一、经营情况讨论与分析　　2023年，对于公司来说是充满挑战的一年。受下游行业以及公司自身发展阶段的影响，公司的业绩受到一定程度的压力。但同时，我们也在危中见机，为未来发展储备力量。　　（一）受整体市场环境变化的影响，公司2023年业绩承压下行　　2023年公司营业收入为94,387.09万元，归属于上市公司股东的净利润为19,370.87万元，同比均出现不同程度的下降。主要原因是下游主要行业产线投入需求放缓造成公司收入下行的同时，公司为未来发展持续投入的费用维持在高位。　　1、消费电子市场相对疲软、锂电行业资本投入周期性调整　　消费电子行业和锂电行业是公司近年来最主要的客户群。　　消费电... 查看全部▼

　　一、经营情况讨论与分析
　　2023年，对于公司来说是充满挑战的一年。受下游行业以及公司自身发展阶段的影响，公司的业绩受到一定程度的压力。但同时，我们也在危中见机，为未来发展储备力量。
　　（一）受整体市场环境变化的影响，公司2023年业绩承压下行
　　2023年公司营业收入为94,387.09万元，归属于上市公司股东的净利润为19,370.87万元，同比均出现不同程度的下降。主要原因是下游主要行业产线投入需求放缓造成公司收入下行的同时，公司为未来发展持续投入的费用维持在高位。
　　1、消费电子市场相对疲软、锂电行业资本投入周期性调整
　　消费电子行业和锂电行业是公司近年来最主要的客户群。
　　消费电子方面，在全球经济增速放缓的背景下，市场整体低迷。导致下游客户产线更新、升级需求不足。公司2023年在3C电子行业的收入为5.80亿元，较去年同期下降了9.34%。
　　锂电行业方面，经过2018年-2022年的快速扩张之后，下游锂电行业进入以产能利用率爬升为重点的发展阶段，相应资本开支缩减，新增和更新设备的需求放缓。公司2023年在锂电领域的收入为2.60亿元，较去年同期下降了34.97%。
　　2023年，公司面临两个主要下游行业资本投入减缓的叠加影响，收入同比下滑17.27%。
　　2、着眼未来，公司保持对关键领域的高投入，导致利润水平进一步受压
　　尽管公司经营面对短期增长压力，但我们依然坚持对关键领域的持续投入，以保持技术和市场的领先地位。
　　2023年公司研发投入达到2.02亿元，同比增长5.88%，保持高位。我们投入大量资源持续发展深度学习（工业AI）技术，拓展传感器等新产品线。
　　同时，2023年募投项目“总部机器视觉制造中心项目”阶段性投产运营，提升了公司的产能和自产能力的同时，也新增了折旧、摊销的压力。
　　上述投入对公司短期盈利产生了一定压力，但是，我们认为是公司保持长久发展和持续进步的必要投入。
　　（二）2023年抓住市场调整的时机，为未来发展积累动能
　　1、持续推进深度学习（工业AI）技术在各行业加速落地
　　锂电行业是公司深度学习（工业AI）技术最早实现落地的领域。2023年，通过在行业工艺难点上的成功应用，公司进一步证明了深度学习（工业AI）技术的先进性和价值，深度学习（工业AI）产品在各工序的覆盖率得以提升。
　　消费电子行业方面，通过应用公司的深度学习（工业AI）技术，可以解决行业长期难以解决的检测痛点。2023年，公司在这方面与客户深入配合，并逐步进入技术验证及试线阶段。
　　2、通过产品标准化，拓展客户群体，增强公司防风险、抗周期的能力
　　通过与下游行业头部客户的深入合作，公司建立了对下游行业视觉应用的深入认知。在此基础上，公司逐步提炼出相应工序视觉应用的行业方案，并向更广阔的行业客户推广，从而实现客户的多元化。2023年在行业头部客户进入产能稳定、产能利用率爬坡阶段、新增需求不足的情况下，通过行业视觉方案的推广，在一定程度上平滑了头部客户扩产周期对公司业绩的影响。
　　3、通过内生+外延，积极布局和完善产品线
　　公司以机器视觉技术为核心，致力于为客户提供智能、前沿的自动化产品及解决方案，以满足工业领域对高效、精准自动化系统的需求。
　　一方面，公司继续着力拓展传感器、读码器、自制相机等产品线；另一方面，公司亦在尝试采用外延方式，吸收成熟产品线，以助力未来发展。
　　（三）2024年外部环境压力仍在，但危中见机，我们对机器视觉行业的未来仍抱有长期向好的信心
　　2024年，国际和地缘冲突持续，世界经济预计仍将处于整体增长疲软、区域间分化的形势。受整体世界经济局势及扩产周期的影响，我们预计下游行业资本支出投入仍将处在疲软区间。但我们仍然非常看好机器视觉行业的长期发展：
　　1、中国企业出海，带来海外市场的发展机遇
　　全球产业链、供应链体系重构的大时代背景，给国内企业的发展带来了一定的困难，但也同时带来了相应的机遇。国内的新能源、消费电子等行业的头部公司均在积极推进国际化战略，通过投资、合作等方式，寻求产能在全球范围内的落地。与之相应的，国内的成熟工业自动化产品，也在这个过程中走出国门，服务新形势下的全球产业链。
　　公司早在多年前就开始全球化的布局。近年来，随着产业链的重构，公司产品也逐渐出现在更多的海外产线上。
　　公司下游客户在全球产线布局的持续调整，将带来更多的新增资本开支需求，从而带动对公司机器视觉产品的需求。
　　2、技术驱动下行业边界的拓宽
　　回顾行业发展历史，3D视觉等技术在机器视觉领域的应用，已经证明了新技术对行业边界拓展的作用。未来大模型等工业AI技术领域在机器视觉行业的落地应用和完善将进一步拓宽行业边界。
　　例如，锂电池极耳区域出现的缺陷类型复杂多样，位置随机，而且一些细微瑕疵与极耳背景颜色差异微乎其微，造成难以精确提取缺陷特征，其视觉检测成为行业难点之一。公司通过充分利用深度学习（工业AI）和传统算法相结合的方式，对极耳的缺陷特征进行准确提取、分类，能避免误判、漏检等情况出现，实现对极耳检测的缺陷零漏报。
　　3、工业自动化领域的持续国产替代，是机器视觉未来几年的行业机遇
　　（1）机器视觉软件系统的国产替代
　　机器视觉的软件系统是整个机器视觉产业链上，国产化程度相对较弱的领域。海外品牌仍长期占有一定的竞争优势。随着整体视觉技术的进步，国产视觉软件系统在更多应用场景的实践验证，软件系统的国产化将为行业带来充分的增长空间。
　　（2）工业自动化设备在更多行业领域的国产替代
　　机器视觉是工业自动化、智能化设备的重要组成部分，其发展进度与设备本身的国产化程度高度相关。消费电子、锂电等行业设备国产化带动视觉市场的高速发展已经印证了这一点。目前在汽车、半导体等行业的高端设备方面，国产化率还有较大空间，也留给了机器视觉行业更多的发展机遇。
　　公司在机器视觉、机器视觉软件系统领域，一直以自研技术处于行业领先地位，也将受益于配合下游客户进行国产替代的过程。
　　抓住上述机遇，需要公司在关键领域的持续投入，也需要一定的时间逐步落实。我们坚信“路虽远行则将至”，短期内的投入和压力，会给我们伴随机器视觉行业长期发展的路上更大的动力和信心。
　　
　　二、报告期内公司所从事的主要业务、经营模式、行业情况及研发情况说明
　　(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的品质管控、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、深度学习（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、一键测量传感器、工业传感器产品。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，拟并购成熟协同企业，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核心软硬件产品，从中取得收入、获得盈利。
　　2.研发模式
　　公司的主要产品机器视觉核心软硬件及拓展中的工业传感器产品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。公司的研发主要包括基于各机器视觉软硬件产品及工业传感器产品的研发和基于机器视觉解决方案的研发。
　　基于各机器视觉软硬件产品及工业传感器产品的研发，公司坚持基础研发、产品研发与前瞻性研发并重。一方面公司通过包括对光学成像、图像处理、深度学习（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。
　　3.销售模式
　　公司的销售模式均为买断式销售，主要依托向客户提供解决方案带动产品的销售，主要客户类型包括设备制造商、设备使用方、系统集成商/贸易商等。
　　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，而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，公司建立起了以向客户提供机器视觉解决方案，从而带动产品销售的业务模式。
　　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极多、单品种采购量较小等特点。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、镜头等。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。
　　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，并不断完善传感器产品线。自主视觉产品线已全面覆盖视觉算法库、智能视觉平台、深度学习（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、一键测量传感器、工业传感器产品。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。
　　在这些自主生产的产品中，根据常用程度和应用范围大小进行区分，自主产品的标准化程度情况如下：（1）光源产品，包括标准产品和非标准产品，非标光源主要是在标准光源的基础上对尺寸、照度、均匀性等指标进行调整或者组合；（2）光源控制器产品，以标准产品为主，少量非标型号是在标准产品的基础上，对某些特定指标，如电流、电压等，进行强化或者其它特别设定；（3）自主工业镜头、工业相机、视觉控制器、视觉处理分析软件，均为标准产品。上述标准或者非标准的产品，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，解决方案层面，公司的机器视觉解决方案具有定制化、多品种、小批量的特点。随着行业方案的批量应用及深度积累，逐步实现行业方案及产品和交付的标准化。
　　公司采取以销定产并按照销售预测保持一定安全库存的生产备料模式，以保证生产的平稳性和交期的灵活性。对于较为常规的产品，公司采用“备货生产”模式。即根据历史订单数据、下游市场情况等信息进行销售预测并确定安全库存水平，在考虑上游供货周期的基础上，以该库存水平为目标，调整生产节奏，提前排产，以便快速响应市场需求。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。即以订单为导向，按照客户需求的产品规格、数量和交货期来制定生产计划，组织备料排产。
