片组成，技术壁垒极高。

技术路径多线汇集，机器视觉公司各有所长。机器视觉系统由多个软、硬件产品组成，基于同一技术平台的部件集成有利于系统稳定可靠，但由于其中各部件技术路径相对独立，行业内除基恩士之外的多数企业都只专注于其中一个或几个部件，比如康耐视的核心在于视觉软件，国内的奥普特擅长光源及控制器，自主化领域各有不同。

3.1.硬件：光源、相机国产化率高，镜头任重道远

光源是机器视觉的照明系统，直接决定成像质量和算法效果。机器视觉光源主要包括 LED 光源和光源控制器，用于增加对比度以分离图像目标与背景，是后期图像采集与处理的基础，因此光源的质量直接决定图像分析的难度。光源技术从传统卤素灯、荧光灯到现在普遍使用的 LED，再到 3D 视觉应用的结构光、激光光源，场景应用逐步多元化，方案针对性也逐步提升。例如在一个视觉应用的光源选型中，厂商需要根据客户提出的需求，综合考虑光源的照射角度、照射方式、光的平行性、柔和性等因素选择适合光源的型号和组合，是一个复杂的非标定制环节。

光源是机器成像的基础，中国光源厂商进入较早份额领先。光源的国产化率较高，市场集中度也较高，已成功进入国际市场，主要厂商有奥普特、康视达、沃德普、乐视等。其中，奥普特是国内最早起步的光源厂商，截至公司招股书发行日已共有 38 个系列、近 1000 款标准化产品并提供定制化的光源服务，2021 年公司实现光源业务收入约 3 亿元，保持国产领先。

镜头是机器视觉图像采集部分重要的成像部件，海外厂商优势明显。与普通镜头相比，工业镜头要求清晰度更高、透光能力更强、畸变程度更低等，需要考虑焦距、视场角、光圈以及景深等因素。选取恰当的机器视觉光学镜不仅有助于后续图像处理工作，而且可以降低设备成本。在工业镜头领域，海外企业进驻较早，研发实力强劲，品牌影响力较大，在高端工业镜头市场占据竞争优势，如德国施耐德、日本 CBC Computar 等。我国虽然起步较晚，但涌现出了优秀的镜头公司如广州长步道、东正光学等企业。

工业相机实现光信号转换，本土品牌有望实现全面国产替代。工业相机是工业视觉系统的核心零部件，其本质功能是将光信号转变成电信号，要求产品具有较高的传输力、抗干扰力以及稳定的成像能力。随着设计技术和制造工艺的不断提升，成本更低、分辨率更高、集成度更高的 CMOS 图像传感器逐渐替代早期的 CCD 传感器。目前市面上的工业相机主要有面阵相机、线阵相机、3D 相机以及智能相机。据 CMVU 的统计，2015 年后，中国涌现出了一批有规模的、有竞争力的国产品牌，如海康机器人、大恒图像、华睿科技等年产十万颗以上的公司。2020 年，国产相机销售数量占比已超过 80%，有望在不久的未来实现对进口的全面替代。

3.2.软件和数据：沉淀数据构建壁垒，新兴产业划定“新起跑线”

软件是机器视觉产业的核心中枢，机器视觉为机器植入“眼睛”和“大脑”，其背后的本质是数据的积累和算法的迭代。机器视觉的普及为海量数据的获取提供了便捷的途径；而深度学习算法、新型计算成像技术等前沿工具的普及又拓宽了这双眼睛的适用范围，由此形成“数据->算法->更多的数据->更优的算法”的飞轮效应。

与简单的传感器不同，视觉传感器生成大量图像数据，在 AI 和深度学习算法的帮助下可不断学习并优化，提取出更丰富的特征信息，推动模型迭代，新一步提升效率和准确率。机器视觉下游应用场景纷繁复杂，需要借助大量的数据积累优化算法库，提升行业 Know-how。国内视觉处理分析软件一般建立在 OpenCV 等开源视觉算法库上做二次开发，或直接采购 Halcon（德国 MVTec 公司）、 Vision Pro（美国康耐视公司）等经历了二十多年数据沉淀的第三方商业付费算法库。图 52. 国内算法以二次开发为主，AI 算法

新能源行业自动化的普及和深入，为本土机器视觉企业带来了弯道超车的机遇。在汽车、3C 等传统制造业，虽然国产机器视觉企业在工艺数据积累、打通关键客户上存在差距，短期内较难获得快速发展，但是在新兴行业，本土企业迎来了前所未有的发展机会。例如，2021 年中国的动力电池出货量已达全球的一半，我国光伏新增装机已持续 7 年位居全球首位，光伏产业链的本土化率更是达到 70%以上。我们认为，在具有本土优势的新兴行业中，国内企业与国外的龙头公司在行业 know-how 的积累上基本处于同一起跑线，且没有传统行业历史上紧密的客户绑定关系，有望在新兴产业的机器视觉领域弯道超车。

