一、报告期内公司所属行业及主营业务情况说明
　　（一）所属行业发展情况
　　1、所属行业
　　根据《国民经济行业分类》（GB/T4754-2017），公司所属行业为“I65软件和信息技术服务业”中的“I6513应用软件开发”。根据中国上市公司协会发布的《中国上市公司协会上市公司行业统计分类指引》，公司所属行业为“信息传输、软件和信息技术服务业－软件和信息技术服务业”，行业代码为“I65”。
　　公司从事计算机视觉技术算法的研发和应用，主要产品有移动智能终端视觉解决方案、车载AI视觉解决方案、智能商拍解决方案，根据公司主要产品功能及服务对象的特点，公司所属行业为计算机视觉行业，属于软件和信息... 查看全部▼

　　一、报告期内公司所属行业及主营业务情况说明
　　（一）所属行业发展情况
　　1、所属行业
　　根据《国民经济行业分类》（GB/T4754-2017），公司所属行业为“I65软件和信息技术服务业”中的“I6513应用软件开发”。根据中国上市公司协会发布的《中国上市公司协会上市公司行业统计分类指引》，公司所属行业为“信息传输、软件和信息技术服务业－软件和信息技术服务业”，行业代码为“I65”。
　　公司从事计算机视觉技术算法的研发和应用，主要产品有移动智能终端视觉解决方案、车载AI视觉解决方案、智能商拍解决方案，根据公司主要产品功能及服务对象的特点，公司所属行业为计算机视觉行业，属于软件和信息技术服务业。
　　根据国家发改委公布的《战略性新兴产业重点产品和服务指导目录2016版》，公司属于“新一代信息技术产业”。
　　2、所属行业的发展阶段、基本特点
　　随着人工智能技术日益成熟，其与各行各业的协同发展日趋加速，“人工智能+”已从理念共识转化为产业实践的核心路径。作为底层支撑技术，视觉人工智能广泛应用于各类人工智能细分领域，以下是与本公司相关的主要领域发展状况：
　　移动智能终端细分领域根据市场研究机构CounterpointResearch数据，2026年第二季度全球智能手机市场整体承压，当期出货量同比下降11%，创2013年以来第二季度的最低水平；但市场整体营收同比增长7%。出货量承压主要源于内存成本大幅上涨，抑制了价格敏感型入门级和中端市场的消费需求，全球存储短缺问题或将持续至2027年，机构预测2026年全球智能手机出货量同比下降14%。机构判断此次市场调整更多属于供应端因素推动，而非消费电子需求长期衰退。随着未来存储供应恢复平衡、AI手机、折叠屏等新产品持续普及，市场仍有望逐步恢复增长。
　　智能手机是个人AI能力落地的核心载体，也是端侧智能体技术规模化渗透的核心阵地。据市场研究机构IDC发布的2026全球AI终端市场跟踪报告数据，2026年全球智能手机出货量预计超过10.88亿台，其中AI手机整体出货量超7.22亿台，渗透率达66.4%，其中GenAI智能手机占比接近40%；端侧AI功能已逐步成为主流机型的标配能力。从市场演进节奏来看，GenAI智能手机是当前AI手机市场扩容的核心基本盘，整体规模仍处于快速提升周期；而智能体AI手机作为GenAI智能手机中具备系统级智能体能力的高阶细分形态，将成为中高端市场增长的核心驱动力。预计到2029年，全球智能手机年出货量将超11.78亿台，GenAI智能手机整体市场渗透率将超过60%，其中搭载完整系统级智能体能力的智能体AI手机机型将成为中高端市场的主流配置。
　　在人工智能与扩展现实（XR）技术融合发展的背景下，以AI眼镜为代表的新型智能可穿戴终端正逐渐兴起，正由小范围试用普及，逐步走向大众消费市场。IDC数据显示，2026年第一季度，全球智能眼镜出货量达356.6万台，同比涨幅130.1%，行业规模化普及速度持续加快。机构认为，智能眼镜在个人AI终端体系中的生态战略地位将持续提升，它将成为与智能手机协同搭配的最重要生态产品之一，与作为个人AI核心承载中枢的智能手机形成能力互补。凭借第一视角感知、解放双手交互的独特优势，智能眼镜有望成为个人AI生态中不可或缺的视觉感知入口与轻量化交互终端。
　　智能汽车细分领域
　　据中国汽车工业协会数据显示，2026年上半年，中国汽车产销分别完成1,499.3万辆和1,501.7万辆，同比下降4%和4.1%。市场继续呈现结构性分化：一是内需承压明显，销量两位数下降，出口超预期增长（汽车整车出口509.6万辆，同比增长65.3%），形成稳定支撑；二是乘用车市场表现欠佳，出现小幅下滑，商用车市场延续向好态势，销量保持增长；三是传统燃油车市场进一步萎缩，新能源汽车稳定增长。世界汽车组织的数据显示，2026年1-5月，全球汽车销量增长2%，其中新兴市场需求的持续释放，成为我国汽车出口重要的增长点。
　　近年来，海外多个主要经济体针对汽车安全推出多项强制性标准，覆盖网络安全、功能安全及特定技术等领域。在国内，前期密集出台的智能汽车主动安全、智能驾驶相关法规标准，在2026年进入正式发布、落地实施、配套细则完善的关键周期。（1）商用车领域，交通运输部公告2025年第21号对《营运客车安全技术条件》（JT/T1094）等4项营运车辆行业标准部分条款进行修订，优化调整ESC、AEBS等安全装置的配备范围，明确新规适用于新申请进入道路运输市场的达标车型，相关条款分批次于2026年1月落地实施。（2）工业和信息化部组织修订的《轻型汽车自动紧急制动系统技术要求及试验方法》（GB39901-2025）强制性国家标准于2025年12月31日正式发布，于2026年1月由工信部发布官方解读文件，该标准将自2028年1月1日正式实施。这是我国在汽车先进驾驶辅助系统领域的首个强制性国家标准，标志着轻型汽车自动紧急制动系统将从“选配”走向“标配”，并具备统一、规范的安全性能基准。（3）《智能网联汽车组合驾驶辅助系统安全要求》（GB47955—2026）强制性国家标准于2026年6月27日正式发布，将于2027年1月1日起正式实施。标准规定了智能网联汽车领航组合驾驶辅助系统、基础单车道组合驾驶辅助系统、基础多车道组合驾驶辅助系统的安全要求与同一型式判定，描述了相应的检验与试验方法，标准适用于安装有领航组合驾驶辅助系统、基础单车道组合驾驶辅助系统、基础多车道组合驾驶辅助系统的M类和N类汽车。（4）《智能网联汽车自动驾驶系统安全要求》（GB44721-2026）强制性国家标准于2026年7月30日正式发布，将于2027年7月1日起正式实施。标准规定了智能网联汽车自动驾驶系统的技术要求、技术保障、同一型式判定，描述了相应的保障要求检验、安全档案检验和确认性试验等方法，标准适用于搭载L3级（有条件自动驾驶）、L4级（高度自动驾驶）系统的M类和N类车辆，不适用于自动泊车系统。
　　3、主要技术门槛
　　视觉人工智能属于高知识密集型领域，有较高的技术门槛，公司主要为移动智能终端、智能汽车等智能设备以及商业拍摄领域提供视觉人工智能解决方案，在前述领域的主要技术门槛包括：
　　（1）端计算和边缘计算技术的积累
　　边缘计算极大程度上解决了物联网背景下集中式运算架构中的带宽和延迟两大瓶颈问题，主要难点在于低资源的嵌入式平台环境的开发能力，基于移动终端的边缘计算具有巨大的应用价值，但是受限于移动终端有限算力，诸多企业望而却步。
　　公司自2003年开始便明确了在嵌入式设备研发相关视觉人工智能技术的发展方向，在边缘计算技术领域积累深厚，多年来建立了全面、复杂的多平台适用的底层嵌入式开发库。公司积累的算法具有高度的紧凑性、稳定性以及易调用性，可以在高性能、有效大幅降低资源消耗的情况下实现高精度运行。
　　公司长期专注于嵌入式设备算法的研究与开发，多年来积累了大量基于端设备的视觉人工智能算法开发经验。目前公司基于端设备的视觉人工智能算法适用性高、运行稳定，可以在边缘侧发起高效的运算，通过诸如智能手机、笔记本电脑、智能可穿戴设备、智能相机等实现高效的图像优化、识别与检测等功能。公司的移动智能终端视觉解决方案、车载AI视觉解决方案等业务均是从边缘侧发起运算，在智能手机、笔记本电脑、智能可穿戴设备、智能相机等移动智能终端，以及智能汽车与各类AIoT设备上实现各类视觉人工智能的功能。
　　（2）视觉人工智能技术的层次积累
　　在数码相机以及手机功能机时代，公司就开始专注于视觉人工智能技术的研发与应用，公司主要算法技术都经过了长时间的锤炼，从基本的黑白小分辨率图像的摄取、增强、编辑、检测识别到高清大图像、视频的实时处理均打下了坚实的基础，创造了有利和领先的条件。
　　公司掌握的视觉人工智能算法技术具有通用性和延展性。多年来，公司积极致力于将视觉人工智能算法与行业应用相结合，凭借先进的科研力量、强大的产品开发能力以及卓越的工程实施能力，公司快速将视觉人工智能算法技术落地为成熟的解决方案，并进一步将应用领域从智能手机扩展到智能汽车、智能可穿戴设备、智能家居、智能零售等多个行业，助推行业升级。此外，公司基于自身深厚的技术积累，能够为上述行业快速提供高性能、高效率、硬件平台适应性强、功耗控制优良的解决方案，大大降低各类客户的产品使用先进技术的门槛，帮客户提升产品竞争力，助力视觉人工智能和人工智能相关应用的普及。
　　（3）工程落地能力
　　虹软创立至今，除不断积累和发展自身技术、掌握持续开发、迭代与硬件更加匹配的算法的能力，还一直致力于与核心产业链内主流公司开展长期、广泛的合作。公司与高通、联发科等各主流芯片公司建立了长期稳定的合作关系，在研发中持续合作交流，深入了解平台硬件特性并为其针对性优化，共同开发核心功能，不断提高视觉人工智能技术算法产品与移动芯片的适配性。公司还与索尼传感器、三星半导体、格科微、OmniVision、舜宇光学、思特威、锐视智芯等业内核心器件合作伙伴建立了业务交流或合作关系，在项目早期就针对特定相机或硬件做算法适配和调优。针对智能终端的芯片平台，公司具备针对CPU、GPU、DSP和NPU等各个算力单元的强大优化能力。结合各硬件算力单元的能力和算法模块的算力需求，公司具备的异构计算优化能力能够从系统层面更有效地优化性能、降低功耗。得益于此，除核心技术能力突出外，公司同时具备优势明显的工程落地能力，在客户提出技术需求后，能更好地联合和发挥在相机模组、软硬件平台、产线、算法等多方资源合作优势，进而提供效果好、能耗低、效率高、硬件平台适应性广并能够快速落地的解决方案。
　　（二）主要业务、主要产品及其用途
　　公司专注于计算机视觉领域，为行业提供算法授权及系统解决方案，是全球领先的视觉人工智能企业，始终致力于视觉人工智能技术的研发和应用，坚持以技术创新为核心驱动力，在全球范围内为智能设备提供一站式视觉人工智能解决方案。
　　公司拥有丰富的针对智能手机、AI眼镜等移动智能终端以及智能汽车的视觉算法产品线，主营业务收入来源于自主研发核心技术的授权许可使用。目前主要客户包括三星、小米、OPPO、vivo、荣耀、Moto等全球知名手机厂商以及国内主要的自主品牌、部分合资及外资品牌汽车主机厂商。
　　1、移动智能终端领域
　　公司TurboFusion围绕高分辨率影像场景持续进行技术优化，通过针对不同硬件架构进行深度适配与整体影像流程优化，实现画质表现与运行效率的平衡，并在色彩表现、复杂光线处理及高动态范围场景中显著提升视觉效果。同时，系统支持Flash、CCD、Touch等多种闪光灯模式，增强终端产品设计的灵活性与稳定性。在AI能力方面，公司的端侧大模型已经在智能手机的多个头部客户落地应用，通过优化模型运行策略，在保障隐私安全的同时提升实时处理效率，并持续优化算法资源管理以降低内存占用、提升系统稳定性。
　　2025年开始，公司进一步拓展AI眼镜、具身智能机器人、智能相机等领域，通过强化影像与视觉算法、多模态感知融合以及产业链协同合作，推动技术在终端产品中的规模化应用；同时通过多帧融合、运动补偿与图像重建等核心算法优化，使影像方案能够适配多种硬件平台，在复杂环境下保持稳定、清晰且自然的成像效果，持续提升整体影像体验与技术商业化能力。
　　2、智能汽车领域
　　公司在智能汽车领域围绕车辆行驶与停车两大核心应用场景，形成了由舱内安全产品包、停车安全产品包及智能辅助驾驶产品包构成的产品体系。其中，舱内安全产品（ICSPack）主要面向智能座舱安全，通过驾驶员监控系统（DMS）和乘员监测系统（OMS），结合视觉感知与人工智能算法，实现驾驶员疲劳检测、分心检测、健康监测、身份识别，以及安全带检测、儿童安全座椅识别、危险坐姿识别等乘员安全状态监测功能；停车安全产品（PSPack）主要面向停车场景安全与辅助需求，基于360°环视视觉系统提供2D/3DAVM全景影像、透明底盘、车辆哨兵监测等功能，并结合视觉感知、超声波融合感知及路径规划控制算法，为用户提供自动泊车及停车全场景智能辅助能力；智能辅助驾驶产品（ADAS）则围绕车辆行驶过程中的环境感知与安全辅助需求，基于视觉感知技术为整车提供前向环境理解及相关智能辅助驾驶能力。通过上述产品体系，公司持续推动视觉人工智能技术在智能座舱与智能辅助驾驶领域的应用落地。
　　3、智能商拍领域
　　在智能商拍领域，公司基于不断优化的ArcMuse计算技术引擎，构建了从静态图片到动态视频多模态生成的商业视觉底座，并持续深化PhotoStudio AI智能商拍云工作室（PSAI）的商业应用和面向时尚品牌客户的一站式AI服务能力。2026年上半年，公司围绕时尚品牌客户的大规模视觉内容生产需求，进一步明确以一站式AI交付服务为核心、AI工具能力为辅助的业务发展路径，持续强化“AI制片+AI生成+AI修复”的全流程服务体系。
　　在产品与服务体系方面，公司持续完善PSAI标准版、企业版及一站式AI交付服务的组合能力。其中，PSAI标准版和企业版主要面向中小及腰部电商商家在商品上新、内容营销、渠道适配等场景中的效率提升需求；一站式AI交付服务则主要面向头部服饰时尚品牌，提供覆盖模拍图、静物图、主图视频、创意视频等时尚视觉内容的AI综合服务能力。PSAI已实现AIGC商拍全核心链路覆盖，产品丰富度与服务竞争力持续领跑行业。
　　在行业覆盖与场景拓展方面，PSAI持续深耕鞋服核心品类，并稳步向箱包、帽子、眼镜等多时尚类目延伸。目前，PSAI已支持AI试穿、AI模特、AI场景等核心商拍功能，并持续完善AI搭配上身、AI服饰换色、AI种草图、AI主图视频、AI创意视频等多模态内容生产能力。同时，结合AI去水印、AI超清、AI多语义分割、AI魔法擦除、AI光影融合、AI局部修复等完善的后期处理工具包，PSAI为不同客群提供了更具针对性的行业级AI解决方案，精准、高效地满足商家差异化的视觉展示需求。
　　（三）主要经营模式
　　1、盈利模式：公司主要盈利模式是将计算机视觉算法技术与客户特定设备深度整合，通过合约的方式授权给客户，允许客户将相关算法软件或软件包装载在约定型号的智能设备上使用，以此收取技术和软件使用授权费用。同时，公司也向客户销售软硬一体视觉解决方案。
　　2、研发模式：公司主要采取自主研发的模式。研发过程大致分为以下9个步骤：①获取需求信息；②管理层决策研发方向；③搭建研发项目组；④验证研发项目算法，进行项目测试；⑤集体讨论决策项目算法；⑥进行底层算法与实际环境的结合优化；⑦进行实际产品结合测试；⑧产品成熟后路演，选择合适的客户进行测试合作；⑨测试合格后大规模推广。
　　3、销售模式：公司采用直销的方式，主要面向智能手机、智能可穿戴设备、智能相机等移动智能终端，以及智能汽车、智能家居、智能零售与各类搭载摄像头的AIoT设备制造商，销售计算机视觉算法软件及相关解决方案。
　　4、收费模式：按照业务合同的不同类型划分，公司的计算机视觉算法软件主要收费模式可划分为固定费用模式和计件模式两种模式。①固定费用模式：按合同约定的软件授权期限，收取固定金额的软件授权费用。特定客户在软件授权期限内，针对某款、某系列的特定设备内，可以合法地把含有虹软科技算法技术的特定软件无限量装载在合约限定的智能设备上。②计件模式：在合同约定的软件授权期内，按照客户生产的装载有虹软科技算法技术智能设备的数量进行收费。通常情况下，公司会与客户就不同生产数量区间，约定阶梯价格，保障双方利益。针对软硬一体解决方案，公司目前采用计件模式。
　　5、采购模式：公司的主要采购内容包括研发、测试和运营所需的各类硬件设备、软件、服务，以及产品解决方案所需的物料等。根据需求部门的请购申请，采购部门按照《采购管理制度》的要求，执行供应商选择、采购合同签订、合同执行跟踪、采购付款申请等流程。针对软硬一体解决方案，由公司进行硬件的设计并购买相应部分核心部件后，委托第三方进行组装生产。
　　（四）市场地位
　　当前视觉人工智能市场已初步形成“头部集聚+垂直深耕”的竞争格局，技术迭代加速、行业渗透深化以及政策引导等因素仍在持续推动市场动态变化。核心技术积累、产品化能力、产业生态链合作均构成各垂直行业的核心壁垒。公司是计算机视觉行业领先的算法服务提供商及解决方案供应商，是全球领先的计算机视觉人工智能企业。
　　公司坚持深耕计算机视觉算法技术，深化各行业布局的发展战略，逐步将计算机视觉算法技术的应用扩展至更多的智能终端设备领域。除本公司外，行业中国内企业主要有商汤、旷视、地平线，国外企业主要有SeeingMachines、Mobileye、Cipia、Smarteye。
　　1、移动智能终端领域
　　在移动智能终端领域，公司持续专注于视觉人工智能领域，为客户提供完整的视觉AI技术与解决方案，是全球智能手机视觉算法领域的重要供应商之一。公司在智能手机影像算法方面积累了深厚的技术优势，多项视觉技术达到行业领先水平，部分创新技术在行业中率先实现应用落地。公司长期服务于三星、小米、OPPO、vivo、荣耀以及Moto等全球主流手机厂商，并与高通、联发科等移动芯片平台企业保持紧密协作，通过针对不同芯片架构持续开展算法适配与性能优化，提升影像算法在各类硬件平台上的运行效率。同时，公司也与多家半导体及图像传感器厂商开展技术交流与合作，逐步形成覆盖底层硬件到终端应用的协同生态体系。
　　在技术发展方向上，公司围绕空间计算相关能力进行系统布局，从标定技术、环境感知、人机交互以及视觉呈现等多个层面构建完整的技术框架，形成较为成熟的空间计算解决方案体系，为客户提供覆盖产品研发全流程的一体化技术支持。与此同时，公司持续加强与行业头部企业之间的技术交流与合作，不断拓展产业协同范围，进一步完善技术生态。
　　以AI眼镜为代表的新一代智能终端正在推动人机交互模式的演进。公司积极推进AI眼镜相关影像算法的研发与应用，与多家AI眼镜品牌厂商建立合作，根据不同产品定位和应用场景提供定制化算法方案，支持客户实现产品快速落地。目前，公司已协助多家AI眼镜厂商推出其首代产品。在智能相机领域，公司也持续结合客户需求推进影像算法优化与方案升级，通过不断完善技术能力，为客户提供更加成熟稳定的视觉解决方案。
　　2、智能汽车领域
　　随着全球汽车智能化进程加快以及相关安全法规逐步落地，驾驶员监控系统（DMS）和乘员监测系统（OMS）等舱内安全感知技术加速普及，市场需求持续增长。在行业整体渗透率不断提升的背景下，公司依托长期积累的计算机视觉与人工智能技术优势，持续推动相关产品的技术升级与市场拓展。公司在客户拓展、产品法规适配能力及海外市场拓展方面继续取得进展，相关技术方案在多家国内外整车厂及Tier1供应商的项目中进入量产或验证阶段，业务规模及行业影响力稳步提升。同时，公司积极推进产品在欧洲等重点海外市场的法规认证与项目落地，进一步增强了公司在全球车载AI视觉感知领域的市场竞争力。总体来看，公司在智能座舱视觉安全及舱内外视觉感知等细分领域的技术积累与产品化能力持续强化，市场覆盖范围和客户基础进一步扩大。
　　3、智能商拍领域
　　当前，人工智能技术正经历以大模型为核心的范式变革，在政策引领、产业升级与技术跃迁的三重驱动下，大模型技术正与垂直行业场景深度融合，重构各产业的生产方式与服务模式。依托深厚的视觉AI技术积累，公司以自研ArcMuse计算技术引擎为核心，不断推动视觉大模型的技术进步与行业落地。
　　公司通过PSAI“应用+一站式AI交付服务”，为客户提供全链路AIGC视觉内容生成解决方案，是行业领先的AI时尚视觉服务商之一。PSAI在中国大陆AI时尚视觉赛道稳居第一梯队，已形成面向中小、腰部电商商家的轻量化工具服务能力，以及面向头部时尚品牌客户的专业化、规模化AI交付服务能力。截至报告期末，已累计服务中小商家30余万家，覆盖品牌客户1000余家，在包括时尚女装、商务男装、休闲童装、运动户外等多个时尚细分领域推出垂类解决方案，凭借对不同垂类客户视觉内容需求的深入理解以及稳定的高标准交付能力，公司在AI时尚视觉领域逐步建立起良好的市场口碑。
　　二、经营情况的讨论与分析
　　公司专注于计算机视觉领域，为行业提供算法授权及系统解决方案，是全球领先的视觉人工智能企业，始终致力于视觉人工智能技术的研发和应用，坚持以技术创新为核心驱动力，在全球范围内为智能设备提供一站式视觉人工智能解决方案。
　　2026年上半年，公司继续以技术赋能行业为使命，围绕“强化核心能力、加速规模复制、培育业务新增长点”的目标，在巩固既有市场、技术与客户优势的基础上，推进各项业务纵深发展。同时，为支持公司整体战略落地，公司围绕两大核心业务以及新兴赛道加大了人力投入。报告期内，公司实现营业收入43,984.24万元，同比增长7.19%。其中，公司移动智能终端视觉解决方案实现营业收入35,894.26万元，同比增长5.78%；车载AI视觉解决方案实现营业收入7,222.20万元，同比增长11.71%。报告期内，公司实现归属于上市公司股东的净利润7,713.84万元，同比下降12.87%；实现归属于上市公司股东的扣除非经常性损益的净利润5,621.63万元，同比下降21.93%。
　　公司保持高水平研发投入，报告期内，公司研发投入23,492.35万元，研发投入占营业收入的比重为53.41%，研发投入同比增长18.30%。公司高度重视研发团队建设，组建了一支以博士为带头人、硕士为骨干的核心研发团队，期末研发人员共计659人，占员工总数的62.52%，研发人员中硕士及以上占比达63.73%。
　　围绕年初经营计划，公司重点开展并推进了如下工作：
　　（一）移动智能终端业务
　　在智能手机领域，公司以技术创新与市场占有率双轮驱动为目标，加速TurboFusion技术在各品牌智能终端的商业化渗透，该业务营收贡献保持稳定。产品层面，聚焦人像、长焦、超清画质及视频影调四大关键赛道，通过深度打磨各项功能模块，实现全链路AI影像体验的升级；技术层面，锚定核心画质指标，依托底层算法重构与自动化数据反馈闭环，大幅增强多场景下的成像鲁棒性，旨在为业务的长效发展铸造一个坚实且可持续迭代的底层技术架构。
　　在AI眼镜领域，公司聚焦于画面质感、智能交互及产业生态共建等关键维度，持续提升AI眼镜的影像拍摄能力与AI交互能力，正加快客户拓展与项目落地节奏，目前已有多个项目量产出货，并逐步贡献收入。产品层面，针对影像维度的塑造，公司着重打磨RAW域无损图像处理技术，同时，通过高频迭代防抖机制，精准回应用户日常Vlog记录及社交分享对高品质、低抖动画面的刚性诉求；产业生态层面，公司通过深度绑定头部芯片企业，精细化调优算法以缩短在差异化算力平台上的移植周期并释放极致性能。
　　在内容生产与影像表达需求持续增长的背景之下，运动相机、便携式相机及数码相机等智能相机正向更高画质与更强环境适应能力演进。公司以计算摄影为核心抓手切入智能相机市场，目前已与智能手机及运动相机行业头部客户签署合约，合作内容涵盖基础画质、人像等基础影像核心模块。
　　伴随端侧人工智能技术全面落地、手机智能化持续升级，在AI手机领域，公司已形成较完整的技术和产品布局，核心能力覆盖计算摄影、计算机视觉、深度学习、视觉大模型及端侧模型优化。重点包括视觉理解与画质决策、模型压缩（蒸馏、剪枝、强化、高效量化）、低功耗推理、AI与传统CV融合，以及基于大模型的数据生产和质量评估。
　　受存储价格持续上行以及短缺影响，下游客户对算法的内存占用、模型大小、带宽需求以及运行效率的管控标准持续收紧。公司布局的模型蒸馏、轻量化AI、低内存算法、异构计算、AI与传统CV融合方面的能力将更具价值。与此同时，下游客户针对部分机型倾向通过软件优化降低硬件投入，依靠算法实现画质提升与产品差异化。
　　（二）车载AI业务
　　在驾驶员与乘员安全辅助领域，公司持续夯实技术领先壁垒，迭代完善产品综合竞争力。目前业务已覆盖国内外整车厂、Tier1供应商及新能源汽车品牌等多元合作伙伴，相关产品实现规模化落地。（1）在DMS方面，公司助力国内某头部车企斩获E-NCAP2026新规首个五星认证，配套DMS评分表现显著领先同行；满足L2级辅助驾驶强标和L3高阶自动驾驶强标要求的DMS合规产品已获岚图、现代、奇瑞等多个客户定点项目。公司是国内基于高通智能座舱平台的主流视觉算法供应商，在国产芯片领域，也同步完成了国产平台适配。（2）在OMS方面，公司E-NCAP2026方案进入批量交付阶段，新增定点客户涵盖吉利、小米、长城等主流车企，涉及新车型定点累计超10个。在研发效率提升方面，公司基于大模型的数据生成能力已接入产品开发流水线，实现CornerCase（难例集）自动化覆盖，有效降低高价值样本的采集成本与周期，持续强化迭代效率。
　　在智能停车辅助领域，公司稳步推进该业务的验证与商业化部署。依托在低算力平台的泊车算法积累，智能泊车辅助系统于SouthLake平台完成初始交付，正式迈入商业化应用阶段。在产品迭代方面，公司聚焦复杂场景下的泊车体验优化，通过强化算法的环境适应能力与功能鲁棒性，持续提升系统可靠性与整体方案的市场竞争力。
　　在智能辅助驾驶领域，公司低算力平台解决方案SouthLake包含了可支持基础L2级驾驶辅助功能的前视一体机、行泊域控形态的视觉算法产品，该方案预计2026年下半年开始规模出货。针对后续量产项目在满足行业标准、法规上的新需求，以及后续量产项目在海外市场落地的需求，公司研发上也同步开展了迭代升级。针对中高算力平台解决方案EastLake，公司结合市场需求、法规及行业标准的变化，适时调整研发聚焦方向，打磨具备高速领航能力的高性价比行泊一体方案，并向城市领航拓展，力争2026年度完成关键指标市场验证，依据客户定点节奏推进量产落地。
　　在商用车细分市场，公司AiTrak2产品已配套客户多款整车完成AEBS国内法规认证，部分车型顺利进入量产，另有已获认证车型正在进行整车功能标定与大里程实测，为后续量产导入做好前置准备。预计下半年将有多款商用车相继完成国内外AEB法规认证，并逐步实现量产落地。
　　聚焦海外商用车市场开拓，公司主力产品对标GSRII强制法规要求。为全面满足欧盟GSRII法规要求，公司于2026年7月正式发布商用车第二代视觉域控平台（AiTrak2Pro）。目前，该平台已完成核心功能集成与全功能样车搭建，可同步支持AEB、ISA、BSIS、MOIS、DDAW、ADDW、RVCS及AVM等主流安全与监测功能。
　　（三）前瞻布局方向
　　在智能商拍领域，公司面向时尚品牌客户，持续推进一站式AI交付服务业务落地，强化“AI制片+AI生成+AI修复”的全流程服务体系，不断提升交付效率、服务质量和客户体验，并持续完善标准化作业流程和专业服务能力，增强解决方案的可复制性与规模化交付能力。公司持续聚焦服装、鞋履、箱包等重点时尚行业领域，深化垂类解决方案建设，积极拓展品牌客户合作，满足品牌客户在商品上新、营销推广及视觉内容生产等场景下对高品质、高效率内容生产的需求。
　　在具身智能机器人领域，公司依托计算机视觉与多模态大模型的深厚技术积淀，构建了覆盖“感知—决策—执行”全链条的机器人移动智能技术体系。生态层面，公司聚焦激光雷达、视觉传感器等核心硬件，依托实际项目开展深度适配调试，持续优化传感器输入输出精度与整体适配质量，顺利完成英伟达、英特尔、高通、瑞芯微等主流技术生态的兼容适配，覆盖人形机器人、四足机器狗两大产品形态，搭建起多元稳定、高度适配的产业协作体系。技术层面，公司迭代完善前期已经量产出货的导航技术方案，稳步推进视觉导航和多传感器导航技术新项目研发验证与工程化落地，其中全自主导航方案启动试点调试工作，这将进一步健全“感知—决策—执行”的全链路技术体系，有效提升产品在复杂场景下的自主运行性能与环境适配能力。在业务层面，公司核心视觉算法引擎已量产交付头部机器人客户，持续深化合作并拿下新项目合约。
