公告显示，奥普特参与本次接待的人员共2人，为副总经理、董事会秘书许学亮，证券事务代表余丽。调研接待地点为广东省东莞市长安镇长安兴发南路66号之一、线上会议。
据了解，奥普特公司在2024年上半年面临营业收入下降的挑战，根本原因是新能源行业扩产周期波动导致行业低迷和下游需求疲软，以及3C行业复苏放缓。公司积极拓展海外市场，已在多个关键市场设立分支机构，并在越南和印度市场加大投入。智能AI软件DeepVison3的研发取得进展，推出了cloud版本的AI平台，提高了软件的高效性、柔性和易用性。公司在上半年的投入集中在视觉产品矩阵的完善、深度学习产品的发展以及海外市场的拓展。尽管面临挑战，公司计划在下半年继续完善产品矩阵，提高自产比例，并寻找新的增长点。
在工业自动化领域，国产替代为公司带来了机遇，尤其是在机器视觉软件系统和工业自动化设备的国产化方面。机器视觉相比于人眼具有多项优势，包括高精度、高速度、强适应性等，有助于提高生产效率和产品质量。公司的生产备料模式结合了“备货生产”和“按单生产”，以保证生产的平稳性和交期的灵活性。公司在机器视觉行业拥有丰富的应用经验和数据积累，这为其在行业内提供了竞争优势。在机器视觉模型的选择上，大模型和小模型各有优势，未来两者的结合将在工业制造中发挥更大价值。机器视觉在智能制造领域发挥着关键作用，通过提供高效、准确的质量控制手段，推动制造业的智能化和数字化转型。
回答:2024年上半年,公司实现营业收入522,296,856.56元,同比下降15.65%,主要是新能源行业受扩产周期波动,行业持续低迷,下游需求疲软,新能源行业收入同比下降37.37%;3C行业复苏放缓,收入同比下降8.45%。
回答:随着全球制造业的自动化和智能化趋势慢慢地增加,机器视觉技术正面临着巨大的发展机遇和挑战。公司凭借在产业链中的成本优势和市场快速响应能力,正积极加大布局海外市场,旨在通过超高的性价比的产品和服务,进一步拓展公司国际业务版图。为了加大海外市场的投入和开拓力度,公司在全世界内建立了子公司和办事处。2016年,企业成立了香港子公司OPT Vision Limited,并在美国、德国、日本、马来西亚、印度、越南、泰国等关键市场设立了分支机构,以便更好地配合当地客户提供本地化服务。通过本地化服务,企业能够更深入地了解和满足海外客户的需求,同时提升品牌影响力和市场竞争力,赢得更多的技术话语权和市场份额。
公司上半年持续加大对海外市场投入,特别是越南及印度市场,显著强化了资源配置。公司在已有德国、日本、马来西亚孙公司基础上,新设越南孙公司,以支持当地业务市场开拓。
公司在海外除以上地区外,在美国、印度、韩国、泰国等地亦有设有办事处,已建立欧洲研发中心、日本研发中心,同时筹建东南亚应用研发中心,以覆盖海外3C电子、汽车、半导体、新能源等市场。
回答:公司发布了全新升级的智能AI软件DeepVison3并推出cloud版本的AI平台。该软件突破了传统AI项目实施周期长、门槛高、成本高及通用性差等局限性,在高效、柔性及易用性三个维度实现了关键技术创新:
(1)高效维度: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)柔性维度: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)易用维度: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。
公司推出了云版基于深度学习的视觉平台,该平台是DeepVision3软件核心功能在云端的一次全面升级与革新。平台不仅继承了DeepVision3在高效性上的卓越表现,如基于小样本学习的快速训练、模型轻量化带来的性能飞跃,还进一步拓展了其在柔性和易用性方面的边界。通过云端的数据与模型共享机制,用户都能够轻轻松松实现跨团队、跨地域的协作,一同推动AI项目的快速进展。同时,平台支持的多人标注协同功能,不仅提高了数据标注的效率和准确性,还促进了团队之间的知识共享与经验传承。此外,强大的多任务管理能力,使得用户能灵活应对人机一体化智能系统中的复杂需求,实现资源的优化配置与高效利用。
更为重要的是,云版深度学习平台与Smart3软件的深度集成,逐步降低AI技术的使用门槛。基于平台,能更便捷地实现一键部署模型、一键上传并分析缺陷图像、以及模型的增量训练与优化等功能,极大地简化AI技术在人机一体化智能系统中的应用流程、降低技术门槛,还缩短了项目周期,使得企业能够更高效地生产制造,提升行业竞争力。同时,平台提供的可视化工具、超参设置提示以及评估结果溯源等功能,为用户更好的提供了全面的模型性能监控与优化手段,确保了AI解决方案的持续优化与升级。云版深度学习平台以其强大的功能、灵活的协作模式以及便捷的集成体验,为智能制造领域注入了新的活力,推动了行业的智能化进程。
问题4: 想请问下公司2024年上半年具体投入在哪几个方面?和公司对今年下半年的投入规划?