　　(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，2022年中国机器视觉市场规模170.65亿元（该数据未包含自动化集成设备规模），其中对机器视觉技术要求较高的行业，中国3C电子行业机器视觉市场规模为43亿元，中国锂电机器视觉市场规模为21亿元。奥普特2022年、2023年营业收入分别为11.41亿元、9.44亿元，业务收入集中于3C电子及锂电行业，在行业中有明显的技术领先优势和市场影响力。
　　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、深度学习（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、一键测量传感器、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
　　2023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2023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，赋予自动化生产设备视觉与处理能力，实现识别、测量、定位与检测等功能。随着智能制造技术逐渐普及，自动化生产企业需要更加精准有效的质量检测、增强处理、尺寸测量、溯源分析等视觉功能，提升现有生产工艺流程。相应地，机器视觉系统要具有更精准、有效的视觉分析功能。相关企业围绕如何让机器“看得清”和“算得准”两方面提升视觉系统的性能。
　　①高精度成像
　　高精度成像技术，作为机器视觉领域的核心驱动力，近年来在新能源锂电池检测、3CAOI等多个工业领域中展现出了重要的应用价值。随着智能制造和工业自动化的深入发展，对高精度成像的需求不断上升，推动着高精度成像技术的持续进步与创新。
　　在光源技术层面，新型光源类型的不断涌现、波长覆盖范围的逐步扩大以及光源布局的创新设计，为高精度成像提供更为丰富和灵活的选择。在镜头和相机方面，提供更高分辨率的产品是行业持续的发展方向和目标。
　　新能源锂电池检测领域，新能源锂电池作为电动汽车、储能系统等领域的核心部件，其质量和安全性至关重要。高精度成像技术在锂电池检测中发挥着关键作用。例如，在锂电池的焊接质量检测中，通过高分辨率的相机和镜头，可以精确捕捉到前工序中的针孔、焊坑、毛刺等微小缺陷，确保质量的可靠性。此外，在锂电池中段焊接、包装工艺的电芯表面缺陷检测中，成像技术能提升翻折、划痕、褶皱等缺陷形态，提高视觉分析效果。同样的，高精度成像技术在3C电子产品的AOI质检场景能精准获取到压伤、破损、色差等不良形态特征。
　　相比于2D视觉感知，3D视觉感知在弱光照条件限制下能获取空间高度信息，且具有更高的稳定性、适应性。基于AI技术，通过对2D、3D多元数据深度融合，使得视觉系统能够更精准地理解并应对复杂多变的工业环境，被广泛应用到生物识别、机器人、消费电子、工业三维测量、汽车自动驾驶等行业，实现工业产品质量检测、高精度定位引导以及物体抓取等任务。例如，高密度电子制造行业中电子零部件尺寸测量，测量精度可以达到亚微米级甚至纳米级。
　　②智能分析算法
　　基于传统机器学习和常规图像分析技术的机器视觉系统分析效果已达到性能瓶颈。系统的准确性、鲁棒性、泛化性等方面，很难匹配当前智能制造的需求。尤其是要求极为苛刻的生产工艺流程，例如锂电池质量鉴定，检测要求实现PPM迈进PPB。人工智能(AI)技术井喷式的发展显著提升机器视觉系统分析性能，加快机器视觉向更多行业推广速度。并在以下几个方面变化显著：
　　深度学习技术应用比重逐步提升。深度学习技术的飞速发展，导致其在机器视觉检测领域应用日渐广泛，尤其是背景复杂、成像多样、换型频繁等视觉场景。以锂电池质检为例，叠片、模切、卷绕等工艺，深度学习技术覆盖/替代了这些关键工序中2/3的传统算法，实现高速高精度的质量检测，并将生产良率明显提升。
　　深度学习的视觉分析算法与柔性生产制造之间的契合度日益增强。主要表现为分析性能显著提升以及学习成本的显著下降。过去，深度学习视觉分析算法模型依赖成百上千张的训练图像，而目前这一依赖程度已大幅降低，仅需几十张甚至几张图像即可。在产品换型时，对于相近的流程工艺，检测模型能够实现一键换型，大大提高生产效率和灵活性。此外，新增或更新训练任务时，模型能够自适应增量学习，训练周期缩短至原来的1/3。在保证性能的前提下，深度学习模型所依赖的计算资源也在逐步降低，部署时从原先的高端显卡逐步过渡到中/低端显卡，甚至可以在CPU条件下进行推理运算。
　　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。在产品质量检测领域，通过结合3D视觉和深度学习技术，系统能够获取工件表面的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和分类，精准检测出依赖2D视觉难以发现的微弱缺陷。据实际应用数据显示，在知名锂电企业的关键工位，漏检率降低了50%以上。此外，在智能手机摄像头模组的装配过程中，该技术通过高精度的三维扫描和深度学习处理，能够准确获取模组各部件的相对位置，从而指导机器人实现高精度的对齐和固定，有效降低了人工操作引起的误差和不良率。这些创新性的应用既提升了生产效率和产品质量，又为企业带来了显著的成本节约和竞争优势。
　　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。2023年4月，Meta发布的分割一切SAM大模型，作为CV技术泛化能力的重要突破，不仅显著拓宽了深度学习的应用边界，还降低了相关技术的使用门槛。在机器视觉领域，基于SAM大模型的应用正日益广泛。例如，对于图像分割任务中通常需要十几秒甚至几十秒才能完成一个目标掩码的像素级精细化标注，人力成本很高。基于改进的SAM算法，不仅显著提升分割任务的标注质量，而且标注速度提升3倍以上。在工业制造缺陷检测应用中，基于SAM的检测模型能够精准识别各种困难缺陷，如狭长划痕、模糊污渍、微小破损等。基于SAM研发出针对特定应用场景的行业大模型，在3C、新能源、生物、医学领域取得良好的泛化性和通用性。同时，视觉语言大模型如AnomayGPT，通过文本提示方式实现少样本甚至零样本场景下的工业异常缺陷检测，展现出显著的迁移泛化能力和少样本学习甚至零样本检测性能。这些技术的发展不仅为机器视觉领域带来了新的增长点，也为相关企业提供了转型升级的重要机遇。
　　（2）新产业、新业态发展
　　机器视觉系统的通用性和泛化性正日益增强，为多个生产行业提供了更为精准、灵活的视觉解决方案。标准化和平台化的视觉成像方案正在成为一种明显的发展趋势，这不仅有助于降低技术应用的门槛，还能显著提高应用的效率。随着自适应视觉分析算法的不断优化，机器视觉系统正展现出更强的兼容性，能够更好地满足不同行业的特定需求，为企业提供更低成本、更便捷灵活的定制化服务。在视觉行业的领军企业中，由于多年的行业积累、强大的研发实力以及丰富的行业经验，这些企业正在持续推出针对特定行业和场景的创新性视觉解决方案。以新能源锂电池前工序的缺陷检测为例，这些头部企业使用的方案已经能够覆盖多个工艺流程，实现数十种生产缺陷的稳定检测，无需额外训练，极大地提高了生产效率和质量。这些优势使得视觉行业头部企业在市场竞争中占据有利地位。
　　（3）未来发展趋势
　　过去几十年中国制造业发展取得了显著成就，规模体量跃居世界首位。与此同时，国际制造业竞争的加剧进一步凸显了我国制造业智能化转型升级的紧迫性。智能制造是制造业转型升级的关键所在，它融合了信息技术、自动化技术和人工智能等前沿技术，推动生产过程向智能化、数字化和网络化方向迈进。
　　机器视觉系统作为智能制造的重要一环，其高精度尺寸测量、精确引导定位、自动化品质检测、智能化识别判断等独特优势，使其成为制造业转型的关键技术之一。通过实时获取并分析生产现场的各种数据，如产品外观、尺寸、位置和缺陷异常等，从而实现异常检测、故障预测和流程优化等功能。此外，机器视觉系统不仅能精准发现当前机台的缺陷，更能通过多工序多机台的协同分析，实现整个制造环节缺陷异常的溯源，及时揭示潜在问题并进行精细化调控。这种能力不仅增强了生产过程的可控性和稳定性，还有效降低了生产成本，提高了生产效率。随着技术的进步和行业的需求变化，我们预计机器视觉行业在以下方面继续发展：
　　①成像技术：分辨率持续提升，从单一光谱到多/高光谱发展
　　随着检测和识别对象的品质要求愈发严苛，对成像的分辨率持续提升，并对光源、镜头和相机的成像能力给出了更高的要求
　　镜头：成像镜头产品类型的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将在不同的应用领域发挥重大作用。
　　光源：随着机器视觉在各个行业的应用日益广泛，对于目标物体的特征分析需求也变得越来越复杂。单一光谱的光源往往只能提供有限的信息，例如物体的外观、形状等。多光谱技术能实现对不同波长光谱信号的采集，从而得到高分辨率的多/高光谱的图像信号，实现目标高维信息参量获取，这种技术大大简化了视觉系统的光学部件复杂性，同时也推动了机器视觉实现目标的多种特征分析。
　　从单一光谱到多/高光谱的转变，不仅提高了机器视觉系统的信息获取能力，也扩展了其在各行业的应用范围。随着技术的不断进步，机器视觉系统将会变得更加智能和高效。
　　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。
　　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，这样应用起来更加方便，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。
　　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。
　　②3D成像和检测技术：高精度重建和特征融合
　　随着信息技术的快速发展，计算机视觉3D技术已经应用到了诸多领域，推动了虚拟现实（VR）、增强现实（AR）等技术的不断进步。3D视觉技术变得越来越重要，它提供了比2D更加丰富的图像信息。
　　3D视觉作为机器视觉的重要组成，可以真实还原出物体的三维信息，更好地满足对于高精度定位、抓取、检测等场景的需求，填补了2D视觉的应用空白。近年来，线扫3D产品不断改进硬件技术，优化光路设计，持续推出精度更高、速度更快的产品，专注满足3C电子、锂电、汽车、半导体、光伏等行业视觉应用。结构光3D产品在3D图像处理技术上取得重大成效，解决边缘不清晰、环境干扰等技术难点，在器件装配、物流运输行业取得重大突破。未来，3D视觉技术将持续创新，助力机器视觉实现更智能、高效的市场应用。
　　③视觉算法和软件技术：深度学习与多模态融合
　　机器视觉技术正在从单一的视觉模态向多模态、跨模态方向升级。随着人工智能技术的快速发展，尤其是大模型的成功应用，机器视觉系统正逐渐融合图像、点云、时序、文本、语音等多模态信息，使其更接近人类的感知和认知方式进行视觉分析。在制造过程中，产品表面的瑕疵、异常、尺寸不符等缺陷检测一直是难点。传统的机器视觉系统主要依赖视觉图像作为信息输入，但在某些情况下难以精准检测所有缺陷。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。
