2026年人形机器人机器视觉细分行业深度研究报告
核心摘要
机器视觉是人形机器人感知外部环境的核心器官，负责物体识别、空间建模、导航避障和精密操作。以特斯拉Optimus量产版为参考，视觉系统合计占整机BOM的8%-10%（3D深度相机4%、全局快门CIS 2.3%、视觉处理芯片1.9%、镜头0.8%、其他0.6%），单台价值量约1.05万元。2026年，中国人形机器人专用机器视觉市场规模预计达约12亿元（3D视觉模组6亿+CIS及芯片3.5亿+算法软件2.5亿），2030年有望突破120亿元。技术路线呈现显著分化：特斯拉Optimus采用纯视觉方案（8个2D摄像头+自研FSD芯片），国内厂商普遍采用多传感器融合方案（3D深度相机+激光雷达+多目RGB）。国产化方面，3D视觉模组国产化率约65%，奥比中光等企业已实现结构光、iToF、dToF、双目全路线布局；高端人形机器人专用全局快门CIS由韦尔股份旗下豪威集团主导（市占91.3%，属国产），索尼、安森美仅占少量份额；视觉处理芯片仍以NVIDIA Jetson为主，国产化率约30%，是当前最大卡点。核心企业方面，奥比中光2026Q1机器人营收同比翻三倍、Gemini系列成为多家具厂标配；海康机器人2026H1营收40.28亿元（+28.34%）；凌云光2026H1扣非净利润1.3亿元（+60%，归母净利6.62亿元含约5.3亿非经常性损益）。整体来看，机器视觉行业正处于"硬件标准化、算法端侧化、方案分化"的关键窗口期。
一、行业概览：人形机器人的"眼睛"
1.1 机器视觉的核心地位
机器视觉是人形机器人感知外部环境的核心器官，通过摄像头、深度传感器和视觉算法实现物体识别、空间三维建模、导航避障、精密操作和人机交互。与力觉、触觉等本体感知不同，视觉是机器人获取环境信息量最大、感知距离最远的传感方式，被称为机器人的"眼睛"。
人形机器人视觉系统由四大层级构成：光学层（镜头、滤光片、光源）、传感器层（CIS图像传感器、3D深度相机、ToF模组）、处理层（ISP、视觉处理芯片、边缘AI算力）、算法层（SLAM、物体检测、姿态估计、三维重建）。四层协同工作，完成从光子到语义的完整感知链路。
BOM成本比例
视觉系统价值量（元）
（人形机器人专用）
专用机器视觉市场（元）
1.2 两大技术路线之争：纯视觉 vs 多传感器融合
人形机器人视觉方案存在两条截然不同的技术路线，核心分歧在于是否依赖激光雷达等非视觉传感器：
| 对比维度 | 纯视觉方案 | 多传感器融合方案 |
|---|---|---|
| 代表厂商 | 特斯拉Optimus | 优必选、宇树、小米、Figure等国内主流 |
| 核心配置 | 8个2D摄像头+自研FSD芯片，无激光雷达 | 3D深度相机+激光雷达+多目RGB+IMU融合 |
| 硬件成本 | 低（约0.6万元/台） | 高（约1.0-1.5万元/台） |
| 算法要求 | 极高（依赖大模型和端侧算力） | 中等（多传感器互补降低算法难度） |
| 环境适应性 | 弱光、低纹理场景较差 | 强（激光雷达不受光照影响） |
| 测距精度 | 依赖深度学习估计，远距离误差大 | 激光雷达直接测距，精度高 |
| 数据效率 | 需要海量数据训练 | 几何先验降低数据需求 |
纯视觉方案硬件成本低但算法壁垒极高，目前仅特斯拉凭借FSD体系和海量数据积累具备可行性；多传感器融合方案是当前国内主流，通过3D深度相机+激光雷达互补实现更可靠的感知。中长期看，随着视觉算法进步和成本下降，纯视觉或"轻雷达"方案可能成为降本方向，但2026-2028年多传感器融合仍将是主流。
二、3D视觉技术路线深度分析
2.1 结构光：近距离精度之王
结构光通过投射特定图案（如红外散斑）到物体表面，根据图案变形计算深度信息。2025年结构光方案出货量占比达43.7%，是人形机器人3D视觉的第一大技术路线。