回答:尽管在营收方面面临诸多挑战,公司依然坚持不懈地推动未来发展基础的建设与投入,并在上半年取得了一定的进展。
截至目前,公司已完成机器视觉核心软硬件的全产品线布局,除视觉算法库、智能视觉平台、深度学习(工业AI)、光源、光源控制器、工业镜头、工业相机等传统视觉部件产品,公司同时拓展了智能读码器、3D传感器、一键测量传感器等视觉传感器产品。同时,经过长时间的市场验证,客户对我司自产的相机等高价值产品的认可度持续提升,相关这类的产品的自产率在上半年出现显著提升。
公司推出了云版基于深度学习的视觉平台,该平台是公司深度学习软件平台DeepVision3核心功能在云端的一次全面升级与革新。同时,云版深度学习平台与公司智能软件平台Smart3软件的深度集成,逐步降低了AI技术的使用门槛。
为配合下游客户的出海战略,公司在上半年加大了对海外市场的投入,设立了越南公司,加大印度办事处的资源投入,以支持当地业务市场的发展。目前,公司在海外市场技术上的支持人员数量将近200人,参与客户新项目的评估,提供了充分的技术研发支持。
踏入2024年下半年,我们将继续在复杂多变的宏观经济环境下砥砺前行。鉴于整体情况,预计下游主要客户的调整与恢复以及各条业务线的推进仍需时间与能量的积累,下半年的经营仍将面临挑战。但我们会不断夯实自身基础,保持灵活应变的能力,以应对未来的挑战:继续完善产品矩阵,提高自产比例,发挥产品线间的协同效益;持续推动产品和方案的标准化,提升人效水平;积极地推进与其他下业和客户的合作,寻找新的增长点。
回答:(1)机器视觉软件系统的国产替代:机器视觉的软件系统是整个机器视觉产业链上,国产化程度相对较弱的领域。海外品牌仍长期占有一定的竞争优势。随着整体视觉技术的进步,国产视觉软件系统在更多应用场景的实践验证,软件系统的国产化将为行业带来充分的增长空间。
(2)工业自动化设备在更多行业领域的国产替代:机器视觉是工业自动化、智能化设备的重要组成部分,其发展进度与设备本身的国产化程度高度相关。消费电子、锂电等行业设施国产化带动视觉市场的快速地发展已经印证了这一点。目前在汽车、半导体等行业的高端设备方面,国产化率还有较大空间,也留给了机器视觉行业更多的发展机遇。公司在机器视觉、机器视觉软件系统领域,一直以自研技术处于行业领头羊,也将受益于配合下游客户进行国产替代的过程。
回答:与人眼相比,机器视觉具有精度高、速度快、适应能力强、客观性高、重复性强、检测效果稳定可靠、效率高等特点,可助力计算机显示终端实现产品增质、减少相关成本以及生产数字化。在产品增质方面,机器视觉可明显降低产品漏检率,提高生产的精度和良品率;在减少相关成本方面,机器视觉采集和处理图像的时间在微秒级别,可显著提升效率,单台视觉系统可代替多人工作,并可持续工作;在生产数字化方面,机器视觉作为图像重要数据的采集和分析工具,助力未来实现智能生产和工业互联。
回答:公司采取以销定产并按照销售预测保持一定安全库存的生产备料模式,以保证生产的平稳性和交期的灵活性。对于较为常规的产品,公司采用“备货生产”模式。即根据历史订单数据、下游市场情况等信息进行销售预测并确定安全库存水平,在考虑上游供货周期的基础上,以该库存水平为目标,调整生产节奏,提前排产,以便快速响应市场需求。对于常用程度较低、应用场景范围较窄的非标准产品,公司采用“按单生产”模式。即以订单为导向,按照客户的真实需求的产品规格、数量和交货期来制定生产计划,组织备料排产。
