2025年奥比中光研究报告：“机器之眼”逐步放量，赛道格局卡位双优

1. 视觉模组龙头，提供“研发+制造”一体式服务

奥比中光科技集团股份有限公司（以下简称“奥比中光”）是行业领先的机器人视 觉及 AI 视觉科技公司，致力于构建机器人与 AI 视觉产业中台、打造机器人的“眼睛”。 奥比中光成立于 2013 年，总部位于深圳，在佛山、上海、西安，美国均设有分支机 构。2022 年 7 月在科创板上市，获称“3D 视觉第一股”。基于自研芯片和全栈式系统技 术，奥比中光为机器人、3D 扫描、生物识别等行业客户及全球开发者提供高性能的 3D 视觉传感器及机器人与 AI 视觉方案，助力新兴行业释放价值、推动传统行业智能化升 级。拥有自建生产基地，奥比中光具备百万级量产能力，提供灵活可靠的 ODM/OEM 服 务。 奥比中光为全球超过 1000 家客户与开发者提供“研发+制造”的一站式产品和服务， 其中机器人视觉业务在中国服务机器人市场占有率超过 70%。

1.1. 以 3D 视觉模组为核心，几乎实现全领域应用

公司主营业务有 3D 视觉传感器、消费级应用设备和工业级应用设备，产品矩阵丰 富。公司已全面布局六大 3D 视觉感知技术，包括结构光、双目、iToF、dToF、Lidar、 工业三维测量，同时在技术深度上，开发包括深度引擎芯片、感光芯片、应用算法等在 内的全栈技术，从而构建 3D 视觉感知系统级开发设计能力。

公司产品已在生物识别、AIoT、消费电子、工业三维测量等领域实现了商业应用。 公司致力于将 3D 视觉感知产品应用于“衣、食、住、行、工、娱、医”等领域，现已 在刷脸支付、智能门锁、工业三维测量等场景实现应用。未来 3D 视觉感知技术将在人 形机器人、汽车自动驾驶等赛道上发挥更大潜能。

1.2. 背靠蚂蚁，股权结构清晰稳定

公司股权结构清晰，相对稳定，子公司布局完善，主要由公司创始人、投资机构及 员工持股平台组成。实控人为公司创始人、董事长兼总经理黄源浩先生，通过直接持股 与间接持股合计持股 27.53%，其中直接持股 27.23%，间接持股 0.30%。上海云鑫创业 投资有限公司占公司股权的 12.21%，其为蚂蚁集团 100%控股的投资公司；此外，美的 旗下投资公司美的创新持公司 1.90%的股权。 公司共有 15 个员工持股平台，奥比中芯为公司设立的员工持股平台之一，通过股 权激励的方式，调动公司员工科技创新积极性，培养公司核心凝聚力，保护公司核心技 术及公司架构稳定性。

1.3. 收入稳健，利润亏损逐步收窄

3D视觉传感器为公司基石业务,公司主营业务收入主要来自于销售3D视觉传感器。 23 年实现营收 2.22 亿元，占比总营收 61.6%，公司的传感器产品目前已推出 Astra、 Gemini、DaBai、Femto 等多个产品系列。公司从 3D 视觉传感器一项独大逐步转化为各 项业务逐步均衡发展。2023 年消费级应用设备和工业级应用设备分别实现营收 7968.1 万元、2953.9 万元，占比总营收分别为 22.1%、8.2%。公司在消费级应用设备和工业级 应用设备方面，均为行业技术领先者，长期有望进一步增加产品营收。

公司近五年营收呈现较大波动，盈利能力有望逐步提升。公司目前利润端为负，高 额研发费用影响净利润，新场景应用落地有望拉动业绩增长。2020 年受疫情影响，应用 于线下支付的 3D 视觉传感器需求下降，主导全年营收大幅减少；2021 年以来，线下支 付需求恢复，但经济下行影响下，下游客户需求依然较低，营收呈波动态势。目前公司 仍处于发展阶段，研发费用仍处于初期投入较高，公司净利润仍处于亏损期间。随着公 司研发进入稳定阶段，及医保核验、AIOT 等新场景的商用落地，公司业绩有望转正。