3.3.创新能力：3D视觉前景广阔，技术迭代打开应用空间

2D 机器视觉技术具有局限性，3D 可以作为有效补充。使用 2D 机器视觉技术可以获取二维图像，在三个自由度（x、y 和旋转）上被摄目标，并基于灰度、对比度的特征进行分析。但 2D 技术存在无法提供物体高度、平面度、表面角度、体积等三维信息、易受光照变化影响、对物体运动敏感等局限性。3D 技术增加了旋转、俯仰、横摆三个维度，更能还原真实立体世界，通过 3D 视觉传感器采集 3D 轮廓信息，形成 3D 点云，实现平面度、翘曲度、段差、曲面轮廓度等 3D 尺寸量测。

3D 视觉技术主要包括双目、结构光、ToF、和激光三角测量。双目技术：通过模仿人眼用两个摄像头观察同一景物，具有系统结构简单、实现成本低，识别距离远等特点，目前应用较为广泛，但其弊端为算法复杂，计算量大，不适合在光线较差的环境中使用。

飞行时间法成像技术（TOF，Time Of Flight）：通过给目标物连续发送光脉冲，通过探测光脉冲发射到返回的飞行时间来得到目标物距离，具有响应快、软件简单、识别距离远等特点，缺点是分辨率低、不能精密成像且成本较高。3D 结构光：从光源投射出一定结构（比如黑白相间）的光线，通过条纹/斑点的变形计算图形的三维图像，其计算简单、精度较高，普及度较高。2017 年苹果发布的 iPhone X 就搭载了前置 3D 结构光传感器用于 Face ID 的人脸解锁。激光三角测量：与 3D 结构光技术类似，区别是以激光作为光源来确定空间物体的三维坐标，精准度高、成本低，但不适于远距离测量。

工业控制对精度、柔性的要求高，场景还原度更好、鲁棒性更强的 3D 有望加速渗透。尽管目前 2D 视觉可以满足绝大部分行业对检测的需求，但涉及到立体工件、精度要求高的检测仍需 3D 视觉来配合。通过增加 3D 视觉模块，增加工业机器人的环境感知能力，可以拓宽应用场景。例如，3D 视觉能使机器人更加精准地被操作物，实现更高难度的不规则包裹抓取、非标金属部件焊接等操作，机器人柔性大幅提升。根据 MIR 的预测，搭载 3D 视觉的工业机器人渗透率将有望从 2021 年的 4%提升至 2025 年的 10.5%，出货量 CAGR 达 46%。

3D 视觉技术在消费级应用上空间广阔。消费电子：2017 年 9 月以来，苹果公司的 iPhone X、iPhone 11、iPhone 12 手机系列均搭载了前置结构光 3D 视觉传感器，并在 iPhone 12 Pro 上同步搭载了基于 dToF 技术的后置激光雷达扫描仪；安卓端包括华为 Mate 系列、P 系列，OPPO Find X，魅族 17 Pro、18 Pro 等陆续有十余款智能手机分别在前置和后置视觉传感器中不断尝试使用结构光和 ToF 技术。通过在智能手机、平板设备、电视等智能终端设备上搭载 3D 视觉传感器可以使其具备 3D 人脸识别解锁、沉浸式交互、体感交互等能力，从而带来更安全、更好的用户体验。

AIoT：3D 视觉传感器可以被搭载在 3D 空间扫描设备、服务型机器人、 AR/VR设备等终端上以实现传统 2D相机无法实现的功能，例如三维重建、避障导航等；在服务机器人应用领域，3D 视觉传感器可以帮助服务机器人高效完成人脸识别、距离感知、避障、导航等功能，使其更加智能化。目前已实现落地的应用包括扫地机器人、自动配送机器人、引导陪伴机器人等，服务于家庭、餐厅、旅馆、医院等多个线下场景。根据 IDC 的数据，2017 年全球商务用机器人市场规模为 213.2 亿美元，预计 2022 年全球市场规模可达 538.0 亿美元，2017-2022 年复合增长率预计为 20.3%。

3D 视觉仍处于探索初期，具备核心技术的厂商有望率先受益。随着 5G 技术的推广普及，人工智能和物联网应用将迎来快速发展，推动视觉技术加速从 2D 成像向 3D 视觉感知跨越。根据 2019 年 Gartner 新兴技术发展周期曲线图，3D 视觉感知概念已经突破了早期的期望膨胀期，并逐渐步入产业化前的重要发展阶段，不断探索潜在的细分领域应用，寻找潜在的增长拐点。目前全球已掌握核心技术并实现百万级面阵 3D 视觉传感器量产的企业仅有苹果、微软、索尼、英特尔、华为、三星和奥比中光等少数企业。我们认为在这一新领域逐步走向成熟的过程中，具备创新能力、掌握核心技术的公司有望率先受益。

