投资建议

SAM大模型开源，模型优势明显。今年，Meta AI发布基础模型SegmentAnything Model（SAM）及其训练数据集SA-1B，并在GitHub上开源，推动了机器视觉通用基础大模型的研究与应用。SAM大模型用GPT的方式让计算机具备理解图像中个体对象，对图像进行观察、思考和逻辑推理的能力，主要用于对图像或视频中物体的识别和分割，具备处理大规模数据、准确率和性能高等优点。

我们在此前报告中深度分析了机器视觉行业的产业链和市场格局，本篇将探讨人工智能浪潮下，机器视觉技术和应用层面的发展趋势。

理由

智能制造转型时代，下游应用升级推动软件算法迭代。随着我国制造业向精细化、数字化、智能化方向升级，机器视觉渗透率逐步提升，视觉系统在精密组装和精密检测中已经得到有效验证。但随着下游消费电子、半导体、汽车等行业对机器视觉的技术和检测精度提出更高要求，传统软件算法存在数据样本不足、实时性较低以及算法泛化不足等问题，导致应用场景进一步拓展受限，人工智能对机器视觉加持的影响作用逐渐加深。

AI大模型快速发展，打开机器视觉增量空间。3D视觉技术和深度学习算法快速发展，利用大量工业数据、AI算法优化图像检测模型，提高机器视觉向许多无规则、易混淆、复杂度高等非标准化场景的扩展能力。此次SAM开源，实现零样本和少样本学习能力，突破了机器视觉的底层技术，扩展包括物体表面区域分割、外观缺陷检测等应用空间。随着大模型进一步向多模态发展，我们认为图像处理门槛将进一步降低，提升机器视觉产品性能优势，助力其渗透到更多应用场景之中，为机器视觉在工业智能化应用带来新机遇。

AI+机器视觉，智能制造有望多场景落地。1）自动驾驶领域，人工智能支持驾驶自动化进入下半场，推动自动驾驶规模与视觉方案的发展；2）人形机器人领域，AI底层算法运用海量数据信息训练神经网络，优化复杂数据信息的接收与分析，提升信息识别和定位精准度；3）工业自动化领域，顺应工业4.0 的进程，在工业中提升生产效率，减少人工成本，一方面代替劳动力完成包括焊接、打包、组装等繁复工作，另一方面扩大精度较高应用领域的渗透程度，带动Al工业视觉的市场规模。

估值与建议

机器视觉厂商有望持续受益，我们推荐数据、案例积累丰富的解决方案提供商和成像优质的零部件、设备商。推荐奥普特、天准科技，关注凌云光（未覆盖）。

风险

AI算力需求不及预期，下游应用落地不及预期，行业竞争加剧。