研发投入较大，费用率有待规模效应摊销。公司管理费用和研发费用高，主要是由 于 3D 视觉感知行业仍处于发展初期，3D 视觉感知技术属于跨学科技术，涉及光、电、 机、芯片、算法等多个专业，行业壁垒较高，需要大量投入。此外 2019-2020 两年间较 高的管理费用率主要由于公司支付股权支付费用所致，2022 年新推股权激励计划，股份 支付费用已逐年降低。持续的高研发支出赋予了公司硬核的实力。随着公司在机器人、 3D 打印等新兴领域的放量，公司将实现正盈利。

2. 3D 传感为核心，场景 knowhow 为核心竞争力

2.1. Tof 为视觉“革命性”技术

机器人视觉模组是融合光学成像、环境感知与数据处理能力的智能传感中枢，其通 过硬件组件与算法协同构建三维空间认知体系。作为机器人的"环境解析大脑"，视觉模 组通常集成高分辨率摄像头、红外传感器、激光雷达等设备，配合 SLAM 算法和深度学 习框架，将二维图像转化为包含距离、形状、运动轨迹的多维度空间数据。这种实时动 态的环境建模能力，使机器人得以精准识别物体位姿、预测障碍物运动趋势，为自主导 航、人机协作等复杂任务提供关键信息支撑，成为智能制造与服务机器人不可或缺的感 知基础。

机器人视觉模组通过分层递进的数据处理逻辑实现环境感知与决策控制，其工作流 程可概括为"采集-解析-决策-执行"四阶链路。首先由光源系统与图像传感器完成光学信 号采集，经降噪滤波、边缘检测等预处理生成标准化数字图像；随后通过特征提取算法 或深度学习模型识别目标物特征，并融合 ToF、双目视觉等深度感知技术构建三维场景 模型；最终结合路径规划算法和运动控制器输出机械臂抓取坐标或 AGV 导航指令。该 逻辑架构在工业分拣中实现毫秒级目标定位，在手术机器人中完成组织微米级形变监测， 其模块化设计使视觉系统能适配智能制造、医疗辅助等多场景需求。

ToF 技术在机器人视觉系统中扮演着"空间标尺"的革命性角色，其通过纳秒级光子 飞行时间测量实现亚厘米级深度感知。相较于依赖特征点匹配的双目视觉，ToF 直接获 取每个像素的绝对距离值，在低光照、弱纹理场景中仍能保持稳定性能，这种技术突破 使得机器人避障响应速度提升至毫秒级。当前全球超过 60%的智能仓储机器人采用 ToF 模组构建动态地图，医疗领域达芬奇手术机器人借助其实现组织表面毫米级形变监测， 而消费级产品如扫地机器人更是通过成本优化的 ToF 方案实现了全屋三维建模。随着 ToF 芯片功耗和尺寸持续降低，该技术正从工业场景向农业巡检、家庭陪护等长尾应用 渗透，2023 年全球机器人用 ToF 模组出货量已突破 1200 万片，标志着其已成为智能机 器人迭代升级的核心驱动力。

2.2. 视觉传感的软硬件技术成熟度高

视觉传感终端的研发以及产品生命周期。视觉捕捉、传感镜头、算法计算 三个方面：图像信息捕捉、像素点和内容计算、输出指令。 图像信息捕捉：从二维图像的捕捉到三维空间的理解与智能优化。最初，黑白 CCD 相机仅能捕捉二维图像，分辨率和帧率限制了其应用场景。彩色 CMOS 相机的引入，提 升了图像质量、分辨率和色彩表现，使得动态检测成为可能，广泛应用于自动驾驶和工 业机器人。深度传感器（如激光雷达、TOF、立体摄像头）的加入，使视觉系统能够捕 获三维信息，从而理解物体的深度和空间结构。深度学习的引入使图像处理智能化，系 统能在复杂环境中自动优化图像捕捉。高分辨率、高帧率的传感器与自适应光学系统进一步提升了低光环境下的成像能力，实现了视觉捕捉的自适应调节，增强了系统在多变 环境下的表现。