4.重点企业分析

4.1.天准科技：机器视觉多点开花，智能驾驶冉冉新星

AI赋能工业制造，下游行业多点开花。天准科技成立于 2005 年，是首批科创板上市企业。公司成立以来，围绕人工智能和精密光机电两大技术体系，由精密测量仪器起家、通过工业视觉检测设备，向消费电子、PCB、新汽车、光伏、半导体等行业拓展。同时，面向智能网联领域，提供智能驾驶、车路协同、通用 AI 计算单元等智能化解决方案。经过十多年的深耕与积累，公司累计服务了全球 5000 余家中高端工业客户。

公司作为中游智能装备制造商，已于 2012 年进入苹果产业链，提供玻璃、电池等环节视觉检测设备；2018 年拓展光伏行业，提供光伏硅片分选机，客户包括隆基、通威、晶科等头部企业；2021 年 5 月收购德国 MueTec，进入前道晶圆检测领域，补齐国产半导体设备短板。2017-2021 年，公司营业收入 CAGR 高达 41%。机器视觉行业长坡厚雪，我们认为公司有望在 3C、汽车等现有优势行业逐步实现份额提升，在锂电池检测等新兴赛道打开增量空间。

成为地平线合作伙伴，跨入自动驾驶新赛道。2022 年 6 月天准科技成为地平线 IDH 之一，将基于地平线芯片打造智驾域控制器及两域融合的中央控制解决方案。此次与地平线的合作，是已有业务的进一步外拓。公司 2018 年开始将机器视觉技术应用到了无人物流车领域，经过几年的深耕，围绕着智能驾驶域控制器核心产品，形成了包括远程驾驶、数据采集回灌、多传感器联合标定、车路协同等产品和方案在内的一套完整的开发工具链，建立起了硬件设计、底软和中间件开发、算法部署和优化等全面的技术能力，服务了国内外 100 余家主要的 L4 智能驾驶客户。我们认为未来 5 年将是智能驾驶高速发展黄金期，公司在与智驾芯片厂商合作中具有卡位优势，迈入自动驾驶新赛道未来可期。

4.2.奥普特：3C、锂电双轮驱动，零部件龙头迈向解决方案提供商

国产机器视觉零部件龙头，锂电检测打开成长空间。奥普特成立于 2006 年, 是中国机器视觉行业的领军企业之一。公司最早以机器视觉核心部件的光源产品为突破口，进入了当时主要以国际品牌垄断的工业机器视觉市场。在十几年的发展过程中，公司坚持“深耕优势、以点带面、以面促点、逐个突破”的发展路径，将产品线逐步拓展至镜头、工业相机、视觉控制器、视觉处理软件等其他机器视觉部件。同时，奥普特特在工业读码器、3D 激光传感器及深度学习产品方面完成了相关布局，取得了初步的销售突破。经过多年发展，公司已经成为具有前端核心零部件自主化能力的机器视觉系统解决方案提供商，是国内唯一一家产业链覆盖度可比肩基恩士的中国本土公司。

产品矩阵丰富，3C 锂电高景气助力公司快速发展。奥普特提供的机器视觉产品已广泛应用于 3C 电子、新能源、半导体、汽车、医药及食品加工等多个行业，并得到苹果、宁德时代、华为、欧姆龙、安费诺、大族激光等行业龙头企业的长期稳定的生产合作。2017-2021 年，公司营业收入 CAGR 达 30.40%，主要得益于 3C 领域的国产替代和锂电行业对机器视觉检测的需求增长。

自 2016 年进入锂电视觉检测以来，奥普特已在电芯段各工序拥有成熟的视觉应用案例，并与行业头部厂商保持紧密的技术合作，已能提供整套的解决方案。同时，公司的行业领先地位得益于持续的研发投入，2021 年公司研发投入 1.37 亿元，占收入比例为 15.67%，研发人员 715 人，同比增加 30.24%。公司累计获发明专利 30 项、实用新型专利 200 项、外观设计专利 25 项，累计获软件著作权 73 项，持续推进机器视觉关键零部件的国产替代。

4.3.凌云光：软件实力确立领先优势，老牌劲旅扬帆起航

掌握底层核心算法，本土机器视觉领军者。凌云光成立于 2002 年，公司战略聚焦机器视觉业务，坚持“为机器植入眼睛和大脑”，是可配置视觉系统、智能视觉装备与核心视觉器件的专业供应商，是我国较早进入机器视觉领域的企业之一。在机器视觉产业链上，公司一方面坚持自主研发系统和装备，另一方面坚持自主研发软件、算法与器件，建立技术平台，全面掌握“光机电算软”底层技术，2004 年，凌云光率先研制了国内第一代大功率 LED 线光源，并成功批量应用于印钞检测设备。公司率先于 2010 年推出了商用机器视觉开发软件平台 VisionBox，是国内少有的拥有独立算法库的企业，曾获得一项国家技术发明一等奖和两项国家科学技术进步二等奖。

