一、报告期内公司所属行业及主营业务情况说明
　　(一)主要业务、主要产品或服务情况
　　奥普特是一家主要从事机器视觉核心软硬件产品和运控产品的研发、生产、销售的国家高新技术企业。公司以机器视觉软硬件产品为主，依托机器视觉技术向传感器、运控产品线延伸，用先进技术及产品助力客户精益生产、降本增效，快速为客户提供智能、前沿的自动化核心产品及解决方案。
　　奥普特成立于2006年，是国内较早进入机器视觉领域的企业之一。在成立之初，以机器视觉核心部件中的光源产品为突破口，奥普特进入了当时主要为国际品牌所垄断的机器视觉市场。在二十年的发展过程中，公司坚持“深耕优势、以点带面、以面促点、逐个突破”的发展... 查看全部▼

　　一、报告期内公司所属行业及主营业务情况说明
　　(一)主要业务、主要产品或服务情况
　　奥普特是一家主要从事机器视觉核心软硬件产品和运控产品的研发、生产、销售的国家高新技术企业。公司以机器视觉软硬件产品为主，依托机器视觉技术向传感器、运控产品线延伸，用先进技术及产品助力客户精益生产、降本增效，快速为客户提供智能、前沿的自动化核心产品及解决方案。
　　奥普特成立于2006年，是国内较早进入机器视觉领域的企业之一。在成立之初，以机器视觉核心部件中的光源产品为突破口，奥普特进入了当时主要为国际品牌所垄断的机器视觉市场。在二十年的发展过程中，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其他机器视觉部件。奥普特拥有完整的机器视觉核心软硬件产品，自主产品线已全面覆盖视觉算法库、智能视觉平台、工业AI、光源、光源控制器、工业镜头、工业相机、智能读码器、3D传感器、测量系统。同时，奥普特以核心光学技术为基础，加大在先进工业传感器领域的研发投入，持续推出多品类工业传感器；结合资本优势，在运控产品领域进行布局，并购成熟协同企业，拓展产品线。以此为基础，公司能够向下游客户提供各种视觉、传感器及运控产品等自动化核心零部件产品及解决方案，提升客户粘性及公司竞争力。
　　(二)主要经营模式
　　1.盈利模式
　　公司依靠产品和解决方案的研发积累形成的技术体系，为客户提供具有技术附加值的机器视觉、传感器等自动化核心软硬件产品及方案，从中取得收入、获得盈利。
　　2.研发模式
　　公司的主要产品自动化核心零部件是实现智能制造的关键构成部分之一。公司所处行业为机器视觉行业，属于技术密集型行业。研发能力是关系公司在行业内竞争力的核心因素之一。公司的研发活动主要包括基于各机器视觉软硬件产品的研发和基于机器视觉解决方案的研发。
　　对于基于各机器视觉软硬件产品的研发，公司坚持基础研发、产品研发与前瞻性研发并重。一方面，公司通过对包括光学、物理学、深度学习、3D视觉技术、异构计算等基础技术的研究，为产品研究夯实技术基础；另一方面，公司也贴近客户需求不断研发改进既有产品，有效地满足客户需求、提升用户体验；此外，公司根据业务发展规划，结合行业发展轨迹，进行前瞻性的产品研发和布局。
　　对于基于机器视觉解决方案的研发，一方面公司通过包括对光学成像、图像处理、工业AI、3D视觉技术、异构计算、电子电路及精密结构等技术的研究，针对客户潜在需求和应用场景进行机器视觉解决方案的研发。机器视觉的应用场景千变万化，在实际应用过程中，需要考虑到各种各样的因素，如被摄目标自身的大小、形状，机器视觉所在设备的自身结构、速度等，对机器视觉系统的影响，才能设计出合适、可实现应用目标的方案。另一方面，公司从若干客户的各种具体应用场景中对解决方案进行总结研发，提炼出在一定应用场景下普适性的解决方案，从而向客户提供更优化、简洁、高效的产品和服务。
　　3.销售模式
　　公司的销售模式以买断式销售为主，主要向行业大客户提供软硬件产品及解决方案。随着公司产品线的持续扩张，公司逐步加大标准产品的销售。在以直销为主的销售模式下，公司未来计划逐步拓展标准产品的多渠道销售方式。
　　机器视觉是智能装备的“眼睛”和视觉“大脑”，是实现智能制造的核心部分。而机器视觉在我国兴起和发展的时间较短，客户对于机器视觉能够实现的功能和能够达到的效果有一定的疑虑；且机器视觉功能的实现受到多种变量的影响，一套高效的机器视觉解决方案的设计需要大量的经验数据，但机器视觉的使用者往往较难积累足够的机器视觉应用经验数据库。因此，在销售机器视觉部件过程中，为客户提供技术服务和支持尤为重要。
　　通过对行业特点的分析，结合公司自身的优势，公司计划未来建立起以向客户提供标准软硬件产品及解决方案的业务模式。公司未来规划以直销为主、渠道为辅，对于大行业战略大客户，公司采用直销模式为主；对于中小型客户，公司以多渠道销售方式提供标准化产品和方案。
　　4.采购模式
　　公司的对外采购主要分为两个部分：一部分是生产所需的原辅料，包括五金塑胶件、电子料、LED、光学件、PCB（A）、线材、接插件、包装材料等，用于生产自产产品。由于公司自产产品线较多，每条产品线涉及的原材料有较大差别，因此，该部分原辅料的采购具有品种多、单品种采购量较少等特点。另一部分是用于配合视觉方案销售的外购成品，包括部分相机等标准品。该部分采购主要针对的是公司目前产品线或产品型号尚未覆盖的部分。
　　预计随着公司多渠道销售方式的逐步推广，公司将推动部分标准化产品原材料的集中采购以降低成本。
　　公司结合销售订单和市场需求预测制定生产计划和发货计划，根据生产计划和发货计划制定原材料和外购成品采购计划。对于交付周期较长的材料和成品，一般通过销售预测确定预计使用量并联系供应商提前进行备货；对于部分生产过程中普遍适用的通用型材料和成品则维持合理的安全库存，保证生产和销售。
　　5.生产模式
　　奥普特拥有完整的机器视觉核心软硬件产品，自主产品线已全面覆盖视觉算法库、智能视觉平台、工业AI、光源、光源控制器、工业镜头、工业相机、智能读码器、3D传感器、测量系统。同时，奥普特以核心光学技术为基础，加大在先进工业传感器领域的研发投入，持续推出多品类工业传感器；结合资本优势，在运控产品领域进行布局，并购成熟协同企业，拓展产品线。随着公司产品线的不断丰富和完善，公司自产的产品品种和系列逐渐增多。
　　在产品分类方面，公司根据常用程度和应用范围将自主产品划分为标准产品和非标准产品。这些产品依托公司的应用技术和向客户提供的解决方案进行组合，从而在各种各样的应用场景中，实现各异的视觉功能。因此，在解决方案层面呈现出定制化、多品种、小批量的特点，在标准品层面具有模块化、通用化、大批量的特点。随着行业解决方案的批量应用及深度积累，以及产品线的持续扩充，公司正逐步实现行业方案及产品交付的标准化。
　　在生产模式方面，公司采取以销定产与安全库存相结合的策略，同时兼顾市场需求进行批量生产，以保证生产的稳定性和交付的灵活性。对于常规产品，公司采用“备货生产”模式，即根据历史订单数据、市场趋势及需求等信息进行销售预测，确定安全库存水平。并根据上游供货周期动态调整生产计划，实现快速市场响应。对于常用程度较低、应用范围较窄的非标准产品，公司采用“按单生产”模式，对于用量较大的产品，采用模块化生产，以缩短交付周期。
　　(三)所处行业情况
　　1.行业的发展阶段、基本特点、主要技术门槛
　　公司所处行业为机器视觉行业，机器视觉率先发生和发展在基础科学和技术水平领先的北美、欧洲和日本等发达地区，在全球的发展历史不过半个多世纪。虽然发展时间较短，但在全球范围，以技术革新速度和工业发展之有利形势，机器视觉行业获得了快速的发展。我国机器视觉行业启蒙于20世纪90年代，从代理国外机器视觉产品开始，经历了启蒙阶段、初步发展阶段，目前正处于快速发展阶段。进入21世纪后，少数本土机器视觉企业才逐渐开启自主研发之路。本世纪10年代左右，伴随我国经济的发展、工业水平的进步，特别是3C电子、锂电行业自动化的普及和深入，本土的机器视觉行业获得了空前的发展机遇。
　　目前，中国已经成为全球制造业的加工中心，中国正成为世界机器视觉发展最活跃的地区之一，应用范围涵盖了包括3C电子、锂电、汽车、半导体、光伏等国民经济的各个领域。“十五五”时期，国家将高水平科技自立自强作为核心战略支撑，重点推动高端仪器、工业传感器等关键领域突破。当下制造业智能化转型加速，3C电子、锂电、半导体、汽车等下游行业需求旺盛，叠加供应链自主可控发展趋势，行业整体规模持续扩容，国产替代节奏不断加快。随着行业技术逐步向AI赋能等方向升级，具备全栈研发能力的企业优势愈发明显。机器视觉技术被视为新质生产力的重要组成部分，是实现生产力质变的关键技术之一。在工业自动化系统中，机器视觉技术承担着感知入口、数据承载和行业大脑的角色，是推动制造业高质量发展的核心动力。它不仅提高了生产效率，推动了产业变革，还促进了智能视觉产业的发展，成为新质生产力的重要驱动力。智能视觉产业作为新质生产力发展的重要赛道，其发展具有广泛性、融合性、高附加值和战略性等特点，为经济增长提供了新的动力。因此，机器视觉技术在新质生产力中具有重要的地位和作用。随着技术的不断进步和应用领域的不断扩大，机器视觉技术在新质生产力中的作用和地位将更加突出和重要。
　　中商产业研究院数据显示，2025年中国机器视觉市场规模超210亿元，预计2026年中国机器视觉市场规模将达235.32亿元。
　　机器视觉行业属于技术密集型行业，跨越多个学科和技术领域，需要在包括成像、算法、软件、传感器等自动化领域积累大量的技术，需要持续的大量研发投入。因此，较高的技术门槛对潜在的市场进入者构成了壁垒。
　　2.公司所处的行业地位分析及其变化情况
　　公司成立于2006年，是国内较早进入机器视觉领域的企业之一。在发展过程中，公司注重技术的积累，打造了完整的机器视觉核心软硬件产品矩阵，自主产品线已全面覆盖视觉算法库、智能视觉平台、工业AI、光源、光源控制器、工业镜头、工业相机、智能读码器、3D传感器、测量系统、工业传感器产品。公司产品定位于中高端市场，研发、设计和生产的机器视觉产品已经成功应用于3C电子、锂电、汽车、半导体、光伏等多个领域，协助下游客户建立和增强智能制造能力，并为公司技术发展和应用经验的沉淀提供了有力保证。基于图像传感器的技术积累，公司工业传感器产品线已初具规模。公司已建立稳定的客户群体，产品应用于全球知名企业和行业龙头企业的生产线中。随着公司应用行业的进一步扩大以及公司面向不同行业不断推出新产品、不断提升服务能力，公司产品销售规模及市场占有率有望持续稳步扩大。
　　3.报告期内新技术、新产业、新业态、新模式的发展情况和未来发展趋势
　　2026年上半年，机器视觉行业继续向智能化、平台化、融合化和规模化方向发展。人工智能、三维视觉、边缘计算、工业软件、智能传感器和机器人技术进一步融合，机器视觉的应用边界由传统的识别、测量、定位和缺陷检测，逐步延伸至工艺分析、质量追溯、设备协同、机器人作业引导和生产过程优化。机器视觉正由自动化设备中的单一视觉部件，发展为连接物理生产现场、工业数据平台和智能决策系统的重要感知基础设施。
　　报告期内，行业竞争重点由单一硬件参数和单工位算法效果，逐步转向光学成像、数据、算法、软件、算力、设备接口及现场交付的系统级协同能力。二维光学成像、工业相机、镜头、光源及传统视觉软件已形成较成熟的产业基础；工业AI、2.5D计算成像、三维视觉、端侧智能和云边端协同正在加快规模化应用；视觉大模型、工业智能体、视觉—语言—动作模型及世界模型仍处于持续研发、场景验证和工程化导入阶段。与此同时，工业视觉软件正由单项算法工具向融合1D信号、2D/2.5D/3D视觉、AI、视频分析和运动控制的综合平台演进，工业相机、智能相机、读码器、精密传感器及测量系统之间的技术边界进一步交叉。
　　从产业周期看，机器视觉长期受益于制造业自动化率提升、产品质量标准提高、劳动力结构变化和机器人应用扩张，但短期需求仍会受到3C电子、新能源、汽车和半导体等下游资本开支周期影响。从整体市场来看，2025年中国工业机器人产量为77.31万台，同比增长28%；2025年中国工业机器人市场销量为34.26万台，同比增长13.50%。中国作为全球最大工业机器人产销市场的地位持续巩固。预计2026年，中国工业机器人市场销量有望达到38.04万台，同比增速约11.06%，预计到2030年，中国工业机器人市场销量有望超过62万台。VDMA预计德国机器人与自动化行业2026年收入下降5%至141亿欧元，而其机器视觉分会预计欧洲机器视觉行业2026年销售额增长3%。这表明行业长期成长趋势未变，但不同区域、不同细分领域的景气度存在分化，短期经营仍具有周期性。
　　国家《人工智能+制造专项行动实施意见》进一步提出发展云边端模型体系、端侧推理能力、工业高质量数据集和工业智能体，并推动机器视觉、多光谱识别、质量根因分析和全流程质量管控。由此判断，未来机器视觉行业的核心增量不仅来自相机、镜头和光源等硬件数量增加，也将来自视觉数据价值提升、AI软件渗透、系统解决方案升级以及生产闭环能力形成。
　　（1）新技术发展
　　①光学成像由单部件性能提升向计算成像、多波段感知和系统协同发展
　　报告期内，工业光源、镜头、工业相机和视觉控制器继续向高分辨率、高动态范围、高均匀性、高速传输、低噪声和高稳定性发展。对于金属、玻璃、陶瓷、薄膜、复合材料及高反光表面，单一可见光和固定照明方式难以稳定呈现全部缺陷特征，多角度、多波段、分区照明、偏振成像和可编程频闪的应用持续增加。
　　行业技术重点正由获得清晰图像转向获得适合任务分析的有效信息。光源方向、波长、曝光、镜头参数、传感器响应和图像重建算法开始联合设计，计算成像逐步用于提升缺陷对比度、扩大景深、抑制反光和恢复微弱结构。紫外、近红外和短波红外等非可见波段的光源、镜头与传感器组合加快应用，可编程条纹光源、多分区照明、亮度衰减补偿、偏振成像及智能打光降低了复杂材质的成像调试难度。部分坏点校正、平场校正、降噪、HDR、图像压缩和感兴趣区域处理进一步下沉至相机、采集卡或控制器侧；高速接口、集成式相机、液态或固态调焦以及传感器与主控分离式结构，推动图像采集、光学控制和前端计算协同发展。
　　多波段成像、智能光源控制、高速传输、自动调焦和前端图像处理已成为国内厂商产品迭代的重要方向。奥普特在光源、镜头、工业相机和视觉软件之间开展协同开发，相关能力能否形成稳定竞争优势，仍取决于产品可靠性、量产一致性、方案标准化程度和客户复用效率。
　　②2.5D、3D与时序视觉融合，测量能力向动态空间理解升级
　　传统二维视觉擅长获取颜色和纹理，但对透明、镜面、高反光及低对比度材料表面的凹凸、压痕、划伤和微小形变存在局限；三维视觉能够提供高度和几何信息，但在大视野、高横向分辨率、高速扫描及成本之间仍需权衡。光度立体、相位偏折及二者融合的2.5D计算成像，正在成为二维与三维视觉之间的重要技术补充。
　　线激光、投影结构光、双目散斑、ToF和立体视觉等路线继续形成差异化分工。线激光侧重高精度轮廓、胶路、焊缝和尺寸检测；投影结构光适用于静态或准静态高密度重建；双目和ToF更适合大视野定位、物流搬运、避障和空间感知。行业竞争已由能否获得点云扩展到点云去噪、边缘与曲率分析、目标分割、位姿估计、手眼标定、抓取规划和运动补偿。另一方面，3D视觉正在与光谱共焦、2D视觉、结构光、显微成像及精密运动平台结合，形成从微观形貌、亚微米级结构到中大型工件尺寸的多尺度测量系统。超景深合成、点云与Mesh互转、模块化采集头和在线飞拍测量，推动3D技术由传感器产品向精密测量仪器和综合检测平台延伸。三维视觉还将进一步引入时间维度，形成面向运动物体、动态形变和机器人交互的时序三维感知。
　　随着2.5D、线激光、结构光、双目和ToF等技术逐步成熟，行业正加快统一数据格式、标定工具、温漂与畸变补偿、仿真验证和场景算法复用。国内厂商也开始从单一3D传感器向点云算法、精密测量和机器人接口一体化延伸，竞争重点将更多落在长期稳定性、量产一致性和系统交付能力。
　　③工业AI由监督学习向自监督、少样本、生成式数据和持续学习演进
　　工业AI的核心问题已由模型是否可用转向数据如何获得、模型如何快速训练、如何稳定部署以及如何持续维护。传统监督学习依赖大量准确标注，而工业缺陷具有低频、长尾、变化快和难以穷举等特点，推动良品学习、无监督异常检测、少样本学习、自监督预训练、主动学习和弱监督学习加快应用。
　　生成式AI正在改变工业视觉的数据准备方式。通过缺陷迁移、局部编辑、三维仿真渲染和物理约束生成，可补充极少见缺陷、危险工况和尚未量产产品的数据。行业关注点将由生成图像是否逼真转向生成数据能否提高目标模型在真实产线上的性能，并从分布一致性、样本真实性、训练增益和失效边界等方面进行评价。工业AI将更多采用基础视觉表征、行业数据适配和场景小模型的分层架构。良品学习、无标注或少标注推理、预训练OCR、目标属性识别、智能匹配标注和自动批量标注等能力，将进一步降低数据准备门槛。模型训练也将由一次性离线开发转向持续迭代，但必须防范灾难性遗忘、数据污染和未经验证的在线更新。
　　工业视觉软件正在从单一算法工具向覆盖传统视觉、2.5D/3D处理、AI训练、样本生成和云边协同部署的完整工具链演进。奥普特正在推进相关软件能力之间的数据与模型贯通，但后续重点仍应放在数据质量评价、难例闭环、模型漂移监控、跨项目知识复用和平台实际使用效率，而非简单扩展功能数量。
　　④端侧AI、智能相机和异构计算推动视觉系统分层部署
　　工业现场要求低时延、连续运行、数据安全以及网络异常情况下的可用性，决定了视觉推理不能完全依赖云端。随着CPU、GPU、NPU和FPGA等异构计算平台持续演进，更多图像预处理、AI推理、结果输出和设备通信功能将在智能相机、视觉控制器和边缘服务器中完成。端侧视觉的价值不仅在于降低延迟，还在于减少原始图像上传、降低带宽与存储成本、保护客户数据并提高系统独立运行能力。集成镜头和光源控制的智能相机、支持少样本快速配置的端侧AI、具备场景自适应能力的智能读码器，以及可直接接入工业协议的位移和光谱传感器，将共同形成更分散、更易部署的现场感知节点。未来将形成传感器侧预处理—端侧实时推理—边缘节点协同—企业服务器集中训练的分层架构。
　　行业技术竞争将从单一算力指标转向模型性能、产品稳定性、模型兼容性、开发工具、远程运维和生命周期支持。模型剪枝、量化和知识蒸馏仍是主流方法，但编译器优化、内存调度、算子融合和软硬件协同的重要性将进一步提高。对于连续生产场景，故障恢复、版本控制和离线可用性同样是关键指标。智能相机适合标准化、高节拍和相对单一的任务，通用视觉控制器适合多相机、多算法和复杂流程，读码器、测量传感器等专用终端则适合高频、明确且可模板化的场景。行业不会由某一种设备形态完全取代另一种，而将形成按任务复杂度、算力需求和集成方式分层的产品结构。
　　⑤视觉大模型与工业小模型由能力竞争转向协同编排
　　视觉大模型具有开放类别识别、图文理解、跨任务迁移、交互式分割和知识组织能力，但工业现场对低延迟、高确定性、可验证性、数据安全和成本控制具有更严格要求。现阶段更可行的技术路线是大模型增强开发、小模型稳定执行，大小模型协同的项目实施范式。
　　在项目开发阶段，大模型可用于图像检索、预标注、缺陷语义描述、类别体系构建、相似样本聚类、代码辅助和训练策略推荐；在生产阶段，小模型负责检测、分割、分类、测量和定位，大模型则用于低置信度样本、未知缺陷、跨模态信息和复杂原因分析。大小模型协同可能形成串行复核、并行投票、级联推理、动态路由和知识蒸馏等多种架构。无标注通用模型、良品学习、预训练OCR、自动批量标注和端侧小样本训练，反映了基础模型能力向标准化工业工具迁移的方向。系统可依据样本难度和风险等级选择不同模型，在精度、速度和成本之间进行平衡。行业竞争力将更多体现在领域数据、工具链、模型调度、评价体系和生产可靠性，而不是单纯比较模型参数规模。
　　⑥工业智能体、数字孪生和闭环控制推动视觉由检测向决策优化延伸
　　工业智能体可围绕生产目标调用数据、算法、知识库、软件工具和设备接口，辅助完成任务拆解、流程编排、参数推荐、异常分析和质量追溯。其近期价值主要体现在工程辅助、项目配置和决策支持，不宜简单理解为在高风险生产环节完全替代人工。
　　随着视觉系统与MES、QMS、设备数据、工艺参数和数字孪生连接，检测结果将不再停留在合格或不合格，而可用于分析缺陷与设备状态、材料批次和工艺窗口之间的关联。视觉数据将参与参数优化、预测性维护、产线调度和质量根因分析，推动质量控制由事后检出向过程预防发展。
　　工业智能体还可与数字孪生和仿真环境结合，在虚拟产线中验证视觉方案、机器人轨迹和异常处置策略，再部署至真实设备。数字孪生也可用于生成极端工况和稀缺样本，降低现场试错成本。随着视觉软件开始同时连接2D/3D相机、读码器、位移或光谱传感器、机器人、PLC和精密运动平台，闭环控制的基础将由单一图像结果转向多源感知、运动执行和工艺数据协同。其落地前提是模型、设备和工艺数据具有一致的语义、时间同步和接口标准。对于机器视觉企业而言，能力边界将由算法工具扩展到任务编排、测量控制和数据闭环，但同时需要加强权限控制、规则校验、人工接管和责任追溯，避免智能体在生产系统中形成不可控操作。
　　⑦标准化、可信AI和互操作性成为技术规模化的基础条件
　　机器视觉设备种类和软件平台持续增加，客户多供应商、多相机、多模型并存的情况更加普遍。GenICam、GigE Vision、USB3Vision、CoaXPress及EMVA1288等标准有助于统一设备访问、数据传输和性能评价。2026年国际视觉标准会议继续推进GigE Vision3.0、GenICam设备验证、EMVA1288测试扩展及高光谱相机支持，表明互操作性建设正由接口兼容扩展到设备验证和新型传感器标准化。
　　随着AI模型进入质量判定和设备控制环节，传统相机参数标准已不足以覆盖系统风险。行业需要建立从数据质量、训练过程、模型精度、置信度、漂移监控到失效保护的可信评价体系，并明确不同工况、缺陷类别和风险等级下的验收规则。数据安全和知识产权也将成为技术设计的一部分。客户图像、工艺参数和模型权重具有较高商业敏感性，平台需要支持本地化部署、权限分级、加密、审计和模型防复制。跨企业数据协同则需要通过可信数据空间、脱敏计算和授权机制实现，不能依赖简单的数据集中。未来要形成底层接口和评价标准趋于统一，上层成像、算法、数据和行业知识保持差异化的格局，有利于降低客户集成成本并扩大产业生态。
　　（2）新产业、新业态发展
　　①高端制造视觉需求由单点检测向全工艺质量控制扩展
　　3C电子、锂电池、半导体、汽车、光伏和精密制造仍是机器视觉的主要应用市场，但客户需求已由单一外观检测扩展至识别、定位、测量、引导、缺陷检测、质量分级、追溯和工艺分析。视觉系统逐步从设备末端的合格判断工具，转变为贯穿关键工序的数据采集和质量控制基础设施。
　　在3C电子领域，产品微型化、材料多样化和快速换型提高了对高分辨率成像、2.5D/3D检测、自动调焦和少样本算法的需求；在锂电和光伏领域，视觉检测由前道高速表面检测向焊接、封装、装配和安全质量分析延伸；在半导体领域，先进封装、晶圆级制造和高密度互连推动高速线扫、远心测量、多光谱成像、超景深显微、光谱共焦和AI缺陷分析发展。精密测量系统正在从独立实验室仪器向在线、飞拍、模块化和与MES/QMS联通的生产设备发展。未来产业增量将更多来自原有未自动化工位、人工复检工位、传统量具替换和质量数据尚未闭环的工序，而不是仅依赖新增生产线。视觉系统能否融入客户工艺并形成可量化的良率、效率和成本改善，将决定潜在市场能否转化为实际收入。
　　②机器视觉向物流、食品、医药、农业和基础设施等非传统场景渗透
　　AI、三维视觉和嵌入式计算降低了复杂场景的应用门槛，机器视觉正在从高度结构化的电子制造产线，向物流分拣、仓储搬运、食品质量、医药包装、智能农业、资源回收和基础设施巡检等领域拓展。相关场景通常对象变化更大、环境更开放，对算法泛化和设备防护提出更高要求。
　　物流和仓储是视觉与机器人融合较快的领域，包裹识别、体积测量、无序抓取、托盘识别和移动机器人导航均需要二维与三维视觉；智能读码和DPM识别则支撑物料追踪、生产履历和供应链追溯。食品和农业场景推动颜色、光谱、形状和内部品质检测结合，医药和汽车零部件对条码追溯、外观质量和尺寸测量提出更严格要求。高防护工业相机、小型板级相机、紧凑型读码器和大视野3D产品，也有助于视觉技术向粉尘、潮湿、狭小空间和物流现场扩展。新行业有助于分散传统3C电子和新能源资本开支周期，但其客单价、渠道结构、服务网络和行业认证与制造业存在差异，企业需要避免新增市场带来过度定制和销售费用上升。
　　③AI+3D+机器人形成感知与执行一体化解决方案业态
　　随着机器人由固定位置、规则物料作业向随机堆叠、混合物料和动态环境扩展，客户需求由采购单一三维相机，转向包含三维成像、点云处理、目标识别、手眼标定、抓取规划、碰撞检测和机器人接口的完整方案。随机拆码垛、无序抓取、柔性上下料和在线三维检测成为代表性场景。
　　从整体市场来看，2025年中国工业机器人产量为77.31万台，同比增长28%；2025年中国工业机器人市场销量为34.26万台，同比增长13.50%。中国作为全球最大工业机器人产销市场的地位持续巩固。预计2026年，中国工业机器人市场销量有望达到38.04万台，同比增速约11.06%，预计到2030年，中国工业机器人市场销量有望超过62万台。该业态要求机器视觉企业与机器人本体、运动控制、系统集成商和终端制造企业共同交付，并进一步融合双目纠偏、点云匹配、抓取规划、碰撞检测、位移测量及精密运动控制。行业价值链将由部件销售扩展至软件授权、标定工具、机器人视觉技能、测量模块和场景解决方案，但项目责任边界和售后协同也更为复杂。
　　④工业AI平台由开发工具向企业级数据、模型和算力资产平台演进
　　大型制造企业在不同工厂、产品、机台和供应商之间积累大量图像、点云、标注和模型资产。过去这些资产通常分散在单个项目或工程师手中，难以检索和复用。云端或私有化协同平台可统一管理数据、标注、算力、训练、评估和模型版本，使视觉AI由项目工具发展为企业级基础能力。
　　平台业态将逐步与制造数据空间、工业互联网和质量管理系统融合。视觉数据可与设备、工艺和生产批次建立关联，并在企业内部或供应链上下游之间按权限流转。平台价值不再仅是训练一个模型，而是提高模型复用率、缩短换型时间、管理大量边缘节点并沉淀质量知识。国内厂商已开始打通传统视觉软件、AI训练、样本生成和云边部署环节。该类业务有望形成软件授权、私有化部署、算力服务、设备管理和模型运营等收入，但仍需要持续验证客户付费意愿、实施成本、活跃使用率、续费率和软件收入占比。
　　⑤数据闭环和模型全生命周期服务形成持续性业态
　　工业产品、材料、工艺和设备状态持续变化，模型在交付后仍需监控和迭代。边缘节点收集低置信度、误检和异常样本，平台完成难例筛选、标注、训练、评估、灰度发布和模型回滚，再将更新后的模型下发至现场。
　　持续运营使视觉项目由一次性交付转向数据治理、模型运维、效果保障和质量知识服务。其商业价值在于提高客户黏性和长期服务收入，同时也使供应商承担更长周期的模型责任，需要建立服务等级、模型版本、效果验收和安全边界。场景模板、配方管理、行业读码参数库、标准化胶路检测算子和可复用的标注及训练流程，可将现场经验转化为持续积累的数字资产。未来模型服务可能出现按设备、按工位、按模型版本或按检测量收费等多种模式，但工业客户通常重视预算可控和生产连续性，订阅模式需要与明确的性能提升和运维价值相匹配。
　　⑥标准化产品、平台化能力与场景化适配成为主要交付模式
　　机器视觉具有明显的非标准化特征，完全定制会导致开发周期长、成本高和复用率低；完全标准化又难以适应不同材质、工艺和设备。行业正在形成以标准光学部件、相机、控制器和软件平台为底座，通过模块化配置、预置算法和场景数据包完成快速适配的模式。
　　未来标准化将由硬件型号延伸到数据格式、标注规范、算法接口、验收指标、场景模板和机器人视觉技能。设备厂商、算法厂商、系统集成商和终端客户可在统一接口上分别提供能力，降低重复开发。配方复用、流程导入导出、默认参数调优、行业场景模板、模块化测量平台和可更换采集头等方式，体现了将工程经验产品化和模块化的方向。对头部企业而言，全栈产品有助于系统协同，但也需要避免产品型号过多、库存增加和研发资源分散。行业竞争的关键不再是产品目录长度，而是平台共用率、模块复用率、交付周期、量产一致性和客户总拥有成本。标准化程度提高还可能加剧硬件价格透明化，因此软件、算法、行业知识和服务能力的重要性将继续上升。
　　⑦国产化、全球化、生态合作与行业整合同步推进
　　供应链安全和国产替代推动国内机器视觉企业在光源、镜头、工业相机、三维视觉、工业软件和AI算法等环节完善自主产品体系。产业边界也在向激光位移、光谱共焦、光电及安全传感器、精密测量仪器和运动部件延伸，形成由图像获取、空间测量到运动执行的自动化核心零部件组合。机器人、芯片、工业软件、传感器、运动控制和系统集成企业之间的生态合作，将成为扩大场景覆盖、提升国产替代深度和降低交付成本的重要方式。
　　全球化发展将由单一产品出口转向本地选型、技术验证、交付和售后服务。亚洲仍是全球机器人和制造自动化需求最集中的区域，同时欧洲和美洲在高端制造、物流、食品和医药等领域具有差异化机会。企业需建立区域化产品认证、渠道管理和服务能力。行业长期成长并不意味着所有企业同步增长。VDMA预计德国机器人与自动化行业2026年收入下降5%，但同时预计欧洲机器视觉行业销售额增长3%，表明自动化大盘与机器视觉细分市场之间存在景气分化。订单波动、价格竞争和客户资本开支仍会影响短期业绩。未来行业可能通过并购、技术合作和生态整合提高规模效率，具备核心部件、平台软件、行业数据和全球服务能力的企业相对更有优势。
　　（3）未来发展趋势
　　①感知维度将从可见光二维图像扩展至多波段、多物理量和动态空间信息
　　未来机器视觉将不再局限于可见光二维图像，而是根据材料和任务，组合使用紫外、短波红外、多光谱、高光谱、偏振、热成像、X射线、太赫兹、声学和三维信息。对于透明材料、内部缺陷、材料成分、热异常和复合结构，单一视觉模态的能力边界将逐步由多物理量感知加以补充。
　　多模态感知的核心不是传感器简单叠加，而是针对目标缺陷建立最小且充分的信息组合。行业将更加重视不同传感器的空间标定、时间同步、噪声建模和数据融合，形成从光学设计、采集控制到模型分析的一体化方案。紫外、可见光、近红外和短波红外成像将与高动态、偏振、可编程分区照明、自动对焦和计算重建协同；光谱共焦、激光位移、线激光、结构光和显微成像则补充高度、轮廓和微观形貌信息。事件相机、高速视觉和连续三维数据将推动机器视觉从静态图像分析向动态过程理解发展。高速装配、焊接熔池、材料形变、机器人操作和设备振动等过程，将成为时序视觉的重要应用方向。该趋势会扩大技术边界，同时增加系统成本和标定维护难度，产业化将优先选择缺陷价值高、传统方案难以满足且经济收益明确的场景。
　　②工业AI将由任务专用模型转向基础模型、领域模型和端侧模型分层协同
　　未来工业视觉模型将形成多层级体系：通用基础模型提供视觉和语言表征，行业模型吸收半导体、锂电、3C电子和汽车等领域知识，场景小模型针对具体机台和节拍进行优化。基础模型并不直接替代所有小模型，而是通过特征迁移、模型蒸馏和提示学习等方式提高小模型开发效率。
　　自监督学习、开放词汇识别、零样本与少样本异常检测将继续降低新场景的数据门槛，但工业场景中的域偏移、微小缺陷、未知类别和误检成本，使其仍需结合现场数据校准。未来模型能力将更多通过新产品导入时间、跨机台迁移效果、未知缺陷召回和置信度可靠性等指标评价。
　　模型推理可能采用动态路由：常规样本由小模型快速处理，复杂或低置信度样本转交较大模型，极高风险样本进入人工复核。良品学习、预训练OCR、自动标注、属性识别和生成式缺陷样本将成为基础模型能力进入工业场景的常见载体；端侧注册分类、异常判断和异常定位则承担快速换型和低算力部署。该机制有助于在不显著增加全部工位算力的情况下提升系统能力。行业竞争将从模型参数和单一基准精度，转向数据资产、领域知识、模型调度、训练工具、硬件适配和生产可靠性。能够持续吸收现场数据、稳定更新模型并支持多类终端部署的平台，将比一次性模型更具长期价值。
