中研普華產業研究院在《2026-2030年中國視覺智能行業全景調研及投資趨勢研究咨詢報告》中指出,這行最容易被誤讀的地方,是把"視覺四小龍褪色"讀成"視覺不行了"——褪色的是"一場景一算法、駐場調優、按項目驗收回款"那套舊模型,視覺本身正以肉眼可見的速度長進每一臺相機、每一條產線、每一個鏡腿里。2026年真正發生的變化有兩件:行業評價標準從"模型有多強"整段換成了"模型能不能真的跑起來",跑得穩不穩、耗多少電、多久能上線;以及價值錨從"識別率幾個九"挪到了"換一條產線要幾天、斷網能不能干活、誤報能不能被一句話追問出根因"。
曾是"按路數報價、按項目結算、誰攝像頭裝得多誰贏"的感知生意,在2026年撕掉"安防附屬品"標簽,成"具身智能與智駕的共用眼睛+邊緣AI最大的確定性負載+中國硬件優勢第一次系統性收軟件租的考場"。這一年最擰巴的一張圖是:大盤在穩穩擴張,可頭部分化到荒誕——一家物聯巨頭靠機器人、熱成像與海外把利潤增速做得遠快過營收,另一家安防雙雄卻在單季里利潤大幅回撤、經營現金流由正轉負;上游工業視覺里,靠半導體與軟硬一體方案的公司利潤跳著漲,純做光源鏡頭的毛利被結構性攤薄;下游最熱的AI眼鏡出貨翻著倍地漲,退貨率卻高到"堪比女裝",終端幾乎賣一臺虧一臺。看得見的東西越來越便宜,看得懂且靠得住的能力越來越貴——這就是視覺智能今年的真實面孔。
一、行業發展現狀趨勢
中研普華觀察,行業核心特征是"總量擴張、價值重排;競爭主軸從'mAP提了一個點',換成'一個底座覆蓋幾個任務、遷移要幾天、邊緣端幾毫秒出結果、現場跑半年漂不漂'"。
先拆口徑,否則方向全是幻覺。"視覺智能"至少混四層:計算機視覺軟件與私有化口徑、機器視覺核心部件與系統口徑、工業機器視覺與整體解決方案口徑(差在集成計不計)、含安防硬件與AI攝像頭的寬口徑。同一年"CV軟件在穩增""機器視覺核心部件只微增""AI質檢部署率快速抬升""老牌視覺公司在營收利潤雙殺"可以同時為真,差的全在邊界與環節的傳導時滯。量看芯片顆數與單廠單車搭載數,價看邊緣占比與軟件訂閱率,利看項目制向產品制遷徙的進度、應收周轉與研發攤銷——三條曲線方向完全不同。
需求側四股力最實:
一是CV換軌,把"標注工"這道護城河填平了。 過去一家工廠做缺陷檢測、讀碼、定位要各部署一套算法,養一支標注隊伍就是壁壘;如今新一代視覺基礎模型靠提示或極少樣本微調就能覆蓋多任務,自監督學習讓"不用標注也能學表征"從論文變成產線標配,零樣本分割讓新缺陷類型上線只需少量樣本甚至一句提示——中小企業第一次不必養標注團隊也能用上先進視覺。而今年最硬的一次認知糾偏來自評測本身:行業開始承認選擇題式的榜單會把模型能力虛抬一截,評價口徑正從"能不能答對"轉向"能不能驗證、能不能復現",歐洲同步出臺了精確計算機視覺系統的AI評估方法草案。但真正聰明的做法是分工而非取代:傳統視覺算法管定位、測量、去噪、畸變校正這類毫秒級硬活,大模型管缺陷歸因、開放式檢索與自然語言復盤——"用一句話找出昨天三車間所有戴了安全帽卻沒系下頦帶的人",這是舊范式根本做不出來的長尾需求。