　　（四）持续提升经营质效
　　公司紧抓全球宏观经济与汇率走势变化，主动优化资金币种结构，新增其他外币资金管理，稳步推进多币种资金管理体系建设。公司延续“阶梯式存款+低风险理财”的结构化配置模式，兼顾资金流动性与收益性，始终维持充裕现金储备，为核心技术研发、抵御经营不确定性风险提供强有力的资金保障。
　　公司持续落地应收账款全流程精细化管控。在车载行业收款周期普遍较长的行业环境下，公司2026年6月末的应收账款账面余额保持平稳。公司不断深化业财融合，优化客户信用评审机制，持续提升财务管理精细化水平；公司同步完善供应商管理评估体系，灵活采用票据背书支付供应商款项，优化公司资金周转节奏，达成业务运营与资金流转的高效适配。
　　公司对《董事、高级管理人员薪酬管理制度》进行修订完善，明确董事、高级管理人员薪酬结构及标准、绩效考核、薪酬发放、止付追索等相关管理事项，引导管理层聚焦主业盈利、长期高质量发展，作为夯实价值创造、提升经营质效的制度保障。
　　三、报告期内核心竞争力分析
　　(一)核心竞争力分析
　　1、人才优势
　　在超过30年的发展历程中，公司磨合出一支以博士为带头人、硕士为骨干的核心研发团队，充分掌握核心技术算法，并进一步落地成为成熟的商业产品。通过长期的潜心学习，公司始终立足于领域内的最前沿，建立和长期保持行业内经验积累和能力上的领先优势。
　　虹软科技及其下属公司经过30多年的摸索，不断改善形成了一套独有的高效管理模式，基本实现自动化、自驱、自愿的高效运行状态，同时采用“导师制”培养模式，有效减少研发的试错次数。高效的研发管理体系提高了公司的自主创新能力和产品研发速度，提升了公司视觉人工智能技术算法水平。目前，公司拥有良好人才储备并在持续完善，为重要项目的推进奠定了基础。
　　2、技术积累优势
　　公司技术积累优势主要体现在端计算和边缘计算技术的积累优势、视觉人工智能技术的层次积累优势、工程落地能力。
　　虹软自成立以来便致力于计算机视觉技术的研发，技术所应用的终端，从个人电脑、数码相机、智能手机，再发展到智能汽车、AI眼镜、XR3D空间计算头显以及其他AIoT领域，一直与影像产业的发展、消费者的需求和影像科技创新紧密相连。经过数十年的技术、专利和人才积累，公司已全面掌握视觉人工智能及人工智能的各项底层算法技术并不断进行技术演进，掌握包括即时定位与建图、图像语义分割、人体识别、物体识别、场景识别、图像增强、三维重建、虚拟人像动画、虚拟数字人等全方位的视觉人工智能技术。公司所掌握的这些底层技术具有通用性和延展性，在此基础之上，公司构建了不同的组件和产品，并衍生出多种产品应用方案满足相应的细分市场需求。
　　公司坚持以创新驱动企业发展，持续高水平研发投入，不断打磨视觉人工智能技术能力。截至报告期末，公司拥有专利323项（其中发明专利295项）、软件著作权162项。
　　3、产业链深度合作优势
　　公司所涉的消费电子产业与汽车产业，高度依赖产业协同。公司拥有紧密、稳定的产业生态关系，与高通、联发科、格科微、索尼传感器、三星半导体、艾迈斯半导体、OmniVision、舜宇光学、英飞凌等平台、传感器、摄像头模组厂等产业链上下游主流公司开展合作。在车载AI业务上，除了既有的合作伙伴之外，公司也持续与更多的芯片、相机模组、Tier1等诸多上下游产业链公司形成了相互信赖的合作伙伴关系。
　　凭借与产业链内主流公司长期、广泛的合作，公司掌握了持续开发、迭代与硬件更加匹配的算法的能力，通过共同研发、持续合作交流，得以在客户提出技术需求后，在最短时间内及时响应，提供低能耗、高效率、硬件平台适应性广的解决方案，保持技术持续处于行业最前沿。
　　4、客户及品牌优势
　　公司是全球领先的视觉人工智能算法供应商，客户群体广泛。在智能手机领域，公司主要客户包括三星、小米、OPPO、vivo、荣耀、Moto等全球知名手机厂商，服务范围涵盖全球90%以上的安卓手机品牌。在智能汽车领域，公司方案不仅可满足GBT、C-NCAP、C-IASI、IVISTA等国内法规及行业标准要求，而且还可满足ADDW、DDAW、ISASTU型式认证、E-NCAP、A-NCAP等各项海外法规及行业标准要求。在这一领域，公司已协助众多OEM客户在相关国家地区完成相关法规认证，顺利实现产品量产落地。在智能商拍领域，公司已累计服务中小商家30余万家，覆盖品牌客户1000余家。在AI眼镜领域，公司已成功助力多家AI眼镜公司首款产品发售。优良的客户质量、良好的市场口碑、国际化的品牌认可度、海量历史销售数据，为公司后续业务发展奠定了良好基础。
　　(二)报告期内发生的导致公司核心竞争力受到严重影响的事件、影响分析及应对措施
　　(三)核心技术与研发进展
　　1、核心技术及其先进性以及报告期内的变化情况
　　1.1核心技术及其先进性
　　目前，公司积累了大量视觉人工智能的底层算法，构建了完整的视觉人工智能技术体系。
　　公司自主研发的TurboFusion技术包已批量搭载于多家主流移动智能终端厂商的终端产品。技术聚焦多摄多倍率、全光照条件下的基础画质优化与光影效果增强，涵盖暗光增强、超分辨率、视频画质增强、光学变焦及虚拟虚化等核心算法。基于先进AI训练框架持续迭代，各项画质指标均处于行业领先水平，可为移动智能终端设备提供高鲁棒、低延迟的底层视觉赋能。公司大部分智能手机视觉解决方案处于国内外先进水平，多数新创技术在行业内属于技术首发，能够满足目前市面上中高端智能手机与视觉相关的技术与应用的算法需求，且公司的智能手机视觉解决方案在除苹果之外的主流手机品牌的大部分旗舰机型上获得使用。
　　依托大量实车场景数据沉淀，公司搭建了DMS与OMS一体化全栈车载视觉人工智能技术体系，全面覆盖驾驶员疲劳分心检测、三维高精度视线追踪、纯视觉酒驾识别、乘员睡眠监测、表情与唇语识别及危险行为分析等核心场景，可适配单目RGB、红外及DOMS一体化内后视镜等多类车载成像硬件，全面服务乘用车与商用车量产项目。技术全面满足DDAW、ADDW及E-NCAP2026等法规标准，通过车辆信号与视觉感知多源融合、多时序动态分级逻辑，有效攻克复杂行车场景误报痛点，相关方案均完成量产适配与现行主流法规认证。
　　公司在舱外领域构建了完整的视觉感知与智能辅助驾驶技术体系，积累了大量底层核心算法，涵盖智能辅助驾驶和智能泊车全栈能力。自主研发了基于复杂模型或优化的端侧视觉大模型的目标检测、路面分析、轨迹预测、场景识别，以及基于机器视觉的几何测距、滤波测速、聚类拟合、SLAM建图、相机标定等核心技术，同时具备路径规划、行为决策、拟人控制、信息融合等规控技术。在数据工程方面，公司研发了4D空间的真值自动化生成、大模型数据自动化打标、实车数据挖掘、多维度虚拟仿真等数据集构建技术。这些技术经过多年打磨沉淀，具有精度领先、资源消耗低、人力耗费少、平台兼容性好、灵活定制等显著优势，可广泛应用于智能行车、智能泊车等用车场景。
　　公司自主研发的智能商拍解决方案处于行业领先水平，以新一代多模态图像编辑基础模型为核心，构建统一的智能生成与可控编辑技术架构。核心技术涵盖AI多语义分割，突破传统人像分割局限，实现人体、服装、商品及背景等数十类对象精细识别与开放词汇局部编辑；AI模特图与智能试穿技术结合人体解析、姿态估计、几何变形与扩散模型，实现多体型姿态下的自然试穿并完整保留服装版型、纹理细节以及抗皱、光照、影调效果；AI换背景技术融合深度估计、光照理解与重光照技术，确保人物与新场景在光线方向与环境反射上高度一致。
　　公司前瞻布局具身智能机器人领域，依托计算机视觉与多模态大模型的深厚技术积淀，构建了覆盖“感知—决策—执行”全链条的机器人移动智能技术体系，已就核心视觉感知算法和引擎与知名头部民用机器人企业达成商务合作，并实现量产出货。在自主导航方面，公司创新研发多传感器融合SLAM方案，基于紧耦合因子图优化框架实现统一位姿估计与地图一致性优化，并开发自适应多传感器加权融合算法，在暗光、强光直射、雨雪天气及几何退化场景中仍可保持厘米级定位精度。在规控算法层面，公司构建面向封闭园区及非结构化场景的分层式高效、精准架构，上层引入基于栅格地图的全局路径搜索与关键航点排序以提升跨楼栋调度效率，下层融合动态窗口法与模型预测控制，实现考虑时变约束的速度解空间搜索，达成对动态障碍物的百毫秒级敏捷响应，可精准应对楼梯起伏、狭窄通道及各种形状多变、路面材质不同的复杂路况扰动。
　　1.2核心技术报告期内发生的主要变化
　　（1）人脸分析及识别
　　人脸检测技术进一步优化了近距离场景下的人脸召回率，特别是残缺人脸、背光、复合姿态人脸等场景下的召回率。人脸和车牌脱敏技术在AVM镜头下的召回率整体提升，在标准难例测试集上，人脸脱敏技术的召回率提升至97.79%。移动端人脸关键点定位技术继续升级，进一步提升了大角度场景和遮挡场景的稳定性和精度，在内部复杂自测集上，人脸归一化到点位平均误差1.26像素，相比去年，1像素误差以内的素材召回率提升2.3%。同步强化智能座舱多元肤色、多样外观场景适配能力，针对厚唇、浓妆、夸张面部表情等复杂场景优化人脸关键点识别的准确度。DMS场景人脸关键点精度提升3.3%，关键点稳定性显著提升。优化智能座舱人脸角度和位置估计算法，重点优化超大角度case以及轻微遮挡场景下的角度精度，内部客观数据集验证显示pitch角度（指俯仰角）提升5.1%,yaw角度（指偏航角）提升3.1%，使得DMS场景下的人脸分心范围鲁棒性继续提升。人脸重建技术引入渲染数据完成迭代优化，继续改善大角度人脸重建精度，同时强化眨眼等动作模型重建的稳定性，自测集上精度提升1%。
　　静默式活体检测效果持续优化，RGB静默活体整体SAR（指攻击欺骗接受率）下降1.1%，IR活体SAR下降1.0%；尤其针对多种材质类型的高精度3D面具假体，SAR下降幅度超过3%。同时，拓宽活体检测算法的支持范围，针对驾驶员使用眼罩、假眼贴纸伪装睁眼欺骗DMS，以及智能辅助驾驶状态下驾驶员昏睡等场景，已能够检测此类情况，检出率超95%，误检率低于1%。
　　年龄识别效果进一步提升，RGB与IR版本的MAE（指MeanAbsoluteError，平均绝对误差）相对降低3.5%。人脸质量算法进一步细化场景，对大角度、多种遮挡（口罩、大胡子、多种异物等）以及多种光照条件下的检测正确率均有所提升。
　　（2）人体分析及美化
　　人体检测和跟踪技术继续迭代，提升了召回率以及跟踪稳定性。手机版本优化了残缺大目标的跟踪稳定性，同等精度下召回率提升1.76%，同时优化了人体重拾模块，重拾率达到96.9%。针对智能座舱场景优化跟踪框架，在基本指标不变的情况下，提升困难姿态下检测框的稳定性，实现大遮挡困难姿态场景下ID变换数减少12.7%，召回率提升1.5%，为后续危险坐姿等功能落地提供保障。人体骨骼关键点技术，在座舱内场景中优化IR镜头下高曝光场景的骨骼点准确性，5像素误差内的样本整体召回指标提升至97.5%。人体重建技术利用多相机采集和人工合成的方式，扩充了对人体细节动作的数据补充；进一步提升重建贴合度和稳定性，改善四肢重建精度尤其是脚的贴合性，自测集上精度提升1%，同时应用到座舱的被动安全领域。遗留儿童检测技术新增成人抱儿童识别子算法，针对成人怀抱儿童场景下的素材进行召回，在通用测试集上有效提升召回率：儿童目标召回率提升1.47%，成人目标召回率提升0.79%，整体召回率提升1.13%。安全带检测技术优化微前倾开车、IR模式黑色吸光安全带、镜头边缘畸变、条纹儿童玩偶、超大曝光场景漏报以及长头发误报等问题。在标准难例自测集上，纯视觉召回率提升2.84%，精度提升0.52%。副驾安全行为（身体前倾、脚伸仪表盘）技术，提升较明显，尤其是针对攻击测试专项测试集表现显著提升。基于行为识别的环视哨兵功能新增后视镜展开、折叠分类模块。针对后视镜搭载摄像头的车型，依据视觉算法判断展开、折叠状态，在无电信号或外力异常掰动时，提高哨兵算法距离判断的可靠性，分类准确率均达到99.5%。提升宽松羽绒服场景、夜晚可见肢体场景下的检测框与Pose点准确性，对应场景下抬手划车和踢车类别报警召回率优化至96%。持续迭代哨兵视觉语言模型，针对停留划车、暗光、快速动作、小目标动作等复杂边界场景持续优化，提升模型稳定性。扩展测试集，补充边界场景样本。基于扩展后的测试集开展测试，摆弄摄像头、疑似喷涂、触碰车身等行为召回率分别达98.04%、93.38%、98.77%；踢车、途径划车召回率分别提升5.6%、6.33%；此外完成端侧推理链路优化，设备整体推理性能提升约30%。
　　（3）宠物分析
　　借助宠物目标跟踪ID识别功能，即便遇到遮挡、快速移动等复杂场景，也能准确区分不同目标，确保跟踪结果的连续性和一致性。通过系统性优化训练数据，显著降低错误标注对模型的干扰，并且在训练过程中动态过滤低质量样本、过度困难样本及分布外样本，全面提升宠物身体检测、面部/眼部边界框与关键点检测、姿态估计、目标跟踪等技术的整体准确率。
　　（4）行为分析
　　继续提升满足DDAW以及E-NCAP法规的驾驶员疲劳/分心检测技术方案，当前已完成E-NCAP2026版驾驶员疲劳与分心检测产品原型的研发落地。针对该法规对疲劳、分心误报率的严苛约束，尤其是复杂难例场景下高频误报导致的合规失效问题，团队依托大量实车路测数据开展误检归因专项分析，构建车机信号、车辆控制信号等驾驶员行为数据与视觉感知数据的多源融合算法体系，通过大数据统计建模精准优化动态行车场景下的误检、误报问题。上半年，团队聚焦疲劳监测核心难例痛点，完成算法全维度升级，重点攻克实车场景中驾驶员低头注视与长时间闭眼两类视觉特征高度相似、易混淆导致的误报难题。同时，团队结合大量KSS疲劳评级标准与驾驶心理行为研究成果，研发出贴合人体真实疲劳认知机制的新一代疲劳检测方案。通过采集真实驾驶疲劳样本数据、迭代核心识别模型，优化疲劳分级判定逻辑，引入多帧叠加、多时间窗口联动的视觉分析策略，拓宽疲劳状态研判的时间区间与分析维度。基于大量实车数据迭代打磨，搭建适配整车驾乘体验的疲劳等级动态升降级判定机制，有效甄别真实疲劳状态与视觉特征相近的非疲劳干扰行为，大幅降低系统误报率。该方案在满足E-NCAP2026高阶法规合规要求的同时，显著提升用户驾乘体验，形成差异化技术优势。为全面适配E-NCAP2026新规，团队完成DMS、OMS系统新增合规测试项的功能开发，新增受损驾驶员行为分析、座舱乘员异常姿态体态检测等核心能力，构建覆盖E-NCAP2026全测试场景的完备产品体系，相关技术已陆续应用于各类E-NCAP2026认证量产项目。
　　视线追踪技术已规模化落地多款智能座舱量产项目，依托成熟的座舱标定体系，为驾驶员分心检测业务提供高精度视线落点输出能力，全面完成E-NCAP2026法规要求的视线检测功能开发。目前算法可覆盖座舱内几乎所有核心监测区域，完整适配法规全部视线分心测试场景，可精准识别驾驶员在车载手机常规摆放区域的低头看手机等典型分心行为。全套合规过标方案实现多项法规适配视线功能的标准化、规模化落地。技术层面创新引入驾驶员视线自适应长时学习标定模块，可针对不同用户的个性化视线特征进行持续迭代优化，有效解决由驾驶员面部特征差异化带来的长尾识别问题。该方案已通过大里程实车验证，性能指标稳定可靠，即将纳入量产版本与法规过标方案。
　　为持续夯实算法迭代的数据底座，团队在原有视线真值采集系统基础上完成全方位升级，自主研发新一代头戴式便携式真值采集设备。新设备高度集成、轻量化设计，充分适配座舱内灵活布设、机动采集的场景需求；经多轮硬件与算法迭代调优，视线采集精度可控在1°以内，可实现大范围、多场景、连续稳定的视线落点真值采集。该设备将全面替代传统采集方案，大幅提升视线数据采集效率、连续性与场景覆盖完整性，不仅为量产算法迭代提供高精度真值支撑，还可拓展应用于认知分心等高阶驾驶员行为侦测实验，持续赋能座舱感知技术进阶升级。
　　酒驾驾驶员行为分析，团队依托大量驾驶员饮酒行为实验数据，挖掘酒驾状态下的驾驶行为特征，研发出可量产的纯视觉酒驾检测解决方案，精准匹配E-NCAP2026受损驾驶员行为分析的合规要求。该技术可在常规行车场景下高精度甄别驾驶员酒驾状态，可以区分酒驾行为与疲劳、分心等相似驾驶工况。2026年上半年，团队基于真实酒驾样本数据完成算法专项迭代优化，针对性强化酒驾与疲劳、分心行为的差异化识别能力，并顺利完成大里程实车验证。
　　睡眠检测技术通过融合乘员面部状态与身体体态多维特征，实现对乘员睡眠状态的精准识别，可有效区分睡眠行为与低头玩手机、阅读书籍等准静态干扰场景。经过多轮算法迭代与实车打磨，该技术全场景实车召回率可达90%以上，误报率控制在1%以内，能够在颠簸路况等复杂行车工况下保持高检出性能，同时适配多种座椅排布的乘用车型。目前，优化后的全新技术方案已批量部署并稳定应用于多款量产车型项目。
　　车载表情识别与唇语关键词识别技术，围绕用户座舱交互感知体验持续优化产品方案，基于大量实车场景数据沉淀，搭建无感式个性化表情标定与识别技术体系，可精准适配不同用户的面部特征差异，高效捕捉个性化细微面部行为状态，实现“千人千面”的自适应表情识别效果，显著提升智能座舱交互的自然度与体验感。同时，针对座舱行车复杂工况，重点优化大角度人脸姿态、动态微表情等难例场景的识别稳定性，有效提升行车过程中表情分析算法的整体鲁棒性与可靠性。在唇语识别技术方面，团队完成多模态融合技术迭代，融合视觉图像与语音信息双重维度特征，有效解决单一视觉方案在歧义唇语关键词识别中准确率不足、抗干扰能力弱的行业痛点，大幅提升座舱语义交互的精准度与场景适配能力。
　　车载危险行为检测扩展了喝水检测功能，全面推广基于人体行为与手持物分析的多通道信息融合抽烟、打电话、喝水检测方案，持续提升复杂场景下的识别准确率与用户体验。算法层面，围绕模型结构开展持续优化，进一步增强特征提取能力和场景泛化能力；同时完成视觉语言模型（VLM）在车载场景中的功能验证及落地验证。
　　（5）手势识别
　　手势识别相关底层算法持续迭代升级。手部检测/跟踪算法，聚焦算法优化，完成检测模型结构升级，实现左手/右手属性精准识别；改进跟踪逻辑，显著提升跟踪稳定性；针对不同应用场景进行模型适配，有效提升红外图像、小尺度目标等困难场景的手部检测与跟踪能力。手部姿态估计算法方面，基于深度图的手部姿态估计技术，对模型架构进行迭代升级，引入注意力机制实现平面与深度特征的深度3D融合；同时完成内部benchmark数据集标签优化，提升真值标注精度。在标准benchmark数据集上，新模型整体精度提升9%，效果改善显著。
　　车载智能座舱手势产品线，全面聚焦核心算法重构与场景化落地实现技术跃升。静动态手势交互产品，针对大里程路测数据的测试结果，对部分核心算法实现进行了系统性重构，优化时序特征提取与动作连贯性建模逻辑，有效平衡了识别准确率与召回率。创新引入时空信息约束机制，通过连续时空上下文分析，精准过滤驾驶舱内手部自然动作和手物交互运动等非目标动作干扰，复杂场景鲁棒性与交互流畅度显著提升。多模态手指指向识别产品，实现从“大致方向判断”到“区域级精准定位”的关键跨越，目前手指指向产品已支持10个标准舱内区域的精准映射与实时响应，并已在实车上部署，结合语音可直接赋能中控交互、空调控制、多媒体调节等高频场景。
　　（6）高动态范围（HDR）
　　YUV域HDR技术面向手机拍照与AI眼镜等终端设备，支持双帧与三帧灵活曝光组合，适配人像及非人像场景。方案兼容前/后置镜头及主摄、广角、长焦等多焦段模组，可部署于旗舰至中低端处理器平台，并提供闪光灯与屏幕补光联动模式及用户自定义曝光调节功能。技术层面集成AI光流与画质增强算法以抑制画面鬼影；结合AI区域分割与机器学习算法，基于预览帧统计特征动态计算并推荐最优曝光EV值，实现分区自适应亮度调节与多风格HDR融合策略定制。该方案通过多帧曝光动态调度与底层色彩亮度协同处理，扩展图像动态范围，保障复杂光照环境下的细节保留与色彩准确性。
　　基于RAW域的HDR技术针对复杂光照与运动场景优化了多帧融合策略，根据昼夜场景特征定制差异化鬼影抑制方案，并适配多序列曝光调度以平衡运动区域画质保留与鬼影消除。影调处理以还原真实场景亮度分布为基础，结合场景识别与语义分割实现分区自适应映射，在弱光环境下动态调整局部融合策略以提升画面自然度。针对人像场景引入真实感模拟机制，自适应感知颜色增强算法实现光色联动调节，提升色彩人眼感知真实度。整体架构支持高ISO及运动等多源混合输入数据，在继承标准HDR影调特性的同时优化图像纹理细节，控制算法增量开销。针对高分辨率传感器设计专用流水线框架，实现多帧AI去噪与HDR功能的协同处理，有效降低内存占用。面向中低端硬件平台构建全流程轻量化处理管线，通过算子精简、框架简化与无NPU架构适配，拓展技术部署范围并提升运行效率。
　　（7）暗光图像增强
　　暗光图像增强技术面向低信噪比与弱纹理场景提供全链路画质优化方案，针对不同摄像头传感器特性定制去噪与细节保留策略。算法层面改进多帧对齐机制，提升运动区域与人像配准精度以保留更多画面细节；结合AI增强优化多帧融合策略，针对运动区域开发专用去噪与融合模块消除运动模糊与残影。针对高动态范围及极暗场景，优化模型训练策略实现暗部纹理增强、亮部细节保留与噪声抑制的联合优化，充分挖掘DAG、DCG、DXG等新一代Sensor多曝光输入信息。方案支持亮暗区域差异化处理，开发针对人脸的专用去噪增强模块，并引入单帧处理算法应对中低端设备噪点问题。在硬件适配方面，技术全面兼容NPU、GPU、DSP等主流计算架构，针对中低端平台构建轻量化单帧与多帧协同模块，在低系统开销下实现画质提升；针对纯GPU平台优化性能功耗比，实现低延迟与低功耗运行。面向车载终端与AI眼镜等设备，研发自适应多帧/单帧处理架构，结合增量训练策略提升模型迭代效率，在保障画质与细节还原的同时实现跨平台高效部署。
　　（8）超分辨率图像增强
　　超分辨率图像增强技术覆盖YUV、RAW、Quadbayer及Hex等多域处理链路，实现跨传感器与多曝光格式的底层画质优化。算法层面改进运动区域检测与多帧配准机制，结合参考图像引导的YUV域AI超分模型，支持动态照片封面帧切换后的画质重构；针对不同倍率需求开发增强型AI超分架构，在提升清晰度的同时保留场景动态范围。针对Quadbayer高ISO与逆光场景的网格噪声问题，优化输入网格处理与多亮度范围映射，实现光学级分辨率扩展；基于Hex域原始数据开发专用算法，充分挖掘多通道信息实现超分辨率重建。方案支持50M与200M高分辨率输出。系统框架方面持续优化模型架构与推理引擎，提升计算效率与硬件资源利用率；针对高倍率数字变焦场景开发专用去模糊与细节增强模块，结合多倍率针对性训练策略实现全焦段画质一致性。通过代码级优化与平台资源调度整合，在保障画质输出的同时实现性能与功耗的协同控制，适配多平台部署需求。
　　（9）画质修复
　　屏下摄像头画质修复技术，目标是抑制屏下摄像头特有的衍射与噪声，同时还原画面的对比度、色彩饱和度和清晰度。目前该技术对衍射现象具有一定的抑制作用。此外还积极探索基于PSF和PSF-free的不同技术方案，为下一步效果提升奠定基础。
　　图像去反光技术，探索基于图像生成模型的新方案，利用图像编辑大模型原生的生成能力，针对去反光任务进行专项调优训练，有效提升模型的反光消除效果、画面还原自然度及各类瑕疵伪影的抑制水平。对比测试显示，新方案在反光去除力度、内容误去除、输出涂抹感等关键评测维度均优于竞品。
　　AIImageDebanding，深耕面向RAW图的去条纹技术，打通前后ISP管道，持续优化运动、低照度、彩色光照及复杂光照等场景下的图像去条纹效果，在保持原图细节纹理自然的同时，提升与参考图亮度的一致性。通过模型量化、OpenCL加速等优化方案，显著降低计算开销，将单帧处理时间由600ms缩短至80ms，在保持算法精度的同时实现性能突破，目前已支持多商用平台部署，具备产品落地能力。
　　AI祛红眼，推进算法全面升级。效果层面，适配更多闪光灯场景下的红眼检测需求，显著提升算法鲁棒性与泛化能力；性能层面，优化算法逻辑，通过精简模型结构与算子优化，提升推理速度，有效降低算法库体积占用；功能层面，新增多输入格式支持，为用户带来自然灵动的夜景人像眼部美化体验。
　　（10）视频画质增强
　　视频超夜技术覆盖YUV与RAW双域处理链路，面向极暗光环境提供高实时性视频画质增强方案。在YUV域算法层面，引入轻量化时空机制与多尺度特征融合模块，强化视频流细节恢复与时间连续性，有效抑制复杂运动场景下的画面撕裂与模糊伪影；通过高保真合成数据与真实场景混合训练策略，缓解长尾场景过拟合问题并缩短算法迭代周期。针对极暗视频处理瓶颈，技术将核心去噪环节前置至RAW域；结合模型架构优化与推理加速策略，在控制数据吞吐量的同时实现旗舰平台4K视频实时处理，并将手机端有效暗光响应阈值拓展至0.1lux。RAW域去噪模块同步优化高亮区域彩噪抑制与HDR视频增强能力，通过算法架构与推理流程的持续迭代，实现画质、实时性与能耗的协同控制。
　　高动态视频超夜技术面向复杂光照环境提供高动态范围与低照度画质协同优化方案。在保留原始细节与抑制运动噪声的基础上，通过扩展视频动态范围并嵌入视频影调映射模块，实现多尺度亮度分布的自适应调整与视觉表现优化。结合底层算法与推理框架的协同优化，技术有效平衡了动态范围扩展、实时处理延迟与系统功耗指标，适配多平台部署需求，满足终端客户对高画质视频输出的工程化要求。
　　视频超分技术通过优化特征提取与重建模块，显著提升小字号文本边缘锐度与多语言文字处理连贯性，有效降低混合排版场景下的结构失真；在密集纹理区域引入细节约束机制，抑制伪纹理与伪影生成。结合模型架构轻量化设计，在保持重建画质基准的前提下，有效降低推理算力占用与系统功耗，实现视频超分辨率处理效率与能效比的协同优化。
　　视频插帧技术通过优化运动估计与补偿机制，提升复杂动态场景下的像素级时序对齐精度，改善运动边缘伪影与画面跳变现象。结合计算图精简与冗余操作剪枝策略，有效降低算法推理延迟。技术架构支持多规格硬件平台部署，可根据不同算力环境与输入源特征动态调整处理参数，实现跨设备与多业务场景的工程化落地。
　　（11）畸变消除
　　光学畸变校正算法，持续优化核心校正算法，通过计算图重构与算力调度优化，在提升处理效率的同时显著降低系统功耗，实现性能与能效的双重突破。面向差异化客户需求，提供多算力平台定制化成像方案；完成iOS、Android等主流移动平台的深度适配，保障跨端影像一致性。算法成功拓展至AI眼镜市场，加速智能穿戴影像处理商业化落地；新增车载鱼眼相机校正方案，进一步拓宽算法在智能座舱与泛终端场景的应用边界。
　　（12）光学无缝变焦
　　光学变焦融合算法，深度融合AI融合、AI主体感知与AI稠密对齐技术，构建光学变焦核心算法体系，实现业界首创的无缝变焦技术突破。该方案已成功搭载于某国际头部旗舰机型并完成商业化落地，同时吸引多家国内主流手机厂商开展联合研发与生态合作。算法经进一步提炼与工程化优化后，成功拓展至头部手持云台相机平台，实现跨设备影像能力的泛化应用。
　　（13）多摄协同标定
　　持续扩大AVM与BSD标定适配范围，深化ADAS车载标定解决方案，稳步推进多车型实车部署。针对商用车复杂场地环境与后装需求，推出轻量化简易标定方案，在显著降低标定成本的同时，大幅提升后装效率与精度。基于视觉模型实现标志物智能检测与定位，有效克服场地局限、环境干扰及光照变化等挑战，全面增强检测鲁棒性，实现标定成功率、精度与效率的三重突破。面向机器人等新兴应用，构建覆盖相机、IMU（惯性测量单元）与LiDAR等多传感器统一标定框架，实现模组一次性联合标定，为下游算法提供高可靠标定基准。针对多激光雷达部署场景，创新推出轻量级在线标定方案，以极低部署成本获取高精度标定结果，有效降低客户运维成本，显著提升系统算法竞争力。