　　③视觉系统将从检测结果输出升级为自适应生产闭环
　　传统视觉系统主要完成缺陷检出和设备放行，未来将更多参与工艺参数调整、设备控制和生产调度。检测结果与设备状态、材料批次、环境信息和工艺参数关联后，可识别缺陷变化趋势和质量根因，并将建议反馈至生产系统。
　　在点胶、焊接、装配、涂布、加工和尺寸测量等工艺中，视觉及位移、光谱等传感器可实时测量轨迹、形貌、位置和高度偏差，控制系统依据结果修正机器人轨迹、运动平台或工艺参数。机器视觉将由质量警报器向过程传感器和控制变量演进，推动闭环制造和自适应制造发展。数字孪生可在虚拟环境中模拟成像条件、产品变化和机器人动作，用于方案设计、数据生成和策略验证。视觉软件、AI平台、传感器、测量系统和精密运动部件之间的协同，将使虚拟验证—现场执行—数据回流—持续优化的循环更加完整。
　　闭环控制将提高视觉系统价值，同时也提高安全责任。行业需要明确视觉测量误差、控制延迟、失效模式和人工接管机制，避免未经充分验证的模型直接作用于关键工艺。
　　④智能相机、边缘计算与云端训练将形成可管理的分布式视觉网络
　　随着工厂内视觉节点数量增加，单个相机或工控机的性能不再是唯一重点。未来系统将由大量智能相机、边缘控制器和集中训练平台组成，统一完成设备发现、模型下发、状态监控、数据筛选和故障管理。
　　端侧设备承担毫秒级推理和生产连续性，边缘节点承担多相机融合、缓存和产线协同，企业服务器或云端承担大规模训练、知识库和跨工厂模型管理。分布式视觉网络的节点将不限于相机，还包括智能读码器、3D传感器、位移或光谱传感器、测量设备及机器人视觉终端。云边端之间将依据数据敏感度、网络状况和任务风险动态分配计算，并统一完成模型、配方、场景模板和设备状态管理。低功耗和可维护性将成为重要指标。视觉系统将关注每次检测能耗、设备散热、存储占用、网络带宽和生命周期成本，推动算力使用由最大化配置转向按任务合理配置。平台厂商需要提供跨硬件模型编译、版本兼容、远程运维和模型回滚能力。
　　⑤工业智能体和视觉机器人将由辅助工具走向受约束的自主执行
　　工业智能体将逐步具备需求理解、工具调用、流程规划、异常诊断和结果解释能力。短期内其主要角色仍是工程助手和决策支持工具，帮助工程师完成方案配置、数据筛选、模型训练和质量分析；中长期可能在明确规则和安全边界内执行部分自动化任务。
　　视觉—语言—动作模型和世界模型有望提高机器人对复杂对象、自然语言指令和长序列任务的理解能力，推动机器人由预编程动作向任务级编排发展。但工业机器人仍需满足精度、节拍、稳定性和功能安全要求，端到端模型需要与几何算法、运动控制、规则系统和安全模块结合。
　　具身智能短期更可能在拆码垛、上下料、分选、巡检、读码追溯和质量检测等边界明确、数据可积累、投资回报可量化的场景形成商业闭环。复杂装配、灵巧操作和动态协作则需要更长的验证周期。未来机器视觉企业将更多提供机器人视觉技能、标定工具、多传感器融合、精密测量和运动控制能力，而不仅是相机硬件。低代码视觉平台、点云算法、双目纠偏、端侧AI和开放API可降低机器人视觉集成门槛，但机器人生态中的软件兼容、功能安全和联合交付能力仍是商业化的关键约束。
　　⑥标准、可信、安全和数据治理将从合规要求升级为产品竞争力
　　设备接口和传输标准将继续向高速化、低延迟和跨厂商互操作演进。GenICam设备验证、GigE Vision3.0以及对高光谱等新型相机的标准支持，表明行业正在加强设备和软件之间的兼容性。客户将更倾向于选择可接入现有自动化体系、便于替换和维护的产品。AI模型进入质量判定和设备控制后，可信度将成为采购和验收的重要内容。模型需提供分场景精度、置信度校准、未知样本识别、漂移监测、失效保护和可追溯日志。高端制造领域可能逐步形成针对视觉AI的行业验收规范和第三方测试体系。
　　工业数据治理将覆盖数据所有权、跨境传输、标注权限、模型权重和生成数据来源。供应链协同需要可信数据空间和细粒度授权，以实现数据可用不可见、模型可调用不可复制。能够将安全、标准和可验证性内置于产品的平台企业，将更容易进入大型制造集团和全球客户体系。相反，仅依赖单项目算法效果而缺少治理能力的方案，规模化难度将上升。
　　⑦行业长期成长与周期波动并存，商业模式将由硬件扩张转向价值与效率竞争
　　全球制造自动化和机器人保有量长期提升，为机器视觉提供结构性需求，但行业订单仍受电子、新能源、汽车和半导体资本开支影响。国际机器人市场在2024年保持高位；2026年，VDMA对德国机器人与自动化行业仍给出收入下降预期，而对欧洲机器视觉细分行业给出温和增长预期，说明行业景气不会呈线性变化。
　　随着硬件性能逐步成熟和供应商增加，标准相机、光源和镜头可能面临更强的价格竞争。企业需要通过高端高速相机、多波段光学、计算成像、三维视觉、AI软件、智能终端、精密传感器、测量仪器和行业解决方案提高附加值。软件和平台收入有望改善业务持续性，高端测量仪器和核心传感器则可能拓宽单机价值量和应用边界；但新产品线也会增加研发、库存、渠道和售后复杂度，其商业化需要客户认可、量产能力、续费能力和较低实施成本支撑。
　　客户评价标准将由设备采购价格转向总拥有成本，包括调试周期、停线风险、换型成本、误检漏检损失、运维人员投入、设备寿命以及多产品协同效率。能够通过标准化、场景模板、平台复用、模块化测量和远程运维降低客户全生命周期成本的企业，将获得更强的议价能力。行业企业应提高光学硬件、工业AI、3D视觉、传感器和测量系统之间的技术复用与规模化效率，并对大模型、智能体和具身智能保持持续投入和审慎披露。资本市场将更关注新增技术能否形成稳定订单、合理毛利、客户复购和经营现金流，而不仅是产品数量或技术概念。
　　总体来看，2026年上半年机器视觉行业呈现光学感知多维化、计算成像加快应用、三维视觉与精密测量融合、工业AI工程化、端侧部署网络化、软件平台一体化和机器人应用融合化的发展特征。行业价值正在由单一视觉部件和单项检测功能，向覆盖感知、测量、分析、决策、执行和持续优化的完整系统延伸。
　　未来行业增长主要来自三个层面：一是高端制造对精度、节拍和质量闭环要求提高，推动存量工位升级以及传统量具、人工复检和离线测量的自动化替代；二是AI、3D、多波段成像、智能终端和嵌入式视觉降低应用门槛，促进物流、食品、医药、农业和机器人等新场景扩展；三是数据、软件、模型运营、精密传感器和测量仪器形成新的持续性价值。但行业仍具有明显周期性，并面临价格竞争、产品线扩张、研发转化、数据安全和全球合规等约束。
　　奥普特具备光学成像、二维与三维视觉、工业AI、智能感知和精密测量等技术基础，后续应进一步提高标准产品和平台软件的复用效率，推动多维成像、工业AI、三维视觉和机器人应用形成可复制的场景方案，并以量产一致性、订单质量、软件及解决方案收入占比、客户复购和经营现金流等指标检验技术战略的实施效果。

　　二、经营情况的讨论与分析
　　（一）基本经营情况
　　2026年上半年，面对下游行业需求分化、产品技术迭代加快及市场竞争持续加剧的经营环境，公司围绕机器视觉核心业务，持续推进重点行业应用拓展、视觉AI技术研发、产品平台迭代及业务协同，实现业绩的稳健增长。
　　报告期内，公司实现营业收入90,413.97万元，较上年同期增长32.46%；实现归属于上市公司股东的净利润17,049.97万元，较上年同期增长16.78%，整体经营保持稳健。
　　（二）主要下游行业经营情况
　　从收入结构看，3C电子仍为公司第一大下游行业，但随着锂电业务稳步增长以及半导体、汽车等业务较快拓展，公司收入来源进一步多元化。报告期内，3C电子、锂电、半导体和汽车行业收入分别为42,609万元、23,033万元、10,998万元、4,701万元，占比分别为47.13%、25.47%、12.16%和5.20%。公司业务结构的变化，反映了前期行业应用拓展、技术研发和产品布局正在逐步形成新的业务支撑。
　　1.半导体业务显著增长，应用环节持续拓展
　　报告期内，公司半导体行业实现收入10,998万元，同比增长251.32%，占营业收入比例为12.16%，收入规模和占比均较上年同期显著提升。公司半导体业务收入快速增长，既受益于半导体设备产业链国产替代以及AI需求带来的行业发展机遇，也得益于光模块等AI算力基建相关硬件制造行业的高景气。
　　在半导体设备领域，芯片制造全流程工艺精密、制程壁垒高，覆盖晶圆制造、中道加工、后端封测、精密分选等核心环节。其中机器视觉承担晶圆/芯片边缘定位、微米/亚微米级尺寸量测、图形套刻对位、表面瑕疵检测、晶粒姿态识别、字符码读取、光路对位校准、异物脏污筛查等核心功能，全方位把控芯片制程精度与产品良率；运动控制则负责多轴高速精准位移、洁净环境下柔性对位、晶圆自动传输与设备精密进给等动作执行。报告期内，公司机器视觉及运控产品逐步深度应用于晶圆制造量检测、晶圆划片切割、固晶共晶倒装贴装、激光微加工、半导体AOI检测、精密点胶清洗、塑封切筋、芯片测试分选、先进封装微组装等高端装备领域，覆盖晶圆分割、芯片贴装键合、缺陷检测、成品分选等核心工序，适配功率器件、光芯片、第三代半导体等产品的生产场景，已配套供货多家国内主流半导体设备厂商。
　　在光模块环节，相关生产制造工序工艺复杂且流程精密，精密制造设备高度依赖机器视觉与运动控制协同配套：机器视觉承担元器件识别、微米级定位、尺寸测量、光路校准、外观缺陷检测等工作，运动控制完成多轴高精度位移、柔性对位、物料自动移送等动作执行。报告期内，公司视觉与运控产品批量应用于贴片、耦合、自动化组装及光学检测等相关设备。
　　公司依托光学成像、工业相机、3D视觉、视觉软件及工业AI等技术积累，持续参与下游设备商、生产线及制造企业的项目开发。报告期内，公司新增多家半导体客户，存量客户的订单及业务收入持续增长。随着相关产品验证和应用场景逐步拓展，半导体业务已成为公司业务结构延展的重要战略方向。
　　2.汽车业务快速拓展，客户覆盖逐步深化
　　报告期内，公司汽车行业实现收入4,701万元，同比增长243.20%，占营业收入比例为5.20%。汽车制造涉及零部件检测、精密测量、装配定位、机器人引导和质量追溯等多类机器视觉应用，对产品稳定性、检测精度和工程交付能力要求较高。公司围绕头部汽车制造企业、汽车零部件企业及相关设备厂商的自动化升级需求，持续拓展机器视觉产品和解决方案的应用。
　　公司汽车业务当前收入规模相对较小，但保持较快增长。随着国内汽车产业链技术水平持续提升、零部件国产化进程推进以及汽车制造工艺不断升级，机器视觉在相关制造环节的渗透空间有望进一步扩大。公司将继续通过终端客户、设备商和产业链合作伙伴拓展应用场景，提升产品覆盖和项目交付能力。
　　（三）持续加强产品与能力建设
　　1.AI应用规模化落地，拓宽机器视觉增量空间
　　报告期内，公司工业AI相关系统解决方案实现收入18,160万元，同比增长107.94%。
　　工业AI技术的发展增强了机器视觉的智能分析能力，使复杂反光、微小缺陷、长尾异常及频繁换型等传统算法难以稳定处理的场景具备自动化应用条件，推动机器视觉由单一检测工具向可持续优化的工业智能系统演进。依托少样本学习、良品学习、生成式数据及大小模型协同，企业大幅降低了数据准备、模型训练、现场调试的落地门槛。同时，通过2D/3D视觉、端侧计算及工业软件，机器视觉AI应用突破识别、检测、测量、定位和引导等基础功能边界，延伸至向质量追溯、工艺分析、机器人作业和生产全局优化等环节，持续向各行业细分工序深度渗透和规模化落地。
　　凭借成熟的工业AI核心能力，公司AI系统解决方案已全面覆盖3C电子、新能源、半导体、汽车、医药、物流等高端制造业领域，深度应用于手机、锂电池等主流产品全生产工序，并在光模块、PCB及晶圆检测等场景实现批量应用。同时，公司积极布局“AI+机器人”协同系统，打造“手眼脑”一体化具身工业解决方案，深度融合视觉感知与具身智能机器人能力，基于工业AI与行业大模型构建具备“边运行、边学习、边优化”能力的柔性产线，有效提升产线柔性制造能力、柔性制造水平，简化人工操作流程，升级质量管控体系，全方位助力制造企业降本、增效、提质。
　　依托批量落地的工业AI应用项目，公司持续积累不同材料、工艺、设备及下游应用场景下的核心数据与工程经验，并将沉淀的技术、数据、经验固化为可复用的标准化产品模块和行业专属解决方案。凭借光学成像、工业相机、算法软件、边缘硬件及平台工具的全链条协同能力，公司打通数据生成、模型训练、部署运行、迭代优化的完整闭环，彻底规避重复开发问题，显著提升方案研发和项目交付效率。由此形成的技术能力、客户积累、工程经验相辅相成的竞争壁垒，为技术和产品国产替代、中小客户规模化拓展及海外市场布局筑牢核心基础。
　　未来，公司将持续推进视觉AI与光学成像、工业相机、3D视觉和运动控制等核心产品的深度融合，持续优化视觉软件和算法平台的易用性、模块复用性及复杂场景适配能力。从行业趋势来看，制造业自动化升级、品质提升、柔性化生产普及、机器人规模化应用，将持续释放机器视觉增量需求。短期来看，公司将紧跟3C电子、新能源、半导体、汽车等核心行业的技术迭代节奏和资本投入变化，依托标准化产品、平台化能力、场景化定制方案，精准承接行业发展机遇，持续扩大工业AI的产业赋能价值。
　　2.推进产品协同和并购整合，完善自动化核心零部件布局
　　报告期内，东莞泰莱营业收入贡献9,590.40万元。
　　公司持续深化并购后的业务整合与战略协同，依托双方在技术研发、产品矩阵、客户资源及行业场景的互补优势，构建“视觉感知+运动执行+智能决策”一体化技术产品体系。一方面推进机器视觉与精密传动产品的深度融合，打通渠道与客户资源壁垒，推动两类核心产品交叉赋能、组合销售，拓展多元化落地场景；另一方面聚焦驱控一体化核心技术攻坚，深化底层研发协同，迭代升级配套软件与应用平台，补齐公司在精密运动控制领域的技术短板与产品缺口。本次并购整合有效完善了公司智能制造核心零部件全链条布局，强化了产品成套化、解决方案一体化交付能力，持续提升公司在高端智能制造领域的核心竞争力与行业壁垒。
　　（四）未来展望
　　展望未来，公司将继续围绕机器视觉核心主业与智能制造升级战略，坚持技术研发深耕与行业场景扩容双轮驱动，把握高端制造国产替代、工业AI渗透、柔性生产普及、具身智能迭代的行业发展红利，持续优化业务结构、夯实技术壁垒、拓宽增长空间。
　　行业拓展层面，公司将聚焦3C电子、新能源锂电、半导体、汽车四大核心赛道精准发力。3C电子领域，紧跟终端产品形态创新、功能升级及制造工艺迭代趋势，针对行业前沿3D打印、一体化成型等新型精密制造工艺，深度联动核心客户开展前置化技术验证与方案适配，针对性挖掘新工艺带来的三维尺寸量测、曲面缺陷检测、成型精度校准等全新视觉增量需求，持续拓宽3C电子智能制造应用边界。锂电领域，全面覆盖动力、储能、消费电池全品类制造场景，持续深耕存量产线智能化改造与新增产能设备配套需求，巩固细分行业龙头优势。半导体与汽车领域，紧抓高端制造国产化机遇，重点拓展高精度尺寸量测、微观缺陷检测、精密对位引导、自动化装配等高端应用场景，加速自主可控视觉产品与解决方案在高端制造产线的规模化导入与批量落地。
　　技术研发层面，公司将持续维持高强度研发投入，聚焦工业AI、3D视觉、边缘计算、机器人视觉、运动控制协同等核心技术迭代创新，深耕具身智能、柔性制造等前沿技术领域，持续完善标准化、模块化产品平台。通过技术前置研发、产品快速迭代、方案场景化定制，进一步缩短项目交付周期、提升产品复用效率与工程落地能力，为新行业拓展、海外市场布局及高端场景渗透提供坚实的技术与产品支撑。
　　产业布局层面，公司将持续深化并购标的整合赋能，加速视觉感知、工业传感、精密运动控制、智能算法等多技术、多产品的融合协同，完善智能制造核心零部件全链条布局。同时积极布局机器人感知、智能驱控等新兴赛道，依托“视觉+AI+运动控制”的一体化能力，打造适配新一代柔性智能制造的核心产品与解决方案，培育公司长期成长第二曲线。
　　整体而言，公司当前传统主业经营稳健，半导体、汽车等新兴赛道高速成长，技术研发、产品平台与产业布局持续完善，已形成多赛道协同、技术与市场双向赋能的良好发展格局，长期成长逻辑清晰、增量空间充足。后续公司将持续动态优化经营策略与资源配置，积极把握行业发展机遇，审慎应对宏观经济、下游资本开支波动、行业竞争、项目验证进度等不确定性因素，持续夯实核心竞争力，稳步推进公司高质量、可持续发展。

　　三、报告期内核心竞争力分析
　　(一)核心竞争力分析
　　公司作为机器视觉领域的先行者和领跑者，拥有丰富的软硬件技术和产品经验。公司始终坚持对机器视觉及其底层核心技术进行创新和优化，以满足不同行业和应用场景的需求。凭借对市场动态的敏锐洞察、对行业的深刻理解，以及多年积累的定制化和高效的解决方案，我们与众多优质客户建立了长期稳定的合作关系，赢得了广泛的荣誉和认可。公司具备明显的竞争优势，具体如下：
　　1.自主研发能力与核心技术积累优势
　　公司自成立以来一直重视自主创新，不断提高公司技术、产品的核心竞争力。近3年及报告期内公司研发投入分别为20,224.50万元、21,695.99万元、25,507.62万元、13,879.96万元，占营业收入的比例分别为21.43%、23.81%、20.10%、15.35%。持续的研发投入为公司在机器视觉领域积累了一批创新性强、实用度高的拥有自主知识产权的核心技术。截至报告期末，公司累计获发明专利212项、实用新型专利804项、外观设计专利68项，软件著作权162项，其他2项。公司近几年被评为“国家级制造业单项冠军企业”“国家知识产权示范企业”“高新技术企业”“国家级绿色工厂”，获批建设“国家博士后科研工作站”“广东省博士工作站”“广东省奥普特机器视觉工程技术研究中心”“广东省重点实验室”“广东省企业技术中心”“东莞市机器视觉重点实验室”等高水平创新研发平台；同时斩获“机械工业科学技术奖二等奖”“广东省制造业企业500强”“广东省科技进步二等奖”“广东省机械工业科学技术奖一等奖”“广东省机械工程学会科学技术一等奖”“广东省制造业单项冠军产品”等奖项，并入选了广东省产教融合型企业。上述专利和行业认定涵盖了公司产品的各个关键技术领域，体现了公司在技术研发及设计环节的核心竞争力。
　　公司长期致力于机器视觉领域硬件和软件的技术研究、产品开发及应用拓展，在成像和图像处理分析两大技术领域，积累了一定的核心技术，具备从研究成果向工程应用快速转化的技术能力体系，包括技术顶层设计能力、产品规划设计能力、各产品线的基础技术和底层算法、产品创新优化能力等，大量机器视觉应用案例，不断从应用侧传递需求信息，对下一代产品的研发设计以及当前产品的快速持续优化形成了强有力的支撑。同时，公司基于光学技术的领先优势，在原有图像传感器的技术积累上，逐步延伸工业传感器技术。公司依托强大的研发团队及自研能力，将持续保持产品的高速迭代，牢牢把握市场需求方向。
　　2.团队优势
　　公司一直以来始终重视人才队伍的培养和建设，不断引进高端人才，形成不断扩大的优秀研发团队与深厚的人才储备。截至2026年6月30日，公司研发人员1,013人，占公司总人数比例为26.42%。公司研发团队的专业覆盖面广，包括光学、工业设计、计算机等专业，充分满足了本行业技术研发的需要。公司董事长卢盛林先生在华南理工大学获得博士学位，多年来一直专注于机器视觉技术研究及产品开发。公司的经营管理团队多年来专注于机器视觉领域的研究开发、生产、销售与财务等工作，精通技术，熟悉市场，自公司成立以来一直保持稳定状态。公司大客户团队，与行业大客户密切配合，对保持客户粘性及技术延续性发挥了重要作用。稳定、优秀的团队为公司的核心竞争力奠定了良好的基础。
　　3.自主产品在各产品线布局的优势
　　经过二十年的沉淀，公司已经形成了较为完备的机器视觉核心软硬件的产品体系，并逐步建立工业传感器产品体系。奥普特拥有完整的机器视觉核心软硬件产品，自主产品线已全面覆盖视觉算法库、智能视觉平台、工业AI、光源、光源控制器、工业镜头、工业相机、智能读码器、3D传感器、测量系统、工业传感器产品。公司已经完成的自主产品的布局，为公司在日后的竞争和发展中，提供了显著的竞争优势。
　　4.行业应用经验和数据积累优势
　　机器视觉的下游应用非常广泛，几乎涉及国民经济的方方面面。即使在某一具体领域的应用，也会因下游的生产工艺、被摄对象的具体材质特点等不同，而有较大差别。因此，完善的机器视觉解决方案对下游客户而言至关重要。而设计有效的机器视觉解决方案，需要大量的行业应用经验积累，绝非一朝一夕所能形成。公司在机器视觉领域深耕多年，特别是在3C电子、锂电等行业，公司与国内外知名设备厂商和终端用户保持着长期稳定的合作，拥有丰富的机器视觉产品的设计、应用案例库。深厚的案例积累，奠定了公司在相关领域的优势地位，形成了较高的技术壁垒，能有效保障公司在行业内的竞争优势，并为公司不断扩大产品应用范围、持续提升市场份额提供了有力支撑。此外，工业AI将深刻改变机器视觉行业的技术发展，而行业数据是工业AI技术的基础。工业AI需要通过大量数据对人工智能模型进行训练，不断对模型进行调校和优化，最终使机器能够像人类一样自动作出判断并达到满足实际应用要求的准确率。公司经过多年的专业化经营，在3C电子、锂电等行业积累了大量的数据，有助于公司迅速对模型进行调校和优化，提高模型输出结果的准确率和响应速度，在机器视觉的工业AI技术领域抢占发展的高地。
　　公司通过大量行业方案积累，逐步开始建立分行业方案、产品、交付的标准化。目前公司机器视觉解决方案广泛应用于3C电子、锂电、汽车、半导体、光伏、食品、医药、烟草、物流等多个行业。
　　5.客户资源与品牌优势
　　公司依托多年深度积累的解决方案能力及优秀的产品品质、大规模的交付能力、及时有效的服务模式，将产品成功应用于全球知名企业和行业龙头企业的生产线中，获得客户的高度认可。公司基于与知名客户长期稳固的合作关系，在保持原有产品和领域良好合作的同时，不断在新产品、新项目上开展合作。同时，公司与知名客户合作提高了企业品牌知名度，也可借此赢得其他潜在优质客户的认可从而获取更多订单。
　　6.快速响应优势
　　公司一直将快速响应作为提升服务效率、创造客户价值的关键因素。依靠多年积累的丰富的研发、制造经验、扁平化的管理体系、完善的质量控制体系，在识别客户需求、制定解决方案、组织生产、提供技术服务等方面均形成较为明显的快速响应优势。对于常规的视觉项目，公司提出的快速服务时效标准为在客户提出需求之后30分钟内响应客户，2小时输出标准方案，定制方案3天交付。能对下游客户严苛的供货需求进行快速回应、快速解决和快速反馈，高标准满足客户的需求，进一步强化了公司与客户之间长期稳定的业务合作关系。
　　(二)报告期内发生的导致公司核心竞争力受到严重影响的事件、影响分析及应对措施
　　(三)核心技术与研发进展
　　1、核心技术及其先进性以及报告期内的变化情况
　　公司始终秉承以产品和技术为核心的经营理念，并取得了显著成就。报告期内，公司研发投入达到13,879.96万元，占营业收入比例为15.35%。通过不断加强与客户的技术交流，公司在产品创新上取得进展。
　　公司以视觉算法和光学技术为核心，开发了机器视觉底层算法、平台软件，以及光源控制和光学模拟等核心组件。核心技术包括工业AI算法、传统视觉算法、3D视觉算法、光源控制和光学成像等。公司重点发展工业AI技术、3D处理与分析技术、图像感知和融合技术、图像处理分析的硬件加速等视觉前沿技术，并持续在光源及其控制技术、镜头技术、智能相机技术、视觉处理分析软件技术方面进行强化，同时拓展智能感知和融合技术、智能数据处理与分析技术等传感器技术，以及高端超精密运动部件驱动及驱控一体技术等，加强公司在自动化核心零部件领域的产品竞争力。
　　同时，结合多年积累的机器视觉在各下游行业应用的专有技术（Know-How），公司构建了包括基础核心技术、技术平台、应用技术在内的多层次的技术体系。
　　公司始终秉承以产品和技术为核心的经营理念，并取得了显著成就。通过不断加强与客户的技术交流，公司在产品创新上取得进展。
　　（1）AI技术及先进性
　　奥普特工业视觉AI平台以自研视觉算法底座为核心，围绕通用基础大模型、行业场景专用模型和端侧轻量模型开展长期布局，聚焦工业视觉从数据获取、算法开发到部署运行的全链路需求，形成视觉感知+大模型认知的双驱动技术体系。相关能力已覆盖缺陷检测、尺寸测量、目标识别、定位引导、字符读取、计数统计、3D感知及机器人视觉等任务，为不同精度、节拍和算力条件下的工业项目提供统一技术支撑。
　　报告期内，公司进一步构建由高质量工业数据、通用视觉大模型与专用小模型、工业AI软件平台、端侧AI及行业应用组成的技术生态。该体系以数据持续沉淀为基础，以大小模型协同为算法核心，以云边端一体化软件为工程载体，并通过大量现场应用形成反馈闭环，使模型能力能够在真实工况中持续迭代。相较单点算法或单一软件工具，该架构能够同时兼顾通用能力、任务精度、推理时延、部署成本和规模化管理需求。
　　公司已逐步打通“数据采集与生成—模型开发与训练—部署运行—数据反馈—持续优化”的工业视觉AI链路，形成从Smart数据采集、DeepSG样本生成，到DeepVision3或DeepVision Cloud训练管理，再到现场软件和边缘设备部署的端云协同机制，推动AI能力由单点视觉工具向跨软件、跨终端、跨产线的工业智能基础设施演进。
　　①工业视觉AI软件平台体系持续完善
　　报告期内，公司持续完善以DeepVision3、DeepVision Cloud和DeepSG为核心的工业视觉AI软件平台体系，进一步打通数据管理、项目开发、训练评估、模型部署和运行维护等关键环节，形成覆盖本地端、云端和边缘端的统一软件架构。各平台既可独立满足不同规模项目需求，也可在数据、模型和设备层面协同运行，提升工业AI项目的复用效率和规模化交付能力。
　　DeepVision3主要面向单机设备、现场工作站及项目团队，提供数据管理、数据标注、项目管理、模型训练、效果评估、模型优化和部署应用等功能，支持缺陷检测、分类识别、目标检测、实例分割、定位引导、尺寸测量、OCR识别、计数统计及3D视觉等多类任务。通过标准化项目流程、可视化工具和预置算法模块，平台降低了工业AI项目对专业算法人员的依赖，并缩短从数据准备、模型训练到现场验证的实施周期。
　　DeepVision Cloud主要面向企业级、多团队及多工厂应用，持续增强多人协同标注、跨部门项目协作、模型版本管理、数据权限控制、算力资源调度、模型一键部署和远程运维等能力。平台支持现场图像自动上传、训练任务云端执行、模型集中管理和边缘设备批量下发，可逐步贯通不同设备、产线和厂区之间的数据及模型链路。其云边协同架构既支持集中式资源管理，又保留现场端的实时响应能力，为集团化部署和持续运维提供技术基础。
　　DeepSG主要面向工业数据不足、异常样本稀缺及复杂工况数据难以采集等问题，提供高保真工业图像生成、缺陷生成、缺陷迁移、缺陷融合、图像编辑和数据增强等能力。依托公司千万级工业高质量数据积累，DeepSG可对缺陷类型、位置、形态、数量、纹理和背景条件进行可控生成，为视觉大模型和专用小模型持续补充训练数据。该技术能够将低频缺陷、极端工况和新产品导入阶段难以获得的数据转化为可训练样本，降低对真实稀缺数据的依赖，并缩短数据采集和模型迭代周期。
　　通过DeepVision3、DeepVision Cloud和DeepSG之间的数据与模型协同，公司进一步形成“数据生产—项目开发—模型训练—部署管理—运行反馈—持续优化”的软件闭环，使工业AI能力能够从单项目开发延伸至跨项目、跨产线和跨工厂的持续运营。
　　②端侧AI技术能力及轻量化部署水平持续提升
　　报告期内，公司持续推进端侧AI技术研发，面向工业现场任务明确、节拍要求高、算力资源有限及部署周期较短的应用需求，进一步完善低门槛、轻量化和快速部署的视觉能力。端侧AI与专用训练模型形成互补：前者侧重标准任务的快速应用，后者面向复杂场景进行专项优化，从而适配不同技术门槛和投入成本的项目需求。
　　端侧AI重点覆盖边缘提取、文字识别、目标匹配、定位、注册分类、计数统计、异常检测和良品学习等相对标准化的工业视觉任务。通过内置预训练模型和标准化工具，部分应用无需准备大规模数据或开展复杂模型训练，即可完成快速配置和现场部署，有效降低数据准备成本、算法开发周期和使用门槛，尤其适用于多品种、小批量及频繁换型的柔性生产场景。
　　平台内置行业预训练文字识别模型，可处理字符、数字、符号及文本行，并支持客户基于自有数据进行微调优化；AI边缘提取能力可识别亮度、颜色和纹理变化形成的目标边界，为尺寸测量、轮廓定位和装配对位提供稳定特征；匹配、计数及注册分类工具可利用少量样本完成新产品建模。针对异常样本难以获取的问题，良品学习技术仅需正常样本即可建立正常特征分布并定位异常区域，结合视觉大模型还可进一步完成异常语义分析和类别识别。
　　在模型部署方面，公司综合采用模型剪枝、参数量化、知识蒸馏、推理引擎优化及底层算子适配等技术，持续降低模型参数量、计算量和存储需求。相关模型可部署至工业智能相机、视觉控制器、工控机及边缘计算设备，在保障精度的同时兼顾低时延、运行稳定性、数据安全和部署成本，强化AI算法与工业硬件的协同优化能力。
　　③通用视觉大模型及大小模型协同技术持续推进
　　报告期内，公司持续开展面向工业场景的通用视觉大模型和多模态工业大模型研发，逐步构建覆盖检测、分割、跟踪、计数、自动标注、图像生成、OCR识别和视觉理解等任务的通用算法能力。通过大规模工业数据预训练和行业知识适配，模型能够在不同产品、材质、工艺和成像条件之间迁移，为新任务开发提供更高起点。视觉大模型一方面可用于类别变化频繁、任务边界开放或需要语义理解的工业场景，直接完成目标发现、图像分析和结果理解；另一方面，可作为工业视觉AI平台的通用算法底座，为DeepVision3中的专用小模型提供预训练特征、模型初始化、知识迁移和数据增强能力，并为DeepSG的数据生成、样本筛选和质量评价提供支撑。
　　公司持续构建大小模型协同体系。视觉大模型主要承担复杂图像理解、潜在目标发现、自动标注和辅助分析等任务；专用小模型则面向具体产品、工艺和视觉任务开展专项训练，并部署至生产现场，以满足工业应用对精度、节拍、稳定性和可量化验收的要求。该协同机制避免了通用大模型在边缘端直接部署时的算力压力，同时提升了专用模型在少样本和新场景中的适应能力。在数据标注环节，平台将视觉大模型与目标跟踪、特征聚类和智能匹配技术相结合，支持少量示例标注后的多图像自动批量标注。根据公司内部测试结果，部分批量标注场景的标注效率最高可提升约200倍，有效降低人工标注工作量，加快新产品、新工艺和新项目的数据准备速度。
　　公司同时推进视觉大模型与工业知识、生产数据和设备状态数据融合，探索领域级工业大脑及大小模型协同机制，逐步构建由视觉感知、任务分析、决策生成到设备执行组成的感知链、决策链和执行链，为工业视觉及工业具身智能提供统一的感知与认知基础。
　　④工业视觉应用场景持续拓展，生态闭环建设进一步深化
　　报告期内，公司继续以工业视觉为核心，重点服务3C电子、新能源、半导体、汽车、金属加工等制造行业，相关技术覆盖缺陷检测、尺寸测量、定位引导、字符识别、目标跟踪、计数统计、质量追溯及过程控制等任务。通过将算法、光学成像、软件平台和边缘硬件结合，公司能够针对复杂反光、微小目标、高速运动、多品种换型等工业难题提供系统化解决方案。
　　依托数千个工业应用场景的实际验证，公司持续积累不同产品、工艺、材料、光学环境及设备条件下的数据和工程经验，并将现场经验沉淀为标准化算法模块、软件工具和行业解决方案，提升新项目的算法复用效率、实施效率和交付稳定性。平台可根据任务复杂度、精度要求和终端算力条件，灵活采用通用视觉大模型、专用小模型或端侧AI工具，形成分层适配的落地方式。
　　在数据和系统连接方面，平台持续打通现场生产系统、视觉设备与工业AI平台之间的数据通道，实现图像数据、视觉结果、生产参数和设备状态的回流。通过云端模型管理、端侧快速部署和运行数据反馈，逐步形成“数据采集与生成—模型训练—模型部署—运行反馈—持续优化”的工业视觉AI闭环，使现场数据能够持续转化为模型改进和工艺优化能力。
