该周机构调研情况趋于稳定，截至5月16日，共有163家上市公司披露机构调研记录，其中，安集科技为机 构最感兴趣的上市公司，5月12日，共有241家机构参与调研。 安集科技成立于2006年，目前A股市值超200亿元，股价为179.3元，是一家专注于高端半导体材料研发和 产业化的企业，主要产品包括化学机械抛光液、功能性湿电子化学品和电镀液及添加剂，广泛应用于集成 电路制造和先进封装领域。 据安集科技高管介绍，在电镀液及添加剂方面，该公司已完成相关产品系列平台搭建，持续投入研发，并 推进本地化生产及各种电镀开发及验证。功能性湿电子化学品业务增速显著，增长较快的产品为刻蚀后清 洗液和抛光后清洗液。 以下文章来源于e公司 ，作者证券时报 聂英好 e公司 . e公司，证券时报旗下专注上市公司新媒体产品，立志打造A股上市公司资讯第一平台。提供7x24小时 上市公司标准化快讯，针对可能影响上市公司股价的主题概念、行业事件及时采访二次解读，从投资者 需求出发，直播上市公司有价值的活动、会议。 5月12日至5月16日当周，A股大盘表现平稳，上证指数全周上涨0.76%，收于3367.46点； 深证成指周 内涨0.52%，创业板指涨 ...

来源：e公司 此外，2025年一季度安集科技收入与部分下游晶圆厂客户业绩不匹配。安集科技表示，公司目前业务面较广，客户集中度有所降低，单一客户不代表整体 趋势；此外，公司披露的当期业绩与客户的业绩之间可能存在时间错位；最后，公司在不同客户中产品线的侧重点会有阶段性的不同。对于下半年市场需 求，安集科技持谨慎观望态度。 本周（5月12日至5月16日）A股大盘表现平稳，上证指数全周上涨0.76%，收于3367.46点；深证成指周内涨0.52%，创业板指涨1.38%。 新时达本周接受82家机构二次调研，海尔入主相关进展成多数机构投资者的关注焦点。今年2月，海尔集团通过子公司青岛海尔卡奥斯工业智能有限公司 与新时达原实控人纪德法、刘丽萍、纪翌签署《股份转让协议》及《表决权委托协议》，获得新时达控制权，交易金额为13亿元。 本周机构调研情况趋于稳定，截至5月16日，共有163家上市公司披露机构调研记录，其中，安集科技为本周机构最感兴趣的上市公司，5月12日，共有241 家机构参与调研。 资料显示，新时达是一家主营电梯控制、机器人、控制与驱动等产品及系统业务的企业。新时达2024年半年报显示，新时达电梯控制器业务出货量全 ...

过去一年，由人工智能带动的机器人浪潮积厚成势，掀起新一轮市场热度。行业与资本都在翘首以盼机器人产业的"奇点"时刻到来。 广东企业自然不甘落后。在深圳，有一家专门为机器人"看懂"世界而成立的先进制造企业。深耕行业多年，奥比中光科技集团股份有限公司（下称"奥比中 光"）以自主研发的3D视觉感知技术服务全球超过100家机器人企业，帮助各类机器人与世界互动。 近期，南方网记者专访了奥比中光创始人、董事长黄源浩，和这位来自广东潮州的青年企业家聊聊机器人制造的前沿探索。 黄源浩。 市场占比超七成： 让每一个机器人拥有超越人类的视觉 作为未来人工智能产业的最大载体，机器人的核心零部件包括用于思考的"大脑"，用于感知世界的"眼睛"，用于与外界交互的"身体"。黄源浩坚信，3D视觉 感知技术是机器人产业发展的重要路径之一。未来的机器人，都应该有能力获取、读懂3D数据。 由此，奥比中光明确了成为"机器人与AI视觉产业中台"的目标定位，把机器人业务作为核心业务。不同于2D视觉，3D视觉感知技术能够实时、精准采集空 间、人体、物体三维数据，据此完整描绘出几何结构，让各类机器人实现环境感知、避障、导航等关键功能，行动自如。 奥比中光产品 ...

