2025年奥普特研究报告：工业领域核心标的，两大业务景气反转

1、机器视觉领域龙头，核心部件全面覆盖

1.1 深耕机器视觉领域，奠定国内龙头地位

机器视觉核心零部件国产龙头。公司成立于2006 年，定位于自动化核心零部件供应商。2008 年公司产品通过 RoHS 认证、CE 认证，并首次推出具备自动检测负载技术的光源控制器，并于 2009 年成为机器视觉成套成像解决方案供应商；2012 年公司推出具备自主知识产权的SciVision视觉开发包、SciSmart 智能视觉软件及防水光源；2014 年公司成立镜头事业部，布局机器视觉镜头的研发与生产；公司于 2020 年在上交所科创板上市，发展至今已成为机器视觉应用技术领先供应商，公司的产品和解决方案应用于20多个国家和地区，全球范围设立 30 多个服务网点，服务超过15000家客户。

机器视觉核心部件全覆盖，具备一体化解决方案能力。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，可以进一步为客户提供软硬件一体化解决方案，具有较强的配套销售能力与非标化定制能力。

光源：是机器视觉系统中最关键的部件之一，其在机器视觉中可以照亮目标、突出特征，形成有利于图像处理的效果，且光源可以克服环境光干扰，保证图像稳定性，还可用作测量的工具或参照物。公司光源产品覆盖了常见的标准与非标光源。

光源控制器：主要作用是给光源供电，它可以控制光源的亮度并控制光源的照明状态（亮/灭），通过给光源控制器解发信号来实现光源的频闪，进而有效延长光源的寿命。公司的光源控制器产品分为模拟控制器、数字控制器两大类，数字控制器可以通过 PC 设备远程控制。

镜头：是机器视觉系统中被摄物体信息采集和传递过程的起点，相当于人眼的晶状体。公司的镜头产品主要包括定焦镜头、线扫镜头、远心镜头、变倍镜头、液态镜头。

相机：主要作用是将通过镜头的光线聚集于像平面，从而生成图像，是机器视觉中的图像采集单元，相当于人眼的视网膜。公司通过多年对机器视觉解决方案的研发，目前拥有 CC1,CH1,CL1 三种系列的工业面阵相机。

视觉控制系统：是对通过光源、镜头、相机获得的图像进行分析处理，并根据处理结果和一定的判决条件实现机器视觉功能目标的软件和硬件设备的总称，相当于人脑的视觉皮层和大脑的其他部分。公司的视觉控制系统包括视觉处理分析软件和视觉控制器，其中视觉处理分析软件产品包括SciVision 视觉开发包和 Smart3 智能视觉软件。

机器视觉核心部件产品为公司贡献主要营收，毛利水平最高。公司主要的主要产品为机器视觉核心部件，及光源、光源控制器、镜头、视觉控制系统和相机。2023 年机器视觉核心部件的营业收入为8.09 亿元，占据公司营业收入约 85.72%。同时，该产品的毛利率约为65.69%，系公司毛利率最高的产品。

公司产品下游应用广泛，与众多行业头部客户深度合作。公司提供的机器视觉产品广泛应用于各类高端装备，服务于3C 电子、新能源、半导体、汽车、医药及食品加工等个行业及科研教学等领域，由公司提供的机器视觉产品已应用于苹果、华为、谷歌、OPPO、CATL 等全球知名企业和行业龙头企业的生产线中。

1.2 业绩回稳，盈利能力维持相对高位

公司业绩回稳，有望恢复增长。2023 年公司由于主营3C和锂电业务景气度下降，公司逆周期投入带来费用率提高等因素，利润端有显著下滑，营收和归母净利分别同比下降 17.27%和 40.37%。随着24 年3C和锂电业务的反转，公司业绩回稳，后续有望恢复增长。