　　在硬件适配方面，平台可支持工业相机、智能相机、视觉控制器、工控机及多类边缘计算平台，并针对不同终端开展推理引擎优化和底层算子适配，提升模型在不同硬件平台上的运行效率、资源利用率和稳定性，进一步增强软硬件一体化交付能力。
　　在此基础上，公司相关技术能力进一步向工业具身智能场景延伸，为3D感知、目标识别、定位抓取、装配检测、无序分拣、柔性搬运和自主作业等任务提供视觉感知与模型能力支撑。总体上，公司已形成由工业数据、通用视觉大模型、专用小模型、工业AI软件平台、端侧AI及行业应用共同构成的工业视觉AI生态体系，并持续推动数据、算法、软件、硬件和应用场景协同演进。
　　（2）视觉软件产品线：
　　SciVision视觉开发包产品从多维度全面升级，围绕精度、性能、应用场景三大核心维度持续优化，进一步提升产品运行的稳定性与可靠性，为市场应用提供更坚实的技术支撑。SmartWorks通用视觉软件，立足工业制造全流程智能化需求，打造集1D、2D、2.5D、3D、AI、视频、运控于一体的ALL IN ONE全功能视觉平台，在前期坚实基础上再迭代，围绕易用性、核心功能、性能、集成部署四大维度纵深突破，推动平台从“功能完整”迈向“价值领先”，持续为客户创造可感知、可量化的效率提升。DeepVision3工业视觉AI平台以自研视觉算法底座为核心，锚定通用基础大模型与行业场景专用大模型的长期研发战略，深度聚焦工业质检全链路核心需求，打造行业领先的“视觉+大模型”双驱动技术体系，通过全栈自研AI能力支撑工业质检项目快速落地。
　　（3）工业相机产品线：2026年上半年，国内2D工业相机市场延续稳健增长态势，行业国产化替代进程持续深化。随着新能源、半导体、精密3C制造等下游产业智能化改造提速，高分辨率、高稳定性、智能化的工业2D相机需求持续攀升，市场整体呈现“存量提质、增量扩容”的发展格局。公司紧抓行业发展机遇，聚焦2D工业相机核心赛道，持续完善产品矩阵、迭代核心技术、落地新品创新，上半年2D相机业务稳步推进，产品市场适配性与行业竞争力进一步提升。
　　依托多年机器视觉领域技术积淀，公司2D相机实现工业视觉检测全品类、全场景无死角覆盖，形成CC1、CD1、CH1、CM1、CB1、CL1六大核心产品系列。面阵相机覆盖30万至6亿像素，线阵相机覆盖2K至16K，能满足各种高低精度检测的工业场景。数据接口全面兼容GigE Vision、USB3Vision、Camera Link、10GigE Vision、CoaXPress等主流工业接口，带宽覆盖1Gbps至50Gbps，灵活匹配各类场景下不同的图像传输速率和传输距离需求。Sensor光谱范围覆盖200nm~1700nm，贯通紫外、可见光、近红外、短波红外多光谱检测区间，可满足特殊材料检测、隐形缺陷识别、精密光学检测等多元化细分场景需求，打破了传统工业相机光谱覆盖局限，进一步拓宽产品应用边界。
　　2026年上半年公司2D相机业务依托完善的产品布局、领先的核心技术与持续的产品创新，在国产化替代浪潮中稳步提升市场份额。下半年，公司将持续深耕下游高端制造场景，推进高速接口、智能算法、高防护集成化相机的量产落地，持续优化产品性价比与场景适配性，进一步巩固公司在国产2D工业相机领域的核心竞争力。
　　（4）智能相机产品线：OPT始终以技术创新为核心驱动力，持续完善更智能、更易协同、更具场景适配性的工业智能相机产品体系，聚焦工业场景中部署流程繁琐、场景适配性弱、用户操作门槛高的核心痛点，持续打磨产品性能、优化应用体验。
　　报告期内，公司对配套软件持续进行迭代优化，产品以模块化架构设计、引导式交互体系为核心支撑，深度整合定位、测量、目标识别、缺陷判断与数据全链路追溯等核心功能模块，可根据不同行业、不同场景的检测需求灵活组合、无缝协同。交互层面，采用流程化、引导式人机交互设计，将复杂工业检测应用拆解为标准化配置流程，结合场景化引导、智能化参数推荐与实时化结果反馈，持续降低用户学习成本与现场部署难度。
　　未来，公司将持续聚焦工业智能化升级趋势，以技术创新为核心，持续推进产品的标准化、智能化、集成化升级，加强与上下游产业链的协同创新，推动智能相机与工业机器人、物联网、大数据等技术的深度融合，打造更具协同性、更适配复杂场景的工业智能检测解决方案。
　　（5）智能读码器产品线：公司始终以AI+硬件协同创新为核心战略，持续聚焦核心性能突破及复杂场景适应性提升两大方向，在图像处理、动态识别、多场景兼容性等方面持续推进迭代优化，为工业自动化读码场景提供更高效、更智能的解决方案。
　　报告期内，公司持续推进底层算法与系统调优，面向更小体积、更高集成度的产品形态，公司持续探索硬件平台的迭代演进，不断拓展读码器在受限空间场景中的适配边界。
　　奥普特将持续聚焦客户痛点，深化AI与硬件协同创新，以技术创新为核心驱动力，不断提升智能读码器的综合性能与应用价值，向更多具有高难度读码需求的行业渗透。
　　（6）3D产品线：报告期内，国内3D机器视觉行业日趋成熟，技术体系持续完善，下游应用由单点示范场景快速转向全行业规模化落地。伴随国产化替代进程加速及行业技术普惠化发展，市场竞争维度持续升级，已从单一产品性能竞争，转变为产品稳定性、场景适配能力、成本性价比及规模化交付能力的综合性竞争。报告期内，公司凭借长期的技术研发积淀与前瞻性行业布局，持续推进核心技术迭代、完善全系列产品矩阵、升级量产制造体系，进一步巩固公司在国产高端3D机器视觉领域的领先市场地位。
　　①优化量产管控体系，实现提质降本与规模化交付
　　基于上一代产品在高精度成像、高速采集、复杂工业工况适配等方面的成熟技术基础，本报告期内，公司3D产品线聚焦供应链体系优化与量产能力建设，建立标准化生产管控流程与精细化成本管控机制。通过产能升级、工艺标准化革新及全流程品控体系优化，公司在稳定产品核心性能的前提下，有效实现规模化提质降本，显著提升产品批量生产一致性与工业工况适配稳定性。目前，公司已具备大批量、高可靠、快响应的交付能力，是国内少数可实现高端3D视觉设备稳定量产的核心原厂，能够充分满足下游制造业客户规模化、持续性的配套生产需求。
　　②核心技术持续迭代，关键性能指标跻身行业一流水平
　　公司持续深耕3D成像核心底层技术，通过优化光学核心组件、升级整机装配工艺、迭代自研核心算法，有效攻克行业普遍存在的温漂扰动、视野畸变、边缘精度衰减等技术痛点。
　　③完善全域产品矩阵，模块化平台化赋能多场景应用
　　公司坚持平台化、模块化、场景化的产品研发策略，持续丰富3D视觉全品类产品布局，多款新品填补国内细分高端领域市场空白，全面覆盖高端精密制造、工业自动化、智慧物流等核心应用赛道。
　　④拓展高端仪器赛道，构建模块化精密检测平台
　　依托成熟的3D机器视觉全栈技术能力，公司向上延伸产业链布局，切入高端精密检测仪器赛道，对标行业头部品牌，自主研发推出3D超景深显微检测设备。设备搭载公司自研亚微米级飞拍超景深合成技术，微观成像合成精度可达亚微米级，满足高端微观精密检测的核心技术要求。
　　产品采用高度集成化、模块化设计，支持多规格通用底座适配，可快速切换轮廓测量、白光干涉、面共焦等多种功能采集头，实现单设备多场景复用，有效降低客户设备采购成本与使用学习成本。同时，设备独立采集模块可单独作为工业在线检测硬件使用，兼容行业主流算法平台，可有效解决工业生产中各类高难度、高精度的3D检测技术难题。
　　⑤未来发展展望
　　下一阶段，公司将持续聚焦高端智能制造核心赛道，持续推进3D机器视觉核心技术创新与产品迭代升级。依托领先的核心性能指标、稳定的规模化量产交付能力、全覆盖的模块化产品体系，持续为下游行业客户提供高可靠、高适配、高性价比的国产化3D视觉整体解决方案，持续提升公司在高端工业视觉及精密检测仪器领域的核心竞争力与市场影响力。
　　（7）镜头产品线：报告期内，公司持续完善机器视觉镜头产品体系，加大在高精度视觉检测、工业显微成像及多光谱成像等领域的研发投入，围绕不同视野范围、工作距离、图像传感器尺寸及光谱应用需求，持续推进镜头产品的技术研发、系列拓展和迭代升级，进一步完善公司在机器视觉成像光学领域的产品布局。
　　在现有镜头产品体系基础上，公司持续针对不同细分应用场景开展产品补充和技术迭代，推进专用成像镜头及配套光学组件的研发，并结合机器视觉设备自动化、智能化的发展趋势，对电动对焦镜头及相关驱动控制技术进行调研和布局，以提升镜头产品在自动调焦、及多工位切换等应用场景中的适配能力。
　　在复合型机器视觉产品配套成像光学系统方面，公司围绕测量、读码及三维检测等产品线的技术需求，持续开展专用镜头及成像系统研发。报告期内，公司完成第三代一键测量标准镜头的研发，进一步提升测量设备成像系统的适配性；针对读码器产品研发固态对焦镜头器件，以满足不同工作距离及快速对焦应用需求；针对3D传感器研发高精度移轴镜头，满足特定角度成像及光路匹配需求；同时，结合不同传感器产品的结构、视场、分辨率及工作距离要求，开展配套成像镜头系统的定制化研发，增强公司镜头产品与机器视觉核心部件之间的协同开发能力。
　　总体来看，报告期内，公司围绕传统标准定焦镜头难以充分覆盖的微距成像、长工作距离、大靶面、多光谱及工业显微等细分应用场景，持续开展技术研发和产品布局，进一步完善机器视觉镜头产品矩阵。相关研发工作有助于增强公司在高精度、多波段及复合型机器视觉成像光学领域的技术储备和产品配套能力，提升公司对半导体、新能源、精密电子、智能交通等行业视觉检测需求的综合服务能力。
　　（8）光源产品线：光源产品线在光学性能极限突破与工业场景深度适配的双轮驱动下，实现多项核心技术跃迁，构建起面向高端制造的智能照明新范式。
　　报告期内，公司光源产品线将始终以技术创新为核心引擎，紧密贴合行业发展趋势与客户需求变化，持续深化产品迭代与技术突破，不断丰富产品矩阵、提升产品核心竞争力，致力于为全球客户提供更优质、更智能、更适配的光源产品与全方位解决方案，助力行业高质量发展，为客户创造更大价值。
　　（8）传感器产品线：2026年上半年，3C电子、点胶、汽车、锂电、半导体等核心行业的智能化改造进程，正呈现出远超行业预期的提速态势。同时，客户的采购逻辑也发生了转变。过去依赖进口传感器的采购策略，正在被“供应链安全+长期稳定供应”的核心诉求所取代。客户正加速从进口传感器向国产方案切换，为国产替代打开了更为广阔的市场空间。
　　①核心技术持续迭代，自研产品体系以激光位移传感器为核心主线，持续推进技术迭代与性能升级，形成覆盖高、中、基础层级的完整产品矩阵，精准匹配不同工业场景的差异化需求。
　　②完善全品类产品矩阵，常规产品线：针对光电、安全、接近、光纤等已成熟的基础产品线，已建立起覆盖产品选型、技术支持、资料输出、售后响应的全流程服务体系，可全面覆盖工业自动化场景的应用需求，产品的品质管控与供应商交付效率在上半年得到持续优化。
　　③未来发展展望，下一阶段，传感器产品线将持续聚焦高端精密制造核心赛道，加速推进自研高端传感器产品的量产落地与市场渗透。依托行业领先的核心技术指标、稳定的规模化交付能力与完善的模块化产品体系，持续为锂电、半导体、3C制造、汽车工业等领域的行业客户提供高可靠、高适配、高性价比的国产化传感器整体解决方案。
　　（9）测量系统产品线：报告期内，测量系统产品线持续围绕工业高精度、智能化检测核心需求，深化光学测量技术与多传感器融合技术研发应用，整合光谱共焦、3D线激光、2D视觉、结构光、显微视觉等多维度感知技术，叠加深度视觉算法迭代升级，持续完善全场景、高精度智能工业检测解决方案体系。同时，产品线与智能相机、3D传感器等业务板块实现深度技术协同，依托硬件迭代、算法优化、模块化集成及标准化接口设计，持续提升跨行业场景适配能力与产业化落地能力，稳步推进智能制造质量检测体系布局建设。产品矩阵持续迭代完善，本年度完成多款全新系列产品迭代发布，全面覆盖宏观尺寸测量、高精度对射测量、微观显微检测全尺度应用场景，实现从超精密微观检测到中大型工件全域测量的能力覆盖，有效补齐产品线细分场景短板。
　　测量系统产品线通过多系列新品迭代、核心技术突破、产品架构升级，进一步强化了高精度、智能化、柔性化、易集成的产品核心竞争力，持续深化在高端精密制造测量领域的应用落地，为公司智能检测业务高质量发展提供坚实支撑。
　　2、报告期内获得的研发成果
　　报告期内，公司新增发明专利31项、实用新型专利95项、外观设计专利7项、软件著作权11项；截至报告期末，公司累计获发明专利212项、实用新型专利804项、外观设计专利68项，软件著作权162项，其他2项。

　　四、报告期内主要经营情况
　　报告期内，公司实现营业收入90,413.97万元，较上年同比增长32.46%。归属于上市公司股东的净利润同比增长16.78%，归属于上市公司股东的扣除非经常性损益的净利润同比增长18.39%。

　　五、风险因素
　　（一）核心竞争力风险
　　1.技术被赶超或替代的风险
　　公司所处的机器视觉行业属于技术密集型行业，涉及视觉传感器技术、光源照明技术、光学成像技术、数字图像处理技术、模拟与数字视频技术、计算机软硬件技术和自动控制技术等多种科学技术及工程领域学科知识的综合应用。在未来提升研发技术能力的竞争中，如果公司不能准确把握行业技术的发展趋势，在技术开发方向决策上发生失误；或者研发项目未能顺利推进，未能及时将新技术运用于产品开发和升级，出现技术被赶超或替代的情况，公司将无法持续保持产品的竞争力，从而对公司的经营产生重大不利影响。
　　2.核心技术泄密风险
　　经过多年的积累，公司自主研发了一系列核心技术，这些核心技术是公司的核心竞争力和核心机密。如果未来关键技术人员流失或在生产经营过程中相关技术、数据、图纸、保密信息泄露进而导致核心技术泄露，将会在一定程度上影响公司的技术研发创新能力和市场竞争力，对公司的生产经营和发展产生不利影响。
　　3.关键技术人才流失风险
　　公司所处的行业中，关键技术人才的培养和维护是竞争优势的主要来源之一。行业技术人才需要长期积累下游行业的应用实践，以加深对工业自动化、底层核心算法和软硬件结合技术的理解，才能提升产品研发和技术创新能力。同时引进物理学、光学、工业AI、大数据技术等领域的研发人才，有助于行业的技术发展和演进。行业内该等经验丰富的复合型人才相对稀缺。随着行业的变化，对行业技术人才的争夺将日趋激烈。若公司未来不能在薪酬、待遇、工作环境等方面持续提供有效的奖励机制，将缺乏对技术人才的吸引力，同时现有核心技术人员也可能流失，这将对公司的生产经营造成重大不利影响。
　　（二）经营风险
　　1.管理风险
　　公司自成立以来经营规模不断扩大，资产和业务规模在原有基础上有较大的提升，公司人员规模进一步扩大，这对公司在战略规划、组织机构、内部控制、运营管理、财务管理等方面提出更高的要求。如果公司不能适应公司的资产和业务规模的扩大，公司管理层不能持续有效地提升管理能力、优化管理体系，将对公司未来的经营和持续盈利能力造成不利影响。
　　2.产品价格下行及毛利率下降的风险
　　机器视觉行业是近十几年间随着工业的发展而逐步兴起的行业。采用机器视觉技术的下游行业多为发展较快、对自动化水平和产品品质要求较高的行业。随着行业的快速发展，越来越多的企业加入，机器视觉市场竞争日益加剧，整个产业也将逐渐进入成熟期。一般而言，随着产业从成长期逐渐进入成熟期，市场竞争加剧，将导致产品价格逐渐降低。
　　公司目前毛利率处于较高水平，若未来受行业内更多企业加入导致市场竞争加剧、境外品牌降价竞争、原材料价格及人工成本持续上涨等因素影响，未来公司产品毛利率存在下降的风险。
　　3.市场竞争加剧的风险
　　随着智能制造和工业4.0的进程的推进，我国机器视觉行业得到了快速发展。随着本行业以及下游行业持续发展，市场规模的不断扩大，本行业将吸引更多的竞争者进入，市场竞争将日趋激烈。一方面，现有企业扩大生产规模，加强研发和技术投入；另一方面，其他行业的公司凭借资本实力跨行业发展。若公司未来不能持续维持竞争优势，提高自身竞争力，在更加激烈的市场竞争中，公司将面临市场份额下降的风险。
　　4.新产品的研发及市场推广的风险
　　公司已形成了机器视觉领域完整的产品线，并逐步建立工业传感器产品线，同时用并购的方式，扩充运控产品线。但为应对竞争与需求变化，公司还需要持续的研发投入。公司目前有多个新产品处于规划或者研发阶段，并在各下游行业规划研发机器视觉应用方案。一方面，上述在研项目距离实现批量生产和销售还有一定时间，且存在研发失败的风险。另一方面在研项目可能在未来商业化中会面临激烈竞争，出现商业价值低或不及预期的风险，同时，新产品或新方案在客户方面形成一定的偏好及忠诚度均需要一定的时间。因此，公司存在新产品研发失败和市场推广不利的风险，进而对公司未来的业绩增长和盈利提升产生负面影响。
　　（三）财务风险
　　1.应收账款回收风险
　　报告期末公司应收账款账面价值为115,966.73万元，占当期总资产的比例为29.75%，应收账款占总资产的比例较高。如果宏观经济形势、行业发展前景发生重大不利变化或个别客户经营状况发生困难，则公司存在因应收账款难以收回而发生坏账的风险。如若客户信用风险集中发生，则公司将面临营业利润大幅下滑的风险。
　　2.存货跌价风险
　　报告期末公司存货账面价值为59,194.18万元，占当期总资产的比例为15.19%。若未来市场环境发生变化或竞争加剧导致产品滞销、存货积压等情况，将造成公司存货跌价损失增加，对公司的盈利能力产生不利影响。
　　（四）行业风险
　　公司主要客户群体集中在3C电子、锂电等行业，由于3C电子、锂电等行业的市场需求受宏观经济及政策等多方面因素的影响，具备较为明显的周期性。若未来出现宏观经济下滑、扶持政策力度下降等不利因素，同时如果公司不能进一步拓展其他应用行业的业务，可能出现收入及利润增速放缓甚至下滑的风险。
　　（五）宏观环境风险
　　随着全球经济周期的变化，经济增长速度放缓可能会导致市场需求疲软，直接影响制造业的生产和投资。若未来国家宏观经济环境发生重大变化、经济增长速度放缓或下游行业需求出现周期性波动，公司主要客户因终端需求下滑、调整自身市场计划，或因供应链短缺等原因在自动化业务方面的资本支出放缓，且公司未能及时对行业需求进行合理预期并调整公司的经营策略，可能对公司业务发展造成不利影响。 收起▲

　　一、报告期内公司所从事的主要业务、经营模式、行业情况说明
　　(一)主要业务、主要产品或服务情况
　　奥普特是一家主要从事机器视觉核心软硬件产品和运控产品的研发、生产、销售的国家高新技术企业。公司以机器视觉软硬件产品为主，依托机器视觉技术向传感器、运控产品线延伸，用先进技术及产品助力客户精益生产、降本增效，快速为客户提供智能、前沿的自动化核心产品及解决方案。
　　奥普特成立于2006年，是国内较早进入机器视觉领域的企业之一。在成立之初，以机器视觉核心部件中的光源产品为突破口，奥普特进入了当时主要为国际品牌所垄断的机器视觉市场。在二十年的发展过程中，公司坚持“深耕优势、以点带面、以面促点、逐... 查看全部▼

　　一、报告期内公司所从事的主要业务、经营模式、行业情况说明
　　(一)主要业务、主要产品或服务情况
　　奥普特是一家主要从事机器视觉核心软硬件产品和运控产品的研发、生产、销售的国家高新技术企业。公司以机器视觉软硬件产品为主，依托机器视觉技术向传感器、运控产品线延伸，用先进技术及产品助力客户精益生产、降本增效，快速为客户提供智能、前沿的自动化核心产品及解决方案。
　　奥普特成立于2006年，是国内较早进入机器视觉领域的企业之一。在成立之初，以机器视觉核心部件中的光源产品为突破口，奥普特进入了当时主要为国际品牌所垄断的机器视觉市场。在二十年的发展过程中，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其他机器视觉部件。奥普特拥有完整的机器视觉核心软硬件产品，自主产品线已全面覆盖视觉算法库、智能视觉平台、工业AI、光源、光源控制器、工业镜头、工业相机、智能读码器、3D传感器、测量系统。同时，奥普特以核心光学技术为基础，加大在先进工业传感器领域的研发投入，持续推出多品类工业传感器；结合资本优势，在运控产品领域进行布局，并购成熟协同企业，拓展产品线。以此为基础，公司能够向下游客户提供各种视觉、传感器及运控产品等自动化核心零部件产品及解决方案，提升客户粘性及公司竞争力。
　　(二)主要经营模式
　　1.盈利模式
　　公司依靠产品和解决方案的研发积累形成的技术体系，为客户提供具有技术附加值的机器视觉、传感器等自动化核心软硬件产品及方案，从中取得收入、获得盈利。
　　2.研发模式
　　公司的主要产品自动化核心零部件是实现智能制造的关键构成部分之一。公司所处行业为机器视觉行业，属于技术密集型行业。研发能力是关系公司在行业内竞争力的核心因素之一。公司的研发活动主要包括基于各机器视觉软硬件产品的研发和基于机器视觉解决方案的研发。
　　对于基于各机器视觉软硬件产品的研发，公司坚持基础研发、产品研发与前瞻性研发并重。一方面，公司通过对包括光学、物理学、深度学习、3D视觉技术、异构计算等基础技术的研究，为产品研究夯实技术基础；另一方面，公司也贴近客户需求不断研发改进既有产品，有效地满足客户需求、提升用户体验；此外，公司根据业务发展规划，结合行业发展轨迹，进行前瞻性的产品研发和布局。
　　对于基于机器视觉解决方案的研发，一方面公司通过包括对光学成像、图像处理、工业AI、3D视觉技术、异构计算、电子电路及精密结构等技术的研究，针对客户潜在需求和应用场景进行机器视觉解决方案的研发。机器视觉的应用场景千变万化，在实际应用过程中，需要考虑到各种各样的因素，如被摄目标自身的大小、形状，机器视觉所在设备的自身结构、速度等，对机器视觉系统的影响，才能设计出合适、可实现应用目标的方案。另一方面，公司从若干客户的各种具体应用场景中对解决方案进行总结研发，提炼出在一定应用场景下相对普适性的解决方案，从而向客户提供更优化、简洁、高效的产品和服务。
　　3.销售模式
　　公司的销售模式以买断式销售为主，主要向行业大客户提供软硬件产品及解决方案。随着公司产品线的持续扩张，公司逐步加大标准产品的销售。在以直销为主的销售模式下，公司未来计划逐步拓展标准产品的多渠道销售方式。
　　机器视觉是智能装备的“眼睛”和视觉“大脑”，是实现智能制造的重要核心部分。而机器视觉在我国兴起和发展的时间较短，客户对于机器视觉能够实现的功能和能够达到的效果有一定的疑虑；且机器视觉功能的实现受到多种变量的影响，一套高效的机器视觉解决方案的设计需要大量的经验数据，但机器视觉的使用者往往较难积累足够的机器视觉应用经验数据库。因此，在销售机器视觉部件过程中，为客户提供技术服务和支持尤为重要。
　　通过对行业特点的分析，结合公司自身的优势，公司计划未来建立起以向客户提供标准软硬件产品及解决方案的业务模式。公司未来规划以直销为主、渠道为辅，对于大行业战略大客户，公司采用直销模式为主；对于中小型客户，公司以多渠道销售方式提供标准化产品和方案。
　　4.采购模式
　　公司的对外采购主要分为两个部分：一部分是生产所需的原辅料，包括五金塑胶件、电子料、LED、光学件、PCB（A）、线材、接插件、包装材料等，用于生产自产产品。由于公司自产产品线较多，每条产品线涉及的原材料有较大差别，因此，该部分原辅料的采购具有品种多、单品种采购量较少等特点。另一部分是用于配合视觉方案销售的外购成品，包括部分相机等标准品。该部分采购主要针对的是公司目前产品线或产品型号尚未覆盖的部分。
　　预计随着公司多渠道销售方式的逐步推广，公司将推动部分标准化产品原材料的集中采购以降低成本。
　　公司结合销售订单和市场需求预测制定生产计划和发货计划，根据生产计划和发货计划制定原材料和外购成品采购计划。对于交付周期较长的材料和成品、一般通过销售预测确定预计使用量并联系供应商提前进行备货；对于部分生产过程中普遍适用的通用型材料和成品则维持合理的安全库存，保证生产和销售。
　　5.生产模式
　　奥普特拥有完整的机器视觉核心软硬件产品，自主产品线已全面覆盖视觉算法库、智能视觉平台、工业AI、光源、光源控制器、工业镜头、工业相机、智能读码器、3D传感器、测量系统。同时，奥普特以核心光学技术为基础，加大在先进工业传感器领域的研发投入，持续推出多品类工业传感器；结合资本优势，在运控产品领域进行布局，并购成熟协同企业，拓展产品线。随着公司产品线的不断丰富和完善，公司自产的产品品种和系列逐渐增多。
　　在产品分类方面，公司根据常用程度和应用范围将自主产品划分为标准产品和非标准产品。这些产品依托公司的应用技术和向客户提供的解决方案进行组合，从而在各种各样的应用场景中，实现各异的视觉功能。因此，在解决方案层面呈现出定制化、多品种、小批量的特点，在标准品层面具有模块化、通用化、大批量的特点。随着行业解决方案的批量应用及深度积累，以及产品线的持续扩充，公司正逐步实现行业方案及产品交付的标准化。
　　在生产模式方面，公司采取以销定产与安全库存相结合的策略，同时兼顾市场需求进行批量生产，以保证生产的稳定性和交付的灵活性。对于常规产品，公司采用“备货生产”模式，即根据历史订单数据、市场趋势及需求等信息进行销售预测，确定安全库存水平。并根据上游供货周期动态调整生产计划，实现快速市场响应。对于常用程度较低、应用范围较窄的非标准产品，公司采用“按单生产”模式，对于用量较大的产品，采用模块化生产，以缩短交付周期。
　　(三)所处行业情况
　　1、行业的发展阶段、基本特点、主要技术门槛
　　公司所处行业为机器视觉行业，机器视觉率先发生和发展在基础科学和技术水平领先的北美、欧洲和日本等发达地区，在全球的发展历史不过半个多世纪。虽然发展时间较短，但在全球范围，以技术革新速度和工业发展之有利形势，机器视觉行业获得了快速的发展。我国机器视觉行业启蒙于20世纪90年代，从代理国外机器视觉产品开始，经历了启蒙阶段、初步发展阶段，目前正处于快速发展阶段。进入21世纪后，少数本土机器视觉企业才逐渐开启自主研发之路。本世纪10年代左右，伴随我国经济的发展、工业水平的进步，特别是3C电子、锂电行业自动化的普及和深入，本土的机器视觉行业获得了空前的发展机遇。
　　目前，中国已经成为全球制造业的加工中心，中国正成为世界机器视觉发展最活跃的地区之一，应用范围涵盖了包括3C电子、锂电、汽车、半导体、光伏等国民经济的各个领域。2024年3月5日，李强总理在作政府工作报告时强调，应“大力推进现代化产业体系建设，加快发展新质生产力”。新质生产力是创新起主导作用，摆脱传统经济增长方式、生产力发展路径，具有高科技、高效能、高质量特征，符合新发展理念的先进生产力质态。机器视觉技术被视为新质生产力的重要组成部分，是实现生产力质变的关键技术之一。在工业自动化系统中，机器视觉技术承担着感知入口、数据承载和行业大脑的角色，是推动制造业高质量发展的核心动力。它不仅提高了生产效率，推动了产业变革，还促进了智能视觉产业的发展，成为新质生产力的重要驱动力。智能视觉产业作为新质生产力发展的重要赛道，其发展具有广泛性、融合性、高附加值和战略性等特点，为经济增长提供了新的动力。因此，机器视觉技术在新质生产力中具有重要的地位和作用。随着技术的不断进步和应用领域的不断扩大，机器视觉技术在新质生产力中的作用和地位将更加突出和重要。
　　高工机器人产业研究所（GGII）数据显示，2024年中国机器视觉市场规模181.47亿元（该数据未包含自动化集成设备规模），同比下滑1.97%。GGII预测，2025年中国机器视觉市场规模有望突破210亿元，同比增速超14%，预计至2028年我国机器视觉市场规模将超过385亿元，2024-2028年复合增长率约为20%。
　　机器视觉行业属于技术密集型行业，跨越多个学科和技术领域，需要在包括成像、算法、软件、传感器等自动化领域积累大量的技术，需要持续的大量研发投入。因此，较高的技术门槛对潜在的市场进入者构成了壁垒。
　　2、公司所处的行业地位分析及其变化情况
　　公司成立于2006年，是国内较早进入机器视觉领域的企业之一。在发展过程中，公司注重技术的积累，打造了完整的机器视觉核心软硬件产品矩阵，自主产品线已全面覆盖视觉算法库、智能视觉平台、工业AI、光源、光源控制器、工业镜头、工业相机、智能读码器、3D传感器、测量系统、工业传感器产品。公司产品定位于中高端市场，研发、设计和生产的机器视觉产品已经成功应用于3C电子、锂电、汽车、半导体、光伏等多个领域，协助下游客户建立和增强智能制造能力，并为公司技术发展和应用经验的沉淀提供了有力保证。基于图像传感器的技术积累，公司工业传感器产品线开始初具规模，但整体仍处于起步阶段。公司已建立稳定的客户群体，产品应用于全球知名企业和行业龙头企业的生产线中。随着公司应用行业的进一步扩大以及公司面向不同行业不断推出新产品、不断提升服务能力，公司产品销售规模及市场占有率有望持续稳步扩大。
　　3、报告期内新技术、新产业、新业态、新模式的发展情况和未来发展趋势
　　2025年，机器视觉行业迎来技术深化迭代、产业全域渗透、业态创新升级的全维度发展阶段，上半年完成核心技术突破与场景初步落地，下半年实现技术规模化应用、跨领域融合及商业模式创新，形成“突破-落地-优化-普及”的完整发展闭环。作为智能制造的核心感知技术，机器视觉通过光学成像、智能算法与多技术协同的持续升级，为自动化生产赋予更精准、更智能、更灵活的视觉能力，同时依托政策赋能、产业链协同及国产化出海，推动新产业、新业态、新模式不断涌现，成为制造业转型升级与数字经济发展的重要驱动力。以下为2025年度行业新技术、新产业、新业态、新模式的全面发展情况及未来趋势分析：
　　（1）新技术发展：
　　机器视觉技术通过光学成像与算法分析，为自动化生产设备赋予视觉感知与处理能力，实现识别、测量、定位与检测等功能。2025年，机器视觉行业进入技术深化与产业规模化发展的关键阶段，光学成像、工业相机、视觉算法及系统集成能力持续提升，推动视觉系统在智能制造中的渗透率不断提高。作为智能制造的核心感知技术，机器视觉通过光学成像、智能算法与自动化设备的协同升级，使生产设备具备识别、测量、定位与缺陷检测等能力，在提升产品质量、提高生产效率及降低人工成本方面发挥重要作用。行业技术发展重点由“单点性能提升”转向“系统级能力优化”，即同时提升成像质量（感知能力）与智能分析能力（决策能力），以满足更高水平自动化生产流程的需求，进而引领智能制造的新一轮变革，尤其在消费电子、锂电池、半导体及汽车电子等高端制造领域，机器视觉系统需求持续增长。
　　①光学成像的多样化与智能化
　　在光学镜头与成像系统方面，随着精密制造行业对检测精度要求不断提高，工业镜头技术持续升级。新型光源技术显著提升，激光、LED及混合光源在亮度、稳定性及波长范围上取得突破，满足高精度成像的多样化需求。波长覆盖从紫外（250nm）扩展至近红外（2500nm），适配金属、陶瓷、玻璃等复杂材料。控制集成一体化设计，结构紧凑，操作简单。支持常亮和增亮频闪两种模式，能够快速生成横向、纵向条纹图案，条纹图案的宽度、间隔、偏移参数可自由设定，通过线阵相机扫描与相位偏折算法实现高精度三维形貌检测，可精准检测物体表面微观变形与细小瑕疵特征。例如，紫外光源在锂电池极片检测中增强微米级划痕对比度，信噪比提升约12%；近红外光源优化半导体晶圆深层缺陷成像，检测深度增加约15%；高亮相位偏折条纹光源，触发频率达200Khz以上。上述进展主要得益于光源材料（如氮化镓基LED）及驱动电路性能的持续优化。
　　多光源组合与动态调节技术成为主流，环形光源、同轴光源与背光源通过实时调整角度与强度，显著改善复杂表面的成像效果。在3C产品AOI检测中，多角度光源有效抑制高反光干扰，成像清晰度提升约10%。智能化光源控制系统进一步成熟，基于AI反馈机制自动优化亮度、色温与曝光参数，响应时间从80ms缩短至15ms，确保高速产线的稳定性。智能光源模块通过工业AI算法，动态适配不同材质表面，成像质量提升约8%。这些技术进一步简化了系统设计复杂度，提升了视觉系统的灵活性与可靠性。