　　（14）全景拼接
　　全景拼接技术，持续提升全景拍摄体验与成像质量，持续推进图像拼接技术的优化与应用创新。在算法层面，对智能选帧能力进行了迭代升级，可自动筛选高质量关键帧参与图像拼接，并结合实时拍摄引导与拼接预览能力，为用户提供拍摄过程可视化反馈，提升全景拍摄效率。针对多镜头曝光差异，改进拼接缝融合算法，实现跨区域亮度平滑过渡与全局一致性优化。
　　云台相机全景拼接，采用了新的拼接方案，构建了从多路图像输入到全景图输出的完整处理流程。针对天空、建筑等典型场景，对特征点匹配算法进行了专项优化，提升了弱纹理区域及大尺度场景下的匹配稳定性和鲁棒性；进一步完成相邻图像重叠区域计算，实现平滑拼接，有效降低拼接缝及亮度过渡痕迹，提升全景图整体视觉质量。
　　（15）人脸美化及修复
　　公司在图像修复与编辑方向上长期致力于LivePhoto、视线校正、人头姿态校正等人脸修复与编辑技术。LivePhoto技术通过调整深度神经网络结构，针对性改进口腔区域模糊、不真实的问题；研发了针对特定人物的微调技术，使得算法能够生成更加逼真的结果；对网络进行性能优化。新版本采用更高效的隐式参数驱动方法，大幅提升运动传递的准确性，使处理后的人物动作更加自然流畅。
　　视线校正技术研发了全新的3D视线校正算法，创新地结合了三维人脸重建和二维图像编辑方法，相较于前代算法产品，突破了正脸姿态的限制，并且大幅度拓展了算法能支持的视线角度，在人脸角度和视线偏移角度均较大的情况下算法依然可以得到正确的矫正结果。用户主观测试报告表明，新算法在真实感、矫正范围、算法稳定性、准确性等方面均明显优于竞品。在效果上，相较于前代版本，解决了可能会出现的额头部分变长、脖子区域融合拼缝、面部抖动、面部刘海导致眼镜断裂等问题，在视频上能做到连续、稳定、自然的结果。
　　在人脸美化技术方面，研发了人脸自适应肤色调节技术，并对磨皮算法进行了全面升级；预览磨皮算法在去脏能力、画面通透度、立体感以及肤质细腻度等方面均取得了明显提升；在人脸瑕疵修复方面，开发了AI预览祛斑算法，大幅提升了实时预览场景下的祛斑、去脏能力，并能够较好地保留皮肤纹理细节；优化了拍照AI祛斑算法，提高了大侧脸等复杂姿态下祛斑效果的稳定性；在图像修饰能力上具备去抬头纹、去颈纹等功能。针对海外市场需求，定制开发了Bindi检测技术，提升了本地化用户体验。在美颜算法平台化方面，完成了基于Vulkan的祛斑、磨皮、美白、美唇、亮眼、白牙、去唇纹、去油光等美颜技术。在基本保持性能和视觉效果优势的前提下，有效解决了不同设备平台因驱动升级带来的兼容性问题，降低了产品适配和维护成本。在算法框架方面，构建了支持UBWC（UniversalBandwidthCompression）输入输出的数据处理流程，通过优化数据链路和算法框架，降低了系统带宽消耗与整体功耗，同时提升了算法运行效率。针对GPU、NPU以及模型结构进行了系统性的性能优化，对美颜预览及拍照算法在运行速度、内存占用和功耗等方面进行了全面优化，进一步提升了产品的实时性能和终端体验。在人像风格化能力方面，优化了预览头发柔顺技术，可有效去除视频中的杂乱发丝、优化发束形态，实现更加自然、美观的发型风格化效果。
　　低光照和极暗光线下的人脸美颜解决方案，继续扩展了超清人像美颜风格的应用平台，人像视觉效果更加自然、整洁，同时保持清晰度和立体感。视频任务上，针对移动设备端改善了模型以及任务框架，更好地利用设备GPU和NPU的优势，增强人像效果以及自然程度，同时提升了性能并优化了功耗。针对PC端主要增强人像修复强度，提升人像解析力，同时针对不同平台做了专门性能优化。实现针对车载、平板、PC、手机等设备的视频人像修复的轻量级模型部署。
　　人脸修复技术，针对不同画质的人像照片进行了更精细的算法分级与差异化处理：对于正常拍摄场景，进一步提升人脸肤质的显性表达与自然度；结合TurboFusionSuperResolution技术对皮肤纹理、细节和真实感进行针对性调整，在增强面部细节的同时减少过度平滑和不自然的修复痕迹，使皮肤质感更加真实自然。针对长焦及极差环境下的人脸，持续优化人脸修复算法，有效恢复面部结构与关键细节，提升人脸清晰度。目前相关算法均已完成手机端部署，并作为整体画质增强模块的一部分应用于多个产品。
　　合照增强技术，旨在解决多人合照场景中，因部分目标人物表情、姿态不协调而导致整体成片率低的行业痛点。全景式最优姿态融合：依托动态照片（静态图像+前后3秒动态视频流）的软硬件协同，算法在时序视频帧中精准识别并提取最佳的面部表情与头部姿态，通过高精度融合算法替换原图缺陷，确保合照中全员均呈现最佳状态。跨帧画质与肤色一致性对齐：为消除动态视频帧与高分辨率静态成像之间的画质鸿沟，团队研发了专用的肤色与画质对齐模块。结合面向微观画质微调的人脸修复算法，实现色彩空间与纹理细节的深度对齐，保障融合区域与背景的画质一致性。宠物场景适配：针对人宠合照的高频需求，技术进一步外延至宠物生态。目前已初步构建宠物头部姿态校正与眼部开合度检测校正算法，有效矫正宠物拍摄中的视线偏移与表情异化，显著提升人宠互动场景下的成像质量。RAW域多帧场景扩展：在未压缩的原生RAW数据域进行眼神与开合眼校正，完美解决合照眨眼痛点，确保眼神细节纯净、神态自然。
　　（16）虚化技术（Bokeh）
　　持续打磨视频虚化（电影模式）、单摄虚化、双摄虚化的产品细节，并将虚化产品线拓展至AI眼镜和云端等新平台、新场景，始终保持行业领先地位。
　　视频虚化对设备有极高的功耗和性能要求，依托软硬件协同和管线并行化，持续地优化该技术在移动端的性能和功耗表现。在高端机型，优化后的算法链路能够支持4k分辨率，60帧率及HDR格式的高清结果输出。在中低端机型，优化后的性能功耗让该技术在更多平台上实现了部署，有效拓展该技术的机型覆盖范围。
　　单摄虚化对于不同平台进行了差异化适配。针对超低算力平台，在重构的轻量级虚化算法的基础上，进一步优化计算效率和流程调度，在保障质量的前提下，使得功耗和性能得到进一步优化。对于高端平台，基于最新的AI-DepthUltra的3D重构能力，通过单目图像完整地重建了场景的三维空间结构。基于重构的3D场景信息，实现基于真实光学成像模型的虚化结果生成，显著提升了前后景虚化的自然度。
　　深度融合双摄虚化与TurboFusion架构，创新接入2400万高分辨率采集链路。通过模块解耦与计算图重构，实现算力与存储的精准调度，算法耗时大幅优化，保障方案高效落地。AIBokeh数据域由16-bitRGB扩展至20-bit，完整保留原始亮度细节，显著提升虚化过渡的自然度与真实感。虚拟光圈算法突破焦距限制，由原35mm支持拓展至85mm及135mm长焦段，精准模拟大光圈光学特性，实现更强层次与更浅景深效果。结合显著性分割与精细化抠图（Matting）技术，将高质量虚化能力从人像场景延伸至任意主体，拓宽算法应用边界。针对联发科、高通等的中低端平台完成深度适配，全面压降算法耗时、功耗与内存占用，成功推动在千元机/中端机型规模化落地，实现高端人像体验的全面下沉。
　　（17）深度恢复
　　深度恢复技术在算法架构、端侧适配与场景应用等方面实现系统性突破，核心能力完成从二维深度估计到三维场景重建的技术跨越。基于全新模型架构与训练数据的持续优化，单目深度恢复技术已实现可度量深度预测。在主流移动终端平台，仅需单张图像输入即可输出具备物理尺度信息且与真实场景空间几何高度一致的深度结果，显著提升了人物重打光、背景虚化等下游视觉算法的效果表现。在此基础上，技术进一步拓展至三维场景表征，通过端到端直接预测单张图像的3D高斯参数，实现输入场景的高保真三维空间结构重建，正式完成从“单目深度恢复”向“单图三维场景重建”的关键跨越。
　　在端侧部署与复杂场景攻坚方面，双摄深度拍照模型已全面适配高通与联发科的中低端平台，在保障画质稳定的同时实现性能与功耗的大幅优化，全面满足客户对高效、稳定、低功耗及高精度的综合需求。针对3倍及以上高倍率数码变焦导致的主副摄画质衰减与深度信息丢失痛点，创新研发基于RAW域的双摄深度恢复技术，充分利用RAW数据无损特性显著提升高倍变焦场景下的重建精度。同步开发深度图精修（Refine）算法，通过多阶段优化策略持续增强深度图的空间一致性与细节还原能力。持续打磨的单目与双目算法进一步提升了几何结构一致性与测深精度，并新增深度补全算法，为手机、机器人等多业务线提供高鲁棒性深度数据底座。目前，高精度深度能力已成功应用于3DPhoto、新视角图像重建等创新产品，有效拓宽了单目深度技术的应用边界，优质深度结果持续反哺下游视觉算法生态，加速各项AI功能在智能终端与机器人领域的商业化落地。
　　（18）图像语义分割
　　持续优化和扩展AIMatting技术的效果和能力边界，推动其规模化商业落地。通过调整模型架构、持续优化训练数据，进一步提升了算法对于人像实例特征的感知和区分能力，对于饰品、手持物等附属物也有很好的检测能力，为人像虚化、换背景等上层应用提供了灵活可控的人像Matting方案。与此同时，将AIMatting技术扩展到了非人像场景，能够针对任意显著性物体进行精准的边缘抠图，显著提升了相关应用的边缘效果。新的Matting技术还针对众多端侧平台进行了部署优化，实现了效果与功耗的平衡。
　　针对智能圈选、AI消除等应用开发了全景分割技术，该技术不仅能够识别天空、道路、建筑、水面、植被等常见的语义类别，同时能够给出人、汽车、宠物、杯子等常见物体的实例级别的分割掩码。技术上通过采用基于Transformer的全景分割框架，基于多尺度特征融合与注意力机制，对目标边界和上下文信息进行联合建模，增强实例间的区分能力，有效提升复杂场景下实例识别精度与语义分割的一致性。数据层面，采用了自动化标注和生成式扩充方案，快速构建了针对生活场景的大规模训练数据集。此外，还实现了该模型在端侧设备上的量化部署，保证了性能和效果的平衡。
　　（19）目标检测和定位
　　车牌脱敏技术持续迭代优化，在夯实线上版本稳定性与处理性能的基础上，成功拓展海外车牌检测与脱敏能力。目前已覆盖欧洲、中东、独联体、东南亚及澳大利亚等核心区域，支持多国主流车牌格式的精准识别与合规脱敏。在此基础上，进一步拓展OMS镜头（车内乘员监控摄像头）窗外场景车牌脱敏能力，实现多视角、多模态的隐私数据精准防护。该技术显著增强复杂观测场景下的隐私保护精度，满足海外车载数据安全合规要求。
　　环视车辆检测与定位，支持多种机动车和非机动车的检测、跟踪、定位及运动状态分析，提高哨兵模式下的异常行为检测能力，实现机动车和非机动车碰撞风险的有效识别与预警。针对商用车高视角应用场景，支持目标检测与定位，新增半身遮挡检测，进一步提升定位精度。新增开门碰撞预警，支持后视镜折叠和展开两种状态下的开门检测与动作识别，准确记录周边车辆开门碰撞风险并及时发出预警。面向高算力乘用车平台，新增车门线识别与定位技术，实现车门开启后的局部精细化定位，支持更加精准的车门接触碰撞检测，提升真实车门碰撞报警的准确率。
　　字符检测与识别技术，新增多国家车牌检测与车牌号码识别能力，应用于哨兵模式，为特定预警车辆提供准确的身份信息。新增车位号检测与识别功能，支持室内停车场及室外停车区域等多种场景，能够适配不同车位朝向和入口线方向，实现车位号的准确识别。引入多视角交叉验证与融合技术，提升复杂场景下识别稳定性，在智慧寻车系统中自动记录并推送车辆停车位置，提升寻车体验。
　　近场障碍物检测与定位，持续优化起步预警功能，提升不同姿态行人及儿童目标的检测准确率，进一步降低误检。优化路沿、墙体、栏杆等静态障碍物的边界表征能力，结合多帧时序信息稳定目标位置，提升近场目标感知的鲁棒性，并应用于开门防碰撞、轮毂视图等智慧环视产品，进一步增强产品的安全性与用户体验。新增不同高度摄像头下，对锥桶、石墩和水马等近二十种静态障碍物的检测和定位。
　　物体跟踪、人宠跟踪，随着智能AI硬件，特别是Pocket等产品的快速发展，市场对于物体跟踪有了新的需求和要求。基于此，上半年团队重点升级和研发了物体跟踪以及人宠跟踪相关的算法。针对物体跟踪，引入万物分割概念，用户点击物体后，算法可自动分割点击位置的完整语义物体，相较传统跟踪算法更加智能和精准。在物体跟踪的基础上，针对人体和宠物进行特别优化，引入人体和宠物的检测以及Reid算法，在多人宠交叉、遮挡、重拾等复杂场景下，都能稳定鲁棒地跟踪目标；当人体或宠物躯体位置被遮挡时，算法自动切换以头部特征进行持续跟踪，反之亦然。在算法功能层面，算法支持单人、单宠物、多人等不同场景，全面满足客户多样化需求。在算法性能方面，支持CPU、GPU、NPU的部署，在中高端算力平台上可以实现实时跟踪。
　　（20）场景识别
　　场景识别引擎GPU版本继续更新迭代算法模型，支持高通、联发科等NPU平台的运行，进一步提升了全体场景检测准确率，改善支持任意角度和有限度遮挡的目标场景检测。
　　（21）三维重建
　　三维重建技术基于3D高斯的重建算法方案，相较于NeRF方案，重建速度和效果都有提升。实现了一套在线内参标定算法，可以支持任意手机拍摄的视频作为算法输入而无需事先标定，方便服务器端重建应用场景使用。实现了一种全局一致的前景分割算法，能从视频中自动分割出前景物体完成重建，剥离不相关的背景。支持手机端实时渲染，能较好地复现各向异性的光照效果。基于单张图像预测出来的3D高斯参数，实现了全新的3DPhoto功能，可以从新的视角对任意单张图像进行重新渲染，该方案效果自然、真实，为用户浏览图片提供更真实、身临其境的视觉体验。
　　针对XR眼镜应用场景，迭代和部署实时三维重建技术。迭代实时语义场景重建，并构建出室内场景的布局信息，目前已经支持室内场景墙、门、窗、天花板、地面、桌子、椅子等元素的布局信息，形成一个更简洁，信息更丰富的室内场景信息，为XR上层应用提供更加完善的语义信息，方便XR创作者创造出更加丰富的应用。
　　3D重建数字资产仿真技术，全面支持高保真3D数字资产模型生成与多视角渲染。方案基于3D高斯溅射（3DGS）算法，融合多视角图像序列与相机位姿，借助可微光栅化技术完成端到端训练，高效重构物体几何结构与表面材质。结合多视角一致性约束与表面法线优化机制，突破复杂几何结构重建瓶颈，实现静态背景与动态车辆的高质量渲染。进一步引入3D高斯动态场景建模能力，显著提升资产重建画质与仿真效率，全面支撑精细化建模、数字孪生构建及自动驾驶场景仿真，精准满足复杂交通环境下的车辆行为分析与仿真推演需求。
　　智驾场景点云重建，该技术深度支撑智能辅助驾驶4D标注体系，通过同步采集激光雷达与多目相机数据，采用多传感器融合方案，实现车载全场景高精度重建。输出格式全面覆盖点云、Mesh网格及语义占据（SemanticOccupancy）等多维表达，广泛适配户外道路、停车场等智驾典型场景。重建管线针对激光点云高反、高透及多路径效应等典型噪声，引入专用滤波算法精准还原真实场景，全面满足下游数据精度标准。同时，语义检测模块升级接入激光分割大模型，支持4类核心语义识别，实现车载Occupancy技术的全自动化真值生成，大幅降低人工标注成本，加速智驾模型迭代。
　　（22）光照重建
　　虚拟反光板技术进行了持续的迭代优化，在性能功耗优化、多平台适配及画质提升等方面均取得了进展。在性能与功耗优化方面，团队对算法的整体架构进行了优化，削减了冗余计算量，并在多个高耗时模块中引入了GPU等硬件级加速方案。使得拍照版本的运行耗时从数秒级缩短至1秒以内，显著提升了算法的执行效率并有效降低了设备功耗。特别针对实时预览场景，为保障算法在较低端设备上的流畅运行，缓解因设备发热导致的卡顿问题，团队专门定制了效果简化版本，并通过优化处理时序与并行计算逻辑，在保留基础光影质感的前提下，大幅降低了硬件负载，使整体性能提升50%以上，适配了不同硬件平台的算力需求。在平台适配方面，已完成对市面上多款主流智能手机平台的部署。针对不同的芯片架构，进行了深度的底层适配与调优，确保了算法在各硬件平台上均能保持精度达标与效果的一致性。结合上述性能优化成果，算法的落地范围已从原有的旗舰设备成功拓展至更多中端设备，进一步拓宽了技术的应用覆盖面。在画质与效果表现上，算法重点强化了人像的立体光感与整体美感。通过持续优化训练数据和光感渲染机制，使肌肤在补光后呈现出通透、水润的光泽。针对以往补光后肤色易泛惨白、灰白的问题，算法引入了更为智能的肤色自适应机制，使补光后的肤色更加红润自然。针对补光后人脸容易显得扁平、缺乏精神的问题，通过强化面部的明暗交界线、增加脸部和眼睛光感、适当保留对比度等方法提升了五官的立体度，使人物眼神与面部轮廓更加生动有神。此外，针对多个极具挑战性的复杂场景，算法也进行了专项优化。在背光场景下，有效解决了以往主体容易发蒙、发灰及缺乏立体光感的痛点，在精准提亮背光区域的同时，增加了丰富的高光层次。在侧光场景下，重点优化了阴影去除逻辑，改善了阴影消除后颜色过渡不自然以及过度去阴影导致立体感丢失的问题，确保了光影过渡的平滑与真实。
　　（23）即时定位与地图构建（SLAM）
　　机器人群体表演实时定位技术，面向大规模机器人编队表演场景，实现复杂舞台环境下的高精度厘米级定位与高稳定性运行。系统支持高速剧烈运动工况，可稳定应对1000°/s角速度与10m/s移动速度，保障空翻等高难度动作的定位连续性。针对人员密集、道具移动等动态干扰环境，具备强抗干扰能力，实现多机协同互不串扰。采用IMU、激光雷达、视觉里程计与本体感知紧耦合方案，结合自适应权重调节机制动态优化多源数据融合比例；专项攻克玻璃反光、粉尘遮挡等激光雷达退化场景，保障全天候可靠定位。系统支持全局几何特征自动提取与新场馆无感适配，定位丢失时可快速执行多策略重定位，大幅降低演出中断风险。支持基于机器人本体的快速建图能力，广泛适配大型体育场、剧院及户外临时舞台等多元场地。
　　机器狗智能巡检技术，集环境感知、鲁棒定位与智能规控于一体，面向复杂封闭园区实现自主导航与安全作业。定位方面，研发多传感器融合SLAM方案，深度融合腿式里程计运动先验信息，显著提升楼梯攀爬、地形起伏等场景的定位连续性；引入点云与RGB图像联合重定位模块，支持跨楼栋/跨层级地图复用与快速恢复，在光照剧变、粉尘遮挡或GPS拒止环境下维持厘米级精度。配置故障检测与自适应降级策略，单传感器失效时自动调整融合权重，保障长时巡检可靠性。感知方面，基于双激光雷达点云实现障碍物检测与多目标跟踪，提供平面检测与三维地图比对双方案。平面检测可自适应估计局部地面方程，精准计算斜坡等连续变化地形目标高度；三维地图方案通过实时点云与高精度先验地图空间比对，识别新增障碍物，突破平坦区域限制。针对楼梯、平台、狭窄通道等场景，持续优化近场噪声抑制、点云聚类与包围框估计，并融合RGB语义分割辅助判断，稳定输出目标ID、位姿、尺寸、朝向及速度，有效解决短时漏检与远近目标差异问题。规控方面，构建面向园区的分层式架构。上层全局导航采用栅格地图路径搜索与关键航点排序，提升跨楼栋/层级任务调度效率；下层控制融合局部动态窗口法（DWA）优化策略，构建时变约束下的速度解空间搜索机制，通过局部轨迹代价函数优化求解，实现复杂约束下的精准避障。该技术显著提升了机器狗在非结构化环境中的运动鲁棒性，为复杂地形自主移动提供了实质性技术突破。
　　同时，SLAM技术扩展到高阶辅助驾驶领域，包括城市NOA产品的记忆行车自建图算法和基于SDMapPro地图的BEV道路融合定位。在轻图辅助下，实现了硬件选型，BEV+GPS+里程计的多传感器融合定位算法，支持城区内各种复杂路段。此外SLAM技术在自动泊车辅助(APA)和记忆泊车辅助(HPA)中也发挥重要作用，支持以矢量化元素轻量高效进行泊车地图的建图与定位，在建图方面，能够以极低内存代价保存大规模矢量化车位与元素地图；在定位方面，能够以极低算力极低延迟在车端实现实时定位，并且保证定位精度，实现泊车过程中对目标车位的精准定位。
　　公司研发了激光+GPS+里程计的多传感器融合定位算法，该算法可以支持智能辅助驾驶中4D标注所需的高精度、低时延的6DoF定位和道路场景的点云稠密重建。同时，支持智能辅助驾驶中4D标注LargeScale场景重建需求和基于场景重识别的标注真值复用功能，极大地提高4D标注静态要素的自动化标注质量。
　　（24）健康监测
　　健康监测技术在保障技术稳步量产的基础上，持续突破算法前沿，巩固行业领先优势。心率检测方面，构建从图像采集、rPPG信号提取到心率计算的全链路优化体系，从源头提升生命体征信号质量；针对动态行车等边界工况，创新研发抗干扰算法，实现驾驶员长程动态心率精准监测，显著优化复杂场景下的识别准确率与用户体验。血压监测方面，全面升级深度学习回归模型，收缩压与舒张压平均绝对误差（MAE）均稳定控制在10mmHg以内，实现无创血压高精度评估。呼吸检测方面，完成动态行车呼吸监测算法研发，针对车辆颠簸、转向及驾驶员躯体晃动等复杂工况，重构信号质量评估与异常过滤机制，有效抑制环境噪声干扰，全面提升呼吸监测的稳定性与准确性。
　　（25）高级驾驶辅助系统（ADAS）
　　公司ADAS产品矩阵持续深化技术布局与场景拓展，通过前沿技术融合与算法创新推动产品力实现跨越式提升。本报告期，公司以量产落地为导向打磨细节，在维持覆盖低、中、高算力平台的完整产品体系基础上，南湖产品（SouthLake）从软硬件层面全面对标量产标准，东湖产品（EastLake）基于端到端理念构建NOA新产品形态，整体实现产品力的稳步提升。
　　南湖产品（低算力L2级智能驾驶辅助解决方案/一体机）以及商用车智能驾驶方案，以量产落地为导向持续推进技术迭代与功能完善。南湖产品从软硬件层面全面对标量产标准，执行高强度测试验证与逐细节打磨，产品质量稳步提升。在ACC功能方面，以AI大模型辅助建立实车问题分类库，通过传统视觉方法与机器学习结合的思路，快速迭代修复量产路测问题，复杂场景下测距测速KPI误差下降21%，障碍物运动分析算法模块平均耗时下降35%；着重提升大小车、隧道口、对向车、紧急跟停静止车、车辆切入切出、三轮车、颠簸、横置车、雨雾天跟车、夜晚跟车等困难场景跟车表现，平顺性显著提升，百公里跟车异常顿挫率降低80%，其中前车切除场景顿挫率降低95%、进出隧道口顿挫率降低90%、二级道路对向来车误制动降低82%、大车套小车场景接管率降低90%。在AEB功能方面，建立完成全范围自动化测试流程，覆盖场测功能测试、场测KPI测试、风险场景功能测试、大里程回灌测试，确保可靠性；通过应用传统运动物理学逻辑与深度学习特征结合的多维度验证方案，降低AEB误检，提升复杂场景鲁棒性，涵盖路边横置车、贴近超宽超长车、骑行人及车辆急转弯、遮挡行人车辆、行人车辆盲区切入、迎面大幅转弯骑行人、雨棚骑行人、不规则溢出载货目标、非直立姿态行人、各类倒影误检等典型场景，报告期内累计修复改进问题100余项，闭集验证AEB误报率达到1次/10w公里；AEB法规测试通过率整体提升，自测CNCAP21达到100%，CNCAP24通过率达到98%，场测典型项目CPLA、CBLA、CPFA、CBNAO、CSFAO场景下测量误差降低40%；新增DBS、partial-AEB、hold等AEB子功能，扩展商用大巴车AEB、叉车AEB等应用。在LCC功能方面，采用深度学习与传统视觉相结合的方案，优化位置精度，拓展半径50m以下弯道车道线曲率探知结构化输出，实现中远距离测距误差减少40%，支持斑马线、箭头道路元素结构化输出及边界线可跨越状态；底层模型端通过大模型和模型自动化，数据清洗效率提升450%，有效降本增效；应用层面同步拓展中型车、大巴车、海外乘用车等项目。在其它辅助功能方面稳步推进：产线及售后标定进一步完善，新增系统自检功能，三轴角度均方误差降低50%，水平转角误差降低60%；自动远近大灯功能支持反光标识牌，优化路灯检测，抑制背景杂光误漏检，迭代改进问题100多项，法规项通过率达100%，误触发项通过率99%，内测通过R48法规标准。在系统方面，建立面向量产的标准化产品规范，系统启动耗时优化至3秒以内，内存开销降低30%，DDR带宽减少10%，完成SIL软件回灌、HIL硬件回灌基础设施；实施功能安全，AEB通过功能安全认证，ADAS产品和APA产品感知框架完成功能安全报告；工具链新增全范围回放、售后标定、性能分析异常检查、超声波处理，重构实施模块标准化，满足多项目复用。
　　东湖产品（中高算力环周一体NOA解决方案），面向高阶智能驾驶辅助的中高算力环周一体产品方面，成功构建了基于端到端架构NOA的新产品形态，实现行为可解释、意图有根据的智能辅助驾驶解决方案。通过感知与规划的解耦设计，在保持端到端技术优势的同时，确保了系统决策的可追溯性与可解释性，为高阶智能驾驶辅助的量产化设计奠定坚实基础。在具体技术架构方面，实现了多项关键算法模块的突破性进展：基于BEV+Transformer框架，完成多相机信号深度融合与端到端空间感知输出，显著提升障碍物和车道线的空间感知精度和感知距离；针对分汇流、路口等复杂道路场景，优化车道线及车道中心线高精度检测算法，提升道路拓扑识别准确率，专项优化匝道等分汇流场景的中心线稳定性；针对开放道路场景优化障碍物感知算法，可精准识别车辆、行人、非机动车及各类异形障碍物，专项优化雨天和夜晚场景障碍物检测能力，整体上优化动态和遮挡环境下的感知稳定性与鲁棒性，降低误报与漏检概率，为决策规划提供可靠的感知输入。在规控算法方面，系统面向导航变道、分汇流及匝道通行等典型高速场景构建差异化规控策略，通过场景识别与行为决策协同机制，实现基于道路结构与周围交通参与者行为的动态驾驶策略调整；针对高速大曲率弯道场景，引入结合道路曲率信息与车辆动力学约束的轨迹与速度联合优化策略，使系统能够提前完成减速与轨迹调整，显著提升弯道场景通过率与行驶稳定性；开发了动态目标轨迹预测算法，提前预测交通参与者未来的运动轨迹，为规划决策和安全避障提供关键依据。前沿技术布局方面，公司已启动两段式端到端接入NOA规划算法研究，优化车道变更、避障、路口通行等场景的行驶轨迹；同步开展基于一体式端到端架构与强化学习的NOA算法研发，为下一代智能化决策规划能力储备核心技术基础。
　　（26）图像特效
　　PersonalColorTone技术旨在通过个性化定制打破当前设备端内置滤镜的局面，允许用户创建新的基于学习方案的滤镜风格，包含局部调整（比如肤色）。首先，用户根据个人喜好在App或者Google相册里编辑素材，并加入过滤逻辑，去掉裁剪、涂鸦以及AI编辑的这些影响训练的操作结果，得到自己想要的风格图，然后直接在设备端进行在线训练，快则几分钟，慢则30分钟就能得到目标风格模型，视素材量而定。用户在后续拍照时，只需要选择训练好的风格模型，就能得到目标风格图像。小巧轻便的模型设计是关键，大大减少用户等待的时间，提升用户体验。
　　图像艺术特征转换（ImageArtTransfer）技术实现一套面向移动端的高效风格迁移方案，并已在移动设备上实现油画效果部署。该方案以服务器端图像生成大模型为教师网络，完成高质量风格生成后，通过知识蒸馏将表征能力迁移至轻量化学生网络，并在手机端完成离线部署与实时推理。这一路径有效化解了大模型高算力需求与移动端资源受限之间的矛盾，为生成式AI在边缘设备的规模化落地提供了可验证的工程范式。
　　（27）生成式大模型（AIGC）智能商拍技术
　　针对AI智能试穿功能，持续迭代智能试衣、鞋子上脚算法，进一步提高试穿成功率、生成画质和整体真实感，并增强对复杂款式、复杂姿势及不同年龄段人体特征等困难场景的适配能力。试穿结果在整体一致性、自然度、真实性和美观性方面均得到明显优化，人物与商品的融合更加自然，穿着感、面料垂感及服装合身程度更加贴近真实效果，整体视觉表现更协调、更具美感，成片率也持续提升。对于智能试衣和鞋子上脚功能，除原有的标准模式外，还持续优化高品质模式，进一步强化商品材质的还原能力。针对牛仔、针织、蕾丝等纹理细密或结构复杂的困难材质，显著提升印花、纹理、缝线及走线等细节的清晰度和还原度；对于牛仔面料，更准确地还原斜纹肌理、水洗做旧效果及拼接走线；对于针织面料，增强线圈纹路、编织纹理及柔软垂坠感的表现；