公司盈利能力强劲，长期维持高位。从毛利率来看，奥普特近5年平均毛利率持续高于 60%，显著高于国内同业公司矩子科技与凌云光，盈利能力强劲。

费用率提高，主要系逆周期投入。2019-2024 年前三季度，公司销售费用率由 12.8%提升至 23.6%，主要是公司对行业未来前景充满信心，进行逆周期投入，大幅增加销售人员，以扩建交付团队规模。

研发投入持续增长，研发费率维持同业高位。从2019 年起公司研发投入实现快速增长，其中 2021 年同比增长高达 79.36%，研发投入突破1亿元，2023 年研发投入突破 2 亿元。近些年公司研发费用处于增长态势，在国内处于行业领先地位，较高的研发费率水平充分表明公司对研发创新的重视和决心。

1.3 股权结构稳定，助力公司长远发展

董事长工科背景决定公司为研发导向，股权结构稳定。公司董事长卢盛林是机械制造及其自动化博士研究生，曾在东莞理工学院任教7年，历任讲师、副教授，具备丰富的专业理论知识。目前卢盛林博士担任公司研发总监，管理公司研发中心。主要负责分析行业最新发展趋势及最新技术应用，并制定公司技术革新方向及新产品开发方向，在公司研发中起到决定方向的重要作用。公司控股股东、实际控制人为卢治临、卢盛林兄弟。卢治临直接持有公司 29.85%的股权，卢盛林直接持有公司 29.20%的股权，卢治临、卢盛林兄弟合计持有公司 59.05%股权，对公司拥有绝对控制权。许学亮持股7.31%，为其一致行动人。

2、机器视觉市场空间广阔，国产化进展加速

2.1 智能制造之眼，下游应用场景广泛

机器视觉是通过硬件与软件的组合对目标物体进行识别、分析，最终达到特定功能的系统。机器视觉，是通过光学装置和非接触式的传感器，自动接收和处理一个真实物体的图像，以获得所需信息或用于控制机器人运动的装置。机器视觉技术主要采用适合被测物体的多角度光源（可见光、红外光、X 射线等）及传感器（摄像机等）获取检测对象的图像，通过计算机软件从图像中提取信息，进行分析、处理，最终用于实际检测和控制。

机器视觉系统由成像和处理分析两大部分构成。机器视觉系统主要包括光源及光源控制器、镜头、相机及视觉控制系统（视觉处理分析软件及视觉控制器硬件）等。其中，光源及光源控制器、镜头、相机等硬件部分负责成像功能，视觉控制系统负责对成像结果进行处理分析、输出分析结果至智能设备的其他执行机构。

机器视觉主要功能——识别、测量、定位及检测。识别是基于目标物的特征进行甄别，例如外形、颜色、字符、条码等。识别的准确度和速度是衡量识别功能的主要指标；测量是指把获取的图像像素信息标定成常用的度量衡单位，然后在图像中精确的计算出目标物的几何尺寸。高精度以及复杂形态的测量是机器视觉的优势领域；定位是获得目标物体的位置信息，可以是二维或者是三维的位置信息。定位的精度和速度是定位功能的主要指标；检测，一般是指外观检测，其内涵种类繁多。如产品装配后的完整性检测（如当元器件安放于印刷电路板后通过检测确保其产品装配是正确的，即正确的元器件被安装在正确的位置）、外观缺陷检测（如检测是否有划痕、凹凸不平等）等。通过以上这些主要功能，机器可代替人工进行测量与判断，将图像处理应用于工业自动化领域中。

机器视觉的性能优势是行业发展的根本动力。在以往大批量工业生产过程中，主要靠人工视觉对产品进行测量、识别和分析。由于人工视觉，效率低，稳定性差且精度不高，用机器视觉可以大幅度提高处理效率和自动化程度。同时，在一些不适合人工作业的危险工作环境或人眼难以满足要求的场合，也常用机器视觉来替代人眼，如核电站监控、晶圆缺陷检测。机器视觉与传统人眼视觉相比具有不可替代的优势，同时随着深度学习、3D视觉技术、高精度成像技术和机器视觉互联互通技术的持续发展，机器视觉的性能优势将进一步加大，应用场景也将进一步打开。