　　深度学习在机器视觉领域的广泛应用正推动工业制造行业的智能化进程。当前，机器视觉底层模型展现出大模型与小模型并存的态势。大模型凭借强大的泛化能力，在跨领域迁移学习上表现卓越；然而，针对特定行业或场景的视觉分析任务时，大模型往往需要进行自适应微调，这导致其实施代价高昂，具体表现为，训练周期长且依赖大量计算资源，推理成本高、速度慢且硬件依赖性强。相对而言，小模型在特定任务上展现出高效性，其训练周期短、推理速度快且硬件依赖程度低，更适合工业质检和设备预测性维护等场景。值得一提的是，大模型的高质量图像生成能力为小模型的训练提供了丰富的数据支持，进一步提升了小模型的检测能力和通用性。未来，大模型与小模型的有机结合将在工业制造场景下发挥更大价值，为工业智能化提供更加全面、精准的技术支持。
　　(四)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，具备开发机器视觉底层算法、平台软件，以及光源控制和光学模拟等核心组件的能力。核心技术包括深度学习（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。公司重点发展深度学习（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，并在2023年取得了显著成就。报告期内，公司研发投入达到2.02亿元，同比增长5.88%。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）产品线拓展完善
　　①光源产品线：为满足更复杂应用场景的需求，公司推出了多颜色可切换的光纤光源、可消除莫尔纹的高清晰平面无影光源、适用于反光工件表面缺陷检测的平面条纹光源，为客户提供了更高质量和更高效率的光源解决方案。
　　②视觉软件产品线方面：公司持续对软件功能和算法进行升级迭代。过往项目应用中，随着市场检测标准逐渐增高，单一的2D应用已难以满足应用需求，需多维度的检测方案，逐步拓展应用3D检测和深度学习检测，覆盖更多应用场景，有效提升检出率。同时，公司还对智能软件平台Smart3和视觉算法库SciVision产品进行了升级，持续优化算法效率和资源占有率，强化算法抗干扰能力，增强了标定、3D测量、外观检测、通讯等工具的功能和易用性。
　　③镜头产品线：公司持续完善镜头产品线及其应用范围，各个成像镜头产品类型的应用由中大视野拓展到中小视野的高精度检测应用。在定焦镜头产品方面推出微距定焦镜头，远心和线扫镜头产品推出高倍率大靶面远心镜头和线扫镜头，在显微镜方面研发出高倍率工业显微镜。
　　④2D相机产品线：对于只需要获取二维信息的检测系统，2D相机能更容易实现高精度、高速度的检测，同时成本更低。公司顺应行业应用要求，结合成像质量、光谱响应范围、功耗、产品结构尺寸、散热以及成本等方面迭代升级产品。推出更多同时满足高分辨率和高帧率要求的新型产品；同时细化行业应用，完善相机分辨率覆盖超小分辨率到超高分辨率产品线。
　　⑤3D产品线：3D视觉作为机器视觉的重要组成，可以真实还原出物体的三维信息，更好地满足对于高精度定位、抓取、检测等场景的需求，填补了2D视觉的应用空白。公司线扫3D产品不断改进硬件技术，优化光路设计，持续推出精度更高、速度更快的产品，专注满足3C电子、锂电、汽车、半导体、光伏等行业视觉应用。结构光3D产品在3D图像处理技术上取得重大成效，解决边缘不清晰、环境干扰等技术难点，在器件装配、物流运输行业取得重大突破。未来，3D视觉技术将持续创新，助力实现更智能、高效的市场应用。
　　⑥智能读码器产品线：中国制造业正在从制造大国向制造强国转变，这一过程中，智能设备和自动化技术扮演着关键角色。智能读码器作为其中的重要组成部分，在制造业的数字化和智能化升级中发挥重要作用，随着中国制造业的快速发展，智能读码器的市场需求预计将持续攀升，行业发展态势良好。公司在智能读码器产品线研发不断取得突破。
　　a.AI成像和解码技术：传统的读码器通常依赖于较为基础的图像处理算法，这些算法在处理复杂或低质量的条码时可能会遇到困难，导致识别速度和准确率受限。AI芯片可以处理和优化读取到的图像，使其更清晰、更易于识别。公司推出内置AI芯片的读码器产品，利用先进的深度学习算法和图像预处理技术，能够更快地处理复杂图像，即使在条码损坏、模糊或光照条件不佳的情况下也能实现高速、高精度的识别。不仅提高对复杂场景下条码的解码能力，还能够根据不同的应用场景自动调整识别参数，提高识别的准确性和效率。
　　b.液态镜头技术：液态镜头技术是一种创新的成像技术，它利用液态材料（如油或水）的物理特性来实现镜头的焦距调节。这种技术在智能读码器中的应用显著提高了读码效率和适应性。传统机械对焦镜头依赖于机械部件（如马达和齿轮）来移动镜片，改变焦距，实现聚焦。由于机械移动部件的限制，对焦速度较慢，特别是在连续对焦或快速变焦的场景中，且长期使用中机械磨损可能导致对焦不准确。液态镜头通过改变内部液体的形状或压力来调节焦距，能够实现快速自动对焦，适合于需要快速响应的应用场景，如高速生产线上的条码读取，且具有较大的焦距调节范围，能够适应不同的工作距离和拍摄需求，对环境变化的适应性更强。公司推出液态镜头智能读码器产品，进一步拓宽应用场景的需求。
　　⑦智能相机产品线：公司全新推出多功能一体化SC系列智能相机，体积小，性价比高，有效适配了安装空间小、行业专用化等应用场景。采用图形化编程设计，操作简单、易用；不仅有上百种视觉检测算法加持，还支持深度学习功能，能轻松应对计数、定位、测量、识别及缺陷检测等各类复杂应用场景。
　　⑧传感器产品线方面：公司积极进行技术创新，在传感器的数字化、网络化、智能化、小型化和高精度方面，取得了多个技术突破，为客户提供更加稳定更加智能的传感器产品。
　　（2）高效智能AI软件全新升级
　　公司发布了全新升级的智能AI软件DeepVison3，突破了传统AI项目实施周期长、门槛高、成本高及通用性差等局限性，在高效、柔性及易用性三个维度实现了关键技术创新。
　　①高效维度：DeepVision3基于小样本学习，通过图像扩增、算法增强等方式，降低图像依赖程度，数据量可减少90%，而深度图像生成速度提升3倍以上，训练周期可缩短到30分钟；同时还通过模型轻量化，在保证了精准度的前提下，使分类和检测任务提速20倍以上；
　　②柔性维度：DeepVision3开发了针对3C、锂电池的通用检测模型，相近工艺可实现一键换型，高度契合工厂模式，支持多人协作、多工序分析等功能。不仅于此，DeepVision3囊括了8大任务类型、15大核心功能，标注、分割更智能高效，操作简单；
　　③易用维度：DeepVision3囊括了语义分割、字符识别、目标检测、图像分类等多种任务类型，无需编程，高度易用，极大降低了软件的学习成本。此外，DeepVision3还支持多标签复用、标注质量把控等功能。在模型训练过程中，提供超参设置提示、过程可视化、评估结果溯源等工具，还能一键部署到Smart3软件。
　　2.报告期内获得的研发成果
　　报告期内，公司新增发明专利46项、实用新型专利60项、外观设计专利1项，软件著作权29项；截止报告期末，公司累计获发明专利97项、实用新型专利412项、外观设计专利31项，软件著作权116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5.88%，主要系报告期公司为保持技术领先、客户满意度，研发人员及物料投入等未减少。
　　4.在研项目情况
　　5.研发人员情况
　　6.其他说明
　　
　　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13,710.57万元、19,102.18万元、20,224.50万元，占营业收入的比例分别为15.67%、16.74%、21.43%。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97项、实用新型专利412项、外观设计专利31项，软件著作权116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”“国家知识产权优势企业”，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”“广东省企业技术中心”“广东省重点实验室”“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。截止2023年12月31日，公司研发人员899人，占公司总人数的39.64%。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，对保持客户黏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、深度学习（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、一键测量传感器、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，深度学习（工业AI）将深刻改变机器视觉行业的技术发展，而行业数据是深度学习技术的基础。深度学习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，在机器视觉的深度学习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4个小时提出机器视觉硬件方案、2个工作日内提出机器视觉整体方案、获取客户提供的工件后1个工作日内完成测试、7-10个工作日内完成产品交货。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
　　
　　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、深度学习、大数据、人工智能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。
　　(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62,432.03万元，占当期总资产的比例为20.49%，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11,580.91万元，占当期总资产的比例为3.80%。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94,387.09万元，同比下降17.27%。归属于上市公司股东的净利润同比下降40.37%，归属于上市公司股东的扣除非经常性损益的净利润同比下降45.41%。
　　
