汽车质量检验市场需求高增，AI智能机器视觉产业受益

观点速览

机械视觉产业规模稳步增长，汽车、光伏等新兴应用领域形势迅速上升。随着全球制造业升级的需要和中国制造业的高质量发展，机器视觉市场规模稳步增长。资料显示，2022年中国工业机器视觉市场规模为184亿，到2025年将达到470亿，行业整体发展速度迅速，汽车、纺织、光伏等新兴领域提供了主要的增长动力。

汽车制造业已经成为机器视觉的主要应用市场。视觉检测技术和各种视觉产品正在迅速扩展到汽车产业链的各个环节。随着智能化和轻量化的发展，汽车工业对机器视觉的需求有望继续增加。

新型能源汽车需求持续增长，汽车检测行业受益。随着新能源汽车新车型数量的不断增加，汽车企业加大研发投入将为相关汽车检测行业带来良好的发展机遇。

配备先进AI技术的机器视觉有望在未来切入更多应用场景。ChatGPT引爆了人工智能的话题。目前，机器视觉重点逐渐从单点技术转变为本质应用转换阶段。未来，更先进的AI技术的工业视觉可以进一步优化性能，适应更多的工业应用领域。

机器视觉正在从基本模式匹配向深度学习方向垂直“超越式”发展。随着工业机器视觉的应用越来越广泛，检测目标也越来越复杂。未来，机器视觉应用将从传统工业视觉向基于深度学习的AI工业视觉过渡。

技术独立可控，能够率先获得AI智能检测技术检测的企业将具有先发优势。工厂质量控制系统对产品质量和产出速度有很大影响，数字化、智能机器视觉质量检验系统可以为工业企业提供高效、高速、高精度、低成本的质量检验解决方案，降低质量控制成本，提高生产效率。

第一，机器视觉主要应用市场

1、机器视觉应用领域

机器视觉检测广泛应用于工业、医疗、军事、安全、交通等领域。其中，消费电子、制造业和新能源市场是应用最广泛的领域。

①消费电子产业

消费电子行业一直是机器视觉的主要应用领域。在消费电子生产过程中，需要大量品种繁多、超小、性能高的元器件。因此，面对复杂的生产工艺、高性能的检测要求、高成本的人力等问题是不可避免的。，而机器视觉在高精度引导定位贴合、商品二维码识别、装配检查等过程中发挥着超越人眼的巨大优势。

②新能源行业

发展光伏产业是我国低碳化能源结构转型的重要举措。微裂纹、断栅、污染、电池劣变、扩散不均、虚印等问题都可能发生在太阳能电池板的生产和生产过程中，这些缺陷的出现可能会影响光伏电池的光电转换效率，降低电池的使用寿命，影响光伏系统的稳定性。传统的成像系统很难区分这些缺陷。EL(电致发光)或PL(光致发光)机器视觉定位生产中存在的问题需要使用，为产品质量提供可靠的保证。

③制造业产业

机器视觉技术可用于工业生产中的自动检测和自动加工，通过对工件的检测和测量，使整个生产过程更加智能化、高效化。例如，在汽车生产质量检验中，机器视觉技术可用于识别零件，检测生产线上的缺陷和故障，从而提高整个生产过程的稳定性和质量。

2、汽车质量检验行业目前的市场状况

汽车涉及人身安全，所以汽车行业特别注重生产质量。如果在一批零件中发现一个有质量缺陷，整批可能会报废。如果销售的车辆发现少数有质量缺陷，也会导致整批车辆召回。

宝马“传动轴异响”问题在今年中央广播电视总台3月15日晚会上曝光。随后，宝马中国发表声明，对“传动轴异响”问题进行了技术审查，确认这一现象不会影响驾驶安全。事实上，自2022年以来，宝马在两年多时间里发布了19条召回信息，“质量控制”成为汽车公司首先要解决的问题。

近年来，随着汽车工业的稳步发展，汽车总数不断增加。汽车问题引发的各种交通事故频繁发生。为了方便交通事故的发生，保证人们的出行安全，各大原始设备制造商对汽车生产中的质量检验标准达到了一个新的高度。目前，菲特检验已经实现了从智能“自动化”到智能“智能化”的全面质量检验服务，以及100%全面检验汽车工业在线产品。