　　2025年，光学成像技术实现“感算一体”突破。高端工业CMOS传感器已集成FPGA边缘计算单元，支持在相机端完成像素级预处理及无损压缩，显著降低后端处理压力。传输接口向高速化演进，基于光纤的10GigE/25GigE接口已成为高端线扫与面阵相机的标配；而在顶尖的超高分辨率检测场景（如8K/16K线扫），通过多链路聚合的100GCoaXPress接口正逐步落地，以满足极限带宽需求。光学镜头方面，2025年，奥普特量产Cobra系列抗振定焦镜头及21M系列大靶面远心镜头，专门针对锂电、3C产线中的高频振动环境进行结构加固，确保了亚微米级检测的一致性。液态镜头与自由曲面镜头技术的应用，使工业相机能够在不同工作距离与视场范围下保持高分辨率成像能力，其中液态镜头通过改变液体界面曲率实现自动调焦，其响应时间可达到毫秒级别，使视觉系统能够快速适应不同检测位置与高度变化。自由曲面镜头可显著降低像差与畸变，畸变率较传统镜头降低约30%，结合AI标定与校正算法进一步提升几何精度。
　　在三维视觉技术方面，相比传统二维视觉系统，三维视觉能够获取目标物体的空间高度信息，在复杂环境与弱光条件下展现出更高稳定性与检测精度。近年来结构光、激光三角测量、飞行时间（ToF）及双目视觉等三维视觉技术不断成熟，通过高频结构光投影能够实现亚毫米级表面形貌测量，广泛应用于机器人抓取、精密装配及复杂结构检测等场景。例如在汽车制造行业中，3D视觉系统可以引导焊接机器人完成复杂曲面的自动焊接作业，使定位误差缩小至±0.05mm以内；2025年，奥普特推出的双目散斑结构光与TOF感知相机，集成了自适应光场与3D补全算法，将定位误差压低至±0.03mm以内。在汽车制造与大件物流领域，3D视觉引导具身智能机器人完成柔性抓取与复杂曲面作业。AI算法进一步赋能3D视觉，在半导体制造领域，通过AI技术融合2D和3D数据，实现对颗粒污染、立晶缺陷及微结构异常的精确检测，显著降低误检率并提升生产良率。与此同时，基于AI的3D算法不断优化，使视觉系统能够更加准确地识别复杂结构目标并进行空间定位，进一步推动视觉引导机器人在智能制造中的广泛应用。
　　②智能分析算法升级和普及
　　传统机器视觉系统依赖常规机器学习与图像分析技术，面临性能瓶颈，准确性、鲁棒性及泛化能力难以满足智能制造日益严苛的高标准需求。尤其在锂电池智能制造等精密工艺中，漏检率需从百万分之一（PPM）提升至十亿分之一（PPB），对传统系统构成巨大挑战。2025年，人工智能技术的快速发展显著增强了机器视觉的智能分析能力，工业AI、3D视觉感知与大模型技术持续融合，推动检测精度与效率同步提升。视觉算法正由“辅助模块”升级为“核心竞争力”，驱动行业从“硬件驱动”向“软硬一体化能力驱动”转型。视觉算法逐渐成为机器视觉企业核心竞争力的重要组成部分，通过“硬件+算法+系统”的协同能力提升整体解决方案价值，也成为机器视觉企业新的收入增长来源。
　　工业AI的深化应用与优化。工业AI技术在2025年持续突破，成为机器视觉智能分析的核心引擎，特别是在背景复杂、成像多变及频繁换型的场景中表现卓越。在锂电池生产制造过程中，工业AI的视觉检测技术已应用到叠片、模切、卷绕等关键工序中实现高速高效的视觉检测。通过迁移学习与少样本学习，模型训练所需标注图像从数百张减少至50张，标注成本降低90%；模型训练所需标注图像从50张降至5-10张，标注成本再次大幅降低。增量学习技术的进步使模型更新周期从6小时缩短至1.5小时，适配柔性制造的快速换型需求。注册分类功能的应用，速度从数小时缩短至几分钟、处理图像数量从数千张缩减至几张，无需任何经验易于使用。通过网络剪枝与量化技术，推理延迟从数百毫秒降至数十甚至数毫秒，支持在嵌入式设备（如NVIDIAJetson、RKNN）或中端CPU上高效运行。随着工业AI算法逐渐进入规模化应用阶段，视觉算法软件平台的价值不断提升，通过算法与硬件协同优化，提升整体解决方案能力，从而带动消费电子、锂电池及半导体检测等行业订单规模增长。
　　工业AI与3D视觉感知的有机结合为机器视觉系统带来革命性的进步。基于3D工业AI的系统能够更精准地识别、分类和定位物体，赋能更广泛的工业制造。基于3D感知获取工件表面的3D形状和表面信息，利用先进的3D工业AI算法精确检测产品缺陷，尤其是依赖2D视觉难以发现的微弱缺陷。在知名锂电企业的关键工位，漏检率降低了50%以上。在智能手机、耳机模组的装配过程中，该技术通过高精度的三维扫描和工业AI处理，能够准确获取模组、胶路的相对位置，从而指导机器人实现高精度AOI缺陷检测、胶路引导、点胶质量分析，有效降低了人工操作误差和产品不良率。奥普特将3D算法深度集成于智能视觉终端，不仅在锂电焊接检测中实现了漏检率下降50%的突破，更通过赋能具身智能机器人执行复杂装配任务。
　　基于工业AI，实现多模态数据深度融合，显著提升复杂场景下的视觉分析能力与鲁棒性。通过整合2D图像、3D点云和红外等多种数据模态，系统能够多维度捕捉目标特征，弥补单一模态的局限性。2D图像提供丰富的纹理与颜色信息，3D点云精确刻画工件几何结构，红外数据则对热异常和隐性缺陷高度敏感。基于3D工业AI算法，系统能够精准识别、分类和定位物体，尤其擅长检测2D视觉难以发现的微小缺陷。2025年，在3C行业，智能手机和耳机模组装配中，高精度三维扫描结合工业AI，准确获取模组与胶路的相对位置，指导机器人完成AOI缺陷检测、胶路引导及点胶质量分析，显著降低不良率和人工误差。在锂电池电极焊接等关键工位，融合2D与3D数据的模型将漏检率降低50%以上，检测精度达250PPM。自适应加权机制与跨模态交互网络的引入，进一步优化了数据协同，降低了对单一模态质量的依赖，推动高精度智能化检测在3C电子、锂电及精密制造领域的广泛应用。
　　在机器视觉，大模型的应用不再局限于单一模型的性能突破，而是向着大小模型协同进化与智能体（Agent）自主决策的方向深化，旨在系统性解决工业场景落地难、成本高的核心痛点。大小模型的协同主要体现在两个层面。一是架构层面的特征融合，通过设计大视觉特征融合模块，将大模型强大的特征提取与零样本泛化能力注入轻量化检测网络中，提升在小尺寸和复杂缺陷上的检测准确率。二是推理层面的云边协同，将大模型部署在云端处理复杂、不确定的“难题”，而轻量级模型在边缘端处理常规任务。不仅显著降低了响应延迟，还通过云端大模型的监督反馈，实现了边缘模型的持续在线学习与自适应更新，利用轻量小模型与通用大模型的多级协同，在保障识别精度的同时显著降低算力消耗。与此同时，基于大模型的视觉智能体正成为从“看见”到“决策”的关键一跃，行业发展成为“感知-决策-执行”一体化的工业智能体生态。
　　（2）新产业、新业态发展
　　随着《中国制造2025》《新一代人工智能发展规划》及长三角、珠三角等区域专项政策的持续推进与深化，叠加国产替代与供应链安全需求的驱动，国产化进程显著加速，为机器视觉行业发展提供了更加稳定且可控的产业基础，而非直接提供技术解决方案。工业和信息化部持续推动产业转型升级，加快实施“人工智能+”行动，推动大模型在制造业重点行业落地部署，并于上半年印发了《智能制造典型场景参考指引（2025年版）》，围绕大模型、智能体、机器人、数字孪生等人工智能技术在智能制造各环节的应用，进一步明确不同场景的智能化升级路径，如生成式设计创新、智能排产与动态调度系统等，为行业发展提供了清晰指引。数据显示，2025年上半年规上装备制造业和高技术制造业增加值均实现显著增长，反映出下游需求景气度提升，为机器视觉技术规模化应用提供了良好的市场环境。机器视觉系统的通用性与泛化能力正持续增强，由“项目制定制开发”向“标准化产品+平台化能力”演进，标准化与平台化的视觉方案逐渐成为行业主流趋势，显著降低技术应用门槛并提升部署效率，使机器视觉能够更加广泛地应用于多类生产场景。国产机器视觉市场占有率稳步提升，并加速海外布局，重点拓展欧洲及东南亚等制造业基础较好的区域市场。
　　视觉成像方面，通过光源智能化、传感器优化、2D+3D融合及模块化设计提升成像的智能化、高精度、灵活性。2025年，光学成像技术向"感算一体"与全谱系感知方向深化。边缘AI整合成为主流，智能相机将图像采集与AI处理集成于一体，显著降低系统复杂性与部署成本。基础算法方面，AI模型的鲁棒性和泛化性逐步提升，3D视觉、多模态信息融合在具身智能、机器人导航、自动化检测、智能抓取领域快速扩展。在具身智能方面，视觉-语言-动作（VLA）模型正成为核心技术路径，通过统一视觉感知、语言理解与动作控制，实现跨任务决策能力的融合，使机器人从“执行工具”升级为具备“感知-学习-决策”闭环能力的智能系统。嵌入式视觉与多模态技术融合，推动智能工厂效率跃升。
　　在智能分析算法方面，自适应视觉分析算法和高精度通用图像感知技术的持续优化，为机器视觉系统赋予了更强的兼容性和灵活性。2025年，AI驱动的缺陷检测引擎正快速取代传统的基于规则的检测方式，通过工业AI检测人眼难以捕捉的细微或隐性缺陷，在复杂多变的环境中表现优异，部分制造企业反馈误报率降低40-60%。小样本学习与迁移学习技术进一步成熟，新场景适配仅需数十张标注样本即可完成，算法切换时间缩短60%。这些技术突破使得机器视觉系统能够轻松应对不同行业的特定需求，提供低成本、便捷灵活的定制化服务。这种高度的灵活性和适应性，使得机器视觉技术成为推动企业智能化转型的重要力量。视觉行业的领军企业凭借多年的行业积累、强大的研发实力以及丰富的行业经验，不断推出针对特定行业和场景的创新性视觉解决方案。这些方案不仅解决了行业痛点，还推动了生产效率和产品质量的显著提升。在锂电行业，奥普特推出自适应AI检测方案，实现对锂电卷绕、切叠等关键工序的高速高质量检测。面向锂电前工序（如涂布、分条、模切等），推出标准化、通用化的高速高精度视觉解决方案，实现“开箱即用”能力；面向中后道复杂工序（如焊接、包装、入壳、组装等），研发自适应迁移学习技术，显著降低产线换型带来的模型重训练成本，AI项目实施周期缩短约40%。在3C电子行业，AOI检测系统通过高精度成像实现对手机屏幕及精密零部件压伤、色差等缺陷的快速识别。模块化系统设计使中小产线部署成本降低约10%，推动柔性制造加速普及。奥普特研发的高精度、高可靠性AI解决方案，覆盖手机制造中的中框、屏幕、组装及电子回收等关键工艺环节。在侧壁小孔、通孔等复杂结构的刀纹、未见光、划伤，以及音圈马达表面压伤、余线等缺陷检测中，系统稳定实现低漏检与可控误检水平（漏检率低于0.1%，误检率低于1%），满足高端制造质量要求。
　　（3）未来发展趋势
　　随着中国制造业在全球的领先地位与国际竞争加剧，智能制造加速发展，机器视觉作为关键技术，通过深度融合人工智能、大数据、云计算等前沿科技，不断提升智能化、精准化和自主化水平。据机器视觉产业联盟（CMVU）发布《2025年中国机器视觉市场研究报告》显示，预计2025-2027年将以年均21.2%的增速迈向580.8亿元规模。智能检测以机器视觉为核心，为智能制造提供强大的感知能力，支撑从“检测-反馈-优化”的生产闭环体系构建。展望未来，随着技术的突破和产业链的完善，机器视觉将在制造业各领域广泛应用，推动行业向高效、智能、绿色方向发展，成为中国制造业转型升级的重要驱动力。随着技术的进步和行业的需求变化，预计机器视觉行业在以下方面继续发展：
　　1）硬件方面
　　未来，机器视觉硬件将在性能极致化的基础上，向全域智能化、绿色节能化、柔性定制化发展。一是硬件全面集成AI模块与边缘计算能力，实现“图像采集+数据处理+智能决策”的一体化，工业相机将具备自感知、自校准、自优化能力，可根据环境变化自动调整参数，提升成像质量；二是践行双碳战略，推出低功耗、绿色节能的硬件产品，如光伏供电的便携式视觉检测设备、全生命周期可回收的工业相机，同时优化硬件散热设计，降低能源消耗；三是向柔性定制化发展，推出可快速适配不同产线、不同工件的柔性视觉硬件模组，支持设备的快速换型与重组，适配柔性制造的发展需求。
　　光源：随着机器视觉在各行业的广泛应用，目标物体特征分析需求日益复杂。单一光谱光源仅能提供外观、形状等有限信息，而多光谱技术通过采集不同波长信号，生成高分辨率多/高光谱图像，获取目标高维信息，简化光学部件复杂性，推动多种特征分析。从单一光谱到多/高光谱的转变，不仅提升信息获取能力，还扩展了应用范围，助力机器视觉系统更智能高效。
　　新型光源（如激光、LED及混合光源）在亮度、稳定性和波长范围（250nm紫外至2000nm近红外）上显著提升，适配金属、陶瓷、玻璃等材料。例如，紫外光源增强锂电池极片微米级划痕对比度，近红外光源优化半导体晶圆深层缺陷成像，信噪比提升约10%。多光源组合与动态调节技术成为主流，环形、同轴与背光源协同设计，通过实时调整角度与强度，改善复杂表面成像效果。在3C产品外观检测中，多角度光源抑制高反光干扰，成像清晰度提升约8%。
　　智能化光源控制系统通过反馈机制自动优化亮度与色温，响应时间从100ms缩短至20ms，保障高速产线稳定性。多模态光源系统整合红外、紫外与可见光，动态切换波长适配不同材料，在锂电池模组检测中同时捕捉金属划痕与塑料色差，成像质量提升约10%。
　　镜头：成像镜头产品类型由中大视野拓展到中小视野的高精度检测应用。微距定焦镜头，高倍率大靶面远心和线扫镜头及高倍率工业显微镜在不同的应用领域发挥重大作用。超低畸变远心镜头视场畸变控制在0.02%以内，满足3C与半导体检测的亚微米级要求。双远心镜头在芯片封测中测量引脚共面性，误差控制在0.2微米。自适应光学系统通过液态镜头实现焦距动态调节，适配不同工件高度，效率提升约20%。计算成像通过算法校正畸变，降低高端镜头成本约10%。
　　a.智能化：随着人工智能和嵌入式系统技术的发展，机器视觉工业相机将变得越来越智能。这包括集成AI模块以实现图像处理和工业AI算法，实现边缘智能，能够同时胜任图像采集与数据处理工作。此外，智能工业相机还将利用更多的板载智能或更智能的嵌入式技术来发展。奥普特万兆网线阵相机植入FPGA边缘计算技术，实现实时图像预处理与目标检测，通过二值化、滤波、形态学、找边、Blob分析等算法，显著提升系统检测速度，减少PC端运行负荷。同时，支持分时频闪技术，单次扫描即可获取四种不同光源拍摄效果图像，减少相机工位，降低视觉方案成本。
　　b.模块化：机器视觉工业相机的系统模块化也是一个重要的发展趋势。将光源、电源、控制模块甚至一些传感器集成到整个系统的软硬件中，应用起来更加方便，系统的稳定性也更高。这种模块化设计使得相机能够更灵活地适应各种应用场景。奥普特相机提供了风扇、水冷散热和TEC主动制冷等多种散热方式。同时，奥普特推出了硬件迭代升级、代码重构及低功耗平台的新一代产品，较上一代产品功耗降低超过20%，有效减少相机热噪声，显著提升图像信噪比。在3C产线实现手机屏幕缺陷检测，单线成本降低约15%。低功耗设计优化了系统性能，无风扇结构提升洁净室应用的稳定性，系统寿命延长约25%。边缘计算模块将图像处理延迟降低50%，支持高速AOI与锂电池叠片监控。小型化与集成化创新，板级相机可有效解决空间有限的场景需求，集成式相机采用“相机+光源控制+镜头对焦控制一体化”设计，降低客户集成复杂度，提升部署效率与检测稳定性。
　　c.特定应用和单一功能导向：机器视觉工业相机将越来越专注于特定应用和单一功能，以极低的成本适用于各行各业的应用场景中。例如，某些工序检测内容固定，只需要通过较少的硬件设备和软件算法就可完成目标的工作，比如条形码的读取、识别某些特征是否存在等。
　　d.高精度和高自动化：随着工业生产对高精度和高自动化的需求增加，机器视觉工业相机也将向更高精度和更高自动化的方向发展。这包括提高相机的分辨率、动态范围、色彩准确性等性能，以及实现更复杂的图像处理和分析算法。奥普特工业相机采用高品质的成像芯片，具备高动态、高灵敏度、低噪声等特性，针对外部环境干扰及镜头、Sensor物理缺陷导致的成像问题，奥普特相机集成了坏点校正、锐化、降噪、FFC、镜头阴影校正、白平衡、Gamma、CCM等各类ISP算法，全方位提升图像质量。
　　e.高效率和高节拍：伴随对效率的高要求与产能驱动，工业相机也将不断进行功能强化，超频采集、存储采集等功能的研发落地，在硬件不变的情况让采集效率提升45%,有效提高工业检测节拍。推出双USB3.0、双10GigE(SFP+)接口相机，带宽翻倍、采集速度提升（如8K线阵相机行频达200kHz），满足高速高精度检测需求；推出CXP-12接口智能采集卡，最大传输速率50Gbps，卡端可直接实现抽行组帧、Blob分析等图像处理功能，提升效率并降低CPU占用率，实现降本增效。
　　3D成像和检测高精度重建和特征融合。线扫3D产品通过持续优化硬件技术与光路设计，实现了精度与速度的双重飞跃，成功应用于3C电子、锂电、汽车、半导体及光伏等高精度要求的行业，显著提升了生产效率与产品质量。而结构光3D技术则在3D图像处理领域取得重大突破，有效解决了边缘模糊、环境干扰等长期存在的技术难题，在器件精密装配与物流运输自动化方面展现出巨大潜力。与此同时，在与智能机器人配套中的ToF感知相机，软硬双结合，可实现智能避障感知。展望未来，3D视觉技术与工业AI的深度融合将是不可逆转的趋势。工业AI算法能够赋予3D视觉系统更强大的数据处理与分析能力，使其能够更准确地识别复杂场景中的物体、理解空间关系，并自主做出决策。这种技术融合将极大地拓展3D视觉技术的应用边界，使其能够胜任更加智能化、高效化的市场应用需求，如自动驾驶、智能机器人、医疗影像分析等领域。
　　2）检测算法升级和生态完善
　　2025年，机器视觉在人工智能的推动下实现跨越式发展，工业AI、3D视觉感知、大模型及底层算法优化的融合显著提升了检测精度与泛化能力，为锂电池、3C等行业的智能化转型注入动力。未来技术演进将由“单点算法突破”转向“系统级能力协同优化”。AI大模型从单一分割能力向多模态理解与工程化落地加速演进，3D视觉感知成本持续下降，大小模型协同与智能体技术逐步成熟，行业核心驱动力转向“光学感知+AI算法+系统集成”的全栈能力体系，推动机器视觉在锂电、3C电子、半导体等领域实现规模化落地。机器视觉智能分析算法与平台将进一步向高效轻量化、多模态协同、通用化生态及边缘智能方向演进，加速智能制造的规模化应用。
　　①智能分析算法的高效与通用化
　　底层算法的持续优化将进一步降低数据与算力依赖，推动模型轻量化与小样本学习的普及。自监督学习、知识蒸馏及神经架构搜索（NAS）将驱动工业预训练模型在边缘设备上的高效部署。基于Transformer架构的视觉检测大模型正引领行业从定制化走向通用化，每类缺陷仅需1-5张提示样本即可完成模型构建，样本需求直降90%以上，部署周期缩短至一周以内。奥普特通过软硬协同异构计算，实现轻量化模型在CPU上运行时检测精度提升超5%，推理速度较同类公开模型提升24倍，其注册分类功能仅需1-5张小样本图片，即可在数分钟至数秒内完成新类别建模与部署。2.5D缺陷检测的算法增强，覆盖更广应用场景，清晰凸显漫反射材质表面缺陷，光度立体和相位偏折广泛应用在磨砂手机壳外观、软包电池外观等场景，更高精度更高效率完成缺陷检测。
　　预计到2027年，边缘智能视觉系统将迎来快速增长，智能相机（含嵌入式AI能力）成为核心载体，实现端侧实时分析与决策能力。奥普特通过软硬协同异构计算及模型轻量化，在端侧低算力硬件条件下，使检测精度提升超5%，推理速度较同类公开模型提升24倍，其注册分类功能仅需1-5张小样本图片，即可在数分钟至数秒内完成新类别建模与部署。检测结果的可信度和自适应性显著提升。高可信检测方案将应用到更多的高端复杂的视觉检测任务中，例如锂电池焊接检测、3C电子产品关键目标定位，通过领域自适应迁移学习技术将使模型跨场景泛化能力提升约25%，检测稳定性提高20%。视觉大模型的零样本检测能力将进一步成熟，结合模型剪枝与量化技术，在中端GPU上实现大于80FPS推理，功耗降低35%。多模态大模型能力持续增强，在公开基准测试中已逐步接近或超越传统单任务模型表现，能够统一支持目标检测、指代理解与OCR识别等任务，为工业检测提供更加通用的感知能力。
　　AI机器视觉技术正引领智能制造迈向新的发展阶段，其核心趋势在于从单一视觉模态向多模态、跨模态的深度融合，以及大模型与小模型在工业场景下的协同应用。机器视觉系统正由传统2D图像识别，扩展至融合图像、点云、时序、文本乃至语音等多模态信息，逐步逼近人类多感知协同的认知模式，显著提升复杂场景下的决策能力。例如，在表面质量检测中，通过引入触觉传感器获取物理特性信息，可实现更高精度的缺陷识别；在设备运维中，通过声音信号分析可提前识别轴承磨损或电机异常，实现预测性维护。多模态融合将成为未来机器视觉核心发展方向，整合2D图像、3D点云、红外、偏振及超光谱数据，提升复杂环境下的检测精度与鲁棒性。在锂电池模组检测中，融合2D纹理与3D几何信息的多模态视觉模型已进入规模化验证阶段，同时基于红外与偏振数据的融合分析，在热异常检测及内部缺陷检测等高端场景中的应用正加速推进。
　　机器视觉生态平台正由单一软件工具向综合智能平台演进。未来平台将集成算法开发、数据管理、模型训练与实时推理等全链路能力，形成完整闭环。支持更多模态（2D、3D、红外、偏振等），云边协同模式将进一步优化，边缘节点利用低算力完成预处理与推理，云端高算力支持模型训练与优化。预计70%的头部企业将采用混合边缘-云推理架构，将边缘计算完全整合到云基础设施和管理策略中。大小模型协同依托"云边端"分层架构成为平台核心：通用工业视觉大模型提供基础视觉能力，小模型通过蒸馏技术适配特定任务，大小模型协同显著提升推理速度，二者通过能力编排、串行推理、并行推理等模式形成互补共生。
　　奥普特推出的DeepVisionCloud云端协同平台，集成了算力管理、项目协作、标注协同、数据互通等功能，通过Smart采集数据、DeepSG生成样本、DeepVision3训练模型，形成"端云协同、持续优化"的智能应用闭环，大幅降低AI落地门槛。另外，生成式AI在视觉应用中的渗透将重塑内容生成与数据增强的模式。通过生成式AI技术快速、批量生成高仿真度的缺陷图像，有效解决训练数据不足问题，显著提升模型泛化能力。奥普特推出的样本生成软件DeepSG，支持图像擦除、编辑、缺陷迁移与高质量图像生成功能，基于真实的缺陷样本，通过生成式AI技术形成从数据生成到模型迭代的高效闭环。
　　2025年，具身智能取得关键突破，机器视觉作为核心感知模块迎来新的增长空间。视觉-语言-动作（VLA）模型成为核心技术路径，将视觉感知、语言理解与动作执行统一于同一决策链路中。未来两年，随着模型上下文能力持续提升，长序列时序理解能力将成为机器人智能化的重要基础，显著增强复杂任务处理能力。奥普特在“AI+机器人”方向持续布局，通过视觉感知与控制系统深度融合，实现多机器人协同作业与持续学习能力：机器人在运行过程中持续采集数据并上传至云端，云端模型不断迭代优化，再下发至终端，实现“边运行、边学习、边优化”的闭环演进机制，推动工业自动化向更高智能化与自主化发展。
　　二、经营情况讨论与分析
　　2025年，公司经营业绩实现高质量增长，增长动能主要来自于核心下游行业景气修复与新技术周期带来的增量机会，以及公司在工业AI、产品线拓展、高端制造头部重点客户项目中的持续突破。报告期内，公司在光学、算法、软件、AI及工程化交付等方面的综合能力进一步释放，核心业务增长质量持续优化，行业领先优势进一步巩固。随着公司在高价值场景中的渗透不断加深、在头部客户中的价值量持续提升，公司已经成功从机器视觉核心零部件供应商成为具备“视觉-传感-运控+AI”工业智能系统解决方案能力的行业领导者。
　　（一）经营业绩实现高质量增长
　　2025年，公司实现营收126,904.02万元，较上年同期增长39.24%。
　　归属于上市公司股东的净利润为18,617.93万元，较上年同期增长36.63%；归属于上市公司股东的扣除非经常性损益的净利润为15,402.14万元，较上年同期增长32.78%。剔除股份支付费用影响，归属于母公司所有者的净利润、归属于母公司所有者的扣除非经常性损益的净利润分别增长56.20%、55.72%。
　　公司业绩保持良好增长态势，反映出前期在研发投入、客户拓展和产品布局上的持续积累正在加快兑现。报告期内，公司主营业务在3C电子、锂电等核心下游领域实现增长，并在半导体、汽车、高端医疗等高门槛场景持续取得突破，进一步验证了公司作为行业龙头在技术深度、场景覆盖和客户导入能力上的综合优势。
　　整体来看，公司2025年业绩增长质量显著提升，收入增长、盈利质量和运营效率同步提升，顺利超额完成公司股权激励计划设定的2025年目标，体现出公司增长的确定性与持续兑现能力。
　　（二）高价值场景持续突破，重点行业渗透进一步加深
　　1.2025年，3C行业收入72,461万元，较上年同期增长23.91%。作为该细分赛道中唯一实现全栈自研、全工序覆盖并深度服务全球顶级终端的本土企业，确立了无可争议的行业龙头地位。
　　3C电子行业作为机器视觉最重要的应用市场之一，行业头部客户正迎来新一轮产品创新周期。折叠屏手机、AI眼镜等新一代智能终端加速量产，钢壳电池、铰链等关键零部件持续迭代，推动下游客户对高精度检测、精密装配、复杂外观检测及高节拍制造协同的需求持续升级，为机器视觉带来结构性增量空间。
　　工业AI在消费电子制造环节的应用不断深化，进一步打开了机器视觉在高价值工序中的渗透空间。报告期内，公司深度绑定全球最顶尖的终端品牌与核心代工厂，公司视觉AI解决方案围绕屏幕、结构件、电池、点胶、组装及整机检测等关键环节持续渗透，已由单点工序配套，逐步延伸至所有高价值环节，在消费电子产业链纵向维度上的覆盖深度持续提升。基于在工业AI质检领域的技术优势，公司能够在新产品导入阶段持续获取关键机会，并在高门槛场景中不断提升价值量。
　　国产替代和高端制造提质增效趋势持续推进，助推公司跻身全球机器视觉领先地位。无论是直面全球顶级终端巨头，还是协同优质装备商服务全球产线，公司均展现出极强的技术适配性、工程落地效率与全球交付能力。在国产替代深化与高端制造提质增效的双重趋势下，公司凭借全球领先的技术壁垒、全栈自研的软硬协同体系及对尖端工艺的深度参与，不仅巩固了在国内市场的绝对统治地位，更实质性地跻身全球高端消费电子视觉解决方案的第一梯队。
　　展望未来，随着AI终端爆发、智能机器人配套模组兴起及更多颠覆性硬件形态落地，3C制造对智能化视觉的需求将进入指数级增长阶段。公司作为中国机器视觉的绝对龙头，依托先发卡位、顶级客户背书与持续创新的AI工程化能力，将在这一高壁垒、高成长赛道中持续扩大领先优势。
　　2.锂电行业收入32,327万元，较上年同期增长54.62%。随着国内锂电产业链出海引领全球技术浪潮，作为中国锂电视觉领域的绝对龙头，公司实质上已确立全球锂电池智能制造视觉解决方案的领导者地位。
　　在行业景气度与出海红利的双重驱动下，公司相关业务迎来显著增长。一方面，锂电行业进入确定性超级需求周期，储能赛道爆发式增长与传统动力需求共振，带动产业链排产持续超预期，行业景气修复态势明确。另一方面，国内锂电产业链正加速“集体出海”，无论是通过直接出口抢占欧美、东南亚等海外市场，还是通过海外建厂实现本地化生产以规避贸易壁垒，都为上游设备与解决方案商带来了巨大的增量空间。公司凭借多年的海外布局优势，完美匹配客户对极致技术与成本控制的严苛要求，深度受益于锂电产业全球化扩张。
　　固态电池量产制程、高能量密度电芯等前沿技术方向带来新的视觉工艺开发，公司视觉AI解决方案不断提升在锂电制造关键环节中的覆盖深度。面对全新视觉工艺开发需求，以及全球市场对电池碳足迹、溯源机制等日益严苛的合规要求，行业订单正进一步向具备全流程协同、规模化交付与全球服务能力的头部视觉厂商集中。公司正由过去以视觉为主的全工序覆盖，进一步向“视觉+传感+运控+AI”协同的全产品链延伸，不仅解决了新技术带来的检测难题，更为客户提供高效的一站式导入与交付支持。凭借在锂电领域全球领先的视觉技术积淀，公司持续深化与头部厂商及核心设备商的战略合作，业务全面覆盖动力、消费及储能三大核心赛道，推动业务结构向多元化、全球化持续升级，在万亿级赛道中不断巩固和扩大领先优势。
　　展望未来，随着全球能源转型的深入及固态电池等新技术的规模化落地，锂电行业景气度将持续上行。公司凭借无可比拟的技术壁垒、全场景覆盖能力以及国内外市场双重驱动的战略优势，将在这一历史性机遇中，充分释放作为全球锂电视觉核心供应商的巨大成长潜力。
　　3.半导体和汽车行业收入分别为7,850万元和4,375万元，较上年同期分别增长54.49%和36.28%。尽管当前规模尚处成长初期，但两大领域客户层级高、技术门槛高、国产化需求迫切，已成为公司战略突破的关键支点，并具备向更广阔市场跃迁的巨大潜力。
　　在半导体领域，公司紧抓算力基础设施扩张与先进封装国产化加速的双重窗口期，深度切入高端产业链核心环节。目前已成功为AI服务器模组、高性能计算芯片封装及晶圆前道辅助制程提供高精度外观检测与亚微米级量测方案，并与国内头部设备厂商在固晶、对准、缺陷复检等关键工艺中开展联合开发。围绕Bumping、RDL等关键工艺，持续攻克复杂光路设计、多模态光学系统集成、AI辅助缺陷分类等核心技术，公司逐步构建起对标国际一流的检测与量测能力，实质性参与国产半导体设备的性能对标与替代进程。随着国产设备加速验证放量，公司在该领域的单机价值量与客户渗透率有望实现迅速提升。
　　在汽车制造领域，公司以新能源整车及核心三电系统（电池、电机、电控）为突破口，持续深化与终端龙头及其顶级产线集成商的战略协同，持续向整车四大工艺（冲压、焊装、涂装、总装）、汽车电子及零部件生产制程（BMS、电源转换模块、转向系统、热管理系统等）延伸，形成从整车到核心部件、从视觉检测到装配引导的全流程覆盖能力。公司凭借深厚的技术积累与快速响应能力，已成功进入多家头部车企的供应链体系，客户群覆盖造车新势力、主流自主品牌以及合资品牌。报告期内，公司积极参与多家头部车企及零部件厂商的产线打样与招投标项目，在动力电池托盘检测、车身尺寸测量、涂装缺陷识别、总装定位引导等核心工艺环节实现方案落地，部分项目已进入批量交付阶段。面对汽车制造对柔性化、智能化和成本优化的持续需求，公司有机会凭借“视觉+传感+运控+AI”多合一集成方案的标准化与开放性优势，与合作伙伴共同切入更多关键工艺环节，在高价值场景中实现更深渗透。
　　4.机器人业务完成从0到1突破，实现本体供应与工业场景落地双闭环
　　2025年，公司实现与机器人相关客户业务收入约2,330万元。随着机器人加速融入工业应用场景，其所需的感知、决策与执行协同能力，正成为智能制造体系中不可或缺的重要增量方向。
　　（1）快速布局与落地
　　智能机器人是公司面向下一代智能装备的前瞻性战略布局领域。公司依托“视觉-传感-运控+AI”全产品矩阵，已实现从运控产品到视觉产品的核心零部件全覆盖，构建起支撑具身智能体感知、决策、执行全链路的技术闭环。报告期内，公司在该领域实现从0到1的快速突破，展现出强劲的战略执行力与产业化能力。
　　从战略卡位到场景落地。公司敏锐把握具身智能产业化浪潮，快速成立机器人专项事业部，集中资源突破核心技术瓶颈。报告期内，公司已完成双目结构光、激光雷达等核心感知产品的布局，产品矩阵涵盖鱼眼相机、RGB相机、结构光相机、ToF深度相机、运控产品、传感器等全系列感知与执行部件，为具身机器人在复杂环境下的高精度定位与空间感知提供关键支撑。
　　场景应用快速突破。泛工业场景，公司突破传统自动化上下料局限，通过3D视觉动态规划引导，攻克3D视觉与协作机器人通讯技术难点，解决协作机器人在无序上下料抓取过程中奇异点多、抓取精度粗糙的问题；行业工艺制程场景，公司将具身视觉能力向高精度工艺制程延伸，在3C、汽车等行业的螺丝锁附、涂胶、精密装配等环节实现方案落地，推动机器人从“看得见”向“干得精”的能力跃升；工业质检场景，面对多品种、小批量的柔性制造需求，公司依托AI视觉技术，实现快速换型、自适应检测的柔性化质检方案，满足客户对高节拍、高一致性的检测要求。
　　报告期内，公司已与协作机器人头部企业达成战略合作，双方深度协同，联合开发高精度动态抓取系统，成功实现从“视觉感知”到“智能执行”的端到端贯通，为机器人在工业场景的规模化应用奠定了坚实基础。