二是端側把云端擠到了下風,這不是技術偏好,是賬和法一起逼的。 邊緣視覺部署占比今年首次壓過云端,搭載AI能力的攝像機出貨里帶圖像信號處理單元的已過半,全球視覺AI芯片出貨的主要增量正從安防挪向汽車、機器人與AI眼鏡。兩股推力都極硬:賬算得過來——端側是一次性物料加電費,云端是帶寬、算力、存儲按秒計費,路數越多越虧;法在推——公共安全視頻圖像數據本地化已成硬約束,"只出語義、不出像素"的端側方案天然合規。于是芯片競爭的口徑整個換了:峰值算力是幾個口徑里最虛的一個,換一種數據精度標法就能差出好幾倍,跨廠橫比根本不成立;真正卡幀率的是訪存與接口帶寬,不是乘加陣列。同價位能少外掛一顆交換芯片,比多報幾個算力單位值錢得多——這也是國產廠商最舒服的一格:低算力、高集成、極致成本,代價是客戶得重做一輪算法遷移。
三是三條主賽道的斜率差出一個量級,工業最厚、車載最猛、安防最穩但最不賺錢。 工業制造占需求首位,AI缺陷檢測的部署率已從少數派變成主流,可滲透深度分層極陡:3C與汽車最成熟,半導體前道是單位價值量最高的一格,而食品、醫藥、紡織仍在大門口徘徊,下沉產線整體更是剛剛起步——卡點從來不是精度,是"換條產線要駐場調多久"。車載這頭是攝像頭真正在"長出來":單車顆數隨輔助駕駛等級臺階式上抬,高像素占比一路沖高,純視覺方案靠砍掉激光雷達把成本壓下顯著一截,直接把城區領航輔助砸進大眾價位;不管走融合還是純視覺,沒有一家在減攝像頭,區別只在加不加雷達。安防則"量在、價沒了":早年那批大規模聯網工程早已跑過設計壽命,設備更新有超長期國債托底,可政府IT預算緊、招標壓價兇——同一陣風里,一家靠創新業務與海外把利潤做上去、半年分紅慷慨到位居A股科技制造前列,另一家營收還在漲、凈利卻小幅下滑,經營現金流大幅轉負,存貨與應收高企、財務費用攀升。同一個行業,一個在賺"物聯+機器人+熱成像"的錢,一個在承受純安防項目的賬期。
四是具身智能與AI眼鏡,把視覺從"識別"推到"動作",也把商業化最真的一道題擺上桌。 3D視覺今年是明確放量的一年:從"給機器人一雙深度眼睛"擴到精密測量、體積計算、姿態估計、碰撞檢測與空間映射,系統均價明顯下探,中低端已跌進千元級門檻;海外傳統機器視覺龍頭直接出手收購深度相機公司,把邊界從"檢測缺陷"擴到"理解空間、指導抓取"。而產業真正在搶的已經不是相機,是數據入口與芯片層:采集端與三維重建平臺原生打通,把"掃一個空間"到"拿到一個可訓練可仿真的資產"之間的工程距離壓到最短;空間感知芯片往"單芯片原生融合彩色與深度"走,目的是消掉多傳感器之間的時延同步與標定誤差;具身數據采集方案則從芯片端補上多路全局快門相機的板端算力。AI眼鏡更熱鬧也更誠實:出貨在翻著倍漲、大廠與車企集體下場打成"百鏡大戰",可退貨率高到遠超成熟3C、上線上百項功能長期使用率極低、國內季度出貨一度出現首次負增長、顯示類毛利剛過兩成還要分給渠道,多數終端品牌幾乎是賣一臺虧一臺;更麻煩的是隱私這把達摩克利斯之劍——第一視角拍攝與環境音拾取越是標配,越難跨過"全天候公共佩戴"那道門檻。行業自己已經承認:比參數沒有意義,"用戶為什么每天都要戴"才是那道題。
供給側是"物聯巨頭靠硬件生態與現金流通吃、視覺四小龍在項目制里失血轉型、工業視覺本土派從賣光源鏡頭轉向軟硬一體、芯片廠在算力通脹里回歸接口與集成、純算法貼牌商被大模型免費化擠干"的五段式。