　　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。与外资企业相对比，内资机器视觉企业发展时间较短、知名度较低、技术研发能力不强、自主研发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，2022年中国机器视觉市场规模170.65亿元（该数据未包含自动化集成设备规模），其中对机器视觉技术要求较高的行业，中国3C电子行业机器视觉市场规模为43亿元，中国锂电机器视觉市场规模为21亿元。奥普特2022年、2023年营业收入分别为11.41亿元、9.44亿元，业务收入集中于3C电子及锂电行业，在行业中有明显的技术领先优势和市场影响力。
　　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：重点发展深度学习（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，并拓展至工业传感器产品线、运动部件产品线。
　　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、深度学习（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2024年度经营目标：营业收入同比增长10%-30%。公司上述经营目标不代表公司对2024年度的盈利预测，能否实现取决于宏观经济形势、下游市场需求变化等因素，存在一定的不确定性，请投资者特别注意。
　　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，近三年研发投入占营业收入15%以上，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。2024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。重点发展深度学习（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。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、运动部件产品线。
　　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、深度学习（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
　　2024年，公司将持续优化客户结构，持续加强与大客户及关键客户的合作，快速反应客户需求；进一步拓展公司的市场空间，在巩固现有的3C电子、锂电等领域的客户和市场的同时，积极开拓汽车、半导体、光伏等行业的机遇；进一步强化和深耕国内市场的同时，积极开拓欧洲、日本、印度、越南、泰国等海外市场。
　　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，规范股东大会、董事会、监事会的运作，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、生产和销售的高新技术企业。公司定位于自动化核心零部件供应商，以“打造世界一流视觉企业”为目标，致力于为下游行业实现自动化提供具有竞争力的产品和解决方案。　　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... 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、生产和销售的高新技术企业。公司定位于自动化核心零部件供应商，以“打造世界一流视觉企业”为目标，致力于为下游行业实现自动化提供具有竞争力的产品和解决方案。
　　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、深度学习（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。同时，奥普特以产品核心技术为基础，建立了成像和视觉分析两大技术平台，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），形成了多层次的技术体系。以此为基础，公司能够向下游客户提供各种机器视觉解决方案，协助客户在智能装备中实现视觉功能，提高机器视觉系统的准确性、稳定性和可靠性，从而带动公司产品的销售。
　　(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核心软硬件产品，从中取得收入、获得盈利。
　　2.研发模式
　　公司的主要产品机器视觉核心软硬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。
　　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。一方面公司通过包括对光学成像、图像处理、深度学习（工业AI）、3D视觉技术、异构计算等技术的研究，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。
　　3.销售模式
　　公司的销售模式均为买断式销售，主要依托向客户提供解决方案带动产品的销售，主要客户类型包括设备制造商、设备使用方、系统集成商/贸易商等。
　　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，而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，公司建立起了以向客户提供机器视觉解决方案，从而带动产品销售的业务模式。
　　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极多、单品种采购量较小等特点。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、镜头等。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。
　　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、深度学习（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。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。
　　在这些自主生产的产品中，根据常用程度和应用范围大小进行区分，自主产品的标准化程度情况如下：（1）光源产品，包括标准产品和非标准产品，非标光源主要是在标准光源的基础上对尺寸、照度、均匀性等指标进行调整或者组合；（2）光源控制器产品，以标准产品为主，少量非标型号是在标准产品的基础上，对某些特定指标，如电流、电压等，进行强化或者其它特别设定；（3）自主工业镜头、工业相机、视觉控制器、视觉处理分析软件，均为标准产品。上述标准或者非标准的产品，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，解决方案层面，公司的机器视觉解决方案具有定制化、多品种、小批量的特点。随着行业方案的批量应用及深度积累，逐步实现行业方案及产品和交付的标准化。
　　公司采取以销定产并按照销售预测保持一定安全库存的生产备料模式，以保证生产的平稳性和交期的灵活性。对于较为常规的产品，公司采用“备货生产”模式。即根据历史订单数据、下游市场情况等信息进行销售预测并确定安全库存水平，在考虑上游供货周期的基础上，以该库存水平为目标，调整生产节奏，提前排产，以便快速响应市场需求。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。即以订单为导向，按照客户需求的产品规格、数量和交货期来制定生产计划，组织备料排产。
　　(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、新能源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、新能源、半导体、汽车等国民经济的各个领域。工业和信息化部等七部门印发《智能检测装备产业发展行动计划（2023—2025年）》，其中提出，到2025年，智能检测技术基本满足用户领域制造工艺需求，核心零部件、专用软件和整机装备供给能力显著提升，重点领域智能检测装备示范带动和规模应用成效明显，产业生态初步形成，基本满足智能制造发展需求。研制一批专用智能检测装备。围绕机械、汽车、航空航天、电子信息、钢铁、石化、纺织、医药等行业专用检测需求，支持用户牵头，产学研用跨学科、跨领域攻关，开展基于数字模型的正向设计，融合新原理、新材料、新工艺，研制开发一批专用智能检测装备。加强新材料、生物制造等新兴领域专用检测装备研制。随着我国工业制造领域的自动化和智能化程度的加深，机器视觉将得到更广泛的发展空间。GGII数据显示，2022年中国机器视觉市场规模170.65亿元（该数据未包含自动化集成设备规模），同比增长23.51%。其中，2D视觉市场规模约为152.24亿元，同比增长20.21%，3D视觉市场约为18.40亿元，同比增长59.90%。GGII预测，至2027年我国机器视觉市场规模将超过560亿元，其中，2D视觉市场规模将超过400亿元，3D视觉市场规模将接近160亿元。
　　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、深度学习（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。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、新能源、半导体、汽车等多个领域，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。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
　　报告期内，新技术和产业化应用不断提升，公司下游产业链发展势头良好，机器视觉的需求稳步增加，未来应用前景广阔。
　　（1）新技术的进步极大扩展了机器视觉的应用领域和市场空间
　　深度学习（工业AI）相关技术的持续进步显著提升了机器视觉技术解决工业问题的能力，加快了机器视觉向更多行业渗透的速度。目前主流的机器视觉技术仍采用传统方式，即首先将数据表示为一组特征，分析特征或输入模型后，输出得到预测结果，在结构化场景下定量检测具有高速、高准确率、可重复性等优势。但随着机器视觉的应用领域扩大，传统方式显示出通用性低、难以复制、对使用人员要求高等缺点。深度学习对原始数据通过多步特征转换，得到更高层次、更加抽象的特征表示，并输入预测函数得到最终结果。深度学习可以将机器视觉的效率和鲁棒性与人类视觉的灵活性相结合，极大地拓展了机器视觉的应用场景。深度学习相关算法不断迭代优化，很多原来处理效果不佳或处理性能不足的机器视觉问题逐步得到较满意的结果，从而有效扩大了机器视觉技术的市场潜力。
　　传统的机器视觉技术主要基于2D图像的处理分析实现测量、检测、定位、识别等功能。3D视觉技术是对传统2D视觉技术的重要补充。3D视觉技术利用3D视觉传感器采集目标对象的3D轮廓信息，形成3D点云，进而可以实现平面度、翘曲度、段差、曲面轮廓度等3D尺寸测量、3D空间中的机器人引导定位、基于3D信息的检测、识别等各种丰富的功能。3D视觉技术，提供了丰富的三维信息，使机器能够感知物理环境的变化，并相应地进行调整，从而在应用中提高了灵活性和实用性，扩大了机器视觉的应用场景。