报告行业投资评级 - 推荐，维持评级 [8] 报告的核心观点 - 3D 视觉技术应用场景广泛，是工业自动化及众多行业智能化变革的重要驱动力，3D 点云数据在机器人学习中优势显著，为机器人智能化发展提供有力支持，未来应用前景广阔，建议关注 3D 视觉领域领先公司奥比中光 [2][3][106] 根据相关目录分别进行总结 商业应用——3D 视觉工作原理及应用场景 主要任务 - 3D 重建包括 3D 场景深度估计、物体表面数字化采样及数据处理展示，有单目、双目等重建方式及大场景、移动端三维重建 [11] - 位姿感知是对相机或物体在三维物理空间中位置和朝向的计算与实时跟踪 [12] - 3D 理解涵盖物体检测、识别、检索及场景或物体的分割和语义标记等 [13] 工作原理 - 飞行时间法（TOF）通过测量光发射到接收的时间差计算物体距离，分直接 TOF（DTOF）和间接 TOF（I - TOF），用于大视野、远距离、低精度、低成本 3D 图像采集及智能无人系统环境感知 [15] - 结构光投影 3D 成像由投影仪投射特定图案，相机摄取变形图像，通过处理分析计算物体三维坐标信息，有单次投影和多次投影 3D 方法，用于工业检测、3D 建模等领域 [17] - 扫描 3D 成像方法包括扫描测距、主动三角法、色散共焦法等，不同方法有不同特点和适用场景，如单点飞行时间法适合远距离扫描，色散共焦法可扫描多种物体 [30][34] - 立体视觉 3D 成像从不同视点获取图像重构目标物体 3D 结构或深度信息，可通过单目、双目、多目视觉、光场 3D 成像实现，各有其原理和应用场景 [37] - 3D 视觉成像方法比较：ToF 相机、光场相机体积小、实时性好，但存在精度低或成本高问题；结构光投影 3D 系统精度和成本适中，有应用前景；被动立体视觉 3D 成像在工业领域有应用但场合有限；开发成本低廉、精度适中的被动单目 3D 成像系统是 Eye - In - Hand 系统的最佳方案 [48] 应用场景 - 3D 高精度扫描用于精密物件扫描与测量，在工业制造中可检测产品质量，结合三维设计与 3D 打印技术应用于多领域，如先临三维的相关扫描仪有出色表现 [50] - 机器人领域智能优化升级：3D 视觉赋予工业机器人强大感知能力，实现高精度操作，提高生产柔性和自动化程度；在人形机器人领域，帮助机器人实现路径规划、物体抓取与操作、人机交互等功能，如奥比中光的技术助力机器人实现多种功能，北京人形机器人创新中心的“天工 Ultra”配置深度相机提高感知和安全能力 [58][59][63] - 智能物流与仓储管理：3D 视觉技术用于货物识别、定位和测量，实现自动化分拣、码垛和存储，合理规划仓库空间，还可用于库存盘点和货物状态监测，如迈尔微视的视觉解决方案在多个关键场景落地应用 [64] - 生物识别：奥比中光在支付和智能家居安防领域提供 3D 视觉解决方案，如 3D 刷脸支付和 3D 人脸辨识门锁门禁系统 [69] 3D 视觉算法 3D 点云数据在机器人大模型中的优势 - 增强空间推理能力，提升任务成功率：基于点云的方法在成功率和平均排名上超越 RGB 和 RGB - D 方法，注入 3D 点云数据的 VLA 模型能提供更全面空间信息，解决 2D 模型空间感知局限，提高任务成功率 [3][73] - 提高少样本多任务学习能力：PointVLA 利用点云数据丰富信息，在少量训练样本下完成多个不同任务，降低数据采集和训练成本，在真实世界实验中表现出优势 [79] - 具备实际与照片区分能力：PointVLA 基于 3D 点云数据能区分真实物体和照片，避免错误操作，提高系统安全性和可靠性 [80] - 增强泛化能力：3D 点云数据在不同相机视角、光照条件、视觉外观变化下鲁棒性更强，在相关实验中表现优于其他方法，在长时域打包任务中也有良好性能 [83] 