AI 相关业务深度拆解

本文对 康耐视 的 AI 业务采用 proxy 口径：AI proxy = 与 Physical AI 和实体世界自动化 直接相关的产品、客户项目、容量、数据、自动化或服务收入；company-rich 未单列的部分一律不写成会计收入。换句话说，康耐视 的 AI 暴露不是一个精确百分比，而是一组可观察变量：产品采用、订单、客户项目、毛利率、交付周期和现金流。

真实卡位：公司位于 Physical AI·传感/机器视觉/自动驾驶 的 中层，上游关键依赖包括 Sony Semiconductor Solutions、onsemi、Qualcomm、Lattice Semiconductor，下游需求来自 Tesla、Foxconn、Jabil、Amazon。这个位置的价值在于，它接近 AI 需求从“预算”变成“采购和运营约束”的环节。若下游只是表达 AI 投资意愿，但没有形成项目、设备、容量、软件席位或长期合同，康耐视 的收入不会自动受益。

产品映射：

• In-Sight 3900：面向高速产线的相机端 AI 检测和 OCR，强调边缘推理、低延迟和工业 I/O。收入意义是 代表新一代 AI 视觉硬件平台，是制造质检升级的核心增量产品。
• In-Sight 3800：用于有无检测、尺寸测量、定位、OCR 和缺陷检测的智能相机系统。收入意义是 支撑工厂自动化主力收入，覆盖汽车、电子、包装和医疗器械产线。
• DataMan：固定式和手持式 1D/2D 读码，面向高速分拣、DPM 直接零件标记和追溯。收入意义是 是物流和制造追溯场景的现金流型产品，强调读取率和稳定性。
• VisionPro：PC 端视觉开发软件，包含定位、测量、识别和图像处理工具链。收入意义是 服务复杂项目和系统集成商，增强硬件之外的软件黏性。
• Cognex ViDi：用于缺陷分类、复杂纹理检测、OCR 和异常识别的工业深度学习工具。收入意义是 把传统规则视觉难覆盖的变异缺陷转化为软件升级和高端项目机会。
• Edge Intelligence：聚合 DataMan 读码数据，做设备健康、读取率、条码质量和产线瓶颈分析。收入意义是 提升读码器从硬件单品到数据服务入口的黏性。

AI 传导路径：

AI 工作负载、实体自动化或数据密度提升
  -> 对电力、连接、识别、数据、自动化、材料或软件工作流提出更高要求
  -> 客户采购 In-Sight 3900、In-Sight 3800、DataMan、VisionPro
  -> 康耐视 获得收入、项目或长期服务机会
  -> 产品 mix、成本传导、交付质量和续费决定利润弹性

天花板：康耐视 的天花板不等于全球 AI 市场规模，而是由可服务市场、客户预算份额、产品成熟度、渠道覆盖和资产周转共同决定。对于硬件/基础设施公司，天花板还受产能、资本开支、认证周期和供应链约束；对于软件/数据公司，天花板取决于客户工作流嵌入深度、数据权限、续费率和销售效率。company-rich 未提供单项 TAM 或份额数字，本文不写具体市场规模。

替代风险：若客户采用不同技术路线、内部自建、使用更便宜的通用方案，或由更强平台供应商打包提供，康耐视 的单点产品价值会被压缩。替代并不一定立刻体现在收入下降，常见顺序是：新订单价格变差、毛利率下降、库存或应收上升、研发和销售费用率抬高，最后才反映到收入增长放缓。

