>> 中信證券-產(chǎn)業(yè)策略獨(dú)角獸系列報(bào)告-獨(dú)角獸十問十答系列22：工業(yè)AI視覺平臺的領(lǐng)導(dǎo)者-阿丘科技-230808
| 上傳日期： |
2023/8/8 |
大?。?/td>
| 364KB |
| 格式： |
pdf 共6頁 |
來源： |
中信證券 |
| 評級： |
-- |
作者： |
連一席，沈思越 |
| 下載權(quán)限： |
此報(bào)告為加密報(bào)告，僅限高級會員查看 |
|
|
阿丘科技成立于2017年，是國內(nèi)工業(yè)AI視覺平臺的領(lǐng)跑者。公司核心團(tuán)隊(duì)來自于清華大學(xué)人工智能實(shí)驗(yàn)室，以“AI for Every Factory”為使命，專注于將領(lǐng)先的人工智能、機(jī)器視覺、大數(shù)據(jù)等技術(shù)應(yīng)用于工業(yè)場景，解決復(fù)雜的工業(yè)檢測問題。公司推出的專業(yè)級工業(yè)AI視覺算法平臺軟件AIDI、嵌入式AI系列產(chǎn)品EVS、云端工業(yè)AI視覺平臺NexSight以及垂直行業(yè)AI解決方案，已廣泛應(yīng)用于3C電子、新能源、汽車、醫(yī)藥、半導(dǎo)體、包裝等領(lǐng)域，部署上線數(shù)百家工廠，包括富士康、立訊精密、寧德時(shí)代、LG化學(xué)等先進(jìn)制造業(yè)標(biāo)桿企業(yè)。我們就近日與公司管理層的投資者電話會交流，結(jié)合公司介紹情況匯總為十問十答。
▍Q1：公司的競爭對手有哪幾類？公司的核心競爭力包括哪些方面？
公司競爭對手可分為四類：1）康耐視等巨頭，康耐視在歷史上收購過兩個(gè)AI軟件公司；2）創(chuàng)業(yè)公司，思謀科技等；3）互聯(lián)網(wǎng)或AI巨頭，騰訊等；4）國內(nèi)傳統(tǒng)機(jī)器視覺公司：奧普特、凌云光等。
公司認(rèn)為其核心競爭力包括：
1）技術(shù)：深耕工業(yè)+AI賽道，產(chǎn)品性能處于全球第一梯隊(duì)。阿丘科技在業(yè)內(nèi)實(shí)施差異化策略，堅(jiān)定認(rèn)為工業(yè)視覺可以通過深度學(xué)習(xí)和AI的方式來重構(gòu)。公司核心產(chǎn)品“工業(yè)AI視覺軟件平臺AIDI”的樣本量、檢測指標(biāo)與速度均與巨頭康耐視旗下ViDi公司的產(chǎn)品相當(dāng)，處于全球領(lǐng)先的第一梯隊(duì)，定價(jià)略低于康耐視，但遠(yuǎn)高于國內(nèi)友商。此外，公司針對工業(yè)場景的真實(shí)痛點(diǎn)，陸續(xù)推出“智能缺陷生成”、“良品學(xué)習(xí)”等新功能。
2）商業(yè)化：具備工業(yè)場景體系化落地經(jīng)驗(yàn)，率先積累大客戶群體。阿丘積累了富士康、立訊精密、寧德時(shí)代與LG新能源等業(yè)內(nèi)標(biāo)桿客戶，在復(fù)雜場景中取得大量成功案例，獲得相對保守的制造業(yè)下游客戶信賴，進(jìn)一步鞏固其在工業(yè)AI視覺領(lǐng)域的領(lǐng)先地位。
▍Q2：工業(yè)視覺領(lǐng)域產(chǎn)業(yè)鏈的上下游如何劃分？各自的競爭格局如何？
1）上游器件，包含三個(gè)重要組件：光源、鏡頭與工業(yè)相機(jī)，特點(diǎn)是標(biāo)準(zhǔn)化程度高。相較之下，光源市場規(guī)模較小，技術(shù)壁壘與產(chǎn)品價(jià)值較低。
2）中游視覺系統(tǒng)，包括視覺軟件、智能相機(jī)和視覺系統(tǒng)。根據(jù)公司投資者交流電話會議，兩大巨頭康耐視與基恩士占據(jù)中游80%以上市場份額，形成壟斷地位。二者擁有強(qiáng)大技術(shù)實(shí)力，而商業(yè)邏輯不同：康耐視兼營軟件與智能相機(jī)、視覺系統(tǒng)；基恩士強(qiáng)調(diào)產(chǎn)品易用性，專注于智能相機(jī)與視覺系統(tǒng)。