本土厂商销量第一，3C 印刷行业领先。2018-2021 年凌云光营收稳步增长， CAGR 达到 20.12%，机器视觉业务的高景气推动公司收入持续增长。根据中国机器视觉产业联盟统计，凌云光在 2021 年中国机器视觉行业销售额排名中位列第一。根据 CINNO Research 的统计，凌云光在中国印刷行业机器视觉智能装备领域的市场占有率为 21.1%，位列行业第一；在消费电子领域，公司长期服务于苹果公司、华为、小米的产业链，与鸿海精密、瑞声科技、歌尔股份等业内领先的电子制造厂商建立了长期稳定的合作关系。根据CINNO Research统计， 2020 年公司在中国消费电子可配置视觉系统领域的市场占有率为 22.41%，位列行业第三，仅次于康耐视和基恩士。

4.4.奥比中光：3D视觉未来之星，多线技术路劲齐头并进

深耕 3D 视觉新领域，技术硬核未来可期。奥比中光是行业领先的 3D 视觉感知整体技术方案提供商，已构建起“全栈式技术研发能力+全领域技术路线布局” 的 3D 视觉感知技术体系，在技术纵向上对包括深度引擎芯片、感光芯片、专用光学系统等在内的核心底层技术以及 SDK、行业应用算法等全链路技术进行全栈式自主研发，在技术横向上对结构光、iToF、双目、dToF、Lidar、工业三维测量进行全领域布局。

2015 年，公司成为全球少数实现消费级 3D 传感摄像头量产的厂商，已先后服务全球超过 1,000 家客户及众多开发者，包括 OPPO、蚂蚁集团、捷普、牧原、中国移动等行业龙头。2017-2018 年，公司二代和三代芯片研发成功，推出 3D 刷脸支付解决方案，并量产百万级安卓手机 3D 摄像头；2020-2021 年，公司为魅族 5G 旗舰机 18 Pro 提供了 TOF 系统解决方案和一站式量产方案、联合头部锁企推出全球量产 3D 刷脸门锁、发布单光子面阵固态激光雷达技术方案等。

4.5.亿嘉和：智能电网如火如荼，特种机器人龙头乘风破浪

深耕电网智能化，品类开拓，步入平台型机器人公司。公司成立于 1999 年，是中国特种机器人行业的领军者。公司践行“应用智能科技、改善人类生活”的企业使命，聚合全球创新，以特种机器人研发为切入点，致力于电力、消防、市政、石油石化等行业智能机器人的研发制造，目前主要为电力系统提供智能巡检机器人产品和智能化服务，维护电力设备、设施的安全稳定运行，提高供电效率。

2021 年，根据公司公告数据，公司电力巡检机器人市场份额稳居全国第一，并且是国内唯一一家可以生产商业化带电作业机器人的企业。此外，公司积极拓展华东地区以外的客户，华东以外地区营收占比已从 2017 年的 3.56%提升至 2021 年的 17.8%。2022 年 6 月，公司全国首发共享充电桩机器人系统在苏州上线，有望深度受益于以新能源为主体的新型电网建设。我们认为，公司凭借先进的机器人控制技术、人工智能算法以及在电力巡检行业积累的丰富数据，将持续实现机器人品类外拓，不断向平台型特种机器人公司迈进。

4.6.海康机器人（海康威视子公司）：智能制造小巨人蓄势待发

脱胎于海康创新业务，分拆上市加速产业进程。海康机器人是面向全球的机器视觉和移动机器人产品及解决方案提供商，业务聚焦于工业物联网、智慧物流和智能制造。海康机器人 2019-2021 年实现营收 8.1、13.6、27.6 亿元，2020- 2021 年分别同比增长 66.9%和 103.3%。2021 年海康机器人持续丰富和优化机器视觉产品，以 VM（Vision Master）算法软件平台为核心，培育视觉应用生态，携手行业合作伙伴共同开发满足碎片化工业场景需求的应用。

在近期揭晓的首次引入国内的“视觉系统设计创新奖 VSDC Innovators Awards 2021” 年度获奖名单中，海康机器人凭借机器视觉“软硬双核”——21MP CXP-12 相机、VM 算法开发平台分别荣膺此次评选唯一最高荣誉白金奖和金奖，标志着业界对海康机器人在产品技术创新、市场表现、企业实力等方面的充分认可。 2022 年 1 月，海康机器人对研发和产能双双加码，包括拟筹资 11.66 亿元建设海康机器人产品产业化基地建设项目和拟筹资 15.34 亿元建设智能制造（桐庐）基地项目，预计规划产能为年产 10 万台移动机器人和 500 万套机器视觉产品。 2022 年 6 月，海康威视发布预案，拟将其控股子公司海康机器人整体变更为股份有限公司后，分拆至创业板上市。