- 优势：近距离（0.2-5m）精度可达毫米级，纹理重建能力强，适合手部抓取、桌面操作、人机交互
- 劣势：强光室外环境精度下滑明显，测距范围有限，功耗较高
- 代表厂商：奥比中光、PrimeSense（原Kinect技术，已被苹果收购用于Face ID）、Stereolabs
- 成本：模组约700-2000元
2.2 ToF（飞行时间）：帧率与距离的平衡
ToF通过测量光脉冲的飞行时间计算深度，分为iToF（间接飞行时间）和dToF（直接飞行时间）两种。2025年ToF方案出货量占比31.5%，是第二大技术路线。
- iToF：测距0.3-10m，帧率高（30-120fps），体积小，成本约700-2000元，适合避障、场景建模、导航
- dToF：测距0.1-20m，抗光照干扰强（100000lux下精度保持率>85%），适合工业、室外强光场景，成本约2000-3600元
- 劣势：近距离精度弱于结构光，反射材质影响较大
- 代表厂商：奥比中光、索尼、ST、洛微科技
2.3 双目立体视觉：被动式低成本方案
双目立体视觉通过两个摄像头模拟人眼，根据视差计算深度。2025年出货量占比19.8%。
- 优势：无需主动光源，功耗低，硬件成本最低，分辨率高
- 劣势：低光照、无纹理场景（如白墙）无法生成可靠深度，计算量大（需要GPU资源）
- 代表厂商：Stereolabs（ZED系列）、奥比中光、海康机器人
- 成本：模组约500-1500元
2.4 技术路线出货结构
| 技术路线 | 2025年出货量占比 | 典型测距范围 | 模组成本区间 | 人形机器人适配场景 |
|---|---|---|---|---|
| 结构光 | 43.7% | 0.2-5m | 700-2000元 | 手部抓取、桌面操作、人机交互 |
| iToF | 21.0% | 0.3-10m | 700-2000元 | 避障、场景建模、导航 |
| dToF | 10.5% | 0.1-20m | 2000-3600元 | 工业、室外强光场景 |
| 双目立体视觉 | 19.8% | 0.5-15m | 500-1500元 | 全局导航、大场景建图 |
| 其他（Lidar等） | 5.0% | 0.1-100m | 3000-10000元 | 中远距离导航避障 |
三、产业链分析：从光学层到算法层
3.1 3D深度相机：感知硬件核心
3D深度相机是人形机器人视觉系统的核心硬件，集成了镜头、CIS、光源（VCSEL/LED）、深度计算芯片和算法。单台人形机器人通常配置1-2个3D深度相机（头部+腕部），单价1500-5000元，单台价值量约0.45万元，占视觉系统的42%。
国产3D深度相机已实现较高自给率，奥比中光完成了结构光、iToF、dToF、双目、Lidar、工业三维测量六大技术路线的全产品线布局，其Gemini系列深度相机已成为多家头部人形机器人厂商的标配感知方案，也是宇树科技的核心3D视觉供应商。
3.2 CIS图像传感器：韦尔股份/豪威主导的关键芯片（国产）
CIS（CMOS图像传感器）是视觉系统的"视网膜"，将光信号转换为电信号。人形机器人对CIS有特殊要求：需要全局快门（Global Shutter）以避免运动模糊，需要高动态范围和低噪声。单台人形机器人标配8-12颗全局快门CIS，用于手部微操识别、双目避障、动态跟随视觉。
豪威集团（OmniVision）是韦尔股份（603501.SH，A股上市公司）的全资子公司，2019年韦尔股份完成对OmniVision的收购，目前豪威就是韦尔股份的CIS业务主体，属于国产企业。豪威是全球机器视觉CIS龙头，整体市占47.2%排名第一；在高端人形机器人专用全局快门CIS细分领域市占率高达91.3%，近乎垄断海外和国内头部整机厂供应链。索尼、安森美仅占少量份额。若按"企业注册地/控股股东"口径，高端人形CIS国产化率已超90%；若按"自主研发/本土团队"口径（不含韦尔并购的美国技术团队），思特威、格科微等本土厂商份额仍不足10%。豪威机器人CIS板块毛利率45%-55%，2026年下半年营收同比增长150%+。