机器人视觉图像数据获取与 3D 传感器技术应用 - 机器人视觉数据获取方式与形式：数据采集向高精度、多模态方向发展，主流厂商采用多模态传感器集成，开源数据集为算法训练提供标准化测试环境 [88] - 主要的数据形式与特征：主要数据形式有 3D 点云与深度图、RGB - D 图像等，多模态传感器融合成趋势 [90] - 视觉数据驱动的机器人训练流程：包括数据采集与预处理、算法训练与优化、部署与实时控制几个阶段，通过合成数据扩充训练集，采用 AI 强化学习等方式训练机器人 [91] - 3D 视觉传感器在机器人中的核心作用：成为人形机器人“感知 - 决策 - 执行”链路的核心，体现在环境感知与建模、动作规划与执行、市场驱动与技术趋势几方面，市场需求持续增长，多传感器融合成主流 [92] 3D 传感器算法框架 - Intel RealSense：以开源 SDK 2.0 为核心，统一管理多模态硬件，具有跨平台兼容性与灵活生态，在不同技术方面有不同实现方式和应用场景，但在户外强光环境和复杂场景下有一定局限性 [94] - 奥比中光：以自研 MX 系列芯片为核心构建闭环体系，核心竞争力源于硬件级深度处理与多模态融合技术，在不同技术方面有独特优势，在场景化应用中展现出强大环境适应性 [100] - 核心技术差异与场景适配性分析：两者在技术路线与市场定位上互补，硬件架构和算法生态有差异，影响场景适配性，Intel RealSense 适合轻量场景，奥比中光适合对精度与鲁棒性要求严苛的领域 [104] 投资建议 - 关注 3D 视觉领域的领先公司奥比中光 [5][106]

报告行业投资评级 - 推荐，维持评级 [8] 报告的核心观点 - 3D 视觉技术应用场景广泛，是工业自动化及众多行业智能化变革的重要驱动力，3D 点云数据在机器人学习中优势显著，为机器人智能化发展提供有力支持，未来应用前景广阔，建议关注 3D 视觉领域领先公司奥比中光 [2][3][106] 根据相关目录分别进行总结 商业应用——3D 视觉工作原理及应用场景 主要任务 - 3D 重建包括深度估计、数字化采样、数据处理展示，有单目、双目等重建方式及大场景、移动端重建类型 [11] - 位姿感知是对相机或物体在三维物理空间中位置和朝向的计算与实时跟踪 [12] - 3D 理解涵盖物体检测、识别、检索及场景或物体的分割和语义标记等 [13] 工作原理 - 飞行时间法（TOF）通过测量光发射与接收时间差计算物体距离，分直接 TOF 和间接 TOF，用于大视野、远距离、低精度、低成本 3D 图像采集及智能无人系统环境感知 [15] - 结构光投影 3D 成像由投影仪投射图案，相机摄取变形图像，通过处理分析计算物体三维坐标，有单次投影和多次投影方法，用于工业检测、3D 建模等领域，不同表面测量需不同技术辅助 [17][21][23] - 扫描 3D 成像方法包括扫描测距、主动三角法、色散共焦法等，不同方法有不同特点和适用场景 [29] - 立体视觉 3D 成像通过不同视点获取图像重构目标物体 3D 结构或深度信息，可通过单目、双目、多目、光场 3D 成像实现，各有原理和应用场景 [37] - 3D 视觉成像方法比较：ToF 相机、光场相机属单相机 3D 成像，有体积小、实时性好优点，但存在精度低、成本高问题；结构光投影 3D 系统精度和成本适中，有应用前景；被动立体视觉 3D 成像在工业领域有应用但场合有限；开发成本低廉、精度适中、被动单目 3D 成像系统是 Eye - In - Hand 系统最佳方案 [48] 应用场景 - 3D 高精度扫描用于精密物件扫描与测量，在工业制造中可检测产品质量，结合其他技术可用于多领域，如先临三维的扫描仪有高效准确扫描反馈和高精度检测能力 [50][52] - 机器人领域智能优化升级：3D 