4.7.华睿科技（大华股份子公司）：工业相机国产先行者，业务版图持续扩张

深耕机器视觉+AMR，竞争优势持续增强。华睿科技是大华股份旗下的机器视觉子公司，专注于机器视觉与移动机器人，广泛应用于物流、汽车、3C、锂电、光伏和医药等行业。公司机器视觉产品包含工业相机、线扫相机、智能相机、智能传感器、3D 工业相机和镜头等系列产品，主要用于读码识别、缺陷检测、测量和；移动机器人产品包含潜伏、牵引、叉取和分拣等机器人，主要用于机器视觉领域。公司继承了大华股份在安防监控领域深厚的 ISP 图像处理技术，始终坚持技术创新，2021 年研发人员占比超过 60%，专业研发级技术团队 500 人 +，专利申请近 300 件。2021 年 9 月 28 日，大华股份发布公告称，拟分拆江华睿科技至境内证券交易所上市。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）

精选报告来源：【未来智库】未来智库 - 官方网站

学halcon选什么书好3

ARM中国领航人，因“打死不想做Me Too”选择3D视觉，这位「痛苦指数非常高」的CEO想打造一个行业龙头。

作者 | 路遥

编辑 | 余快

如果说中国的2D视觉时代，是一段追赶史，那么国内外厂商站在同一起跑线的3D视觉时代，很可能是一段超越史。过去一年，当不少行业在经历寒冬，3D视觉赛道却火热如夏。逆势而上过程中，行业也存在诸多热议的话题，关于投资、关于竞技、关于挑战、关于落地、关于盈利……这是一个关于3D视觉领域创业者的系列报道，也是中国3D视觉大浪蓬勃发展中群英荟萃的英雄史记。

本文为该系列的第一篇，故事主角是图漾科技创始人&CEO费浙平。

80年代，费浙平出生在浙江农村，但幸运的是，就在自家门口，有一个藏书万册、每天都有新鲜报纸可以借阅的“万册图书馆”。

在整个县城也不过只有一家新华书店的时代背景板上，这个家门口的图书馆更显得格外难得。

从小学二年级拥有自己的读书卡开始，费浙平平均每天都有一两个小时时间泡在图书馆中，当时他期期必看的书籍有两本，一本是《山海经》，一本是《故事会》。

那是互联网尚未普及，外界诱惑较少的时代，同时也是中国改革开放飞速发展的黄金时代。

费浙平将自己学生生涯的绝大部分时间都用在了阅读和思考上，加之江浙一带自古便是富庶之地，在当地优势基础教育资源的助力下，费浙平在1996年夏天拿到了复旦大学电子工程系的录取通知书。

“我觉得我人生最大的认知跃升和眼界的开阔，完全是在大学期间完成的。”

ARM中国第一批「开荒者」

正如爱好文学的他，最终在文理分科时走向理科一样，大学前从未碰过键盘的他，在计算机和电子工程两个专业之间犹豫，并最终选择在当地录取分数最高的电子工程，走的都是一条寒门子弟想要出人头地最常走的路，看似“盲目”，实则掺杂着某种强烈的“明确”。

这一成长的选择还包括，一毕业就参加工作，最好是外企，不同之处仅在于，费浙平在外企和工作前面都加上了三个字“最好的”。

这个目标明显区别于很多自入学之日起就确定要出国的上海本地同学，但后来顺利进入ARM，成为ARM在中国的第一位本土员工，确实给费浙平带来巨大的满足感。

或许当时连他自己也没有预料到，在ARM的日子会为之后创业埋下多么重要的伏笔。

2000年前后，伴随着第一批美国半导体科技公司率先进入北京和上海两个一线城市，ARM也进入中国市场，准备立地生根、开枝散叶。

就这样，在2002年，初出茅庐的费浙平，遇上了大自己一轮的复旦学长谭军，后者当时刚带着妻儿从英国回到中国上海，正要奉命为ARM开拓国内市场。后来，谭军成了ARM中国区第一任“总舵主”。

