AI赋能制造业专题报告:从9个细分赛道谈起

 公司新闻     |      2023-04-14 17:42:19    |      小编

  金年会体育金年会体育金年会体育AIGC指人工智能生成内容。AIGC即AI Generated Content,是指利用AI技术来生成内容, AIGC也被认为是继UGC、PGC之后的新型内容生产方式。(PGC指专业人员创作内容;UGC 指用户创造内容)。 AI模型分为决策式/分析式AI(Discriminant/Analytical AI)和生成式AI (Generative AI)两类。 决策式AI:根据已有数据进行分析、判断、预测,主要应用模型有用于推荐系统和风控系统的 辅助决策、用于自动驾驶和机器人的决策智能体等。生成式AI:学习数据中的联合概率分布, 并非简单分析已有数据而是学习归纳已有数据后进行演技创造,基于历史进行模仿式、缝合式 创作,生成了全新的内容,也能解决判别问题。

  AI在多个行业中广泛应用。基于软件服务、云服务、硬件基础设施等产品形式,结合消费、 制造业、互联网、元宇宙与数字孪生等各类应用场景,AI赋能产业发展已成为主流趋势。根据 艾瑞咨询数据,2022年我国AI产业规模达到1958亿元,AI的产品形态和应用边界不断拓宽。

  AI应用于制造业多个环节,在产品设计、生产、销售、售后等过程均有渗透且成熟度不断提 升。 产品设计:(1)通过AIGC完成工程设计中重复的低层次任务;(2)通过AIGC生成衍生设 计,为工程师提供灵感; 生产计划:需求预测、智能排产。(1)通过AI技术分析不同数据,包括销售历史数据、供 应链建构、产品价格等数据,做出更加准确的需求预测,从而使企业更好地安排生产计划, 降低库存水平,降低运输、仓储、供应链管理成本;(2)在给定工单、可用资源、约束条 件和公司目标多重条件下,生成最佳生产计划; 生产过程:预测性设备维护、生产工艺优化、智能化产品检测、智能搬运等。通过挖掘和 提炼生产中产生的海量信息,优化设备运转、工艺流程、提高检测效率、提高自动化程度, 减少设备损耗,提高生产效率; 销售/售后:利用AI技术实现精准营销、快速响应的售后服务等。

  机器人分类:参照中国电子学会,机器人分为工业机器人、服务机器人、特种机器人三类。 其中,工业机器人指面向工业领域的多关节机械手臂或多自由度机器人;服务机器人指在非结 构环境下为人类提供非必要服务的多种高技术集成的先进机器人;特种机器人指代替人类从事 高位环境和特殊工况的机器人。 产业链:上游为控制器、伺服、减速器等核心零部件,中游为本体和系统集成,下游为细分 行业应用。

  根据形态,机器人可分为“类手”、“类脚”、“类人”三种,AI均有应用。 类手机器人:主要用于工业生产和物流中的搬运、装配、焊接等场景,以及医疗手术场景,典 型代表是多关节机器人,在视觉、触觉、力觉和轨迹规划等维度都在引入AI算法提升机器人操 作的准确性和适应性; 类脚机器人:指自主移动机器人(AMR),所应用到的激光/视觉SLAM导航和避障,以及语音 对话等对AI算法依赖度较高,在仓储物流、工业线边和各类服务场景均有落地; 人形机器人:指形状及尺寸与人体相似,能够模仿人类运动、表情、互动及动作的机器人。人 形机器人具备通用性,胜任多种场景。AI大模型为人形机器人注入“灵魂”,帮助其在语音、 视觉、运动控制等多个方面更加智能化。人形机器人是人机交互的最好载体,有望成为AI的终 极入口。

  人形机器人可用于各种场景,包括作为接待员、为教育目的与人类互动、作为医疗助理陪伴老 人、代替人员从事危险场所活动等。 预计2026年全球市场规模达到80亿美元。随着技术进步带来人形机器人智能化程度提高,以及 人形机器人成本逐步下降,预计其渗透率将逐步提高。根据优必选招股书,预期2026年全球人形 机器人解决方案市场规模将达到80亿美元,占全球智能服务机器人解决方案市场规模的11.8%。