供应链情景：

• 图像传感器·Sony/onsemi：依赖全局快门 CMOS、高动态范围、低噪声和高速接口，决定高速产线中运动模糊和微缺陷可见性。上行情景是 传感器供给稳定且像素/帧率升级，康耐视可把 AI 检测推向更高速包装、汽车和电子产线；下行情景是 传感器交期、停产或良率波动迫使产品换型，客户验证周期拉长并削弱交付确定性。
• 边缘算力·Qualcomm/Lattice：依赖 SoC/NPU、FPGA 预处理、确定性触发和散热设计，决定 In-Sight 3900 等系统的在线推理速度。上行情景是 嵌入式 NPU 可在相机端跑 OCR/缺陷模型，客户无需额外工业 PC 即可部署深度学习；下行情景是 算力平台生命周期或工业温度认证不足，深度学习功能被迫退回外置 PC，部署复杂度上升。
• 光学照明·Edmund Optics/CCS：依赖镜头畸变、景深、偏振/同轴/暗场照明和现场标定，决定算法输入质量。上行情景是 标准化光学包降低集成门槛，康耐视可复制更多 AI OCR 和表面缺陷模板；下行情景是 光照、反光和材料变化导致模型泛化失败，项目需要大量定制调参。
• 工业协议·Rockwell/Siemens/OPC UA：依赖 EtherNet/IP、PROFINET、OPC UA、IO-Link 与 PLC 的确定性交互，决定视觉结果能否进入闭环控制。上行情景是 与主流 PLC/机器人控制器连接更顺滑，康耐视从单点检测扩展到整线质量闭环；下行情景是 客户现场网络、安全策略或老旧 PLC 不兼容，视觉系统只能离线告警，价值被压缩。
• 应用数据·汽车/电子/物流客户：依赖真实缺陷样本、字体变化、包装材质、产线节拍和误判成本标签，决定 AI 工具训练质量。上行情景是 客户愿意沉淀缺陷样本库，康耐视可把 ViDi/Edge AI Read 从项目制转为可复用方案；下行情景是 缺陷样本稀少、产线频繁换型或数据不能出厂，深度学习方案验证成本超过规则视觉。

短期验证：FY2026Q1 是 company-rich 当前财务桥的锚点。下一阶段最应观察的不是“AI 相关表述是否更多”，而是收入、毛利、营业利润、净利润和 FCF 是否沿同一方向改善。如果收入增速强但 FCF 弱，说明增长可能被资本开支、库存、客户付款或项目爬坡消耗。

产业链位置

上游：

名称	角色
Sony Semiconductor Solutions	供应工业相机常用 CMOS 图像传感器，影响高分辨率、低噪声和高速读出能力。
onsemi	供应全局快门和工业视觉图像传感器，决定运动物体检测和高速产线读码稳定性。
Qualcomm	为新一代嵌入式 AI 视觉系统提供边缘 SoC/NPU 平台，支撑高速深度学习推理。
Lattice Semiconductor	提供低功耗 FPGA，用于相机触发、图像预处理、接口桥接和确定性 I/O。
Edmund Optics	供应工业镜头、滤光片和照明光学件，影响缺陷检测的景深、畸变和光谱一致性。
Murrelektronik	供应工业连接、I/O 模块和现场总线部件，影响视觉系统在产线上的布线、触发和可靠性。

这些上游决定 康耐视 的成本、交付和技术边界。上游若是材料、设备、芯片、能源或云基础设施，核心问题是供给稳定和价格传导；若是数据、模型、定位、传感器或系统软件，核心问题是接口、合规和性能迭代。对 康耐视 来说，上游依赖不是负面本身，关键是公司能否把依赖转化为稳定供应、联合开发或客户认证优势。

下游：

名称	角色
Tesla	汽车和电池制造场景需要视觉定位、尺寸检测、字符读取和追溯码读取。
Foxconn	消费电子组装依赖高速外观缺陷检测、组件有无检测和柔性产线换型。
Jabil	电子制造服务商需要跨客户的 AOI、读码追溯和机器人上下料视觉。
Amazon	仓储和履约自动化需要包裹读码、尺寸识别、分拣校验和机器人抓取前视觉感知。
DHL Supply Chain	物流分拣中心使用工业读码和视觉核验提升条码读取率与异常件处理效率。
Rockwell Automation	自动化集成生态通过 PLC、运动控制和视觉设备组合交付完整产线单元。

下游决定收入弹性。AI 产业链的下游客户通常更看重交付确定性、可复制性和运营风险，而不是单点最低价格。若 康耐视 能成为客户长期规划的一部分，订单质量会优于一次性项目；若只能在客户预算紧张时作为可替代供应商，收入弹性会更周期化。