3）下游解決方案，按照產(chǎn)品標(biāo)準(zhǔn)化程度可分為表面檢測、AOI設(shè)備（Auto OpticalInspection，光學(xué)自動檢測設(shè)備）、定制解決方案。國內(nèi)解決方案、定制項(xiàng)目型公司居多。
▍Q3：從技術(shù)角度，AI將如何影響工業(yè)視覺？公司認(rèn)為：
1）維度提升，優(yōu)化復(fù)雜問題的處理能力：Rule-based的方法受人工設(shè)計(jì)特征工程的維度限制，而深度神經(jīng)網(wǎng)絡(luò)可實(shí)現(xiàn)維度的量級提升。以大模型為例，可達(dá)到一千億、二千億的參數(shù)空間維度，高維度下處理復(fù)雜問題更為簡便。
2）性能改進(jìn)：一方面，降低現(xiàn)場運(yùn)維成本，受傳統(tǒng)Rule-based技術(shù)的瓶頸限制，現(xiàn)有AOI設(shè)備為保持低漏檢率與低過殺率，需進(jìn)行人工復(fù)判；AI可進(jìn)一步減少對人力的依賴，進(jìn)而提升成本效益。另一方面，在產(chǎn)品層面重構(gòu)用戶的交互體驗(yàn)，簡化操作流程。傳統(tǒng)的工業(yè)視覺依賴于Halcon或康耐視的Vision Pro，需對數(shù)百個(gè)算子進(jìn)行預(yù)處理，工序復(fù)雜；而阿丘科技的AIDI軟件只有五個(gè)核心模塊，強(qiáng)調(diào)易用性。工業(yè)基礎(chǔ)視覺軟件正在從Software 1.0邁向2.0，從Rule-based變成Smart Software后，用戶體驗(yàn)發(fā)生質(zhì)的飛躍。
3）通用泛化：實(shí)現(xiàn)跨領(lǐng)域通用，賦能碎片化工業(yè)視覺市場整合。工業(yè)領(lǐng)域包含電子、汽車、醫(yī)藥等眾多細(xì)分賽道，單一品類的市場容量不大，但多行業(yè)整合后的市場空間巨大。AI的通用泛化能力可推動解決工業(yè)視覺領(lǐng)域的第一性原理問題：如何實(shí)現(xiàn)碎片化市場的最大化覆蓋。
▍Q4：從商業(yè)模式角度，AI將如何影響工業(yè)視覺？公司認(rèn)為：
1）降低門檻，不再需要資深算法工程師進(jìn)行檢測與復(fù)雜的應(yīng)用，從業(yè)者只需對行業(yè)與軟件有基本認(rèn)知即可；
2）重塑成本結(jié)構(gòu)，研發(fā)成本降低，交付運(yùn)維成本降低，短期內(nèi)尤其是AI進(jìn)入一個(gè)行業(yè)的早期階段會增加數(shù)據(jù)成本（包括數(shù)據(jù)維護(hù)或數(shù)據(jù)標(biāo)注成本），但隨著時(shí)間推移會不斷降低，最終會走向基礎(chǔ)模型。公司認(rèn)為未來三年整個(gè)行業(yè)的成本結(jié)構(gòu)將大幅優(yōu)化。
▍Q5：AI+工業(yè)視覺目前處于什么階段？公司將AI+工業(yè)視覺分為以下階段：
1）AI 1.0階段，核心為以算法為中心。1.0階段的算法特征為小樣本、高精度、低算力；落地方法論關(guān)注AI認(rèn)知、需求邊界、數(shù)據(jù)與模型的管理；客戶群體普遍存在痛點(diǎn)，愿意擁抱新技術(shù)且有一定支付能力。主要問題為數(shù)據(jù)缺乏，上線部署周期長，如遇未知缺陷必須重新訓(xùn)練，研發(fā)成本與定價(jià)偏高。
2）AI 2.0階段，核心為以數(shù)據(jù)為中心。一是開始累積行業(yè)數(shù)據(jù)，這是2.0階段的重點(diǎn)。某場景下的客戶達(dá)到一定數(shù)量后，累積的數(shù)據(jù)可協(xié)助在基礎(chǔ)模型上針對不同客戶的需
|
|