在费浙平看来，谭军是自己的一位“贵人”。

费浙平是谭军招募的第一位员工，在之后很长的一段时间里，谭军+费浙平=早期ARM中国所有员工。

谭军带领下，ARM用IP授权打破垄断，以开放式IP架构构建了国内的半导体生态链，行业知名度和美誉度越来越高。

2007年的一天，谭军找到已经在技术岗位发光发热六年的费浙平，想要把市场和销售经理的担子交给他。

费浙平本能地拒绝了。在当时很多理工科学生的认知里，似乎成绩优秀的都在研发技术岗，只有成绩不好的才会转行干销售。

在一家技术实力上被行业广泛公认的公司担任技术负责人，早已被费浙平视为自己的“本命”，而ARM又恰好就是这样一家公司。

谭军耐心地说服了费浙平，在外企，想要往更高的平台发展应当向外走，相比于沉淀技术，市场、业务、生态系统这些更宏观的平台型业务口方面的锻炼机会才是最稀缺的。

从岗位职责来看，谭军指派费浙平的并非传统销售岗位。当时，面对一片空白的国内市场，ARM完全处于卖方市场，最大的困难不在竞争，而在于如何大规模推广新概念和新技术，让客户发现32位CPU的价值，拥抱从8位到32位CPU的升级浪潮。这项工作需要带头人有非常强的技术背景和市场前瞻性。

谭军的一番说辞不无道理，虽然并非完全自愿，费浙平还是接过了市场和销售经理的担子。

如今，费浙平实实在在地从这次转型中品出了好处，“回头来看，我觉得这是一个非常明智和正确的决定，如果没有在ARM最后几年的锻炼和成长，不会有今天。”

费浙平坦言，后来创立图漾过程中，对于宏观市场的行业认知、商业模式的选择、市场战略以及战略执行中的战略定力等，从ARM最后几年的锻炼中获益良多，而具备这样能力的创始人，从数量上看称得上稀缺。

更巧的是，当初在ARM工作时经历的挑战，与图漾今天面临的困难和挑战别无二致。图漾当前的挑战和任务也是把3D机器视觉这个新市场的渗透率提上去，让以前不用的客户认可其使用价值。

从2002年初次相识，到2009年、2010年两人因为一些众所周知的原因相继离开ARM，可以说，费浙平与谭军一起，亲手推动了ARM中国从无到有，从小到大，是当仁不让的ARM中国1.0。

离开ARM后，费浙平加入同样做CPU技术的美国企业MIPS，担任了两年多中国区市场总监，在参与MIPS和Imagination这两家CPU和GPU公司的合并之后，功成身退。两段职业经历相加，费浙平在芯片行业度过了外企在中国发展的黄金十年。

离开MIPS的费浙平自感已触及职业天花板，左瞧右瞧都无法找到理想的职业下一站，“创业”的想法愈渐明确。

于是，2013年，费浙平一边帮助朋友的芯片创业公司深圳中微电做市场营销，一边开始和几个朋友捣鼓图漾最初的模型。

盯上当时「冷门」的3D视觉

在半导体行业深掘十年后，费浙平最终选择了3D机器视觉作为创业方向，并且一开始便以3D工业相机软硬件产品为切入口，而非更为熟悉的处理器芯片。

2013年左右，3D视觉还是一个少有人关注的冷门学科，为什么以此作为创业方向？

“处理器上面还有什么颠覆性的创新机会？”这是费浙平决定创业后时常问自己的一个问题。

智能化的视觉识别和视觉处理，会对处理器架构带来全新挑战，而把智能视觉处理做好，需要一个创新的处理器架构。

当时在费浙平看来，从CPU、GPU、DSP上着眼机会不大，AI的概念也还未兴起，自己显然也没有AI的工作背景，自然而然，他将目光落在了机器视觉上。

机器视觉并非一个新的概念，2D视觉市场已经趋于成熟，巨头林立下，想要在同质化产品中杀出一条生路，费浙平认为不是自己的能力所在，况且他理想中的公司，要有能打的产品能力，而不是纯粹的销售能力。

他断定3D视觉的应用将会是机器视觉中的一个创新点，并且当时3D视觉市场几乎一片空白，还没有明显的竞争对手，更容易打出产品的竞争力和差异化。

事实上，费浙平并不是第一个“吃螃蟹”的人，他关注到当时在以色列有一家计算机视觉处理器创业公司 Movidius 已经开始做出一些不错的成果（ Movidius 最终于2016年被英特尔收购），这进一步坚定了费浙平构建一个技术团队的信心。

创业的蓝图已经有了最初的轮廓，拥有处理器技术背景和市场背景的费浙平，很快在技术群里主动认识了擅长视觉算法和光学的另外两位合伙人。

寻找创业伙伴的过程几乎没费什么功夫。自参加工作开始，北京、上海、深圳就成了费浙平的三点两线，他对北上深三地技术圈大大小小的公司、团队、人物都很熟悉。再者这个圈子本身相对垂直小众，既有技术能力，又有创业热情的人，就像夜晚被灯光照亮的路边指示牌，很容易被注意到。

