一、AI+制造研究框架

AI赋能产业已经成为趋势，其中AI+制造业前景广阔。当前AI通用大模型正在被全球各大科技企业积极拥抱，AI对产业赋能明显：在消费端，内容生成更加便利，消费品质量、数量和多样性提升；在制造端， 生成式AI可以助力工业设计和智能售后，但更值得关注的是生产端，决策式AI可以助力智能排产、预测性设备维护、自动化生产、智能化检测及智能搬运等。

此后，基于AI大模型的适配性、AI+制造产业化程度、设备市场空间弹性三个维度，我们提出AI+制造的研究框架，即“一体两翼”。一体为人形机器人。无论从大模型的适配性，产业化的进展以及潜在的市场空间弹性，人形机器人均属于AI+制造最核心的方向。

两翼分别为两条主线：

一是AI+制造的应用落地，我们分别看好机器视觉和智能物流。其中机器视觉是AI+制造产业化进展最快的赛道，智能物流是实现智能化生产、工业4.0的硬件基础。

二是AI+制造的设备升级，我们分别看好光模块设备以及先进封装设备。其中高速光模块对设备精度的要求提升，CPO（光电共封装）等新的封装工艺将带动贴片机等设备升级；同时，由于AI大模型对算力需求增加，HPC芯片带动先进封装渗透率提升，半导体先进封装设备值得关注

二、AI+制造产业逻辑

人形机器人诞生于1973年，我们认为自2022年开始发展提速的原因主要有两个：

一是特斯拉入局，凭借强大的软件和硬件优势，加速产业发展。软件方面，特斯拉FSD可以使人形机器人具备自主导航功能；硬件方面，特斯拉可以基于电动车供应链与人形机器人形成协同；应用场景上，特斯拉可以在自己工厂中率先使用人形机器人进行降本。

二是AI通用大模型为人形机器人奠定技术基础。传统机器人应用于特定领域，专门针对某个应用场景开发算法。人形机器人在应用场景上具备通用性，大模型能够实现更大数据建模以及对语言和指令更强大的理解，与人形机器人的需求完美适配。

2023年以来，人形机器人的催化剂有三个：

一是ChatGPT引爆新一轮人工热潮，通用大模型实现快速发展；

二是5月特斯拉展示Optimus最新进展，除外观改善外，还具备更多智能化功能，如浇花、搬运、以及抓取小物品。

三是产业链降本方案频出，人形机器人成本有望持续降低。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。马斯克认为，人形机器人将会是今后特斯拉主要的长期价值来源。人形机器人关节和自由度更多，预计零部件占比更高，建议重点关注上游核心零部件如谐波减速器、无框力矩电机、空心杯电机、行星滚珠丝杠、传感器的投资机会。依托人形机器人投资逻辑， AI+制造的应用落地值得关注。结合产业化的进度，建议重点关注机器视觉。

机器视觉的核心逻辑有两个：

一是AI机器视觉的结合由来已久，其中最大的突破是检测场景正从传统标准化场景过渡到非标准化应用场景。目前机器视觉场景主要聚焦在标准化检测领域， 整体呈现出自动化、标准化程度高等特点，但伴随AI 技术发展，国内长尾的非标市场有望被逐步打开。具体案例：在传统的3C行业，机器视觉检测的对象可能是手机外观、显示屏、线路板等标准化对象，软件算法的设计更为专用。但在食品、服装等行业，目前仍以人眼检测为主，属于劳动力密集型，主要原因在于检测对象非标。以槟榔为例，作为非标的检测对象，此前机器视觉应用难度较高。但随着机器视觉+深度学习实现槟榔在检测尺寸的基础上突破，光头精准分类达97%以上。更多纪要加微信：LCWD5088在视觉系统下，在保护槟榔的完好 性下检测槟榔的尺寸， 同时能检测槟榔是否光皮，检 测分类精准度高达97%，完全达到企业采用机器视觉 进行槟榔尺寸分类和外观视觉检测的所有需求，无须 人工进行多次分级，为企业省人工、降低成本、把控品质。

二是SAM模型极大降低了图像处理门槛，有望更好推动机器视觉在下游各场景领域的应用。Meta发布了首个图像分割基础模型SAM（Segment Anything Model，分割一切），其底层以NLP模型的通用方式解决图像分割和识别问题。该可应用于各种领域，用于查找和分割图像中的任何对象。分割技术是图像处理的底层技术，Meta以NLP的通用模型，极大地降低了图像处理的门槛，是机器视觉领域的底层突破性技术。我们认为，SAM模型的发布，将显著降低机器视觉+深度学习的软件训练周期，从而降低机器视觉在非标应用场的拓展成本。