　　对于蕾丝、镂空等复杂面料，提升花型边缘、透肤层次及细密纹样的清晰度；对于皮革、绸缎等材质，更好地呈现光泽变化、表面纹理及褶皱质感；同时，格纹、条纹及印花图案的边界和对位也更加准确、自然，从而实现更具质感、更高质量的出图效果，以满足不同用户在不同场景下的多样化需求，尤其是高质量主图制作的需求。
　　对于AI模特图功能，围绕模特替换与姿势裂变持续迭代升级。在模特替换方面，由此前的单图换头能力升级为整合头部替换与肤色编辑的完整方案，可将参考图中人物头部、肤色属性同步迁移至目标图像，在保持身体姿态与背景不变的同时，实现全身肤色协调自然、视觉真实的模特替换；新一代算法进一步提升了复杂前、后景场景下的鲁棒性与适用范围，推理耗时降至前代一半，并在头部边缘背景保留、面部光影、服装一致性、长短发切换、肤色一致性及画面质量等关键维度均优于前代，显著提升用户对生成结果的主观一致性评价。在姿势裂变方面，进一步扩展文本描述、参考姿态图及自然裂变等多种控制方式，通过算法优化显著提升人物ID一致性、服装一致性、背景连贯性与整体画面自然度，更好满足商家高效产出丰富多样模特套图的需求。
　　对于3D服装特效图功能，在既有3D特效图能力基础上进一步拓展升级。新增多模态驱动的3D视效图生成能力，用户仅需提供服装平铺图，即可通过文本描述或其他款式服装的3D视效参考图，生成保持材质纹理细节、并根据空间状态调整褶皱与光影的3D视效图，显著增强专业化、多样化展示能力；同时持续优化3D特效图，支持通过文本描述或参考特效图生成包含特效与背景的3D服装特效图，使背景、特效与服装特性及使用场景更加匹配，整体在材质还原、空间感表现与创意表达方面较上一版本明显提升，进一步增强产品图的视觉吸引力。
　　对于AI改色功能，围绕多品类复色与新增AI配色能力进行了重点升级。在复色方面，相较去年初版，今年上半年经多次迭代已全面支持面料级复色，能够识别并适配棉、丝绸、针织、皮革等多种面料的物理质感差异；支持用户仅框选衣服局部区域即可准确提取颜色并完成模特图复色，即便输入超高分辨率图像，仍可保留材质纹理、缝线走向等精细细节；针对丝袜等镂空品类，模型可精准区分实体与镂空区域，在成功复色的同时完整还原镂空形态结构，显著拓宽可用品类与商用场景。此外，新推出AI配色技术，可将参考图中的颜色搭配方案迁移至同款目标模特图，实现两色、三色乃至更多颜色的分区精确替换；支持VLM自动生成配色方案或文本指令指定编辑区域，并在配色准确的同时完整还原Logo、拉链等精细结构，较传统整衣换色在搭配灵活性与细节保真度方面均有明显提升。
　　对于AI商品图功能，我们重点围绕静物拍摄场景的控制性与创意性进行了升级。在参考图模式下，基于用户上传的参考图片，新方案能够精准复刻参考图中的场景布局、风格特征及艺术特效，将目标商品自然、真实地融入参考场景，实现高保真的商品展示效果。同时，新方案进一步增强了文本指令的理解与控制能力，能够准确解析用户对创意场景各方面的需求，生成更加符合预期的商品图片，使创作过程更加灵活高效。整体效果在场景一致性、商品融合度、创意表达能力以及生成质量等方面均较上一版本实现了显著提升，为商品营销和内容创作提供了更高质量的AI生成能力。
　　对于AI换背景功能，PSAI实现了高速、高清、高质量的背景替换算法。PSAI完善了对于棚拍、室内、城市夜景、森林、草地、雪山等复杂背景的支持，生成构图更合理，材质更细腻，光影更真实的图片。仅需单张背景参考图，PSAI一分钟以内即可生成背景替换后的高清图片,生成耗时减少了50%。同时PSAI支持用户手动选择背景更一致或融合感更强的生成偏好，满足电商客户对于高背景一致性或前背景融合感的差异化需求。在融合感更强的模式下，生成背景的同时也会对模特前景进行同步融合优化，在保证模特ID以及服装一致性的基础上，优化模特前景的色调和光影，使得生成的图像更加真实，仿佛模特真实置身于背景环境之中。
　　对于AI重打光功能，其旨在系统性地解决AI生成图像中光照不协调的难题。该功能既可依据背景场景的光照分布（包括光源方向、色温及阴影柔硬度），对前景主体进行光照重构，以实现人像与背景在亮度、色调及投影逻辑上的自然融合；亦可借助外部参考图像，将其全局光照特征及色彩基调迁移至待处理图像，确保输出结果在光照方向与色调风格上与参考图高度一致。为贴近商业摄影流程，系统还内置了模拟反光板的选择性补光算法，可针对人像暗部区域进行柔和提亮，从而增强立体感并提升画面美观度。最终，所有处理结果均支持4K超高清输出，能够精细保留皮肤纹理及边缘过渡等微观细节，充分满足广告、电商等高质量商业视觉制作的专业需求。
　　对于AI模特视频生成功能，由动作模仿与区域替换能力进一步拓展为视频理解、视频换头与视频换模特的完整能力矩阵。新推出视频分析Agent，面向爆款视频复刻场景，可分层拆解参考视频的主旨、分镜与画面细节，结合用户素材重新规划剧本与镜头语言，并自动生成分镜对应的图像与视频提示词，形成可落地的完整视频生成方案，显著降低制作成本、提升视频流水线效率。在视频编辑方面，升级视频换头与视频换模特能力：视频换头通过目标人物参考图实现连续帧中的头部稳定替换，在人物ID一致性、减少身份漂移与前后帧不一致方面提升明显，并更好适应转头、表情变化、快速运动、局部遮挡及光照变化等困难场景，同时保留原视频动作、表情、背景与运镜效果；视频换模特则在保持动作、镜头运动、背景及光照风格稳定的基础上，实现人物全身主体的自然替换，增强服装在大幅动作、遮挡与视角变化下的时序稳定性，减少形变与细节漂移，整体真实感与连贯性较此前视频替换方案显著增强。
　　PSAI还推出了自研的生图AIAgent功能，实现对于任务的理解、逻辑推理、以及最终提示词的生成。生图Agent应用于AI换背景、AI电商详情页等多个强逻辑的生图场景中，与自研算法结合，借助LLM的世界知识和推理能力，以及Agent框架的稳定性，来让AI换背景和AI电商详情页的生成更可控、构图更合理、细节更美观。
　　（28）泊车辅助系统（AVM/APA/HPA）
　　AVM技术持续围绕产品体验优化和工程效率提升开展研发。针对透明底盘拼接对齐问题，重点优化低速、加速及转弯等典型工况下的拼接策略，提升透明底盘画面的几何对齐精度和稳定性，改善车辆运动过程中的画面错位现象。持续优化拼接画面的亮度、色彩一致性及HDR显示效果，提升复杂光照场景下的画面稳定性和视觉表现。研发透明底盘调试工具及拼缝调试工具，实现拼接效果可视化分析和参数快速调优，提升算法开发与调试效率。在3D视图方面，融合深度感知与目标检测技术，进一步优化目标显示效果，提升整体视觉体验。新增全景拼接图生成能力，为三维车模渲染提供更加真实的环境光照信息，进一步提升车体光照效果和整体视觉真实感。新增基于CPU的2.5D环视拼接动画能力，实现车辆周围环视画面的平滑动态过渡和连续展示，在低算力平台上有效降低视角切换过程中的视野盲区，提升AVM环视显示效果和驾驶辅助体验。
　　在L2级行泊一体解决方案中，自动泊车辅助（APA）和记忆泊车辅助（HPA）是其重要组成部分。公司在自动泊车领域持续创新，基于前期AVM/APA/HPA技术积累，在感知算法精度提升、规控智能化升级、工程效率优化等多个方面取得技术突破。
　　APA感知算法在底层算法精度上持续提升。可行驶区域召回率提升3%，目标检测召回率提升1%，路沿空间水平车位定位精度由10cm提升至3cm，提升70%。新增倒车循迹功能，支持更多典型复杂场景，优化拥挤水平车位、靠墙狭窄车位泊入成功率，优化盲区视觉算法提升车长超过5.2米的泊车成功率，改善空间水平车位及带限位器车位泊车贴合度。
　　APA超声波算法新增USS障碍物置信度、高低属性、障碍物分裂等核心算法模块。持续优化动态障碍物删除、拖边删除、线段融合等功能，提高超声波障碍物识别准确率及稳定性。
　　APA规控智能化方面实现重要进展。完成APA速度规划能力升级，新增期望速度、最大速度、T型速度规划、加速度平滑、曲率变化率限速、障碍物风险限速等功能，进一步完善泊车纵向控制能力。完成APA控制算法升级，引入模糊自适应控制，新增泊车结束方向盘自动回正、换挡静止控制等功能，提高泊车舒适性。完成APA路径规划优化，新增异常路径优化、断头路径优化、轨迹平滑优化、路径搜索优化等能力。
　　APA工程效率实现全面提升。完成APA路径质量自动评价平台建设，实现路径质量自动化评估与量化分析。建立APA速度规划统一框架，实现速度规划与后处理融合。引入模糊自适应控制，提高泊车控制鲁棒性。持续优化APA路径质量，提高路径曲率连续性、轨迹拟人性及泊车效率。持续优化APA速度规划，提高泊车平顺性、舒适性及安全性。持续优化路径搜索算法，降低搜索耗时，提高规划实时性。
　　（29）三维渲染引擎
　　三维渲染引擎持续完善核心渲染能力和底层架构，提升跨平台适配能力及实时渲染性能。引擎提供渲染、动画、UI等完整的图形引擎解决方案，支持基于物理的渲染，可真实模拟金属、玻璃、塑料、皮革等多种材质效果，并支持融合环境光照信息，进一步提升车辆及三维场景的真实感和视觉表现。
　　持续优化引擎渲染架构，完善多渲染管线和多种反走样方案，引入智能场景资源管理与渲染调度机制，支持GPU压缩纹理、材质合批、自动视域剔除及视点跟踪等关键技术，有效降低资源占用和渲染开销，缩短引擎初始化时间，提升低算力车载平台上的运行效率和实时渲染性能。
　　动画与特效系统持续升级，完善骨骼动画、粒子特效、序列帧动画、动态倒影、自适应视点动画及立体光源等能力，进一步增强三维场景的动态表现力和沉浸感。UI系统全面升级为三维渲染模式，支持MSDF字体、三维图元及三维画线渲染，实现UI与三维场景的一体化融合，提升整体显示效果。
　　针对项目定制化需求，持续完善资源编辑工具链，支持着色器离线编译、资源自动更新及模块化资源管理，提高跨平台兼容性和开发效率；支持多实例渲染、多光照及多渲染空间管理，满足不同车型、不同应用场景下的高性能实时渲染需求。
　　（30）图像修补技术
　　图像修补技术，移动端图像修补技术基于扩散模型强大的生成先验能力打造统一核心算法方案，依托模型优异的图像生成与编辑潜能，适配手机端各类图像修补场景需求。方案以单一核心架构为基础，衍生出路人检测、手动全选两种编辑模式，兼顾智能自动修补与用户自定义编辑需求，适配不同场景的操作与精度要求。其中路人检测模式依托配套自研图像分割库，具备精准的场景识别能力，可智能检测并精准筛选出画面中主体人物以外的路人目标，自动定位需要修补的区域，无需用户手动操作，高效完成冗余路人的去除与画面修补工作。手动全选模式则主打高自由度人机交互能力，支持用户自主圈选、选中图像任意区域，可灵活自定义需要编辑、修补的画面内容，适配个性化精细修补、局部画面优化等复杂使用场景，充分满足用户多样化的图像编辑需求。两种模式均适配任意尺寸图像、任意形状修补区域，兼容性广，适用场景全面。为适配手机端设备性能、提升生成效率，该方案配套部署专属加速LoRA模块。通过轻量化LoRA微调优化，模型无需大量迭代步数，仅通过少量生成步数即可输出纹理细腻、边缘自然、高度贴合原图风格的高质量修补图像，在保障极致修补效果、弱化画面拼接突兀感的同时，大幅提升移动端生成速度，实现高效、高质的端侧图像修补体验。
　　视频修补技术，围绕视频目标分割、光流估计与补全、视频内容修补三大核心技术方向开展研发，重点突破复杂场景下目标跟踪、时空一致性建模及移动端实时部署等关键技术瓶颈，形成了一套兼顾高精度、高效率与端侧实时运行能力的视频智能修补技术体系。在视频目标分割方面，提出了融合目标特征建模与长期时序记忆的目标跟踪分割算法，实现用户指定目标在整段视频中的稳定跟踪与像素级精确分割。同时，结合网络结构重参数化、模型融合、知识蒸馏及轻量化设计等技术，实现模型在移动端的高效部署，在保证分割精度的基础上达到实时推理性能。针对AI视频编辑中的路人消除等典型应用场景，研发了智能路人检测与自动分割算法，可自动识别复杂背景中的行人目标并生成高质量分割结果，大幅降低人工交互成本，提升智能编辑效率和用户体验。光流估计与补全方面，突破传统光流估计、区域补全等多阶段串联方案存在的误差累积和泛化能力不足的问题，创新构建了光流估计与光流补全一体化端到端网络，实现运动信息预测与缺失区域补全的联合优化。该方法充分利用全局运动约束和局部纹理信息，在复杂动态场景、快速运动、大面积遮挡及非刚体运动条件下，能够获得更加连续、稳定和准确的光流场，有效提升视频修补的时空一致性。针对移动端算力和存储资源受限的问题，通过模型轻量化、算子融合、计算图优化、内存复用及异构计算加速等多项关键技术，将单帧处理时延由1000ms以上降低至约10ms，实现了高精度光流算法在移动终端上的实时运行。视频内容修补方面，基于视频时序建模、目标分割结果及光流运动信息，建立了面向视频序列的时空一致性修补框架，实现缺失区域的高质量内容重建。针对视频修补过程中普遍存在的纹理模糊、运动鬼影、累计误差扩散以及光照变化引起的时序不一致等技术难题，创新提出累积误差截断、关键像素缓存、自适应时序传播及多帧融合优化等核心算法，有效抑制误差传播，提高修补区域的结构完整性、纹理真实性和跨帧连续性，显著提升复杂场景下的视频修补质量。在工程实现方面，通过模型蒸馏、低比特量化、混合精度计算及并行流水线优化等一系列端侧部署技术，实现了完整视频修补算法在移动设备上的高性能落地，在算法精度、实时性能及资源消耗之间取得了优异平衡，为移动端AI视频编辑、智能内容生成及视频后期处理等应用提供了具有自主创新能力和行业竞争力的核心技术支撑。
　　（31）生成式超分技术(AIGCSR)
　　生成式超分技术（AIGCSR）基于AIGC大模型预训练学习到的丰富自然图像先验，通过扩散模型（DiffusionModel）等新一代生成架构，实现面向真实移动影像场景的高质量图像超分。相比传统超分算法主要依赖局部纹理增强和像素重建，AIGCSR能够充分利用大模型对自然图像结构、语义信息和纹理分布的理解能力，针对手机长焦和数字变焦过程中由光学限制、拍摄距离、环境光照以及用户拍摄运动等因素导致的复杂退化问题，在复杂退化条件下恢复丢失的高频细节和自然纹理。
　　通过生成式先验+高保真修复+强生成能力的结合，AIGCSR能够在保持原始图像结构、主体内容和视觉一致性的基础上，恢复自然纹理、提升细节表现，并有效抑制生成伪影和过度增强问题。同时结合模型蒸馏、轻量化网络设计和低比特量化技术，实现生成式超分模型在移动端设备上的高效部署。
　　该技术突破传统图像增强算法的能力边界，不仅提升长焦场景下的清晰度、真实感和细节恢复能力，同时针对文字、人像、密集纹理等复杂区域都可以针对性优化生成质量，为用户带来更加自然可靠的下一代智能成像体验。
　　（32）视频稳像
　　视频稳像技术完成录制模式功能升级，并在国内多家头部AI眼镜客户实现量产出货。基础稳像能力实现突破，有效平衡画面平滑过渡与动态跟随效果，显著提升视频流畅度。针对录制模式可预判运动轨迹的特性，新增动态水平校正与自适应视场角（FOV）功能，解决AI眼镜用户因无实时预览导致的画面倾斜问题，全面优化成片质量。同时，基于运动幅度自适应调节画面裁切比例，在保障稳像效果的前提下最大化保留原始视野，拓宽内容记录范围。预览及实时录制模式正式补齐数字图像稳像（DIS）能力，标志着视频稳像技术迈入混合防抖（HyperVideoStabilization）新阶段。支持超高倍率场景下EIS与OIS协同工作，大幅提升长焦/高倍率视频的防抖稳定性。算法应用场景持续拓展，成功覆盖LivePhoto、Time-lapse等新兴影像功能。其中，Time-lapse已获多家AI眼镜客户订单落地，进一步拓宽了视频稳像技术的商业化边界。
　　2、报告期内获得的研发成果
　　截至2026年6月30日，公司拥有专利323项（其中发明专利295项）、软件著作权162项。相较于2025年末，报告期内净增发明专利12项、软件著作权2项。

　　四、报告期内主要经营情况
　　报告期内，公司实现营业收入43,984.24万元，较上年同期增长7.19%；实现归属于上市公司股东的净利润7,713.84万元，较上年同期下降12.87%。
　　五、可能面对的风险
　　1、技术升级迭代风险
　　公司所处的视觉人工智能行业技术升级迅速，是典型的科技驱动型行业，产品更新换代频繁，市场对技术与产品的需求不断提高，更多的视觉人工智能技术正被运用到各类智能终端。作为一家以研发和技术为核心驱动力的企业，如果公司不能正确判断和及时把握行业的发展趋势和技术的演进路线，并投入充足的研发力量布局下一代的视觉人工智能技术研发，可能导致公司无法保持当前的技术领先性，从而对公司未来的经营产生不利影响。
　　在移动智能终端领域，智能手机市场的需求变化较快，相关技术的迭代周期较短，迭代周期约为1-2年。如果公司未能及时更新升级相关技术或根据市场需求成功开发出新产品，则公司可能出现技术落后、技术迭代不及时等情况，从而导致市场占有率大幅下降。在AI眼镜、XR3D空间计算头显等方向，公司进行了一系列前瞻性的技术和业务布局，但若无法抓住未来市场涌现的机遇尽快获取客户，则可能导致错失发展机遇的风险。在智能汽车领域，当前产业竞争加剧，如公司无法快速与OEM合作伙伴推出有竞争力的量产产品，则公司可能面临错失发展机遇的风险。
　　2、市场竞争风险
　　公司所处行业发展前景广阔，近年来参与者不断增多，并不断加大技术研发及市场开拓的投入，行业竞争加剧。众多企业凭借其在特定细分领域的优势参与各垂直应用领域的竞争。若公司不能持续有效地制定并实施业务发展规划，保持技术和产品的领先性，则将受到行业内其他竞争者的挑战，从而面临市场竞争加剧而导致的毛利率下滑和市场占有率下降的风险，进而影响公司的经营业绩和发展潜力。
　　3、核心技术泄密的风险
　　公司销售的各类产品均基于公司独立研发积累的大量计算机视觉核心技术。为保护公司的核心技术，公司制定了严格的保密体系，但上述措施仍无法完全避免公司核心技术泄密的风险。未来如果公司相关核心技术内控制度不能得到有效执行，或者出现重大疏忽、恶意串通、舞弊等行为而导致公司核心技术泄露，将对公司的核心竞争力产生风险。
　　4、新业务开发和拓展风险
　　公司经过数十年的发展，积累了大量视觉人工智能的底层算法，这些底层算法具有通用性、延展性，除了可以广泛运用于智能手机外，还可应用于AI眼镜、XR3D空间计算头显等其他消费电子产品以及智能汽车、智能商拍、智能保险、智能零售、智能家居、医疗健康等多个领域。
　　新业务的成功与否既受到行业发展状况、市场需求变动以及市场竞争状况等因素影响，又受到公司对新领域的理解、认知、推广力度及与伙伴的合作等诸多因素影响。因此，公司对新业务开发和拓展可能不及预期。如果公司在新领域产品开发或市场推广效果不佳，或者出现其他不利因素，将可能导致公司新业务开发失败，从而对公司未来的经营业绩产生不利影响。
　　5、主要客户采购量减少的风险
　　报告期内，公司前五名客户销售额为24,281.42万元，占销售总额的55.20%。如果智能手机出货量下滑、主要客户业务发展战略发生调整、主要客户因供应链短缺等原因延迟推出新机型或者其他不可预知的原因导致对公司产品的采购需求下降，则会对公司整体经营业绩产生不利影响。
　　6、核心人才流失、未能招募足额的优秀人才及人力成本上升风险
　　公司所处的视觉人工智能行业近年来发展蓬勃，对人才的需求量较大。公司的业务发展，需要一批稳定的研发技术人员、产品化人才及管理人才，这些核心人才对于公司业务的发展壮大起到至关重要的作用。
　　公司的成功取决于不断吸收和留住高水平的研发、产品、销售和管理人才。尽管公司通过内部培养及外部引进逐步形成了较为稳定的核心人才团队，并通过树立企业文化、优化薪酬体系、改善工作环境、完善绩效考核机制等方式完善了人才培养体系，但是，仍然可能出现核心人才流失的情况，从而给公司业务带来不利影响。
　　公司所处行业内企业对于优秀人才的竞争越来越激烈。如果公司未能招募到满足公司业务发展需求的优秀人才，则会对公司的业务发展产生不利影响；如果公司在人力成本上的投入增长速度持续高于收入的增长速度，则会对公司的短期经营业绩产生不利影响。
　　7、管理能力不能满足业务发展需求的风险
　　目前，公司已积累了适应业务快速发展的经营管理经验，完善了相关内部控制制度，逐步实现了公司内控制度的完整性、合理性和有效性。随着新业务的深入推进，公司资产规模和经营规模扩张，在研究开发、市场开拓、资本运作、内部控制、运营管理、财务管理等方面对公司的管理层提出更高的要求。若公司的组织模式、管理制度和管理人员未能适应公司内外环境的变化，将给公司持续发展带来不利影响。若公司管理水平不能快速适应不断扩大的经营规模，解决上市公司经营管理面临的新课题，也将对公司发展带来不利影响。
　　8、行业风险
　　目前，公司提供的视觉人工智能解决方案主要应用于智能手机、智能汽车行业，主要客户包括了三星、小米、OPPO、vivo、荣耀、Moto等全球知名手机厂商以及国内主要的自主品牌、部分合资品牌、外资品牌汽车主机厂商。报告期内，公司移动智能终端视觉解决方案业务收入为35,894.26万元，占公司营业收入比例为81.61%，公司下游主要客户集中于智能手机市场。
　　公司智能手机视觉解决方案收入与智能手机和摄像头的出货量虽无明显线性相关关系，但如果智能手机出货量下滑、摄像头出货量出现下降，主要智能手机业务客户发展战略发生调整或者其他不可预知的原因导致对公司的智能手机计算机视觉解决方案的采购需求下降，则会对公司经营业绩产生不利影响。车载AI业务方面，若行业竞争加剧，公司技术及产品竞争力不足，客户业务发展战略发生调整、客户自身业务发展状况发生改变或供应链紧缺等，可能导致公司车载AI业务进展不及预期，以上因素可能会对公司经营业绩产生不利影响。
　　9、宏观经济风险
　　公司主要从事视觉人工智能技术的研发和应用，主要产品有移动智能终端视觉解决方案、车载AI视觉解决方案，主要终端应用领域包括智能手机、笔记本电脑、智能可穿戴设备等消费电子产品以及智能汽车等，应用领域对国内外宏观经济、经济运行周期变动较为敏感。如果国内外宏观经济发生重大变化、经济增长速度放缓或出现周期性波动，公司主要客户因终端需求下滑、调整自身市场计划，或因供应链短缺等原因延迟推出新产品而对公司采购需求下降，且公司未能及时对行业需求进行合理预期并调整公司的经营策略，可能对公司未来的发展以及经营业绩产生负面影响。
　　10、贸易摩擦风险
　　随着公司经营规模的不断扩大，公司人员增加、结构优化导致各项费用增加，同时在国际贸易摩擦的背景下，国外客户受美国制约可能向公司减少采购，国内外客户受制于贸易摩擦或其他因素导致的自身销量下降进而可能对公司采购下降，以上因素可能会对公司的短期业绩形成不利影响。
　　11、税收优惠的不确定性风险
　　报告期内，公司及子公司享受了一系列增值税税收优惠、所得税税收优惠，尽管税收减免对公司业绩的影响有限，但如果未来公司所享受的税收优惠政策出现不可预测的不利变化，或者在税收减免期内公司不完全符合税收减免申报的条件，则公司将在相应年度无法享受税收优惠或存在所享受的税收优惠减少的可能性。公司税收优惠政策可能的变化会使公司未来经营业绩、现金流水平受到不利影响。
　　12、汇率波动风险
　　虹软科技是一家全球化公司，在境外多地拥有经营主体，且客户分布韩国、日本、中国台湾、美国及欧洲等各地，报告期内公司来源于境外的收入占比为36.00%，上述境外业务使用外币进行结算，受到人民币汇率水平变化的影响。随着公司业务的发展，公司外汇结算量将可能进一步增加，同时人民币汇率受国内外政治、经济环境等综合因素的影响，存在波动风险，进而对公司的经营业绩产生不利影响。
　　13、应收账款收回风险
　　截至报告期末，公司应收账款账面余额为35,336.03万元，较期初增加3,150.29万元。增加部分主要为应收移动智能终端业务客户，该类客户信用较好。如果未来宏观经济形势发生不利变化，客户经营状况发生重大困难，公司可能面临应收账款无法收回而增加坏账损失的风险。
　　14、诉讼风险
　　在业务发展过程中，公司可能面临各种诉讼、仲裁。公司不排除在经营过程中，因公司业务、人力、投资等事项而引发诉讼、仲裁事项，从而耗费公司的人力、物力，以及分散管理的精力。公司实际控制人HuiDeng（邓晖）于2019年9月出具承诺，针对“MarcChan、LeiLi及其家庭基金诉讼事宜”，如发生任何纠纷（包括但不限于诉讼、仲裁、索赔等）给公司造成任何经济损失（包括但不限于支付赔偿款、律师费、诉讼费等）均由公司实际控制人HuiDeng（邓晖）独立承担。截至目前，双方均已提起上诉，上诉结果存在不确定性。
　　15、母子公司多层架构的风险
　　公司下设多家境内外子公司，层级较多，公司面临各国法律及税收的监管要求。如果未来境外子公司所在国家或地区法律及税收的监管要求发生不利变化，同时公司实际控制人、管理层缺少相应的管理经验和能力，将增加公司管理协调的难度，带来经营管理风险，从而对公司业绩造成不利影响。如果未来境外子公司所在国家或地区对于现金分红、资金结转等事项进行严格监管，可能对公司下级子公司的经营利润逐级分配至母公司构成一定障碍，可能造成母公司没有足额资金进行现金分红的风险。
　　16、知识产权侵权风险
　　公司坚持自主创新的研发路线，经过多年的技术开发和业务积累，掌握了多项核心技术，拥有发明专利295项、软件著作权162项。公司的商标、专利、软件著作权等知识产权对于公司的业务经营至关重要，公司建立了完善的知识产权维护机制以保护公司的知识产权免受侵犯。但是，考虑到知识产权的特殊性，第三方侵犯公司知识产权的情况仍然有可能发生，从而导致公司为制止侵权行为产生额外费用，对公司正常业务经营造成不利影响。
　　同时，虽然公司一直坚持自主创新的研发战略，以开发自有、底层技术为主要研发路线，以避免侵犯第三方知识产权，但仍不排除少数竞争对手采取恶意诉讼的市场策略，利用知识产权相关诉讼等拖延公司市场拓展，以及公司员工对于知识产权的理解出现偏差等因素出现侵犯第三方知识产权的风险。 收起▲

　　一、报告期内公司所从事的主要业务、经营模式、行业情况说明
　　(一)主要业务、主要产品或服务情况
　　公司专注于计算机视觉领域，为行业提供算法授权及系统解决方案，是全球领先的视觉人工智能企业，始终致力于视觉人工智能技术的研发和应用，坚持以技术创新为核心驱动力，在全球范围内为智能设备提供一站式视觉人工智能解决方案。
　　公司拥有丰富的针对智能手机、AI眼镜等移动智能终端以及智能汽车的视觉算法产品线，主营业务收入来源于自主研发核心技术的授权许可使用。目前主要客户包括三星、小米、OPPO、vivo、荣耀、Moto等全球知名手机厂商以及国内主要的自主品牌、部分合资及外资品牌汽车主机厂商。
　　1、... 查看全部▼

　　一、报告期内公司所从事的主要业务、经营模式、行业情况说明
　　(一)主要业务、主要产品或服务情况
　　公司专注于计算机视觉领域，为行业提供算法授权及系统解决方案，是全球领先的视觉人工智能企业，始终致力于视觉人工智能技术的研发和应用，坚持以技术创新为核心驱动力，在全球范围内为智能设备提供一站式视觉人工智能解决方案。
　　公司拥有丰富的针对智能手机、AI眼镜等移动智能终端以及智能汽车的视觉算法产品线，主营业务收入来源于自主研发核心技术的授权许可使用。目前主要客户包括三星、小米、OPPO、vivo、荣耀、Moto等全球知名手机厂商以及国内主要的自主品牌、部分合资及外资品牌汽车主机厂商。
　　1、移动智能终端领域
　　公司TurboFusion围绕高分辨率影像场景持续进行技术优化，通过针对不同硬件架构进行深度适配与整体影像流程优化，实现画质表现与运行效率的平衡，并在色彩表现、复杂光线处理及高动态范围场景中显著提升视觉效果。同时，系统支持Flash、CCD、Touch等多种闪光灯模式，增强终端产品设计的灵活性与稳定性。在AI能力方面，公司推进端侧大模型部署，通过优化模型运行策略，在保障隐私安全的同时提升实时处理效率，并持续优化算法资源管理以降低内存占用、提升系统稳定性。