回答:机器视觉的下游应用十分普遍,几乎涉及国民经济的方方面面。即使在某一具体领域的应用,也会因下游的生产的基本工艺、被摄对象的具体材质特点等不同,而有较大差别。因此,完善的机器视觉解决方案对下游客户而言至关重要。而设计有效的机器视觉解决方案,需要大量的行业应用经验积累,绝非一朝一夕所能形成。
公司在机器视觉领域深耕多年,特别是在3C电子、锂电等行业,公司与国内外知名设备厂商和最终用户保持着长期稳定的合作,拥有丰富的机器视觉产品的设计、应用案例库。深厚的案例积累,奠定了公司在相关领域的优势地位,形成了较高的技术壁垒,能有效保障公司在行业内的竞争优势,并为公司逐步扩大产品应用场景范围、持续提升市场占有率提供了有力支撑。此外,深度学习(工业AI)将深刻改变机器视觉行业的技术发展,而行业数据是深度学习技术的基础。深度学习一定要通过大量数据对AI模型进行训练,不断对模型进行调校和优化,最终使机器能够像人类一样自动作出判断并达到满足实际应用要求的准确率。公司经过多年的专业化经营,在3C电子、锂电等行业积累了大量的数据,有助于公司迅速对模型进行调校和优化,提高模型输出结果的准确率和响应速度,在机器视觉的深度学习技术领域抢占发展的高地。
公司通过大量行业方案积累,逐步开始建立分行业方案、产品、交付的标准化。目前公司机器视觉解决方案大范围的应用于3C电子、锂电、汽车、半导体、光伏、食品、医药、烟草、物流等多个行业。
回答:机器视觉底层模型展现出大模型与小模型并存的态势。大模型凭借强大的泛化能力,在跨领域迁移学习上表现卓越;然而,针对特定行业或场景的视觉分析任务时,大模型往往有必要进行自适应微调,这导致其实施代价高昂,具体表现为训练周期长且依赖大量计算资源,推理成本高、速度慢且硬件依赖性强。相对而言,小模型在特定任务上展现出高效性,其训练周期短、推理速度快且硬件依赖程度低,更适合工业质检和设备预测性维护等场景。值得一提的是,大模型的高质量图像生成能力为小模型的训练提供了丰富的数据支持,逐步提升了小模型的检验测试能力和通用性。未来,大模型与小模型的有机结合将在工业制造场景下发挥更大价值,为工业智能化提供更全面、精准的技术支持。
回答:过去几十年中国制造业发展取得了显著成就,规模体量跃居世界首位。与此同时,国际制造业竞争的加剧进一步凸显了我国制造业智能化转变发展方式与经济转型的紧迫性。人机一体化智能系统是制造业转变发展方式与经济转型的关键,它融合了信息技术、自动化技术和人工智能等前沿技术,推动生产的全部过程向智能化、数字化和网络化方向迈进。
机器视觉系统作为人机一体化智能系统的重要一环,其高精度尺寸测量、精确引导定位、自动化品质检测、智能化识别判断等独特优势,为制造业提供了高效、准确和可靠的质量控制手段,使其成为制造业转型的关键技术之一。通过实时获取并分析生产现场的各种数据,如产品外观、尺寸、位置和缺陷异常等,以此来实现异常检测、故障预测和流程的优化等功能。此外,机器视觉系统不仅能精准发现当前机台的缺陷,更能通过多工序多机台的协同分析,实现整个制造环节缺陷异常的溯源,及时揭示潜在问题并进行精细化调控。这种能力不仅增强了生产的全部过程的可控性和稳定能力,还大大降低了生产所带来的成本,提高了生产效率。