3.3 视觉处理芯片：端侧AI算力的竞争
视觉处理芯片负责ISP图像处理和AI推理，是人形机器人视觉系统的"大脑"。当前主流方案分为三档：
- 入门级：端侧INT8算力5-10TOPS，代表NVIDIA Jetson Orin Nano、地平线征程3，适配单/双路视觉，成本约500-1000元
- 中端级：算力20-100TOPS，代表NVIDIA Jetson Orin NX、地平线征程6、黑芝麻A2000，适配多路视觉+SLAM，成本约1500-3000元
- 高端级：算力100TOPS以上，代表NVIDIA Jetson AGX Orin、特斯拉自研FSD，适配纯视觉大模型，成本约5000-15000元
视觉处理芯片仍以NVIDIA Jetson平台为主导，地平线、星宸科技（机器人视觉芯片全球市占23%，第二）、黑芝麻等国产厂商加速追赶。单台人形机器人视觉处理芯片价值量约0.20万元，占视觉系统的19%。
3.4 视觉算法与SLAM：软件定义感知
视觉算法包括SLAM（同步定位与地图构建）、物体检测与分割、姿态估计、三维重建（NeRF/3D高斯溅射）、手眼协调等。算法层虽然不直接体现为硬件BOM成本，但决定了视觉系统的实际性能上限，也是各整机厂的核心竞争力所在。
当前行业趋势是算法从云端向端侧迁移，通过模型量化、剪枝和专用NPU加速实现实时推理。奥比中光、海康机器人等企业提供算法SDK，商汤、旷视等AI公司提供视觉大模型能力。
四、市场规模：2026年约12亿，2030年约120亿
4.1 整体市场：2026年约12亿元（人形机器人专用口径）
2026年中国人形机器人专用机器视觉市场规模预计达约12亿元，其中3D视觉传感器/模组约6亿元、CIS及视觉芯片约3.5亿元、视觉算法/SLAM/软件约2.5亿元。测算依据：2026年国内人形机器人出货量约10万台（工信部目标），单台视觉系统价值量约1.05万元，对应国内市场约10.5亿元，加上海外客户在华采购及算法软件授权，合计约12亿元。到2030年，随着人形机器人出货量突破百万台级（国内约50-80万台），叠加单台视觉价值量随降本降至约0.8万元，机器视觉市场规模有望突破120亿元，2024-2030年复合增速超80%。
需特别区分两个口径：（1）全部机器人机器视觉市场（含工业机器人、协作机器人、AGV/AMR等）2026年中国约62亿元（3D视觉传感器）+ 210亿元（整体机器视觉），规模远大于人形专用；（2）人形机器人专用机器视觉市场2026年约12亿元。本报告市场规模均指人形机器人专用口径，BOM拆解和单台价值量也基于此。
4.2 全球市场格局
全球层面，据IDC预测，2026年基于深度学习的机器人3D视觉系统全球市场规模有望突破180亿美元，中国市场贡献占比达35%（该口径含工业、协作、AGV等全部机器人）。全球全部机器人视觉传感器模组2025年产量约219万套，均价约420美元/套（含工业/协作/AGV等，非仅人形）。人形机器人专用视觉模组2025年全球出货约10-15万套（对应约1-2万台整机），2026年预计增至约30-40万套（对应约3-5万台整机，含国内10万台目标中的视觉配置率差异）。中国凭借完整的供应链和成本优势，已成为全球机器视觉硬件的主要生产基地。
五、单台BOM价值量拆解
以多传感器融合主流方案为参考（整机BOM约11-12万元，量产目标价），视觉系统价值量分布如下：
| 细分部件 | 单台用量 | 单价（元） | 单台价值（万元） | 占视觉系统 | 占整机BOM |