　　2025年开始，公司进一步拓展AI眼镜、民用机器人及智能相机等领域，通过强化影像与视觉算法、多模态感知融合以及产业链协同合作，推动技术在终端产品中的规模化应用；同时通过多帧融合、运动补偿与图像重建等核心算法优化，使影像方案能够适配多种硬件平台，在复杂环境下保持稳定、清晰且自然的成像效果，持续提升整体影像体验与技术商业化能力。
　　2、智能汽车领域
　　公司在智能汽车领域围绕车辆行驶与停车两大核心应用场景，形成了由舱内安全产品包、停车安全产品包及智能辅助驾驶产品包构成的产品体系。其中，舱内安全产品（ICSPack）主要面向智能座舱安全，通过驾驶员监控系统（DMS）和乘员监测系统（OMS），结合视觉感知与人工智能算法，实现驾驶员疲劳检测、分心检测、健康监测、身份识别，以及安全带检测、儿童安全座椅识别、危险坐姿识别等乘员安全状态监测功能；停车安全产品（PSPack）主要面向停车场景安全与辅助需求，基于360°环视视觉系统提供2D/3DAVM全景影像、透明底盘、车辆哨兵监测等功能，并结合视觉感知、超声波融合感知及路径规划控制算法，为用户提供自动泊车及停车全场景智能辅助能力；智能辅助驾驶产品（ADAS）则围绕车辆行驶过程中的环境感知与安全辅助需求，基于视觉感知技术为整车提供前向环境理解及相关智能辅助驾驶能力。通过上述产品体系，公司持续推动视觉人工智能技术在智能座舱与智能辅助驾驶领域的应用落地。
　　3、智能商拍领域
　　在智能商拍领域，公司基于不断优化的ArcMuse计算技术引擎，构建了从静态图片到动态视频多模态生成的商业视觉底座，并持续深化PhotoStudioAI智能商拍云工作室（PSAI）的商业应用。2025年，公司积极推进并全面达成“应用+服务”双轮驱动的商业战略。在产品矩阵端，针对产业带中小商家的规模化、协同化内容生产效率提升的需求，公司推出PSAI企业版，标志着PSAI正式从单点AI生成工具向企业级视觉生产力平台迈进。借助PSAI标准版与企业版的组合，公司将高效触达并深度赋能海量中小及腰部电商商家；同时，针对头部服饰及时尚品牌，公司提供深度定制的一站式AI商拍交付解决方案。由此，公司构建了从模拍图、静物图、种草图到主图视频、创意视频等电商全链路营销内容的生产与服务能力。
　　在功能迭代与行业覆盖方面，PSAI已实现AIGC商拍全链路覆盖，产品丰富度与技术竞争力持续领跑行业。平台在深耕鞋服品类核心生成能力的基础上，正稳步向眼镜、箱包、帽子等多时尚类目延伸。目前，PSAI已全面支持AI试穿、AI模特、AI场景等核心商拍功能，并于2025年内陆续推出搭配上身、服饰换色、AI种草图等拓展功能，同时对动作模仿、图生视频等多模态前沿技术完成全面升级。通过将图文与视频生成的高可控性与极佳的物理真实感有机结合，并辅以去水印、智能高清、智能抠图、魔法擦除、智能补光等完善的AI后期处理工具包，PSAI为全客群提供了更具针对性的行业级AI解决方案，精准、高效地满足了商家差异化的视觉展示需求。
　　(二)主要经营模式
　　1、盈利模式：公司主要盈利模式是将计算机视觉算法技术与客户特定设备深度整合，通过合约的方式授权给客户，允许客户将相关算法软件或软件包装载在约定型号的智能设备上使用，以此收取技术和软件使用授权费用。同时，公司也向客户销售软硬一体视觉解决方案。
　　2、研发模式：公司主要采取自主研发的模式。研发过程大致分为以下9个步骤：①获取需求信息；②管理层决策研发方向；③搭建研发项目组；④验证研发项目算法，进行项目测试；⑤集体讨论决策项目算法；⑥进行底层算法与实际环境的结合优化；⑦进行实际产品结合测试；⑧产品成熟后路演，选择合适的客户进行测试合作；⑨测试合格后大规模推广。
　　3、销售模式：公司采用直销的方式，主要面向智能手机、智能可穿戴设备、智能相机等移动智能终端，以及智能汽车、智能家居、智能零售与各类搭载摄像头的AIoT设备制造商，销售计算机视觉算法软件及相关解决方案。
　　4、收费模式：按照业务合同的不同类型划分，公司的计算机视觉算法软件主要收费模式可划分为固定费用模式和计件模式两种模式。①固定费用模式：按合同约定的软件授权期限，收取固定金额的软件授权费用。特定客户在软件授权期限内，针对某款、某系列的特定设备内，可以合法地把含有虹软科技算法技术的特定软件无限量装载在合约限定的智能设备上。②计件模式：在合同约定的软件授权期内，按照客户生产的装载有虹软科技算法技术智能设备的数量进行收费。
　　通常情况下，公司会与客户就不同生产数量区间，约定阶梯价格，保障双方利益。针对软硬一体解决方案，公司目前采用计件模式。
　　5、采购模式：公司的主要采购内容包括研发、测试和运营所需的各类硬件设备、软件、服务，以及产品解决方案所需的物料等。根据需求部门的请购申请，采购部门按照《采购管理制度》的要求，执行供应商选择、采购合同签订、合同执行跟踪、采购付款申请等流程。针对软硬一体解决方案，由公司进行硬件的设计并购买相应部分核心部件后，委托第三方进行组装生产。
　　(三)所处行业情况
　　1、行业的发展阶段、基本特点、主要技术门槛
　　根据《国民经济行业分类》（GB/T4754-2017），公司所属行业为“I65软件和信息技术服务业”中的“I6513应用软件开发”。根据中国上市公司协会发布的《中国上市公司协会上市公司行业统计分类指引》，公司所属行业为“信息传输、软件和信息技术服务业－软件和信息技术服务业”，行业代码为“I65”。
　　公司从事计算机视觉技术算法的研发和应用，主要产品有移动智能终端视觉解决方案、车载AI视觉解决方案、智能商拍解决方案，根据公司主要产品功能及服务对象的特点，公司所属行业为计算机视觉行业，属于软件和信息技术服务业。
　　根据国家发改委公布的《战略性新兴产业重点产品和服务指导目录2016版》，公司属于“新一代信息技术产业”。
　　1.1行业的发展阶段、基本特点
　　随着人工智能技术日益成熟，其与各行各业的协同发展日趋加速，“人工智能+”已从理念共识转化为产业实践的核心路径。作为底层支撑技术，视觉人工智能广泛应用于各类人工智能细分领域，以下是与本公司相关的主要领域发展状况：
　　移动智能终端细分领域
　　伴随着人工智能、大模型及计算机视觉技术的持续发展，消费电子终端设备正加速向智能化、多形态及多场景方向演进。视觉人工智能技术作为人工智能的重要组成部分，在图像处理、视觉识别、人机交互等领域具有广泛应用，并逐渐成为智能终端设备的重要核心技术之一。目前，智能手机仍然是全球规模最大的消费电子终端设备，而以AI眼镜、运动相机等为代表的新型智能终端产品不断涌现，为视觉人工智能技术提供了更加广阔的应用空间。
　　在移动智能终端领域，2025年在存储芯片短缺的背景下，全球智能手机市场仍实现韧性增长，增长主要由高端机型需求提升、折叠屏表现强劲，以及消费者受涨价预期影响提前换机等因素共同推动。根据第三方研究机构国际数据公司（IDC）于2026年1月发布的《全球季度手机跟踪报告》等信息，2025年全球智能手机出货量达到12.6亿部，同比增长约1.9%。智能手机市场已进入成熟阶段，但在人工智能技术持续发展背景下，AI能力正逐渐成为终端设备的重要差异化竞争要素，例如AI影像处理、语音助手、实时翻译及智能搜索等功能不断提升，推动智能手机向“AI手机”方向发展。同时，高端机型需求增长以及新兴市场需求恢复，也为智能手机市场提供了稳定的发展动力。对于行业普遍关注的存储芯片短缺问题，IDC预计2026年市场出现下滑，且短缺持续时间将直接决定市场收缩的幅度。
　　与此同时，在人工智能与扩展现实（XR）技术融合发展的背景下，以AI眼镜为代表的新型智能可穿戴终端正逐渐兴起。据IDC官方报告数据显示，2025年全球智能眼镜市场出货量达1,477.3万台，同比增长44.2%。其中，中国智能眼镜市场出货量为246.0万台，同比增长87.10%。IDC预测，2026年全球智能眼镜市场出货量将突破2,368.7万台，中国市场出货量将突破491.5万台，行业正式迈入规模化增长新阶段。在全球化布局与本土供应链优势的双重驱动下，2026年中国智能眼镜厂商出货量有望占据全球市场45%；同期智能眼镜市场端侧AI支持的占比将超30%，搭载大模型的语音助手占比将超75%，为复杂人机交互任务提供强力支撑。随着人工智能助手、多模态交互以及实时视觉识别技术不断成熟，AI眼镜在信息提示、实时翻译、影像记录以及导航等场景中的应用逐渐丰富，具备成为新一代智能终端重要形态的发展潜力。
　　除智能手机及AI眼镜外，运动相机等影像类智能设备市场也保持稳定发展。运动相机是一类具备小型化、抗震防水及广角拍摄能力的影像设备，广泛应用于户外运动记录、旅行记录、短视频创作以及专业影像拍摄等场景。随着全球短视频平台、户外运动以及内容创作产业的发展，运动相机市场需求持续增长。根据GrandViewResearch发布的行业研究报告，2025年全球运动相机市场规模约为72.72亿美元，并预计到2033年将增长至约180.44亿美元，2026年至2033年期间复合年增长率约为12.1%。同时，随着4K/8K视频拍摄、AI防抖技术以及智能影像处理能力的持续提升，运动相机产品在影像质量与智能化功能方面不断升级，进一步拓展了其在消费级影像及专业影像领域的应用空间。
　　总体来看，在人工智能技术持续发展以及终端设备形态不断创新的背景下，智能手机仍将保持全球最大规模的消费电子终端市场，而AI眼镜、运动相机等新型智能终端设备正逐渐成为行业新的增长点。随着视觉感知技术、多模态交互技术以及端侧人工智能能力不断提升，视觉人工智能技术在各类智能终端设备中的应用将持续深化，为相关产业发展带来新的市场机遇。
　　智能汽车细分领域
　　2025年，全球汽车产业格局持续重塑，中国车企全球化进程加速。以比亚迪、上汽、吉利为代表的中国车企继续向上抬位，中国品牌在全球市场的竞争力持续提升，全球车市头部竞争从“规模竞赛”加速转向“电动化、智能化与全球体系能力”的综合对垒。据中国汽车工业协会数据显示，2025年度，我国汽车产销量分别完成3,453.1万辆和3,440万辆，同比分别增长10.4%和9.4%，连续17年稳居全球第一。对外贸易呈现出较强韧性，全年汽车出口规模再上新台阶至709.8万辆，同比增长21.1%。智能驾驶、智能座舱等核心技术持续迭代，多模态感知、端云协同等应用逐步落地，整车电子电气架构向集中式升级，软件定义汽车成为主流，产业逐步向“硬件+软件+服务”协同模式转型。中国商用车市场回暖向好，据中国工业和信息化部及中国汽车工业协会数据，全年商用车产销量分别达426.1万辆和429.6万辆，同比分别增长12%和10.9%，出口量达106万辆，同比增长17.2%。头部企业凭借技术优势占据市场主导，出海模式升级为“产品+服务”双输出，依托政策红利与基建复苏，实现内需与出口双向发力。
　　近年来，海外多个主要经济体针对汽车安全推出多项强制性标准，覆盖网络安全、功能安全及特定技术等领域，全球汽车行业合规监管持续收紧。2025年，国内智能汽车领域迎来法规标准密集落地、全面升级，行业加速从“技术驱动”转向“合规优先”。4月，交通运输部公告2025年第21号，对《营运客车安全技术条件》（JT/T1094）等4项营运车辆行业标准部分条款进行修订，优化调整ESC、AEBS等安全装置的配备范围，明确新规适用于新申请进入道路运输市场的达标车型，且该修订条款自发布之日起9个月后正式实施，AEBS辅助驾驶功能自此成为商用车法规强制要求。5月，《轻型汽车自动紧急制动系统技术要求及试验方法》强制性国家标准征求意见稿发布，将自动紧急制动系统（AEBS）从推荐性标准升级为强制性要求，适用范围从M1类乘用车扩展至N1类轻型载货汽车，新增多场景测试验证，该项标准后续于2025年12月正式获批发布（GB39901-2025），明确2028年1月1日起全面实施。6月，全国标准信息公共服务平台公示《智能网联汽车组合驾驶辅助系统安全要求》拟立项强制性国家标准项目意见，后续该项标准于2025年9月正式对外公开征求意见，旨在通过强制性国家标准约束组合驾驶辅助系统功能表现，规范产品研发与量产管控，提升产品安全性能、减少因产品性能缺陷引发的交通安全事故，进一步完善我国道路交通安全管控体系，实现标准对各类组合驾驶辅助系统产品的全面覆盖。9月，工信部等八部门联合印发《汽车行业稳增长工作方案（2025-2026年）》，正式推进智能网联汽车准入和上路通行试点，有条件批准L3级车型生产准入，同步健全配套监管与责任划分规则。2025年全年，国内智能汽车主动安全、功能安全等领域标准体系日趋完善，强制性监管覆盖范围持续扩大，倒逼产业规范化发展，为行业高质量前行奠定坚实合规基础。
　　商业拍摄细分领域
　　2025年智能商拍作为AI电商内容生产的核心场景，在技术迭代与降本需求的双重驱动下进入规模化落地期。根据头豹《2025年AI电商行业词条报告》，2020年至2024年，AI电商行业市场规模由239.27亿元增长至504.45亿元，期间年复合增长率20.50%。预计2025年至2029年，AI电商行业市场规模由638.24亿元增长至1382.81亿元，期间年复合增长率21.32%。根据淘宝平台调研，30%的受访卖家已使用过AIGC，其中有50%左右的卖家认为AI技术在开店、发品、内容直播、广告营销、客服服务等环节发挥了作用，可帮助其自动识别商品卖点、形成直播切片等，使其短视频制作成本下降50%。智能商拍作为核心分支，成为渗透率提升最快的AI应用方向之一，行业价值已得到验证。市场格局上，当前已形成“平台自研+第三方服务商协同”的生态，头部平台将商拍能力纳入商家服务体系，服务商则聚焦跨境电商多语言商拍、3D内容生成等垂直场景。
　　1.2主要技术门槛
　　视觉人工智能属于高知识密集型领域，有较高的技术门槛，公司主要为移动智能终端、智能汽车等智能设备以及商业拍摄领域提供视觉人工智能解决方案，在前述领域的主要技术门槛包括：
　　（一）端计算和边缘计算技术的积累
　　边缘计算极大程度上解决了物联网背景下集中式运算架构中的带宽和延迟两大瓶颈问题，主要难点在于低资源的嵌入式平台环境的开发能力，基于移动终端的边缘计算具有巨大的应用价值，但是受限于移动终端有限算力，诸多企业望而却步。
　　公司自2003年开始便明确了在嵌入式设备研发相关视觉人工智能技术的发展方向，在边缘计算技术领域积累深厚，多年来建立了全面、复杂的多平台适用的底层嵌入式开发库。公司积累的算法具有高度的紧凑性、稳定性以及易调用性，可以在高性能、有效大幅降低资源消耗的情况下实现高精度运行。
　　公司长期专注于嵌入式设备算法的研究与开发，多年来积累了大量基于端设备的视觉人工智能算法开发经验。目前公司基于端设备的视觉人工智能算法适用性高、运行稳定，可以在边缘侧发起高效的运算，通过诸如智能手机、笔记本电脑、智能可穿戴设备、智能相机等实现高效的图像优化、识别与检测等功能。公司的移动智能终端视觉解决方案、车载AI视觉解决方案等业务均是从边缘侧发起运算，在智能手机、笔记本电脑、智能可穿戴设备、智能相机等移动智能终端，以及智能汽车与各类AIoT设备上实现各类视觉人工智能的功能。
　　（二）视觉人工智能技术的层次积累
　　在数码相机以及手机功能机时代，公司就开始专注于视觉人工智能技术的研发与应用，公司主要算法技术都经过了长时间的锤炼，从基本的黑白小分辨率图像的摄取、增强、编辑、检测识别到高清大图像、视频的实时处理均打下了坚实的基础，创造了有利和领先的条件。
　　公司掌握的视觉人工智能算法技术具有通用性和延展性。多年来，公司积极致力于将视觉人工智能算法与行业应用相结合，凭借先进的科研力量、强大的产品开发能力以及卓越的工程实施能力，公司快速将视觉人工智能算法技术落地为成熟的解决方案，并进一步将应用领域从智能手机扩展到智能汽车、智能可穿戴设备、智能家居、智能零售等多个行业，助推行业升级。此外，公司基于自身深厚的技术积累，能够为上述行业快速提供高性能、高效率、硬件平台适应性强、功耗控制优良的解决方案，大大降低各类客户的产品使用先进技术的门槛，帮客户提升产品竞争力，助力视觉人工智能和人工智能相关应用的普及。
　　（三）工程落地能力
　　虹软创立至今，除不断积累和发展自身技术、掌握持续开发、迭代与硬件更加匹配的算法的能力，还一直致力于与核心产业链内主流公司开展长期、广泛的合作。公司与高通、联发科等各主流芯片公司建立了长期稳定的合作关系，在研发中持续合作交流，深入了解平台硬件特性并为其针对性优化，共同开发核心功能，不断提高视觉人工智能技术算法产品与移动芯片的适配性。公司还与索尼传感器、三星半导体、格科微、OmniVision、舜宇光学、思特威、锐视智芯等业内核心器件合作伙伴建立了业务交流或合作关系，在项目早期就针对特定相机或硬件做算法适配和调优。针对智能终端的芯片平台，公司具备针对CPU、GPU、DSP和NPU等各个算力单元的强大优化能力。结合各硬件算力单元的能力和算法模块的算力需求，公司具备的异构计算优化能力能够从系统层面更有效地优化性能、降低功耗。得益于此，除核心技术能力突出外，公司同时具备优势明显的工程落地能力，在客户提出技术需求后，能更好地联合和发挥在相机模组、软硬件平台、产线、算法等多方资源合作优势，进而提供效果好、能耗低、效率高、硬件平台适应性广并能够快速落地的解决方案。
　　2、公司所处的行业地位分析及其变化情况
　　当前视觉人工智能市场已初步形成“头部集聚+垂直深耕”的竞争格局，技术迭代加速、行业渗透深化以及政策引导等因素仍在持续推动市场动态变化。核心技术积累、产品化能力、产业生态链合作均构成各垂直行业的核心壁垒。公司是计算机视觉行业领先的算法服务提供商及解决方案供应商，是全球领先的计算机视觉人工智能企业。
　　公司坚持深耕计算机视觉算法技术，深化各行业布局的发展战略，逐步将计算机视觉算法技术的应用扩展至更多的智能终端设备领域。除本公司外，行业中国内企业主要有商汤科技、旷视科技，国外企业主要有SeeingMachines、Mobileye、Cipia、Smarteye。
　　2.1移动智能终端领域
　　在移动智能终端领域，公司持续专注于视觉人工智能领域，为客户提供完整的视觉AI技术与解决方案，是全球智能手机视觉算法领域的重要供应商之一。公司在智能手机影像算法方面积累了深厚的技术优势，多项视觉技术达到行业领先水平，部分创新技术在行业中率先实现应用落地。公司长期服务于三星、小米、OPPO、vivo、荣耀以及Moto等全球主流手机厂商，并与高通、联发科等移动芯片平台企业保持紧密协作，通过针对不同芯片架构持续开展算法适配与性能优化，提升影像算法在各类硬件平台上的运行效率。同时，公司也与多家半导体及图像传感器厂商开展技术交流与合作，逐步形成覆盖底层硬件到终端应用的协同生态体系。
　　在技术发展方向上，公司围绕空间计算相关能力进行系统布局，从标定技术、环境感知、人机交互以及视觉呈现等多个层面构建完整的技术框架，形成较为成熟的空间计算解决方案体系，为客户提供覆盖产品研发全流程的一体化技术支持。与此同时，公司持续加强与行业头部企业之间的技术交流与合作，不断拓展产业协同范围，进一步完善技术生态。
　　以AI眼镜为代表的新一代智能终端正在推动人机交互模式的演进。公司积极推进AI眼镜相关影像算法的研发与应用，与多家AI眼镜品牌厂商建立合作，根据不同产品定位和应用场景提供定制化算法方案，支持客户实现产品快速落地。目前，公司已协助多家AI眼镜厂商推出其首代产品。在智能相机领域，公司也持续结合客户需求推进影像算法优化与方案升级，通过不断完善技术能力，为客户提供更加成熟稳定的视觉解决方案。
　　2.2智能汽车领域
　　在智能汽车领域，公司的市场地位较2024年进一步提升。随着全球汽车智能化进程加快以及相关安全法规逐步落地，驾驶员监控系统（DMS）和乘员监测系统（OMS）等舱内安全感知技术加速普及，市场需求持续增长。在行业整体渗透率不断提升的背景下，公司依托长期积累的计算机视觉与人工智能技术优势，持续推动相关产品的技术升级与市场拓展。与2024年相比，公司在客户结构、产品法规适配能力及海外市场拓展方面取得积极进展，相关技术方案在多家国内外整车厂及Tier1供应商的项目中进入量产或验证阶段，业务规模及行业影响力稳步提升。同时，公司积极推进产品在欧洲等重点海外市场的法规认证与项目落地，进一步增强了公司在全球车载AI视觉感知领域的市场竞争力。总体来看，公司在智能座舱视觉安全及舱内外视觉感知等细分领域的技术积累与产品化能力持续强化，市场覆盖范围和客户基础较2024年进一步扩大，行业地位得到稳步提升。
　　2.3智能商拍领域
　　公司积极拥抱技术变革，引领计算机视觉技术发展，自成立以来，经历了从浅层模式识别到深度学习，再到大模型驱动的智能计算的多阶段演进。当前，人工智能技术正经历以大模型为核心的范式变革，在政策引领、产业升级与技术跃迁的三重驱动下，垂直行业大模型正重构各产业生态。依托深厚的视觉AI技术积累，以自研ArcMuse计算技术引擎为核心，公司不断推动视觉大模型的技术进步与行业落地。
　　公司于2023年推出PSAI，目前已完成淘宝千牛、1688、抖音抖店、TikTok、Shein、亚马逊等平台入驻，成为国内率先完成主流电商平台全覆盖的服务提供商。通过PSAI“应用+服务”，公司为客户提供全链路AIGC视觉内容生成解决方案，是行业领先的电商AIGC视觉生产力服务商之一。公司PSAI技术在中国大陆服饰电商AIGC视觉赛道稳居第一梯队，主要客户群体覆盖海量产业带中小商家及头部服饰时尚品牌，截至报告期末，已累计服务中小商家30余万家，覆盖品牌客户1000余家。
　　3、报告期内新技术、新产业、新业态、新模式的发展情况和未来发展趋势
　　人工智能技术迈入性能迭代与效率升级新阶段，以DeepSeek为代表的国产大模型实现关键技术突破。据官方技术公告披露，2025年初发布的DeepSeek-R1推理模型在数学、代码、自然语言推理等任务上，性能比肩OpenAIo1正式版；年末推出的V3.2标准版在公开推理类Benchmark测试中，已经达到了GPT-5的水平，仅略低于Gemini-3.0-Pro。其“高性能、低成本”的技术路径形成产业标杆。这推动了行业发展重心从算力建设转向算法与工程创新本身。将DeepSeek的工程优化经验与算法创新思路，落地应用于视觉大模型研发领域，已然成为行业全新发展趋势。垂直行业视觉大模型已从试点进入规模化普及期，重构各产业生态。通用大模型技术持续迭代升级，带动模型轻量化、高效化技术不断突破，大幅降低了端侧AI部署门槛与运行成本，进一步打通了技术落地与市场普及的壁垒，拉动AI手机、AIPC、智能眼镜、智能座舱等各类端侧设备放量，推动端侧智能从试点尝鲜走向全民普及。与此同时，端侧设备算力、存储等硬件能力持续升级，也反向支撑大模型本地运行，形成“技术迭代-终端升级-市场放量”的正向产业循环，加速全域端侧AI生态成熟。
　　二、经营情况讨论与分析
　　公司专注于计算机视觉领域，为行业提供算法授权及系统解决方案，是全球领先的视觉人工智能企业，始终致力于视觉人工智能技术的研发和应用，坚持以技术创新为核心驱动力，在全球范围内为智能设备提供一站式视觉人工智能解决方案。
　　2025年度，公司继续以技术创新赋能行业为使命，秉持“夯实核心赛道、突破新兴领域、引领场景革命”的目标，深耕视觉AI核心赛道，围绕智能AI终端、智能汽车以及智能商拍等领域打造面向未来的视觉AI产品，两大核心业务均保持良好发展态势，合力驱动经营业绩实现稳健高质量增长。报告期内，公司实现营业收入92,297.09万元，同比增长13.22%；实现归属于上市公司股东的净利润25,840.70万元，同比增长46.25%；实现归属于上市公司股东的扣除非经常性损益的净利润21,427.99万元，同比增长37.51%。
　　报告期内，公司保持高水平研发投入，为战略落地提供核心支撑，全年累计研发投入达42,990.52万元，占营业收入的46.58%；期末研发人员共计619人，占员工总数的61.71%，为公司技术创新、产品升级与场景拓展筑牢根基。
　　公司按照既定目标，重点开展并推进了如下工作：
　　（一）强化市场领先地位，引领移动影像技术与体验革新
　　2025年度，公司持续巩固移动影像领域的技术与市场领先优势，并积极拓展业务新品类。报告期内，公司移动智能终端视觉解决方案实现营业收入71,506.98万元，同比增长5.90%，持续刷新该业务收入纪录。
　　1、智能手机
　　2025年度，公司智能超域融合（TurboFusion）技术完成旗舰机型向全机型市场的渗透突破，规模化布局初见成效。在具体技术优化上，TurboFusion围绕移动智能终端影像的关键能力持续演进，重点强化了高分辨率处理与色彩表现两大核心方向。针对高分辨率影像场景，TurboFusion通过对整体影像流程与资源调度的系统性优化，并结合多样化硬件架构的深度适配，实现了在不同终端环境下的稳定运行与高效输出。在色彩表现能力上，TurboFusion通过持续打磨整体成像风格与色彩映射机制，显著提升了画面的真实感、层次感与氛围表达能力。
　　公司TurboFusion视频解决方案实现多项核心优化，其中TurboFusion星空拍摄整体解决方案完成多模块升级，并在头部客户实现了商业应用，巩固了公司在特殊场景影像算法领域的优势。在2025年9月召开的高通骁龙峰会上，公司携手高通率先展示了虹软基于全新骁龙8平台打造的超域融合视频功能。该技术大幅提升视频的动态范围与层次表现，暗部细节清晰可见，高光区域不过曝，即便是逆光日落、夜景聚会等复杂光照环境，也能呈现电影般的光影过渡与色彩张力。
　　随着端侧智能能力持续升级，TurboFusion也正积极推进端侧大模型方案的落地应用。在手机端侧硬件资源相对有限的条件下，通过对模型部署方式与运行策略的持续优化，实现了更高效且稳定的AI能力支持。相较于传统依赖云端计算的方式，端侧部署能够显著提升数据处理的安全性与隐私保护能力，降低对网络环境的依赖，在实时响应和处理效率方面更具优势。
　　2、AI眼镜
　　公司前瞻把握AI眼镜作为新一代AI交互入口的战略机遇，凭借深厚的计算机视觉积淀，快速卡位核心算法生态，2025年在技术、生态与商业化三大维度全面突破，确立行业头部供应商地位。在核心技术能力方面，公司持续优化AI眼镜影像与视觉算法能力，围绕复杂环境下的图像与视频处理能力持续升级。通过优化图像与视频处理算法，提升设备在复杂光照、动态场景及低照度环境下的影像表现，并通过视频防抖算法提升动态拍摄场景中的画面稳定性。在产业生态合作方面，公司持续深化AI眼镜产业链协同，与高通等芯片厂商及产业伙伴保持紧密合作，推进自研影像算法在AI眼镜平台上的适配与性能优化。同时，公司持续完善SDK及开发工具能力，并推进对主流操作系统平台的适配，包括HarmonyOS在内的系统生态，以提升方案兼容性与开发效率，进一步完善AI眼镜技术生态。在商业化落地方面，公司持续推进技术成果向终端产品转化，诸如暗光增强、HDR、畸变校正、智能防抖、抓拍等核心影像算法与技术已在雷鸟、Rokid、夸克等多款AI眼镜产品中应用，并与核心客户签约下一代新品，持续保持头部市场优势。
　　（二）深化车载AI业务战略布局，实现市场份额提升
　　2025年度，公司坚定推进车载AI业务“舱内+舱外”与海外市场战略，深化与整车厂、Tier1及生态伙伴合作，加速虹软方案规模化落地。报告期内，公司车载AI视觉解决方案实现营业收入19,198.23万元，同比增长50.94%，总体实现较好增长。
　　1、驾驶员与乘员视觉安全
　　2025年度，公司在驾驶员与乘员视觉安全辅助领域持续加大投入，进一步巩固差异化竞争优势。旗下驾驶员安全辅助系统（DMS）、乘员安全辅助系统（OMS）等核心产品完成多轮技术迭代与性能升级，并实现规模化出货，客户覆盖国内外整车厂、Tier1供应商及新能源汽车品牌等多元化合作伙伴。同时，公司面向舱内场景推出的前装车载视觉解决方案Tahoe，于2025年上半年在欧洲知名豪华品牌车型上实现量产交付。此外，公司基于国产芯片的第二代低成本替代方案已完成样件法规测试，在欧洲部署演示车辆，2026年已面向多家国际主流OEM开展市场推广与技术展示。
