国内新基建政策的不断推进，工业智能化的热度持续高涨，成为当下各实力派半导体企业逐鹿的重要利基市场。据数据统计，从2019年至2020年第一季度，公司业务兼顾2D/3D视觉技术，在工业视觉领域共发生过44起融资案例，其中千万元级别融资29笔，过亿元融资6笔，而高精密制造这类场景，已存在多家上市公司。

劳力成本的提升加之生产线柔性化布局的迫切需求，已成为当下推动机器视觉向工业场景规模化渗透的“强力催化剂”。近年来，该领域集中涌现的多笔大额融资就是最有力的印证，例如梅卡曼德于一年内先后两次宣布获得过亿元融资;中科慧远在2019年获得千万级A轮融资和过亿元融资;高视科技在2019年获得亿元B轮融资，后又被长江小米基金战略投资等等。其中不仅包括红杉资本中国、明势资本、顺为资本、高榕资本等一线基金的参与，更有小米、联想、英特尔、百度风投、腾讯等产业以及政府基金都相继入局。各路资本的集中涌入，也让这一曾经颇为“冷门”的市场瞬间热度高涨。

对此，国内不少供应链企业都有切身体会，日前的“2020年世界人工智能大会”上，苏州天准科技股份有限公司CTO曹葵康就坦言：“五六年前，我们在与客户讨论工业机器视觉方案的落地时，客户一般都会对产品和技术提出各种要求，且采用意愿不大;但近几年市场需求发生了明显的转变，不少客户对这类方案的采购和使用需求有了很大提升，接受度也很高，这是我们能从市场一线得到的反馈。而且，国内机器视觉领域如今也涌现了很多优秀的本土企业，不少友商都在集中上市。”这都是工业机器视觉市场“多云转晴”的有力证据。

如今工业机器视觉的增长动力主要来自于技术创新提升的应用潜力，比如基于3D视觉的机器人料箱取物这类应用，过去一度曾是行业性难题，主要还是借助于2D视觉来实现简单的抓取，且大多是比较浅的料箱或者平面料箱，但现在已经有不少案例实现了深度料箱的3D抓取，这主要还是得益于传感器技术的进步。另一方面，深度学习算法的突飞猛进也是重要成因，由于深度算法处理的很多信息大都聚焦在图像类，这也让AI算法非常适合于半导体领域的硅片检测、集成电路以及光学透镜的检测这类对图像检测需求明确的场景，在深度学习的加持之下，检测精度和准确度都得到大幅提升。”

从具体的市场需求细分来看，编者获悉，导航避障和测试/测量类是当下需求颇为明确的市场。比如测试/测量类应用，主要分布于消费电子、汽车制造、半导体等高精密制造行业，这类行业的特性是应用需求较大、价格相对不敏感，但对设备精度、准确度、稳定性等要求较高;而且，行业内大客户集中，客单价一般都可达百万级。

在人类与机器人的合作问题上，安全性永远是要考虑的首要问题，尤其是当机器人身处较为拥挤的工作环境中，它们必须能辨认人与机械以及机械的动作，并作出迅速的反应以避免受伤;另外，在工厂内部，自动传输产品的范围不断扩大，AGV(自动导航车辆)等自动驾驶车辆将需要在工厂和仓库中更快地自主导航，高精度深度传感技术使得传感器能够实时绘制所处的环境、确定自身在地图中的位置，然后找出最高效的导航路线。