更为重要的是，大家的目标一致，要做就做行业上游核心零部件。并且他们很快认识到，3D视觉商业化的第一个阶段，是3D工业相机和软件产品，而不是上来就做芯片。

至于为什么不做系统集成，在费浙平看来，ARM做的就是芯片行业的核心零部件，ARM成为了一家伟大的公司。在机器视觉领域，提到最好的两家公司，所有人首先想到的也都是康耐视和基恩士这两家核心零部件公司，没有人会提任何一家集成商的名字。

换言之，费浙平追求的不是人数和规模，而是如ARM、基恩士和康耐视一样的行业地位、行业影响力以及高市值。“集成商多一个不多，少一个不少，只有做核心零部件，才能实现这一愿望。”

为此，费浙平和初期伙伴做了充分的准备，一定要从底层技术架构和方法学做起，公司几个关于方法学的基础发明专利，早在公司成立前便已完成申请。

2015年，已做好充足准备，并下定决心要走一条极具辨识度道路的图漾科技正式成立。

所有人都知道核心零部件是一个好的商业模式，但能真正把这个商业模式和战略执行下来的团队却是少数。

想要追求第一梯队的生存机会，就必须筑起别人难以翻越的围墙，费浙平的选择是极具性价比优势的产品。

极致性价比的实现，考验的是技术创新、物理实现、供应链管理以及成本控制等综合能力，整个过程需要时间的淬炼，需要在方法学和底层技术上进行深度创新。

从公司成立前的酝酿阶段一直到2018年左右，图漾一直处于底层创新与产品研发阶段，这段单纯搞研发的日子，是费浙平创业中感到最轻松的几年。

2019年开始，图漾进入产品化阶段，其第一代成熟产品进入物流行业的头部客户开始了批量部署，在这一过程中，逐渐积攒起各行各业两三百家领先的集成商客户。

图漾本身就是一家创业公司，想要尽快做出有巨大使用价值的成熟产品，一开始便瞄准行业头部客户很关键，带着这种理念，工业机器人四大家族中的三家，国内物流设备最早上市公司中的一半，都被图漾发展成了重要客户。

与此同时，费浙平也会拒绝那些讲不清楚如何降本增效的“样板工程”项目，以及被资本市场偏爱的“故事型客户”。图漾对客户的要求是，不需要客户出研发费，但客户要能说清楚最终产品的真实使用价值，并且要有严肃认真的研发投入，比如人、时间、资源等，进行联合开发，共同开拓最终用户和应用场景。

经过数年发展，整个市场对3D视觉价值的认识逐步加深，应用的领域也越来越多。2021年开始，图漾进入规模化放量阶段，出现了工业自动化、物流科技、移动机器人、安全、医疗设备等多个优势行业。产品线从单一走向丰富的过程中，服务客户也从300家增加到500多家。2021年全年，图漾的3D工业相机出货量超过1万套，走在了行业前列。

时至今日，图漾已经形成以FPGA为算力单元，以工业相机为产品载体的硬件产品矩阵，以及赋能广大集成商工程师进行二次开发的RVS软件平台。

集成赛道很热闹，但我还是坚持好看不好做的核心零部件

费浙平的人生归纳起来有三个大的转折点：考上复旦、进入ARM和创业。

前两个转折点的成功，分别在于出色的专业能力，以及技术向市场的顺利转型，而创业阶段的成功则要归功于战略定力。

不同于3D视觉领域的学术派代表，费浙平属于靠实战经验行走江湖的一类。

当不少公司极力将自己往更大概念上套的时候，图漾却在努力将自己安放于一个明确的概念上。

在费浙平划定的明确界限内，他认为尽管在宣传层面有很多和图漾同类型的公司，但本质上存在差异。

2016年，雷峰网曾和费浙平有过一次谈话，当时聊到3D视觉在手机上的应用，费浙平的看法很负面。如今重拾老话题，费浙平苦笑道，“3D视觉之于手机，的确是个伪需求，大家喊了两三年，现在已经完全消停了，这验证了我对市场的判断是正确的。但没有想到的是，在这个过程中，有些公司可以利用这个故事融到很多钱，那好像也是一条发展路径。”

钱，一个任何时刻都相对敏感的话题，钱既具有变废为宝的潜力，也可以变成牵着人鼻子走的缰绳。

成立至今，费浙平最庆幸的有两件事：一是核心团队成立至今一直非常稳定，大家在战略层面认知一致、目标清晰；二是图漾的财务状况一直控制得比较健康，融资上从容，开支上也并不烧钱，这种健康让图漾活了下来，并且拥有足够的弹药进入下半场。

这两件事，是图漾之所以能够保持战略定力的重要原因。

“我们的同行要么做消费去了，要么不断地追逐着新的热点，要么下沉做集成去了。国内不少于10家公司都号称以3D相机作为产品，都喊着做核心零部件，都觉得基恩士、康耐视的模式好，但结果都纷纷无一例外走向了做集成。我可以很负责任地讲，目前市场上除了图漾之外，所有号称做3D相机的公司都是集成商。”