  机器视觉AI有望助力机器视觉提升检测效率及精度。作为“智能制造之眼”,机器视觉近年来 在智能制造中发挥着重要角色。伴随应用领域发展,行业对机器视觉亦提出了更多要求,而 AI有望为机器视觉注入新动力。 产业链:工业机器视觉产业链包括上游的零部件(光源、镜头、工业相机、图像采集卡、 软件及算法平台)、中游装备(视觉引导装备、视觉识别装备、视觉检测装备、视觉测量装 备)和下游相关应用。

  机器视觉主要功能——识别、测量、定位及检测。识别:基于目标物特征,如外形、颜色 等进行甄别,测量:将获取的图像像素信息标定成常用度量衡单位,再在图像中精确计算 目标物的几何尺寸;定位:获得目标物关于二维或三维的位置信息,检测:难度最高,主 要指外观检测,产品装备后的完整性检测、外观缺陷检测等。 按难度划分,目前检测难度最高。检测对机器视觉识别精度、准确性准确性要求最高,在 AI与机器视觉结合后,有望实现更好的检测功能。

  全球市场:Markets and Markets数据显示,2021 年全球机器视觉市场规模约为 804 亿元,同 比增长 12.15%。GGII 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 13%。中国市场:GGII 数据显示,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%。其中,2D 视觉市场规模约为 126.65 亿元,3D 视觉市场约 为 11.51 亿元。根据GGII 预测, 2025 年我国机器视觉市场规模将达到 349 亿元,其中2D 视觉 市场规模将超过 291 亿元,3D 视觉市场规模将超过 57 亿元。

  物流自动化是实现智能工厂的最后一环,行业产业链主要分为上、中、下游三个部分。 上游主要为单机设备和零部件及系统提供商,供应立体货架、叉车、输送机、分拣机、AGV、堆垛机、 穿梭车等硬件设备,以及WMS、WCS、WES、MES等仓储软件与工业软件。 中游是解决方案提供商,目前主要解决方案提供商一部分是由物流设备的生产厂家发展而来,硬件技术 较强,如诺力股份、中科微至;另一部分是由物流软件开发商发展而来,在软件技术开发上具有较强的 竞争实力,如今天国际、东杰智能等。 下游是应用物流或仓储自动化系统的各行业,包括零售、食品饮料、烟草、医药、汽车、电商、快递等 诸多行业,主要分为工业生产和商业配送。

  全球市场:全球物流自动化行业历史悠久,根据IMARC Group,预测全球物流自动化市场规 模从2022 年648 亿美元增长至2028 年的1377 亿美元,CAGR为 13.93%。根据Logistics IQ, 物流前端的仓储自动化市场规模由2019年的139亿美元增长至2025年的270亿美元,CAGR为 11.7%。 中国市场:尚处于发展期,根据中国物流技术协会信息中心,我国自动化物流系统市场规模 从2001年的不足20亿元,迅速增长至2013年的360亿元,2018年我国自动化物流系统市场规模 突破1000亿元,2022年市场规模2634亿元,2013-2022年CAGR为24.7%。预计2023年我国自 动化物流装备市规模将超2900亿元,同比增加13.1%。

  AI在物流领域的应用以决策式AI为主,AIGC在智能客服领域有应用。AI在物流中的应用方向可 以大致分为两种,一是以AI技术赋能的如无人卡车、AMR、无人配送车、无人机、客服机器人等 智能设备代替部分人工,这部分应用市场前景广阔,但受技术水平和政策限制等因素影响,落地 条件尚不成熟,还需要较长的培育时间;二是通过计算机视觉、机器学习、运筹优化等技术或算 法驱动的如车队管理系统、仓储现场管理、设备调度系统、订单分配系统等软件系统提高人工效 率,已具备一定的技术基础,实际场景散落在物流业务体系中的各个角落,场景较为分散。