视觉赋予工业机器人强大感知能力，实现高精度操作，提高生产柔性和自动化程度；在人形机器人领域，帮助其识别环境、规划路径、实现人机交互等，如奥比中光助力工业机器人，北京人形机器人创新中心的机器人应用 3D 视觉技术提高感知和安全能力 [58][59][63] - 智能物流与仓储管理：用于货物识别、定位和测量，实现自动化分拣、码垛和存储，合理规划仓库空间，还可用于库存盘点和状态监测，如迈尔微视的视觉解决方案应用于多个关键场景 [64][65] - 生物识别：奥比中光在支付和智能家居安防领域提供解决方案，3D 刷脸支付破解传统 2D 人脸识别安全困境，3D 人脸辨识用于智能门锁/门禁系统 [69] 3D 视觉算法 3D 点云数据在机器人大模型中的优势 - 增强空间推理能力，提升任务成功率：基于点云的方法在成功率和平均排名上超越 RGB 和 RGB - D 方法，注入 3D 点云数据的模型能提供全面空间信息，解决 2D 模型空间感知局限，如 PointVLA 在“place bread”任务中表现优于 2D 模型 [3][73][77] - 提高少样本多任务学习能力：PointVLA 利用少量训练样本完成多个不同任务，降低数据采集和训练成本，在真实世界实验中表现出优势 [79] - 具备实际与照片区分能力：PointVLA 能区分真实物体和照片，避免操作错误，提高系统安全性和可靠性，而传统 2D 模型无法区分 [80] - 增强泛化能力：3D 点云数据在不同相机视角、光照条件、视觉外观变化下鲁棒性强，在相机动态变化、视觉外观变化实验及长时域打包任务中表现优于其他方法 [83] 机器人视觉图像数据获取与 3D 传感器技术应用 - 机器人视觉数据获取方式与形式：数据采集向高精度、多模态方向发展，来源与采集工具包括多模态传感器集成、开源数据集与仿真平台，主流厂商采用多模态传感器捕捉环境信息，开源数据集为算法训练提供测试环境 [88][89] - 主要的数据形式与特征：主要数据形式有 3D 点云与深度图、RGB - D 图像等，3D 视觉传感器生成点云数据可还原物体三维结构，RGB - D 数据是主流输入形式，多模态传感器融合成趋势 [90] - 视觉数据驱动的机器人训练流程：包括数据采集与预处理、算法训练与优化、部署与实时控制阶段，通过合成数据扩充训练集，采用强化学习等训练方法，整合多模态数据优化模型，支持在线学习更新模型 [91] - 3D 视觉传感器在机器人中的核心作用：成为人形机器人“感知 - 决策 - 执行”链路核心，增强环境理解，优化路径规划，确保动作稳定性，市场需求持续增长，多传感器融合成主流 [92][93] 3D 传感器算法框架 - Intel RealSense：以开源 SDK 2.0 为核心，统一管理多模态硬件，有跨平台兼容性与灵活生态，不同技术方案有不同特点和适用场景，但在户外强光和复杂场景有局限性 [94][95][96] - 奥比中光：以自研芯片为核心构建闭环体系，有硬件级深度处理与多模态融合技术，在不同场景有强大环境适应性和高精度表现 [100][101][102] - 核心技术差异与场景适配性分析：两者技术路线和市场定位互补，硬件架构、算法生态和算法实现有差异，影响场景适配性，Intel RealSense 适合轻量场景，奥比中光适合对精度和鲁棒性要求严苛的领域 [104][105] 投资建议 - 关注 3D 视觉领域的领先公司奥比中光 [5][106]

奥比中光高管日前接受机构调研时介绍，公司顺德基地一期已顺利投产。2023年底，围绕3D视觉传感 器及AI端侧硬件产业，公司在佛山市顺德区投资建设"3D视觉感知产业智能制造基地建设项目"，可为 机器人等各类智能端侧硬件领域的客户提供灵活可靠的整机ODM/OEM服务。目前公司已实现了从底层 芯片架构、核心算法开发、一体化光机引擎到上层应用方案技术闭环，在关键供应链环节均可实现国产 化适配。(人民财讯) ...