当资本寒冬悄然而至，各行业均呈现一片萎靡之状，3D视觉领域却热度不减，2021全年整个国内3D视觉市场实现 100%的增速，今年以来，大额融资事件频起，“3D视觉第一股”的桂冠也尘埃落定。

费浙平认为，3D视觉赛道中最热闹的，还是数量众多的集成商环节，他们通常都有自己的视觉软件，同时自研或者外采其他公司的相机。

3D视觉行业的繁荣，说明了市场前景的乐观。但为什么会有如此多公司，在相近的时间点，都经历了从核心零部件到集成的商业模式转变呢？

费浙平认为，一部分原因在于这些团队没有市场战略，或者缺少战略执行力。当团队缺乏用一两年甚至更长时间专心做研发而不担心收入问题的底气时，做集成便成了最佳选择。

这种集成商层面的混乱与无序，也侧面凸显出图漾立足的上游核心零部件企业的稀有和空缺。

对谈中，费浙平数次提及康耐视，在表达一位后辈对行业前辈敬佩的同时，也从竞争者的视角给出自己的观点“未来，在图漾的优势产品上，康耐视与图漾合作的可能性更大。”

3D视觉赛道玩家密集转型集成商的另一半原因，出在背后的投资人身上。费浙平认为很多互联网跨界过来的美元投资人并不懂机器视觉的行业规律和行业特征，“他们会认为烧钱亏损不要紧，但不允许一家公司的人员规模和收入流水没有几倍几倍的增长，以为规模代表一切。很多美元投资人的设定预期是未来市场会出现三五家千亿市值的巨头玩家，但事实上，无论AI还是机器视觉，我觉得最终市场格局会是50家百亿市值的公司，很多投资人对此的认知和预期是错误的，所以他们90%以上的投资会打水漂。”

在费浙平看来，国内3D视觉市场今年“卷”得不太寻常，已经开始重演起互联网企业大打价格战的“老历史”，而在此之前，类似的打法在工业集成商领域几乎难觅踪影。

作为一种市场行为，不同的公司都在其中努力适应。但对于企业发展而言，这种业务模型和商业模式上的错位，天然注定无法逃离亏损的泥潭，接下来或早或晚上市的企业，都将经历一次估值的大考。

费浙平的观察和思考，部分来自于复旦师兄、格灵深瞳创始人赵勇。

从大家预期中的千亿美金估值到如今的50亿人民币市值，格灵深瞳估值向理性的回归，向整个市场展现出这一行真实的一面。“今天拿了很多钱，给了很高估值，但如果运营模式和人力成本脱离行业规律，可能导致他们根本等不到上市，即使上了市也将长期徘徊在发行价以下，这样的公司就不算成功。格灵深瞳能凭借主营业务的成长上市，业务和人才结构的转型，经历了两年非常痛苦的时期，才终于回归到健康的路径上来。”

3D视觉的发展路径也遵循着2D视觉成长的规律，不同之处在于，在大量投资的驱动下，3D视觉的整体进程可能会被提速3倍到4倍。

3D视觉想要走向规模化，眼下就有一块十分具体的绊脚石，即3D视觉软件开发的高门槛，造成集成商客户开发工程师数量极其稀缺。降低软件工程师开发时的难度，意义重大。

图漾正在做的一件事情是，开发一个功能强大且专门用于3D视觉开发的软件平台，正如2D视觉领域康耐视开发的 VisionPro ，以及德国的 HALCON 。更重要的是，不同于后两者的收费模式，图漾开发的软件平台将免费提供给所有工程师。

那些「失语」的瞬间

判断一家好公司的标准，不是比拼规模，而是比拼产品、比拼价值、比拼行业影响力。

费浙平想让图漾成为一家好的公司，这也是他为什么选择机器视觉核心零部件为创业方向的初心。正如他的学长赵勇接受甲子光年采访时所说“小可以变大，但丑不会变美。”

今天的费浙平仍然“固执己见”，在选定的道路上不偏不倚，此时的他诚然是快乐的。

公司规模扩大后来自方方面面的挑战，技术与产品领先性的保持，高昂的试错成本与机会成本，3D视觉与协作机器人搭配在商业上的机会，疫情影响下今年盈利目标的推迟，三年后30%的海外市场收入等，此时的费浙平诚然也是焦虑的。

在ARM工作的时候，老板谭军曾问过费浙平一个问题，自己管得并不严格，是什么让他坚持每天早出晚归，这么努力拼命地工作，当时费浙平没能答上来。

如今旧事重提，费浙平顿了顿，说“这个问题到今天为止我都回答不了，好像天生就是这样。”

类似的“失语”在费浙平的一生中发生过很多次。

也许，失语的背后，是某种潜意识力量，这股力量驱使他去往心之所向，没有犹豫，无所畏惧。