随著时间的推移，汽车质量检验行业逐步得到规范和完善，成为一个重要行业。它的检测设备也在不断升级和更新，从最初的人工目检到现在依靠工业机器视觉设备的数字化和自动化检测，检验的准确性和质量都有了很大的提高。

3、分析汽车质量检验市场

①市场需求持续增长

自2016年起，中国汽车工业质量控制市场规模每年超过6000亿元，其中生产过程质量控制（PQ）市场规模超过2000亿元。据中国汽车协会统计，2021年国内汽车销量达到2627万辆，原生产过程质量控制市场规模超过2600亿元。

纯电动车（BEV）采用全自动化生产线，生产过程质量控制要求更加严格。据小鹏汽车数据显示，2021年纯电动汽车市场份额为10.9%，新增生产工艺质量控制市场规模约为77亿元，即每辆纯电动汽车的生产工艺质量控制成本比传统燃油汽车高2700元左右。

据中信证券预测，2030年全国汽车销量为3500万辆，最初纯电动汽车销量约为1800万辆。所以，2030年生产过程质量控制市场规模将达到4000亿元(3500万台*10万元/辆*10% 1800万台*2700元/辆)。

②市场竞争日益激烈

随着汽车质量检验行业的发展，市场竞争日益激烈。一方面，政策法规对车辆质量检验行业提出了更高的要求和标准，严格规范和监督汽车检验机构的资质、设备、人员和流程，提高了行业的进入门槛和退出成本，促进了行业向标准化、标准化和专业化方向的发展。

另一方面，消费者对汽车检测服务的需求越来越多样化和个性化，对车辆质量检测服务的质量、效率、价格和便利性有了更高的期望和要求，促进了行业向多样化、多样化和细分化方向发展。

4、机器视觉推动汽车质量检验发展

传统的汽车零部件检测方法是人工检测。但是由于汽车零部件的结构非常复杂，一个产品上有几十个检测点，会花很多时间，而且这种检测方法是存在的。存在自动化程度低、测量效率低、采样频率低、精度低、产品质量缺乏数据支撑等问题。

数据显示，汽车使用的紧固件占汽车总部件的40%，轻型汽车或汽车使用的紧固件至少有5000个。每种汽车零件的具体结构形状不同，缺陷检测要点也不同。毫无疑问，以传统的“人工检查”方式进行汽车质量检查需要大量的人力资源，不仅效率低下，而且容易导致检查人员的视觉疲劳，缺陷诊断率低，产品质量明显得不到保证。

“人工检查”显然不适合现代汽车生产检查的要求。同时，这种测量不适合现代化管理，不能满足当今高效高速的生产要求，所以为了提高工作效率、准确性，还可以降低人工成本，汽车零部件检验逐步采用机器视觉代替人工检验。

将机器视觉系统应用于内径尺寸检测、直径尺寸检测、外观缺陷检测等。用于汽车零部件成型商品。工业相机和工业镜头的完美配合产生了高精度、稳定的性能和高实用性提高工作效率，帮助用户缩短产品检测时间，提高检测结果的准确性。

当前，汽车制造工艺已经成为机器视觉的主要应用市场。视觉检测技术和各种视觉产品将分布在整个汽车制造线上，覆盖整个车身的制造过程，并迅速扩展到汽车产业链的各个环节。

从国家政策的角度来看，汽车质检行业未来的发展趋势必须向智能化、标准化、系统化方向发展。在信息时代，汽车检测机构也将在检测中应用数字服务和大数据技术，在我国加强对汽车工业的监督和标准下，提高检验的准确性和质量，汽车质检行业的市场规模必然会不断扩大。

新能源汽车制造工艺更加复杂，所需精密零部件数量将大幅增加，对检测的效率和准确性提出更高的要求；随着智能化和轻量化的发展趋势，汽车工业对机器视觉的需求有望继续增加。伴随着技术的不断发展和发展，机器视觉技术将更加成熟和完善，为汽车制造业乃至更多行业带来更多的利益和机遇。