　　（2）软硬协同
　　公司凭借强大的算法开发能力与成熟的AI技术体系，打造了覆盖数据采集、模型训练、部署迭代全流程的工业AI生态平台，实现从单一视觉检测向软硬一体化智能方案的进化。公司构建“端云协同、持续进化”的智能应用闭环。依托“视觉-传感-运控+AI”全产品矩阵与端云协同平台，公司已具备从感知层（视觉传感器）、决策层（AI算法与软件）到执行层（运控产品）的全栈交付能力，布局面向具身智能场景的一站式解决方案，实现从“设备之眼”到“智能体之脑”的能力跃升。
　　（3）发展展望
　　机器人正处在技术突破与产业爆发的关键节点。随着大模型与机器人技术的深度融合，机器视觉作为智能机器人的核心感知入口，将迎来指数级增长的市场空间。公司凭借全栈视觉技术能力、快速产业化落地经验以及端云协同的平台化优势，已确立在工业级机器人视觉领域的先发卡位。展望未来，公司将持续深化与产业链伙伴的协同创新，夯实工业级机器人智能之“眼”的领导者地位，为下一代智能装备产业发展贡献核心力量，为资本市场创造长期价值。
　　（三）产品与技术：AIinALL，全面赋能机器视觉全栈产品
　　2025年，公司机器视觉软硬一体的系统解决方案收入达到44,519万元，较上年同期增长31.22%，占营业收入比例达到35.08%。其中，工业AI相关系统解决方案收入达到12,786万元，较上年同期增长96.77%。公司以“AIinALL”为核心战略理念，将人工智能深度融入硬件、软件及解决方案的每一个层级，推动机器视觉从“感知”向“认知”与“决策”全面跃迁，为客户提供更智能、更高效、更具价值的全栈式视觉解决方案。
　　1.AI+硬件：软硬协同，驱动边缘智能落地
　　依托软硬协同异构计算架构，公司工业AI能够在有限资源约束下实现高效、可靠的推理能力。平台全面适配英伟达、AMD、苹果及各类边缘计算芯片，兼容Windows、Linux、ARM、macOS等主流操作系统，推理速度较同类公开模型提升24倍，显著降低算力依赖。即使在低算力及边缘设备场景下，依然能够高效运行，为高速精密产线、云边协同分析等工业场景规模化落地提供坚实支撑。
　　以此核心技术为基础，报告期内，公司先后推出智能相机、智能读码器、智能传感器等融合AI能力的新一代硬件产品，实现AI从“云端”向“边缘端”的深度下沉，推动视觉智能在工业现场的广泛落地。
　　2.AI+软件：构建工业智能核心引擎
　　公司以DeepVision3软件与Web版AI平台为核心工具，构建起“云边协同、算法领先、数据驱动”的工业AI技术体系，全面加速项目开发效率与行业应用深度。
　　（1）算法提效，数据降本
　　在算法层面，公司基于海量工业数据积累，融合迁移学习与元学习策略，预训练基座模型对标注数据的依赖量降低30%，显著提升模型开发效率。在数据层面，公司自主研发半自动化数据生成技术，综合运用常规图像扩增、生成对抗网络（GAN）与扩散模型等手段，实现零样本条件下关键目标的精准编辑与高质量图像生成，有效解决工业场景中缺陷样本稀缺的痛点。
　　（2）通用模型+场景适配，释放极致效能
　　针对高端制造，公司推出行业通用AI模型，实现对主流工艺关键工序的高速自适应通用检测，提供开箱即用的高速高精度工业视觉方案，研发自适应迁移学习技术，助力客户实现产能提升最高达170%、产线换型时项目实施周期缩短40%等关键结果。
　　（3）精准检测+小样本学习，超越行业标准
　　在高端制造领域，AI解决方案已覆盖广泛工艺流程。在复杂缺陷检测中，精准率远超行业标准。如在手机、耳机胶路复检等项目中，公司依托高质量图像生成技术、良品学习技术与小样本注册分类等多项AI能力，仅需15张图像即可生成大批高质量缺陷图像数据，生成精度控制在3像素以内，误检率低至0.1%以下，为高精度、低缺陷率场景提供可靠保障。
　　3.AI+解决方案：端云协同，构建工业智能全栈生态
　　依托强大的算法开发能力与成熟的AI技术体系，公司打造了覆盖数据采集、模型训练、部署迭代全流程的工业AI生态平台。通过Smart完成数据采集，DeepSG实现样本生成，在PC端DeepVision3或云端DeepVisionCloud完成模型训练，并将模型部署回Smart等应用软件，实现模型的自动迭代与闭环优化，形成“端云协同、持续进化”的智能应用闭环。该平台兼顾私有云部署与高效能离线训练，提供从实时处理到自动迭代的全方位能力，大幅降低AI落地门槛。
　　目前，公司AI产品与解决方案已在3C电子、锂电、半导体、汽车等高端制造领域实现规模化落地，展现出强大的行业通用能力。
　　当前，国产替代正从“硬件替换”加速迈向“高价值AI软件与系统级替代”新阶段。同时，AI应用本身也正从外观检测向过程控制、预测性维护等更深制造环节持续渗透。在此双重趋势交汇下，公司作为中国唯一具备高端制造AI视觉全栈能力的企业，正迎来历史性的发展机遇窗口。
　　（四）全面产品化战略升级：以生态合作构筑长期利益共同体
　　2025年，公司海外收入达到13,707万元，较上年同期增长122.47%，占营业收入比例达到10.80%；与此同时，公司标准产品收入达到41,563万元，较上年同期增长126.76%，占营业收入比例达到32.75%。其中，公司运控产品收入13,467万元，相机、读码器等标准机器视觉产品收入达到28,096万元，新产品及机器视觉核心产品均实现较快增长。
　　公司始终秉持“一群人、一辈子、一件事”的初心，在为客户创造需求价值之外，持续深耕利益价值，以合力打造世界一流视觉企业的目标不断攀登。为更全面响应市场需求，推动产品化战略深化落地，公司聚焦以“产品市场化、品牌化”为核心的战略升级，通过生态合作模式链接行业伙伴，共同探索机器视觉技术的应用价值与市场潜力，构建可持续发展的利益共同体。
　　1.以市场需求为导向，全面深化产品化战略
　　当前，机器视觉技术正加速渗透工业制造、智能制造等多元化场景，市场需求呈现精细化、专业化趋势。基于此，公司启动产品化战略升级，推动技术成果向标准化、模块化产品转化，强化品牌价值与市场覆盖能力，以更敏捷的方式响应客户需求，实现技术与服务的规模化价值输出。
　　2.产品组合拳：打造覆盖多场景的全矩阵产品体系
　　公司持续完善产品矩阵，已形成从视觉算法库、智能视觉平台、工业AI到光源及控制器、工业镜头、工业相机、智能读码器、3D传感器、一键测量仪、显微镜、工业传感器等在内的全栈产品体系。通过“硬件+软件+AI”的深度融合，公司能够为不同行业、不同场景提供从感知到决策的一站式解决方案，满足客户多元化、精细化、专业化的应用需求。
　　3.品牌化运营：国内国际市场双轮驱动
　　在产品化战略升级进程中，公司同步推进品牌化运营战略，构建国内国际市场双轮驱动的品牌发展格局。
　　国内市场：公司以“技术领先、交付可靠、服务专业”为核心品牌定位，持续强化在3C电子、锂电制造、半导体、汽车等高端制造领域的品牌认知。
　　海外市场：依托全球15000+客户的深厚积累与67000项项目落地经验，公司已建立起覆盖全球的交付与服务能力。作为国内唯一具备锂电全工序视觉解决方案能力的企业，公司凭借国内锂电产业链全球领先的技术水准，已实质确立全球锂电池智能制造视觉解决方案的领导者地位。报告期内，公司加速海外市场布局，持续拓展东南亚、欧洲、北美等重点区域，推动中国机器视觉品牌走向世界。
　　4.开放生态合作：协同伙伴，共赢未来
　　公司以“生态合作”为核心抓手，构建分层赋能、协同共进的合作伙伴体系：
　　分层赋能合作伙伴：根据企业所处阶段（初创期、成长期、成熟期），设计差异化合作模式，重点培育区域或垂直领域标杆企业，通过资源倾斜与联合品牌推广，助力伙伴树立行业影响力技术赋能与项目落地：开放技术平台与产品能力，提供从方案设计到实施的全链条支持；针对细分场景需求，联合开发定制化解决方案，提升客户价值。
　　服务全国及全球市场：依托生态合作模式，公司将产品能力与服务体系辐射至全国各区域及海外重点市场，通过本地化支持与协同服务，更高效地响应客户需求，助力全球制造业智能化升级。
　　（五）未来展望
　　1.公司业绩目标
　　公司管理层根据既定的发展战略和股权激励计划，制定了明确的业绩目标：以2025年营业收入为基数，公司2026年度营业收入增长率不低于25%。
　　截至目前，公司经营情况良好，管理层对完成上述年度目标保持坚定信心。同时，对于未来几年持续实现股权激励计划所设定的分年度业绩目标，公司也已做好充分准备。在订单储备、产能布局、新品推出以及市场拓展等方面，公司均按计划有序推进，为业绩达标提供了坚实支撑。
　　2.AI in All，全面拥抱智能时代
　　站在新一轮工业智能变革的起点，奥普特正以“AI in All”为核心战略，将人工智能深度嵌入硬件、软件与组织能力，加速从“机器视觉部件供应商”向“视觉-传感-运控+AI”工业智能系统解决方案领导者的战略跃迁。这一转型不仅是公司对技术趋势的前瞻判断，更是对全球高端制造客户深层需求的精准回应。
　　（1）AI赋能硬件：打造全栈智能感知与执行矩阵
　　公司持续推动AI技术与核心硬件产品的深度融合，构建覆盖感知、决策、执行全链路的智能硬件矩阵。在视觉感知层面，AI正全面赋能相机、镜头、光源、读码器、一键测量系统、显微镜等核心部件；在运动控制层面，公司深度融合AI与运控产品，实现从“程序控制”向“智能规划”的跃升，让运控系统具备路径自优化、负载自适应、异常自诊断能力；传感器与AI的融合则赋予设备更强的环境感知与状态监测能力，为工业智能体构建坚实的数据底座。
　　目前，公司已落地智能相机、智能读码器、智能传感器等系列化产品，多项AI融合硬件已立项并进入研发周期。未来，公司将持续推动AI从“外挂式”能力向“内嵌式”基因转变，让每一台设备、每一个部件都成为工业智能网络中的感知与决策节点。
　　（二）AI重塑软件：从视觉系统到视觉智能体的能力跃升
　　公司致力于将复杂的视觉系统搭建过程，简化为“输入需求→智能生成→微调部署”的三步闭环。基于工业AI生态平台，公司正在打造面向下一代智能制造的视觉智能体（VisionAgent）。该智能体具备三大核心能力：一是智能方案生成能力，用户只需输入检测目标、精度要求、节拍指标等核心需求，智能体可自动匹配最优的光源、镜头、相机组合，生成完整视觉方案并输出成像策略与算法模型；二是自优化迭代能力，部署后持续采集产线数据，自动识别模型偏差，实现在线更新与性能调优；三是多模态融合能力，打通视觉、传感、运动控制数据壁垒，构建统一的数字孪生模型，实现从“检测”到“诊断”再到“预测”的能力跃升。通过视觉智能体，公司大幅降低AI应用门槛，让中小客户也能享受工业AI的技术红利，真正实现“人人可用、即插即用”的智能体验。
　　（三）AI赋能智慧工厂：打造智能制造核心生产力
　　依托AI视觉技术的全面迭代与深度落地，奥普特正成为智慧工厂建设的核心赋能者，为制造企业的智能化转型提供全场景、全链路的技术支撑，更逐步成长为未来黑灯工厂不可或缺的核心生产力。智慧工厂的核心诉求是实现生产全流程的数字化、智能化与高效化，而AI视觉技术正是打通这一链路的“工业慧眼”，如同数字工厂的“感知神经”，通过工业相机、智能传感器等硬件载体，结合自研AI算法，实现对生产现场人、机、料、法、环全要素的实时感知、精准识别与智能决策，彻底打破传统工厂的信息孤岛与效率瓶颈。在智慧工厂的生产场景中，奥普特的AI视觉系统可深度融合MES系统、WMS仓储系统、质量管理系统（QMS）等核心模块，实现产品全生命周期的追溯与管控——从物料入厂时的条码自动识别、型号精准核对，到生产过程中的外观缺陷检测、尺寸精度测量、装配工序校验，再到成品出库时的自动分拣、批量扫码，每一个环节都无需人工干预，检测速度和精度较人工提升数倍以上，既保障了产品质量的稳定性，又大幅提升了生产节拍与整体效率。同时，通过AI视觉技术与运动控制、传感器技术的协同，可实现产线设备的智能联动与柔性生产，能够快速适配多品种、小批量的生产需求，帮助企业降低换产成本、提升产能利用率，真正实现“看得见、管得住、可追溯”的智能制造新范式。
　　通过AI对研发、生产、管理的全链条渗透，公司将持续放大核心竞争力，为长期高质量发展注入源源不断的动力。
　　从视觉到感知，从感知到决策，从决策到执行，奥普特正以“视觉-传感-运控+AI”的全栈能力，重构工业智能的技术底座。展望未来，随着AI大模型、具身智能等新技术的持续突破，公司将凭借深厚的行业积淀、全栈自研的技术体系与持续创新的工程化能力，从中国机器视觉龙头迈向全球工业智能系统解决方案领导者。我们坚信，这一战略升级将为公司打开更为广阔的成长空间，与产业链伙伴共同开启智能制造的无限可能，持续为股东、客户与社会创造长期价值。
　　3.未来向新而行
　　上市五年，奥普特完成核心战略升级：稳固基本盘、升级产品体系、落地全球化、深耕工业AI、卡位机器人赛道。行业端，牢牢夯实3C、锂电领域头部地位，持续巩固市场份额；高效突破汽车整车及零部件、半导体封测与精密检测等高壁垒赛道，实现多行业纵深布局。产品端坚定标准品发展路线，沉淀海量场景方案形成模块化通用产品，搭配自研工业AI软件平台，大幅缩短交付周期、提升盈利质量，构建全栈软硬件生态。市场端稳步推进海外布局，搭建全球本地化服务网络，依托高性价比标准品实现海外重点制造区域规模化落地，出海业务成为新增长动能。技术端筑牢工业AI全栈能力，依托小样本学习、多模态融合等核心技术，实现AI检测方案在多领域大规模商用，技术壁垒与产品溢价持续提升；同时提前布局机器人赛道，补齐感知、精密运动控制核心部件，完成从工业视觉到机器人核心感知组件的技术迁移与商业验证。
　　展望未来五年，公司将依托三大核心方向打开长期成长空间：一是夯实AI技术底座，深化工业通用大模型与行业专用模型落地，持续深挖3C、锂电、半导体、汽车等领域自动化升级机遇，扩大国产替代优势，拓宽传统业务增长边界；二是全力打造机器人第二增长曲线，聚焦具身智能核心，深耕机器人感知、运动控制核心零部件，深化与头部整机企业合作，实现相关业务规模化放量；三是借力资本运作，通过产业并购、战略投资补齐技术短板、完善产业链生态，叠加全球化布局提速，持续放大成长势能，力争成长为全球领先的工业视觉+机器人感知、决策、执行全栈解决方案龙头企业。
　　三、报告期内核心竞争力分析
　　(一)核心竞争力分析
　　公司作为机器视觉领域的先行者和领跑者，拥有丰富的软硬件技术和产品经验。公司始终坚持对机器视觉及其底层核心技术进行创新和优化，以满足不同行业和应用场景的需求。凭借对市场动态的敏锐洞察、对行业的深刻理解，以及多年积累的定制化和高效的解决方案，我们与众多优质客户建立了长期稳定的合作关系，赢得了广泛的荣誉和认可。公司具备明显的竞争优势，具体如下：
　　1.自主研发能力与核心技术积累优势
　　公司自成立以来一直重视自主创新，不断提高公司技术、产品的核心竞争力。近3年公司研发投入分别为20,224.50万元、21,695.99万元、25,507.62万元，占营业收入的比例分别为21.43%、23.81%、20.10%。持续的研发投入为公司在机器视觉领域积累了一批创新性强、实用度高的拥有自主知识产权的核心技术。截至报告期末，公司累计获发明专利181项、实用新型专利709项、外观设计专利61项，软件著作权151项，其他2项。公司近几年被评为“国家级制造业单项冠军企业”“国家知识产权示范企业”“高新技术企业”“国家级绿色工厂”，获批建设“国家博士后科研工作站”“广东省博士工作站”“广东省奥普特机器视觉工程技术研究中心”“广东省重点实验室”“广东省企业技术中心”“东莞市机器视觉重点实验室”等高水平创新研发平台；同时斩获“机械工业科学技术奖二等奖”“广东省制造业企业500强”“广东省科技进步二等奖”“广东省机械工业科学技术奖一等奖”“广东省机械工程学会科学技术一等奖”“广东省制造业单项冠军产品”等奖项，并入选了广东省产教融合型企业。上述专利和行业认定涵盖了公司产品的各个关键技术领域，体现了公司在技术研发及设计环节的核心竞争力。
　　公司长期致力于机器视觉领域硬件和软件的技术研究、产品开发及应用拓展，在成像和图像处理分析两大技术领域，积累了一定的核心技术，具备从研究成果向工程应用快速转化的技术能力体系，包括技术顶层设计能力、产品规划设计能力、各产品线的基础技术和底层算法、产品创新优化能力等，大量机器视觉应用案例，不断从应用侧传递需求信息，对下一代产品的研发设计以及当前产品的快速持续优化形成了强有力的支撑。同时，公司基于光学技术的领先优势，在原有图像传感器的技术积累上，逐步延伸工业传感器技术。公司依托强大的研发团队及自研能力，将持续保持产品的高速迭代，牢牢把握市场需求方向。
　　2.团队优势
　　公司一直以来始终重视人才队伍的培养和建设，不断引进高端人才，形成不断扩大的优秀研发团队与深厚的人才储备。截至2025年12月31日，公司研发人员979人，占公司总人数比例为30.71%。公司研发团队的专业覆盖面广，包括光学、工业设计、计算机等专业，充分满足了本行业技术研发的需要。公司董事长卢盛林先生在华南理工大学获得博士学位，多年来一直专注于机器视觉技术研究及产品开发。公司的经营管理团队多年来专注于机器视觉领域的研究开发、生产、销售与财务等工作，精通技术，熟悉市场，自公司成立以来一直保持稳定状态。公司大客户团队，与行业大客户密切配合，对保持客户粘性及技术延续性发挥了重要作用。稳定、优秀的团队为公司的核心竞争力奠定了良好的基础。
　　3.自主产品在各产品线布局的优势
　　经过二十年的沉淀，公司已经形成了较为完备的机器视觉核心软硬件的产品体系，并逐步建立工业传感器产品体系。奥普特拥有完整的机器视觉核心软硬件产品，自主产品线已全面覆盖视觉算法库、智能视觉平台、工业AI、光源、光源控制器、工业镜头、工业相机、智能读码器、3D传感器、测量系统、工业传感器产品。公司已经完成的自主产品的布局，为公司在日后的竞争和发展中，提供了显著的竞争优势。
　　4.行业应用经验和数据积累优势
　　机器视觉的下游应用非常广泛，几乎涉及国民经济的方方面面。即使在某一具体领域的应用，也会因下游的生产工艺、被摄对象的具体材质特点等不同，而有较大差别。因此，完善的机器视觉解决方案对下游客户而言至关重要。而设计有效的机器视觉解决方案，需要大量的行业应用经验积累，绝非一朝一夕所能形成。公司在机器视觉领域深耕多年，特别是在3C电子、锂电等行业，公司与国内外知名设备厂商和终端用户保持着长期稳定的合作，拥有丰富的机器视觉产品的设计、应用案例库。深厚的案例积累，奠定了公司在相关领域的优势地位，形成了较高的技术壁垒，能有效保障公司在行业内的竞争优势，并为公司不断扩大产品应用范围、持续提升市场份额提供了有力支撑。此外，工业AI将深刻改变机器视觉行业的技术发展，而行业数据是工业AI技术的基础。工业AI需要通过大量数据对人工智能模型进行训练，不断对模型进行调校和优化，最终使机器能够像人类一样自动作出判断并达到满足实际应用要求的准确率。公司经过多年的专业化经营，在3C电子、锂电等行业积累了大量的数据，有助于公司迅速对模型进行调校和优化，提高模型输出结果的准确率和响应速度，在机器视觉的工业AI技术领域抢占发展的高地。
　　公司通过大量行业方案积累，逐步开始建立分行业方案、产品、交付的标准化。目前公司机器视觉解决方案广泛应用于3C电子、锂电、汽车、半导体、光伏、食品、医药、烟草、物流等多个行业。
　　5.客户资源与品牌优势
　　公司依托多年深度积累的解决方案能力及优秀的产品品质、大规模的交付能力、及时有效的服务模式，将产品成功应用于全球知名企业和行业龙头企业的生产线中，获得客户的高度认可。公司基于与知名客户长期稳固的合作关系，在保持原有产品和领域良好合作的同时，不断在新产品、新项目上开展合作。同时，公司与知名客户合作提高了企业品牌知名度，也可借此赢得其他潜在优质客户的认可从而获取更多订单。
　　6.快速响应优势
　　公司一直将快速响应作为提升服务效率、创造客户价值的关键因素。依靠多年积累的丰富的研发、制造经验、扁平化的管理体系、完善的质量控制体系，在识别客户需求、制定解决方案、组织生产、提供技术服务等方面均形成较为明显的快速响应优势。对于常规的视觉项目，公司提出的快速服务时效标准为在客户提出需求之后30分钟内响应客户，2小时输出标准方案，定制方案3天交付。能对下游客户严苛的供货需求进行快速回应、快速解决和快速反馈，高标准满足客户的需求，进一步强化了公司与客户之间长期稳定的业务合作关系。
　　(二)报告期内发生的导致公司核心竞争力受到严重影响的事件、影响分析及应对措施
　　(三)核心技术与研发进展
　　1、核心技术及其先进性以及报告期内的变化情况
　　公司始终秉承以产品和技术为核心的经营理念，并取得了显著成就。报告期内，公司研发投入达到25,507.62万元，占营业收入比例为20.10%。通过不断加强与客户的技术交流，公司在产品创新上取得进展。
　　公司以视觉算法和光学技术为核心，开发了机器视觉底层算法、平台软件，以及光源控制和光学模组等核心组件。核心技术包括工业AI算法、传统视觉算法、3D视觉算法、光源控制和光学成像等。公司重点发展工业AI技术、3D处理与分析技术、图像感知和融合技术、图像处理分析的硬件加速等视觉前沿技术，并持续在光源及其控制技术、镜头技术、智能相机技术、视觉处理分析软件技术方面进行强化，同时拓展智能感知和融合技术、智能数据处理与分析技术等传感器技术，以及高端超精密运控部件驱动及驱控一体技术等，加强公司在自动化核心零部件领域的产品竞争力。
　　同时，结合多年积累的机器视觉在各下游行业应用的专有技术（Know-How），公司构建了包括基础核心技术、技术平台、应用技术在内的多层次的技术体系。
　　（1）视觉软件产品线：在全球化的应用需求中，奥普特持续推进全球化战略，凭借领先的机器视觉技术与视觉软件产品解决方案，实现了从国内市场到海外市场的视觉应用落地，产品与服务已覆盖多个国家和地区，标志着奥普特正式迈入国际化发展的新阶段。视觉软件核心产品：DeepVision工业AI软件、SmartWorks通用视觉软件和SciVision算法包持续进行了多项技术升级与产品迭代。
　　①公司通过持续技术创新，构建起更智能、更易协同的工业AI生态平台，聚焦工业场景核心痛点，持续优化产品性能与应用体验，降低AI技术落地门槛。其中，公司工业AI在算力资源有限的场景下，可实现算力成本的有效管控，兼顾运行效率与成本优化；同时依托通用大模型、智能标注等核心技术，成功破解工业AI部署周期长、应用门槛高的行业难题，加速AI技术在工业领域的规模化应用。
　　DeepVision3以视觉模型为核心基础，以通用大模型与场景大模型建设为阶段性目标，深度洞察工业质检全流程需求，持续构建“视觉+大模型”双引擎体系，全力推动AI质检技术的快速落地。基于基础模型与工业应用需求深度结合，公司研发出无需标注训练、可直接推理的通用模型，并将其封装为标准化工具，实现“开箱即用”，大幅降低用户操作难度与应用成本。针对缺陷样本稀缺这一工业AI领域的根本性难题，公司创新推出良品学习技术，实现零缺陷样本落地应用——仅需提供正常样本，无需进行缺陷标注，即可完成像素级精准缺陷定位；依托OPT视觉大模型，还可进一步对检出的异常进行分类识别，从明确NG品到精准判定具体NG类型，AI模型可完成全流程智能分析，大幅缩短缺陷样本准备与模型训练周期，显著拓展了产品在多样化复杂工业场景下的适用性。
　　针对复杂场景下样本收集周期长的行业痛点，公司基于自主研发的大模型，推出DeepSG样本生成软件，可快速生成高仿真工业场景图像，有效缩短样本收集周期，加速AI模型的落地应用。同时，全新推出DeepVisionCloud云端版本，打造工业AI云端协同体系，大幅提升项目协作效率，支持百度云、阿里云等主流云服务器部署，配备全面的数据管理与权限管控功能，确保工业数据的安全性与合规性。与DeepVision3单机版相比，云端版本实现云端资源及算力的最优调度，支持软件线上一键升级、多人项目协作、标注协同，可实现跨设备、跨厂区的数据上传与模型自动部署，构建起集项目管理、数据管理于一体的综合性工业AI平台；支持边缘设备统一管理，打通数据孤岛，实现云端自动采集现场数据与设备远程管控。在功能特性上，新增基于大模型的自动批量标注工具，通过先进AI跟踪和聚类算法对数据集执行自动化批量标注，标注效率与精准度大幅提升，有效降低人工标注成本，进一步优化用户应用体验。与此同时，拓展软件生态，支持与SmartWorks融合，打通现场端与DeepVision3数据链路，实现模型自动迭代升级；完善模型生态，支持多硬件平台训练与部署，可直接部署至智能相机；通过深度适配与调优，进一步提升模型在不同硬件平台的运行效率。
　　②全新推出SmartWorks通用视觉软件，立足工业制造全流程智能化需求，打造集1D、2D、2.5D、3D、AI、视频、运控于一体的ALLINONE全功能视觉平台，全面覆盖用户功能拓展、设备升级改造等核心应用场景，为用户数字化转型提供一站式技术支撑，助力提升产业核心竞争力，契合AI+工业制造全链路赋能的行业发展趋势。
　　在架构设计上，软件实现全面升级，创新采用通讯、标定、流程独立模块化架构，打破传统架构壁垒，大幅提升应用部署与运维的高效性、便捷性，同时实现软硬件解耦，为后续功能迭代与硬件适配预留充足空间，保障系统长期稳定运行。
　　编程模式实现突破性创新，首创引导式零代码编程模式，以“可视化配置替代代码开发”，将复杂底层代码封装为可直接操作的模块，彻底降低用户使用门槛，无需专业编程能力，即可快速完成应用搭建，有效解决工业用户“技术能力与数字化需求不匹配”的核心矛盾。
　　智能性体验全面升级，新增AI助手功能，全面支持AI编程、AI对话、AI翻译等辅助应用，深度融合AI技术与工业视觉场景，助力用户高效完成复杂操作，推动应用过程更智能、更高效，契合制造业智能化升级的核心需求。
　　可读性与实用性进一步提升，新增方案管理与采集管理模块，采用可视化、模块化设计，操作界面更友好、功能覆盖更全面，实现项目全流程可追溯、可管理，提升用户操作体验与管理效率。
　　在项目实践落地中，软件创新推出可量化软硬件一致性模块，聚焦相机自动聚焦、FOV视野调试、光源亮度校准、相机垂直度调整等关键环节，实现硬件与软件深度融合的可量化一致性调试，有效解决工业视觉应用中硬件适配不稳定的行业痛点，在成像调试、机台复制及规模化量产等场景中发挥显著作用，助力用户提升生产效率、保障产品质量，彰显产品核心实用价值。
　　③SciVision产品从多维度全面升级，围绕精度、性能、应用场景三大核心维度持续优化，进一步提升产品运行的稳定性与可靠性，为市场应用提供更坚实的技术支撑。在核心性能上，产品在抗干扰性、场景泛化性方面实现关键突破，可适应复杂工业环境下的多样化应用需求，降低环境因素对处理结果的影响；3D重建领域，优化三维源数据处理能力，可高效完成孔洞填充、原始数据还原，同时支持根据指定三维姿态进行数据姿态校正重采样及三维视图转换，大幅提升三维数据处理的准确性与完整性。
　　标定拼接功能持续升级，可实现360度全局标定拼接、厚度标定及2D与3D联合标定等多元化功能，适配多场景标定需求，有效打破应用局限，为各类工业场景落地提供有力保障。OCR算法性能大幅提升，识别率与鲁棒性显著增强，通过采用通用模型提取特征，确保识别结果的稳定性与一致性；新增OCV字符缺陷检测算法，可精准检测字符位置度及字符缺失、拖影、多墨、少墨等各类缺陷，填补字符检测领域的功能空白；新增尺度匹配算法，支持不同尺度变换目标的精准匹配，具备更优的匹配率与运行效率，适配更多复杂匹配场景。
　　算法体系进一步完善，新增高级找直线、找点、找圆等算法，可适配更多复杂工业场景，实现目标的精准定位，提升检测与定位的准确性；3D预处理环节新增半径滤波、平滑滤波、自适应高度筛选等功能，助力用户高效去除数据噪声、平滑三维数据，为后续处理环节奠定坚实基础，三维图像颜色渲染更加细腻使得更易分辨表面缺陷；AI算法环节新增智能AI找边，可添加标签，更细致区分边的定义；注册字符检测和注册分类，无需训练，单一样本注册后即可准确检测。检测定位能力持续强化，搭载高阶多项式拟合、FFT周期性数据检测、RGBD分割及抓取点分析计算等功能，可灵活适配各类工件缺陷检测及复杂包裹抓取等场景，全面覆盖工业生产全流程需求，进一步拓宽产品应用边界，提升市场竞争力。
　　（2）工业相机产品线：公司通过持续技术创新与产品迭代，完成现有产品性能升级优化，实现多品类新产品落地突破，产品竞争力持续提升，具体进展如下：
　　①现有产品系列深度升级，核心性能显著提升
　　公司完成CC（小面阵）、CH（高速/大面阵）、CL（线阵）、CM（多光谱）四大主力产品系列全面迭代，巩固市场核心优势：
　　a.效率与功能强化：新增超频采集、存储采集等核心功能，硬件不变情况下，采集效率提升约45%，显著提升工业检测节拍。
　　b.成像质量优化：引入CCM自适应、动态降噪等先进ISP功能，优化复杂光照与噪声环境下的成像效果，保障严苛工况下稳定出色表现。
　　c.结构设计创新：推出CC系列新一代紧凑型结构，支持多面安装、提升散热效率，更好适配狭小空间与复杂安装场景。
　　d.专业线阵拓展：推出多款高色彩还原性真彩线阵相机，优于传统伪彩相机，满足精准颜色检测需求，集成FFC、不定长采集、分时频闪等专业功能，拓宽应用场景。
　　②新产品矩阵不断完善，应用维度持续拓宽
　　公司积极推进新产品落地，推出一系列创新产品，实现性能、功能与形态多元突破：
　　a.光谱范围延伸：CM系列新增UV相机，搭载PregiusS技术的传感器技术，可在UV波段（200nm～400nm）清晰捕捉运动物体影像，适用于半导体缺陷检测、回收拣选等高速场景，CM系列实现200nm~1700nm光谱全覆盖，满足各类工业特殊光谱的应用。
　　b.接口与带宽突破：CH系列、CL系列分别推出双USB3.0、双10GigE(SFP+)接口相机，带宽翻倍、采集速度提升（如8K线阵相机行频达200kHz），满足高速高精度检测需求。
　　c.智能采集与处理：推出CXP-12接口智能采集卡，最大传输速率50Gbps，卡端可直接实现抽行组帧、Blob分析等图像处理功能，提升效率并降低CPU占用率，实现降本增效。
　　d.小型化与集成化创新：推出CB系列板级相机，集成高清CMOS传感器与处理模块，分辨率130-600万像素，支持标准接口及传感器与主板分离设计，适配空间苛刻场景；预研集成式相机，采用“相机+光源控制+镜头对焦控制一体化”设计，降低客户集成复杂度，提升部署效率与检测稳定性。
　　通过上述布局，公司工业相机产品线在性能、光谱、接口、形态及智能化方面实现关键进展，为广泛工业视觉应用场景提供坚实产品支撑。
　　（3）智能相机产品线：公司始终以技术创新为核心驱动力，构建更智能，更易协同，更具场景适配性的工业智能相机产品体系，聚焦工业场景中部署流程繁琐、场景适配性弱、用户操作门槛高的核心痛点，持续打磨产品性能、优化应用体验。
　　公司对配套软件进行全栈式迭代升级，产品以模块化架构设计、引导式交互体系为核心支撑，深度整合定位、测量、目标识别、缺陷判断与数据全链路追溯等核心功能模块，可根据不同行业、不同场景的检测需求灵活组合、无缝协同。交互层面，采用流程化、引导式人机交互设计，将复杂工业检测应用拆解为标准化配置流程，结合场景化引导、智能化参数推荐与实时化结果反馈，显著降低用户学习成本与现场部署难度。
　　在此基础上，产品进一步融入标准化AI应用体系，支持相机内小样本训练，依托相机内置的轻量化工业AI芯片与自主研发的模型训练框架，仅需少量场景样本即可完成模型的快速训练与精准适配，实现15秒完成从模型训练到现场部署实施，具备极强的场景自适应能力与灵活扩展性，可快速适配多品类、小批量、高切换的复杂工业检测需求，进一步强化公司在智能视觉终端领域的技术领先性与产品竞争力。