　　公司围绕汽车安全法规关键领域，持续推进产品合规与全球市场拓展，重点聚焦DMS、OMS等舱内安全产品的ADDW/DDAW等法规认证及全球推广工作，为产品出海奠定坚实基础。具体来看，公司DMS产品首个内后视镜海外项目通过欧盟ADDW认证并实现量产交付；在岚图、吉利等品牌的部分海外量产车型项目中，DMS产品于E-NCAP（欧洲新车安全评鉴协会）安全警告测试中获得满分；OMS产品在长城、吉利等品牌的部分海外出口车型项目中获得多个项目定点。此外，公司DOMSE-NCAP2026产品方案已完成法规机构摸底测试认证，获得OMS满分通过的测试报告，进一步提升产品合规竞争力。
　　公司与欧洲全球领先舱内传感器供应商及Tier1持续推进深度战略合作，双方联合完成了集成OMS、HOD（脱手检测系统）、CPD（儿童遗忘检测系统）及SRS（安全气囊系统）的传感器融合产品原型开发，相关方案正在开展推广。
　　2、智能停车辅助
　　2025年度，为适应行业舱泊一体、行泊一体化域控的发展需求，公司持续加大智能停车辅助系统相关领域的研发投入与资源配置，重点推进智能停车辅助系统相关产品的研发与市场拓展，进一步完善公司业务布局。技术研发方面，公司舱泊一体解决方案已在客户项目中完成POC技术验证，行泊一体解决方案也在量产进行中；自动泊车产品持续优化算法与系统能力，不断提升复杂场景适应性，已完成包括雷达融合、自选车位泊车、倒车循迹等在内的自动泊车核心功能开发，形成较为完整的泊车能力体系。产品功能层面，围绕用户停车全场景需求，对相关产品进行了系统化的智能功能升级，覆盖起步预警、窄道辅助、智能轮毂视角、智能保险杠视角、开门预警、智慧寻车、智慧哨兵、智慧尾门及暗光增强等多项功能。项目落地上，公司PSPack产品方案相关功能已在多个量产车型项目中实现交付，客户涵盖吉利、奇瑞等国内主流整车厂商，进一步巩固了公司在智能停车视觉感知领域的市场基础。
　　3、智能辅助驾驶
　　2025年度，公司聚焦智能驾驶领域核心技术研发与产品落地，紧扣国内ADAS（高级驾驶辅助系统）领域法规升级趋势，围绕即将实施的AEB（自动紧急制动）强制国标（GB39901-2025）及即将发布的组合辅助驾驶强制法规等法规和行业标准，以合规性、安全性为核心主线，持续推进各产品线解决方案的迭代优化与商业化落地，夯实技术储备、完善产品矩阵，助力公司强化智能驾驶领域核心竞争力，具体进展如下：
　　在低算力平台解决方案（SouthLake）方面，公司深度契合国内汽车行业主动安全法规升级需求，精准对标AEB强制国标（GB39901-2025）及即将发布的组合辅助驾驶强制法规核心要求，重点开展前视视觉感知算法优化、AEB等关键主动安全功能升级工作，进一步完善算法性能稳定性，提升功能适配性与可靠性，确保解决方案全面符合行业监管标准与安全底线，有效助力下游客户满足新车型合规准入要求。报告期内，该解决方案凭借优异的合规性、稳定性及场景适配性，获得多家Tier1（一级汽车零部件供应商）合作伙伴的技术认可，正式开启针对量产项目的技术合作。公司与Tier1深度协同，联合开展软硬件系统化产品集成开发、全场景测试验证等相关工作，持续优化感知算法在不同产品形态下的适配能力，为后续量产导入奠定了坚实的技术与合作基础。
　　在中高算力平台解决方案（EastLake）方面，公司紧跟组合辅助驾驶强制法规推进节奏，针对法规要求的核心技术指标与安全规范，持续开展解决方案的深度迭代与优化，重点提升系统集成效率、功能稳定性及场景适配能力。结合2026年智能驾驶行业向中央计算架构演进的趋势，同步推进技术储备，报告期内，该产品线解决方案成熟度显著提升，进一步完善了公司在不同算力等级平台的产品矩阵布局，为后续商业化拓展及规模化量产提供了有力技术支撑。
　　在合规监管层面，公司针对主动安全AEB功能已顺利通过软件功能安全认证，这一成果标志着公司辅助驾驶产品的系统性安全防护与设计工作迈入全新发展阶段。
　　4、商用车市场
　　2025年度，公司持续升级在商用车等其他市场的技术及产品解决方案，帮助客户打造优秀的安全驾驶产品和体验。在商用车领域，公司的DMS/AVM/BSD/FaceID等产品在重汽、一汽解放、陕汽、福田、东风柳汽等头部卡车主机厂持续获得更多车型的定点以及量产释放；公司的欧盟GSR（ADDW/DDAW/ISA/BSIS/MOIS）解决方案在厦门金旅、苏州金龙等头部客车主机厂也持续获得更多车型的定点以及量产释放。同时，公司的SouthLakeL2级辅助驾驶解决方案也已经成功获得主机厂定点并即将进入量产阶段。
　　5、海外市场战略
　　2025年度，公司持续积极推进“海外”市场战略，围绕VisDrive、Tahoe、ADAS、AiTrak、MonoLake等核心产品，拓展国际化应用场景，推动重点区域市场落地，助力OEM客户实现多款车型顺利量产，提升在国际车载领域的品牌认知度。
　　产品层面，公司以GSRII和E-NCAP2026法规要求为DMS/OMS产品的核心技术方向，持续优化产品功能规划，提升产品对海外法规的适配能力，强化在智能座舱和驾驶监控相关细分领域的技术积累与交付能力。市场与渠道拓展方面，公司通过现有渠道推进与海外主机厂项目的前期沟通与机会跟进，实现对欧美主要OEM厂家的深度对接，并在部分OEM现场举办技术集中交流（TechDay），展示公司就欧盟法规和E-NCAP2026、E-NCAP2029的最新产品研发进展；同时，积极与多家国际Tier1建立或加深合作联系，推进既有合作项目落地，并探索进一步合作机会。公司持续响应客户对海外法规合规的需求，支持多家海外客户实现数款新车型通过GSRII的认证测试并顺利实现量产。
　　为强化欧洲本地服务能力，更好地支持欧洲本地客户需求，公司已在德国成立子公司，近距离了解市场诉求、快速响应和支持当地客户，进一步提升品牌在国际市场的知名度与影响力。
　　（三）积极布局前沿赛道，拓展新兴业务空间
　　1、智能商拍
　　2025年度，公司积极推进AIGC智能商拍领域发展，达成了“应用+服务”双轮驱动的战略预期，完成从静态图片到动态视频的多模态生成商业落地。技术层面，公司持续优化底层算法，除服装品类外，还研发并提升鞋子及服饰配件等多时尚品类的AI试穿、AI模特、AI场景、AI视频等核心商拍产品效果；产品功能方面，在稳固既有功能的基础上，于下半年推出搭配上身、服饰换色、AI种草图、图生视频等高阶功能，持续完善功能矩阵、实现全链路覆盖，产品丰富度与行业竞争力保持领先；同时，针对产业带中小商家规模化、协同化内容生产需求，发布PSAI企业版，推动PSAI从单点工具向企业级视觉生产力平台升级。在商业化层面，公司通过PSAI标准版与企业版高效赋能海量中小及腰部电商商家，并为头部服饰时尚品牌提供一站式AI商拍交付解决方案，截至报告期末，已累计服务中小商家30余万家，覆盖品牌客户1000余家，商业生态持续繁荣，双轮驱动格局稳步落地。
　　2、具身智能机器人
　　2025年度，公司聚焦视觉算法前沿研发与技术场景化落地，凭借在视觉感知、多模态感知融合等领域的技术优势，成功与知名头部民用机器人企业达成商务合作，实现最核心视觉感知算法、引擎在民用机器人领域的实际落地应用。
　　技术储备层面，公司坚持前瞻布局，深挖核心技术引擎包，推出适配行业需求的核心视觉感知、视觉融合感知的技术解决方案。方案涵盖视觉能力拓展、环境导航感知、人机自然交互、大脑感知精准操控四大核心引擎包，重点优化视觉感知的精准、即时性，感知与机器人动作的高度协同，强化多场景自适应泛化能力，动态三维语义建图、定位的精确和实时性，精细的目标对象的三维形状建模。基于以上布局，公司构建起技术驱动的差异化竞争壁垒，技术布局契合具身智能行业“感知-决策-行动”的核心技术发展趋势，为后续感知市场爆发及技术泛化奠定坚实基础。
　　（四）持续创新投入，加大底层技术研究与应用
　　公司构建并持续完善通用视觉算法底座，依托深厚的视觉AI技术积淀，致力于为更广泛的端侧智能体提供核心AI能力支撑。公司在智能手机领域积累的深厚影像技术，除迁移至智能汽车领域外，也已成功应用至AI眼镜、智能机器人领域，实现技术的跨场景复用与价值最大化。
　　2025年，公司稳步推进新一代ArcMuse计算技术引擎的研发与迭代，全面达成了年初既定的技术升级目标，将其成功打造为兼顾卓越视觉效果与极致推理性能的综合型视觉AI基础架构。依托“云+端”工程创新能力，ArcMuse引擎已切实成为驱动公司各项业务高质量增长的核心底座。具体进展包括：一是核心引擎与模型架构深度升级，公司成功完成了图像与视频生成大模型的训练与推理性能优化，CPG与KDE模块迭代成效显著，大幅提升了生成内容的精确控制力与物理逻辑自洽性。同时，通过集群算力统筹与深度优化，进一步降低了模型训练与推理的算力消耗，提升了整体运算效能。二是底层新模块研发与端侧部署突破，公司成功研发并落地了大模型端侧引擎，并成功在移动智能终端实现搭载出货。这一突破切实打破了硬件算力壁垒，让高质量的大模型生成与处理能力在受限算力的设备上高效运行成为可能。
　　（五）精准优化经营管理，全面提高经营质效
　　1、打造富有战斗力的人才梯队
　　2025年，公司以优化人才配置、提升组织效能为目标，有序推进人才管理体系建设。围绕战略发展与业务赛道人才需求，实施精准引才策略，统筹校招与社招布局，优化内部推荐机制，通过精准画像、定向触达提升匹配效率。同时，构建分层分类的培训体系与学习平台，开展多维度、场景化主题培训（如知识技能、通用管理、专业素养、管理研修、开发技术、项目管理等），提升管理者与研发人员综合能力并通过“虹鹰训练营”培育新生代骨干。公司持续完善多元化人才评价与职业发展机制，以业务需求为牵引，完善跨部门人才流动机制，优先内部选拔补足关键岗位，盘活人才存量。人力资源各模块高效协同，强化业务支撑与文化引领，营造高绩效、强凝聚的团队氛围。
　　2、强化应收账款和汇率风险管控
　　截至报告期末，公司应收账款账面余额为32,185.74万元，较期初增加6,142.92万元。增长主要来自于车载AI业务，该业务受行业特点影响，收款周期相对移动智能终端业务更长。2025年度，公司充实应收账款管理团队力量，精细化掌握账款动态、打通管理堵点，有效提升运营效率；同时深化业财融合，优化客户信用评审，对成熟、次新及新业务分类实施风险管控与账期管理，持续强化应收账款全流程管理，不断提升财务管理精细化水平，保障公司业务稳健发展。
　　2025年度，公司紧抓全球外汇市场波动机遇，主动优化资金币种结构，合理调整境内外资金配置，提前部署汇率风险管控工作，稳妥规避跨境资金波动风险，牢牢守住资金安全底线。同时公司持续推进全球化资金统筹管理，延续“阶梯式存款+低风险理财”的结构化配置模式，兼顾资金流动性与收益性，始终维持充裕现金储备，为核心技术研发、抵御经营不确定性风险提供了强有力的资金保障，进一步夯实了公司稳健经营的基础。
　　三、报告期内核心竞争力分析
　　(一)核心竞争力分析
　　1、人才优势
　　在超过30年的发展历程中，公司磨合出一支以博士为带头人、硕士为骨干的核心研发团队，充分掌握核心技术算法，并进一步落地成为成熟的商业产品。通过长期的潜心学习，公司始终立足于领域内的最前沿，建立和长期保持行业内经验积累和能力上的领先优势。
　　虹软科技及其下属公司经过30多年的摸索，不断改善形成了一套独有的高效管理模式，基本实现自动化、自驱、自愿的高效运行状态，同时采用“导师制”培养模式，有效减少研发的试错次数。高效的研发管理体系提高了公司的自主创新能力和产品研发速度，提升了公司视觉人工智能技术算法水平。目前，公司拥有良好人才储备并在持续完善，为重要项目的推进奠定了基础。
　　2、技术积累优势
　　公司技术积累优势主要体现在端计算和边缘计算技术的积累优势、视觉人工智能技术的层次积累优势、工程落地能力。
　　虹软自成立以来便致力于计算机视觉技术的研发，技术所应用的终端，从个人电脑、数码相机、智能手机，再发展到智能汽车、AI眼镜、XR3D空间计算头显以及其他AIoT领域，一直与影像产业的发展、消费者的需求和影像科技创新紧密相连。经过数十年的技术、专利和人才积累，公司已全面掌握视觉人工智能及人工智能的各项底层算法技术并不断进行技术演进，掌握包括即时定位与建图、图像语义分割、人体识别、物体识别、场景识别、图像增强、三维重建、虚拟人像动画、虚拟数字人等全方位的视觉人工智能技术。公司所掌握的这些底层技术具有通用性和延展性，在此基础之上，公司构建了不同的组件和产品，并衍生出多种产品应用方案满足相应的细分市场需求。
　　公司坚持以创新驱动企业发展，持续高水平研发投入，不断打磨视觉人工智能技术能力。截至报告期末，公司拥有专利309项（其中发明专利283项）、软件著作权160项。
　　3、产业链深度合作优势
　　公司所涉的消费电子产业与汽车产业，高度依赖产业协同。公司拥有紧密、稳定的产业生态关系，与高通、联发科、格科微、索尼传感器、三星半导体、艾迈斯半导体、OmniVision、舜宇光学、英飞凌等平台、传感器、摄像头模组厂等产业链上下游主流公司开展合作。在车载AI业务上，除了既有的合作伙伴之外，公司也持续与更多的芯片、相机模组、Tier1等诸多上下游产业链公司形成了相互信赖的合作伙伴关系。
　　凭借与产业链内主流公司长期、广泛的合作，公司掌握了持续开发、迭代与硬件更加匹配的算法的能力，通过共同研发、持续合作交流，得以在客户提出技术需求后，在最短时间内及时响应，提供低能耗、高效率、硬件平台适应性广的解决方案，保持技术持续处于行业最前沿。
　　4、客户及品牌优势
　　公司是全球领先的视觉人工智能算法供应商，客户群体广泛。在智能手机领域，公司主要客户包括三星、小米、OPPO、vivo、荣耀、Moto等全球知名手机厂商，服务范围涵盖全球90%以上的安卓手机品牌。在智能汽车领域，公司方案不仅可满足GBT、C-NCAP、C-IASI、IVISTA等国内法规及行业标准要求，而且还可满足ADDW、DDAW、ISASTU型式认证、E-NCAP、A-NCAP等各项海外法规及行业标准要求。在这一领域，公司已协助众多OEM客户顺利在相关国家地区实现产品量产落地，大大加快了新车市场化进程。在智能商拍领域，PSAI产品已入驻淘宝千牛、1688、抖音抖店、TikTok、Shein、亚马逊等多家主流电商平台服务市场，累计服务中小商家30余万家，覆盖品牌客户1000余家。在AI眼镜领域，公司已成功助力多家AI眼镜公司首款产品发售。优良的客户质量、良好的市场口碑、国际化的品牌认可度、海量历史销售数据，为公司后续业务发展奠定了良好基础。
　　(二)报告期内发生的导致公司核心竞争力受到严重影响的事件、影响分析及应对措施
　　(三)核心技术与研发进展
　　1、核心技术及其先进性以及报告期内的变化情况
　　1.1核心技术及其先进性
　　目前，公司积累了大量视觉人工智能的底层算法，构建了完整的视觉人工智能技术体系。
　　公司自主研发了人脸分析及识别/人脸美化及修复/人体分析及美化、手势识别/物体识别/场景识别、行为分析、暗光图像增强/超分辨率图像增强/视频画质增强/画质修复、光学变焦、虚化技术、3DAR动画等诸多可应用于智能手机、智能汽车、笔记本电脑、智能可穿戴设备等终端领域的核心技术。
　　针对单摄/多摄/TOF/结构光等不同种类的摄像头，公司均可提供相应的3D与AR视觉解决方案，帮助厂商在移动设备上便捷高效地实现落地。为满足各智能终端对于VR/MR/AR应用的需求，公司已经研发并可以直接落地使用的解决方案，包括基于双摄/多摄/TOF/结构光的深度获取和优化，以及基于单摄的深度获取引擎，这些深度数据成为一些上层逻辑应用的核心基础；实现了SLAM中环境Map的构建，物体的3DModeling，视线的检测、跟踪，人体和动作静态、动态姿态的检测和跟踪，解决了实时显示中的延迟等多种问题。为满足智能汽车领域人机交互的需求，公司主要研发了基于红外相机、单摄RGB摄像头、双摄、深摄的交互技术，包括手势交互引擎包、头部动作和口部动作交互引擎、经典表情识别等。
　　公司在人体分析、人脸识别、人体识别、手势识别、人体美化等技术上，在当前状态下的中段平台达到超过95%的正确率、毫秒级实时性，这些引擎也可以有效鲁棒地支持低端硬件平台，人物属性分析、对象属性分析、多帧多通道质量提升等技术点能达到业界先进的低功耗、高性能、相对强鲁棒的水平。
　　公司大部分智能手机视觉解决方案达到国内外先进水平，多数新创技术在行业内属于技术首发，能够满足目前市面上中高端智能手机大多数与视觉相关的技术与应用的算法需求，且公司的智能手机视觉解决方案在除苹果之外的主流手机品牌的大部分旗舰机型上获得使用。
　　1.2核心技术报告期内发生的主要变化
　　（1）人脸分析及识别
　　人脸检测技术优化了近距离场景下的残缺人脸，背光，复合姿态人脸等场景下的人脸召回率，同时进一步提升了远距离超小人脸的召回率。手机版本在最新内部难例测试集上保持速度不变的情况下，召回率和精度继续提升。人脸关键点定位技术在手机相关方向上，进一步提升了大角度场景和遮挡场景的稳定性和精度，并且修改整体算法框架，在内部复杂自测集上，人脸归一化到100像素尺度下的点位平均误差降低到1.28像素，1像素误差以内的素材召回率提升3%。同时也提升了智能座舱应用中外国人络腮胡、戴口罩以及戴墨镜遮挡场景下人脸关键点的准确性，且关键点稳定性也获得较大提升。在智能座舱场景中，人脸角度和位置估计算法，重点优化了超大角度case以及海外人种的角度精度，在内部客观数据集上显示，pitch角度提升5.6%,yaw角度提升4.5%，使得DMS场景下的人脸分心范围鲁棒性进一步增强。人脸重建技术通过渲染数据的使用，进一步改善在大角度场景下重建精度，尤其是大抬头场景下眼睛、嘴巴贴合精度。
　　2DFaceID在FAR≤100k条件下，常规及戴口罩场景FRR改善2.8%；3DFaceID在同等场景下，FRR改善1.5%；车载场景的RGB/IR交叉识别持续改善，FRR改善1.7%，且海外人种识别效果显著提升，全人种（黑、白、棕、黄）测试下FRR改善3.6%。开放平台内研版本效果进一步改善，常规及戴口罩场景FRR改善2.5%。静默式活体及炫光活体版本效果持续优化；炫光活体新增三种打光组合，在应用中更新了主动活体及炫光活体功能，以满足市场需求。此外，宠物ID算法逐步成熟，可区分同品种不同个体，对猫狗照片自动聚类准确率已经超过竞品。
　　（2）人体分析及美化
　　人体检测技术进一步提升了人体召回率并且降低了误检率，同时提升了目标跟踪稳定性，尤其是智能座舱应用场景中优化跟踪框架，在指标基本不变的情况下，检测跟踪耗时峰值降低40%，平均耗时降低30%。召回率达到97.89%。人体骨骼关键点技术，在座舱内场景中优化座椅扶手颜色和胳膊颜色相似场景下关键点的准确性。人体重建技术通过多相机采集和人工合成的方式扩充对人体细节动作的数据补充；进一步提升四肢尤其是脚的贴合度和稳定性，并拓展至具身机器人应用场景，提升大角度、大畸变、人体不完整case下的重建精度。遗留儿童检测技术进一步优化了五座车场景中侧躺、侧坐以及摄像头角度过大场景下的误检，同时也提升了儿童检测的召回率。与儿童检测配套的安全座椅检测功能通过渲染和大模型生成的方式，获取更丰富的训练数据，极大提升了安全座椅的召回，达到95%，为E-NCAP法规项提供了更加坚实的技术支持。与座舱人体检测相关的安全带检测技术优化工牌手臂、西装领带、厚外套拉链、光影、反光背心等误检以及遮挡安全带、扭转安全带漏检。行为识别技术不断完善，针对E-NCAP2026对相关安全行为的要求，实现在多种车型上对副驾安全行为（身体前倾、脚伸仪表盘）的识别，平均召回率达到94.5%，精度达到95%以上。基于行为识别的环视哨兵功能，提升抬手和踢腿检测的召回率，对车体附近50cm-80cm的抬手或者踢车的危险动作的报警召回率达到90%，同时优化车角及下蹲等姿态下的检测效果；引入视觉语言模型对哨兵模式的报警类型进一步细分，支持喷涂、踢车、划车等13类哨兵危险行为，平均召回率达到95%。新增E-NCAP2026体型分类功能，分类精度达99%，通过了假人和真人现场过标点检，成为国内首家过测的公司。
　　（3）宠物分析
　　宠物目标跟踪中新增ID识别功能，在处理遮挡、快速移动等复杂场景时也能够准确区分不同个体，确保了跟踪结果的连续性和一致性。通过对训练数据的系统优化，显著降低了错误标注对模型的干扰，并且在训练过程中动态过滤低质量样本、过度困难样本及分布外样本，全面提升了宠物身体检测、面部/眼部边界框与关键点检测、姿态估计、目标跟踪等技术的整体准确率。
　　（4）行为分析
　　继续提升满足DDAW以及E-NCAP法规的驾驶员疲劳/分心检测技术方案，完成满足E-NCAP2026产品原型研发。根据大量路测数据对疲劳/分心的误报进行实车数据分析，通过多数据融合将基于车机信号与车辆控制信号在内的驾驶员行为数据与视觉感知信息进行融合，通过数据统计优化行车中的误检问题。同时，结合大量KSS以及心理行为研究实验结论，研发了更加符合疲劳认知的全新疲劳解决方案。根据大量疲劳研究实验进行了真实疲劳数据采集和真实疲劳检测技术更新，提升基于真实疲劳反应的驾驶员疲劳分级检测，在视觉信息获取上增加多帧、多时间窗口的分析，增大疲劳分析的时间窗口区间。通过对实际数据分析，设计完成了一套适合实车体验的驾驶员疲劳升降级方案，有效降低疲劳与视觉接近的非疲劳行为之间的误报，在满足更高阶法规需要的同时大大提升用户体验，形成了与市场同类产品技术的差异化。目前正在尝试将该新技术融入量产方案中，并且实车测试已达到DDAW认证要求。为满足E-NCAP2026新规，公司已完成DMS与OMS新增测试项的功能研发，包括受损驾驶员行为分析、座舱乘员异常姿态与体态检测等，形成了完备的能满足E-NCAP2026测试范围的产品形态。
　　视线追踪技术已支持众多智能座舱量产项目，结合座舱标定方案为驾驶员分心技术提供视线落点输出支持，完成了E-NCAP法规中需要支持的视线落点检测研发，对驾驶员视线检测覆盖到舱内23个区域。满足E-NCAP所有视线分心测试场景的检测要求，包括车内常见手机摆放位置下驾驶员看手机行为识别，并将过标方案融入量产方案中，实现了更多满足法规要求的视线功能设计。
　　根据对ADDW法规的解读与技术实现分析，目前已经完成ADDW实车专项测试，并即将在各量产方案中设计算法方案，满足该法规标准继续进行单摄像头下视线追踪技术的精度提升，自主研发基于3D人脸重建与追踪的底层数据特征表达，实现3D视线追踪技术。视线追踪技术继续对多摄像头方案进行研究，并根据项目需要应用在量产项目中，全面提升驾驶员在车内的视线精度，尤其是在相机畸变与人脸角度范围较大的DOMS一体化内后视镜摄像头方案中，将原有方案精度提升近30%，确保了该产品形态的量产要求。在原有视线真值系统上继续进行方案优化，完成新一代头戴便携式真值系统研发，大大提升当前视线真值精度，并便于在实车行驶过程中采集真值，为量产方案带来更高精度真值的同时，拓展了实车采集的场景，可用于认知分心等多种进阶驾驶员行为侦测实验。
　　自主研发了基于用户行为的无感自标定视线精度提升方案，对于视线基础引擎的精度做了较大的提升。当前该方案已经取得重大进展，通过多组实验获得新型自研模型，在无需用户配合的条件下完成用户个性化特征提取，与原有方案对比平均视线精度获得了7.2%的提升，当前方案还在持续迭代。此外，视线研发团队还对眼睛瞳孔虹膜特征在成像上的差异进行深入研究，获得了一整套适用于视线的摄像头设计准则，指导量产项目中的视线摄像头设计。新版本在原有座舱行为数据自动化合成平台研发基础之上，又拓展了关注座舱安全的哨兵难例数据合成，扩展了座舱数据合成范畴，在极大降低数据成本的同时，为解决长尾问题和提升总体精度起到了关键作用。该平台已经用于相关量产项目交付以及预研项目中。
　　为更好地解决量产项目中的不同车型以及各种容易引起摄像头位姿变化的外界影响，研发了一整套完善的视线无感自标定解决方案，为主机厂降低相机标定成本，目前该方案已经大规模用于量产项目中，适配各种车型的活动摄像头安装需求。当前已完成一体化的适配多摄像头安装位置的舱内DOMS自标定解决方案，以内后视镜为摄像头安装参考位置，挖掘不同车型座舱的共性特征，大规模降低自标定技术依赖的数据存储空间与车型适配成本。将DMS与OMS在自标定方案上进行整合，并于2025年上半年应用于多种DOMS产品形态研发，取得了优异的适配效果。该新自标定技术方案架构后续将在量产方案中大规模应用，为视线一体化方案提升整体鲁棒性。该技术方案目前可以兼容支持由于内饰颜色、纹理、光照带来的差异，并可以较高精度兼容有差异的车型之间的自标定方案共用，大大提升了产品的容错率与大平台化的可能性。
　　酒驾驾驶员行为分析为2025年新增技术引擎，目的是通过饮酒后驾驶员的行为实验分析驾驶员是否处于酒驾状态，达成适用于量产的基于视觉的酒驾检测解决方案，满足E-NCAP2026中关于受损驾驶员的行为分析。在常见行车场景下可以做到较高精度的区分，通过封闭道路的实车测试已经满足了E-NCAP2026合规与量产要求。
　　睡眠检测技术根据座舱内乘员的面部状态与体态分析是否处于睡眠状态，在实车场景中需要与低头玩手机、看书等准静态行为进行区分，经过持续研发迭代，各场景实车召回率已经达到90%以上且误报低于1%，支持在各种颠簸路段场景下的高召回，当前已完成众多量产项目。
　　基于XR头显的眼动追踪完成双眼双目多光源方案的研发与调优，同步适配头显应用需求，完成配套外围视觉算法开发及设备端全流程部署，追踪精度已经达到业内领先水准；持续开展多场景适配眼动算法研究，提升底层引擎的检测精度，并通过设计融合方案实现眼动追踪精度最优化。
　　车载表情识别与唇语关键词识别技术，围绕用户感知习惯打磨产品方案，通过大量实车数据分析，构建基于用户无感表情标定的表情识别技术，可满足个性化用户表情识别的需求，精准捕捉个性化的面部行为特征，有效提升座舱交互体验。唇语关键词识别技术已完成多模态技术研发，融合语音与图像信息，有效解决单一视觉方案难以识别歧义唇语关键词的技术痛点。
　　车载危险行为检测，全面落地基于人体行为与手持物分析的多通道信息融合抽烟打电话检测方案，提升了困难场景下的用户体验。算法模型层面，在强化模型特征提取能力与场景通用性的基础上，还借助视觉语言模型（VLM）开展车载场景的定向微调，提升模型泛化性。乘用车业务线，基于DMS/OMS一体化解决方案的方向盘脱手检测算法，对方案做全面升级。商用车业务线，对包含抽烟打电话、喝水/吃东西、自顶向下视角的玩手机检测、方向盘脱手检测等在内的多个危险行为识别算法，通过标准化模型和接口进行整合，可适配不同硬件平台，加速产品迭代，持续优化边缘场景下的检测效果。
　　（5）手势识别
　　手势识别相关底层算法持续迭代升级。手部检测/跟踪算法，面向丰富的使用场景，借助人体关键点信息，提升对hardcase（困难场景）的支持能力，如强背光、室外夜景、超近距离、多人、远距离、手物交互等困难场景下的手部检测跟踪能力有所提升。手部姿态估计算法，对底层模型进行技术架构升级，有效降低后量化过程中的精度损失。面向车载场景，适配更多车规平台，在低画质、弱光照、高噪声等复杂场景下提升了关键点检测精度。静态手势识别，融合手部关键点的拓扑结构信息以强化分类特征的表征能力，并且结合注意力机制增强了模型对手部重点区域的关注，引导模型聚焦于语义关键区域，进一步提升分类模型的识别效果；针对动态手势识别技术，开展新型传感器应用探索性研究，采用120fps高帧率相机开展动态手势识别研发，旨在满足未来复杂场景下提升手势识别效果、实现精细动作识别的客户新需求，为后续技术迭代夯实技术储备。
　　移动端和PC端手势产品线，报告期内承接并实施多个面向移动终端设备的手势识别项目，支持包括静态手势和动态手势的多种交互方式。围绕移动端AON设备，持续推进手势算法的产品化与平台适配工作。针对客户自研AON平台，在客户既定的模型框架和部署约束下完成了手势识别算法的实现，满足端侧实时运行的需求。同时，在高通和联发科等多个芯片平台上完成了AON静态、动态手势的适配与落地，实现算法与模型的一体化封装，在保证算法效果的同时，也加强了算法与模型的隐私保护能力。