|---|---|---|---|---|---|
| 3D深度相机 | 1-2个 | 1500-5000 | ~0.45 | 42% | 4.0% |
| 全局快门CIS | 8-12颗 | 150-300 | ~0.25 | 23% | 2.3% |
| 视觉处理芯片 | 1-2颗 | 1000-3000 | ~0.20 | 19% | 1.9% |
| 镜头/光学件 | 8-12组 | 50-100 | ~0.08 | 8% | 0.8% |
| 其他（光源、接口等） | — | — | ~0.07 | 7% | 0.6% |
| 视觉系统合计 | ~1.05 | 100% | 8%-10% | ||
上表为多传感器融合主流方案（含3D深度相机）。若采用特斯拉式纯视觉方案（8个2D摄像头+自研芯片，无3D深度相机和激光雷达），视觉硬件成本可降至约0.6万元/台，占整机BOM约5%-6%，但对算法和端侧算力要求极高。本报告市场规模和BOM拆解均以国内主流的多传感器融合方案为基准。
六、竞争格局与国产化率
6.1 各环节国产化率对比
| 产业链环节 | 国产化率 | 海外/外资龙头 | 国产龙头 | 核心瓶颈 |
|---|---|---|---|---|
| 3D深度相机（模组） | ~65% | Stereolabs、IFM | 奥比中光、海康机器人 | 高端dToF芯片、VCSEL光源 |
| 2D工业相机 | ~60% | Basler、FLIR | 海康机器人、大华、大恒图像 | 高端CCD、高速接口 |
| 全局快门CIS（高端） | ~91%（豪威属国产） | 索尼、安森美（合计约8%） | 韦尔股份/豪威（91.3%）、思特威、格科微 | 自主可控口径下本土团队研发能力（不含豪威并购技术约9%） |
| 视觉处理芯片 | ~30% | NVIDIA、高通 | 地平线、星宸科技、黑芝麻 | 高端GPU/NPU生态、软件栈 |
| 镜头/光学件 | ~70% | 大立光（Largan）、玉晶光（GSEO）、康达智（Kantatsu） | 舜宇光学、丘钛科技、联创电子 | 高端光学设计与精密制造 |
| 视觉算法/SLAM | ~50% | — | 奥比中光、商汤、旷视 | 大模型训练数据、端侧优化 |
6.2 关键判断：视觉处理芯片是当前最大卡点
从国产化率看，3D深度相机模组（65%）、2D工业相机（60%）、镜头光学件（70%）已实现较高自给率；高端全局快门CIS由韦尔股份旗下豪威集团主导（91.3%，属国产），按企业控股股东口径国产化率已超90%（但需注意豪威技术团队源于美国，自主可控口径下本土研发份额仍约9%）；视觉处理芯片（国产化率约30%）是当前最大卡点，NVIDIA Jetson平台在高端人形机器人视觉处理中占据主导地位，地平线、星宸科技、黑芝麻等国产厂商在中低端领域加速追赶，但高端GPU/NPU的软件生态和算力仍有明显差距。视觉处理芯片的国产替代将是未来3-5年视觉产业链的核心看点。
七、核心企业深度对比
7.1 奥比中光（688322）：A股3D视觉第一股
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。公司基于自研芯片和全栈式系统技术，完成了结构光、iToF、dToF、双目、Lidar、工业三维测量六大技术路线的全产品线布局。
- 业绩表现：2025年营收9.41亿元（毛利率43.76%），2026Q1营收2.03亿元（毛利率48.58%），归母净利3099.66万元
- 人形机器人业务：2026Q1国内机器人销售收入达上年同期三倍以上，人形机器人客户订单环比翻倍增长，交付周期从40天压缩至20天
- 核心产品：Gemini系列3D深度相机成为多家头部人形机器人厂商标配方案，是宇树科技核心3D视觉供应商