机器视觉属于产业链中游。产业链的上游主要为LED、CCD、CMOS、光学材料、电子元器件、五金结构件等原材料。由于机器视觉是由多个部件组成，每个部件的原材料均有不同，因此，产业链上游涉及的行业范围较为宽广。机器视觉产业链的下游主要为运用机器视觉技术的设备制造行业和终端用户，所涉范围十分广泛，如汽车、医药、化学、电子、半导体、印刷、食品饮料、物流、烟草、医疗、电池等等，几乎包括国民经济的各个领域。

机器视觉已在 3C 电子等多行业广泛应用。机器视觉解决方案广泛应用于3C 电子、锂电子电池、半导体、光伏等多个行业的智能装备。机器视觉产品和技术在 3C 电子行业的主要应用为：液晶屏AA 区(ActiveArea可操作区)定位、手机 LOGO 间隙、轮廓度检测、手机零件装配定位等；在新能源行业的主要应用为：极片表面缺陷检测、涂布或分条表面缺陷、极耳焊点检测、极耳位置和旋转角度检测、电池正负极检测等；在半导体行业中主要应用于 LED 晶圆切割定位、PCB 板、晶片和DIE 检测、LED检测等。

机器视觉下游 3C 为主，其他领域不断扩展。根据中商产业研究院数据，2022 年中国机器视觉细分应用市场中，3C 电子占比25%位列第一。其次是汽车、锂电池和半导体，占比依次为 10.9%、10.3%、10%。随着国内机器视觉技术与产品在实联中不断完善，机器视觉技术已经在医药行业、食品包装、物流仓储更多等领域，实现了较为广泛的应用。

2.2 机器视觉全球市场规模超 900 亿，国产替代加速

全球机器视觉行业需求确定，规模稳步增长。随着工业自动化技术不断走向成熟，对于物体检测、增强分析、监控容差和准确的组件测量等能力要求也逐渐提升，越来越多的制造企业开始采用机器视觉系统来实现生产过程中检查、测量和自动识别等功能的优化。据 GGII 数据，2023 年全球机器视觉市场规模为 925.21 亿元，同比增长 5.8%。预计至2028 年全球市场规模有望接近 1400 亿元，2024 至 2028 年 CAGR 约8.20%。

国内市场规模增速高于全球，3D 视觉增速高于2D。据GGII 数据，2023年中国机器视觉市场规模（不包含自动化集成设备规模）为185.12亿元，同比增长 8.49%，高于全球增长。2024 年中国机器视觉市场规模有望突破200 亿元，至 2028 年我国机器视觉市场规模将超过395 亿元。2023年，2D 视觉市场规模约为 161.50 亿元，同比增长6.09%，3D视觉市场约为23.62 亿元，同比增长 28.35%，3D 视觉增速高于2D。预计2028年2D视觉市场规模将达到 315 亿元，3D 视觉市场规模接近80 亿元。

目前机器视觉行业两大国际巨头为基恩士及康耐视。基恩士及康耐视凭借先发优势，在 2023 年一共占有全球机器视觉54%左右的市场份额。基恩士目前已覆盖了机器视觉全产业链，可提供整个机器视觉解决方案。基恩士每年研发的新传感器等品中，有大约 70%的新产品是“世界首创”或“行业首创”。康耐视依托软硬件的技术优势，市占率保持行业领先。自1981年成立以来，已经销售 90 多万套基于视觉的产品，累计利润超过35亿美元。

机器视觉国产化持续推进。根据 GGII 数据显示，2023 国产品牌机器视觉市场份额预计占比 63%，相较于 2022 年略有提升。内外资品牌的竞争开始分庭抗礼，某些产业链环节，国产的份额已绝对领先于外资。如镜头、光源领域，国产代表厂商奥普特、东莞 RESS、长步道等；相机领域，国产代表厂商海康机器人、华睿科技、埃科光电、梅卡曼德、灵西机器人、迁移科技、图漾科技等。