一家物聯巨頭早已不是"攝像頭公司",而是感知加執行的平臺:機器人、熱成像、汽車電子這些創新業務各自長成獨立體量,海外收入占比穩步抬升,在存儲原材料漲價的大環境里綜合毛利率逆勢上行,利潤增速大幅跑贏營收——它賺的是"多品類+海外+創新業務"三條腿的錢。同賽道的另一家境外收入已逼近半壁,靠海外與創新業務對沖國內政府端,可單季利潤的大幅回撤與現金流轉負,把"純安防項目的賬期有多重"演示得清清楚楚。視覺四小龍這頭集體褪色:一家把敘事從視覺整體換成了算力與智能體,視覺業務只剩小半壁且增長主要來自老客戶復購,是守成而非進攻;另一家多年IPO折戟、累計虧損沉重;同批玩家都在估值與業績雙殺里收縮。它們的失敗不是經營失誤,是"單點感知+項目制"被"全域認知+產品制"整段換掉了:舊方案算法綁死固定場景與設備參數,換個角度、換批設備精度就跳水,返工與駐場成本吃掉全部毛利,典型癥狀是"實驗室達標、現場翻車"。
真正在賺錢的是另一批人:工業視覺本土頭部從賣光源、鏡頭、相機,走到了賣軟硬一體方案與工藝包,半導體與汽車兩條線的收入增速把公司整體拉起來,毛利率雖因結構變化略降卻仍穩在高位;2D相機國產化已近完成、3D相機國產化也過了大半,可高端全局快門傳感器、高端圖像芯片與復雜缺陷算法棧仍是外資主場,精度最苛刻的那批訂單還在海外龍頭手里。芯片這頭,視覺AI芯片廠商打的是"并外圍"的仗——把圖像信號處理、自動對焦、防抖、編解碼甚至交換邏輯并進主芯片,一顆料替掉雙芯方案,整機物料成本應聲下臺階;而端側協處理器與"傳感器側AI"這條線也在起量,把推理前移到圖像傳感器內部,砍的是帶寬、功耗與整機總賬。端側AI越下沉,誰先把外圍器件并進主芯片,誰就多出一份毛利。
技術演進聚焦四條主線:統一底座+專用頭(一個視覺編碼器配多任務頭,提示即適配,標注量降一個數量級;同時保留傳統算法做毫秒級幾何與測量,兩者協同而非替代);開集與可信評測(從閉集分類走向開放詞匯檢測,從"用語言描述空間"走向在潛在空間直接做視覺推理;評價維度從"能不能檢"擴到"AI的判斷可不可信、可不可復現");感存算前移與單芯片融合(圖像傳感器內置推理、彩色與深度在單芯片原生融合、多路全局快門相機板端實時處理,邊界從"多傳感器拼合"轉向"原生一體");視覺—觸覺—語言—動作閉環(精密插拔這類工序上,視覺對位與末端力控被放進同一個動作環里訓練,視覺從"看見"變成"做完")。還有一條暗線最容易被漏掉:換產線的那幾天,才是這行真正的產品。跨產線遷移適配的周期、自監督與少樣本上線所需的最小樣本量、斷網可檢聯網可進化的邊緣架構——這三樣直接決定閑置率與續約率,也是"軟件定義精度"這句今年最熱口號唯一的兌現方式:壁壘從鏡頭調制函數,遷到了算法泛化與交付效率。
中研普華提醒,分水嶺在四件事:有沒有統一視覺底座能把多任務邊際成本壓下來、有沒有把交付從駐場調優改成標準化產品與訂閱、有沒有邊緣端"只出語義不出像素"的合規架構與芯片集成能力、以及有沒有從賣識別率跨到賣"閉環動作"——告警之后誰去處置、處置結果回不回得了模型。靠公版模型貼牌、按路數報價、靠駐場人天撐收入、拿不出邊緣與合規方案的廠,這一輪拿得到標,賺不到錢也留不住續約。
二、產業鏈與價值分布