　　车载智能座舱手势产品线，针对静动态手势交互技术，已完成适配主流车载算力平台，在提升识别效果的同时，有效降低技术资源消耗、优化算法性能。在算法效果方面，通过改进技术方案、扩展训练素材等方式优化了相似手势误检问题，使静动态手势获得更好的用户体验。手势算法和人体姿态算法相结合，拓展了舱内手势感知能力，为客户提供了更多手势识别应用场景。为适应客户需求，新增了对多个动态手势的支持，包括“抓握拖拽”“拇指左右移动”等动态手势。手指指向技术丰富了车载手势产品矩阵，基于2D图像的三维空间食指指向识别技术，还原手部在三维空间中的真实姿态，可以实现多个方向的准确识别。鼠标手势交互技术，在大角度姿态、手部自遮挡等较难场景下也可精细识别手指动作。对鼠标手势中的分类策略进行了优化设计，采用“先粗筛、后细分”的分级识别策略，并结合大小分类器协同工作的方案，以提升对同一手势在不同角度、不同姿态下的识别能力，从而增强整体识别的准确性与稳定性。娱乐手势产品，手势游戏也在行业头部客户上车量产，反响良好。
　　新增具身智能机器人产品线，依托公司手势识别技术多年研发积累，快速将静动态手势识别技术移植并适配至机器人平台。针对机器人应用中常见的复杂环境，对模型和算法进行针对性的优化，目前可稳定支持较远距离手势识别。
　　（6）图像质量分析
　　人像质量分析算法显著提升特殊场景（如暗光环境下深肤色人像）的评估准确率，同步优化宠物模糊判断效果。HDR场景识别技术在AI眼镜方向持续扩展，完成多家客户算法交付并新增多芯片平台适配能力。
　　（7）高动态范围（HDR）
　　YUVHDR支持旗舰处理器AEB模式下的HDR融合。在防鬼影方面，加入了基于AI的增强技术，实现了提亮和去噪，减少了运动区域的噪音，提高了运动场景的画质。针对高饱和度区域的还原，转换到HSV空间进行颜色、饱和度、亮度的动态融合，获取更鲜艳真实的颜色。针对中低端平台无法提供ISP提亮帧的情况，通过调整原有框架，改进HDR融合算法和鬼影处理策略，改善融合结果。开发暗光环境人像HDR功能，并支持闪光灯和屏幕补光模式，在暗光人像模式能更好地还原场景动态，同时保持人像的亮度和人脸的细节。根据对不同风格的要求，定制HDR融合策略。基于机器学习算法结合预览图片的统计特征改进动态EV算法，为系统推荐适配的低曝光图片的EV值，提升融合结果的动态还原效果。
　　基于RAW域的HDR在AI去噪、高动态图像获取方面都取得了巨大进步，针对HDR摄影的复杂环境，从白天到夜晚都准备了鬼影处理策略，在影调方面以保持真实场景亮度分布为出发点，自适应调整影调，在保持原本动态范围扩展能力的基础上使最终结果更贴近客户美学需求。基于场景识别与语义分割，实现对不同被摄环境、不同语义区域的自适应影调调节，确保成片自然度。结合传感器以及环境信息，智能提升最终成片的通透度。自研自适应感知颜色增强方案，提升成像色彩的人眼感知真实度。针对预览场景，设计了自然影调方案，实现实拍效果和预览画面的风格统一。针对运动场景，不仅实现了智能优化，还继续提升运动区域的画质，提高了抓拍成片率。针对不同曝光序列，优化了运动鬼影，改善最终成片效果。弱光环境结合图像分割方面，根据图像区域分割的结果动态调整局部的融合策略，最终的融合结果更加自然。针对暗光环境闪光灯模式，根据不同闪光灯强度与环境光的组合，设计了不同的闪光灯影调策略，实现更为自然的补光效果。针对人像场景进行了真实感模拟，提升了人像成片质感。基于不同环境进行光色联动调整，提升成片氛围感。进一步拓展了HDR的特性和应用范围：适配Quadbayer数据，为使用最新Sensor获取更好的纹理细节提供了保障；灵活支持可变倍率，为全倍率RAW域HDR的实现打下基础。针对前置人像开发新的AI模型，能够实现对图像中不同区域不同频率的纹理信息的增强程度自适应调节的功能，提升前置人像的真实感。设计了新的流水线框架来适配2亿像素Sensor，实现高分辨率输入下的多帧AI去噪和HDR功能，显著降低了内存占用；在亮光环境下，利用不同通道的混合输入数据，在继承HDR影调的同时实现了图像纹理细节的大幅提升。将混合类型输入数据的处理范围扩展至高ISO场景、运动场景，进一步完善框架全场景适配能力。针对硬件能力不足的中低端平台，设计了全流程轻量化处理框架，提升了处理效率，降低了资源开销。通过算法框架继续优化和精简，适配了更加低端的硬件平台，进一步拓展了技术的落地范围。
　　（8）暗光图像增强
　　暗光图像增强技术，公司为客户的摄像头传感器做了针对性支持，确保每个摄像头的去噪以及保留细节达到最佳效果。改进对齐算法，提升运动区域和人像的配准精度，保留更多算法结果细节。改进多帧融合算法，结合AI增强提升细节。改进针对运动区域的去噪和融合算法，消除运动噪音和运动模糊。改进高动态场景下的模型训练，使得高动态场景的暗处细节更清晰。改进训练策略，使得落地后的性能优化版本效果更好。研发基于增强型的暗光图像增强算法，实现最终出图效果清晰度明显提升，进一步拓展增强型暗光增强算法的适用范围，使得更暗的场景实现清晰度的提升。研发极暗场景下的图像增强算法，通过调整训练策略，实现极暗场景下的弱纹理细节提升。针对图像的亮部和暗部，做针对性的处理，拓展了图像亮部区域的清晰度画质提升；针对中低端设备噪点严重的特点，开发新的单帧处理算法优化图像。针对人脸部分，开发专门的算法对人脸进行去噪和增强，有效改善人脸的视觉效果。对不同的平台计算资源，比如NPU、GPU、DSP等做性能的最佳适配。同时，针对更低平台做了算法的针对性改进，维持效果和性能的最佳平衡，使得算法可以平铺到更多的客户设备。针对中低端平台将轻量化单帧图像增强AI模块和多帧模块配合，在很小的系统消耗的情况下，实现细节提升。进一步优化低端平台的性能功耗，使得在纯GPU的平台，也能用上性能快、功耗更低、效果更好的图像增强算法。针对车载平台和AI眼镜平台开发自适应的多帧和单帧算法模块并配合开发轻量化单帧图像增强AI模块，同时优化训练方法，提升不同设备使用的网络的更新迭代效率，最终实现画质提升。
　　（9）超分辨率图像增强
　　超分辨率图像增强技术，拓展更深层的超分维度，YUV域、RAW域、Quadbayer域等，实现超分辨率的质的提升。改进运动区域检测策略和配准精度，改进融合算法，优化AI模型训练流程，提升AI增强的效果。研发基于参考图片指导的YUV域AI超分算法，实现动态照片，更换封面帧后结果的画质。研发基于增强型的AI超分辨率算法，不同的倍率下清晰度和解析力都得到明显提升。攻克了Quadbayer更高ISO和逆光场景的输入网格和噪音偏大难题，拓展更多的亮度范围场景下，实现光学的超分辨率。研发了基于Hex域的AI超分算法，充分挖掘原始数据中的信息，实现光学图像的4倍超分辨率提升。研发了更高倍率的数字变焦AI增强算法，消除放大过程中引入的模糊问题，提升更高倍率的超分画质。改进针对不同摄像头传感器的去噪效果，提升结果细节。拓展更高放大倍率的细节提升方案，针对不同的放大倍率的特点，训练针对性的AI细节提升模型，使得在各个放大倍率都有更优的画质表现。优化代码框架，提升性能。实现在不同的放大倍率上，都展现出更好的去噪效果以及细节水平。结合ZSL和PSL的RAW数据，开发25MP产品，提升结果细节的同时，保留场景的动态，在多轮算法迭代和框架优化后，实现性能和功耗的大幅优化。整合25MP的整体框架，充分利用平台的各种资源，提升产品的用户体验。
　　（10）画质修复
　　屏下摄像头画质修复技术，可在抑制图像原有噪声的同时提升清晰度、对比度与色彩饱和度，使成像效果更接近普通摄像头效果。文档图像去阴影技术，重点针对一些中低端平台做适配与优化，构建轻量级高性能的去阴影解决方案。算法在保持实时性的同时维持原先的画质表现，边界保留自然清晰，有效提升整体视觉体验。当前算法已支持多平台商用部署，可以应用于相机拍照与相册应用，满足用户对拍照完美质量的追求。
　　美食阴影去除方案，针对手机输入图像的高分辨率需求，对超高分辨率图像处理的去阴影整体算法流程进行优化升级，有效解决了高分辨率图像去阴影后目标区域清晰度降低的问题。在优化算法性能方面，进一步减少了整体框架的处理耗时，提升方案的使用效率。针对部分场景偏色问题进行了针对性优化调整，改善了去阴影后的输出效果。
　　图像去反光技术，改善反光去除能力，整体效果更加稳定。重点优化模型结构和前后处理流程，降低算法内存和耗时，同时保持效果基本不变，满足算法在低端设备平台上的部署需求。
　　图像去炫光技术，更新数据集，覆盖更多的炫光成像场景，且视觉效果更加真实，大幅提升了室内顶灯、室外路灯等场景下的炫光去除效果。针对部分人脸图像处理结果失真的问题，对人脸区域增加处理策略，使结果更加自然。此外，优化了炫光检测模型的准确率，利用检测模型的轻量性特点提升整体流程的性能。
　　图像去雾和视频去雾技术，针对客户在雾天场景中的图像质量提升需求，深入研究并设计了一套新的去雾算法方案，解决手机拍摄图片发蒙的问题。该方案通过建模图像复原过程，并融合视觉感知优化策略，通过多项关键AI感知技术的协同提升，使得处理后的图像更加贴近真实无雾环境，具备更高的视觉自然度与观感舒适性。与原有方案相比，新方案在雾气去除的彻底性、图像细节的保真性以及整体算法性能方面均实现了显著突破，该算法已经在指定设备平台上实现量产出货，保证了在实际应用中的可靠性与有效性。
　　AIImageDebanding，手机拍摄过程中因光源频闪与相机传感器采样机制有时会引发周期性的暗纹现象，新研发的AIImageDebanding算法，可通过深度学习模型精准识别与修复Banding暗影，有效改善室内环境下的图像观感。算法持续优化稳步迭代，具备较强的泛化能力与良好还原度，对图像输入格式的支持也从YUV扩展到RAW域。
　　AI祛红眼，手机夜景人像场景下，人物眼底血管反射闪光灯光线会造成拍摄照片中存在人物红眼现象，原有基于CV的祛红眼方案在一些场景下效果受限，因此新增基于AI的祛红眼算法研发。算法在有效消除红眼的同时，使人物眼神更加自然灵动，显著提升夜景闪光灯场景下的人像整体观感。当前已面向客户出货，为公司夜景人像算法产品增添重要一员。
　　（11）视频画质增强
　　视频超夜技术，该套技术方案已圆满完成对多家主流汽车厂商的深度适配，支撑了多款车型的量产项目。
　　针对极暗视频，在YUV域进行处理难度较高，因此公司将处理环节前移至RAW域。RAW域处理可保留未经后续算法干扰的原始噪声特征，更利于去噪网络实现高效降噪；但该方式会带来数据处理量显著提升的问题，对此公司重点开展模型优化工作。通过优化可以在当前的旗舰机下实现4K视频的实时处理，同时噪声去除能力也明显优于传统的去噪算法。手机端视频超夜技术，拓展手机端至暗光0.1lux，极大改善AI降噪模型的降噪能力的同时保持细节。在实时性和功耗上，做到极致优化，满足客户使用场景需求。针对性训练不同摄像头传感器的视频去噪效果，针对客户的不同硬件平台，设计模型和量化策略，达到画质和性能功耗的较好平衡。RAW域去噪算法进一步优化了性能和功耗以及高亮区域的彩噪问题，同时支持了高动态范围视频的去噪。
　　全新研发的高动态视频超夜技术，在降低噪音保留细节的基础上，极大地扩展了视频的动态范围，嵌入了公司视频影调技术，使得视频超夜多维度画质提升，更贴合美学需求。经过极致优化，高动态视频超夜技术的实时性和功耗等客观指标均满足客户需求，达到业界领先水平。视频超分技术，持续改善文字场景和密集纹理场景的效果，进一步提升了小字号字体的清晰度，增强可阅读性，改善了混合语言文字处理偏差问题。在密集纹理场景中，减少出现假纹理现象的概率。同时，优化了模型结构，减少了性能开销和功耗，并保持处理效果跟优化前持平。
　　视频插帧技术，在模拟长曝光场景的应用中，主要针对流水等非规则物体的运动做了进一步优化，使用AI算法提升了此类场景下插帧结果的一致性，使得最终的插帧效果更加平滑和自然。在多摄相机切换镜头的应用中，主要改善了重复纹理场景下的效果，并针对大视差场景做了重点优化。为实现效果与性能的双重提升,在网络结构方面，对模型进行了精细化的重构，以适应对性能的更高要求。相对此前版本，在保持相同插帧效果的情况下，算法耗时减少了20%。
　　（12）畸变消除
　　进一步优化光学畸变消除性能和功耗表现，提升了视频流的处理性能；优化拍摄性能，针对不同客户、不同算力平台，提供了对应定制算法，满足了客户需求。提供覆盖iOS、安卓等平台的适配算法，成功在AI眼镜领域抢占市场先机。增加了针对车载鱼眼相机处理方案，进一步扩展了算法使用范围。
　　（13）光学变焦
　　结合AIfusion、AI主体感知、AI稠密对齐共同赋能光学变焦，业界首例，在某国际高端机型上落地，也吸引国内手机厂商来寻求合作。
　　（14）多摄标定
　　扩大AVM标定和BSD标定的适配范围，优化ADAS车载标定解决方案，推进多车型实车部署。进一步适配不同乘用车、商用车标定场地。结合商用车特性差异，提供不同的简易标定方案，在降低成本的同时，提升后装标定的效率和准确性。同时提供基于模型方案的标志物检测和处理逻辑，针对商用车应用场景中场地、环境及光照条件复杂的问题，有效提升检测鲁棒性，在标定成功率、精度及效率三个维度均实现进一步的优化。针对新兴机器人的标定需求，搭建了一套覆盖相机、IMU（惯性测量单元）、LiDAR等模组的统一标定方案，可以实现上述模组的一次性标定，为下游算法提供了准确可用的标定结果。
　　（15）全景拼接
　　全景拼接技术，围绕复杂场景适应能力与全景呈现效果提升，持续推进全景拼接技术的优化与应用创新。在算法层面，针对仰拍、俯拍及大角度旋转等复杂拍摄场景，对图像融合策略进行了优化，有效缓解错位融合问题，提升整体拼接质量；针对超广角镜头成像中直线易扭曲的情况，引入新的匹配算法，提高特征匹配成功率。同时，通过优化运动物体检测算法，增强系统对微小目标的识别与处理能力。针对星空拍摄场景，分别设计适用于多星与少星环境的配准算法，并结合星点特征构建新的特征描述符，进一步提升星点匹配的稳定性与准确性。在实现方式方面，适配配备三维云台的便携式拍摄设备，形成“硬件约束+算法处理”的协同方案，从源头降低拼接复杂度并提升结果稳定性。在呈现形态上，对投影空间进行了优化，有效减少传统方案在画面边缘区域的拉伸变形，使成像效果更加符合移动端的观看与分享需求。
　　（16）人脸美化及修复
　　公司在图像修复与编辑方向上长期致力于LivePhoto、视线校正、人头姿态校正等人脸修复与编辑技术。LivePhoto技术通过调整深度神经网络结构，针对性改进口腔区域模糊、不真实的问题；研发了针对特定人物的微调技术，使得算法能够生成更加逼真的结果；对网络进行性能优化。新版本采用更高效的隐式参数驱动方法，大幅提升运动传递的准确性，使处理后的人物动作更加自然流畅。同时，增加边缘保护机制，处理结果可完美贴合原始图片和视频，极大提升了技术的实用性，为用户提供了更多创意和应用的可能性。视频口播数字人技术，深入挖掘实时语音对话应用潜力，使用统一的多模态模型取代独立的ASR（自动语音识别）、LLM（大语言模型）和TTS（文本语音转换），使得数字人具备更加智能和全面的感知力，在优化推理性能的同时提升对话智能，增加用户的沉浸感。在个性化视频生成方面，结合AIGC与视频生成领域的最新成果，实现了半身与全身数字人视频的生成，将运动区域拓展至整个身躯，并取得长视频生成方面的重要突破，进一步扩展了视频创作的可能性和应用场景。
　　视线校正技术研发了全新的3D视线校正算法，创新地结合了三维人脸重建和二维图像编辑方法，相较于前代算法产品，突破了正脸姿态的限制，并且大幅度拓展了算法能支持的视线角度，在人脸角度和视线偏移角度均较大的情况下算法依然可以得到正确的矫正结果。用户主观测试报告表明，新算法在真实感、矫正范围、算法稳定性、准确性等方面均明显优于竞品。在效果上，相较于前代版本，解决了可能会出现的额头部分变长、脖子区域融合拼缝、面部抖动、面部刘海导致眼镜断裂等问题，在视频上能做到连续、稳定、自然的结果。在性能上算法完成了模型的蒸馏和量化训练，以及计算过程全部部署在GPU上，实现了算法在设备端的实时运行。
　　在人脸美化技术上实现了人脸自适应肤色调节技术，可针对不同肤色的人脸进行自动肤色调节，有效提升不同肤色情况下的效果一致性；调整了磨皮方案，进一步提升了细节表现力，肤质纹理更加自然，增强了对不同画质人脸去噪的自适应性，改善人脸明暗不均现象的同时立体感也得到提升；实现预览磨皮算法，在去脏能力、通透度、立体感、肤质细腻度方面都有所提升；实现了Vulkan方案的磨皮、美白、美唇、亮眼、白牙、去唇纹、去油光等美颜技术和腮红、眼影、SkinGloss、美瞳等美妆技术，在基本保持性能和视觉效果优势的情况下，解决了客户不同设备平台间驱动更新时产生的兼容性问题，降低了产品的维护成本；实现了Vulkan方案的眼妆、唇妆、眉毛等妆容的妆容增强技术；实现了4D眼睫毛、眼影、唇彩、腮红、SkinGloss等4D美妆技术，较大程度上提升了美妆的真实性、立体感和光泽度，进一步优化了大角度、姿态下的美妆效果；实现了AI唇部、眼部遮挡物体分割算法，提升了美妆技术的实用性；实现了AI预览祛斑算法，较大提升了预览美颜的祛斑、去脏能力，对肤质纹理也有很好的保留；优化了拍照AI祛斑算法，对大侧脸提升祛斑效果的稳定性；图像祛斑方面也增加了去抬头纹、去颈纹等新功能。算法框架方面，实现了支持UBWC（通用带宽压缩）输入输出的框架流程，通过优化整合数据链路以降低功耗、提升性能。性能功耗方面，进行了GPU优化、模型优化和NPU硬件优化。对美颜预览、拍照算法进行了性能、内存、功耗的全面优化。预览头发柔顺技术可以去除视频中的杂乱发丝、捋顺发束，达到美发风格化的效果。针对海外市场需求，定制实现了Bindi检测技术，可保护印度女性眉心Bindi，提升美颜效果；针对客户对高清人像的需求，开发了结合AI的人像算法，在调整光影瑕疵、修饰皮肤质感和恢复五官结构上做到了光影更好看、肤质更细腻、五官更清晰，打造了人像审美的高级感。
　　低光照和极暗光线下的人脸美颜解决方案，继续扩展了超清人像美颜风格的应用平台，人像视觉效果更加自然、整洁，同时保持清晰度和立体感。视频任务上，针对移动设备端改善了模型以及任务框架，增强人像效果以及自然程度，同时提升了性能并优化了功耗。而PC端主要增强人像修复强度，提升人像解析力，同时针对不同平台做了专门性能优化。实现针对车载、平板、PC、手机等设备的视频人像修复的轻量级模型部署。
　　人脸修复技术，针对不同画质的人像照片进行了更细致的算法区分处理，能够让正常拍摄的人像脸部肤质更显性、更自然，将长焦或极差环境下拍摄的人脸恢复清晰，目前算法都已实现在手机端的部署，作为整体画质增强模块的一部分，人脸修复技术已应用到多个产品之中。针对高倍率的拍照场景，研发基于大模型的超分修复方案，部署和落地到设备端，让高倍率下的场景变得更加清晰，视觉效果得到较大的提升。
　　人脸换头技术用于提升用户拍照时（尤其是人像合照场景）的成片率。在合照拍摄场景中，往往在抓取精彩时刻的一瞬间，会存在部分人物头部、表情姿态等不协调，如果重新拍摄将费时费力，且错过了那一精彩时刻，也难保重拍过程中仍存在另外人物新的姿态不佳。人像换头技术基于动态照片拍照场景（用户在拍照时，会有一张最终成像的静态图像和同步保留拍照前后3s左右的动态视频），算法通过抓取动态视频内人物好的头部表情姿态，来替换融合最终成像中人物不好的头部表情姿态，从而保证最终合照成像下所有人物都有最佳的表情和姿态。另一方面，受限于动态视频帧画质与成像画质的差异，公司研发肤色/画质的对齐模块，以及对应画质微调的人脸修复算法来进一步的对齐画质，从而保证最终头部姿态替换融合校正后整体画质的一致性。为适配客户的需求，针对宠物场景，新增开发了宠物换头技术。初步实现了宠物头部姿态校正与眼睛开合校正算法，解决了用户在拍摄人宠合照时，宠物容易出现的头部姿态不协调、表情不自然等痛点问题。
　　（17）虚化技术（Bokeh）
　　持续打磨视频虚化（电影模式）、单摄虚化、双摄虚化的产品细节，并将虚化产品线拓展至AI眼镜和云端等新平台、新场景，始终保持行业领先地位。
　　报告期内，继续以最新改进的AI-Depth及AI-DepthUltra技术为基础，持续优化虚化引擎，在准确性、自然性、艺术性等维度上深入探索技术，改善耗时与功耗，持续优化算法和产品，继续保持行业的领先地位。通过进一步整合最新的语义分割，提升发丝精度，并将高精度发丝版本下沉到中端机型。视频虚化和单摄虚化下沉到了中端机型，使得虚化结果具有更好的色彩表现；同时也支持了更多富有艺术感的光斑效果，并成功出货。视频虚化还新增了对4K60fps的高分辨率、高帧率的支持。
　　视频虚化和单摄虚化，除了持续在智能手机产品线上迭代改善，也拓展到了AI眼镜和云端等新平台、新场景。其中对于AI眼镜的适配，公司重构了一套更轻量级的虚化算法，使其在超低算力设备落地成为可能；而云端版本则使用了更复杂的渲染算法，能够相比手机的端侧算法提供更好的准确性、自然性和真实感，同时仍然保持了低延迟的特性。
　　双摄虚化基于更加精确的双摄AI深度，进一步优化算法，使得效果更加精确和自然，接近单反相机拍照的效果。同时虚化算法、HDR和超级夜景等画质类算法结合，显著提高了虚化光斑的层次感和真实感。进一步基于特定的单反相机或镜头专门优化光斑效果，使得更加接近光学镜头拍摄的效果，如哈苏风格化等。结合第三代AIMatting技术，发丝的数量和精准度对比前一代有了进一步的提升，同时头发附近的发饰等细小物体的分割效果也一并得到了改善，同时结合深度信息，可以让发丝产生层次感的虚化渐变，更加接近光学相机拍摄的效果。为了模拟更多不同镜头的拍摄效果，虚拟光圈技术从原来的只支持35mm焦段，进一步扩展到85mm和135mm的经典长焦焦段，可以产生长焦镜头上更具震撼力的光斑，更强烈的虚化效果和更浅的景深。同时在长焦焦段，AIBokeh从16-bit线性RGB域扩展到支持20-bit的线性RGB域，使得更多原始的亮度信息得到保留，生成的虚化效果更加真实。对于不具备在线性RGB域处理的情况，开发了基于8-bitYUV和线性亮度图的融合的AIBokeh技术，虚化效果也和虚拟光圈技术类似，更加接近单反镜头的拍摄效果。
　　双摄虚化与TurboFusion技术有机结合为TurboFusionBokeh，利用TurboFusion获得真实场景亮度信息，使得虚化更加接近单反相机在实际场景中的拍照效果，光斑更具能量感和层次感，形状更加接近单反相机的效果，颜色也更加真实。TurboFusionBokeh的光斑效果升级成2.0版本，光斑的颜色、亮度、形态和层次进一步逼近真实相机拍摄的效果。
　　全新的AIBokeh技术，可以修复深度图上的瑕疵，是业界首次可以逼真地模拟出接近单反相机真实自然的前景虚化效果，同时还可以支持多种单反相机的光斑形态。AIBokeh从8-bitYUV域扩展到16-bit线性RGB域，完全嵌入到了TurboFusion的流程之中，从虚化生成原理上更加接近实际光圈相机的生成过程，结合最新的高精度深度模型和第三代AIMatting技术，基于更加精细的深度层次信息和更加精准的头发Matting，开发出了虚拟光圈技术，可以更加逼真地模拟特定单反镜头不同光圈下的拍摄效果。AIBokeh从16-bit线性RGB域扩展到支持20-bit的线性RGB域，使得更多原始的亮度信息得到保留，生成的虚化效果更加真实。虚拟光圈技术从原来的只支持35mm焦段，扩展到85mm的黄金人像焦段，可以产生长焦镜头上更大的光斑，更强烈的虚化效果和更浅的景深。
　　（18）深度恢复
　　持续优化AI-Depth及AI-DepthUltra技术，推动其规模化商业落地。相关算法在提升高精度预测能力的同时，针对各平台部署持续优化，实现了效果、性能与功耗的最优平衡，并支持电影模式下4K60fps的高清输出。除持续在智能手机设备上实现规模化落地外，技术进一步拓展支持范围，新增对AI眼镜（低算力平台）和云端（高算力平台）的适配，推动单摄深度恢复技术在多场景广泛落地，持续引领单摄深度预测算法的技术标准，助力客户提升终端产品的影像核心竞争力。
　　与此同时，单摄深度恢复技术在原有算法基础上实现创新突破，拓展至单张图像的3D高斯重建参数预测能力，可通过单张图像精准恢复其3D空间信息，为新相机视角渲染、3DPhoto功能的实现提供了技术支撑，进一步丰富了技术的应用场景与价值。
　　此外，通过调整单摄模型架构、优化训练数据，构建了可度量深度估计算法模型，能够提供人物与背景关系更精准的深度信息，为人物重打光等下游算法的优化提供有力支撑。同时，通过优化模型结构，在保障算法效果的前提下，进一步提升了模型的性能及可部署性，目前该模型已成功部署于高通、LSI等主流平台，为后续规模化应用奠定了坚实基础。
　　为进一步满足客户下一代平台的虚化要求，持续对视频双摄深度恢复算法进行开发和优化，针对不同的双摄模组排布实现了统一的模型结构，确保效果的同时降低了模型尺寸和性能消耗。同时针对一些特殊情况，比如细小物体、透明物体、反光物体、低光夜景场景等，融合了单摄模型，训练了全新的双摄深度模型，使得深度效果更加稳定。针对愈发热门的机器人场景，为不同算力平台提供了不同的双摄模型，输出稳定一致的绝对深度，为机器人后续算法提供了有效助力。
　　双摄深度拍照模型顺利在高通和联发科不同算力的NPU上完成适配和部署，对比GPU部署，性能和功耗都有着极大的提升，并且针对更多细分平台优化了不同复杂度的版本，以适配不同的效果和性能需求。同时双摄深度也在进一步提升了在细小物体，无纹理场景等困难场景效果的同时，优化了性能和内存占用，以适应客户越来越严苛的快稳省要求。双摄深度开发了从粗到细的两阶段方案，使得人像模式在保证可以快速出缩略图的前提下，在后处理可以得到更加精细的效果。对于以往极近距离双摄矫正困难导致深度计算容易失败的问题，研发了直接基于双摄光流的深度估计算法，使得双摄深度的适用范围进一步加大。
　　针对多摄深度进行细节级优化，改善中远景的小尺寸人像缺失及交叠人像判断错误等问题。提升中近场景的镂空、手持物/头饰等细节区域的精度。修改了不同场景深度分布波动大问题，使得深度数值与真实距离线性相关。提升了前后帧画面的稳定性，此外深度图与RGB边缘更加贴合，改善了边缘漏虚误虚问题。以上优化为打造更加自然、稳定的虚化效果提供了基础。
　　基于单摄的多视图深度恢复技术研发取得了长足进步，相比基于单一视图的深度估计方法，借助多视图像可以更好地恢复场景几何信息，并应对场景遮挡问题，同时拥有更高的深度估计精度和一致性，是三维场景重建的基础。为了提升网络的精度和泛化性，引入虚拟合成数据精调模型，进一步提升网络输出精度，使其可以重建弱纹理、更复杂的室内场景。另外，实现了模型在端侧设备上的部署，在保证较好实时性的前提下，取得明显优越的深度估计和重建效果。这一突破为移动端实时SLAM、VR/AR导航等应用铺平道路，进一步拓展多种应用场景的落地可能。
　　（19）图像语义分割
　　以第三代AIMatting技术架构为基础，在准确性、鲁棒性上继续完善该项技术。针对典型的佩戴头饰、耳饰、以及手持物体等场景，通过数据迭代，提升了结果的语义完整性和合理性。同时，通过增强注意力机制，进一步提升了在多人并排、前后重叠等复杂场景下，模型对于主体之间语义干扰的抑制能力，使得Matting模型具备了实例级别的区分能力。同时，最新的Matting技术针对高通，联发科，华为等众多端侧设备进行了适配部署，在采用低比特模型量化的情况下，也能够保证较高的Matting精度，为移动端的应用铺平了道路。
　　（20）物体识别
　　车牌脱敏技术解决方案，在维护已上线版本稳定优化的同时，针对客户的新需求积极开发，优化港澳车牌的检测率达到92%以上，新增如特定车型车牌定制化需求检测率达到96%以上，并且总体检测率仍然达到98%以上的标准。应用领域从乘用车拓展到了商用车，并针对商用车低算力平台（NPU、CPU）设计了特定的解决方案，保持客户要求的实时性情况下，仍然保持98%以上的检测率，超出图像脱敏技术标准要求。