图像传感器：从单一的感知手段到多维度、多层次的信息融合与智能感知。传感器 技术最初主要依赖简单的光电传感器，感知范围局限于单一的物理量（如温度、湿度、 光照强度），信息采集能力较为基础。随后加入了如加速度计、陀螺仪等传感器，开始 实现多维度的物理量感知，能够捕捉动态变化的数据，应用于智能手机、运动监测等领 域。第三阶段是激光雷达、TOF 传感器和立体摄像头的引入，使得传感器能够获取三维 空间信息，为自动驾驶和机器人提供深度感知，突破了传统传感器的二维局限。随着深 度学习与人工智能的结合，传感器系统不再仅仅是数据采集工具，而是能自动分析和判 断环境信息，进行智能感知和自适应决策，从而提升了系统的感知精度和效率。

算法技术：从手工规则的计算到自我学习与智能推理。最初算法依赖于手工设计的 规则和模型（如边缘检测、模板匹配、霍夫变换等），通过固定的数学公式处理图像和信 号，解决特定的任务，应用局限且对复杂场景处理能力有限。随着计算能力的提升，机 器学习逐步引入，算法开始通过特征提取和分类器（如支持向量机、决策树等）来自动 化处理数据，精度逐步提高，能够应对较复杂的任务，如人脸识别、物体分类等。进入 深度学习时代后，神经网络和卷积神经网络（CNN）等算法不再依赖手工设计特征，而 是通过大量数据学习自动提取有效特征，实现高度智能化的图像识别、语音处理等复杂 任务。深度学习的引入使得算法可以在大规模数据中进行自我优化，自动调整模型参数， 达到实时推理和自适应决策的能力，显著提升了任务执行的准确性和效率。

2.3. 研发周期长，产品适配场景需要 Knowhow

视觉模组的研发周期通常为 6 个月至 2 年，其核心阶段包括技术攻关、系统集成与 场景验证三部分：首先在基础研发阶段（3-6 个月）完成光学设计（如光源波长匹配、 镜头畸变校正）与硬件选型（全局快门 CMOS/ToF 传感器），例如小米 Mi-Sense 模组 需平衡 ToF 传感器的精度与功耗；随后进入算法开发与集成阶段（4-8 个月），通过图像 预处理（Canny 边缘检测）、深度学习模型（YOLOv7 目标识别）及多传感器数据融合 （如双目视觉+IMU）实现软硬件协同优化，典型案如 INDEMIND 模组通过微秒级时间 同步机制提升 SLAM 算法精度；最终在测试与场景适配阶段（2-6 个月）完成极端环境 验证（工业振动/医疗温湿度）与性能调优，例如工业分拣模组需通过 10 万次抓取测试 以验证毫米级定位稳定性，全周期研发深度直接决定模组的场景泛化能力与量产可靠性。

视觉模组的场景适配高度依赖厂商的垂直领域 knowhow 能力，即跨学科技术整合 与行业经验沉淀形成的核心竞争力：在硬件层面，需掌握光学参数与场景需求的精准映 射能力，例如全局快门摄像头需根据 AGV 行进速度动态调整曝光时间以消除运动模糊； 在算法层面，须具备模型轻量化与嵌入式部署能力，如将 ResNet-50 网络压缩至 5MB 以 内并部署到 FPGA，实现毫秒级实时目标检测；在系统集成层面，则需构建多传感器时 空标定技术（如双目摄像头与 IMU 的微秒级同步）及抗干扰机制（工业场景抗电磁干 扰误差控制＜0.1mm）。典型案例如 INDEMIND 模组通过手术机器人震颤补偿算法，将 组织形变监测精度提升至 10 微米级，其核心壁垒正是长期积累的生物力学模型与机械 控制融合经验。