　　高精度成像技术是机器视觉行业始终追求的技术发展目标。高精度成像需要光源、镜头、相机等各部分的精密配合。在光源技术方面，技术的发展方向包括新的光源类型、更全面的波长覆盖、创新的光源布局等；在镜头和相机方面，提供更高分辨率的产品是行业持续的发展方向和目标。
　　嵌入式系统技术发展推动相机智能化，嵌入式系统技术是以计算机技术为基础，适应应用系统对功能、可靠性、成本、体积、功耗等要求严格的专用计算机系统。嵌入式系统由硬件和软件组成，软件内容包括软件运行环境及其操作系统，硬件内容包括嵌入式处理器、存储器、通信模块等。嵌入式系统技术在机器视觉中的应用不断拓展，形成以智能相机为代表的智能化机器视觉设备。相比于基于上位机的视觉技术，嵌入式系统技术将用于实现图像处理和深度学习算法的AI模块集成至工业相机，实现边缘智能，能够同时胜任图像采集与数据处理工作。
　　边缘计算也将成为机器视觉检测领域重要的计算模式。传统的集中式云计算方式在数据处理速度方面会存在较大的延迟，难以满足视觉检测对于高响应速度、高灵活性的数据处理需求，因此，边缘计算在视觉检测领域的重要性会逐步提升。例如在智能制造领域中，通过协同边缘计算与云计算，将机器视觉系统部署在靠近现场或用户的位置，实现远程实时控制和监控，减少数据传输距离，提高数据处理速度。
　　人工智能技术的高速发展，极大地提升了社会各产业自动化转型升级的进程，特别是以SAM大模型为代表的人工智能大模型推出，将进一步加快人工智能技术在工业机器视觉的应用覆盖。长期来看，人工智能技术将从提升视觉检测性能、简化算法框架模型、降低检测成本三个方面改变现有机器视觉的发展格局。
　　（2）下游产业的发展带动机器视觉行业的持续增长和繁荣
　　过去数十年来，中国制造业发展迅猛，总体规模体量已位居世界首位，但整体大而不强，产品附加值不高，处于价值链的低端，传统制造业面临严重的发展瓶颈。另外，国际上制造业竞争也在加剧，促使我国制造业的转型升级，同时也面临着很大的挑战。机器视觉由于在高精度尺寸测量、精确引导定位、自动化品质检测、智能化识别判断等方面的独特优势，已成为制造业转型的关键技术之一。机器视觉已经利用机器视觉技术在消费电子制造、新能源、汽车、半导体等众多行业取得成功应用，帮助行业客户实现降本、提质、增效等目标。反过来，下游应用行业不断拓展也为机器视觉企业提供了新的机遇和新的应用方向，中国机器视觉的市场规模被不断扩容。
　　消费电子行业作为机器视觉最主要的应用行业，将持续引领产业发展。消费电子行业具有技术革新迅速，产品迭代快等特性，整个产业始终保持着非常活跃的态势，频繁的型号和设计变更导致制造企业需要频繁采购、更新其生产线设备，对其上游的机器视觉行业产生巨大需求。消费电子行业海量的产品数量和消费者对轻、薄、高品质电子产品的挑剔，共同推动了其产品必然需要通过更高效、更精细的机器视觉检测技术以提升产能和质量、降本增效。在消费电子产业链上机器视觉技术已经基本覆盖从元器件、部件和成品的全制造环节的自动化及品质检测与量测。此外，连接器检测、PCB检查、SMT、硬盘检测、元器件在线分类筛选、二维码读取等场景的应用渗透率也逐步提高。
　　“双碳”背景下，新能源锂电行业将从GWh迈入TWh时代，终端厂商既要保障电池产品全生命周期可靠性，又要大幅提高生产效率，打造TWh级别超大规模交付能力。锂电生产中气泡、黑点等瑕疵、极耳错位等问题对电池质量及稳定性存在较大影响，过去锂电池质量检测更多依赖于人工，近几年随着安全事故发生频率增加，为提高锂电池性能的稳定性与品质的可靠性，电池厂商对锂电池视觉检测重视程度持续增加。此外，为了应对日益复杂的制造工艺和满足高质量的产品需求，业界提出了“极限制造”理念。面对“极高的质量要求，极复杂的工艺流程，极快的生产速度”三大挑战，核心锂电厂商建立了极限制造体系架构，打造以智能制造平台为核心，多平台、多系统深度交互的工业化和信息化融合生态平台，支撑极限制造目标的实现。其中，机器视觉技术是关键的环节。随着锂电池制造企业扩产，工厂智能化、自动化程度提升，未来随着技术的不断进步，机器视觉产品的需求持续加大。
　　半导体产业具有高集成度、高精细度的特点，是机器视觉技术最早大规模应用的领域。在新的国际环境下，中国半导体芯片产业链受到限制，特别是对生产设备的限制，刺激我国半导体芯片生产设备的国产替代、国产自主可控进一步加快进程。内资机器视觉企业已经进入长期被外资设备商把控的高端机器视觉装备领域，半导体制造领域日趋成熟与稳定的技术有望形成新的市场增长点，国内机器视觉行业也将迎来新的发展机遇。
　　汽车行业是国家高质量发展战略的重点行业之一，中国新能源汽车市场规模和发展速度持续领先，已开始建立自主可控的供应链体系，推进新能源车核心产业链国产化。除新能源汽车相关零部件已高度国产化外，自主设计、自建自动化生产线成为众多中国造车新势力车企的首要选择。汽车自动化产线的建设，离不开机器视觉技术的应用，特别是在装配的在线检测和零部件的离线检测等。中国汽车行业，特别是新能源汽车的高速发展，叠加核心产业链的国产化进程，给国内机器视觉企业带来增长机会。
　　二、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，具备机器视觉底层算法、平台软件，以及光源控制和光学成像等核心技术能力。核心技术包括深度学习（工业AI）算法、3D视觉算法、传统视觉算法、光源控制和光学成像等。公司重点发展深度学习（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，在3C电子、新能源等行业累积了大量行业应用场景经验/专有技术（Know-How），并持续在光源及其控制技术、镜头技术、智能相机技术、视觉处理分析软件方面进行强化，巩固公司在光源、光学成像、行业应用软件方面的优势。
　　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。
　　2.报告期内获得的研发成果
　　报告期内，公司新增发明专利16项、实用新型专利30项、外观设计专利1项，软件著作权21项；截至报告期末，公司累计获发明专利67项、实用新型专利382项、外观设计专利31项，软件著作权108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16.41%,主要系本期研发人员同比增长9.51%，及本期新产品、新方案、新项目的研发，职工薪酬、物料费增加。
　　4.在研项目情况
　　5.研发人员情况
　　6.其他说明

　　二、经营情况的讨论与分析
　　报告期内，公司顺应经济社会复苏的大势，坚持以客户为中心，以创新为动力，以人才为根本，全面提升主营业务的竞争力和发展潜力。公司在各方面都取得了显著的成绩和进步。
　　（一）深化与客户的战略合作，拓展多元化的业务领域，增强市场占有率和品牌影响力
　　2023年上半年，公司实现营业收入61,921.76万元，同比增长3.04%，实现归属于上市公司股东的净利润为17,366.03万元。公司在3C电子和新能源两大核心领域的业务均实现了增长。以下是各个领域的具体情况：
　　1.3C电子领域
　　尽管受到整体经济环境影响，但公司在3C电子领域仍然实现了4.10%的同比增长。该领域的增长主要来自于公司产品在核心客户的应用场景持续渗透。一方面，公司产品持续向核心客户的各产品线渗透，带来更多的需求；另一方面，公司作为核心客户推动其产业链自动化进程的重要合作伙伴，终端客户品质管控前移，模组、关键零部件生产中自动化程度提高带来新增视觉需求。
　　2.新能源领域
　　虽然该领域的整体资本开支增速放缓，但公司仍然实现了0.87%的同比增长。在新能源领域，公司一方面与行业龙头持续加深合作，另一方面积极开拓新客户业务。随着新能源领域客户基于提升其产品安全性的考虑，产品检测需求和要求持续提升，公司作为机器视觉行业技术领先的企业，伴随深度学习（工业AI）、3D视觉工序覆盖持续增长，在帮助客户实现产品高标准检测需求的同时，带来了收入的增长。
　　3.汽车和半导体领域
　　随着新能源汽车市场的持续扩大，汽车电动化和智能化的融合趋势愈发明显，新能源汽车技术创新节奏也将加快。公司立足于与国内外行业大客户的合作突破，持续加大对汽车行业的业务拓展力度。
　　在半导体领域，随着国内半导体行业技术研发的进一步投入和关键技术的不断突破，作为工业自动化关键技术之一的机器视觉，将持续助力行业客户实现研发的突破。
　　4.新技术应用
　　深度学习（工业AI）相关技术的持续进步显著提升了机器视觉技术解决工业问题的能力，推动了机器视觉技术在更多行业的广泛应用。目前工业用的深度学习模型依然需要专业数据和领域知识积累，其着力解决的图像分析任务，仍旧需要以高成像技术积累的图像为前提。公司凭借在成像技术方面的领先优势，以及在各个下游行业积累的机器视觉专有技术（Know-How），与核心终端客户展开深入的前瞻性技术合作，提供软硬件一体化的解决方案。今年以来，公司成立了专门的深度学习（工业AI）应用开发团队，并设立了专用实验室，全力支持核心大客户诸如外观缺陷检测等项目的开发。
　　（二）加大研发投入，持续推出高质量的产品和服务，满足客户的多样化需求，巩固公司在机器视觉领域的领先优势
　　公司历来坚持并受益于以产品和技术为引领的经营理念。2023年上半年，公司继续加大研发力度，研发费用投入1.04亿元，同比增长16.41%。公司在机器视觉领域的核心部件，实现了多个产品突破和升级。
　　1.在视觉软件产品线方面，公司持续加大对深度学习（工业AI）投入。基于自研算法，公司推出了第三代深度学习产品DeepVision3，该产品在智能标注、多人协同、数据加密等方面进行了优化，并在3C电子、锂电等行业得到了广泛应用。同时，公司还对智能软件平台Smart3和视觉算法库SciVision产品进行了升级，增强了标定、3D测量、外观检测、通讯等工具的功能和易用性。
　　2.在3D产品线方面，公司完善了现有的硬件产品系列，并持续深入研究3D算法。公司在3D机械臂抓取、标定仿真、高保真渲染、游程快速计算、CAD和点集匹配、轮廓测量和处理等算法方面取得了创新成果，拓展了3D产品的应用场景和能力。
　　3.在智能读码器产品线方面，公司不断提升内置AI算法模型的性能和解码准确率，增加了通信协议的支持，使该产品线能够适应各种复杂环境。公司还推出了手持读码器，为客户提供了更便捷的解决方案。
　　4.在相机产品线方面，公司推出了更高性能和更低成本的新型号相机，丰富了公司的相机品类，满足了不同项目的应用需求。
　　5.在镜头产品线方面，公司进一步完善了镜头产品系列，研发了模块化变倍显微系列镜头产品，该产品可以根据不同的应用场景灵活地选配模块化成像部件，为3C、半导体检测等行业提供了更多样化的成像器件选择。
　　6.在光源产品线方面，公司推出了4000万lux照度的超高亮光纤光源、可编程控制的2.5D检测光源、极窄条纹光斑的3D扫描线形光源，为客户提供了更高质量和更高效率的光源解决方案。