第二，工业机器视觉产业概览

1、工业机器视觉

工业机器视觉是一种自动化到智能化的关键拼图，兼顾状态感知(视觉)和自主决策(边缘控制和AI)的能力，同时辅以底层算法用于工业制造方向，帮助制造业实现引导、识别、检测和测量功能，最终促进工业制造智能化。

工业机器视觉作为人类视觉的延伸，具有准确性高、速度快、成本低、信息整合方便等诸多优点。它可以代替人工在各种生产环境中进行高韧性的连续精确工作，大大提高了工作效率和质量。作为人工智能的一个分支，机器视觉将是智能工厂自动化和智能化的重要手段，是推动社会各行业进入智能时代的核心技术，是智能制造的重要支撑，也被称为“工业之眼”。

①工业视觉算法技术

机器视觉系统的算法软件部分是利用计算机视觉算法对图像进行分析，从而为进一步决策提供所需信息。

根据集成度和开发难度的不同，可以分为供集成商和设备供应商开发使用的底层算法和供最终客户使用的二次开发算法包。由于不同工业应用领域的差异和对精度的高要求，通常需要为满足工业场景下的视觉需求，专门设计相应的软件算法。

②核心功能是工业视觉

识别、测量、定位、检验是工业视觉的主要功能。

机器视觉的功能主要分为四类。从技术实现难度来看，识别验证、引导定位、尺寸检测、外观检测的难度都在增加，基于四个基本功能的各种细分功能在推广难度上也存在差异。

2、工业机械视觉产业链

从机器视觉产业链的角度来看，产业链很长，下游应用领域很多。机器视觉产业链的上游是机器视觉产业的基础，如光学设备和图像处理软件。中游制造是机器视觉产业链的核心，分为设备制造和系统集成阶段。下游应用领域主要包括包装、人工智能、交通、制药、半导体、金属加工等。

机器视觉产业链的上游是硬件和软件。目前，中国在硬件、图像处理、算法等方面已经成熟，如镜头和工业相机，但仍然缺乏产业链完整的机器视觉公司。

3、工业机视觉及其应用

在工业生产中，机器视觉应用广泛，常用于四种业务应用，遍布整个生产环节：视觉指导与定位，方法有无识别检验，精确测量测距，商品外观检验等。

总而言之，工业机器视觉系统的特点是提高生产的灵活性和自动化程度，在一些不适合人工操作的危险工作环境或难以满足人工视觉要求的地方，常见的机器视觉取代了人工视觉；同时，在大规模工业生产过程中，人工视觉检查产品质量效率低、精度低，使用机器视觉检测方法可以大大提高生产效率和制造自动化水平。此外，实现智能制造的基本技术是实现机器视觉自动化集成和软件集成。

机器视觉系统使用的图像采集设备、处理方法、结构在不同的应用场景中有所不同，主要包括以下三种系统结构：

①一体化智能工业相机视觉系统：

用于某些特定场景，如二维码/条码识别、温度红外识别、视觉引导定位等；

②机器视觉系统基于工业相机和本地计算能力：

目前，基于工业控制机的主流应用方案、分体式图像采集系统和处理系统架构使该方案能够广泛应用于各种工业视觉应用领域；

③基于IPC摄像机和云计算能力的工业监控系统：

工业化应用领域包括安全检查、安装动作合规、仓库物料盘点记数等。

4、优惠政策有助于工业视觉产业蓬勃发展

工业机器视觉是人工智能产业和制造业转型升级的重要环节，是国家政策重点关注和发展的产业。自2016年以来，人工智能产业和智能制造业升级相关政策文件中多次提到。2020年的《工业互联网创新发展规划》和2021年的《十四五》智能制造业发展规划都提出了突破计算机视觉和视觉传感相关技术的重点。有助于工业视觉产业的发展。

5、市场规模的工业机器视觉

目前，全球机器视觉市场保持稳定，复合增长率为9.2%，2023年市场规模达到200亿美元。中国机器视觉市场起步较晚，但正处于高速增长状态，近6年平均增长率接近16%。