国内机器视觉迅速发展，通过自主研发逐渐提升产品覆盖范围。由于机器视觉由多种硬件及软件共同组成，因此以前机器视觉企业难以做到完全覆盖全部产品线及各种产品型号。随着国内工业水平的不断提高，国内机器视觉行业已形成规模，覆盖产品相较以前更为全面。

机器视觉核心部件国产替代加速。在机器视觉核心部件中，光源，镜头，2D 相机，工控器等环节国产化率相对较高，其中光源最为充分，国产化率约 90%以上。其他环节目前基本为外资主导，国产化替代进程正在加速进行。

政策持续助推中国机器视觉行业发展。工业是国家发展的根基，智能制造产业是未来发展的大方向，受到国家高度重视。机器视觉归属于高端装备制造产业，是智能制造装备感知、分析部分的重要零部件，国家出台多项政策利好机器视觉行业发展。政策从拓展产业链应用场景、发展机器视觉底层技术等方向促进中国机器视觉产业的发展，同时AI+机器视觉技术与设备在“十四五”规划中受到高度重视，2022 年1 月《“十四五”数字经济发展规划》中重点推进机器视觉、机器学习等技术应用，良好的政策环境有利于为行业的可持续发展奠定良好的政策支持，为机器视觉行业的健康发展保驾护航。

3、AI 质检成为 AI 最快落地赛道之一

3.1 AI+机器视觉，重构传统检测 

AI 质检正处于快速发展时期。作为光学、机械自动化、电子信息、人工智能技术、软件行业的交叉领域，机器视觉检测装备的最前沿技术既是在不同行业各类真实需求的推动下不断实现并落地的，同时又被人工智能、软硬件等前沿科技的突破而影响。

传统工业视觉系统逻辑简单，无法胜任复杂外观缺陷检测。传统工业视觉系统的应用实现，依赖的是预先明确的固定特征。逻辑较为简单，无法适用于随机性强、特征复杂的工作任务，如随机出现的复杂外观缺陷检测。因此，目前业界越来越多的使用到能解决此类复杂特征问题的深度学习。

深度学习技术提升 AI 质检性能。深度学习方法作为传统神经网络的拓展，近年来取得巨大的进展，为解决复杂检测问题提供了通用的框架。深度学习算法在目前的行业普遍技术水平已经能够达到95%以上的判定准确率。通过平衡漏判率和误判率，更加严格地控制漏判，可以让漏判率降到100PPM以下，而误判率降到 5%以下。

AI 质检系统结构包括信息采集系统，缺陷检测和模型部署。根据客户对于检测精度、工作节拍、网络参数的需求，在工厂现场端对接产线搭建图像信息采集系统，通过工业网关进行数据采集和获取，将数据推送至云端平台，在平台侧基于检测模型对数据进行分析后将结果发送至端侧，同步更新缺陷检测模型。数采、训练、推理工作部署在云边端各环节中的不同位置，形成逻辑空间上协同。

AI 质检核心技术为工业图像数据采集和 AI 检测算法。光学成像是视觉检测的基础，采集图像的质量是后续图像特征识别的关键。然而工厂光照环境多变、工件结构复杂、工件材质多样等问题造成图像质量难以稳定。为避免缺陷漏检，往往需要设计全方位、多特征的图像采集系统。光学参数自动调优可以使视觉感知特性与深度学习相结合，对图像不同区域给予不同关注，提高关键信息的利用率。通过模拟人类视觉系统的感知来判断工业质检中的图像是否适合后续缺陷检测。AI 检测算法较多，比较典型的一种为半监督、自监督融合方式，构建神经网络学习非缺陷制品的特征，并以教师 - 学生网络结构通过逆蒸馏实现对缺陷敏感的编码器与对缺陷不敏感的解码器。当图像不含缺陷时，编码器的特征与解码器的特征服从同一分布；反之，在缺陷图像中，二者特征存在较大差异，因此可将差异部分作为缺陷并进行缺陷定位。