　　2023年上半年，公司新获得发明专利16项，实用新型专利30项、外观设计专利1项，软件著作权21项；截至报告期末，公司累计获得发明专利67项、实用新型专利382项、外观设计专利31项，软件著作权108项，其他2项。公司将继续坚持以技术创新为动力，为客户提供更优质的机器视觉产品和服务。
　　（三）重视人才梯队建设，建立行业人才培养体系，助力行业健康发展
　　公司坚信人才是最宝贵的财富，致力于提升人才质量，实现个人与企业的双赢。
　　1.根据现有的人员结构和未来的业务发展需求，公司建立了完善的人才培养机制，为员工提供全方位的能力提升和职业规划。
　　2.公司持续加强研发系统的人力投入和团队建设，重点引进深度学习（工业AI）算法、新产品研发等领域的专业人才，夯实底层研发团队的基础能力。
　　3.公司教育事业部积极探索职业教育市场的潜力，一方面关注国家和地方政府推动职教发展的政策导向，提高公司在职业教育领域的影响力；另一方面拓展校企合作的覆盖范围，与全国各地的优秀职业院校开展产学研合作，推动区域内其他院校开展校企合作业务。同时，公司积极参与机器视觉领域相关人才标准的制定，参与了人社部组织的《工业视觉系统运维员》国家职业技能标准制定工作，逐步构建了完整的人才培养和考核体系，助力行业标准化建设，培育高素质的机器视觉人才，服务行业、回馈社会。
　　（四）建设数字化管理平台，持续提升管理能力
　　公司自上市以来，一直致力于打造和完善管理体系，尤其是通过数字化转型提升管理水平。公司全面启动了信息系统升级的数字化建设项目，对现有的ERP、OA等核心系统进行了业务流程优化和跨系统集成，初步构建了一个标准化、一体化、互联互通的数字化管理平台。该平台能够实现产供销业务的高效协作，提高订单交付效率，增强客户满意度。同时，该平台能够快速获取和挖掘相关业务数据，为公司管理者提供深入分析和决策支持。
　　公司将始终定位于自动化核心零部件的优质供应商，以“打造世界一流视觉企业”为目标，不断丰富和完善产品线，积极拓展国内外的市场需求，持续提升在各个行业的应用场景的渗透率和市场影响力。

　　三、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、深度学习、大数据、人工智能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
　　公司已初步形成了机器视觉领域完整的产品线。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75,614.27万元，占当期总资产的比例为24.21%，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13,769.37万元，占当期总资产的比例为4.41%。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、新能源等行业，由于3C行业、新能源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
　　2023年上半年，全球经济缓慢复苏，但复苏分化特征日益明显，制造业和商品贸易等复苏疲软。若未来经济复苏态势不及预期，可能造成公司下游客户在自动化业务方面的资本支出放缓，从而对公司业务发展造成不利影响。 收起▲

　　一、经营情况讨论与分析　　过去一年，全球经济遭遇多重因素冲击，增速放缓，而中国经济亦在复杂的国际环境中承压前行。面对诸多不确定因素带来的压力和挑战，管理层始终贯彻公司以我为主、专注主业、着眼未来的发展思路，积极融入国家战略，顺应行业发展趋势，着力推动与客户的全方位合作，加大对各产品线的研发投入，夯实人才梯队建设，并取得了积极成效。　　（一）坚持服务行业龙头的市场策略，充分发掘机器视觉需求，实现业务的高速增长　　2022年，公司录得营业收入114,095.05万元，同比增长30.39%，实现归属于上市公司股东的扣除非经常性损益的净利润为29,768.84万元，同比增长13.83%，剔除股份支... 查看全部▼

　　一、经营情况讨论与分析
　　过去一年，全球经济遭遇多重因素冲击，增速放缓，而中国经济亦在复杂的国际环境中承压前行。面对诸多不确定因素带来的压力和挑战，管理层始终贯彻公司以我为主、专注主业、着眼未来的发展思路，积极融入国家战略，顺应行业发展趋势，着力推动与客户的全方位合作，加大对各产品线的研发投入，夯实人才梯队建设，并取得了积极成效。
　　（一）坚持服务行业龙头的市场策略，充分发掘机器视觉需求，实现业务的高速增长
　　2022年，公司录得营业收入114,095.05万元，同比增长30.39%，实现归属于上市公司股东的扣除非经常性损益的净利润为29,768.84万元，同比增长13.83%，剔除股份支付后归属于上市公司股东的扣除非经常性损益的净利润32,609.36万元，同比增长23.83%。收入和利润均实现了高速增长，收入规模首次突破10亿元。公司产品在3C电子和新能源两大核心领域均实现了良好的增长态势。
　　1.3C电子领域
　　受整体经济环境影响，2022年下游3C电子行业整体承压，但公司在3C电子领域仍然实现同比增长24.37%的良好业绩。
　　2022年公司在3C电子领域的业绩增长，主要来自于公司产品在核心客户的应用场景持续渗透。一方面，公司产品持续向核心客户的各产品线渗透，带来更多的需求；另一方面，公司作为核心客户推动其产业链自动化进程的重要合作伙伴，终端客户品质管控前移，模组、关键零部件生产中自动化程度提高带来新增视觉需求。
　　2.新能源领域
　　2022年，公司在新能源领域收入突破4亿，同比增长55.23%。
　　2022年在新能源领域，公司一方面与行业龙头加深合作，核心客户扩产带来大量新增视觉需求；其次，客户逐渐增加的改造项目，带来机器视觉的需求增长；再次，新能源领域核心客户基于提升其产品安全性的考虑，产品检测需求和要求持续提升，公司作为机器视觉行业技术领先的企业，深度学习（工业AI）,3D视觉工序覆盖持续增长，在帮助核心客户实现产品高标准检测需求的同时，带来了收入的高速增长。
　　3.汽车和半导体领域
　　公司看好汽车、半导体领域未来的市场需求和国产化进程，继续积极加强与头部客户的业务联系，加快产业布局。
　　（二）保持高研发投入，持续迭代产品和技术，加快产品线布局，巩固公司在机器视觉领域的领先优势
　　公司历来坚持并受益于以产品和技术为引领的业务发展思路。2022年，公司保持在研发上的高投入，研发费用达到1.91亿元，同比增长39.32%，在多个种类的机器视觉核心部件上实现了产品突破或迭代。
　　（1）视觉软件产品线，深度学习（工业AI）持续加大投入，基于自研算法，不断更新迭代。在迁移学习、领域自适应、小样本学习方面取得突破性进展。在锂电、3C等行业的数十个应用场景，获得良好的应用效果。智能软件平台Smart3及视觉算法库SciVision产品，完成了优化线程调度，适配Windows和Linux系统，拓展应用范围，增强软件竞争力。
　　（2）3D产品线，继续深耕3D算法，并不断拓展硬件产品线。在3D图像处理、3D定位、3D测量、3D外观检测等应用领域不断创新，更符合客户应用需求。
　　（3）智能读码器产品线，在完善原有产品线的基础上，优化及轻量化内置AI算法模型，提升算法性能和解码准确率，增加多种通信协议的支持，产品已被批量应用在重要客户产线中。
　　（4）相机产品线，在现有的产品线基础上，加强高速万兆网相机、采集卡的应用验证，持续拓展CXP相机、CL线扫相机的开发，不断完善相机产品线。
　　（5）镜头产品线，针对定焦镜头、线扫专用镜头、远心镜头进行性能优化和产品线完善。开发了液态透镜产品系列，可实现快速对焦，解决“大景深”的应用场景需求。
　　（6）光源产品线，针对高速检测的超高亮光源，推出具有多颜色切换功能的1000万ux照度的光纤光源、风冷散热的500万ux照度的线扫光源。同时增加了COC高精度棱镜同轴光源和RIC弧形光源两大系列，并针对多个专用应用场景对产品线进行了补充。
　　2022年，公司新取得发明专利21项，实用新型专利152项、外观设计专利5项，软件著作权14项。
　　（三）重视人才梯队建设，建立行业人才培养体系，助力行业健康发展
　　机器视觉行业作为高科技行业，人才为行业之本，企业发展之源。公司历来重视人才的培养、引进。
　　从短期人才队伍建设方面，公司依托奥普特研究院、奥普特博士后工作站择优引进专业技术人才。
　　从长期的机器视觉人才培养方面，公司自2021年建立教育事业部，联合全国范围内的高等院校、职业学校，以奥普特在机器视觉方面积累的技术、经验为基础和标准，开发机器视觉课程、建立理论和实践相结合的机器视觉教学实训平台。同时，公司积极参加机器视觉领域相关人才标准的制订，参与了人力资源与社会保障部组织的《工业视觉系统运维员》（职业编码：6-31-07-02）国家职业技能标准制订，逐步打造出完整的人才培养体系与考核体系，助力行业标准化建设，培养高素质的机器视觉人才，服务行业、回馈社会。
　　
　　二、报告期内公司所从事的主要业务、经营模式、行业情况及研发情况说明
　　(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、生产和销售的高新技术企业。公司定位于自动化核心零部件供应商，以“打造世界一流视觉企业”为目标，致力于为下游行业实现自动化提供具有竞争力的产品和解决方案。
　　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、深度学习（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。同时，奥普特以产品核心技术为基础，建立了成像和视觉分析两大技术平台，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），形成了多层次的技术体系。以此为基础，公司能够向下游客户提供各种机器视觉解决方案，协助客户在智能装备中实现视觉功能，提高机器视觉系统的准确性、稳定性和可靠性，从而带动公司产品的销售。
　　(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核心软硬件产品，从中取得收入、获得盈利。
　　2.研发模式
　　公司的主要产品机器视觉核心软硬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，属于高科技行业。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。一方面公司通过包括对光学成像、图像处理、深度学习（工业AI）、3D视觉技术、异构计算等技术的研究，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。
　　3.销售模式
　　公司的销售模式均为买断式销售，主要依托向客户提供解决方案带动产品的销售，主要客户类型包括设备制造商、设备使用方、系统集成商/贸易商等。
　　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，而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，公司建立起了以向客户提供机器视觉解决方案，从而带动产品销售的业务模式。