  构成:数控系统由三大部分组成:控制装置(总线、CPU、电源、存贮器、操作面板和显示屏、 可编程序控制器逻辑控制单元以及数据输入/输出接口等)、伺服系统(驱动装置和电机)和位置 测量系统(光栅尺和编码器等)。 原理:控制装置根据加工程序进行插补运算,发出控制指令到伺服驱动系统,后者将控制指令 放大,由伺服电机驱动机械按要求运动,位置测量系统检测机械的运动位置或速度,并反馈到控 制系统,来修正指令。产业链:上游为基础材料与零部件,中游为数控系统,下游为数控机床及其他细分行业应用。

  数控机床:根据中国机床工具工业协会,2022年我国金属加工机床消费额274.1亿美元,同比 降低1.9%,其中金切机床消费额为184.4亿美元,占比为67.3%,同比降低4.3%。 数控系统:根据海天精工、纽威数控等公司的招股书,数控系统一般占机床成本的20-25%,机 床企业毛利率普遍在25-30%之间,据此测算,2022年国内数控系统市场规模约30亿美元,按照 当前6.87的汇率,对应203亿人民币。

  VR:虚拟现实,产品定义为在密闭环境下 输出视频等内容。 AR:增强显示,产品定义为在现实的开放 场景下,输出相关视频等内容,同时需要 与当前场景进行实时交互。 VR硬件主要由芯片、光学、显示、传感器、 整机组装构成。

  AI需要可视化的赋能效应。VR作为可视化的呈现方式,有助于呈现和辅助理解AI应用之后的效 果。 AI助力VR内容生成。3D内容(包括3D模型、3D动画,和3D交互等)是VR/AR核心之一。3D 内容的设国产需要大量的人工并对制作人员要求较高。而AI可实现和辅助3D内容生成,提升内容 丰富度,从而助力VR行业发展。 AI+VR可产生大量的应用场景。VR作为改变人们交互方式的产品,与AI结合后,将产生巨大想 象空间。例如沉浸式和购物,VR提供虚拟场景,而AI提供虚拟导购。VR提供场景,AI提供智能 化,二者结合可产生大量新的应用场景。

  工控是利用计算机对机械进行控制,进行更加高效、精准的生产。作为自动化设备核心零 部件,工控系统可以分为控制层、驱动层、执行层与传感层四个层面,并通过系统集成最 终形成系统类产品。工控下游产品的形态、生产方式,决定了工控的形态还有商业模式, 一般将把制造业下游分为工程自动化(FA)和流程自动化(PA)。

  工程自动化(FA)主要更加侧重精准性,主要应用于生产工业机器人、机床等通用自动化 设备以及OEM市场,主要应用于新兴锂电、光伏行业以及传统的包装、暖通等传统行业。 流程自动化(PA)主要侧重稳定性,更多应用于市政、冶金、化工、电力等行业。

  作为工艺沉淀与传承的载体,工业软件涉及生产制造过程中各个环节,并且成为智能化制 造与作业体系的核心基础。按制造业的生产周期维度划分 ,可以将 工 业 软 件 划 分 为 研 发 设 计 类 软 件、 生 产 制 造 类 软 件、经营管理类软件和运维服务类软件。各个细分领域 横向比较来看, 产品类别发展齐全。

  工业自动化发展向好。近年来,中国工业自动化中本土品牌不断攀升,国产化率提高推动工业 自动化中国市场规模逐年攀升,2019-2021 年中国工业自动化市场规模分别为 1,865 亿元、 2,057 亿元和 2,530 亿元,2020和 2021 年同比增速分别为 10.29%和 22.99%。

  PLC行业稳步增长,未来发展空间大。PLC 是生产加工测试设备的核心,具有数学运算、数 据输送转换等功能,通过数据的采集、分析及处理提高生产效率,提高产能,在工控行业中至关 重要。中国市场在2021年达153.57亿元,其中较2020年的市场规模上涨20.53%。中国市场的 PLC行业预计2026年市场规模将增长至193.03亿元。