大模型在机器视觉中的应用展现出巨大潜力，AI 有望快速在质检环节落地。2024 年 7 月，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。创新的 SAM 算法通过显著优化，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、新能源、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，例如AnomalyGPT、SegGPT 等视觉语言大模型的引入，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，展现了极强的迁移学习潜力和低样本需求下的卓越检测性能，有望带动AI 在机器视觉领域快速实现落地。

DeepSeek 的发布使得国内大模型生态迅速扩展，为AI 质检在国内渗透打牢地基。2025 年 1 月 20 日，DeepSeek 发布开源DeepSeek-R1模型，迅速火遍全网。R1 在后训练阶段大规模使用了强化学习技术，在仅有极少标注数据的情况下，极大提升了模型推理能力。在数学、代码、自然语言推理等任务上，性能比肩 OpenAI o1 正式版。DeepSeek“朋友圈”目前已覆盖通信、云计算、手机、家居、金融、医疗、芯片等核心领域，其中多家行业巨头均积极参与。2024 年 12 月，DeepSeek 发布开源视觉大模型DeepSeek-VL2。视觉部分使用切图策略支持动态分辨率图像，语言部分采用 MoE 架构，低成本高性能，整体表现十分优异，有望推动国内AI 质检行业发展。

3.2 公司算法底蕴深厚，逆势布局 AI 质检实现先发优势

视觉控制系统门槛较高，底层算法基本由海外品牌垄断。视觉控制系统是将光源，镜头，相机等处理过的信息进行分析处理，并最终实现机器视觉方案的特定功能，相当于人的视觉皮层和大脑中与视觉神经相关的部分。其技术核心是图像处理软件，通过算法完成对目标物体的识别，定位，测量，检测等功能；独立的底层算法对于算力有着极高的要求，因此具有极高的技术门槛极高。根据 GGII 测算，视觉控制系统的生产成本中，底层软件系统开发占比达到 19.88%，是机器视觉系统中生产成本除相机外最高的部分，起到了将硬件数据赋能到下游应用中的关键作用。

外国企业占据市场领导地位，奥普特为国内少数拥有独立算法库的企业。由于独立底层算法需要较大的研发投入与较长的研发周期，深度学习的实现难度较高，国内企业的机器视觉软件一般建立在OpenCV等开源算法库或者 Halcon、Vision Pro 等第三方商业算法库上，因此毛利率普遍不高。目前国内仅有奥普特、海康机器和创科视觉等极少数企业拥有独立的底层算法库。

公司掌握底层算法，处于行业前列。奥普特基于自身在行业的案例积累，经过高度提炼自主研发了包括 2D 视觉算法、3D 视觉算法和深度学习算法的 SciVision 视觉开发包，处于国内机器视觉系统软件前列。

基于底层算法，公司软硬件两开花。 软件：公司依靠底层算法优势，以 SciVision 算法库为基础，自研Smart3智能视觉软件，能实现图像采集、测量、识别、检测、通讯、控制等一系列功能，可满足各类应用场景的需求达到通用程度，并且具有可在线调试、图形化编程、操作方便等特点，有较高的易用性。目前相关方案已经在30多个行业中广泛运用，在 50000 多个项目案例中成功落地，实现了机器视觉应用场景全覆盖。 硬件：公司基于 SciVision 视觉开发包，结合硬件优势，全新推出多功能一体化智能相机，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。

