奧普特接待111家機構調研，包括Aberdeen Standard Investment、Arohi Asset Management Pte Ltd、...
2024年9月2日，奧普特披露接待調研公告，公司於8月29日接待Aberdeen Standard Investment、Arohi Asset Management Pte Ltd、Caravel Asset Management Limited、Fil – Hong Kong、Grand Alliance Asset Management Limited等111家機構調研。
公告顯示，奧普特參與本次接待的人員共2人，爲副總經理、董事會秘書許學亮，證券事務代表餘麗。調研接待地點爲廣東省東莞市長安鎮長安興發南路66號之一、線上會議。
據瞭解，奧普特公司在2024年上半年面臨營業收入下降的挑戰，主要原因是新能源行業擴產週期波動導致行業低迷和下游需求疲軟，以及3C行業復甦放緩。公司積極拓展海外市場，已在多個關鍵市場設立分支機構，並在越南和印度市場加大投入。智能AI軟件DeepVison3的研發取得進展，推出了cloud版本的AI平臺，提高了軟件的高效性、柔性和易用性。公司在上半年的投入集中在視覺產品矩陣的完善、深度學習產品的發展以及海外市場的拓展。儘管面臨挑戰，公司計劃在下半年繼續完善產品矩陣，提高自產比例，並尋找新的增長點。
在工業自動化領域，國產替代爲公司帶來了機遇，尤其是在機器視覺軟件系統和工業自動化設備的國產化方面。機器視覺相比於人眼具有多項優勢，包括高精度、高速度、強適應性等，有助於提高生產效率和產品質量。公司的生產備料模式結合了“備貨生產”和“按單生產”，以保證生產的平穩性和交期的靈活性。公司在機器視覺行業擁有豐富的應用經驗和數據積累，這爲其在行業內提供了競爭優勢。在機器視覺模型的選擇上，大模型和小模型各有優勢，未來兩者的結合將在工業製造中發揮更大價值。機器視覺在智能製造領域發揮着關鍵作用，通過提供高效、準確的質量控制手段，推動製造業的智能化和數字化轉型。
調研詳情如下：
問題1: 公司2024年上半年營業收入下降的主要原因?
回答:2024年上半年,公司實現營業收入522,296,856.56元,同比下降15.65%,主要是新能源行業受擴產週期波動,行業持續低迷,下游需求疲軟,新能源行業收入同比下降37.37%;3C行業復甦放緩,收入同比下降8.45%。
問題2: 公司海外佈局目前是什麼進展?主要是在海外哪些國家或地區?
回答:隨着全球製造業的自動化和智能化趨勢不斷加強,機器視覺技術正面臨着巨大的發展機遇和挑戰。公司憑藉在產業鏈中的成本優勢和市場快速響應能力,正積極加大布局海外市場,旨在通過高性價比的產品和服務,進一步拓展公司國際業務版圖。爲了加大海外市場的投入和開拓力度,公司在全球範圍內建立了子公司和辦事處。2016年,公司成立了香港子公司OPT Vision Limited,並在美國、德國、日本、馬來西亞、印度、越南、泰國等關鍵市場設立了分支機構,以便更好地配合當地客戶提供本地化服務。通過本地化服務,企業能夠更深入地瞭解和滿足海外客戶的需求,同時提升品牌影響力和市場競爭力,贏得更多的技術話語權和市場份額。
公司上半年持續加大對海外市場投入,特別是越南及印度市場,顯著強化了資源配置。公司在已有德國、日本、馬來西亞孫公司基礎上,新設越南孫公司,以支持當地業務市場開拓。
公司在海外除以上地區外,在美國、印度、韓國、泰國等地亦有設有辦事處,已建立歐洲研發中心、日本研發中心,同時籌建東南亞應用研發中心,以覆蓋海外3C電子、汽車、半導體、新能源等市場。
問題3: 公司智能AI軟件DeepVison3研發進展?