3. 下游百花齐放，AMR\3D\人形产业趋势起量

3.1. AMR 价值量提升，趋势不可逆

受益制造业自动化和劳动力成本优势，AMR 机器人快速渗透。自主移动机器人 （AMR）市场呈现出强劲的增长趋势。根据预测，2024 年该市场的规模将达到 38.8 亿 美元，到 2029 年预计将增长至 80.2 亿美元，年复合增长率为 15.60%。这一增长主要受 到自动化趋势、劳动力短缺以及机器人性价比更高的推动： 1.制造业自动化趋势：随着制造业自动化水平的不断提升，AMR 在工厂和仓库中的 应用将显著增加。AMR 可以自动执行任务，如搬运、运输和库存管理，替代人工劳动， 提高生产效率和降低劳动成本。 2.低成本劳动力短缺：全球范围内劳动力短缺，尤其是在物流和制造行业，推动了 对自动化技术的需求。AMR 可以减少对人工的依赖，降低人力成本，并提高操作安全 性和效率。3.长期投资回报（ROI）：虽然 AMR 系统的初始成本可能较高，但其长期投资回报 率（ROI）非常可观。AMR 不仅可以提升工作效率和生产力，还能减少因人为错误或劳 动力不足带来的成本，从而实现更高的经济效益。

3.2. 3D 打印机渗透率提升，扫描仪高速增长

3D 打印机降本推动渗透率提升，带动深度相机高速增长。根据《WohlersReport2023》 数据显示，2022 年全球 3D 打印市场规模达到 180 亿美元，同比增长 18.3%。预计 2023 年市场规模将进一步增长至 197 亿美元。这一高增速反映了 3D 打印技术在多个行业中 的快速渗透和应用扩展。随着 3D 打印机成本的不断下降，更多企业和个人将能够负担 得起这一技术，推动其市场渗透率显著提升。此外，带有 3D 扫描功能的打印机也将逐 渐开始放量。3D 扫描功能的集成使得打印过程更加精准和高效，预计这一创新将进一 步增强 3D 打印技术的市场吸引力，加速其在制造、医疗、消费品等领域的应用普及。

全球劳动力短缺和对高效自动化技术的需求，进一步推动了人形机器人市场的增长。 发达国家由于劳动力短缺问题日益严重，机器人技术尤其是人形机器人成为缓解这一问 题的重要手段。根据欧盟委员会 2024 年 3 月发布的新闻稿约 63%的中小企业表示无法 找到足够的技术工人，而 92%的德国企业受到技能短缺的影响。使得全球仿人机器人市 场正处于快速增长的轨道上，根据 FORTUNE 数据，2023 年市场规模为 24.3 亿美元， 预计将从2024年的32.8亿美元增长到2032年的660亿美元，年复合增长率高达45.5%。

3.3. 人形机器人正以高速增长态势扩张

人形机器人市场正以超高速增长态势扩张，成为全球科技产业新引擎。其增速逻辑 主要体现在四大驱动力：一是政策密集赋能，中央“十四五”规划及“机器人+”行动实 施方案等政策推动产业规模化发展；二是资本加速布局，2024 年全球人形机器人领域融 资超 110 亿元，头部企业量产计划明确；三是技术突破加速，AI 大模型与具身智能技术 融合提升机器人自主决策能力，2025 年进入量产元年将带动数据采集与训练进入新阶 段；四是市场需求爆发，中国 2025 年劳动力缺口预计达 600 万，叠加老龄化趋势，推 动市场规模从 2024 年 27.6 亿元激增至 2029 年 750 亿元，年复合增长率超 90%。