產業鏈以"圖像傳感器與光學鏡頭·AI圖像信號處理與視覺芯片—工業相機與三維模組—統一底座與算法訂閱—邊緣盒子·系統集成·閉環運營"為四級臺階,越往芯片、底座與交付走越穩,越往攝像頭組裝與人力標注走越卷。
上游是CMOS圖像傳感器(占整顆攝像頭物料的大頭,是最集中的價值點)、光學鏡頭與濾光片、結構光與飛行時間及雙目深度模組、視覺AI芯片與圖像信號處理單元、邊緣加速模組;利潤最厚的兩段是"高像素傳感器+低功耗高集成視覺芯片",中間那截標準鏡頭與組裝已被壓成過路費,而高端全局快門傳感器、高端圖像芯片與部分接口器件仍有相當比例握在海外,是國產成本與交期同時被卡的一處。中游是二維與三維工業相機及智能相機、AI攝像頭與邊緣盒子、視覺大模型底座與算法商城、缺陷檢測/尺寸測量/引導定位三大主力應用、機器人視覺與手眼標定系統。下游五層溫差極大:半導體前道與精密3C是利潤層(單位價值量最高、誤判一次賠一條線,認精度更認長期穩定);新能源與汽車電子是規模層(擴產即訂單,增速最猛,但年降與賬期都兇);智駕與車載視覺是放量層(單車顆數上臺階是全鏈條最確定的一條線);城市治理與安防是現金流層(國債更新托底、政府端回款慢、毛利被壓);AI眼鏡與消費視覺是期權層(出貨翻倍、留存與退貨率是生死線,利潤目前更多留在光學、芯片與代工環節而非品牌)。
價值分布三條鐵律:
一是利潤已經從"硬件差價"整體遷到"底座×交付效率×閉環運營"三段。 同樣一臺相機,賣點是高像素還是超高像素沒差多少,客戶肯多付的那截買的是"換型號不用重新養標注隊、幾天上線、誤報能自己說清為什么、處置完還能回流訓練"。這三件事一件都靠壓低鏡頭進價換不來。今年的結構讀數說得很直白:圖像處理軟件與算法服務的增速雙雙跑在硬件模塊前面,訂閱制的比重還在往上抬,純軟件毛利遠高于硬件——行業已進入"軟件定義視覺能力"階段,但純算法公司卻在餓肚子,因為項目制收不上錢,這就是四小龍悖論。
二是"場景數據閉環+駐場變遠程的交付體系+芯片級集成能力"是最抄不走的資產。 模型架構人人能跟,開源權重人人能下;能把每條產線的缺陷譜、光照條件、誤報歸因、處置結果連成一條可復用的鏈,并把遷移周期從按周壓到按小時,才是這行真護城河。資本開支能買到一批相機,買不到三千條產線的失效樣本,也買不到一支不必出差也能交付的團隊。
三是口徑幻覺是最大估值陷阱。 私有化計算機視覺口徑、機器視覺核心部件口徑、工業機器視覺口徑、整體解決方案口徑、含安防硬件的寬口徑——同一年全對,差在含不含集成、含不含硬件、按軟件許可還是按項目總額、按樣本電商還是全渠道。看這行必須分三層:量看芯片顆數與單車單廠搭載數,價看邊緣占比、軟件訂閱率與單客戶年費,利看項目制轉產品制的進度、應收周轉與研發費用率——把AI視覺大盤的增速套到自己那條產品線上,必然高估。
區域上,長三角握物聯巨頭、工業視覺本體與芯片設計,是規模與定價的策源地,也是三維重建與具身數據采集最密的一帶;珠三角握AI眼鏡、消費視覺、視覺芯片與整機柔性制造,是端側創新最兇的一格;成渝與中部接三維產線配套與成本產能,增速最快;京津冀靠國家隊與政法口徑定義招標規則與合規節奏。對比全球,中國在邊緣集成與極致成本、場景密度與迭代速度、柔性交付、供應鏈響應、采集—重建—訓練的一體化工程能力上占絕對上風;短板集中在高端圖像傳感器與圖像芯片、精度基準與評測方法學的話語權、三維核心器件與標定工藝、海外渠道與合規卷宗、以及"按訂閱收錢"的商業模式耐力。