紧跟潮流拥抱大模型技术，解决深度学习在工业生产落地的痛点。2023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。2023年12 月初，公司发布了智能 AI 软件 DeepVision3，集成了视觉基础大模型，提升模型鲁棒性的同时，极大缩短了训练验证到部署的周期，标注交互、各类功能任务操作更便捷，解决了深度学习在工业生产落地的痛点。1）AI 模型训练更快，更为轻量化。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%；通过增量训练功能，使得训练周期缩短到 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）视觉大模型通用性强，契合工厂模式。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）易用性更强，支持一键部署。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。

果链 AI 质检代人需求迫切，奥普特逆周期提前布局，稳拿先发优势。苹果公司推进减人降本，重点布局 AI 质检，目前果链检测人员数量较多，AI 质检潜在替人空间巨大。AI 质检业务的开展需要配合客户做大量数据标注工作，奥普特提前研究布局，在 2019-2023 年间大幅扩建员工团队，实现员工人数近 3 倍增长。其中销售团队与研发团队扩展迅速，主要系从硬件到标注到整个交付人员的配合应用，使其在与大客户的合作上具备先发优势。

适龄劳动力持续减少，制造业用工难成痛点问题。根据国家统计局数据，中国人口自然增长率呈现逐年下降的趋势，2013 至2023 年已经从5.9%下降至-1.48%；此外，老龄人口（根据国家统计局划分标准为65岁以上）占比逐渐提高，同期从 9.7%上升至 15.4%，并预计未来二者剪刀差将会逐渐扩大。人口下降和老龄化加剧将导致劳力年龄人口的持续下滑，从而抬升制造业用人成本。根育娲人口预测，中国劳动年龄人口（15-64岁）占比将在未来 25 年间从 69.12%下降至 59.14%。 

人员成本上升，质检环节替人空间巨大。在老龄化加剧、适龄劳动力减少等多重因素催化下，人员用工成本持续上升。据Wind 数据，2014年至2023年，中国制造业人员平均工资由 4.7 万元上升至9.3 万元，CAGR约7.76%。基于持续上升的用工成本，机器代人正持续加速。工业质检环节目前以人员参与度高，AI 质检替代空间巨大。

苹果 AI 替人起示范作用，后续制造业 AI 质检换人空间近万亿。苹果公司向来是科技领域的风向标，其任何的创新举动，都有典型的示范作用，会吸引其他企业效仿。随着果链 AI 质检替人的持续推进，其他制造业公司有望纷纷跟进。

据国家统计局数据，截止 2024 年 12 月，制造业平均用工人数约为6656.7万人，假设其中参与检测环节员工占比 15%，制造业平均年薪为9.3万元，则制造业 AI 质检换人空间约 9286 亿元。

4、3C 开启新周期、锂电行业触底反弹

4.1 AI 终端引领 3C 变革，换机周期带动检测设备受益

消费电子行业周期性明显，技术革新引发周期启动。历史上消费电子行业已走过两轮明显周期，主要受创新驱动。在过去的20-30年间，电子行业大致遵循着一个十年左右的技术革新周期，在此期间行业经历创新期、增长期、成熟期，随后进入平台期，直到下一轮的创新出现并推动行业的进一步增长。 2010 年 iphone 4 发布，成为智能手机里程碑式的产品，开启了手机智能化的浪潮，2011-2015 年，智能机替代功能机；2020 年苹果推出5G手机，受 5G 周期推动，2020-2021 年 3C 设备商表现出优秀的业绩增长；2025年则有望迎来 AI 终端周期。

业绩与估值共振：2020 年，样本企业中估值最高的是机器视觉企业，其他企业估值均值为 37.1 倍，其中业绩增速较快的博杰股份、赛腾股份，估值分别为 45.2 倍、40.6 倍。

参考苹果 5G 手机路径，AI 手机有望带动渗透率爆发式增长。2020年苹果5G 手机的推出，开启新一轮周期，带动 5G 终端渗透率飞速提升。随着大模型技术迅速发展，智能移动终端的交互变革，手机市场将进入Al 时代。根据 Canalys，2023 年 AI 手机市场份额约5%，预计2026 年全球AI 手机累计销售量将超过 10 亿部，到 2028 年，AI 手机将占全球智能手机总出货量的比重超过 50%。