人形机器人的规模化应用已成为破解制造业劳动力危机与实现产业升级的双重关 键路径。在劳动力替代层面，这类具备环境感知能力的智能设备能够有效承接高危作业 （如化工车间高危操作）、高强度流水线作业（如汽车焊接）及低附加值搬运任务（如电 商仓储物流），显著降低企业用工压力；在生产优化维度，通过高精度力控技术（误差范 围±0.05mm）和多机协作系统（宝马 iFACTORY 中机器人协同效率提升 40%），其不仅 可将装配线良品率从 92%提升至 99.5%，更能实现柔性化生产改造——特斯拉柏林工厂 借助人机共线模式，将 Model Y 单车生产周期缩短 30%。这种"人力替代+流程再造"的 复合价值，使其成为全球制造业应对劳动力结构变化的战略级工具。

4. 产品完全国产化，先进团队均已合作和采用公司产品

4.1. 市占率超过 70%，产品完全国产化

奥比在中国服务机器人市占率超过 70%。在 3D 视觉传感器市场，主要参与者包括 奥比中光、英特尔、索尼、英飞凌、银牛微电子等，其中奥比中光凭借其技术优势，已 成为行业的领军者。根据《2023 机器视觉产业发展蓝皮书》提到，2022 年，奥比中光 在中国服务机器人领域的市场占有率超过了 70%，稳居行业龙头地位。其领先的技术和 强大的研发能力使其在国内外市场上具有明显的竞争优势，推动了 3D 视觉技术在服务 机器人领域的广泛应用和发展。 视觉模组国产化率高，奥比产品已完全国产化。根据《2023 机器视觉产业发展蓝皮 书》，2022 年中国市场机器视觉各大核心部件的国产化份额均已超过 70%，其中光源国 产化率超过 90%，镜头国产化率约为 80%，2D 相机国产化率超过 70%，3D 相机国产化 率超过 60%，视觉软件国产化率超过 40%。特别是在 3D 视觉领域，2022 年中国 3D 视 觉市场增速接近 60%，大量国产厂商开始崭露头角。奥比中光已完全实现了 3D 视觉从 芯片到模组的自主一体化研发和生产，且在整个产业链中占据了关键地位。

4.2. 已和龙头芯片厂合作，先进模型团队已使用公司产品

广布局，均已合作行业龙头。奥比中光自 2013 年成立以来，一直高度重视研发投 入，积累了大量技术和项目经验。凭借其深厚的技术积累和战略布局，奥比中光成功与 多家行业龙头公司展开深度合作，进一步保证了其产品的技术先进性和市场竞争力。奥 比中光与英伟达先后合作开发了 3D 开发套件 OrbbecPerseeN1 与 OPDK 套件，可广泛 应用于 AMR、无人机、机械臂控制等，展现出灵活的场景适应性，显著提升了 AMR 的 识别与导航能力。

23 年微软成为公司新的合作伙伴，奥比中光与微软共同开发的 Femto 系列 iToF 相 机，继承了微软 AzureKinect 的技术优势，具备高性能和高精度的特点，该 3D 视觉传感 器已广泛应用于机器人、3D 扫描、生物识别等多个领域，并在全球范围内获得了超过1000 家客户的认可。

产品成熟度高，应用于先进团队。奥比中光自主研发的深度引擎芯片、感光芯片和 专用光学系统等核心部件，以及配套的 SDK 和行业应用算法，构成了完整的 3D 视觉感 知技术链。这些产品不仅在精度、速度和探测距离等方面表现出色，还通过与全球优秀 供应商的稳固合作，实现了大规模量产和稳定供应，在先进团队中得到应用。李飞飞团 队的空间智能模型 ReKep 便采用了奥比中光 RGB-D 相机 FemtoBolt，帮助 ReKep 系统 识别和定位场景中的物体及其关键点，为机器人动作优化和复杂交互提供了关键的 3D 视觉数据支撑，说明其产品在实际应用中的可靠性和高效性。

（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。）