還有一個容易被忽略的第四象限:醫療影像、農業與特種視覺。醫療影像是增速最陡的幾條線之一,農業自動化更猛,再加軌交巡檢、電網覆冰、核電與水下視覺——量小、誤判代價極高、認證周期以年計、按"每次避免一次停機或一次漏診"算投入產出,完全不看消費電子與政府IT周期,是這條鏈里毛利最穩、也最能給"精度與可信"敘事背書的一塊。順帶一提,在歐盟的規則里,工業缺陷檢測屬于低風險,而醫療影像與車載視覺走的是產品合規路徑、生物識別走的是高風險乃至禁止路徑——同一個卷積模型,四種監管身份。
三、發展前景與需要正視的風險
中研普華判斷,視覺智能正從"安防的感知配件"重定價為"具身智能與智駕的共用眼睛+邊緣AI最大的確定性負載+中國硬件優勢第一次系統性收軟件租的考場"。格局在統一底座與泛化能力、交付產品化與訂閱率、芯片級集成與邊緣合規、場景數據閉環四重篩選下,向"物聯平臺型巨頭+工業視覺軟硬一體派+車載視覺與芯片廠+三維視覺與具身感知新勢力+AI眼鏡端側方案商+醫療農業特種專精戶"六類集中,中間層公版算法貼牌、按人天駐場、無邊緣無合規的項目公司被大模型免費化與回款周期雙向擠干。
純項目制集成與人力標注是承壓底倉。有標可投、有設備更新紅利可吃,但受招標壓價、駐場成本剛性、應收拉長三重壓制,只適合做數據入口與客戶關系,不能按成長股估值——它的戰略價值是把產線與路數鋪進真實工況,把失效樣本攢出來,再向上賣底座訂閱與閉環方案。
真正的主線有五條:視覺芯片的"并外圍"與傳感器側AI(把交換、圖像信號處理、自動對焦、防抖、編解碼并進主芯片,把推理前移到傳感器,砍的是整機廠的總賬;不管哪家終端贏都要過它,完全不受單季政府招標節奏支配,是這輪最"賣水"的一段);三維視覺與具身感知(工業三維剛過放量拐點、系統均價下探到千元級門檻、機器人搭載仍處早期,采集端與重建平臺打通、彩色深度單芯片融合、多路相機板端處理,單位價值量遠高二維;海外龍頭已經在用收購投票);車載視覺的量價雙升(單車顆數隨輔助駕駛等級上臺階、高像素占比沖高、純視覺降本把高階輔助駕駛砸進大眾價位,是全鏈條確定性最高的一條線);交付產品化與算法訂閱(把按周遷移壓到按小時、訂閱比重持續抬升、純軟件毛利遠超硬件,這是項目制公司唯一的活路,也是估值口徑從市銷率切到軟件服務口徑的唯一通道);合規即訂單(歐盟人工智能法案的核心規則與透明度義務已實質生效、執法全面啟動,通用模型監管與禁止性實踐按點落地;高風險系統的合格評定義務雖因協調標準與公告機構尚未就位而整體后移,但"延期只適用于合格評定"這句話必須讀準——按原時間表建好文檔與技術卷宗的先行者沒有吃虧,因為受監管行業的客戶照樣要;而生物識別類硬件的備案與技術文檔要求在部分品類上已經先走一步)。上游賣水人同樣穩:高像素與全局快門傳感器、多維深度模組、邊緣芯片與工具鏈、缺陷樣本庫與自動化標注、可信評測與開放問答基準、公告機構與合規服務、采集—重建—仿真一體化平臺——不管基礎模型派還是傳統算法派、具身還是車載贏,這些都要過它的手。