竞品：

名称	角色
KEYENCE	直销型机器视觉和传感器巨头，强在应用工程、快速打样和控制器式视觉系统。
Omron	工业自动化平台型竞争者，将视觉与 PLC、伺服、安全和机器人控制集成销售。
Teledyne DALSA	高端工业相机、线扫、图像传感器和视觉组件供应商，强在成像硬件与特殊检测。
Basler	工业相机和视觉组件厂商，强在开放相机、镜头和嵌入式视觉生态。
Zebra Technologies	通过 Matrox、固定工业扫描和机器视觉进入工厂读码/视觉，物流自动化协同更强。

与 company-rich 的 chain_position 一致，康耐视 的产业链坐标可以写成：

Sony Semiconductor Solutions、onsemi、Qualcomm、Lattice Semiconductor
  -> 康耐视 / In-Sight 3900、In-Sight 3800、DataMan、VisionPro
  -> Tesla、Foxconn、Jabil、Amazon
  -> AI 数据中心、企业自动化、能源转型、工业/医疗/空间应用

关键依赖度：company-rich 没有充分披露单一供应商、单一客户或单一项目占比时，本文不写具体集中度。更可靠的跟踪方式是看订单结构、毛利率、应收账款、存货、递延收入、资本开支、合同负债和管理层对核心产品的定性描述。

竞争格局与市场份额

竞争格局要分层看。第一层是同产品或同项目的直接竞争，例如 KEYENCE、Omron、Teledyne DALSA、Basler。第二层是客户自建或由平台型供应商打包替代。第三层是技术路线改变，例如软件替代硬件、集中式系统替代分布式设备、不同能源/连接/自动化架构替代当前方案。只用一个“全球市场份额”数字，很容易误读 康耐视 的真实竞争位置。

公司	产业链环节	竞争边界	对 康耐视 的含义
Cognex Corp	工业机器视觉、视觉软件和工业读码纯厂商。	强在 PatMax、DataMan、In-Sight 与 ViDi/AI 工具的标准产品化；弱点是对离散制造资本开支周期敏感。	需要逐季比较收入质量、毛利率、客户采用、交付能力和现金流，而不是只看新闻流。
KEYENCE	传感器、测量、显微和视觉一体化直销平台。	应用工程和销售触达极强，能快速把客户问题转成控制器式视觉方案。	需要逐季比较收入质量、毛利率、客户采用、交付能力和现金流，而不是只看新闻流。
Omron	自动化控制平台中的视觉模块。	PLC、伺服、安全、机器人和视觉可统一架构交付，适合整线自动化采购。	需要逐季比较收入质量、毛利率、客户采用、交付能力和现金流，而不是只看新闻流。
Teledyne DALSA	高端成像组件、线扫相机和图像传感器。	更偏底层成像硬件和特殊检测，适合半导体、平板和高速线扫场景。	需要逐季比较收入质量、毛利率、客户采用、交付能力和现金流，而不是只看新闻流。
Basler	开放式工业相机和嵌入式视觉组件。	客户可自行组合相机、镜头、软件和边缘计算，灵活度高但交付责任更分散。	需要逐季比较收入质量、毛利率、客户采用、交付能力和现金流，而不是只看新闻流。
Zebra Technologies	扫描、移动计算、机器视觉和物流自动化平台。	与仓储、零售、物流身份识别生态协同强，机器视觉深度来自 Matrox 并购整合。	需要逐季比较收入质量、毛利率、客户采用、交付能力和现金流，而不是只看新闻流。

市场份额：company-rich 没有给出可核验份额数字，本文不编造具体占比。行业估算层面，康耐视 的份额应按细分市场定义：In-Sight 3900、In-Sight 3800、DataMan、VisionPro 对应的客户预算、项目类型、区域和技术路线不同，不能和泛行业市场规模直接相除。若后续需要量化，应使用公司披露、行业协会、招标/项目数据库或第三方份额报告交叉验证。

竞争态势判断：康耐视 的优势若成立，通常来自产品成熟度、客户认证、渠道/服务网络、工程 know-how、成本曲线或数据/软件生态。劣势则来自客户集中、资本开支重、技术替代、对上游依赖高或同业价格竞争。当前最稳健的判断是：公司处在 AI 需求外溢的真实产业环节，但能获得多少经济利润，需要用财务桥和产品采用验证。

