由於智慧製造與人工智慧(AI)風潮興起，全球機器人大廠便開始在其機器視覺系統裡導入機器學習功能，欲打造工業機器人產品新的技術壁壘。包括日本發那科、安川電機、DAIHEN與三菱電機等多家工業機器人大廠，均展示了AI深度學習於工業機器人機器視覺的應用，包括表面檢測、工件位置、力回饋自我調整等功能。
拓墣產業研究院分析師柏德葳指出，3D機器視覺技術整合AI正成為主流趨勢，讓工業機器人具備人腦思維，以及可執行更高精度、更複雜的工作。例如，取代過去長期由人工負責的品管檢驗，也可以進行肉眼無法檢測的細節檢驗。各大廠陸續在台北自動化大展、東京機器人展與漢諾威工業展等上展示智慧視覺方案，包含3D視覺取放系統與AI球鞋檢測系統。其中3D視覺拾取系統內建深度學習的AI功能，可以學習備品或產品的外形，並自動辨識以及撿取；例如可以學習不同顏色的羊毛或織布，再由系統進行判別後及自動撿取分類。在應用領域方面，在製造業領域部分比較看好的則是汽車工業、電子組裝業、金屬加工業、製鞋業等。
使用者廠商對於3D機器視覺的主要需求是在於定位、辨識、驗證、測量和缺陷檢測。至今為止，3D視覺系統技術的發展已趨於成熟，且能夠讓工業機器人有效地識別和抓取料框中不同形狀的工件，由此可見其應用前景廣泛。包括發那科、安川電機、三菱電機等在東京機器人展均有展示「3D視覺引導工業機器人抓取、放置零組件」之類的解決方案，而其3D視覺系統已能區分形狀和色彩都類似，並隨機堆放的零組件。
至於協助檢測方面，柏德葳說明，若被檢測的對象是平面的圖案或者攤在平面上的物品，2D機器視覺就能夠滿足檢測的需求；若被檢測的對象是立體物品或者在箱子裡堆疊一團的加工金屬工件等，使用3D機器視覺便能夠提高辨識準確率，加速辨識速度。
然而，由於構成機器視覺系統所涉及的技術相對較複雜，在高階領域的系統設計和實現的難度也持續提高，尤其是為了要因應產線生產商品的不同(即為多樣少量生產模式)，導致具備機器視覺系統的工作站也必須時常對應調整，系統重組調校的變更次數相對地較高。