从中国制造业增加值来看，2017年至2022年持续增长，GDP比例持续增长。从中国智能制造业产值规模来看，2022年中国智能制造业产值447亿元，预计2026年将达到1000亿元，持续增长20%以上。

而且工业机器视觉迎着政策“东风”，赶上智能制造业的“快车”，近几年来，随着全球制造业升级的需要和中国制造业的高质量发展，市场规模稳步增长。资料显示，2022年中国工业机器视觉市场规模为184亿，到2025年将达到470亿，行业整体发展速度较快。

在实践中，传统算法和简单的光学场景不能用于处理各行各业的许多场景。以汽车行业为例，许多零部件不规则，不均匀。这种场景是传统的机器视觉或简单的光学建筑。 AI算法根本无法处理。据调查，使用简单的光学方案 不到60%的情况可以通过传统算法(或简单的AI算法)解决，需要更难的光学解决方案。 四成是AI算法解决的情况。

AI智能加码工业机器视觉加码

1、AI智能质检技术对算法、数据的影响因素

AI智能质量检测系统是光学场景建设、AI算法、工业指标、信息的重要组成部分。

光学场景建设是实现在线质量管理的关键点，光学场景建设极其困难；对于在线智能质量检验来说，AI算法的难点在于建立模型层；工业指标决定了应该检验哪些特征，并根据这些特点建立了光学情境和优化算法。在一定程度上，数据决定了测试结果的准确性，测试的高精度和场景落地是AI质量检验的目标。在这些因素中，AI算法和数据是影响智能检测系统的重要因素。

①高质量的数据有助于实现高质量检验标准

在汽车行业，如果有大量的数据积累，严格控制车辆智能监控细节的全过程，可以最大限度地提高客户生产线产品的达标率，零错误的高标准，从而实现车企质量检验的高标准、高目标。现已建立了“汽车工业生产制造质量控制与管理大数据分析平台”项目。这个项目主要通过光学，AI、人机交互等技术为汽车制造智能数转提供了全面的智能解决方案。

②AI算法可以提高视觉检测的应用潜力

AI算法在底层技术方面的发展进一步提高了视觉检测的应用潜力。AI算法的快速完善将加速视觉检测应用的快速扩展。AI算法是根据实际缺陷进行专业标注和深度学习，其优点是:

1)可扩展性更强：能够自动学习和优化算法模型，减少错误判断和漏检；

2)自适应性强：能适应环境和场景的变化；

检验精度较高：选择深度学习人工智能技术，可进行更精确的图像分析与检验，检验精度更高；

四是检测速度更快：选择GPU等并行计算技术，能快速处理和分析图像，提高检测效率；

5)兼容性高：当出现新的缺陷时，只需根据缺陷图片进行学习训练，无需修改算法，操作更加方便。

2、AI智能工业机器视觉价值

①促进企业质量控制的提高

工厂质量控制系统就是为了满足产品质量要求，而实时进行质量测量和监督管理系统。特别是在汽车零部件、3C商品零部件和外壳、芯片、纺织品、光伏等领域，外观质量检验是一个非常重要的环节，由于大量质量检验员的个体差异和生理限制，测量仪器无法及时数字化和智能化结果，往往导致生产质量事故频发，管理者难以准确判断质量控制的工作状态，极大地影响了产品质量和产品产出率。

②帮助企业安全管理

生产安全检查包括三个方面:工厂管理、安全生产和环境监测，以及在这些场景中检查人、车、设施等安全状态，检查异常现象，及时解决问题和安全隐患。其中，安全监控仪器数据的收集和监控是企业数字化管理的基础。AI工业机器视觉的构建可以实时收集设备信息，大大提高整体管理效率，及时报警异常现象。

3、高级AI技术有望切入更多应用场景。

ChatGPT引爆了人工智能的话题。目前，AI智能机器的视觉重点已经从单点技术逐渐转变为本质应用转换阶段。未来，更先进的AI技术工业视觉可以进一步优化性能，适应更多的工业应用领域。