回答:公司發佈了全新升級的智能AI軟件DeepVison3並推出cloud版本的AI平臺。該軟件突破了傳統AI項目實施週期長、門檻高、成本高及通用性差等侷限性,在高效、柔性及易用性三個維度實現了關鍵技術創新:
(1)高效維度:DeepVision3基於小樣本學習,通過圖像擴增、算法增強等方式,降低圖像依賴程度,數據量可減少90%;通過增量訓練功能,使得訓練週期縮短到30分鐘;同時還通過模型輕量化,在保證了精準度的前提下,使分類和檢測任務提速20倍以上;
(2)柔性維度:DeepVision3開發了針對3C、鋰電池的通用檢測模型,相近工藝可實現一鍵換型,高度契合工廠模式,支持多人協作、多工序分析等功能。不僅於此,DeepVision3囊括了8大任務類型、15大核心功能,標註、分割更智能高效,操作簡單;
(3)易用維度:DeepVision3囊括了語義分割、字符識別、目標檢測、圖像分類等多種任務類型,無需編程,高度易用,極大降低了軟件的學習成本。此外,DeepVision3還支持多標籤複用、標註質量把控等功能。在模型訓練過程中,提供超參設置提示、過程可視化、評估結果溯源等工具,還能一鍵部署到Smart3軟件。
公司推出了雲版基於深度學習的視覺平臺,該平臺是DeepVision3軟件核心功能在雲端的一次全面升級與革新。平臺不僅繼承了DeepVision3在高效性上的卓越表現,如基於小樣本學習的快速訓練、模型輕量化帶來的性能飛躍,還進一步拓展了其在柔性和易用性方面的邊界。通過雲端的數據與模型共享機制,用戶可以輕鬆實現跨團隊、跨地域的協作,共同推動AI項目的快速進展。同時,平臺支持的多人標註協同功能,不僅提高了數據標註的效率和準確性,還促進了團隊之間的知識共享與經驗傳承。此外,強大的多任務管理能力,使得用戶能夠靈活應對智能製造中的複雜需求,實現資源的優化配置與高效利用。
更爲重要的是,雲版深度學習平臺與Smart3軟件的深度集成,進一步降低AI技術的使用門檻。基於平臺,能更便捷地實現一鍵部署模型、一鍵上傳並分析缺陷圖像、以及模型的增量訓練與優化等功能,極大地簡化AI技術在智能製造中的應用流程、降低技術門檻,還縮短了項目週期,使得企業能夠更高效地生產製造,提升行業競爭力。同時,平臺提供的可視化工具、超參設置提示以及評估結果溯源等功能,爲用戶提供了全面的模型性能監控與優化手段,確保了AI解決方案的持續優化與升級。雲版深度學習平臺以其強大的功能、靈活的協作模式以及便捷的集成體驗,爲智能製造領域注入了新的活力,推動了行業的智能化進程。
問題4: 想請問下公司2024年上半年具體投入在哪些方面?以及公司對今年下半年的投入規劃?
回答:儘管在營收方面面臨諸多挑戰,公司依然堅持不懈地推動未來發展基礎的建設與投入,並在上半年取得了一定的進展。
(1)公司視覺產品矩陣基本成型,產品自產率進一步提高
截至目前,公司已完成機器視覺核心軟硬件的全產品線佈局,除視覺算法庫、智能視覺平臺、深度學習(工業AI)、光源、光源控制器、工業鏡頭、工業相機等傳統視覺部件產品,公司同時拓展了智能讀碼器、3D傳感器、一鍵測量傳感器等視覺傳感器產品。同時,經過長時間的市場驗證,客戶對我司自產的相機等高價值產品的認可度持續提升,相關產品的自產率在上半年出現顯著提升。
(2)深度學習(工業AI)產品
公司推出了雲版基於深度學習的視覺平臺,該平臺是公司深度學習軟件平臺DeepVision3核心功能在雲端的一次全面升級與革新。同時,雲版深度學習平臺與公司智能軟件平臺Smart3軟件的深度集成,進一步降低了AI技術的使用門檻。
(3)持續拓展和完善海外佈局
爲配合下游客戶的出海戰略,公司在上半年加大了對海外市場的投入,設立了越南公司,加大印度辦事處的資源投入,以支持當地業務市場的發展。目前,公司在海外市場技術支持人員數量將近200人,參與客戶新項目的評估,提供了充分的技術研發支持。
雖然上述努力,未能取得立竿見影的效果,但是我們仍視爲必要的投入。
踏入2024年下半年,我們將繼續在複雜多變的宏觀經濟環境下砥礪前行。鑑於整體情況,預計下游主要客戶的調整與恢復以及各條業務線的推進仍需時間與能量的積累,下半年的經營仍將面臨挑戰。但我們會不斷夯實自身基礎,保持靈活應變的能力,以應對未來的挑戰:繼續完善產品矩陣,提高自產比例,發揮產品線間的協同效益;持續推動產品和方案的標準化,提升人效水平;積極推進與其他下游行業和客戶的合作,尋找新的增長點。
問題5: 工業自動化領域的國產替代給公司帶來的機遇有哪些?
回答:(1)機器視覺軟件系統的國產替代:機器視覺的軟件系統是整個機器視覺產業鏈上,國產化程度相對較弱的領域。海外品牌仍長期佔有一定的競爭優勢。隨着整體視覺技術的進步,國產視覺軟件系統在更多應用場景的實踐驗證,軟件系統的國產化將爲行業帶來充分的增長空間。
(2)工業自動化設備在更多行業領域的國產替代:機器視覺是工業自動化、智能化設備的重要組成部分,其發展進度與設備本身的國產化程度高度相關。消費電子、鋰電等行業設備國產化帶動視覺市場的高速發展已經印證了這一點。目前在汽車、半導體等行業的高端設備方面,國產化率還有較大空間,也留給了機器視覺行業更多的發展機遇。公司在機器視覺、機器視覺軟件系統領域,一直以自研技術處於行業領先地位,也將受益於配合下游客戶進行國產替代的過程。
問題6: 機器視覺相比於人眼的優勢有哪些?