　　针对半导体行业高要求的特殊检测场景，公司专项研发推出半导体行业专用智能相机SCD3，通过定制化技术创新与深度研发，打造贴合半导体的专属检测解决方案。采用定制化光源设计，集成条光与同轴光四色光源系统，可根据表面材质与具体检测需求，自动调节光源角度、光源颜色，确保成像的清晰度、稳定性与一致性。同时，搭载半导体专用识别算法，覆盖全类SEMI字符，采用特征增强与抗干扰算法，有效过滤检测环境中的噪声干扰，实现字符识别的高精度、高鲁棒性，识别准确率达到行业领先水平。
　　公司将持续聚焦工业智能化升级趋势，以技术创新为核心，持续推进产品的标准化、智能化、集成化升级，加强与上下游产业链的协同创新，推动智能相机与工业机器人、物联网、大数据等技术的深度融合，打造更具协同性、更适配复杂场景的工业智能检测解决方案。
　　（4）智能读码器产品线：智能读码器以AI+硬件协同创新为核心战略，聚焦核心性能突破及复杂场景适应性提升两大方向，在图像处理、动态识别、多场景兼容性等方面取得显著进展，为工业自动化读码场景提供更高效、更智能的解决方案。
　　硬件性能突破，双芯协同与高速动态识别，采用FPGA+ISP（图像信号处理器）协同设计，实现图像预处理与解码算法的并行计算，图像质量提升40%，噪声抑制能力显著增强。推出小型智能读码器IDS3，较上一代产品体积缩小40%，大幅节省安装空间，可适配紧凑产线及狭小安装场景。搭载新一代AI处理芯片，动态读码速度突破60帧/秒，支持最高3米/秒移动目标的实时识别。
　　技术融合创新，AI驱动场景自适应优化，搭载AI模型，智能分析场景特征，自动匹配最优解码参数，调谐成功率提升30%，调试时间缩短50%，加速现场部署效率。复杂场景适应性增强，自动判断码制类型，修复模糊、残缺或低对比度的条码，可修复缺失30%以上的条码信息。在强光、反光、低光照环境下，通过噪声抑制和图像增强技术，仍保持99.99%以上解码稳定性。
　　OCR+AI多模态识别，覆盖多行业字符特征。支持用户自定义多目标识别区域，AI并行处理不同区域数据，单帧处理时间低于50ms，应用场景扩宽至物流分拣、医疗标签等需多字段同步解析的领域。
　　奥普特将持续聚焦客户痛点，深化AI与硬件协同创新，以技术创新为核心驱动力，不断提升智能读码器的综合性能与应用价值，向更多具有高难度读码需求的行业渗透。
　　（5）3D产品线：3D相机持续在“高精度、高速度、复杂工况适应性、成本最优化设计”等产品核心竞争力上，进行了多项技术开拓和升级。高精度：光学-结构-算法协同优化，线性度达±0.01%，温漂<0.3像素；高速度：FPGA+GPU加速实现18kHz超高帧率；复杂工况适配：升级HDR算法及光晕过滤技术，增强多材质扫描能力；成本优化：多款零部件进行了国产化探索，保障性能同时降本增效，强化供应链安全。
　　①线激光3D相机：全新发布的标准款LPE2系列，具备超广视野，硬核算力，视野全面覆盖10mm-2600mm，打破传统检测局限。针对最大2600mm的超大视野需求（如大型板材切割、汽车钣金等），单机即可完美覆盖。彻底告别多机拼接，消除拼接带来的精度损耗，为大尺寸工件检测提供终极一站式解决方案。搭载硬核FPGA边缘计算，扫描帧率高达18kHz。结合亚像素中心点提取算法与3200点阵高精布局，X轴数据间隔精细至3.2μm，Z轴重复精度高达0.3μm。优化进阶款LPF2系列相机现已全面量产，深度优化成像质量与测量精度，攻克实际项目落地中的核心痛点，大幅提升在复杂工业现场的应用表现。采用无控制器一体化设计，全画幅帧率可达3000Hz。在保证高性能的同时，直接省去外置控制器采购费用，使整体部署成本直降40%以上。超高性能款LPH2系列研发样机已顺利完成，以6400点阵的极致参数，强势完善在高精度、高性能领域的矩阵布局。同步前瞻规划四激光涂胶系统等标准解决方案，持续丰富线激光的完整产品生态。
　　②条纹结构光系列：结构光3D相机全新发布了双/单投影条纹结构光3D相机，推出了迭代产品，采用自研高精密条纹生成技术，GPU异构计算平台等技术设计，精度突破0.1μm级别；规划小型化结构光3D相机，适配更多的携带式应用和机器人联动场景；计划推出四投影结构光3D相机，进一步提高成像完整性和成像还原度，达到细分行业以及难点方案的突破；小视野多角度，大视野高精度，小型化多自由度，作为高精度的结构光产品，提升了产品矩阵的多场景适应性。
　　③双目散斑结构光系列：全新发布了大视野LSA1系列，最大视野可达3.4*3.1*2米，以及配合机械臂或机器人手部的短工作距离0.5米款，采用自主研发的红外激光散斑成像算法，自带彩色相机，既能高精度还原3D点云，又能通过融合2D彩色图像，增强3D点云的真实还原度，专门适配包装段的拆码垛和大件物流物品的抓取上料、体积测量等应用，并规划超大视野款，工作距离达到4m,可适配重工业以及大型仓储的3D需求。
　　此外，奥普特布局了智能机器人配套的微型化双目散斑相机、TOF感知相机；其中TOF感知相机已经推出，自带智能避障算法，可直接识别障碍物，并输出IO信号供机器人执行避障感知等。
　　（6）镜头产品线：报告期内，公司持续完善机器视觉镜头产品体系，加大在高精度视觉检测领域的研发投入，推动镜头产品在不同视野范围及多光谱应用场景中的技术布局与产品迭代，进一步拓展机器视觉镜头的应用边界。
　　在定焦镜头产品线方面，公司围绕不同工作距离及视野范围需求持续丰富产品系列。公司推出CCD系列微距定焦镜头，主要面向中小视野高精度检测应用场景，在不增加接圈的情况下实现较短工作距离条件下的高性能成像能力；推出CBA系列长工作距离定倍镜头，通过接圈组合实现不同倍率成像，满足长工作距离条件下的高精度视觉定位与检测需求；同时，公司持续推进CGF系列1.2英寸大靶面定焦镜头的研发与产品布局，进一步提升标准定焦镜头在大靶面图像传感器应用中的适配能力。
　　在多光谱视觉成像方面，公司持续推进机器视觉镜头在近红外及短波红外波段的产品布局。报告期内，公司推出VisNIR系列近红外定焦镜头，可覆盖可见光至近红外波段应用；同时推进VisSWIR系列短波红外定焦镜头的研发，实现可见光至短波红外波段的成像能力拓展，以满足半导体检测、智能交通等领域对多光谱视觉检测的应用需求。
　　在显微成像产品方面，公司持续推进工业显微视觉光学组件的研发，推出Octopus工业显微镜系列产品，包括显微物镜、管镜及照明模块等关键组件，主要面向半导体检测等高倍率显微成像应用场景。
　　总体来看，报告期内公司推出的微距镜头、长工作距离镜头、大靶面定焦镜头、近红外镜头、短波红外镜头及工业显微物镜等系列产品，均针对传统定焦镜头难以覆盖的应用场景进行技术开发与产品布局，进一步完善公司机器视觉镜头产品矩阵，持续提升公司在高端机器视觉成像光学领域的技术竞争力。
　　（7）光源产品线：光源产品线于技术创新、优势打造及市场拓展方面表现极为亮眼。在技术创新上，聚焦光学性能极限突破和场景适配精准优化，取得重大进展：
　　①具备颜色切换功能的光纤光源，融入先进色彩编码技术与智能控制器调控，能高速且精准地变换多样色彩，为视觉检测打造灵活照明方案，兼容性大幅提升。
　　②多分区编码光源精准锚定多种检测场景需求，推出环形与球积分等多种经典构型。凭借先进的8分区控制技术，集成式控制模块，可对不同区域光照进行独立且精准的调控，满足复杂多变的检测照明要求。
　　③高均匀照明灯箱通过精密的光学结构布局和优化的反光材料运用，能够有效消除光照死角和明暗差异，实现整个照射区域内光照强度的高度均匀分布。在工业检测中对产品表面缺陷的精准识别，高均匀灯箱都能凭借其卓越的均匀性表现，为各类专业应用提供稳定、可靠且高质量的光照环境。
　　④高亮相位偏折条纹光源采用控制集成一体化设计，结构紧凑，操作简单。支持常亮和增亮频闪两种模式，触发频率达200Khz以上，能够快速生成横向、纵向条纹图案，条纹图案的宽度、间隔、偏移参数可自由设定，通过线阵相机扫描与相位偏折算法实现高精度三维形貌检测，可精准检测物体表面微观变形与细小瑕疵特征。
　　这些创新成果为公司光源产品线培育出独特的竞争优势。依托深厚的技术积淀、不懈的研发投入以及精准的市场研判，构建起覆盖多领域、多场景的多元产品矩阵，可精准契合不同客户的个性化诉求。
　　（8）传感器产品线：传感器业务持续深化技术引领与市场拓展，以智能化升级与场景化解决方案为核心，驱动精密检测迈向新高度。公司围绕核心产品线进行了关键性迭代与创新应用，进一步巩固了技术优势并拓宽了应用边界，传感器产品已成功覆盖锂电制造全工艺流程,从极片涂布到电池组装的完整工艺链都能提供定制化、一体化的解决方案。
　　①光谱共焦传感器：实现15um级超薄玻璃尺寸测量能力突破，通过动态补偿算法与点云重建技术，构建起面向曲面、异形等复杂玻璃结构的全自动尺寸检测体系，形成涵盖高精密测量传感器、工业AI分析算法软件平台及闭环控制模块的软硬件一体化生态，为新能源电池隔膜、柔性显示面板等高端制造领域提供量产级解决方案。
　　②四级安全光栅：推出了软件可视化提高调试效率，轻量化配置工具支持现场快速部署，大大缩短了设备安装与调试的时间。
　　③激光位移传感器：全新推出PL-G2系列基础高速款与PL-G1系列基础低速款激光位移传感器，满足了不同行业、不同场景下的多样化测量需求，形成了高低搭配、性能互补的产品矩阵。
　　PL-G2系列基础高速款激光位移，具备3KHz的高响应频率与±0.1%F.S.的线性精度。同时，该系列支持RS485通讯、EtherCAT通讯模块、模拟量和开关量输出等多种通讯与控制方式，可灵活适配不同产线的自动化系统。其搭载的FPGA边缘计算技术，将核心算法固化到FPGA芯片中，实现了并行运算处理；激光自动调谐技术则可根据被测物体的材质、颜色等特性，自动调整激光亮度，确保在复杂工况下的检测精度。可广泛运用于锂电、3C电子等行业。
　　PL-G1系列基础低速款激光位移，在保持与PL-G2系列同等精度的基础上，通过降低采样频率实现了成本控制，具备更高的性价比，进一步完善了公司激光位移传感器的产品线布局。
　　④白光颜色传感器：全新发布EC-G2系列，该产品的采样频率可达6KHz，最多可分辨24种颜色，DO输出支持多达15种颜色信号，同时还可输出颜色的RGB数值，为客户提供了更加丰富的颜色检测数据。此外，EC-G2系列支持RS-485通讯方式，可实现与自动化系统的对接；光斑尺寸可根据检测需求灵活调节，适配不同尺寸的被测物体。该系列产品配置了自学习功能，可长期稳定检测。当工件发生倾斜、距离改变、颜色不均等状态变化时，传感器能够自动调整检测参数，确保检测结果的长期稳定性，有效避免了因工件状态变化引起的误动作，为食品包装、纺织印染等行业的颜色检测提供了智能、可靠的解决方案。
　　⑤光电传感器：已完成光电传感器全系列产品的研发与推出，构建了覆盖对射、漫反射、背景抑制等多种类型的产品体系。其中，对射光电传感器的最远检测距离可达30m，能够满足大型生产车间、物流仓储等场景的长距离检测需求；背景抑制型传感器采用先进的光学滤波与算法处理技术，可不受目标颜色以及背景颜色的干扰，实现对物体的精准检测。全系列光电传感器具备超强的环境适应性，可在恶劣的光照环境下稳定运行，完美适配视觉系统工位的检测需求。
　　⑥3D线光谱共焦传感器：全新导入3D线光谱共焦传感器产品线，包含斜轴LSC-F系列和同轴LSC-X系列。该产品打破传统线激光技术的局限，实现了对全材质表面的精准测量。可满足镜面反射、透明透射、黑色吸光等材质的高精度检测需求，如晶圆表面检测，胶水厚度测量等。该产品一次扫描物体表面，即可构建多个2D和3D数据，精确识别缺陷检测和产品质检。最大线长可达18.5mm，z方向量程6mm，能够一站式检查工件连接牢固性。最高精度可达1um，最大扫描速率35000Hz，单次扫描即可获取一条线上数千个点的3D数据，扫描速度可达数万线/秒，满足高速产线需求。
　　（9）测量系统产品线：
　　面向工业检测高精度、智能化核心需求，整合光学测量与多传感器融合技术，涵盖光谱共焦、3D线激光、2D相机、结构光等多元感知模块，结合深度视觉算法，打造全场景高精度智能检测解决方案。
　　一键测量传感器全新发布SFA1、SFB1、SFP1三系列机型，视野范围覆盖6mm–400mm，实现从超精密元器件到中大型工件的全域测量覆盖。产品搭载双倍双远心镜头与畸变校正算法，集成亚像素处理与毛刺过滤算法，稳定实现微米级测量精度；通过高精度直线电机驱动平台，结合双视野切换及图像拼接算法，实现大尺寸产品的一次性高精度拼接测量（最大可测量范围高达400x300mm)，并行测量及飞拍技术大幅缩短检测周期，全面提升批量检测效率。高度测量搭载光谱共焦传感器，最小光斑2μm，满足半导体产品深度检测需求，传感器测量采样频率最高可达10KHz，实现高效测量的同时不受材质和形状的限制进行稳定测量。新一代机型采用模块化架构与柔性化设计，支持传感器、运动平台、软件功能灵活组合，满足不同行业定制化需求；视觉系统支持多种光照明组合，完美适配复杂表面特征检测。系统支持一键测量、无需编程、兼容CAD图档直接导入，广泛覆盖3C、电子、汽车零部件、半导体等核心制造场景。
　　对射测量传感器全新发布SA系列机型，视野范围最大覆盖120mm，搭载2000万全局相机，测量精度高达±1μm，测量产品覆盖范围更广、精度更高。同时与独特的平行光路设计搭配，实现景深最大30mm内仍可清晰成像；以15μs超快曝光时间的优势解决了产品需要高速移动测量的问题。产品适配卧式旋转平台，在满足在线智能测量的同时，也提供离线立卧式测量整套解决方案。以高精度、高效率、易安装为核心优势，全面覆盖工业智能尺寸测量需求。产品支持多种工业协议与数据格式，可无缝对接MES、ERP系统，实现检测数据实时互通与反馈，构建生产质量闭环管理体系。
　　测量系统产品线与智能相机、3D传感器等产品线形成深度技术协同，以“硬件筑基、算法赋能、集成提效”为核心逻辑，通过硬件技术突破、软件算法迭代、模块化集成与标准化接口设计，持续提升跨场景适配能力，将技术优势高效转化为客户价值，稳步向智能制造质量神经中枢持续演进。
　　2、报告期内获得的研发成果
　　报告期内，公司新增发明专利51项、实用新型专利240项、外观设计专利20项、软件著作权27项；截至报告期末，公司累计获发明专利181项、实用新型专利709项、外观设计专利61项，软件著作权151项，其他2项。
　　3、研发投入情况表
　　研发投入总额较上年发生重大变化的原因
　　研发费用同比增长17.57%，主要系报告期为保持技术领先、客户市场满意度，研发人员薪酬、物料费及股份支付费用增加，同时受并购东莞泰莱影响。
　　4、在研项目情况
　　5、研发人员情况
　　6、其他说明
　　四、风险因素
　　(一)尚未盈利的风险
　　(二)业绩大幅下滑或亏损的风险
　　(三)核心竞争力风险
　　1.技术被赶超或替代的风险
　　公司所处的机器视觉行业属于技术密集型行业，涉及视觉传感器技术、光源照明技术、光学成像技术、数字图像处理技术、模拟与数字视频技术、计算机软硬件技术和自动控制技术等多种科学技术及工程领域学科知识的综合应用。在未来提升研发技术能力的竞争中，如果公司不能准确把握行业技术的发展趋势，在技术开发方向决策上发生失误；或者研发项目未能顺利推进，未能及时将新技术运用于产品开发和升级，出现技术被赶超或替代的情况，公司将无法持续保持产品的竞争力，从而对公司的经营产生重大不利影响。
　　2.核心技术泄密风险
　　经过多年的积累，公司自主研发了一系列核心技术，这些核心技术是公司的核心竞争力和核心机密。如果未来关键技术人员流失或在生产经营过程中相关技术、数据、图纸、保密信息泄露进而导致核心技术泄露，将会在一定程度上影响公司的技术研发创新能力和市场竞争力，对公司的生产经营和发展产生不利影响。
　　3.关键技术人才流失风险
　　公司所处的行业中，关键技术人才的培养和维护是竞争优势的主要来源之一。行业技术人才需要长期积累下游行业的应用实践，以加深对工业自动化、底层核心算法和软硬件结合技术的理解，才能提升产品研发和技术创新能力。同时引进物理学、光学、工业AI、大数据技术等领域的研发人才，有助于行业的技术发展和演进。行业内该等经验丰富的复合型人才相对稀缺。随着行业的变化，对行业技术人才的争夺将日趋激烈。若公司未来不能在薪酬、待遇、工作环境等方面持续提供有效的奖励机制，将缺乏对技术人才的吸引力，同时现有核心技术人员也可能流失，这将对公司的生产经营造成重大不利影响。
　　(四)经营风险
　　1.管理风险
　　公司自成立以来经营规模不断扩大，资产和业务规模在原有基础上有较大的提升，公司人员规模进一步扩大，这对公司在战略规划、组织机构、内部控制、运营管理、财务管理等方面提出更高的要求。如果公司不能适应公司的资产和业务规模的扩大，公司管理层不能持续有效地提升管理能力、优化管理体系，将对公司未来的经营和持续盈利能力造成不利影响。
　　2.产品价格下行及毛利率下降的风险
　　机器视觉行业是近十几年间随着工业的发展而逐步兴起的行业。采用机器视觉技术的下游行业多为发展较快、对自动化水平和产品品质要求较高的行业。随着行业的快速发展，越来越多的企业加入，机器视觉市场竞争日益加剧，整个产业也将逐渐进入成熟期。一般而言，随着产业从成长期逐渐进入成熟期，市场竞争加剧，将导致产品价格逐渐降低。
　　公司目前毛利率处于较高水平，若未来受行业内更多企业加入导致市场竞争加剧、境外品牌降价竞争、原材料价格及人工成本持续上涨等因素影响，未来公司产品毛利率存在下降的风险。
　　3.市场竞争加剧的风险
　　随着智能制造和工业4.0的进程的推进，我国机器视觉行业得到了快速发展。随着本行业以及下游行业持续发展，市场规模的不断扩大，本行业将吸引更多的竞争者进入，市场竞争将日趋激烈。一方面，现有企业扩大生产规模，加强研发和技术投入；另一方面，其他行业的公司凭借资本实力跨行业发展。若公司未来不能持续维持竞争优势，提高自身竞争力，在更加激烈的市场竞争中，公司将面临市场份额下降的风险。
　　4.新产品的研发及市场推广的风险
　　公司已形成了机器视觉领域完整的产品线，并逐步建立工业传感器产品线，同时用并购的方式，扩充运控产品线。但为应对竞争与需求变化，公司还需要持续的研发投入。公司目前有多个新产品处于规划或者研发阶段，并在各下游行业规划研发机器视觉应用方案。一方面，上述在研项目距离实现批量生产和销售还有一定时间，且存在研发失败的风险。另一方面在研项目可能在未来商业化中会面临激烈竞争，出现商业价值低或不及预期的风险，同时，新产品或新方案在客户方面形成一定的偏好及忠诚度均需要一定的时间。因此，公司存在新产品研发失败和市场推广不利的风险，进而对公司未来的业绩增长和盈利提升产生负面影响。
　　(五)财务风险
　　1.应收账款回收风险
　　报告期末公司应收账款账面价值为85,989.30万元，占当期总资产的比例为24.18%，应收账款占总资产的比例较高。如果宏观经济形势、行业发展前景发生重大不利变化或个别客户经营状况发生困难，则公司存在因应收账款难以收回而发生坏账的风险。如若客户信用风险集中发生，则公司将面临营业利润大幅下滑的风险。
　　2.存货跌价风险
　　报告期末公司存货账面价值为29,263.41万元，占当期总资产的比例为8.23%。若未来市场环境发生变化或竞争加剧导致产品滞销、存货积压等情况，将造成公司存货跌价损失增加，对公司的盈利能力产生不利影响。
　　(六)行业风险
　　公司主要客户群体集中在3C电子、锂电等行业，由于3C电子、锂电等行业的市场需求受宏观经济及政策等多方面因素的影响，具备较为明显的周期性。若未来出现宏观经济下滑、扶持政策力度下降等不利因素，同时如果公司不能进一步拓展其他应用行业的业务，可能出现收入及利润增速放缓甚至下滑的风险。
　　(七)宏观环境风险
　　随着全球经济周期的变化，经济增长速度放缓可能会导致市场需求疲软，直接影响制造业的生产和投资。若未来国家宏观经济环境发生重大变化、经济增长速度放缓或下游行业需求出现周期性波动，公司主要客户因终端需求下滑、调整自身市场计划，或因供应链短缺等原因在自动化业务方面的资本支出放缓，且公司未能及时对行业需求进行合理预期并调整公司的经营策略，可能对公司业务发展造成不利影响。
　　(八)存托凭证相关风险
　　(九)其他重大风险
　　
　　五、报告期内主要经营情况
　　报告期内，公司实现营业收入126,904.02万元，较上年同比增长39.24%。归属于上市公司股东的净利润同比增长36.63%，归属于上市公司股东的扣除非经常性损益的净利润同比增长32.78%。
　　
　　六、公司关于公司未来发展的讨论与分析
　　(一)行业格局和趋势
　　近年来，随着产业结构转型升级、制造业自动化及智能化进程加速，导致产业资本不断涌入机器视觉领域，也吸引了众多初创企业的加入，行业内竞争不断加剧。
　　目前，中国机器视觉市场的参与主体主要有两类，第一类是老牌的外资机器视觉企业（包括在华分支机构和合资企业），第二类是新兴自主研发的内资企业。外资机器视觉企业发展时间长、品牌知名度高、技术研发能力强、产品性能及可靠性高、产品种类及方案积累多，且管理更为完善，对市场判断准确，规划性强。但同时，从产品设计上看，外资企业产品普遍标准化，应对国内客户较多的应用场景及定制化偏好有一定的难度，而且产品价格相对较高，在客户整体成本压力不断上升的环境下处于相对劣势。与外资企业相比，内资机器视觉企业发展时间较短、知名度较低、自主研发高端产品的性能及稳定性与外资品牌还具有一定差距。但内资企业对国内客户需求及市场更为了解，能够提供灵活化及定制化的服务，快速响应客户需求，供货周期短，且成本优势明显，市场份额逐年增长。
　　高工机器人产业研究所（GGII）数据显示，2024年中国机器视觉市场规模181.47亿元（该数据未包含自动化集成设备规模），同比下滑1.97%。GGII预测，2025年中国机器视觉市场规模有望突破210亿元，同比增速超14%，预计至2028年我国机器视觉市场规模将超过385亿元，2024-2028年复合增长率约为20%。
　　机器视觉作为人工智能领域最重要的前沿分支，未来前景十分广阔。随着经济发展及大众生活水平的提升，下游3C电子、锂电、汽车、半导体、光伏等行业市场规模有望持续扩大；其次，基于提升产品性能、降低成本、提高工艺水平的内在需求，下游行业在设备智能化改造、工业级机器人应用等方面的投入将持续增加，机器视觉产品在各下游行业的渗透率将不断提升；同时，机器视觉技术的不断升级、成熟，将促使新产品、新服务的不断涌现，为客户提供更便捷、更高效、更安全的服务，有利于激发新的市场潜力。作为国内目前领先的机器视觉核心零部件供应商，行业规模的持续扩大为公司实现跨越式发展提供了重要机遇。
　　(二)公司发展战略
　　公司致力于成为国际一流的自动化核心零部件供应商，聚焦感知与决策核心关键环节，为客户提供实现自动化所需的核心软硬件产品及解决方案。
　　1.核心技术方面：重点发展工业AI技术、3D处理与分析技术、图像感知和融合技术、图像处理分析的硬件加速等视觉前沿技术，并持续在光源及其控制技术、镜头技术、智能相机技术、视觉处理分析软件技术方面进行强化，同时拓展智能感知和融合技术、智能数据处理与分析技术等传感器技术，以及高端超精密运动部件驱动及驱控一体技术等，加强公司在自动化核心零部件领域的产品竞争力。
　　2.产品方面：不断丰富和完善公司自动化核心零部件产品线。现有视觉软件产品线、3D产品线、智能读码器产品线、工业相机产品线、工业镜头产品线、光源产品线、测量系统产品线，并拓展至工业传感器产品线、运控产品线。
　　硬件方面，持续完善自动化核心零部件硬件产品，满足更广的项目应用需求。在软件方面，持续升级现有的视觉处理分析软件，重点开发3D重构及分析模块、工业AI算法模块，同时拓展工业传感器智能数据处理与分析软件技术以及直驱、驱控一体技术。
　　3.海外市场：公司将继续秉承其在机器视觉技术领域的专业优势，积极把握全球制造业自动化和智能化的发展浪潮，不断加大海外市场的投入，积极开拓海外市场，实现全球布局，以提升公司的国际竞争力和品牌影响力。
　　4.行业方面：公司将持续深入实施市场多元化战略，深化在3C电子和锂电领域的市场领先地位，同时积极拓展汽车、半导体、光伏等行业的市场机遇。
　　(三)经营计划
　　1.经营目标
　　公司致力于成为国际一流的自动化核心零部件供应商，聚焦感知与决策核心关键环节，为客户提供实现自动化所需的核心软硬件产品及解决方案。
　　公司管理层根据既定的发展战略和股权激励计划，制定了明确的业绩目标：以2025年营业收入为基数，公司2026年度营业收入增长率不低于25%。
　　公司上述经营目标不代表公司对2026年度的盈利预测，能否实现取决于经济环境和市场状况的变化等因素，预算的结果存在一定的不确定性。
　　2.研发规划
　　公司自成立以来一直重视产品的技术升级与研发创新，最近三个会计年度累计研发投入占累计营业收入比例达21.58%。经过多年的研发技术积累，公司产品的性能及品质行业领先，并得到国内外一线客户的认可。2026年，公司将继续以下游客户需求为导向，持续加大研发投入，加强与客户在工艺研发方面的合作，增强核心竞争力。重点发展工业AI技术、3D处理与分析技术、图像感知和融合技术、图像处理分析的硬件加速等视觉前沿技术，并持续在光源及其控制技术、镜头技术、智能相机技术、视觉处理分析软件技术方面进行强化，同时拓展智能感知和融合技术、智能数据处理与分析技术等传感器技术，以及高端超精密运动部件驱动及驱控一体技术等，加强公司在自动化核心零部件领域的产品竞争力。继续引进和培养高端人才，扩编研究院和博士后工作站。
　　3.产品规划
　　不断丰富和完善公司自动化核心零部件产品线。完善现有视觉软件产品线、3D产品线、智能读码器产品线、工业相机产品线、工业镜头产品线、光源产品线，并拓展至工业传感器产品线、运控产品线。
　　硬件方面，持续完善自动化核心零部件硬件产品，满足更广的项目应用需求。在软件方面，持续升级现有的视觉处理分析软件，重点开发3D重构及分析模块、工业AI算法模块，同时拓展工业传感器智能数据处理与分析软件技术以及直驱、驱控一体技术。
　　4.市场规划
　　2026年，公司将继续把握市场机遇。
　　（1）优化客户结构：对于大行业战略大客户，采用直销模式，提供全面的解决方案，以深度满足其技术需求，提升公司技术实力并实现规模效应；对中小型客户，探索多渠道销售方式，提供标准化产品及方案，通过较低增量投入扩大市场覆盖面。
　　（2）市场领域拓展：在巩固现有的3C电子、锂电等领域客户的基础上，积极把握半导体、汽车等行业的国产替代机遇，进一步拓展市场空间。
　　（3）海外市场布局：进一步强化和深耕国内市场的同时，积极开拓欧洲、东南亚等海外市场，提升国际化经营能力和品牌知名度。
　　（4）销售渠道与生态建设：加大标准产品销售，拓宽销售渠道。通过生态合作模式链接行业伙伴，实现资源共享与协同发展。
　　（5）工业AI技术驱动：依托工业AI技术进步，推动多场景应用方案落地，持续拓展市场空间。
　　5.人力资源发展规划
　　公司将持续优化人才结构，依托奥普特研究院、奥普特博士后工作站择优引进专业技术人才，加大研发投入，不断提高产品核心竞争力。另外，公司将持续招纳高水平的经营管理人才、市场策划和营销人才，扩充销售服务团队，保障市场开拓和客户服务能力。此外，公司将进一步完善员工绩效考核机制，优化激励机制和分配方式，充分调动员工积极性与创造性，激励人才充分发挥自身优势，增强公司的凝聚力与向心力，保证公司的持续健康发展。
　　6.内部治理结构规划
　　公司将持续按照上市公司的要求，进一步完善法人治理结构，规范股东会、董事会的运作，完善公司管理层的工作制度，建立科学有效的公司决策机制、市场快速反应机制和风险防范机制。通过对组织结构的调整，提升整体运作效率，实现企业管理的高效灵活，驱动组织的高速成长，增强公司的竞争实力。 收起▲

　　一、报告期内公司所属行业及主营业务情况说明　　（一）主要业务、主要产品或服务情况　　奥普特是一家主要从事机器视觉核心软硬件产品的研发、生产、销售的国家高新技术企业。公司以机器视觉软硬件产品为主，依托机器视觉技术向传感器、运动产品线延伸，用先进技术及产品助力客户精益生产、降本增效，快速为客户提供智能、前沿的自动化核心产品及解决方案。奥普特成立于2006年，是我国国内较早进入机器视觉领域的企业之一。在成立之初，以机器视觉核心部件中的光源产品为突破口，奥普特进入了当时主要为国际品牌所垄断的机器视觉市场。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... 查看全部▼

　　一、报告期内公司所属行业及主营业务情况说明
　　（一）主要业务、主要产品或服务情况
　　奥普特是一家主要从事机器视觉核心软硬件产品的研发、生产、销售的国家高新技术企业。公司以机器视觉软硬件产品为主，依托机器视觉技术向传感器、运动产品线延伸，用先进技术及产品助力客户精益生产、降本增效，快速为客户提供智能、前沿的自动化核心产品及解决方案。奥普特成立于2006年，是我国国内较早进入机器视觉领域的企业之一。在成立之初，以机器视觉核心部件中的光源产品为突破口，奥普特进入了当时主要为国际品牌所垄断的机器视觉市场。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其他机器视觉部件。奥普特拥有完整的机器视觉核心软硬件产品，自主产品线已全面覆盖视觉算法库、智能视觉平台、工业AI、光源、光源控制器、工业镜头、工业相机、智能读码器、3D传感器、一键测量仪。同时，奥普特以核心光学技术为基础，加大在先进工业传感器领域的研发投入，持续推出多品类工业传感器；结合资本优势，在运动产品领域进行布局，并购成熟协同企业，拓展产品线。以此为基础，公司能够向下游客户提供各种视觉、传感器及运动部件等自动化核心零部件产品及解决方案，提升客户粘性及公司竞争力。
　　（二）主要经营模式
　　1.盈利模式
　　公司依靠产品和解决方案的研发积累形成的技术体系，为客户提供具有技术附加值的机器视觉、传感器等自动化核心软硬件方案及产品，从中取得收入、获得盈利。
　　2.研发模式
　　公司的主要产品自动化核心零部件是实现智能制造的关键构成部分之一。公司所处行业为机器视觉行业，属于技术密集型行业。研发能力是关系公司在行业内竞争力的核心因素之一。公司的研发主要为基于机器视觉、工业传感器、运动部件等软硬件产品和解决方案的研发。
　　基于机器视觉、工业传感器、运动部件等软硬件产品和解决方案的研发，公司坚持基础研发、产品研发与前瞻性研发并重。一方面公司通过包括对光学成像、图像处理、工业AI、3D视觉技术、异构计算、电子电路及精密结构等技术的研究，为产品研究夯实了技术基础；另一方面，公司也贴合客户需求不断研发改进既有产品，有效地满足客户需求、提升用户体验；此外，公司根据业务发展规划，结合行业发展趋势，进行前瞻性的产品研发和布局。
　　基于机器视觉、工业传感器、运动部件等解决方案的研发包括三个层次。第一个层次是针对客户具体的需求和应用场景进行的方案研发。机器视觉的应用场景千变万化，在实际应用过程中，需要考虑到各种各样的因素，如被摄目标自身的大小、形状，机器视觉所在设备的自身结构、速度等，对机器视觉系统的影响，才能设计出合适、可实现应用目标的方案。第二个层次是从若干客户的各种具体应用场景中对解决方案进行总结研发，提炼出在一定应用场景下相对普适性的解决方案，从而向客户提供更优化、简洁、高效的产品和服务。第三个层次是将应用数据反馈回具体的机器视觉软硬件层面，总结出产品改进和新品开发的路线，促进产品的研发。
　　同时，伴随着公司标准产品销售占比的提升，公司在产品和解决方案研发之外，会兼顾成本控制与流程控制，通过渠道反馈快速迭代标准化产品功能。
　　3.销售模式
　　公司的销售模式以买断式销售为主，主要向行业大客户提供软硬件产品及解决方案。随着公司产品线的持续扩张，公司逐步加大标准产品的销售。在以直销为主的销售模式下，公司未来计划逐步拓展标准产品的区域经销模式。
　　机器视觉是智能装备的“眼睛”和视觉“大脑”，是实现智能制造的重要核心部分。而机器视觉在我国兴起和发展的时间较短，客户对于机器视觉能够实现的功能和能够达到的效果有一定的疑虑；且机器视觉功能的实现受到多种变量的影响，一套高效的机器视觉解决方案的设计需要大量的经验数据，但机器视觉的使用者往往较难积累足够的机器视觉应用经验数据库。因此，在销售机器视觉部件过程中，为客户提供技术服务和支持尤为重要。