①功能检测

智能制造的重要组成部分是功能检测。AI 智能机视觉功能检验主要利用软件算法和自动化设备的使用，通过应用计算机技术、算法、机构设计、控制理论、物理、化学等学科和技术，读取产品的各种被测参数，进而验证被测产品，确定产品的特性可以满足设计要求，提高生产效率，从而提高客户的质量，降低成本。

具体而言，功能检测主要包括对待检测商品的各种物理和化学属性检测。，电学、信号(无线射频)已广泛应用于消费电子、汽车电子、医疗电子、工业电子及相关电子零部件产品中。、声学、光学、传感、恒压、磁性等方面的性能测试。以消费电子产品为例，其产品检测品种繁多，精度要求高，各种功能检测广泛应用于生产过程中。

②质量检验

以汽车行业为例，汽车检验包括两类：新车下线和在用车检验，其中新车下线分为R&D检验和强制检验。整车开发一般分为战略/概念阶段、开发阶段、商品完善/生产准备阶段，其中R&D检验集中在开发阶段，强制检验发生在生产准备阶段，从战略阶段到产品完善一般需要3年时间；强制检验是指在导入大规模生产线之前，需要经过中国授权的检验中心对新上市车型进行强制定型实验，检验合格后可以大规模生产销售。

新车检测包括全车－系统－零部件检验、R&D类检验的需求主要受汽车企业R&D费用的影响。新款汽车检测项目由整及零涉及全车试验、系统试验、零部件试验三大板块，其中全车试验项目包括全车可靠性，NVH、HVAC、EMC、化学分析，整车路面性能六大部分；系统检测项目包括发动机、车身、刹车、悬架、电气等。零部件实验一般指动力总成、底盘、车身、内外装饰、电子电器五大类。

③新能源汽车催生新的质检需求

作为汽车产业链的重要组成部分，汽车质量检验的发展趋势与汽车产业的发展趋势密切相关。目前，中国汽车产业正处于转型升级的关键时期，新技术、新产品、新模式如新能源汽车、智能联网汽车不断涌现，给汽车质量检验行业带来了新的挑战和机遇。

资料显示，2022年，我国新能源汽车市场呈现爆发式增长，产量和销量均超过700万辆，同比增长近100%，占乘用车市场的四分之一，预计到2025年，我国新能源汽车的数量将达到8000万辆。新型能源汽车的发展给汽车质量检验行业带来了新的需求和机遇。

一方面，新能源汽车的技术特点和使用特点决定了其在安全性、环保性和整体性能方面不同于传统燃油汽车的检测需求。例如，新能源汽车的电池、电机、电子控制等部件需要在电气安全、电磁兼容、电池性能等方面进行检查。

另一方面，新能源汽车市场规模和数量的增长也给汽车检测行业带来了巨大的市场潜力。数据显示，预计2023年中国新能源汽车质检市场规模将达到50亿元，占整个汽车质检市场规模的7.7%；预计到2025年，我国新能源汽车质量检验市场将达到150亿元，占整个汽车质量检验市场的15.8%。

在新能源汽车、智能联网汽车等新技术、新产品、新模式不断涌现的背景下，新能源汽车升级速度快，其生产制造工艺通常需要大量不同于燃油车的高科技电子产品和其他零部件。因此，传统的机器视觉已经不能满足新能源汽车产品质量检验的需要，配备先进AI智能技术的机器视觉检验系统最终将成为未来机动车质量检验市场变革的中坚力量。

第四，“工业AI之眼”的前景和挑战

1、未来工业机器视觉发展

中国的工业视觉发展分为四个阶段，目前处于四个阶段。科学技术自主化已经成为国家战略，工业视觉应用的广度和深度发展迅速。广度体现在2D向3D递送。随着2023年AIGC技术的快速发展，应用渗透率提高，工业应用需求逐渐增加，自主研发比例不断提高。