报告公司投资评级 - 维持“买入”评级 [4] 报告的核心观点 - 公司发布2024年年报及2025年1季报业绩拐点初现 2024年全年营收5.64亿元同比增速56.79% 归母净利润-0.63亿元同比增速77.20% 扣非归母净利润-1.12亿元同比增速65.35% 2025年1季度营收1.91亿元同比增速105.63% 归母净利润0.24亿元同比增速184.48% 扣非归母净利润0.03亿元同比108.38% [1] - 公司费用率持续下行 2024年期间费用率为61.45%同比-71.91pct 2025年Q1期间费用率为43.11%同比-39.05pct 受益于持续控费盈利能力上行 [2] - 公司看重机器人赛道 产品矩阵完善 构建了全技术路线3D视觉传感器体系 部分产品已与人形机器人客户适配 [3] - 依据2025年1季度报表上修公司盈利预测 预计2025E/2026E/2027E营收分别为9.36/14.76/18.98亿元 yoy分别为65.9%/57.6%/28.6% 归母净利润分别为1.07/3.01/4.39亿元 yoy为269.4%/182.5%/45.8% [4] 根据相关目录分别进行总结 股票信息 - 行业为光学光电子 前次评级为买入 2025年04月30日收盘价59.26元 总市值23704.06百万元 总股本400.00百万股 自由流通股占比64.27% 30日日均成交量9.56百万股 [6] 财务指标 |财务指标|2023A|2024A|2025E|2026E|2027E| |----|----|----|----|----|----| |营业收入（百万元）|360|564|936|1476|1898| |增长率yoy（%）|2.8|56.8|65.9|57.6|28.6| |归母净利润（百万元）|-276|-63|107|301|439| |增长率yoy（%）|4.8|77.2|269.4|182.5|45.8| |EPS最新摊薄（元/股）|-0.69|-0.16|0.27|0.75|1.10| |净资产收益率（%）|-9.2|-2.2|3.7|9.4|11.9| |P/E（倍）|-85.9|-376.8|222.4|78.7|54.0| |P/B（倍）|7.9|8.3|8.0|7.2|6.4| [5] 财务报表和主要财务比率 - 资产负债表显示流动资产、非流动资产、负债合计等项目在不同年份的数值及变化 如2023 - 2027年流动资产分别为1922、1429、1670、1956、2571百万元 [10] - 利润表呈现营业收入、营业成本、净利润等指标 如2023 - 2027年营业收入分别为360、564、936、1476、1898百万元 [10] - 现金流量表展示经营活动现金流、投资活动现金流、筹资活动现金流等情况 如2023 - 2027年经营活动现金流分别为-160、-86、-173、366、149百万元 [10] - 主要财务比率涵盖成长能力、获利能力、偿债能力、营运能力等方面 如成长能力中营业收入增长率2023 - 2027年分别为2.8%、56.8%、65.9%、57.6%、28.6% [10]

投资者关系活动基本信息 - 活动类别为特定对象调研、电话会议及其他 [1] - 参与单位及人员有平安基金等34位投资者 [1] - 活动时间为2025年4月28日下午19:00 - 20:00，地点在公司会议室 [1] - 上市公司接待人员有董事会秘书邱靖琳、投关经理江正才、证券事务代表刘丹 [1] 2025年一季度业绩情况 - 营业收入19,655.83万元，同比增长27.23%；归属于母公司股东的净利润3,320.97万元，同比增长208.34%；扣除非经常性损益的净利润3,146.35万元，同比增长235.72%，且连续4个季度环比增长 [2] - 