回答:與人眼相比,機器視覺具有精度高、速度快、適應性強、客觀性高、重複性強、檢測效果穩定可靠、效率高等特點,可助力終端客戶實現產品增質、降低成本以及生產數字化。在產品增質方面,機器視覺可顯著降低產品漏檢率,提高生產的精度和良品率;在降低成本方面,機器視覺採集和處理圖像的時間在微秒級別,可顯著提升效率,單臺視覺系統可代替多人工作,並可持續工作;在生產數字化方面,機器視覺作爲圖像重要數據的採集和分析工具,助力未來實現智能生產和工業互聯。
問題7: 公司的生產備料模式是怎樣的?
回答:公司採取以銷定產並按照銷售預測保持一定安全庫存的生產備料模式,以保證生產的平穩性和交期的靈活性。對於較爲常規的產品,公司採用“備貨生產”模式。即根據歷史訂單數據、下游市場情況等信息進行銷售預測並確定安全庫存水平,在考慮上游供貨週期的基礎上,以該庫存水平爲目標,調整生產節奏,提前排產,以便快速響應市場需求。對於常用程度較低、應用範圍較窄的非標準產品,公司採用“按單生產”模式。即以訂單爲導向,按照客戶需求的產品規格、數量和交貨期來制定生產計劃,組織備料排產。
問題8: 介紹下公司的行業應用經驗和數據積累優勢?
回答:機器視覺的下游應用非常廣泛,幾乎涉及國民經濟的方方面面。即使在某一具體領域的應用,也會因下游的生產工藝、被攝對象的具體材質特點等不同,而有較大差別。因此,完善的機器視覺解決方案對下游客戶而言至關重要。而設計有效的機器視覺解決方案,需要大量的行業應用經驗積累,絕非一朝一夕所能形成。
公司在機器視覺領域深耕多年,特別是在3C電子、鋰電等行業,公司與國內外知名設備廠商和終端用戶保持着長期穩定的合作,擁有豐富的機器視覺產品的設計、應用案例庫。深厚的案例積累,奠定了公司在相關領域的優勢地位,形成了較高的技術壁壘,能有效保障公司在行業內的競爭優勢,併爲公司不斷擴大產品應用範圍、持續提升市場份額提供了有力支撐。此外,深度學習(工業AI)將深刻改變機器視覺行業的技術發展,而行業數據是深度學習技術的基礎。深度學習需要通過大量數據對人工智能模型進行訓練,不斷對模型進行調校和優化,最終使機器能夠像人類一樣自動作出判斷並達到滿足實際應用要求的準確率。公司經過多年的專業化經營,在3C電子、鋰電等行業積累了大量的數據,有助於公司迅速對模型進行調校和優化,提高模型輸出結果的準確率和響應速度,在機器視覺的深度學習技術領域搶佔發展的高地。
公司通過大量行業方案積累,逐步開始建立分行業方案、產品、交付的標準化。目前公司機器視覺解決方案廣泛應用於3C電子、鋰電、汽車、半導體、光伏、食品、醫藥、菸草、物流等多個行業。
問題9: 想請問下機器視覺行業大模型和小模型哪個更具優勢?
回答:機器視覺底層模型展現出大模型與小模型並存的態勢。大模型憑藉強大的泛化能力,在跨領域遷移學習上表現卓越;然而,針對特定行業或場景的視覺分析任務時,大模型往往需要進行自適應微調,這導致其實施代價高昂,具體表現爲訓練週期長且依賴大量計算資源,推理成本高、速度慢且硬件依賴性強。相對而言,小模型在特定任務上展現出高效性,其訓練週期短、推理速度快且硬件依賴程度低,更適合工業質檢和設備預測性維護等場景。值得一提的是,大模型的高質量圖像生成能力爲小模型的訓練提供了豐富的數據支持,進一步提升了小模型的檢測能力和通用性。未來,大模型與小模型的有機結合將在工業製造場景下發揮更大價值,爲工業智能化提供更加全面、精準的技術支持。
問題10: 機器視覺行業在智能製造領域發揮的作用?
回答:過去幾十年中國製造業發展取得了顯著成就,規模體量躍居世界首位。與此同時,國際製造業競爭的加劇進一步凸顯了我國製造業智能化轉型升級的緊迫性。智能製造是製造業轉型升級的關鍵所在,它融合了信息技術、自動化技術和人工智能等前沿技術,推動生產過程向智能化、數字化和網絡化方向邁進。
機器視覺系統作爲智能製造的重要一環,其高精度尺寸測量、精確引導定位、自動化品質檢測、智能化識別判斷等獨特優勢,爲製造業提供了高效、準確和可靠的質量控制手段,使其成爲製造業轉型的關鍵技術之一。通過實時獲取並分析生產現場的各種數據,如產品外觀、尺寸、位置和缺陷異常等,從而實現異常檢測、故障預測和流程優化等功能。此外,機器視覺系統不僅能精準發現當前機臺的缺陷,更能通過多工序多機臺的協同分析,實現整個製造環節缺陷異常的溯源,及時揭示潛在問題並進行精細化調控。這種能力不僅增強了生產過程的可控性和穩定性,還有效降低了生產成本,提高了生產效率。
本文源自：金融界
作者：靈通君