份额提升路径：

• 用成熟产品守住基盘收入，避免在行业景气波动中丢失客户入口。
• 用 In-Sight 3900、In-Sight 3800、DataMan、VisionPro 承接 AI 或自动化增量预算，把产品从可选项变成客户流程中的必要件。
• 通过服务、软件、耗材、长期合同或项目运维提高生命周期收入，而不是只依赖一次性交付。
• 在成本端通过规模采购、标准化交付、良率/可用率提升和资本纪律保护毛利率。

护城河

1. 技术护城河：康耐视 的技术护城河来自 In-Sight 3900、In-Sight 3800、DataMan、VisionPro 背后的工程能力、可靠性验证和客户现场经验。证据是 company-rich 把这些产品列为收入支撑，而不是纯概念储备。若产品只能在演示场景工作，不能在客户真实环境中长期运行，技术护城河就不成立。1

2. 客户认证与切换成本：下游 Tesla、Foxconn、Jabil、Amazon 一旦把公司产品纳入项目、系统或运营流程，替换成本通常不只是一台设备或一个软件模块价格，还包括培训、接口、停机风险、合规测试和供应链重配。但这种绑定不是永久的；若交付延迟、性能不稳定或总拥有成本高于同业，客户会引入二供或重新招标。

3. 规模与供应链：财务质量字段显示 FY2025 FY 毛利率 66.9%，毛利 US$665.4M；FY2025 FY 营业利润率 16.3%，营业利润 US$162.6M；FY2025 FY 净利率 11.5%，净利润 US$114.4M；FY2025 FY FCF US$236.8M；核心利润率：毛利率 GM 66.9%，营业利润率 OPM 16.4%，净利率 NM 11.5%。规模的意义不是“收入越大越好”，而是能否带来采购议价、交付标准化、渠道覆盖和研发摊薄。若规模扩张伴随毛利率下降和 FCF 恶化，说明规模没有形成护城河，反而可能是低质量扩张。

4. 数据、软件或服务闭环：在 Physical AI 和实体世界自动化 中，硬件或资产往往只是入口，长期价值来自数据反馈、软件升级、运维服务、耗材复购、模型/算法改进或客户成功。康耐视 若能把一次性销售变成生命周期收入，估值质量会更接近平台型业务；若不能，仍应按项目或制造周期评估。

5. 成本护城河：成本优势来自标准化设计、供应保障、产能利用、资本成本、服务效率和故障率控制。AI 需求上行时，客户通常愿意为可靠交付付费；需求转弱时，成本曲线更低的厂商会保住份额。观察毛利率和营业利润率，比观察口号更有效。

6. 生态位置：company-rich 的产业链字段显示，公司连接上游 Sony Semiconductor Solutions、onsemi、Qualcomm、Lattice Semiconductor 与下游 Tesla、Foxconn、Jabil、Amazon。这种生态位置带来早期需求信息和联合开发机会，但也意味着公司必须协调多方接口。生态越复杂，越需要组织执行力；组织执行力不足时，复杂生态会变成成本和责任边界问题。

7. 资本纪律：对基础设施、能源、工业硬件和项目型公司，护城河还取决于资本开支纪律；对软件和数据公司，则取决于销售效率和研发投入回报。康耐视 后续若出现收入上行但 FCF 不上行，需要拆解是暂时扩张期，还是商业模式本身需要持续烧钱。

误读纠偏 / 风险与证伪

误读纠偏

误读一：只要 AI 行业增长，康耐视 就会自动增长。实际：公司受益需要经过客户预算、产品采用、订单、交付、收入确认和利润转化五道关口。任何一关出问题，AI capex 都不会完整传导到公司财务。

误读二：所有收入都可以按 AI 溢价估值。实际：company-rich 未单列 AI 收入，本文只定义 AI proxy。成熟基盘、周期业务、早期产品和真实 AI 增量应分别估值；把全公司套单一 AI 倍数，会高估利润弹性。

