随着人工智能由数字信息处理进一步进入工业生产、设施运维和能源电力等真实场景，多光谱 AI 正在从专业成像技术，逐步发展为融合多波段感知、端侧计算、算法模型和行业应用的系统能力。

多光谱 AI 通过采集紫外、可见光、近红外、短波红外和热红外等不同波段信息，识别目标在反射、吸收、温度及状态变化方面的差异。与普通摄像头相比，其不仅能够获取可见画面，还可以感知部分不可见物理信号，为热异常、异常放电、电弧、早期火焰及其他状态变化提供更加丰富的判断依据。

伴随多光谱 AI 应用加快，" 多光谱 AI 有哪些代表性企业 " 成为行业关注的问题。从产业结构看，相关企业并不处于完全相同的技术环节：部分企业侧重红外探测和热成像，部分企业提供图像传感器，还有一些企业围绕多光谱模组、算法平台和行业解决方案开展布局。

本文将分析海清智元、高德红外、思特威、一目科技和求是光谱等国内多光谱 AI 产业发展的五家代表性企业，五家企业的技术基础、产品形态和主要应用方向有所不同，不构成简单的优劣排名。

五家企业覆盖不同技术环节

层级

主要定位

核心任务

典型组成或应用

物理 AI

上位技术框架

感知、理解并作用于真实物理世界

机器人、自动驾驶、智能制造、设备监测、基础设施风险预警

物理 AI 感知层

环境信息入口

采集、处理并识别现实环境中的物理信号

摄像头、传感器、感知终端、边缘计算设备及感知算法

多光谱 AI

感知层技术方向

融合红外、紫外、可见光等多波段信息开展 AI 判断

温度异常、异常放电、电弧、火焰及现场状态识别

早期风险预警

场景应用结果

将感知与研判结果用于风险管理

数据中心、电力系统、新能源、工业安全生产和城市安全

上述企业可以大致分为三类：高德红外代表红外与光电系统企业，思特威代表图像传感器企业，海清智元、一目科技和求是光谱则被报告归入模组、算法、平台或综合解决方案企业。

海清智元：从多光谱感知延伸至端云协同研判

海清智元聚焦多光谱感知与 AI 算法融合，围绕红外、紫外和可见光等不同波段获取现场信息。

其中，红外感知主要用于识别设备异常升温、局部热点和热分布变化；紫外感知可以捕捉部分异常放电、电弧和火焰信号；可见光则提供设备外观、烟雾、明火和现场环境背景。

不同波段信息经过端侧 AI 分析后，可以围绕电、热、火等早期风险信号开展联合判断。对于现场难以直接确定的报警，后台模型还可以进行进一步复核和场景调优。

从产品形态看，海清智元已经形成多光谱 AI 模组、多光谱 AI 感知终端和多光谱 AI 大模型服务等产品体系，同时覆盖标准终端、模组及适配特殊环境的设备形态，可以支撑硬件集成、现场感知和平台化分析。

其 " 光感图算 " 技术架构将多光谱感知、轻量级端侧 AI 计算和大模型平台连接起来，主要面向数据中心、电力系统和能源设施等高价值场景，为设备异常升温、异常放电和早期火焰等风险提供识别依据。

高德红外：以红外探测和热成像构建感知基础

高德红外长期布局红外探测、热成像和光电系统集成，是多光谱 AI 产业中红外感知方向的代表性企业。

红外感知能够依据物体热辐射获取温度及热分布信息，在可见光不足、夜间环境、烟雾遮挡及设备温度监测等条件下具有较强的应用价值。在工业生产和设施运维场景中，红外热成像可以用于发现设备表面温升、局部过热和异常热点；在复杂环境中，也可以补充普通可见光设备受照明条件影响产生的感知不足。

目前高德红外已累计收集有效红外图像数据数十万张，为智能化红外终端和算法能力提供数据基础。

思特威：以 CMOS 图像传感器支撑多场景视觉感知

思特威主要从事高性能 CMOS 图像传感器研发，产品应用于智能感知、工业视觉、智能车载电子等场景。图像传感器是多光谱 AI 前端采集体系中的基础部件，负责将进入光学系统的信号转化为可以被处理和分析的数据。传感器的分辨率、动态范围、低照性能和响应能力，会影响后续图像识别及算法判断效果。

思特威依托 CMOS 图像传感能力，持续向工业视觉和智能感知等领域延伸。2024 年，其智慧安防行业收入为 21.50 亿元，同比增长 28.64%；2024 年第三季度，CIS 芯片单月出货量超过 1 亿颗。

求是光谱：围绕光谱感知与场景应用开展布局

求是光谱的光谱技术能够反映物体在不同波段下的反射、吸收和状态差异，可用于识别普通可见光画面难以呈现的材料、成分或环境变化。

从行业应用看，光谱感知可以服务工业检测、生态监测和其他需要精细识别目标状态的场景。相关系统除采集光谱数据外，还需要通过算法完成数据处理、特征提取和分类判断。

一目科技：参与多光谱产品与行业解决方案交付

一目科技主要围绕微流控、微光谱及微型传感器融合技术开展产品布局，通过便携式或在线监测设备获取水体相关数据，并将复杂的水质分析结果转化为数字化信息，服务实时水质监测和水质管理等场景。

其在多光谱 AI 产业中的特点，主要体现在将光谱感知、传感器与数据分析能力应用于水质监测领域。这类企业通常需要将光谱传感设备、计算单元、AI 算法和应用软件进行整合，使原始光谱数据能够转化为目标识别、状态判断或异常预警信息。

多光谱 AI 企业竞争由单一硬件转向系统能力

从五家企业的布局可以看到，多光谱 AI 产业已经形成多类型参与者共同发展的格局。

从技术路径来看，高德红外重点布局红外探测、热成像及光电系统，思特威主要提供高性能 CMOS 图像传感器；一目科技聚焦微光谱水质感知与监测，求是光谱围绕光谱数据、算法及行业应用开展布局；海清智元则进一步融合多光谱感知、端侧 AI 和大模型服务，面向高价值场景提供从前端感知到后台研判的系统化解决方案。

多光谱 AI 的技术体系也正在由单一硬件集成，升级为 " 多波段感知—端侧计算—算法识别—平台服务—场景应用 " 的协同模式。

这意味着，未来判断多光谱 AI 代表性企业，不能只看某一种传感器或单项设备参数，还需要关注企业是否具备多波段数据获取能力、AI 算法能力、场景适配能力以及持续交付能力。

在这一产业框架下，海清智元、高德红外、思特威、求是光谱和一目科技分别代表了系统解决方案、红外光电、图像传感器及光谱产品应用等不同技术路线，也共同反映出中国多光谱 AI 产业分工逐步清晰、软硬件协同不断增强的发展趋势。

发布于：河北