随着人工智能加速连接数字世界与实体经济，产业智能化正由信息处理进一步延伸至对真实物理状态的持续感知与理解。多光谱AI以紫外、可见光、近红外、热红外等多波段光热感知为基础，通过信号配准、波段融合与AI模型解析，将温度、辐射、放电、过热、燃烧及表面或结构异常等物理状态转化为可量化数字特征，为状态评估、风险预警与决策支持提供基础。当前，多光谱AI已在数据中心、电力系统、新能源、公共安全与城市治理等泛安全场景形成明确应用，并逐步向工业制造、农业、食品、医疗及消费电子等领域拓展，中国多光谱AI行业正从商业化验证迈向规模化放量阶段。
近日，弗若斯特沙利文（Frost & Sullivan，以下简称“沙利文”）正式发布《2026年多光谱AI行业发展白皮书》（以下简称“《白皮书》”）。《白皮书》围绕多光谱AI行业定义、技术原理、应用场景与客户价值、产业链结构、商业模式、市场规模、竞争格局、产业发展趋势及行业价值模型展开分析，系统呈现多光谱AI行业当前发展状况及未来演进方向。
扫码获取报告
《白皮书》从多光谱AI的定义与定位出发，厘清其与物理AI、感知智能及其他感知技术之间的关系，并结合数据中心、电力系统、新能源、公共安全与城市治理等典型场景，分析多光谱AI的应用价值。在此基础上，《白皮书》进一步梳理行业产业链及商业模式，测算全球及中国多光谱AI行业市场规模，分析中国市场的厂商表现及行业竞争情况，并围绕多模态融合感知、端云协同、产品小型化、低成本化及潜在应用空间展望行业未来发展。
下文为白皮书部分节选，详细内容可扫描二维码获取：
01
多光谱AI行业定义与范畴
01
多光谱AI的定义与定位
多光谱AI是以紫外、可见光、近红外、热红外等多波段光热感知为基础，通过信号配准、波段融合与AI模型解析，将温度、辐射、放电、过热、燃烧及表面或结构异常等物理状态转化为可量化数字特征，支撑状态评估、风险预警与决策支持的技术能力。
在人工智能技术体系中，多光谱AI是物理AI感知层中光学感知路径的核心实现之一，并非物理AI感知层的全部。热、声、电、力等感知方式可用于补全光学感知盲区或协同理解物理信号。多光谱AI的输出主要包括预警、诊断、评估、处置建议及联动信号，实际响应与处置仍由业务系统、人员或受控执行单元完成。
资料来源：文献检索，沙利文分析
02
多光谱AI的业务模式与客户价值
多光谱AI以多通道光谱感知为入口，通过端侧、云侧或端云协同的AI计算完成标定、配准、跨波段融合与识别分析，并面向数据中心、电力、新能源、城市应急及边防、海洋等场景，接入业务系统、人员或受控执行单元，形成可运营服务。
其客户价值主要体现在获取更多不可见物理信息、提前发现故障征兆、通过多通道数据相互验证降低误判与漏判、缩短研判时间，以及通过早期预警和预测性维护减少非计划停机与紧急维修。随着多光谱感知与AI解析能力进一步嵌入基础设施、设备和运行环境，行业有望向低打扰、持续在线的环境智能形态演进。
02
多光谱AI应用场景与价值
01
泛安全场景率先形成规模化应用
泛安全领域是多光谱AI较早实现规模化落地的核心方向。数据中心应用主要包括关键电力设备健康监测、机房空间感知与移动巡检，以及资产动态感知与位置核查；电力系统应用覆盖输电侧、变电侧及配电侧，可用于设备状态监测、通道隐患识别和站内安全预警；新能源应用覆盖电池制造、充电桩、光伏、风电及储能电站；公共安全与城市治理应用则包括森林防火、城市安全、文物古建防火及边防、海洋态势感知等。
02
产业链全景分析
多光谱AI已形成从上游感知器件、中游系统集成与智能赋能到下游行业应用的较为完整产业链。
上游是产业创新的源头，主要包括图像传感器、光学元件、成像模块、AI计算芯片、精密机械与结构件及其他电子元器件。中游是产业链的核心和价值凝聚环节，企业将上游器件与模组进行整合，并注入自研算法与软件，形成面向具体场景的智能产品及交付能力。下游是产业链的价值实现端，覆盖数据中心与算力中心、电力与能源、工业与公共安全、农业与资源、消费与医疗等应用领域。
资料来源：沙利文分析
03
多光谱AI市场规模
01
全球及中国多光谱AI行业市场规模
全球多光谱AI行业市场规模由2020年的人民币348亿元增长至2024年的人民币585亿元，复合年增长率为13.9%，预计将由2025年的人民币850亿元进一步增长至2030年的人民币3,054亿元，复合年增长率为29.1%。