收入增长原因系下游消费电子需求回暖、AI服务器需求增长、新能源车渗透率提升带来电子装联设备需求增长 [2] - 净利润同比、环比增长较快原因是毛利率提升，包括部分业务收入中高端产品占比提升和高毛利率业务营收结构占比提升 [2] 公司实验室情况 - 成立2025实验室，目的是攻克研发底层需求的算法模型，依靠工艺数据和材料学建立工业AI模型，如关联关系模型和自我补偿模型 [2] 研发进展情况 - 2023年度、2024年度及2025年一季度研发投入营收占比分别为10.06%、9.12%、9.88% [2] - 截至2024年12月31日，已取得各项专利212项，2024年度新增授权发明专利18项、实用新型专利30项 [2] - 2024年度研发中心进行多项技术创新与应用，如AI视觉模型应用、低代码视觉平台开发、3D视觉应用、电气集成开发方式升级、控制驱动产品开发、整线技术研发储备 [2][3] 特定设备情况 - SIC晶圆老化设备用于第三代半导体晶圆在高温环境下测试芯片长时间稳定性，为后段封装提供合格芯片 [3] - SIC KGD分选设备用于第三代半导体芯片测试并分选，满足多领域芯片电性能测试需要，提高产品质量和可靠性，应用于新能源汽车等领域 [3] 2025年经营计划 - 坚持创新，加大研发中心投入，完善共性技术及模块建设，深化人才梯队培养，优化人员结构，完善考核与激励机制 [3] - 面向新应用场景推出新产品，鼓励申报发明专利，参与标准与规范编制，巩固行业地位 [3]

梦晨 发自 凹非寺 量子位 | 公众号 QbitAI 随着3D Gaussian Splatting（3DGS）成为新一代高效三维建模技术，它的自适应特性却悄然埋下了安全隐患。在本篇 ICLR 2025 Spotlight 论文中，研究者们提出首个专门针对3DGS的攻击方法——Poison-Splat，通过对输入图像加入扰动，即可显著拖慢训练速度、暴 涨显存占用，甚至导致系统宕机。这一攻击不仅隐蔽、可迁移，还在现实平台中具备可行性，揭示了当前主流3D重建系统中一个未被重视的 安全盲区。 引言：3D视觉的新时代与未设防的后门隐患 过去两年，3D视觉技术经历了飞跃式发展，尤其是由 Kerbi等人在2023年提出的 3D Gaussian Splatting (3DGS) ，以其超高的渲染效率 和拟真度，一跃成为 替代NeRF的3D视觉主力军 。 你是否用过 LumaAI、Spline 或者 Polycam 之类的应用上传图片生成三维模型？它们背后很多就用到了3DGS技术。3D高斯泼溅无需繁重 的神经网络，仅靠一团团显式的、不固定数量的3D高斯点即可构建逼真的三维世界。 但你知道吗？这个看起来高效又灵活的"新王者" ...

问题在于，基于显示高斯单元的表示方式，尽管可以高效溅射和光栅化，其密集化和优化过程却往往会生成冗余的高斯点，导致单个重建场景 可能包含数百万个高斯点。 这不仅 降低了训练和渲染速度（本可能更快），还导致显著的内存消耗 。 现在，来自上海AI Lab的研究团队提出 MaskGaussian ， 将掩码融合进光栅化过程，首次为被使用和未被使用的高斯同时保留梯度，在剪 枝高斯的同时，MaskGaussian极大限度地保持了重建质量，提高了训练速度和减小内存需求 。 MaskGaussian团队 投稿 量子位 | 公众号 QbitAI 三维高斯泼溅（3D Gaussian Splatting）使得实时高质量渲染成为可能，是当前3D视觉领域最常用的算法之一。 △ 与3DGS相比，MaskGaussian在不影响重建质量的情况下减少高斯点数 对冗余高斯点进行剪枝，目前主要有两种方法： 第一类方法基于手工设计的重要性评分，移除评分低于预设阈值的高斯点。这类方法通常需要扫描所有训练图像以计算重要性评分， 因此剪枝只能在训练期间执行一次或两次。 第二类方法使用可学习的掩码，将其与高斯点的属性相乘以接受梯度。尽管这种方法允许通过 ...