　　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，而公司整体规模还相对较小，因此，该部分原辅料的采购具有品种极多、单品种采购量较小等特点。另一部分是用于直接对外销售的外购成品，主要包括相机、镜头等。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。
　　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、深度学习（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。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。
　　在这些自主生产的产品中，根据常用程度和应用范围大小进行区分，自主产品的标准化程度情况如下：（1）光源产品，包括标准产品和非标准产品，非标光源主要是在标准光源的基础上对尺寸、照度、均匀性等指标进行调整或者组合；（2）光源控制器产品，以标准产品为主，少量非标型号是在标准产品的基础上，对某些特定指标，如电流、电压等，进行强化或者其它特别设定；（3）自主工业镜头、工业相机、视觉控制器、视觉处理分析软件，均为标准产品。上述标准或者非标准的产品，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，解决方案层面，公司的机器视觉解决方案具有定制化、多品种、小批量的特点。随着行业方案的批量应用及深度积累，逐步实现行业方案及产品和交付的标准化。
　　公司采取以销定产并按照销售预测保持一定安全库存的生产备料模式，以保证生产的平稳性和交期的灵活性。对于较为常规的产品，公司采用“备货生产”模式。即根据历史订单数据、下游市场情况等信息进行销售预测并确定安全库存水平，在考虑上游供货周期的基础上，以该库存水平为目标，调整生产节奏，提前排产，以便快速响应市场需求。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。即以订单为导向，按照客户需求的产品规格、数量和交货期来制定生产计划，组织备料排产。
　　(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、新能源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、新能源、半导体、汽车等国民经济的各个领域。工业和信息化部等七部门印发《智能检测装备产业发展行动计划（2023—2025年）》，其中提出，到2025年，智能检测技术基本满足用户领域制造工艺需求，核心零部件、专用软件和整机装备供给能力显著提升，重点领域智能检测装备示范带动和规模应用成效明显，产业生态初步形成，基本满足智能制造发展需求。研制一批专用智能检测装备。围绕机械、汽车、航空航天、电子信息、钢铁、石化、纺织、医药等行业专用检测需求，支持用户牵头，产学研用跨学科、跨领域攻关，开展基于数字模型的正向设计，融合新原理、新材料、新工艺，研制开发一批专用智能检测装备。加强新材料、生物制造等新兴领域专用检测装备研制。随着我国工业制造领域的自动化和智能化程度的加深，机器视觉将得到更广泛的发展空间。
　　GGII数据显示，从全球市场来看，2021年全球机器视觉市场规模约为804亿元，同比2020年增长12.15%，预计至2025年该市场规模将超过1200亿元。2022年至2025年复合增长率约为12%；从中国市场来看，2021年中国机器视觉市场规模138.16亿元（该数据未包含自动化集成设备规模），同比增长46.79%，预计至2025年我国机器视觉市场规模将达到349亿元。中国市场已成为全球机器视觉规模增长最快的市场之一。
　　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、深度学习（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。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、新能源、半导体、汽车等多个领域，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。公司也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
　　报告期内，新技术和产业化应用不断提升，公司下游产业链发展势头良好，机器视觉的需求稳步增加，未来应用前景广阔。
　　（1）新技术的进步极大扩展了机器视觉的应用领域和市场空间
　　深度学习相关技术的持续进步显著提升了机器视觉技术解决工业问题的能力，加快了机器视觉向更多行业渗透的速度。目前主流的机器视觉技术仍采用传统方式，即首先将数据表示为一组特征，分析特征或输入模型后，输出得到预测结果，在结构化场景下定量检测具有高速、高准确率、可重复性等优势。但随着机器视觉的应用领域扩大，传统方式显示出通用性低、难以复制、对使用人员要求高等缺点。深度学习对原始数据通过多步特征转换，得到更高层次、更加抽象的特征表示，并输入预测函数得到最终结果。深度学习可以将机器视觉的效率和鲁棒性与人类视觉的灵活性相结合，极大地拓展了机器视觉的应用场景。深度学习相关算法不断迭代优化，很多原来处理效果不佳或处理性能不足的机器视觉问题逐步得到较满意的结果，从而有效扩大了机器视觉技术的市场潜力。
　　传统的机器视觉技术主要基于2D图像的处理分析实现测量、检测、引导、识别等功能。3D视觉技术是对传统2D视觉技术的重要补充。3D视觉技术利用3D视觉传感器采集目标对象的3D轮廓信息，形成3D点云，进而可以实现平面度、翘曲度、段差、曲面轮廓度等3D尺寸量测、3D空间中的机器人引导定位、基于3D信息的检测、识别等各种丰富的功能。3D视觉技术，提供了丰富的三维信息，使机器能够感知物理环境的变化，并相应地进行调整，从而在应用中提高了灵活性和实用性，扩大了机器视觉的应用场景。
　　高精度成像技术是机器视觉行业始终追求的技术发展目标。高精度成像需要光源、镜头、相机等各部分的精密配合。在光源技术方面，技术的发展方向包括新的光源类型、更全面的波长覆盖、创新的光源布局等；在镜头和相机方面，提供更高分辨率的产品是行业持续的发展方向和目标。
　　（2）下游产业的发展带动机器视觉行业的持续增长和繁荣
　　过去数十年来，中国制造业发展迅猛，总体规模体量已位居世界首位，但整体大而不强，产品附加值不高，处于价值链的低端，传统制造业面临严重的发展瓶颈。另外，国际上制造业竞争也在加剧，促使我国制造业的转型升级，同时也面临着很大的挑战。机器视觉由于在高精度尺寸测量、精确引导定位、自动化品质检测、智能化识别判断等方面的独特优势，已成为制造业转型的关键技术之一。机器视觉已经利用机器视觉技术在消费电子制造、新能源、汽车、半导体等众多行业取得成功应用，帮助行业客户实现降本、提质、增效等目标。反过来，下游应用行业不断拓展也为机器视觉企业提供了新的机遇和新的应用方向，中国机器视觉的市场规模被不断扩容。
　　消费电子行业作为机器视觉最主要的应用行业，将持续引领产业发展。消费电子行业具有技术革新迅速，产品迭代快等特性，整个产业始终保持着非常活跃的态势，频繁的型号和设计变更导致制造企业需要频繁采购、更新其生产线设备，对其上游的机器视觉行业产生巨大需求。消费电子行业海量的产品数量和消费者对轻、薄、高品质电子产品的挑剔，共同推动了其产品必然需要通过更高效、更精细的机器视觉检测技术以提升产能和质量、降本增效。在消费电子产业链上机器视觉技术已经基本覆盖从元器件、部件和成品的全制造环节的自动化及品质检测与量测。此外，连接器检测、PCB检查、SMT、硬盘检测、元器件在线分类筛选、二维码读取等场景的应用渗透率也逐步提高。
　　“双碳”背景下，新能源锂电行业将从GWh迈入TWh时代，终端厂商既要保障电池产品全生命周期可靠性，又要大幅提高生产效率，打造TWh级别超大规模交付能力。锂电生产中气泡、黑点等瑕疵、极耳错位等问题对电池质量及稳定性存在较大影响，过去锂电池质量检测更多依赖于人工，近几年随着安全事故发生频率增加，为提高锂电池性能的稳定性与品质的可靠性，电池厂商对锂电池视觉检测重视程度持续增加。此外，为了应对日益复杂的制造工艺和满足高质量的产品需求，业界提出了“极限制造”理念。面对“极高的质量要求，极复杂的工艺流程，极快的生产速度”三大挑战，核心锂电厂商建立了极限制造体系架构，打造以智能制造平台为核心，多平台、多系统深度交互的工业化和信息化融合生态平台，支撑极限制造目标的实现。其中，机器视觉技术是关键的环节。随着锂电池制造企业扩产，工厂智能化、自动化程度提升，未来随着技术的不断进步，机器视觉产品的需求持续加大。
　　半导体产业具有高集成度、高精细度的特点，是机器视觉技术最早大规模应用的领域。在新的国际环境下，中国半导体芯片产业链受到限制，特别是对生产设备的限制，刺激我国半导体芯片生产设备的国产替代、国产自主可控进一步加快进程。内资机器视觉企业已经进入长期被外资设备商把控的高端机器视觉装备领域，半导体制造领域日趋成熟与稳定的技术有望形成新的市场增长点，国内机器视觉行业也将迎来新的发展机遇。
　　汽车行业是国家高质量发展战略的重点行业之一，中国新能源汽车市场规模和发展速度持续领先，已开始建立自主可控的供应链体系，推进新能源车核心产业链国产化。除新能源汽车相关零部件已高度国产化外，自主设计、自建自动化生产线成为众多中国造车新势力车企的首要选择。汽车自动化产线的建设，离不开机器视觉技术的应用，特别是在装配的在线检测和零部件的离线检测等。中国汽车行业，特别是新能源汽车的高速发展，叠加核心产业链的国产化进程，给国内机器视觉企业带来增长机会。
　　(四)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，具备开发机器视觉底层算法、平台软件，以及光源控制和光学模拟等核心组件的能力。核心技术包括深度学习（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。公司重点发展深度学习技术、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、视觉处理分析软件方面进行强化，巩固公司在光源、光学成像、行业应用软件方面的优势。
　　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。
　　2.报告期内获得的研发成果
　　报告期内，公司新增发明专利21项、实用新型专利152项、外观设计专利5项，软件著作权14项；截止报告期末，公司累计获发明专利51项、实用新型专利352项、外观设计专利30项，软件著作权87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39.32%，主要系研发人员增长13.71%，研发人员薪酬福利增加及股份支付增加。
　　4.在研项目情况
　　5.研发人员情况
　　6.其他说明
　　
　　三、报告期内核心竞争力分析