以苹果手机为代表的 3C 产品换代升级速度快，对检测设备升级衍生出持续需求。据预测，iPhone17 系列将迎来配置大升级，将采取全新摄像头排布方式，Pro 系列三颗后置摄像头都将采用4800 万像素传感器。同时，苹果将于 2026 年秋季推出折叠屏 iPhone。消费电子产品持续换代，硬件配置与组装方式的升级将对产线检测能力提出了更高的要求，拉升了对上游中高端 3C 检测设备的市场需求。

奥普特深度绑定果链，有望在产品检测端受益。在3C电子领域，奥普特于2010 年通过富士康进入苹果供应链体系，2017-2019 年苹果均为奥普特第一大客户，销售占比分别为 17.31%/27.24%/26.00%。苹果公司建立了严格的供应商认证体系，对供应商资质认证时间较长，认证标准严格，对供应商的技术能力、质量控制能力和服务能力等均有较高要求标准。因此，苹果公司的合格供应商进入壁垒较高，奥普特可长期与苹果深度绑定。此外，奥普特与苹果公司的合作范围不断扩大，合作的产品线覆盖手机、平板和耳机等各种产品，双方的合作已有广泛而深厚的基础。AI 手机的放量将带动产线产品机器检测需求，奥普特有望在 3C 领域持续受益。

4.2 国内锂电重启扩产，锂电检测需求旺盛

锂电行业触底回升，头部锂电厂商重启扩产。复盘锂电行业，2019-2021 年为扩产高峰，2022 年以来下游产能过剩、产能利用率较低，下游动力电池厂扩产放缓，锂电设备商订单承压。2023年锂电池价格走低后企业开工率不足，基本无意愿扩产。2024Q2以来，随着电动汽车销量的稳步增长以及小米等新兴整车企业加入，动力电池装机量开始回升，头部企业重启扩产节奏。

国内头部企业重启扩产，行业出清接近尾声。自2024Q3 以来，宁德时代、比亚迪为首的龙头企业积极扩产。据盖世汽车统计，2024 年三季度电池企业在国内外新投建项目共计 25 个，规划动力电池产能近300GWh，总投资金额超近一千亿元。

锂电池安全需求逐步提高，锂电池检测需求旺盛。新能源汽车安全性要求不断提升，对锂电池要求愈发提高。电池缺陷检测的传统方法是人工测量和判断，容易受检测人员主观意愿、情绪、视觉疲劳等人为因素的影响，使检测结果出现偏差疏漏。因此在锂电池生产制造的过程中，机器视觉检测重要性凸显、应用增多。

锂电新技术产业化在即，机器视觉有望迎来增量订单。复合集流体是一种可替代传统铜箔和铝箔的新型电极材料，安全性更好，成本更低。复合集流体生产过程中，通常会遇到以下几种类型的缺陷：针孔、划痕、凹坑和凸起等 ,这些缺陷不仅会影响复合集流体表面的平整度，还会对质量产生影响，因此，为了确保复合集流体的质量，需要对其产品通过机器视觉进行表面缺陷检测；固态电池是由固体电极和固体电解质的电池，较传统电池而言，能量密度高，安全性好。固态电解质硬度较高，无法做卷绕，需采用叠片方式，从而需要高精度检测系统，对产品毫秒级的速度进行外观与尺寸不良检测，并实时调整裁切位置，以提高良率。

奥普特长期合作锂电头部客户，新能源业务有望再次增长。奥普特作为机器视觉领先企业，在 2016 年开始布局新能源业务，逐渐切入宁德时代、比亚迪等锂电池头部企业开始供货。预计随国内锂电行业参与者产能扩建节奏重启以及新技术的产业化，公司新能源业务有望重新恢复增长。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）