误读三：收入增速比利润质量更重要。实际：康耐视 的财务锚点显示 FY2025 FY 毛利率 66.9%，毛利 US$665.4M；FY2025 FY 营业利润率 16.3%，营业利润 US$162.6M；FY2025 FY 净利率 11.5%，净利润 US$114.4M；FY2025 FY FCF US$236.8M；核心利润率：毛利率 GM 66.9%，营业利润率 OPM 16.4%，净利率 NM 11.5%。如果收入增长依赖低毛利项目、激进付款条件、库存堆积或资本开支透支，产业逻辑并没有真正兑现。

误读四：竞品只是名单。实际：KEYENCE、Omron、Teledyne DALSA、Basler 代表不同竞争维度，有的是产品替代，有的是渠道替代，有的是生态打包替代。竞争强弱最终体现在价格、份额、客户续约和毛利率，而不是谁的新闻稿更像 AI。

核心风险

• 机器视觉需求与电子、汽车、物流自动化资本开支周期高度相关，订单波动不能简单解读为 AI 竞争力变化。
• 深度学习视觉的实际价值取决于客户缺陷样本和现场光学条件，公开材料往往低估部署难度。
• 诚实边界：财报、持有人和量化雷达块由数据管线注入，本文件不伪造收入占比、订单或 13F 数字。
• 中国和亚洲本地竞争者可能以低价相机、开源模型和本地服务侵蚀标准视觉项目。

此外，还要持续跟踪四类共性风险：第一，客户预算延后或项目取消；第二，上游材料、能源、芯片、云资源或融资成本上升；第三，同业价格竞争压缩毛利；第四，技术路线变化导致当前产品价值量下降。对于跨国业务，还要考虑监管、出口限制、关税、数据合规、汇率和地缘政治。

证伪信号（thesis breakers）

• In-Sight 3900/AI Read 等边缘 AI 产品无法在高速包装或电子产线上维持客户要求的节拍和误读率。
• 主要电子制造客户在新线体中转向 Keyence、Omron 或自研开放视觉平台，康耐视只保留存量维护。
• 康耐视深度学习项目需要大量现场工程服务，毛利和交付周期表现更像定制系统集成而非标准产品。
• 工业读码场景被更低价的相机加开源模型方案替代，DataMan 的高可靠读码溢价明显收缩。
• 上游图像传感器或边缘 SoC 平台换代导致核心产品长期缺货或被迫重新认证。
• 公开渠道反馈显示康耐视在中国和东南亚产线项目中的本地服务响应显著落后于 Keyence/Omron。

跟踪指标

• 观察 In-Sight 3900 是否把 AI OCR 从低速验证推向高速包装、汽车零部件和电子产线在线部署。
• 观察 DataMan 读码器在物流自动化和 DPM 追溯中是否继续保持高读取率溢价。
• 观察 ViDi/深度学习工具是否减少现场定制工作量，变成可复制的标准模板。
• 观察系统集成商和 PLC 生态对 Cognex 工业协议、软件工具和远程诊断的采用反馈。

频率	指标	正面含义	负面含义
季度	收入与订单/项目节奏	需求真实转化为交付	订单弱于收入，backlog 被消耗
季度	毛利率与营业利润率	mix 改善、成本可控	价格竞争、爬坡失败或低质量项目
季度	CFO / FCF	利润能变成现金	应收、库存、capex 或客户付款拖累
半年	核心产品采用	In-Sight 3900、In-Sight 3800、DataMan、VisionPro 获得更多客户或场景	产品停留在发布、试点或小规模验证
年度	资本开支与研发回报	投入带来规模化收入	投入增加但收入和利润不跟随

来源 footnotes

• [1] Cognex 官网与产品资料（company-rich sources）
• [2] Cognex SEC Form 10-K/AnnualReports 公开资料（company-rich sources）
• [3] Cognex In-Sight 3900/AI Vision 公开发布资料（company-rich sources）
• [4] MarketsandMarkets 机器视觉主要厂商资料（company-rich sources）
• [5] Cognex Machine Vision Hardware Components 公开资料（company-rich sources）
• [6] SEC Form 4 via holdings.db — https://www.sec.gov/edgar/search/（official），as of 2026-06-24
• [7] SEC 13F holdings via holdings.db — https://www.sec.gov/edgar/search/（official），as of 2026-06-24
• [8] SEC XBRL companyfacts via holdings.db — https://data.sec.gov/（official），as of 2026-06-24