　　(一)核心竞争力分析
　　公司长期致力于机器视觉领域软硬件的技术研究、产品开发及应用拓展，在发展过程中不断加强对机器视觉及其底层核心技术的研发投入，凭借对市场的准确把握，对行业的深刻理解，以及多年积累的优质客户资源，公司已在行业内树立了良好的品牌形象，具备较为突出的竞争优势，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7,644.15万元、13,710.57万元、19，102.18万元，占营业收入的比例分别为11.90%、15.67%、16.74%。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。截止报告期末，公司累计获得发明专利51项、实用新型专利352项、外观设计专利30项，软件著作权87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“国家知识产权优势企业”，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，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。
　　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。截止2022年12月31日公司研发人员813人，占公司总人数的38.75%。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，对保持客户黏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
　　在国内市场来说，由于不少从业者从代理起家，技术积累不足，能够达到多产品线自主研发生产能力的厂商更为少有。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。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、深度学习（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。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、新能源等领域，公司与国内外知名设备厂商和终端用户有着长期的合作经历，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，深度学习技术将深刻改变机器视觉行业的技术发展，而行业数据是深度学习技术的基础。深度学习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、新能源、半导体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，在机器视觉的深度学习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。
　　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良好的产品品质、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。公司通过与知名客户之间长期稳固的合作关系，在原有产品和领域保持良好合作的基础上，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4个小时提出机器视觉硬件方案、2个工作日内提出机器视觉整体方案、获取客户提供的工件后1个工作日内完成测试、7-10个工作日内完成产品交货。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
　　
　　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.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、深度学习、大数据、人工智能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。
　　3.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。
　　(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，若未来受如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，特别是上市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
　　公司已初步形成了机器视觉领域完整的产品线。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58,294.71万元，占当期总资产的比例为19.70%，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
　　2020-2022年，公司存货账面价值分别为7,176.75万元、15,434.58万元、14,523.70万元，占当期总资产的比例分别为2.96%、5.71%、4.91%。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、新能源等行业，由于3C行业、新能源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
　　近年来，全球产业格局深度调整，发达国家相继实施再工业化战略，推动中高端制造业回流。此外，国际贸易保护主义和技术保护倾向有所抬头，对中国企业的进出口业务带来一定不确定性。公司及所在行业为全球经济一体化产业链中的一环。公司外销客户主要集中在马来西亚、德国、爱尔兰、新加坡和中国台湾等地。若贸易摩擦进一步加剧，境外客户可能会减少订单、要求公司降价或者承担相应关税，进而对公司的经营业绩形成不利影响。公司采购品中LED、相机等亦存在较多的进口品牌产品。若发生贸易摩擦、关税壁垒、品牌商所在国限制出口等情形，或者未来关键进口原材料的价格或汇率发生重大不利变化，将影响公司交货质量和成本水平，对公司的正常生产经营造成不利影响。
　　(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
　　1.报告期营业收入同比增长30.39%，营业成本同比增长31.59%，主要系报告期新能源行业收入增长；同时公司业务规模扩大，公司员工增加，职工薪酬、差旅费、研发物料增加，销售费用、管理费用、研发费用分别同比增长40.14%、18.88%、39.32%。
　　2.归属于上市公司股东的净利润同比增长7.26%，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13.83%，主要系报告期内销售收入增长。

　　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。与外资企业相对比，内资机器视觉企业发展时间较短、知名度较低、技术研发能力不强、自主研发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。
　　GGII数据显示，从全球市场来看，2021年全球机器视觉市场规模约为804亿元，同比2020年增长12.15%，预计至2025年该市场规模将超过1200亿元。2022年至2025年复合增长率约为12%；从中国市场来看，2021年中国机器视觉市场规模138.16亿元（该数据未包含自动化集成设备规模），同比增长46.79%，预计至2025年我国机器视觉市场规模将达到349亿元。
　　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、新能源、半导体、汽车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。
　　1.核心技术方面：重点发展深度学习（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，巩固公司在光源、光学成像、行业应用软件方面的优势。
　　2.产品方面：不断丰富和完善公司机器视觉产品线。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。
　　硬件方面，重点完善产品型号布局，满足更广的项目应用需求。在软件方面，持续升级现有的Smart系列视觉处理分析软件，重点开发3D重构及分析模块、深度学习（工业AI）算法模块。
　　3.市场方面：进一步拓展公司的市场空间，在巩固现有的3C电子、迅速扩张新能源等领域的客户和市场的同时，积极开拓半导体、汽车等行业的机遇；进一步强化和深耕国内市场的同时，积极开拓欧洲、日本、印度、越南、泰国等海外市场。
　　(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。
　　公司2023年度经营目标：营业收入同比增长10%-30%。公司上述经营目标不代表公司对2023年度的盈利预测，能否实现取决于宏观经济形势、下游市场需求变化等因素，存在一定的不确定性，请投资者特别注意。
　　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，每年研发投入占营业收入15%以上，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。2023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。重点发展深度学习（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、视觉处理分析软件方面进行强化，巩固公司在光源、光学成像、行业应用软件方面的优势。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的机器视觉产品线。在硬件方面，补充、完善工业相机、智能读码器的产品能力，并对已有产品进行升级；在软件方面，持续升级现有的Smart系列视觉处理分析软件，重点开发3D重构及分析模块、深度学习（工业AI）算法模块。
　　4.市场规划
　　2023年，公司将持续优化客户结构，持续加强与大客户及关键客户的合作，快速反应客户需求；进一步拓展公司的市场空间，在巩固现有的3C电子、迅速扩张新能源等领域的客户和市场的同时，积极开拓半导体行业、汽车等行业的机遇；进一步强化和深耕国内市场的同时，积极开拓欧洲、日本、印度、越南、泰国等海外市场。
　　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，规范股东大会、董事会、监事会的运作，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▲