風險也要擺明:一是把"AI視覺大盤的高增"當"自己的增長",機器視覺核心部件口徑的增速遠低于軟件口徑,四小龍與安防集成商的真實體感是收縮,按大盤外推產能必然踩空;二是項目制死結,算法綁場景、換設備即掉精度、返工吃毛利,營收越大現金流越難看,這是結構性淘汰而非周期波動;三是評測虛高與精度口徑,選擇題榜單與實際部署之間存在系統性落差,數據精度標法一換算力就變形,拿榜單分數和峰值參數做產品承諾,現場一定翻車;四是"實驗室達標、現場翻車"的信任債,光照、批次、振動、材料表面狀態全在變,模型漂移與數據閉環做不住,再高的檢出率也是一次性表演;五是具身智能的線性外推陷阱,三維視覺在機器人上的搭載仍處早期、出貨形態與商業化節奏都未定,把遠期空間當成明年訂單是最貴的搶跑,中試線到量產線之間還隔著良率、標定與成本三道最枯燥的墻;六是AI眼鏡的嘗鮮陷阱,出貨翻倍的另一面是退貨率高企、長期使用率極低、季度出貨一度負增、顯示類毛利剛過兩成且品牌普遍虧損,重量、續航、性能的不可能三角疊加隱私爭議,行業至今沒有最優解——這輪真正賺錢的位置在光學、芯片與代工,不在品牌;七是政府端回款與國債節奏,設備更新是"時間搬運"而非憑空新增,國債批次一斷,安防集成的現金流就斷一檔,單季利潤大幅回撤疊加經營現金流轉負已經演示過一次;八是高端器件卡點,國產化率的高讀數統計的是光源、鏡頭與中低端二維相機,高端全局快門傳感器、高端圖像芯片與復雜算法棧仍明顯依賴進口,"國產化完成"是一句被口徑放大的話;九是合規時點誤讀,高風險義務后移不等于監管整體放寬,禁止性實踐、透明度義務與通用模型監管按原節奏落地,把"延期了"當成"不用動",會錯過整輪投標資格與海外渠道的準入窗口;十是存儲與物料漲價,上游存儲與關鍵器件進入結構性漲價周期,只有定價權強的頭部能把成本順出去,毛利率的逆勢上行是能力不是行業紅利,二三線會被同一波漲價反噬;十一是開源底座的免費化擠壓,當基礎模型權重、數據與訓練流程全面開放,純算法層的溢價會被迅速打穿,剩下的錢只在數據閉環、交付效率與硬件集成這三處;十二是別把機制創新當成客戶價值,檢出率再好看,工廠最終問的是"我這個換批次比換衣服還勤的車間,你這臺機器下周還認不認得"——真實產線上的邊角工況,才是視覺智能真正的考場。
這行最終的看點,不在于誰在榜單上多提了一個點,而在于誰把"一次項目驗收"換成了"一條產線十年的視覺訂閱":把一份跨產線幾小時遷移的交付能力變成集成商不敢換供應商的理由,把一顆并掉三顆外圍料的芯片變成整機廠算出來的那筆總賬,把三千條產線的失效樣本變成底座泛化曲線上別人補不齊的那一段,把"只出語義不出像素"的架構變成政法與車企敢簽數據條款的那頁附件,把一次半導體檢測的良率改善變成客戶報表上真金白銀的一行,把項目制賺來的現金投到傳感器與三維器件、邊緣工具鏈、可信評測與合規卷宗這些"降價時也貶值不了"的資產上。視覺這行的老規律在這里格外鋒利——榜單精度會被下一個開源模型還回去,產線數據、交付周期與芯片集成不會。
想要了解更多視覺智能詳情分析,可以點擊查看中研普華研究報告《2026-2030年中國視覺智能行業全景調研及投資趨勢研究咨詢報告》。






















研究院服務號
中研網訂閱號