中国多光谱AI行业市场规模由2020年的人民币63亿元增长至2024年的人民币135亿元，复合年增长率为21.0%，预计将由2025年的人民币200亿元增长至2030年的人民币794亿元，复合年增长率为31.8%，增速高于全球市场。
中国市场的增长主要受到技术全栈化、传感器与算力小型化、高密度场景需求持续释放以及定制化需求提升等因素推动。电网、数据中心、新能源及城市安全等场景对温度、放电、设备老化等早期信号识别的需求持续升级，行业服务模式逐步向软硬件一体化方向演进。
资料来源：沙利文分析
02
中国多光谱AI行业细分市场
按产品与服务类型划分，中国多光谱AI行业包括多光谱AI感知终端、多光谱AI模组及多光谱AI大模型服务。2025年至2030年，上述三个细分市场的复合增长率预计分别为31.5%、29.7%及41.1%，其中大模型服务预计成为增长较快的细分方向。
备注：多光谱AI细分分项合计因四舍五入与总计存在轻微尾差。
来源：公开信息整理，专家访谈，沙利文分析
04
多光谱AI竞争格局
01
中国多光谱AI行业厂商市场表现
从竞争构成看，中国多光谱AI市场已形成国内外厂商同台竞争的多元化格局。Teledyne、奥林巴斯、霍尼韦尔等海外厂商仍在模组及感知终端等环节占据重要席位；与此同时，思特威、韬睿、海清智元、求是光谱、商汤科技、智谱华章、高德红外及大立科技等国内厂商已广泛进入模组、大模型服务、感知终端及综合市场。随着国产化光学与标准化模组持续发展，国产红外透镜、滤光片及AI芯片的应用不断深化，中国多光谱AI产业的自主供给及本地化交付能力逐步增强，行业竞争重点亦由单一硬件产品向“模组—终端—模型—场景”的多环节协同能力演进。
在此格局下，海清智元展现出较为突出的多环节业务覆盖能力。按2025年中国多光谱AI相关业务收入计，海清智元相关收入为人民币6.570亿元，排名第一。同时，海清智元进入多光谱AI模组、大模型服务及感知终端三类重点玩家名单，并分别以多光谱AI模组和电力智慧巡检方案作为行业商业模式的代表性案例，体现了其由底层感知模组向智能终端、模型服务及行业场景交付延伸的综合能力。
来源：海清智元招股书，专家访谈，沙利文分析
注：多光谱AI公司界定范围为多光谱相关收入占比50%或以上。多光谱AI市场排名中的收入为多光谱AI相关业务收入，不等同于公司总收入。
05
多光谱AI产业发展趋势
01
多模态融合感知与端云协同
多光谱AI正从单一传感向多维互证演进。在红外、紫外、可见光等多波段感知基础上，部分解决方案还可与雷达、声学等其他感知模态协同，通过多维信息互证提升复杂场景下的研判能力。与此同时，计算架构逐步向端云协同演进，由端侧承担低时延推理与实时响应，云端结合行业知识库进行根因分析、态势研判及处置建议支持。
资料来源：沙利文分析
02
产品小型化
通过SoC异构计算、超表面与计算光学、晶圆级封装、模型轻量化及端侧实时推理，多光谱AI正由实验室台式设备向便携式形态乃至毫米级嵌入式感知单元演进，并逐步嵌入手机、智能手表、无人机及机器人等移动终端。
资料来源：沙利文分析
03
低成本化
多光谱AI的成本优化来自硬件成本结构改善及软件部署效率提升。量子点CMOS、非制冷红外与计算光谱成像等技术有助于降低感知部件成本；自动化标定、迁移学习、模型轻量化及端云协同迭代则有助于降低部署、适配及持续运维成本，推动多光谱AI由标杆项目向规模化应用拓展。
资料来源：沙利文分析
07
多光谱AI市场展望
01
多光谱AI行业价值模型
多光谱AI行业价值可通过“V=P×S×n”模型进行解释。其中，P代表光谱覆盖宽度，反映可覆盖和利用的光谱范围；S代表有效样本点数，反映可用于识别和分析的有效采样规模；n代表全网在线连接数，反映实际接入系统并保持在线的感知节点规模。
随着光谱覆盖范围扩大，多光谱AI能够获取更多肉眼不可见的物理特征信息；随着有效样本点增加，行业对目标对象和场景的观测精度及AI分析基础进一步增强；随着在线节点及连接形态增加，多光谱感知能力将持续覆盖更多真实物理节点。由此，行业价值将沿着“光谱越宽、识别越深；样本越多、数据越细；连接越广、渗透越全”的方向持续释放。
资料来源：沙利文分析