另一个AI赋能制造的方向是智能物流。

目前AI技术在智慧物流中的硬件和软件均有应用。硬件包括AI技术赋能无人卡车、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，目前落地条件尚不成熟；软件包括通过计算机视觉、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，场景较为分散。

目前国内智慧物流的市场空间近千亿，但智能物流设备渗透率不到30%，远低于发达国家80%左右的智能物流装备渗透率水平。未来随着智能物流装备的成 本、效率优势进一步显现，柔性化供应链需求持续增强，智能物流装备渗透率预计将快速提升。

我们认为智能物流是AI+制造最重要的硬件基础，也是工业大模型落地的侧重点。目前该板块市场关注度较低，相关标的估值具备安全边际，建议重点关注国内领先的物流系统集成商诺力股份（软硬件自研，在手订单充裕，盈利能力边际改善）。

除AI+制造的应用落地外，“一体两翼”的另一翼是AI+制造的设备升级，首先是光模块设备。从行业层面来看，光模块主要应用于数据通信领域,它的功能是实现光电信号的相互转化。AI算力需求爆发带动通信技术的发展需求、数据中心的扩张需求、光通信技术的需求提升，使得全球光模块市场快速增长。根据Light counting预计，光模块市场到2027年将突破200亿美元。

从技术要求来看，光模块支持的速率也从最初的不到10Gbps发展到目前最高的800Gbps，并且将来随着对数据交换需求的提升，光模块会进一步提速。与此同时光模块的集成度也会不断提升，可以提高系统的可靠性和稳定性、降低能耗。

从设备端来看，高速光模块对设备精度要求更高。工艺步骤包括贴片、打线、光学耦合、测试。其中贴片机是价值量最高的环节。400G、800G 等高速光模块快速发展拉动高精度贴片机需求。CPO和硅光子技术等方案具备高速、高密度、低功耗的优势有望成为下一阶段的封装工艺。

另一个方向是市场关注度极低的先进封装设备。逻辑主要有三个：

一是后摩尔时代，先进封装是产业趋势。晶体管密度逼近极限带来功耗和发热问题，技术节点进一步增加带来制造成本非线性增加，先进封装是其中的重要解决方案。2020年全球先进封装的渗透率45%，国内先进封装渗透率14%。这一背后的逻辑是国内仍以低端芯片产能为主，随着大陆半导体产业向更高技术节点发展，先进封装渗透率有网加速。总结：从设备角度来看，不仅具备传统半导体设备国产替代的贝塔逻辑，同时在渗透率提升背景下，还具备阿尔法逻辑。即国产替代+技术迭代双重催化。

二是AI发展的催化。AI大模型的参数量达到万亿级别，大模型的训练和推理需要大量算力支持，对于HPC的需求而言，先进封装可以不断微缩互连间距，增加单个设备内集成的晶体管数量，如2.5D，3D封装。又或者通过SIP实现异构集成，释放算力。5月最新新闻，英伟达向台积电全年多预订1万片CoWos先进封装需求，在整体景气度下行周期，依然紧俏。

当前市场存在预期差的地方：此前市场主要关注chiplet等先进封装技术，希望能够突破突破产业政策封锁；目前来看是国内的半导体产业有望突破，带来先进封装渗透率加速提高。更多纪要加微信：LCWD 5088但由于半导体封装设备价 值量小，国产化率低（客户指定进口设备），此前关注度不高。

三、AI+制造展望

人形机器人是AI+制造最强主线。建议持续关注新品发布等产业化落地催化剂以及新的降本技术方案。依托人形机器人这一条主线，我们试图探讨AI+制造后续有可能产生投资机会的方向：

机器视觉：AI+制造率先落地的赛道。建议关注结合SAM模型的国产化软件发布、新的非标应用案例订单落地。

智能物流：当前AI+制造估值最低的赛道。建议关注制造行业大模型发布对智能物流行业的影响和催化。

光模块设备：市场关注度高，建议持续关注光模块制造工艺变化及设备升级需求。

先进封装设备：市场预期底部，建议关注国产设备厂商产品送样及验证进度。