- 生态布局：深度嵌入NVIDIA Isaac/Jetson平台、苹果macOS、微软Windows、AMD ROCm等生态
- 机构预测：2026年净利润2.75亿元（+114.73%），2027年4.66亿元（+69.54%）
7.2 海康机器人：工业视觉巨头跨界人形
海康机器人是海康威视旗下机器视觉业务平台，产品覆盖全系列工业相机、3D激光雷达、读码器，自研工业缺陷检测、仓储SLAM导航全套算法。
- 业绩表现：2026H1营收40.28亿元（+28.34%），占海康威视整体营收8.60%
- 核心优势：工业自动化、智能仓储分拣场景积累深厚，硬件+算法全栈能力
- 人形进展：轻量化微型视觉模组布局较晚，消费级机器人配套客户资源少于欧菲光等
- 产能建设：产品产业化基地建设进度45.20%，累计投入4.58亿元
7.3 凌云光（688400）：工业视觉+光学动捕双轮驱动
凌云光是国内机器视觉与光通信领域的领先企业，旗下FZMotion光学动捕系统已应用于人形机器人的物理AI数据采集。
- 业绩表现：2026H1扣非净利润1.3亿元（同比+60%，主营业务真实增长），归母净利润6.62亿元（+590%，其中约5.3亿元为非经常性损益），毛利率42.37%
- 核心优势：机器视觉与光通信两大主业放量，产品结构优化带动毛利率改善
- 人形相关：FZMotion光学动捕系统用于人形机器人运动数据采集和算法训练
7.4 奥普特（688686）：视觉软硬件龙头
奥普特主要从事机器视觉核心软硬件产品和运控产品的研发、生产、销售，以机器视觉软硬件产品为主，向传感器、运控产品线延伸。
- 业绩表现：2025年营收12.69亿元（+39.24%），归母净利1.86亿元（+36.63%）；2026Q1营收3.574亿元（+33.51%），毛利率57.73%
- 核心优势：光源、镜头、相机、视觉控制器全产品线，工业AI系统收入Q1同比增长298%
- 人形进展：机器视觉技术向具身智能场景延伸
7.5 韦尔股份/豪威集团（603501）：人形CIS近乎垄断（国产）
豪威集团（OmniVision）是韦尔股份（603501.SH）的全资子公司，2019年韦尔股份完成收购，目前豪威是韦尔股份的CIS业务主体，属于国产企业。豪威是全球领先的数字图像处理解决方案开发商，在机器视觉CIS领域整体市占47.2%排名第一。
- 市场地位：高端人形机器人专用全局快门CIS市占率91.3%，近乎垄断海外和国内头部整机厂供应链（属国产企业主导）
- 产品布局：单台机器人标配8-12颗全局快门CIS，用于手部微操识别、双目避障、动态跟随视觉
- 盈利能力：机器人CIS板块毛利率45%-55%，2026年下半年营收同比增长150%+
- 竞争格局：索尼、安森美仅占少量份额（合计约8%）；思特威、格科微等本土厂商在中低端布局，高端人形暂未突破
- 自主可控说明：豪威技术团队源于美国OmniVision，韦尔股份收购后保持独立运营。若按"本土自主研发"口径（不含并购技术），高端CIS国产化率仍约9%
7.6 其他重要参与者
| 企业 | 核心布局 | 核心优势 |
|---|---|---|
| 天准科技（688003） | 视觉检测设备+人形控制器 | 2026Q1营收3.84亿（+75.61%），人形控制器订单4650万元 |
| 舜宇光学 | 镜头模组 | 全球光学镜头龙头，人形机器人镜头核心供应商 |
| 丘钛科技 | 摄像头模组 | 消费电子摄像头模组龙头，切入人形机器人 |
| 地平线 | 视觉处理芯片 | 征程系列，端侧AI算力，国产替代主力 |
| 星宸科技 | 机器人视觉芯片 | 全球市占23%（第二），单芯片视觉+通信一体化 |
| 思特威 | CIS图像传感器 | 中低端CIS国产主力，高端人形暂未突破 |