　　通过对行业特点的分析，结合公司自身的优势，公司计划未来建立起以向客户提供标准软硬件产品及解决方案的业务模式。未来规划以直销为主、经销为辅，对于大行业战略大客户，公司采用直销模式为主；对于中小型客户，公司以经销模式提供标准化产品和方案。
　　4.采购模式
　　公司的对外采购主要分为两个部分：一部分是生产所需的原辅料，包括五金塑胶件、电子电器件、LED、光学件、PCB（A）、线材、接插件、包装材料等，用于生产自产产品。由于公司自产产品线较多，每条产品线涉及的原材料有较大差别，因此，该部分原辅料的采购具有品种多、单品种采购量较少等特点。另一部分是用于配合视觉方案销售的外购成品，包括部分相机等标准品。该部分采购主要针对的是公司目前产品线或产品型号尚未覆盖的部分。
　　预计随着公司经销模式的逐步运营，公司将推动部分标准化产品原材料的集中采购以降低成本。
　　公司结合销售订单和市场需求预测制定生产计划和发货计划，根据生产计划和发货计划制定原材料和外购成品采购计划。对于交付周期较长的材料和成品、一般通过销售预测确定预计使用量并联系供应商提前进行备货；对于部分生产过程中普遍适用的通用型材料和成品则维持合理的安全库存，保证生产和销售。
　　5.生产模式
　　奥普特拥有完整的机器视觉核心软硬件产品，自主产品线已全面覆盖视觉算法库、智能视觉平台、工业AI、光源、光源控制器、工业镜头、工业相机、智能读码器、3D传感器、一键测量仪。同时，奥普特以核心光学技术为基础，加大在先进工业传感器领域的研发投入，持续推出多品类工业传感器；结合资本优势，在运动产品领域进行布局，并购成熟协同企业，拓展产品线。随着公司产品线的不断丰富和完善，公司自产的产品品种和系列逐渐增多。
　　在产品分类方面，公司根据常用程度和应用范围将自主产品划分为标准产品和非标准产品。这些产品依托公司的应用技术和向客户提供的解决方案进行组合，从而在各种各样的应用场景中，实现各异的视觉功能。因此，在解决方案层面呈现出定制化、多品种、小批量的特点，在标准品层面具有模块化、通用化、大批量的特点。随着行业解决方案的批量应用及深度积累，以及产品线的持续扩充，公司正逐步实现行业方案及产品交付的标准化。
　　在生产模式方面，公司采取以销定产与安全库存相结合的策略，同时兼顾市场需求进行批量生产，以保证生产的稳定性和交付的灵活性。对于常规产品，公司采用“备货生产”模式，即根据历史订单数据、市场趋势及需求等信息进行销售预测，确定安全库存水平。并根据上游供货周期动态调整生产计划，实现快速市场响应。对于常用程度较低、应用范围较窄的非标准产品，公司采用“按单生产”模式，对于用量较大的产品，采用模块化生产，以缩短交付周期。
　　（三）所处行业情况
　　1.行业的发展阶段、基本特点、主要技术门槛
　　公司所处行业为机器视觉行业，机器视觉率先发生和发展在基础科学和技术水平领先的北美、欧洲和日本等发达地区，在全球的发展历史不过半个多世纪。虽然发展时间较短，但在全球范围，以技术革新速度和工业发展之有利形势，机器视觉行业获得了快速的发展。我国机器视觉行业启蒙于20世纪90年代，从代理国外机器视觉产品开始，经历了启蒙阶段、初步发展阶段，目前正处于快速发展阶段。进入21世纪后，少数本土机器视觉企业才逐渐开启自主研发之路。本世纪10年代左右，伴随我国经济的发展、工业水平的进步，特别是3C电子、锂电行业自动化的普及和深入，本土的机器视觉行业获得了空前的发展机遇。
　　目前，中国已经成为全球制造业的加工中心，中国正成为世界机器视觉发展最活跃的地区之一，应用范围涵盖了包括3C电子、锂电、汽车、半导体、光伏等国民经济的各个领域。2024年3月5日，李强总理在作政府工作报告时强调，应“大力推进现代化产业体系建设，加快发展新质生产力”。新质生产力是创新起主导作用，摆脱传统经济增长方式、生产力发展路径，具有高科技、高效能、高质量特征，符合新发展理念的先进生产力质态。机器视觉技术被视为新质生产力的重要组成部分，是实现生产力质变的关键技术之一。在工业自动化系统中，机器视觉技术承担着感知入口、数据承载和行业大脑的角色，是推动制造业高质量发展的核心动力。它不仅提高了生产效率，推动了产业变革，还促进了智能视觉产业的发展，成为新质生产力的重要驱动力。智能视觉产业作为新质生产力发展的重要赛道，其发展具有广泛性、融合性、高附加值和战略性等特点，为经济增长提供了新的动力。因此，机器视觉技术在新质生产力中具有重要的地位和作用。
　　随着技术的不断进步和应用领域的不断扩大，机器视觉技术在新质生产力中的作用和地位将更加突出和重要。
　　高工机器人产业研究所（GGII）数据显示，2024年中国机器视觉市场规模181.47亿元（该数据未包含自动化集成设备规模），同比下滑1.97%。GGII预测，2025年中国机器视觉市场规模有望突破210亿元，同比增速超14%，预计至2028年我国机器视觉市场规模将超过385亿元，2024-2028年复合增长率约为20%。
　　机器视觉行业属于技术密集型行业，跨越多个学科和技术领域，需要在包括成像、算法、软件、传感器等自动化领域积累大量的技术，需要持续的大量研发投入。因此，较高的技术门槛对潜在的市场进入者构成了壁垒。
　　2.公司所处的行业地位分析及其变化情况
　　公司成立于2006年，是国内较早进入机器视觉领域的企业之一。在发展过程中，公司注重技术的积累，奥普特拥有完整的机器视觉核心软硬件产品，自主产品线已全面覆盖视觉算法库、智能视觉平台、工业AI、光源、光源控制器、工业镜头、工业相机、智能读码器、3D传感器、一键测量仪、工业传感器产品。公司产品定位于中高端市场，研发、设计和生产的机器视觉产品已经成功应用于3C电子、锂电、汽车、半导体、光伏等多个领域，协助下游客户建立和增强智能制造能力，并为公司技术发展和应用经验的沉淀提供了有力保证。基于图像传感器的技术积累，公司工业传感器产品线开始初具规模，但整体仍处于起步阶段。公司已建立稳定的客户群体，产品应用于全球知名企业和行业龙头企业的生产线中。随着公司应用行业的进一步扩大以及公司面向不同行业不断推出新产品、不断提升服务能力，公司产品销售规模及市场占有率有望持续稳步扩大。
　　3.报告期内新技术、新产业、新业态、新模式的发展情况和未来发展趋势
　　2025年上半年，机器视觉行业经历了显著的技术革新、产业升级以及新业态和新模式的涌现，这些变化为行业的未来发展奠定了坚实的基础。以下是对2025年上半年机器视觉行业新技术、新产业、新业态、新模式的发展情况以及未来发展趋势的详细分析：
　　（1）新技术发展
　　机器视觉技术通过光学成像与算法分析，为自动化生产设备赋予视觉感知与处理能力，实现识别、测量、定位与检测等功能。作为智能制造的核心驱动力，它融合先进的光学成像和算法分析技术，使自动化生产设备具备强大的视觉处理能力。随着智能制造技术的日益普及，生产企业对高精度质量检测、高效数据处理、精确尺寸测量及深度溯源分析等视觉功能的需求急剧增长，推动机器视觉系统向更高精度与效能的方向演进。行业聚焦于优化机器视觉系统的高精度成像“视力”（即成像清晰度）与智能分析算法，以满足对更高水平自动化生产流程的需求，进而引领智能制造的新一轮变革。
　　①光源技术的多样化与智能化
　　高精度成像技术作为机器视觉领域的核心驱动力，在2025年上半年展现出显著的应用价值，特别是在锂电池检测、3C自动光学检测及半导体制造等高端领域，已成为确保产品质量与提升生产效率的关键。随着智能制造和工业自动化的深入推进，对高精度成像的需求持续攀升，驱动技术在光源、传感器、算法及系统集成等方面不断突破，为智能制造注入新动能。
　　新型光源技术显著提升，激光、LED及混合光源在亮度、稳定性及波长范围上取得突破，满足高精度成像的多样化需求。波长覆盖从紫外（250nm）扩展至近红外（2500nm），适配金属、陶瓷、玻璃等复杂材料。例如，紫外光源在锂电池极片检测中增强微米级划痕对比度，信噪比提升约12%；近红外光源优化半导体晶圆深层缺陷成像，检测深度增加约15%。这些进展得益于光源材料与驱动电路的优化，如氮化镓基LED效率提升与激光器小型化。
　　多光源组合与动态调节技术成为主流，环形光源、同轴光源与背光源通过实时调整角度与强度，显著改善复杂表面的成像效果。在3C产品AOI检测中，多角度光源有效抑制高反光干扰，成像清晰度提升约10%。智能化光源控制系统进一步成熟，基于AI反馈机制自动优化亮度、色温与曝光参数，响应时间从80ms缩短至15ms，确保高速产线的稳定性。智能光源模块通过深度学习算法，动态适配不同材质表面，成像质量提升约8%。这些技术进一步简化了系统设计复杂度，提升了视觉系统的灵活性与可靠性。
　　高精度成像离不开传感器与光学镜头的协同升级。2024年，CMOS传感器在分辨率、动态范围与帧率上持续突破。传感器支持8K分辨率下200fps，结合全局快门技术，减少高速运动场景中的图像畸变，广泛应用于锂电池焊接检测。高感光度传感器提升低光环境下的信噪比，适配半导体晶圆的微米级缺陷检测，检测精度达0.5μm。光学镜头技术同样进步显著。液态镜头与自由曲面镜头的应用，使得相机在不同工作距离与视场下保持高分辨率。奥普特的10GigE相机配备自适应光学系统，支持毫秒级调焦，适配3C产品表面缺陷检测，成像一致性提升约10%。此外，超低畸变镜头结合AI校正算法，减少边缘失真，助力高密度电子零部件的亚微米级测量，测量误差控制在±0.1μm以内。这些技术为复杂工业场景提供了更清晰、更稳定的成像基础。
　　相比传统2D视觉，3D视觉感知在弱光照与复杂环境下展现出更高稳定性与适应性，能够获取空间高度信息，显著提升检测精度。2024年，2D与3D视觉的深度融合成为行业热点，基于AI的多模态数据处理技术推动视觉系统理解复杂工业环境的能力。通过高频结构光投影，实现亚毫米级表面形貌测量，适配机器人抓取与高精度定位任务。在汽车制造中，3D视觉引导焊接机器人完成复杂曲面焊接，定位误差缩小至±0.05mm。AI算法进一步赋能3D视觉，深度学习模型通过融合2D颜色信息与3D几何数据，优化了目标分割与缺陷分类，广泛应用于生物识别、消费电子及工业三维测量。例如，在半导体制造中，3D视觉系统检测芯片上的颗粒污染与立晶缺陷，误检率降低约7%。
　　高精度成像技术在锂电、3C及半导体行业的应用持续深化。在锂电池检测中，高分辨率相机与精密镜头捕捉焊接过程中的针孔、焊坑、毛刺等微小缺陷，确保电池安全性。例如，奥普特XG系列相机在电芯表面检测中识别翻折、划痕与褶皱，检测率达99.8%。在3C电子AOI场景中，高精度成像技术精准提取压伤、破损、色差等不良特征，显著提升质检效率，良品率提高约5%。半导体制造中，AOI设备利用高感光度传感器与多光源系统，检测芯片上的划痕、双胞等缺陷，检测精度达0.2μm，满足7nm工艺需求。
　　②智能分析算法升级和普及
　　传统机器视觉系统依赖常规机器学习与图像分析技术，面临性能瓶颈，准确性、鲁棒性及泛化能力难以满足智能制造日益严苛的高标准需求。尤其在锂电池智能制造等精密工艺中，漏检率需从百万分之一（PPM）提升至十亿分之一（PPB），对传统系统构成巨大挑战。2025年上半年，人工智能技术的迅猛发展极大增强了机器视觉的智能分析能力，深度学习、3D视觉感知与大模型技术的突破显著提升了检测精度与效率，拓宽了应用场景，加速智能制造的转型升级。
　　深度学习的深化应用与优化。深度学习技术在2025年上半年持续突破，成为机器视觉智能分析的核心引擎，特别是在背景复杂、成像多变及频繁换型的场景中表现卓越。在锂电池生产制造过程中，深度学习的视觉检测技术已应用到叠片、模切、卷绕等关键工序中实现高速高效的视觉检测。通过迁移学习与少样本学习，模型训练所需标注图像从数百张减少至50张，标注成本降低90%。增量学习技术的进步使模型更新周期从6小时缩短至1.5小时，适配柔性制造的快速换型需求。通过网络剪枝与量化技术，推理延迟从数百毫秒降至数十甚至数毫秒，支持在嵌入式设备（如NVIDIAJetson、RKNN）或中端CPU上高效运行。
　　深度学习与3D视觉感知的有机结合为机器视觉系统带来革命性的进步。基于3D深度学习的系统能够更精准地识别、分类和定位物体，赋能更广泛的工业制造。基于3D感知获取工件表面的3D形状和表面信息，利用先进的3D深度学习算法精确检测产品缺陷，尤其是依赖2D视觉难以发现的微弱缺陷。在知名锂电企业的关键工位，漏检率降低了50%以上。在智能手机、耳机模组的装配过程中，该技术通过高精度的三维扫描和深度学习处理，能够准确获取模组、胶路的相对位置，从而指导机器人实现高精度AOI缺陷检测、胶路引导、点胶质量分析，有效降低了人工操作误差和产品不良率。
　　大模型在机器视觉系统中的应用逐渐展现出巨大的潜力和价值。2024年7月，继SAM大模型之后，Meta发布SAM2大模型，可以分割一切图像和视频。进一步扩展视觉大模型的应用边界。在视觉领域，基于SAM、SAM2大模型的应用正日益广泛。例如，在图像分割领域，传统手工标注目标掩码的方法耗时冗长且成本高昂，而创新的SAM算法通过显著优化，不仅将标注质量提升至新高度，还实现了标注速度三倍以上的飞跃。这一技术突破在工业制造缺陷检测中大放异彩，SAM检测模型能够精确捕捉狭长划痕、模糊污渍、微小破损等复杂缺陷，展现出卓越的检测能力。基于SAM定制的行业大模型在3C、锂电、生物、医学等多个领域展现出强大的泛化性和通用性，推动了这些行业的智能化进程。同时，视觉语言大模型，例如AnomalyGPT、SegGPT的引入，更是通过文本提示的方式，实现了少样本乃至零样本场景下的高效工业异常缺陷检测，展现了惊人的迁移学习潜力和低样本需求下的卓越检测性能。这些前沿技术的融合与发展，不仅为机器视觉领域注入了新的活力，也为相关企业转型升级、提升竞争力提供了强有力的技术支撑。然而，该技术方案存在实施门槛高、成本与可扩展性限制、开发效率低等问题，也是未来行业发展需要克服的关键技术问题。
　　基于深度学习，实现多模态数据深度融合，显著提升复杂场景下的视觉分析能力与鲁棒性。通过整合2D图像、3D点云和红外等多种数据模态，系统能够多维度捕捉目标特征，弥补单一模态的局限性。2D图像提供丰富的纹理与颜色信息，3D点云精确刻画工件几何结构，红外数据则对热异常和隐性缺陷高度敏感。基于3D深度学习算法，系统能够精准识别、分类和定位物体，尤其擅长检测2D视觉难以发现的微小缺陷。在锂电池电极焊接等关键工位，融合2D与3D数据的模型将漏检率降低50%以上，检测精度达250PPM。在3C行业，智能手机和耳机模组装配中，高精度三维扫描结合深度学习，准确获取模组与胶路的相对位置，指导机器人完成AOI缺陷检测、胶路引导及点胶质量分析，显著降低不良率和人工误差。在锂电池模组检测中，多模态融合通过深度学习整合异构数据，构建全面特征表达，使系统在反光、遮挡或复杂纹理场景下表现稳定，mIoU提升约10%。自适应加权机制进一步优化数据协同，降低对单一模态质量的依赖，推动高精度智能化检测在3C电子、锂电及精密制造领域的广泛应用。
　　（2）新产业、新业态发展
　　随着《中国制造2025》《新一代人工智能发展规划》及长三角、珠三角等区域专项政策的持续推出和深化，国产化进程显著加速为机器视觉行业提供了更为精准、灵活的视觉解决方案。工业和信息化部持续推动产业转型升级，加快实施“人工智能+”行动，推动大模型在制造业重点行业落地部署，并于上半年印发了《智能制造典型场景参考指引（2025年版）》，为行业发展提供了明确指引。数据显示，上半年规上装备制造业和高技术制造业增加值均实现显著增长，这些都为机器视觉技术的广泛应用创造了有利条件。机器视觉系统的通用性和泛化性正日益增强，标准化和平台化的视觉成像方案成为引领行业发展的主流趋势，极大地降低了技术应用的门槛，提升了应用效率，使得机器视觉技术能够更加广泛地应用于各类生产场景。国产机器视觉市场占有率稳步提升，并进一步布局海外市场，瞄准欧洲、东亚、东南亚等新兴区域。
　　视觉成像方面，通过光源智能化、传感器优化、2D+3D融合及模块化设计提升成像的智能化、高精度、灵活性。基础算法方面，AI模型的鲁棒性和泛化性逐步提升，3D视觉、多模态信息融合在具身智能、机器人导航、自动化检测、智能抓取域快速扩展。嵌入式视觉与多模态技术融合，推动智能工厂效率跃升。应用场景方面，机器视觉从3C电子、半导体、锂电池、光伏等智能制造领域，向新能源汽车、自动驾驶、新农业、医疗、物流等多元场景拓展，催生了共享制造、“视觉即服务”及智能分拣、无人值守系统等新业态。
　　在智能分析算法方面，自适应视觉分析算法和高精度通用图像感知技术的持续优化，为机器视觉系统赋予了更强的兼容性和灵活性。这些技术突破使得机器视觉系统能够轻松应对不同行业的特定需求，提供低成本、便捷灵活的定制化服务。这种高度的灵活性和适应性，使得机器视觉技术成为推动企业智能化转型的重要力量。视觉行业的领军企业凭借多年的行业积累、强大的研发实力以及丰富的行业经验，不断推出针对特定行业和场景的创新性视觉解决方案。这些方案不仅解决了行业痛点，还推动了生产效率和产品质量的显著提升。在锂电行业，奥普特推出自适应AI检测方案，实现对锂电卷绕、切叠等主流工艺关键工序的高速高质量检测。面向锂电的前工序，如涂布、分条、模切等，推出通用工业视觉高速高精度的解决方案，能够开箱即用；面向形态多样的锂电中后道工序，例如，焊接、包装、入壳、组装段等，研发自适应迁移学习技术，产线换型时AI项目实施周期缩短40%。在3C电子行业，AOI检测利用高精度成像快速识别手机屏幕与零部件的压伤、色差。模块化系统降低中小产线部署成本约10%，推动柔性制造普及。奥普特研发高精度、高可信的AI解决方案，覆盖手机制造过程中的中框、屏幕、组装、电子回收等更广泛的流程工艺。在侧壁小孔、通孔的刀纹、未见光、划伤，以及音圈马达的表面压伤、余线等缺陷检测，漏检率低于0.2%，误检率3%。
　　（3）未来发展趋势
　　随着中国制造业在全球的领先地位与国际竞争加剧，智能制造加速发展，机器视觉作为关键技术，通过深度融合人工智能、大数据、云计算等前沿科技，不断提升智能化、精准化和自主化水平。2024年，AI大模型、3D视觉及多模态融合技术的突破，推动机器视觉在锂电、3C电子、半导体等领域的应用深化。智能检测以机器视觉为核心，为智能制造提供强大的感知能力，确保生产闭环的完善。展望未来，随着技术的突破和产业链的完善，机器视觉将在制造业各领域广泛
　　应用，推动行业向高效、智能、绿色方向发展，成为中国制造业转型升级的重要驱动力。随着技术的进步和行业的需求变化，预计机器视觉行业在以下方面继续发展：
　　1）硬件方面
　　光源：随着机器视觉在各行业的广泛应用，目标物体特征分析需求日益复杂。单一光谱光源仅能提供外观、形状等有限信息，而多光谱技术通过采集不同波长信号，生成高分辨率多/高光谱图像，获取目标高维信息，简化光学部件复杂性，推动多种特征分析。从单一光谱到多/高光谱的转变，不仅提升信息获取能力，还扩展了应用范围，助力机器视觉系统更智能高效。
　　新型光源（如激光、LED及混合光源）在亮度、稳定性和波长范围（250nm紫外至2000nm近红外）上显著提升，适配金属、陶瓷、玻璃等材料。例如，紫外光源增强锂电池极片微米级划痕对比度，近红外光源优化半导体晶圆深层缺陷成像，信噪比提升约10%。多光源组合与动态调节技术成为主流，环形、同轴与背光源协同设计，通过实时调整角度与强度，改善复杂表面成像效果。在3C产品外观检测中，多角度光源抑制高反光干扰，成像清晰度提升约8%
　　智能化光源控制系统通过反馈机制自动优化亮度与色温，响应时间从100ms缩短至20ms，保障高速产线稳定性。多模态光源系统整合红外、紫外与可见光，动态切换波长适配不同材料，在锂电池模组检测中同时捕捉金属划痕与塑料色差，成像质量提升约10%。
　　镜头：成像镜头产品类型由中大视野拓展到中小视野的高精度检测应用。微距定焦镜头，高倍率大靶面远心和线扫镜头及高倍率工业显微镜在不同的应用领域发挥重大作用。超低畸变远心镜头视场畸变控制在0.02%以内，满足3C与半导体检测的亚微米级要求。双远心镜头在芯片封测中测量引脚共面性，误差控制在0.2微米。自适应光学系统通过液态镜头实现焦距动态调节，适配不同工件高度，效率提升约20%。计算成像通过算法校正畸变，降低高端镜头成本约10%。
　　相机：
　　a.智能化：随着人工智能和嵌入式系统技术的发展，机器视觉工业相机将变得越来越智能。这包括集成AI模块以实现图像处理和深度学习算法，实现边缘智能，能够同时胜任图像采集与数据处理工作。此外，智能工业相机还将利用更多的板载智能或更智能的嵌入式技术来发展。奥普特万兆网线阵相机植入FPGA边缘计算技术，实现实时图像预处理与目标检测，通过二值化、滤波、形态学、找边、Blob分析等算法，显著提升系统检测速度，减少PC端运行负荷。同时，支持分时频闪技术，单次扫描即可获取四种不同光源拍摄效果图像，减少相机工位，降低视觉方案成本。b.模块化：机器视觉工业相机的系统模块化也是一个重要的发展趋势。将光源、电源、控制模块甚至一些传感器集成到整个系统的软硬件中，应用起来更加方便，系统的稳定性也更高。这种模块化设计使得相机能够更灵活地适应各种应用场景。奥普特相机提供了风扇、水冷散热和TEC主动制冷等多种散热方式。同时，奥普特推出了硬件迭代升级、代码重构及低功耗平台的新一代产品，较上一代产品功耗降低超过20%，有效减少相机热噪声，显著提升图像信噪比。在3C产线实现手机屏幕缺陷检测，单线成本降低约15%。低功耗设计优化了系统性能，无风扇结构提升洁净室应用的稳定性，系统寿命延长约25%。边缘计算模块将图像处理延迟降低50%，支持高速AOI与锂电池叠片监控。
　　c.特定应用和单一功能导向：机器视觉工业相机将越来越专注于特定应用和单一功能，以极低的成本适用于各行各业的应用场景中。例如，某些工序检测内容固定，只需要通过较少的硬件设备和软件算法就可完成目标的工作，比如条形码的读取、识别某些特征是否存在等。
　　d.高精度和高自动化：随着工业生产对高精度和高自动化的需求增加，机器视觉工业相机也将向更高精度和更高自动化的方向发展。这包括提高相机的分辨率、动态范围、色彩准确性等性能，以及实现更复杂的图像处理和分析算法。奥普特工业相机采用高品质的成像芯片，具备高动态、高灵敏度、低噪声等特性，针对外部环境干扰及镜头、Sensor物理缺陷导致的成像问题，奥普特相机集成了坏点校正、锐化、降噪、FFC、镜头阴影校正、白平衡、Gamma、CCM等各类ISP算法，全方位提升图像质量。
　　3D成像和检测高精度重建和特征融合。线扫3D产品通过持续优化硬件技术与光路设计，实现了精度与速度的双重飞跃，成功应用于3C电子、锂电、汽车、半导体及光伏等高精度要求的行业，显著提升了生产效率与产品质量。而结构光3D技术则在3D图像处理领域取得重大突破，有效解决了边缘模糊、环境干扰等长期存在的技术难题，在器件精密装配与物流运输自动化方面展现出巨大潜力。展望未来，3D视觉技术与深度学习的深度融合将是不可逆转的趋势。深度学习算法能够赋予3D视觉系统更强大的数据处理与分析能力，使其能够更准确地识别复杂场景中的物体、理解空间关系，并自主做出决策。这种技术融合将极大地拓展3D视觉技术的应用边界，使其能够胜任更加智能化、高效化的市场应用需求，如自动驾驶、智能机器人、医疗影像分析等领域。
　　2）检测算法升级和生态完善
　　2025年上半年，机器视觉在人工智能的推动下实现跨越式发展，深度学习、3D视觉感知、大模型及底层算法优化的融合显著提升了检测精度与泛化能力，为锂电池、3C等行业的智能化转型注入动力。展望2025年，机器视觉智能分析算法与平台将进一步向高效轻量化、多模态协同、通用化生态及边缘智能方向演进，加速智能制造的规模化应用。
　　①智能分析算法的高效与通用化
　　底层算法的持续优化将进一步降低数据与算力依赖，推动模型轻量化与小样本学习的普及。自监督学习、知识蒸馏及神经架构搜索（NAS）将驱动工业预训练模型在边缘设备上的高效部署。未来，轻量化模型在低配CPU上推理时间将缩短至毫秒级，较2024年提速25%，功耗降低40%。小样本学习通过元学习与生成式AI（如扩散模型）优化，训练样本需求将从数十张降至5-10张。例如，在3C胶路检测中，生成对抗网络（GAN）可合成高保真缺陷图像，弥补数据不足，检测精度提升约20%。迁移学习与增量学习将使模型换型周期缩短至1小时，适配柔性制造的快速迭代需求。
　　检测结果的可信度和自适应性显著提升。高可信检测模型将应用到更多的高端复杂的视觉检测任务中，例如锂电池焊接检测、3C电子产品关键目标定位，通过领域自适应迁移学习技术将使模型跨场景泛化能力提升约25%，检测稳定性提高20%。视觉大模型的零样本检测能力将进一步成熟，结合模型剪枝与量化技术，在中端GPU上实现大于80FPS推理，功耗降低35%。这些进展将推动算法从特定任务向通用视觉解决方案过渡，覆盖锂电、半导体等更多行业。
　　AI机器视觉技术正引领智能制造迈向新的发展阶段，其核心趋势在于从单一视觉模态向多模态、跨模态的深度融合，以及大模型与小模型在工业场景下的协同应用。随着人工智能技术的飞跃，机器视觉系统不再局限于常规2D图像识别，而是融合了图像、点云、时序、文本、语音等多模态信息，模拟人类更全面的感知与认知方式，极大地提升了其在制造过程中的智能化水平。例如，对于需要触感才能准确鉴别产品表面质量的情况，通过结合触觉传感器感知产品的物理特性，可以实现更全面、精准的缺陷检测。此外，声音也是一种重要的信息源，通过分析生产过程中的声音，可以及时发现设备的异常情况，如轴承的磨损、电机的故障等。这种跨模态的信息融合将极大提升工业生产的智能化和自动化水平。多模态数据融合将成为未来机器视觉的核心趋势，整合2D图像、3D点云、红外、偏振及超光谱数据，提升复杂场景下的检测精度与鲁棒性。Transformer架构与多模态预训练模型将优化异构数据处理效率，检测效果预计会有显著提升。在锂电池模组检测中，融合2D纹理与3D几何信息的多模态视觉模型将逐步验证推广。基于2D、红外、偏振等多模态数据、多视图下信息融合分析，在高端场景下，特别是在锂电池热异常检测、半导体内部缺陷检测，应用研究逐步兴起。
　　生态平台向智能化与云边协同演变。未来，机器视觉平台将从中间层产品加速向综合生态转型，集成算法开发、数据管理、模型训练与实时推理的全链条功能。工业AI软件和AI平台将支持更多模态（2D、3D、红外、偏振等），云边协同模式将进一步优化，边缘节点利用低算力完成预处理与推理，云端高算力支持模型训练与优化。在高端制造行业，实现自动的需求分析、数据收集、数据生成、模型训练、结果评估以及模型一键部署等智能化操作。平台通过开放API与模块化设计，适配跨行业需求，显著降低项目开发成本，提高项目实施效率。大模型与小模型的协同将成为平台核心。通用工业视觉大模型提供基础视觉能力，小模型通过蒸馏技术适配特定任务，大小模型协同显著提升推理速度。
　　人形机器人技术的日益成熟，诸如特斯拉OptimusGen2及集成OpenAI多模态大模型的Figure02等，这些先进产品依托于多模态大模型的强大能力，未来将能够更深层次地理解人类指令，无论是复杂的操作任务还是微妙的语境变化，都能得到精准的解析与执行。在生产制造领域，这意味着机器人能够制定出更为精细的工件处理策略，实现高精度的测量引导与缺陷检测，同时还能对生产过程进行实时优化，以进一步提升效率与质量。

　　二、经营情况的讨论与分析
　　（一）基本经营情况
　　2025年上半年，在宏观经济环境复杂多变及下游行业结构性调整的背景下，凭借前瞻性的战略布局与高效的执行能力，公司实现了经营业绩的稳健增长。业绩目标的逐步兑现，标志着公司战略投入已进入收获期，盈利能力和运营效率得到显著提升，为未来持续发展奠定了坚实基础。
　　1.营业收入实现稳健增长
　　2025年上半年，公司实现营收68,255.79万元，较2024年同期增长30.68%，延续了良好的增长态势，展现了公司业务布局的持续兑现能力。基于前期在技术研发、市场拓展等领域持续的战略投入积累，公司主营业务在各主要下游领域均实现增长，进一步凸显了行业龙头的稳健实力与前瞻布局的显著成效。
　　其中，3C行业收入43,851万元，较2024年同期增长23.82%。作为机器视觉最大的应用市场之一，3C电子行业受益于工业AI技术在消费电子制造中的规模化落地，下游客户对视觉检测的需求显著提升。公司凭借深厚的技术积累和快速响应能力，持续深化3C业务布局，进一步巩固了该领域的头部领先地位。
　　锂电行业收入16,686万元，同比2024年上半年增长49.35%。当前锂电行业呈现稳定复苏态势，推动公司相关业绩显著回升。报告期内，公司持续深化头部电池客户合作，同时积极拓展海外市场项目，业务覆盖动力电池、消费类电池及储能电池等多元领域。这一长期战略布局进一步丰富了下游应用场景，有效降低单一市场波动对业绩的影响，推动业务结构多元化程度显著提升。
　　半导体和汽车行业收入分别为3,131万元和1,370万元，较2024年同期分别增长25.51%和65.67%，保持着稳健的增长态势。在半导体制造和汽车（尤其是新能源汽车）生产领域，机器视觉仍具备显著的国产替代潜力，随下游客户产能扩张及工艺升级加速释放。
　　2.净利润增长强劲
　　2025年上半年，公司归属于上市公司股东的净利润为14,599.73万元，较2024年同期增长28.80%；归属于上市公司股东的扣除非经常性损益的净利润为13,231.66万元，较2024年同期增长36.26%。
　　利润增速高于营收增速，显示出公司整体运营效率的提升和盈利能力的增强。公司前期在研发、市场等方面的战略投入进入收获期，新产品与新业务贡献持续提升，同时随着规模效应显现，推动了盈利水平的显著改善。
　　整体来看，公司上半年业绩增长质量显著提升，增长动力源自多行业、多产品线的协同共振，为全年目标的顺利完成奠定了坚实基础。
　　（二）公司战略投入方向及未来规划
　　1.从工业自动化到智能机器人双轨道战略布局
　　自2006年成立以来，公司业务始终与下游自动化行业的发展协同共进。面对智能制造和人工智能时代的战略机遇，公司确立工业自动化和智能机器人的双轨道发展战略：一方面持续深化工业自动化领域的既有优势，另一方面前瞻布局智能机器人零部件领域，开辟新的成长赛道。与此同时，公司着力构建“视觉+传感+运动+AI”产品矩阵，促进技术与产品的深度融合与协同赋能，为客户提供覆盖“感知-决策-执行”的一站式解决方案。
　　（1）机器视觉长坡厚雪
　　根据行业研究数据，2024年中国机器视觉市场规模约181.47亿元，2025年预计突破210亿元，未来五年有望保持年均20%左右高速增长，2028年市场规模将超385亿元。随着智能制造升级及AI技术赋能行业发展，同时伴随下游行业视觉需求扩容，为机器视觉行业带来巨大增长潜力，为企业提供了广阔的增长空间。
　　作为国内机器视觉行业龙头企业，公司凭借全系列产品线覆盖、多年行业深耕积累及显著的本地化服务优势，在竞争中占据领先地位。公司拥有国内最完整的机器视觉核心软硬件产品矩阵，自主产品线覆盖度稳居行业首位；深耕机器视觉领域多年，积累了3C电子、锂电、汽车、半导体等重点行业的深度应用经验，解决方案适配性与客户粘性显著优于行业平均水平；相较海外同行，公司依托本土化服务网络，在交付效率、成本控制及场景适配上形成明显的差异化优势。
　　在工业自动化领域，公司将持续深化技术优势，同时拓展产品与能力边界，进一步巩固行业地位。一方面，聚焦3C、锂电、汽车及半导体等重点领域，延展产品技术链条，提升单客户价值量；另一方面，在保持直销优势的基础上拓展经销渠道，进一步扩大市场覆盖率；同时，持续推进全球化布局，以高性价比产品服务海外市场；此外，通过标准化产品及方案优化运营效率、放大规模效应，并加大工业AI等技术研发投入，保持技术创新与产品竞争力。在行业高速增长与国产替代加速的双重机遇下，公司有望凭借深厚的技术积累、丰富的行业经验及清晰的战略路径，持续提升市场份额，实现业绩稳健增长。
　　（2）智能机器人零部件战略布局