  智能仪器是含有微型计算机或者微型处理器的测量仪器,拥有对数据的存储运算逻辑判断及 自动化操作等功能。智能仪器的出现,极大地扩充了传统仪器的应用范围。智能仪器凭借其体 积小、功能强、功耗低等优势,迅速在家用电器、科研单位和工业企业中得到了广泛的应用。产业链:上游为传感器、控制器、减速器、伺服等核心零部件,中游为智能电表、智能水表、 智能燃气表等仪器仪表本体,下游为细分行业应用。

  AI与仪器仪表相结合,即利用计算机模拟人的智能,代替人的一部分脑力劳动,从而为仪器仪 表赋以人的视觉、听觉乃至思维能力。一些常见的AI应用于仪器仪表的领域包括: AI虚拟仪器:提供数据采集、数据分析和数据显示等功能,只要配备一定的硬件,应用不同的 软件编程,就可得到功能完全不同的测量仪器。 AI疾病诊断仪器:能根据人吹出的气体进行化学成分分析,诊断出多种疾病是否存在的痕迹。 AI温度与压强测量仪器:AI温度测量仪不仅能够更加精确的测量温度,还能够对室内环境进行 程序控温;AI压力测量仪既能够测压,又能够自动进行差压补偿。 AI工业仪器:可以高效测量电厂中的污水、煤粉、灰、烟气等介质,也可以用于钢铁厂的烧结 矿碱度的预报。

  X射线检测是影像检测的重要方法之一,应用范围广。1895年至今,X射线检测技术应用从最初的医疗、 大焦点工业探伤等较为狭窄的领域,逐渐扩展到如今的医疗健康、微焦点工业精密X射线检测(主要面向集 成电路、电子制造、新能源电池等行业)、传统工业无损检测、公共安全检测和食品异物检测等领域。除了 民用领域之外,X射线检测也逐步在航天工业、核工业、军工等领域得到应用。 产业链:上游为X射线源、探测器等核心零部件,中游为成像系统、扫描系统等设备系统集成及制造,下 游为细分行业应用。

  AI+X射线检测设备主要嵌入分析式AI模型,通过智能识别与深度学习算法,帮助医生进行更 高效诊疗,或对工业领域的异物进行更精准识别。相关案例包括美亚光电将AI技术与色选机、 CBCT产品相结合,提高剔除杂质的精确度以及CBCT的成像效果;日联科技将AI技术与异物检 测X-Ray、智能点料机相结合,提升异物检测的自动化水平与物料识别的准确性。

  传感器指能感受规定的被测量并按照一定规律转换成可用信号的器件或装置。一般包含传感单元、计算单 元和接口单元。传感器行业主要特点有:①基础面广,依附性强。传感器的发展依附于敏感机理与材料、制 工艺装备、检测技术等基础。②技术密集,日新月异。传感器除涉及传感技术外,还涉及IC、计算机、无线 通信等技术,而这些技术都在不断发展中。③芯片制造投资强度高。对传感器芯片制造企业而言,在产品研 发、工艺装备、测试等方面投资很高;对非传感器芯片制造企业,投资强度未必很高。

  AI应用于传感器的领域被称为感知计算,将传感器、算法和数据分析相结合,以提供更准确、可靠的数据和 更高效的系统。传感器是感知计算的基础,它们可以检测和测量各种环境参数。AI可以对传感器数据进行分析 和处理,从而提供更准确的结果和更快的响应速度。一些常见的AI应用于传感器的领域包括: 智能家居:AI通过传感器检测房间数据情况来控制家庭设备的运行,例如调节空调、照明等。 智能交通:AI通过分析传感器数据,提高交通效率和安全性。例如,交通信号灯可以根据交通流量来自动调 整。 工业应用:AI通过传感器检测工厂中的机器运行状态、能源使用情况等数据,提高生产效率和降低能源消耗。 医疗保健:传感器可以监测病人的生命体征,例如心率、呼吸等。AI可以通过分析这些数据,提供更准确的 诊断和治疗方案。

  (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。)