当前，2D应用仍然占主导地位，中国从基础模式匹配向深度学习方向垂直“超越式”发展。

①我们国家的机器视觉有很大的提升空间

总的来说，作为世界上最大的制造国，我国机器的视觉渗透率较低，仍有较大的提升空间。

1)随着全球制造中心向中国的转移，亚太区在2020年成为继欧洲和北美之后的第三大机器视觉应用市场，占全球市场份额的25.3%，仍有很大的发展空间。

二是从微观层面来看，如果以全球机器视觉龙头康耐视的收入结构为参考，2022年康耐视在大中华区的收入比例为22.6%，远低于欧美地区，再一次反映出我国机器视觉渗透率仍然较低。

三是细分下游应用方面，我国机器视觉应用仍以消费电子产业为主，应用领域拓展空间较大。

一方面，随着宁德时代等领先客户越来越重视机器视觉应用，机器视觉在锂电池行业有很大的增长空间；另一方面，作为中国最大的智能制造应用领域，汽车的机器视觉渗透仍然很低。随着新能源汽车需求的增加，机器视觉应用有望快速增长。另外，半导体、药业、物流等领域对机器视觉的需求也在迅速扩大，有望成为机器视觉产业发展的重要动力。

②渗透率提高&应用领域扩展

根据GGII数据，2022年我国机器视觉市场规模约为171亿元，同比增长24%，2017-2022年CAGR达到25%，2023年有望达到216亿元，同比增长25%。 27%，预计2027年将达到566亿元，2023-2027年CAGR将达到27%左右，稳步增长，可见机器视觉是制造业中少数具有中长期增长潜力的黄金赛道。

2、中国AI工业机器视觉市场面临的难题

困扰1：数据能力不⾜引起数据闭环⽆法建立

汽车、3C、半导体行业规模较大，基本实现从工业2.0向3.0的转变。由于零部件规则程度较高，半导体和3C行业的信息化程度高于汽车行业。纺织、食品、化工、机械制造等其他传统行业中，仍有许多公司停留在电气化甚至机械化阶段。

目前国内进入工业大数据的企业有很多巨头，比如百度、华为、字节、阿里。但由于工业场景信息化转换困难(或有限)，很多场景实际上通过现有数据实现智能化，效果并不理想。

困扰2：检验、质量控制、信息化、智能化程度低的工业场景

之前的工业检测基本都是作业后抽查。如果后续检测出不合格的产品，一方面很有可能无法追溯到哪个环节出了问题，不仅极其费时费力，还面临着召回整批产品的风险。因此，要实现真正的信息化和智能化，实现各种制造环节的在线监控是极其重要的。

3、AI工业机器视觉是行业发展的前景

伴随着人工智能、计算机视觉等技术的不断成熟，以及德国“工业4.0”、随着日本机器人新战略、美国先进制造合作伙伴计划、中国制造2025等政策的不断推进，工业机器人市场不断增长，机器视觉产业发展也大幅推进。

数据显示，2018年，全球机器视觉技术在工业自动化领域的市场规模达到44.4亿美元，预计2023年将达到122.9亿美元，复合增长率达到21%，市场需求巨大。由于工业机器视觉的应用越来越广泛，检测目标也越来越复杂，未来机器视觉的应用也将从传统工业视觉向基于深度学习的AI工业视觉过渡转变。

五、总结

与人眼相比，机器视觉主要具有识别、测量、定位和检测四大功能，预计到2025年全球机器视觉市场规模将超过1200亿元，预计2027年我国机器视觉市场规模将超过560亿元。

从机器视觉产业链的角度来看，产业链很长，下游应用领域很多。机器视觉产业链的上游是机器视觉产业的基础，如光学设备和图像处理软件。中游制造是机器视觉产业链的核心，分为设备制造和系统集成阶段。下游应用领域主要包括包装、人工智能、交通、制药、半导体、金属加工等。

目前，我国在硬件、图像处理、算法等方面已经成熟，如镜头、工业相机等。，但仍然缺乏具有完整产业链和先进AI技术的机器视觉公司。随着技术的不断成熟，未来10年国内AI视觉市场将保持比整体机器视觉市场更快的增长，未来能够独立控制技术，率先获得AI智能测试技术的公司将更具竞争力。

本文来源于微信公众号“万创投行”（ID:wanchuangtouhang），作者：万创研究所，36氪经授权发布。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com