　　依托在工业自动化领域的技术和经验积累，公司将智能机器人确定为战略级新兴业务方向，目标成为机器人感知层核心方案的供应商。
　　目前，公司通过系统性布局和资源整合，已构建起完整的机器人视觉解决方案体系，并取得突破性进展。2025年上半年，公司成立机器人事业部，汇集了来自于行业顶尖的研发、销售和技术支持专业人才；同时持续加大对机器人领域的研发投入，为技术创新提供了坚实保障。
　　在核心技术方面，公司将工业现场积累的先进视觉技术（如高精度定位、缺陷检测、动态目标跟踪等）迁移应用至机器人场景，围绕各类机器人可移动终端的环境感知、定位导航和人机交互需求，公司已布局dToF相机、iToF相机、双目结构光和激光雷达四大产品方向，全面覆盖机器人“视觉感知”所需的关键视觉部件。随着"视觉+AI+机器人"协同效应的逐步释放，公司业务有望向更高价值领域升级。
　　面向未来，公司将在机器人领域继续保持高投入与高标准：一方面扩充团队，引进顶尖人才，加强组织能力建设；另一方面加大研发预算，聚焦dToF、iToF、双目结构光、激光雷达等核心传感产品的自主研发设计，不断迭代升级。
　　2.视觉+传感+运动+AI产品矩阵
　　公司致力于打造世界一流的视觉企业，围绕机器视觉核心，结合视觉、结构、算法、软件、电子和AI六个技术维度的积累，不断向传感、运动控制和人工智能领域延伸。目前公司已构建视觉+传感+运动+AI协同发展的产品矩阵，形成了从视觉感知、运动执行到智能决策的全链路技术闭环。完整的产品矩阵使各板块业务相互协同，为客户提供一站式的自动化零部件综合解决方案，大幅提升了公司的市场竞争力和客户黏性。
　　（1）业务板块融合发展
　　2025年上半年，公司机器视觉主营业务收入64,529.62万元，较去年同期增长23.55%；净利润14,326.26万元，较去年同期增长26.38%，显示出机器视觉相关软硬件产品保持了强劲的增长动能。
　　与此同时，上半年并表子公司东莞泰莱营收贡献3,726.17万元，归母净利润贡献273.47万元。东莞泰莱自二季度起纳入合并报表，目前正逐步与母公司现有业务深度融合：通过将公司的视觉技术与东莞泰莱的精密传动技术相结合，进一步拓宽公司下游客户的应用需求，推动“视觉+运动”的协同销售。
　　（2）AI赋能机器视觉
　　2025年上半年，公司工业AI产品相关项目收入达8,733万元，较去年同期增长363.00%，充分体现工业AI技术已在公司产品和解决方案中得到广泛应用，为机器视觉业务注入了强劲增长动力。机器视觉是智能制造的关键环节，其与人工智能技术结合的前景十分广阔。
　　2025年5月29日，公司牵头成立的东莞市新一代人工智能创新联合体在滨海湾新区揭牌。联合体由奥普特主导组建，汇聚了产学研各界前沿力量，是公司在“视觉+AI”融合领域的重要战略举措。作为中国机器视觉行业龙头，奥普特具备从视觉感知、运动部件到AI算法的全栈技术实力，已服务全球超1.5万家客户，在3C电子、锂电、汽车及半导体等重点领域积累了深厚经验。此次牵头组建联合体，既是响应国家人工智能发展战略的积极举措，也是行业领军者的责任担当。联合体将重点攻克高价值工业数据挖掘难题，构建产线级垂直模型库，打造大小模型协同的工业智能体矩阵，全面释放工业数据价值，助推制造业智能化转型。通过产学研协同与开放合作，公司有望在工业AI领域抢占技术高地，并将相关成果反哺自身产品矩阵，进一步巩固“视觉+传感+运动+AI”协同发展的生态闭环。
　　（3）打造平台型发展架构
　　面向未来，公司计划从以下几方面入手，打造多产品、多业务模式的平台型发展架构：
　　①拓宽业务路线：坚持非标定制与标准产品并举，灵活满足不同层次客户需求；同步推进直销与经销策略，深耕大客户直销服务，通过优质渠道覆盖更广泛的中小客户，最大化业务触达面。
　　②深化客户覆盖：实施大客户战略的同时开拓中小客户市场。针对中小客户推出标准化产品与模块化方案，降低应用门槛，扩大长尾客户渗透率；对大客户强化“一对一”深度服务，打造标杆案例，提升行业影响力。
　　③聚焦国内外市场：坚持国内外并重。一方面抓住国内国产化替代机遇，深度参与重点行业智能制造升级项目，巩固国内领先地位；另一方面加大海外开拓，在东南亚、欧洲等制造业集中区布局营销服务网络，推动中国视觉产品“走出去”。
　　④产品协同与平台化：强化视觉、传感、运动与工业AI产品线的协同效应，以平台化整合资源。通过统一技术数据平台，融合多类产品为成套解决方案，提升系统兼容性与性能；加强内部协同研发与市场联动，形成攻坚合力，提高大型项目交付能力。产品规划上构建标准化模块平台，减少重复开发释放规模效应，同时保留定制化服务优势，为关键客户提供差异化增值服务。通过标准化与定制化结合，打造弹性产品体系，支撑业务扩张。
　　通过以上举措，奥普特将从单一领域的机器视觉公司，升级为覆盖多技术、服务多元场景的自动化零部件解决方案提供商。这种平台化、多元化路径，能抵御单一行业波动，抓住智能制造新机遇，塑造长期增长格局。
　　（三）未来展望
　　1.公司业绩目标
　　公司管理层根据既定的发展战略和股权激励计划，制定了明确的业绩目标：以2024年营业收入为基数，公司2025年度营业收入增长率不低于20%。公司将继续在研发方面加大投资力度，在运营层面加强管理与成本控制，保持2025年营业收入增长的同时，净利润增长率不低于营业收入增长率。
　　截至目前，公司经营情况良好，管理层对完成上述年度目标保持坚定信心。同时，对于未来几年持续实现股权激励计划所设定的分年度业绩目标，公司也已做好充分准备。在订单储备、产能布局、新品推出以及市场拓展等方面，公司均按计划有序推进，为业绩达标提供了坚实支撑。
　　2.中长期目标
　　展望更长远的未来，公司不仅要做自动化领域卓越的零部件供应商，更要成为产业的赋能者和推进者。为此，公司将在巩固硬件产品领先地位的同时，进一步融合软件算法、应用平台和产业生态，构建起覆盖上下游行业的智能制造生态体系。通过与上下游伙伴的紧密协作，以及对新兴应用场景的持续开拓，公司将不断丰富产品的解决方案内涵，提升为客户创造价值的综合能力。
　　管理层坚信，凭借卓越的创新能力、丰富的产品矩阵和深厚的客户基础，奥普特有信心穿越行业周期的波动，实现持续健康成长，最终成长为令行业瞩目的“世界一流视觉企业”，为股东、客户和社会创造更大价值。

　　三、报告期内核心竞争力分析
　　(一)核心竞争力分析
　　公司作为机器视觉领域的先行者和领跑者，拥有丰富的软硬件技术和产品经验。公司始终坚持对机器视觉及其底层核心技术进行创新和优化，以满足不同行业和应用场景的需求。凭借对市场动态的敏锐洞察、对行业的深刻理解，以及多年积累的定制化和高效的解决方案，我们与众多优质客户建立了长期稳定的合作关系，赢得了广泛的荣誉和认可。公司具备明显的竞争优势，具体如下：
　　1.自主研发能力与核心技术积累优势
　　公司自成立以来一直重视自主创新，不断提高公司技术、产品的核心竞争力。近3年及报告期内，公司研发投入分别为19,102.18万元、20,224.50万元、21,695.99万元、12,923.19万元，占营业收入的比例分别为16.74%、21.43%、23.81%、18.93%。持续的研发投入为公司在机器视觉领域积累了一批创新性强、实用度高的拥有自主知识产权的核心技术。截至报告期末，公司累计获发明专利148项、实用新型专利643项、外观设计专利60项，软件著作权142项，其他2项。上述专利和软件著作权涵盖了公司产品的各个关键技术领域，体现了公司在技术研发及设计环节的核心竞争力。公司近几年被评为“国家级制造业单项冠军企业”“国家知识产权示范企业”“高新技术企业”，获批“国家博士后科研工作站”“广东省博士工作站”“广东省奥普特机器视觉工程技术研究中心”“广东省重点实验室”“广东省企业技术中心”“东莞市机器视觉重点实验室”等创新研发平台，获得了“广东省制造业企业500强”“广东省科技进步二等奖”“广东省机械工业科学技术奖一等奖”“广东省机械工程学会科学技术一等奖”“广东省制造业单项冠军产品”等省级奖项，并入选了广东省产教融合型企业。
　　公司长期致力于机器视觉领域硬件和软件的技术研究、产品开发及应用拓展，在成像和图像处理分析两大技术领域，积累了一定的核心技术，具备从研究成果向工程应用快速转化的技术能力体系，包括技术顶层设计能力、产品规划设计能力、各产品线的基础技术和底层算法、产品创新优化能力等，大量机器视觉应用案例，不断从应用侧传递需求信息，对下一代产品的研发设计以及当前产品的快速持续优化形成了强有力的支撑。同时，公司基于光学技术的领先优势，在原有图像传感器的技术积累上，逐步延伸工业传感器技术。公司依托强大的研发团队及自研能力，将持续保持产品的高速迭代，牢牢把握市场需求方向。
　　2.团队优势
　　公司一直以来始终重视人才队伍的培养和建设，不断引进高端人才，形成不断扩大的优秀研发团队与深厚的人才储备。截至2025年6月30日，公司研发人员1,077人，占公司总人数比例为35.39%。公司研发团队的专业覆盖面广，包括光学、工业设计、计算机等专业，充分满足了本行业技术研发的需要。公司董事长卢盛林先生在华南理工大学获得博士学位，多年来一直专注于机器视觉技术研究及产品开发。公司的经营管理团队多年来专注于机器视觉领域的研究开发、生产、销售与财务等工作，精通技术，熟悉市场，自公司成立以来一直保持稳定状态。公司大客户团队，与行业大客户密切配合，对保持客户粘性及技术延续性发挥了重要作用。稳定、优秀的团队为公司的核心竞争力奠定了良好的基础。
　　3.自主产品在各产品线布局的优势
　　经过十多年的沉淀，公司已经形成了较为完备的机器视觉核心软硬件的产品体系，并逐步建立工业传感器产品体系。奥普特拥有完整的机器视觉核心软硬件产品，自主产品线已全面覆盖视觉算法库、智能视觉平台、工业AI、光源、光源控制器、工业镜头、工业相机、智能读码器、3D传感器、一键测量仪、工业传感器产品。公司已经完成的自主产品的布局，为公司在日后的竞争和发展中，提供了显著的竞争优势。
　　4.行业应用经验和数据积累优势
　　机器视觉的下游应用非常广泛，几乎涉及国民经济的方方面面。即使在某一具体领域的应用，也会因下游的生产工艺、被摄对象的具体材质特点等不同，而有较大差别。因此，完善的机器视觉解决方案对下游客户而言至关重要。而设计有效的机器视觉解决方案，需要大量的行业应用经验积累，绝非一朝一夕所能形成。公司在机器视觉领域深耕多年，特别是在3C电子、锂电等行业，公司与国内外知名设备厂商和终端用户保持着长期稳定的合作，拥有丰富的机器视觉产品的设计、应用案例库。深厚的案例积累，奠定了公司在相关领域的优势地位，形成了较高的技术壁垒，能有效保障公司在行业内的竞争优势，并为公司不断扩大产品应用范围、持续提升市场份额提供了有力支撑。此外，工业AI将深刻改变机器视觉行业的技术发展，而行业数据是工业AI技术的基础。工业AI需要通过大量数据对人工智能模型进行训练，不断对模型进行调校和优化，最终使机器能够像人类一样自动作出判断并达到满足实际应用要求的准确率。公司经过多年的专业化经营，在3C电子、锂电等行业积累了大量的数据，有助于公司迅速对模型进行调校和优化，提高模型输出结果的准确率和响应速度，在机器视觉的工业AI技术领域抢占发展的高地。
　　公司通过大量行业方案积累，逐步开始建立分行业方案、产品、交付的标准化。目前公司机器视觉解决方案广泛应用于3C电子、锂电、汽车、半导体、光伏、食品、医药、烟草、物流等多个行业。
　　5.客户资源与品牌优势
　　公司依托多年深度积累的解决方案能力及优秀的产品品质、大规模的交付能力、及时有效的服务模式，将产品成功应用于全球知名企业和行业龙头企业的生产线中，获得客户的高度认可。公司基于与知名客户长期稳固的合作关系，在保持原有产品和领域良好合作的同时，不断在新产品、新项目上开展合作。同时，公司与知名客户合作提高了企业品牌知名度，也可借此赢得其他潜在优质客户的认可从而获取更多订单。
　　6.快速响应优势
　　公司一直将快速响应作为提升服务效率、创造客户价值的关键因素。依靠多年积累的丰富的研发、制造经验、扁平化的管理体系、完善的质量控制体系，在识别客户需求、制定解决方案、组织生产、提供技术服务等方面均形成较为明显的快速响应优势。对于常规的视觉项目，公司提出的快速服务时效标准为在客户提出需求之后30分钟内响应客户，2小时输出标准方案，定制方案3天交付。能对下游客户严苛的供货需求进行快速回应、快速解决和快速反馈，高标准满足客户的需求，进一步强化了公司与客户之间长期稳定的业务合作关系。
　　(二)报告期内发生的导致公司核心竞争力受到严重影响的事件、影响分析及应对措施
　　(三)核心技术与研发进展
　　1、核心技术及其先进性以及报告期内的变化情况
　　公司以视觉算法和光学技术为核心，开发了机器视觉底层算法、平台软件，以及光源控制和光学模拟等核心组件。核心技术包括工业AI算法、传统视觉算法、3D视觉算法、光源控制和光学成像等。公司重点发展工业AI技术、3D处理与分析技术、图像感知和融合技术、图像处理分析的硬件加速等视觉前沿技术，并持续在光源及其控制技术、镜头技术、智能相机技术、视觉处理分析软件技术方面进行强化，同时拓展智能感知和融合技术、智能数据处理与分析技术等传感器技术，以及高端超精密运动部件驱动及驱控一体技术等，加强公司在自动化核心零部件领域的产品竞争力。
　　同时，结合多年积累的机器视觉在各下游行业应用的专有技术（Know-How），公司构建了包括基础核心技术、技术平台、应用技术在内的多层次的技术体系。
　　公司始终秉承以产品和技术为核心的经营理念，并取得了显著成就。报告期内，公司研发投入达到12,923.19万元，同比增长17.52%。通过不断加强与客户的技术交流，公司在产品创新上取得进展。
　　（1）视觉软件产品线：在全球化的应用需求中，奥普特持续推进全球化战略，凭借领先的机器视觉技术与视觉软件产品解决方案，实现了从国内市场到海外市场的视觉应用落地，产品与服务已覆盖多个国家和地区，标志着奥普特正式迈入国际化发展的新阶段。视觉软件核心产品：DeepVision3深度学习软件、SmartWorks通用视觉软件和SciVision算法包持续进行了多项技术升级与产品迭代。
　　①DeepVision3以视觉模型为基础，以通用和场景大模型为阶段目标，深刻理解工业质检需求，持续构建“视觉+大模型”双引擎体系，加速AI质检的落地；基于基础模型结合应用需求，研究出了无需标注训练，直接推理的通用模型，封装成工具，开箱即用；面对复杂场景样本周期长的痛点，奥普特基于自主研发的大模型推出了DeepSG样本生成软件，快速生成高仿真图像，缩短收集样本周期，加速模型落地；全新推出DeepVision Cloud版本，支持百度云、阿里云等云服务器的部署，全面的数据管理&权限管控，确保数据安全性。和DeepVision3单机版软件相比，支持云端资源及算力管理最优调度；还支持线上一键升级软件，支持多人项目协作、标注协作，跨设备、跨厂区数据上传与模型自动部署，是一个具有项目和数据管理功能的平台。在功能特性方面推出了自动标注功能，基于大模型的标注工具，标注更高效&更精确，极大地降低了人工成本。
　　②全新推出SmartWorks通用视觉软件：集1D、2D、2.5D、3D、AI、视频、运控ALL IN ONE的全功能平台，有效助力用户功能拓展、升级改造等应用需求；架构升级，将通讯、标定、流程独立模块化，使应用更高效便捷；全新的编程模式--首创引导式编程，零代码编程，让应用更简单，降低使用门槛；易用性方面，新增了组合算子功能，将功能模块进行组合，让方案更清晰的同时也增强了复用性，快捷调用；可读性方面，新增了方案管理和采集管理，可视化、模块化设计，使其更友好、更全面。
　　③SciVision从精度、性能、应用场景等多维度升级，让应用更稳定、可靠。在抗干扰性、场景泛化性方面均有所突破；3D重建方面，对于三维源数据的孔洞填充，还原原始数据，以及指定三维姿态对于数据进行姿态校正重采样，转换三维视图；标定拼接方面，可实现360度全局标定拼接，厚度标定，2D、3D联合标定等功能，有效为市场应用助力。OCR算法方面识别率及鲁棒性更高，采用通用模型提取特征，识别结果更稳定；新增OCV字符缺陷检测算法，检测字符位置度以及字符缺失、拖影、多墨、少墨等缺陷；新增尺度匹配算法，可支持匹配不同尺度变换的目标，具备更优匹配率和效率；新增高级找直线、找点、找圆等算法，可适用于更多复杂场景定位更准确；3D预处理方面，新增了半径滤波、平滑滤波、自适应高度筛选等功能，有助于用户去除噪声以及平滑数据；检测定位方面，有高阶多项式拟合，FFT周期性数据检测，RGBD分割和抓取点分析计算等功能，可适用于各种不同的工件缺陷检测及复杂的包裹抓取场景；
　　（2）工业相机产品线：工业相机作为公司核心业务板块之一，持续加大研发的投入和团队规模的扩充，并围绕着硬件平台迭代、算法升级及完善产品线进行技术创新与突破。完成对CC、CH、CL三大产品系列从功能、效率、像质、结构等多方面进行全面升级，相机新增了超频采集、存储采集等功能，在硬件不变下，采集效率提升45%。新增CCM自适应、动态降噪等ISP功能，在复杂的场景也能出色成像。推出CC系列新一代结构，结构更加紧凑、支持多角度安装，提升散热效率。推出多款真彩线阵相机，真彩相机相较传统的伪彩相机，色彩还原性高，更有利于检测，同时支持TDI、分时频闪等功能。为进一步提升CXP相机的采集稳定性和效率，推出了CXP-12接口的智能采集卡，最大传输速率可达50G，卡端支持抽行组帧、Blob分析找边找圆、二值化、滤波等功能，实现降本增效。
　　在2025年下半年，奥普特继续朝着工业相机的智能化、集成化、小型化发力，将推出多数据接口相机、集成式相机、100G超过带宽相机、UV相机等产品，以应对快速发展的市场需求和拓展更多应用领域。
　　（3）智能相机产品线：基于多光谱融合成像、纳米级电路集成、自适应深度学习框架的跨维度突破，奥普特成功打造SCA1S、SCD3系列边缘智能相机，实现工业检测能力从“感知辅助”到“认知决策”的代际跨越，为全球制造业智能化提供高精度、高鲁棒、全场景的边缘计算产品解决方案。
　　①SCA1S系列：分辨率从230W到2000W。搭载了FPAG实现高速采集和HDR图像增强技术。配备了6T的AI算力。除了可扩展的照明方式外，支持各类外部光源的控制，无缝覆盖高反金属、透射材质及复杂曲面成像难题，突破智能相机的极限应用。
　　②SCD3系列：通过纳米级电路集成与光源模块化创新设计，体积压缩30%，专为超密集产线而生；内置半导体专用的字符识别模型，实现晶圆半导体检测全栈升级。
　　（4）智能读码器产品线：智能读码器以AI+硬件协同创新为核心战略，聚焦核心性能突破及复杂场景适应性提升两大方向，在图像处理、动态识别、多场景兼容性等方面取得显著进展，为工业自动化读码场景提供更高效、更智能的解决方案。
　　硬件性能突破，双芯协同与高速动态识别，采用FPGA+ISP（图像信号处理器）协同设计，实现图像预处理与解码算法的并行计算，图像质量提升40%，噪声抑制能力显著增强。搭载新一代AI处理芯片，动态读码速度突破60帧/秒，支持最高3米/秒移动目标的实时识别，满足高速产线需求。
　　技术融合创新，AI驱动场景自适应优化，搭载AI模型，智能分析场景特征，自动匹配最优解码参数，调谐成功率提升30%，调试时间缩短50%，加速现场部署效率。复杂场景适应性增强，自动判断码制类型，修复模糊、残缺或低对比度的条码，可修复缺失30%以上的条码信息。在强光、反光、低光照环境下，通过噪声抑制和图像增强技术，仍保持99.99%以上解码稳定性。
　　OCR+AI多模态识别，覆盖多行业字符特征。支持用户自定义多目标识别区域，AI并行处理不同区域数据，单帧处理时间低于50ms，应用场景扩宽至物流分拣、医疗标签等需多字段同步解析的领域。
　　奥普特将持续聚焦客户痛点，深化AI与硬件协同创新，以技术创新为核心驱动力，不断提升智能读码器的综合性能与应用价值，向更多具有高难度读码需求的行业渗透。
　　（5）3D产品线：3D相机持续在“高精度、高速度、复杂工况适应性、成本最优化设计”等产品核心竞争力上，进行了多项技术开拓和升级。高精度：光学-结构-算法协同优化，线性度达±0.01%，温漂<0.3像素；高速度：FPGA+GPU加速实现18kHz超高帧率；复杂工况适配：升级HDR算法及光晕过滤技术，增强多材质扫描能力；成本优化：多款零部件进行了国产化探索，保障性能同时降本增效，强化供应链安全。
　　线激光系列：全新推出了迭代产品LPE2系列，主打更大更全的视野覆盖和应用经济性。全系采用亚像素中心点提取算法，采用双远心镜头设计，X数据间隔最小做到了2.5um，满足微米级检测需求；无控制器一体化设计，降低成本；全新的算法升级，点云后处理算法加持，支持高速高精度检测；全系覆盖7mm-2632mm视野，共9款型号，适应行业多样化需求。
　　双/单投影条纹结构光系列：产品优化和迭代，全面优化了设计，更稳定高效，体积更小巧，适配紧凑空间及机械手负载；高精度多用途，支持有序和无序抓取应用，一次拍摄成像，作为高精度的结构光产品，可同步适用线激光的检测需求，提升了产品矩阵的多场景适应性。
　　双目散斑结构光系列：全新发布了超大视野LSA1系列，最大视野可达3.4*3.1*2米，采用自主研发的红外激光散斑成像算法，自带彩色相机，既能高精度还原3D点云，又能通过融合2D彩色图像，增强3D点云的真实还原度，专门适配包装段的拆码垛和大件物流物品的抓取上料、体积测量等应用。
　　此外，奥普特布局了智能机器人配套的微型化双目散斑相机、TOF感知相机；其中TOF感知相机已经推出，自带智能避障算法，可直接识别障碍物，并输出IO信号供机器人执行避障感知等。
　　（6）镜头产品线：公司持续完善镜头产品线及其应用范围，加大成像镜头由中大视野拓展到中小视野的高精度检测应用的研发投入，成像镜头的光谱应用范围从可见光波段拓展到近红外和短波红外波段。
　　定焦镜头产品线，推出CBA长工作距离定倍系列镜头，解决长工作距离高精度视觉定位和检测难题，配合CCD系列微距定焦镜头，补充定焦镜头产品线在中小视野、高精度的应用场景。布局和研发可见光和近红外共焦系列定焦镜头，研发覆盖可见光到短波红外的全光谱共焦系列定焦镜头。研发靶面1.2英寸系列定焦镜头，扩展标准定焦镜头产品的应用覆盖范围。
　　远心镜头和线扫镜头产品线，进一步补充完善自主远心镜头产品线的产品覆盖范围；显微镜头产品线，继续研发高倍率工业显微物镜及其他显微视觉成像部件。
　　（7）光源产品线：2025年上半年，光源产品线于技术创新、优势打造及市场拓展方面表现极为亮眼。在技术创新上，聚焦光学性能极限突破和场景适配精准优化，取得重大进展：
　　①具备颜色切换功能的光纤光源，融入先进色彩编码技术与智能控制器调控，能高速且精准地变换多样色彩，为视觉检测打造灵活照明方案，兼容性大幅提升。
　　②多分区编码光源精准锚定多种检测场景需求，推出环形与球积分等多种经典构型。凭借先进的8分区控制技术，集成式控制模块，可对不同区域光照进行独立且精准的调控，满足复杂多变的检测照明要求。
　　③高均匀照明灯箱通过精密的光学结构布局和优化的反光材料运用，能够有效消除光照死角和明暗差异，实现整个照射区域内光照强度的高度均匀分布。在工业检测中对产品表面缺陷的精准识别，高均匀灯箱都能凭借其卓越的均匀性表现，为各类专业应用提供稳定、可靠且高质量的光照环境。
　　这些创新成果，为公司光源产品线培育出独特的竞争优势。依托深厚的技术积淀、不懈的研发投入以及精准的市场研判，构建起覆盖多领域、多场景的多元产品矩阵，可精准契合不同客户的个性化诉求。
　　（8）传感器产品线：2025年上半年，传感器业务持续深化技术引领与市场拓展，以智能化升级与场景化解决方案为核心，驱动精密检测迈向新高度。在上半年，公司围绕核心产品线进行了关键性迭代与创新应用，进一步巩固了技术优势并拓宽了应用边界，传感器产品成功覆盖锂电制造全工艺流程,从极片涂布到电池组装的完整工艺链提供解决方案，光谱共焦传感器实现15um级超薄玻璃尺寸测量能力突破，通过动态补偿算法与点云重建技术，构建起面向曲面、异形等复杂玻璃结构的全自动尺寸检测体系，形成涵盖高精密测量传感器、工业AI分析算法软件平台及闭环控制模块的软硬件一体化生态，为新能源电池隔膜、柔性显示面板等高端制造领域提供量产级解决方案。四级安全光栅，推出了软件可视化提高调试效率，轻量化配置工具可现场部署更高效。
　　（9）测量系统产品线：面向工业检测的高精度、智能化需求，整合光学测量与多传感器融合技术（光谱共焦、3D线激光、2D相机、结构光），结合视觉算法，打造高精度智能检测解决方案。一键测量传感器采用双倍双远心镜头与畸变校正算法，集成亚像素处理与毛刺过滤算法，实现微米级测量精度，通过并行测量及飞拍技术缩短检测周期，提升检测效率。新一代机型采用模块化架构与柔性化设计，支持传感器、运动平台、软件功能的灵活组合，满足不同行业的定制化需求；视觉系统支持多角度+低角度光源组合，适应复杂表面特征检测。支持一键测量，无需编程，兼容CAD图档导入；基于3D线激光模组，实现高精度三维重建，覆盖3C、电子、汽车零部件等场景的尺寸分析。对射测量传感器以高精度、高效率、易安装为核心优势，专为在线智能尺寸检测设计，适用于高速产线与狭小安装空间场景，覆盖工业检测中的智能尺寸测量需求。支持多种协议与数据格式，实现与MES、ERP系统的数据互通，将检测结果实时反馈至生产执行系统，驱动质量闭环管理。测量系统与奥普特的智能相机、3D传感器等产品线形成技术协同，实现高精度与智能化的核心逻辑是“硬件筑基、算法赋能、集成提效”；通过硬件技术突破、软件算法、模块化集成与标准化接口提升跨场景适配性，将技术优势转化为客户价值。测量系统将向更高精度方向演进，成为智能制造的质量神经中枢。
　　2、报告期内获得的研发成果
　　报告期内，公司新增发明专利18项、实用新型专利94项、外观设计专利13项、软件著作权12项；截至报告期末，公司累计获发明专利148项、实用新型专利643项、外观设计专利60项，软件著作权142项，其他2项。
　　3、研发投入情况表
　　研发投入总额较上年发生重大变化的原因
　　研发费用同比增长17.52%，主要系报告期公司为保持技术领先、客户满意度，研发人员薪酬、物料费用及股份支付费用增加。
　　4、在研项目情况
　　5、研发人员情况
　　6、其他说明

　　四、报告期内主要经营情况
　　报告期内，公司实现营业收入68,255.79万元，较上年同比增长30.68%。归属于上市公司股东的净利润同比增长28.80%，归属于上市公司股东的扣除非经常性损益的净利润同比增长36.26%。

　　五、风险因素
　　（一）核心竞争力风险
　　1.技术被赶超或替代的风险
　　公司所处的机器视觉行业属于技术密集型行业，涉及视觉传感器技术、光源照明技术、光学成像技术、数字图像处理技术、模拟与数字视频技术、计算机软硬件技术和自动控制技术等多种科学技术及工程领域学科知识的综合应用。在未来提升研发技术能力的竞争中，如果公司不能准确把握行业技术的发展趋势，在技术开发方向决策上发生失误；或者研发项目未能顺利推进，未能及时将新技术运用于产品开发和升级，出现技术被赶超或替代的情况，公司将无法持续保持产品的竞争力，从而对公司的经营产生重大不利影响。
　　2.核心技术泄密风险
　　经过多年的积累，公司自主研发了一系列核心技术，这些核心技术是公司的核心竞争力和核心机密。如果未来关键技术人员流失或在生产经营过程中相关技术、数据、图纸、保密信息泄露进而导致核心技术泄露，将会在一定程度上影响公司的技术研发创新能力和市场竞争力，对公司的生产经营和发展产生不利影响。
　　3.关键技术人才流失风险
　　公司所处的行业中，关键技术人才的培养和维护是竞争优势的主要来源之一。行业技术人才需要长期积累下游行业的应用实践，以加深对工业自动化、底层核心算法和软硬件结合技术的理解，才能提升产品研发和技术创新能力。同时引进物理学、光学、工业AI、大数据技术等领域的研发人才，有助于行业的技术发展和演进。行业内该等经验丰富的复合型人才相对稀缺。随着行业的变化，对行业技术人才的争夺将日趋激烈。若公司未来不能在薪酬、待遇、工作环境等方面持续提供有效的奖励机制，将缺乏对技术人才的吸引力，同时现有核心技术人员也可能流失，这将对公司的生产经营造成重大不利影响。
　　（二）经营风险
　　1.管理风险
　　公司自成立以来经营规模不断扩大，资产和业务规模在原有基础上有较大的提升，公司人员规模进一步扩大，这对公司在战略规划、组织机构、内部控制、运营管理、财务管理等方面提出更高的要求。如果公司不能适应公司的资产和业务规模的扩大，公司管理层不能持续有效地提升管理能力、优化管理体系，将对公司未来的经营和持续盈利能力造成不利影响。
　　2.产品价格下行及毛利率下降的风险
　　机器视觉行业是近十几年间随着工业的发展而逐步兴起的行业。采用机器视觉技术的下游行业多为发展较快、对自动化水平和产品品质要求较高的行业。随着行业的快速发展，越来越多的企业加入，机器视觉市场竞争日益加剧，整个产业也将逐渐进入成熟期。一般而言，随着产业从成长期逐渐进入成熟期，市场竞争加剧，将导致产品价格逐渐降低。
　　公司目前毛利率处于较高水平，若未来受行业内更多企业加入导致市场竞争加剧、境外品牌降价竞争、原材料价格及人工成本持续上涨等因素影响，未来公司产品毛利率存在下降的风险。
　　3.市场竞争加剧的风险
　　随着智能制造和工业4.0的进程的推进，我国机器视觉行业得到了快速发展。随着本行业以及下游行业持续发展，市场规模的不断扩大，本行业将吸引更多的竞争者进入，市场竞争将日趋激烈。一方面，现有企业扩大生产规模，加强研发和技术投入；另一方面，其他行业的公司凭借资本实力跨行业发展。若公司未来不能持续维持竞争优势，提高自身竞争力，在更加激烈的市场竞争中，公司将面临市场份额下降的风险。
　　4.新产品的研发及市场推广的风险
　　公司已形成了机器视觉领域完整的产品线，并逐步建立工业传感器产品线，同时拟用并购的方式，扩充运动产品线。但为应对竞争与需求变化，公司还需要持续的研发投入。公司目前有多个新产品处于规划或者研发阶段，并在各下游行业规划研发机器视觉应用方案。一方面，上述在研项目距离实现批量生产和销售还有一定时间，且存在研发失败的风险。另一方面在研项目可能在未来商业化中会面临激烈竞争，出现商业价值低或不及预期的风险，同时，新产品或新方案在客户方面形成一定的偏好及忠诚度均需要一定的时间。因此，公司存在新产品研发失败和市场推广不利的风险，进而对公司未来的业绩增长和盈利提升产生负面影响。
　　（三）财务风险
　　1.应收账款回收风险
　　报告期末公司应收账款账面价值为87,839.01万元，占当期总资产的比例为24.20%，应收账款占总资产的比例较高。如果宏观经济形势、行业发展前景发生重大不利变化或个别客户经营状况发生困难，则公司存在因应收账款难以收回而发生坏账的风险。如若客户信用风险集中发生，则公司将面临营业利润大幅下滑的风险。
　　2.存货跌价风险
　　报告期末公司存货账面价值为25,273.10万元，占当期总资产的比例为6.96%。若未来市场环境发生变化或竞争加剧导致产品滞销、存货积压等情况，将造成公司存货跌价损失增加，对公司的盈利能力产生不利影响。
　　（四）行业风险
　　公司主要客户群体集中在3C电子、锂电等行业，由于3C电子、锂电等行业的市场需求受宏观经济及政策等多方面因素的影响，具备较为明显的周期性。若未来出现宏观经济下滑、扶持政策力度下降等不利因素，同时如果公司不能进一步拓展其他应用行业的业务，可能出现收入及利润增速放缓甚至下滑的风险。
　　（五）宏观环境风险
　　随着全球经济周期的变化，经济增长速度放缓可能会导致市场需求疲软，直接影响制造业的生产和投资。若未来国家宏观经济环境发生重大变化、经济增长速度放缓或下游行业需求出现周期性波动，公司主要客户因终端需求下滑、调整自身市场计划，或因供应链短缺等原因在自动化业务方面的资本支出放缓，且公司未能及时对行业需求进行合理预期并调整公司的经营策略，可能对公司业务发展造成不利影响。 收起▲