| 大恒图像 | 工业相机 | 中科院背景，工业视觉老牌厂商 |
| 洛微科技 | 3D ToF+激光雷达 | 硅光芯片+3D感知，适配人形全场景 |
八、技术壁垒分析
8.1 硬件层壁垒
壁垒一：高端全局快门CIS像素设计（自主可控层面）
全局快门CIS需要在同一时刻曝光所有像素，避免运动模糊，这对像素架构、读出电路和噪声控制提出极高要求。韦尔股份旗下豪威集团（OmniVision，技术团队源于美国）在该领域积累了数十年的技术优势，市占91.3%。从企业控股股东口径看CIS已属国产主导，但从"本土自主研发"口径看，思特威、格科微等本土团队在高端全局快门的动态范围、低噪声和帧率上仍有明显差距，自主可控份额仍不足10%。
壁垒二：dToF深度传感芯片
dToF需要单光子雪崩二极管（SPAD）阵列和高精度时间数字转换器（TDC），芯片设计难度大，目前主要由索尼、ST等海外企业掌握。国产dToF芯片在测距精度和抗干扰能力上仍有提升空间。
壁垒三：VCSEL光源与光学设计
结构光和iToF需要高精度的VCSEL（垂直腔面发射激光器）光源和衍射光学元件（DOE），高端VCSEL仍由Lumentum（美国）等企业主导，国产厂商在功率、一致性和可靠性上仍有差距。
8.2 算法层壁垒
壁垒一：视觉SLAM与多传感器融合
视觉SLAM需要在动态环境中实现实时定位和建图，对算法鲁棒性和计算效率要求极高。多传感器融合（视觉+激光雷达+IMU）的时间同步、空间标定和数据融合是核心难点。
壁垒二：端侧大模型推理
人形机器人需要在端侧实时运行物体检测、姿态估计、三维重建等AI模型，对模型压缩、量化和NPU加速提出高要求。纯视觉方案尤其依赖端侧大模型的推理能力，这也是特斯拉FSD芯片的核心壁垒。
九、趋势展望与风险提示
9.1 三大核心趋势
趋势一：硬件标准化与模块化，3D相机成为标配
随着人形机器人量产，3D深度相机正从定制化走向标准化。奥比中光Gemini等系列产品成为多家具厂标配，硬件接口和协议逐步统一，推动成本持续下降。预计2026-2028年3D深度相机均价将下降30%-50%。
趋势二：视觉处理芯片国产替代攻坚，2027-2028年是关键窗口
视觉处理芯片是当前视觉产业链最大卡点（国产化率约30%），NVIDIA Jetson平台在高端领域占据主导。地平线、星宸科技、黑芝麻等国产厂商正加速研发人形机器人专用视觉AI芯片，通过算法与硬件协同优化实现更低功耗和更高效率。预计2027-2028年国产中高端视觉处理芯片有望实现规模化突破，国产化率从当前的约30%提升至50%以上。CIS方面，韦尔股份旗下豪威已主导高端人形CIS市场（91.3%），但自主可控口径下本土研发份额仍低，思特威、格科微等本土厂商的高端突破值得关注。
趋势三：端侧AI视觉芯片崛起，算法与硬件协同优化
视觉处理正从"通用GPU+云端"向"专用NPU+端侧"迁移。地平线、星宸科技等国产芯片厂商推出人形机器人专用视觉AI芯片，通过算法与硬件协同优化实现更低功耗和更高效率。端侧AI视觉芯片将成为继CIS之后的下一个竞争焦点。
9.2 风险提示
- 量产不及预期风险：人形机器人量产节奏存在不确定性，直接影响视觉系统订单
- 技术路线变更风险：若纯视觉方案成为主流，3D深度相机需求将受影响；若激光雷达大幅降价，视觉方案可能被替代
- CIS自主可控风险：高端全局快门CIS由韦尔股份旗下豪威集团主导（91.3%，属国产），但豪威技术团队源于美国，若按本土自主研发口径份额仍不足10%，存在技术传承和供应链安全的隐忧
- 算法瓶颈风险：视觉SLAM、三维重建等算法若突破缓慢，将制约人形机器人在复杂环境中的实用性
- 价格竞争风险：3D深度相机国产化率较高，随着厂商扩产可能出现价格战
- 数据安全风险：视觉数据涉及隐私和安全，海外市场可能面临监管限制