　　哨兵车辆报警功能，在支持开发现有车型的迭代基础上，持续为多款不同客户的新车型项目提供稳定的项目支持。为进一步扩大哨兵功能的落地范围，结合不同算力等级及算子限制，深度定制设计了低、中、高三种算力范围的感知模型，在稳定提升常规算力车型指标的同时，推动低算力哨兵项目顺利落地，逐渐形成了完善的产品矩阵。利用日益更新的大语言模型，在原有哨兵监控的基础上，拓展开发了灾害监测等特定场景的预警功能。依托多个项目的优化经验积累，持续提高的数据复用效率，大幅降低了产品的开发成本，缩短了迭代周期。
　　AVM近场视觉感知功能，在车载乘用车AVM应用中，针对车辆低速行驶场景，新增起步预警、近距离障碍物开门防碰撞预警等感知功能的开发与落地。在起步预警功能中，重点实现了车辆盲区目标障碍物的识别，尤其支持不同姿态（行走、蹲姿和躺姿）的行人、儿童及猫狗等动物的检测。在开门碰撞预警模块中，新增极近距离路沿、石墩、栏杆等典型静态障碍物的检测和精准测距，有效地提升了车辆开门过程的安全能力。面对特定客户车型，基于视觉感知优化了AVM效果，完成拼缝增强、动态3D视觉适配等定制化功能，提升了全景画面的一致性和视觉体验。
　　（21）场景识别
　　场景识别引擎GPU版本继续更新迭代算法模型，支持高通、联发科等NPU平台的运行，进一步提升了全体场景检测准确率，改善支持任意角度和有限度遮挡的目标场景检测。
　　（22）三维重建
　　三维重建技术更新了基于3D高斯的重建算法方案。与原先的NeRF方案相比，重建速度和效果都有比较明显的提升。实现了一套在线内参标定算法，可以支持任意手机拍摄的视频作为算法输入而无需事先标定，方便服务器端重建应用场景使用。实现了一种全局一致的前景分割算法，能从视频中自动分割出前景物体完成重建，剥离不相关的背景。支持手机端实时渲染，能较好地复现各向异性的光照效果。基于单张图像预测出来的3D高斯参数，实现了全新的3DPhoto功能，可以从新的视角对任意单张图像进行重新渲染，该方案效果自然、真实，为用户浏览图片提供更真实、身临其境的视觉体验。
　　针对XR眼镜应用场景，迭代和部署实时三维重建技术。迭代实时语义场景重建，并构建出室内场景的布局信息，目前已经支持室内场景墙、门、窗、天花板、地面、桌子、椅子等元素的布局信息，形成一个更简洁，信息更丰富的室内场景信息，为XR上层应用提供更加完善的语义信息，方便XR创作者创造出更加丰富的应用。
　　立体视频生成算法，可自动对普通视频进行局部重建并在新的双目视点下渲染生成立体视频，从而使得普通手机拍摄的视频也可以在XR眼镜上获得具有立体感的沉浸体验。该算法支持在手机端部署运行，其效果与目前PC端商业软件相当。开发了一种可交互的6DoF视频原型，其效果是在视频播放时可以实现拖拽屏幕改变观看视点的功能。
　　静态场景隐式建模技术，支持生成高真实感的新视点图像。该技术方案根据视频与实时获取的相机位姿，用神经网络隐式建模三维场景，通过可微的体渲染技术，实现端到端训练。该技术方案可重新规划相机路径后渲染得到新的视频，用于视频编辑和立体视频生成等。结合神经辐射场和隐式符号距离函数几何表达，还可用于重建静态场景的三维网格模型。在静态场景建模技术基础上，增加室外街道场景的动态物体建模，从而支持对开放式动态场景进行建模，并同时对静态场景和动态物体进行渲染。增加了基于3D高斯的动态街道场景建模，提升了渲染的图像质量与速度。
　　AddMe自助合照技术，支持用户在无人协助的情况下实现合照。该技术可引导多个合照人在相同位置交替拍摄两张照片，然后利用图像融合算法，将两次拍摄结果合成为包含所有人的合照。此技术能够自动检测和分割图像中的合照对象，精确匹配两张图的内容，准确拼接所有合照人像。
　　同时，还能妥善处理人物前后的遮挡关系、人像的阴影等，保证合成图像的人像具有正确的空间关系、自然的光照效果，减少人工痕迹，使合成照片具有较强的真实感。
　　（23）光照重建
　　光照重建技术在上一报告期内已取得显著进展，不仅完善了人像重打光技术，实现了环境光照的精准建模与智能调整，还通过引入实拍数据集和扩展至RAW域处理，显著提升了算法的准确性和图像质量，同时成功将技术部署到移动设备，为用户提供了便捷的光照增强体验。报告期内，进一步深化和扩展了光照重建技术的应用边界与创新能力。
　　从“物理真实”到“审美增强”：当前研发正从追求“物理真实”向“审美增强”方向持续提升。在保持光照物理准确性的基础上，优化肤色与高光表现，在补光的同时，赋予皮肤清透、通透的质感及自然的高光细节，规避传统算法易出现的过度磨皮与“塑料感”等问题，实现科技感与艺术美感的统一呈现。
　　（24）即时定位与地图构建（SLAM）
　　VR手柄算法完成了从仿真到实际设备开发的转变。支持多种第三方设备，并支持双手柄实时交互，实现了安全区设定、空间划线等功能。对VR手柄跟踪算法的性能、鲁棒性、精度等进行了全面的优化，在高通XR2设备平台上，算法单帧耗时在22ms以内，支持视野可见范围内2m/s的剧烈运动，平均定位精度小于6.5mm。除了基于光斑的传统VR手柄，还开发了使用手机作为VR手柄的功能，可以使用普通的安卓手机实现实时六自由度跟踪定位，实现菜单点选、简单的游戏交互等。对手机手柄跟踪算法的性能、鲁棒性、精度等进行了全面的优化。从逻辑上优化了用户体验，使得输出轨迹更加光滑、流畅。
　　SLAM技术在XR眼镜的头部位姿估计上取得显著进步。头部位姿估计是XR眼镜的一个核心技术和基础功能，要求低功耗、高精度和低时延。通过优化SLAM算法和把视觉模块从CPU移到DSP，SLAM算法计算效率提升30%，有效地降低了功耗和运动时延。针对XR常见的室内小面积使用场景，对建图模块进行大量优化，极大提高后端建图和实时定位精度。同时，改进姿态预测模块，实时定位准确度提升30%，接近业内毫米级的定位精度要求。已有版本在多款XR原型眼镜上集成，能为快速、准确的头部位姿估计提供良好的用户体验。
　　同时，SLAM技术扩展到高阶辅助驾驶领域，包括城市NOA产品的记忆行车自建图算法和基于SDMapPro地图的BEV道路融合定位。在轻图辅助下，实现了硬件选型，BEV+GPS+里程计的多传感器融合定位算法，支持城区内各种复杂路段。此外SLAM技术在自动泊车辅助(APA)和记忆泊车辅助(HPA)中也发挥重要作用，报告期内支持以矢量化元素轻量高效进行泊车地图的建图与定位，在建图方面，能够以极低内存代价保存大规模矢量化车位与元素地图；在定位方面，能够以极低算力极低延迟在车端实现实时定位，并且保证定位精度，实现泊车过程中对目标车位的精准定位。
　　公司研发了激光+GPS+里程计的多传感器融合定位算法，该算法可以支持智能辅助驾驶中4D标注所需的高精度、低时延的6DoF定位和道路场景的点云稠密重建。同时，报告期内支持智能辅助驾驶中4D标注LargeScale场景重建需求和基于场景重识别的标注真值复用功能，极大地提高4D标注静态要素的自动化标注质量。
　　（25）3DAR动画
　　公司打通了3D数字人创建、编辑、实时驱动全流程。支持基于单张图或扫描模型完成数字人重建。与之前的重建算法相比，改善了头顶区域、眼睛的相似度，提升了纹理重建效果。编辑模块支持对重建模型的脸型、头型、五官、脖子等进行直观地修改。实现了基于单个RGB摄像头的实时全身驱动，包括表情跟踪与手势跟踪，实时动画效果基本达到业界领先水平。3D数字人重建增加了人头重建模块，提高重建人头几何的相似度；支持双眼皮的拟合，眼睛的相似度；增加了编辑模块，支持重建模型的再编辑及调整,同时也支持从中性模型开始编辑。基于球形实验室多视角数据的超写实数字人重建方案，其重建质量远好于传统方案，3D渲染结果能达到以假乱真的地步。支持左右90度的视角渲染，渲染结果包含部分躯干。支持表情实时编辑，也可进行单目表情实时驱动。为了改善3D数字人重建的真实性及超写实数字人重建的便捷性，研发了基于3D高斯表达的数字人方案，此方案更加便捷，用户仅需输入两分钟左右的自拍视频，即可重建出包含部分驱动的写实数字人，算法可在手机端运行，不仅支持表情、视线、头部位姿的实时编辑及驱动，也能较好地复现出各向异性的光照效果。
　　（26）健康监测
　　在保持健康监测技术稳步量产的前提下，提升技术先进性，保持业界前沿地位。心率检测方面，使用更丰富的建模方式，提取更多维度特征，多通道信号信息融合，同时优化算法库架构降低CPU占用，提升产品精度和不同算力设备的适配程度；同时为了拓展产品应用场景，使用创新的行车期间动态建模方案，提升行车期间的心率测量功能的实时精度并优化用户体验，适配不同算力设备；IR心率对动态场景效果大幅改善，整体通过率提升6.9%；血压监测升级深度学习方案，收缩压和舒张压的MAE均降到10以内。呼吸检测方面，新增暗光、偏色等异常场景检测与过滤机制，同时针对画质不佳场景引入全新信号提取与噪声处理方法，提升算法在苛刻条件下的鲁棒性，为适配不同性能的平台，推出了多种低CPU占用版本，兼顾性能与资源效率。扩展对镜头安装位置等多样化部署场景的适配能力，针对行车过程中颠簸、转弯等复杂动态环境，对信号质量与异常过滤机制进行了优化，有效降低环境干扰对结果的影响，提升呼吸监测的稳定性与准确性。
　　（27）高级驾驶辅助系统（ADAS）
　　ADAS产品矩阵持续推进技术迭代与产品化落地，通过算法优化、系统架构完善以及客户导入，进一步强化了公司在乘用车与商用车智能辅助驾驶领域的技术竞争力。公司坚持以量产落地与功能体验提升为核心目标，在南湖横纵向控制及主动安全领域持续进行技术升级，并推动多项自研功能实现客户量产导入。东湖通过规划算法体系建设、系统架构优化以及场景策略升级，进一步推动NOA（NavigateonAutopilot）功能向量产化与规模化应用迈进。在保持覆盖低、中、高算力平台产品体系完整性的基础上，重点加强中高算力平台在复杂交通场景下的规划决策能力，并围绕高速NOA功能需求构建更加稳定可靠的量产算法体系，同时积极探索基于强化学习与端到端的新一代智能驾驶技术范式。
　　西湖、南湖产品（低算力L2级智能辅助驾驶解决方案/一体机）以及商用车智能驾驶方案，ADAS产品矩阵持续深化技术布局与场景拓展，通过多维度创新实现产品力跃升。报告期内，以量产为目标，持续进行技术迭代，完善产品功能，实施了数百次专项实测与场景化策略迭代，对多个业内高难度及复杂场景进行了针对性改进。
　　其中在底层技术方面，完成以下进展：持续优化端侧模型，提升网络共享程度，在加入多项子任务的情况下，整体参数减小75%，计算量降低50%；运用AIGC技术辅助训练样本构建，降低模型素材制作成本约90%；障碍物识别技术持续优化视觉时序算法，提升复杂环境下感知精度，雨天测速环比提升15%，夜间测速环比提升17%；路面分析技术升级时序特征建图算法，有效解决了动态遮挡导致的车道线感知漂移难题，确保了感知连贯性；车道线识别技术摒弃传统的多段式后处理逻辑，融合车辆运动学原理，实现了创新式的带规划属性的一段式联合优化架构，同时引入模型辅助测距技术，显著增强了道路几何形态的一致性，使车辆在坡道及大曲率弯道下的姿态更加平稳顺滑；横向规控技术，针对感知延迟与道路横向倾斜问题，引入基于底盘信号的车辆延迟补偿与路面倾斜度估计策略，优化方向盘自适应修正与车道线航向角估计，提升弯道通过能力与车道居中稳定性。
　　在产品功能方面，与多家主机厂深入合作，进入实车匹配联调阶段，进一步提升产品质量：自适应巡航（ACC）功能针对业界同类产品表现较差的复杂场景，专题攻坚优化顿挫现象，从顿挫次数评价，大小车交叠场景降低90%，隧道场景降低70%，异形车场景降低80%；安全性方面针对典型cut-in场景优化响应策略，引入多目标协同控制与基于CIPV行为的动态速度规划，提升目标切换平顺性与跟车自然度；车道居中控制（LCC）功能针对多个边界场景进行泛化改进，车道变化场景提升通过率约10%，急弯、S弯、大曲率、前车遮挡场景通过率提升20%，在多个车型保持一致的性能表现；自动紧急制动（AEB）构建乘用车与商用车AEBS双技术路线，完善ABP/AWB/EBA功能模块，并完成目标筛选、风险评估、自车路径预测及AEBS状态机等核心模块开发，建立整车测试评价体系与通信接口规范，持续执行大里程测试，重点覆盖乡村、山区、雨雪雾区域、繁忙市区等；相关辅助功能交通标识（TSR）、售后标定（SPC）、失效识别（Failsafe）等达到项目KPI要求；此外，还开发完成独立的脱敏功能，对资源占用不到1%，在不占用额外算力的条件下，实现车牌及人脸脱敏，测试有效率达97%以上。ADAS低算力产品从软硬件层面全面向量产标准看齐，执行高强度测试，逐细节打磨，质量稳步提升。
　　东湖产品（中高算力环周一体NOA解决方案），面向高阶智能辅助驾驶的中高算力环周一体产品方面，成功构建了基于端到端架构NOA的新产品形态，实现行为可解释、意图有根据的智能辅助驾驶解决方案。通过感知与规划的解耦设计，在保持端到端技术优势的同时，确保了系统决策的可追溯性与可解释性，为高阶智能辅助驾驶的量产化设计奠定坚实基础。
　　在具体技术架构方面，实现了多项关键算法模块的突破性进展：基于BEV模型架构，优化了分汇流、路口等复杂道路环境下车道线及车道中心线的高精度检测；构建了业界具有竞争优势的无图超视距感知解决方案；为应对开放环境下的复杂避障需求，成功部署了OCC（3D通用障碍物占据栅格）算法，通过多轮深度迭代优化，显著降低了杂点干扰和障碍物误报率，提升了系统在动态环境中的感知稳定性和决策可靠性；面向NOA功能需求，开发了端到端预测算法，提前预测他车轨迹，决策规划和安全避障提供关键依据。尝试了将原有的3D通用障碍物占据栅格（OCC）算法进化为高保真场景重建技术。该技术能提供厘米级的精细几何信息，为规控系统构建了更高密度的“安全兜底”，提升了对异形障碍物的避障果断性。通过感知与规控的深度耦合，减少了信息传递损耗，使系统在无图工况下的应对更加丝滑。基于海量优质驾驶行为数据，系统可实时输出具有“老司机”思维的参考轨迹。在确保安全边界的同时，大幅优化了变道时机与转向力度，提升了用户的驾驶舒适感与信任感。
　　在规控算法方面，系统面向导航变道、分汇流及匝道通行等典型高速场景构建差异化规控策略，通过场景识别与行为决策协同机制，实现基于道路结构与周围交通参与者行为的动态驾驶策略调整；针对高速大曲率弯道场景，引入结合道路曲率信息与车辆动力学约束的轨迹与速度联合优化策略，使系统能够提前完成减速与轨迹调整，显著提升弯道场景通过率与行驶稳定性。已启动基于强化学习与端到端架构的NOA算法研究，为下一代智能化决策规划能力奠定技术基础。
　　（28）图像特效
　　基于丁达尔效应产生的物理原理，选择合适的场景对仿真实现进行合理的简化和模拟，最终实现一套结合AI和CG的方法，为特定的场景图像添加上合适的丁达尔特效效果，提升图像艺术感。人像线条画效果和宠物线条画效果，这两种效果都结合了AI技术和审美的艺术，通过AI算法提取出具有表现力的线条，然后根据审美的评判制定一些准则将原始图像转换为一幅线条艺术画。目前二者都已实现手机端部署，并有参数控制线条粗细、颜色、数量等，从而满足不同用户的自适应调整需求。
　　光照耀斑项目基于对物理世界相机镜头与光照规律的精确建模，通过模拟实际镜头的参数，设计任意预想的耀斑效果。在用户拍照时添加耀斑效果，能显著提升图像的层次感和真实感。同时，精心设计的耀斑样式还能提升图像的艺术美感。该算法结合了光照方向检测，能够根据当前光照环境自动调整耀斑样式，以确保耀斑效果与当前场景自然贴合。目前，该项目已在手机端部署，并包含耀斑颜色与样式设计模块，可以满足用户获取不同耀斑风格的需求。
　　FlairClip人像风格化效果通过无监督、少样本地学习特定风格的图像，将图像风格迁移到目标人像中，同时保留人物的可识别特征，实现了数据需求量低、效果稳定、帧间连续性好的人像风格迁移算法，并在服务器端进行了部署，同时向客户递交了一些测试通过的风格化模型进行商用。
　　PersonalColorTone技术旨在通过个性化定制打破当前设备端内置滤镜的局面，允许用户创建新的基于学习方案的滤镜风格，包含局部调整（比如肤色）。首先，用户根据个人喜好在App或者Google相册里编辑素材，并加入过滤逻辑，得到自己想要的风格图，然后直接在设备端进行在线训练，快则几分钟，慢则30分钟就能得到目标风格模型，视素材量而定。用户在后续拍照时，只需要选择训练好的风格模型，就能得到目标风格图像。小巧轻便的模型设计是关键，大大减少用户等待的时间，提升用户体验。
　　（29）生成式AI（AIGC）
　　针对AI智能试穿功能，持续优化智能试衣、鞋子上脚算法，进一步改善生成的画质，同时也更好地支持复杂款式、复杂姿势及各年龄段人体特征等困难场景，整体一致性、自然度、真实性、美观性均有大幅改善，成片率也随之持续提升。对于智能试衣和鞋子上脚功能，除原有的标准模式外，还新增了高品质模式，该模式可进一步提升材质、印花、缝线等细节，实现更高质量的出图效果，以满足不同用户在不同场景下的多样化需求，特别是作为高质量主图的需求。在前述原有算法基础上，进一步拓展支持了帽子、箱包等多种商品的自由上身和试穿功能，支持更多品类商品能够快速、高效、准确地出片。
　　除此之外，在上述AI智能试穿（即需要用户提供商品图和参考模特图）的基础上，进一步拓展了多种更具灵活性的使用场景，如用户可以仅提供商品图而无须提供参考模特图。更进一步地，针对特定品牌客户，通过梳理其品牌背景、历史模特展示图等信息，实现AI制片功能，能够对生成的图片进行系统级策划，并批量生成稳定、统一、符合其“品牌调性”的商品展示图。
　　进一步地，为保持服装套图间颜色、版型、穿着方式等的高度一致性，围绕智能试穿的核心场景，对算法效果持续迭代优化，改善室外强光环境下的光影效果，提供保留目标图背景与鞋子等能力，套装换装模型支持多品类服饰迁移换装。强化外景训练数据，改善运动模糊与画面反向等问题，提升换装真实度与细节表现，并精细化处理手持物、箱包、鞋子、背景的保留能力。
　　对于其中的AI模特图功能，用户上传一张真人图后，PSAI将智能保持用户提供图片中的服装信息，在生成阶段，PSAI为用户提供丰富多样的预设模特和场景资源选择。对于其中的换模特功能，提供的预设模特包括不同年龄、性别、人种和风格的模特，例如儿童、中年和老年，网红风、韩风、美式复古风等。报告期内，PSAI在风格模特的基础上推出了独特的换头功能。该算法在保持服装和背景高度一致性的条件下，对上传图进行模特替换，极大提高了模特定制速度和生成效率。同时该算法支持生成各个角度包括背身的高度一致性图像，为多角度一致性模特生成提供了稳定且高效的算法流程。该技术会修改图像的面部区域，并迁移脸型、发型等头部特征，从而实现更高的相似度。经过多次技术迭代，解决了发型差异大、大角度侧脸、仰头、低头等极端姿态下的人脸相似度问题。新研发的姿势裂变技术通过给定一张模特图和一张参考姿势图，该技术可将模特图修改为参考图中的人体姿态，生成自然、真实的图像。
　　对于AI换背景功能，PSAI面向模特图和商品图提供了上百种不同的预设场景风格选择，涵盖影棚等多种室内场景，以及森林、雪山、草原、沙漠等丰富的室外场景。通过持续的迭代优化，系统不断提升场景细节表现与整体构图的合理性，并引入光影融合技术，使模特或商品与背景之间更加自然协调，从而显著提高出图率。丰富多样的场景资源以及更高的出图成功率，能够帮助用户在提升创作效率、拓展创意表达和降低制作成本等方面取得更大的提升。与此同时，PSAI还支持用户通过提示词自主描述目标场景，或上传场景参考图，以进一步扩展场景来源和选择范围。新方案能够精准识别参考图中的元素、风格、光照与氛围等特征，并将这些信息有效融入最终生成结果，使生成内容更加符合用户预期。此外，通过生成真实且风格多样的模特形象，PSAI能够更好地吸引目标消费者的注意力，进一步强化商家的品牌形象。在用户文本交互方面，PSAI还推出了自研的大语言模型，用于将任意语言、格式或内容形式的用户输入自动转换为适合生成模型使用的高质量提示词，从而降低用户在语言表达和专业知识方面的使用门槛。通过迭代优化，不断提升场景的细节和真实性，提高出图率，这些多样化的资源和提高的出图率将帮助用户在提升效率、创意和降低成本方面取得更大的进步。
　　对于AI模特视频生成功能，用户仅需要上传一张全身模特照片，即可生成各种复杂动作，高保真地展现和还原模特穿上服装后的动态效果，以及衣服的物理效果。它基于ArcMuse计算技术引擎大模型的生成能力，能够保持模特自然的写实效果，无论是正面、侧面、大角度都可以高保真生成和还原，同时可以完美地还原服装物理效果，如裙摆的飘动，完美地表现模特穿上服装之后优雅的风采和神态。该技术使用便捷，生成的视频能够很好地保持输入图像的人物脸型、发型、服装、配饰等外观，也能较好地保持图像背景不变。同时，能够很好地表现大角度的人脸以及生成转身的效果。升级动作模仿视频生成技术，新方案在画面清晰度、连续性及服装一致性等方面提升明显，画面闪烁等问题得到有效缓解；通过压缩历史帧及自回归预测等方案，解决了长时间视频生成问题，可在长达一分钟内保持主体一致性。目前该技术已在PSAI网站上线，基于用户上传的图像生成模特走秀视频。此外，实现了视频换衣功能，通过输入一段人物视频和一张衣服图，可将视频中人物的衣服替换为提供的衣服，同时保持人物动作、背景、运镜效果等不变。报告期内，进一步拓展了视频替换功能，支持对整个人物前景、人物头部、人物服装等多个可选区域进行替换，通过数据工程提升了模型在室内、室外等多种场景下的效果鲁棒性。
（30）泊车辅助系统（AVM/APA/HPA）
　　AVM技术专注优化产品痛点，开发差异化卖点。在透明底盘视觉效果上，针对车身阴影导致的画面分层问题，迭代优化透明底盘画面生成策略，提升了底盘画面的整体观感。在拼接画面的亮度、色彩一致性方面，优化了高动态范围、复杂光照等极端环境下的亮度不均、过曝过暗及画面闪烁问题，增强了画面的稳定性和色彩还原度。针对夜间场景、运动场景下的画质问题。增加了AI降噪和HDR算法模块,让夜间路况能看得见、看得清。在3D视图中，融合了深度感知和目标检测，使物体显示大小更符合人眼视觉经验，减轻失真程度，优化了主观感受。
　　在L2级行泊一体解决方案中，自动泊车辅助（APA）和记忆泊车辅助（HPA）是其重要组成部分。报告期内，公司在自动泊车领域持续创新，基于前期AVM/APA/HPA技术积累，在视觉感知技术提升和升级，多信息感知融合、场景适应性、规控智能化等多个方面取得技术突破。
　　APA视觉感知技术在低算力平台上继续打磨提升，特别是车位检测和避障检测两大模块。低算力平台版本，车位检出和车位角点精度KPI指标进一步提升；报告期内车位感知成功率从95%提升至99%，在部分车位线严重破损以及不明显情况依然能够提供高精度的车位角点感知结果。避障检测方面，模型能力进一步细化。对行人、骑行人的检测指标提升达10%以上。同时模型端支持了失效场景检测能力，车辆朝向检测能力，并新增电缆、草坪等类型的识别能力，为下游提供更多的语义支持。同时在低算力平台版本，算法性能得到优化，帧率在原来的基础上提升1倍。APA视觉感知技术在中算力平台上继续进行技术架构的升级迭代。基于特殊鱼眼BEV算法构建的端到端感知架构实现重要升级。感知纵深范围提升50%，支持更多种类悬空障碍物感知，显著增强对复杂立体停车环境的适应能力。
　　APA场景适应性更好，复杂环境的适应性得到进一步增强：基于低算力平台的APA产品成功支持更多复杂和边际泊车环境，如长草遮挡的不清晰车位、低矮台阶上车位等复杂环境下的泊车需求；通过优化空间车位检测逻辑，显著扩展可泊车场景范围。边际场景识别能力增强：自动泊车辅助在视觉感知方面，成功支持肉眼几乎不可辨的泊车空间识别，通过深度学习算法优化，为用户提供合理的推荐车位结果。障碍物感知模型进一步细化：对多类泊车逻辑高度相关的场景、障碍物和交通参与者进行专项感知能力优化，包括制定和清洗训练数据详细标准、使用全新基础模型、专项设计不同类别前后处理和模型损失。同时，模型端支持失效场景检测能力、车辆朝向检测能力，新增电缆、草坪等类型的识别能力，为下游提供更多语义支持。
　　APA规控智能化方面实现重要进展。决策模块构建基于障碍物行为趋势的动态风险评估机制，通过持续观测目标可信度与运动趋势实现风险分级响应，并设计动态障碍物启停策略与泊车过程在线风险监测机制，在检测到潜在风险时触发路径在线修正，从而提升复杂停车环境中的安全性与泊车成功率。
　　（31）三维渲染引擎
　　三维渲染引擎提供了渲染、动画、UI等完整的图形引擎解决方案,支持基于物理的渲染，并且支持glTF文件格式，可以模拟真实场景下的多种材质渲染效果(如金属、玻璃、塑料与皮革等)。该引擎提供了多种反走样方案与渲染管线，拥有丰富的模块化接口，为不同渲染需求提供了跨平台的一站式解决方案。内置智能多级场景资源管理与指令调度系统，支持GPU压缩纹理格式与材质球合并渲染，支持自动视域剔除并且新增视点追踪与视域矫正，极大地减少了引擎初始化以及渲染交互时间，尤其在低算力车载平台上表现突出。
　　动画与特效系统聚焦于对呈现丰富度与渲染效果的更新。在持续优化原有基于物理的骨骼动画系统的基础上，探索了粒子化特效与视点动画实现可行性。目前已经支持仿真水面动态倒影动画、自适应视点动画、序列帧特效、物体淡入淡出以及仿真立体光源特效。
　　UI系统全面升级为三维模式。支持MSDF字体三维渲染，支持三维画线，对比二维UI系统拥有边缘清晰，与三维渲染场景融合度高以及渲染表现力强的优点。
　　针对项目定制化需求持续更新，支持着色器离线编译及自动更新，解决了GPU升级带来的兼容问题。优化渲染资源编辑器，引入资源模块化定制系统，在车载平台上支持多组件自由拼接拓展，快速响应不同项目需求。
　　（32）图像修补技术
　　图像修补技术，针对任务难度及性能要求的不同，在手机端落地了两套不同的算法方案。精简版方案在确保基础修补效果的同时，重点优化模型参数量与计算量，满足手机用户对通用场景实现快速修补的需求。算法通过设计前景物体感知掩码，修补背景时避免融入前景信息。该技术支持任意大小的图像和任意形状的修补区域，生成内容清晰、自然、合理，具有较强的维持原有结构的能力，可以满足大部分用户需求。完整版方案利用稳定扩散模型的可控生成与图像编辑能力，进一步提升修补质量，优化细节还原与纹理生成，使生成结果更加无缝自然，减弱视觉突兀感，确保修补区域与原始图像高度融合。针对手机相册场景中的用户交互需求，研发一套面向全场景的图像分割算法。该算法能够精准识别并分割超过一百种常见物体类别。
　　视频修补技术，视频目标分割模块根据目标特征，在整段视频中跟踪用户选取的目标物体，输出像素级分割结果。通过优化特征匹配算法和记忆模块，提升了算法在多目标、小物体和遮挡等情况下的分割掩码的准确性和稳定性。通过模型压缩合并、蒸馏等技术手段，大幅提升了算法在设备端的性能，单帧处理速度满足实时要求。同时，针对AI编辑中常用的路人消除功能，开发了智能路人检测分割算法，能够在复杂场景下对背后路人进行精准的自动识别和分割，可大幅提升功能的易用性和用户体验。光流估计和补全模块是视频修补技术中的重要环节，结合光流估计与区域填充技术，通过引入端到端的二合一网络，避免了多步误差累计，提升了复杂动态场景下的光流补全质量和泛化能力。同时针对手机端做高效性能优化，降低计算开销，将单帧处理时间从1000+ms压缩至10ms，使算法速度和精度上均达到项目要求。视频修补模块基于视频序列与目标分割结果，利用光流建模时序运动信息，估计待修补区域的位移数值，创新性地提出累积误差截断、关键像素缓存等算法策略，改善了复杂场景下的模糊问题与光影问题。此外，基于并行计算、模型蒸馏量化等一系列方法，将整套视频修补方案成功部署到手机端。
　　（33）生成式超分技术(AIGC SR)
　　生成式超分技术(AIGCSR)利用AIGC大模型预训练学到的自然图像分布，作为图像超分任务中的先验信息，解决手机长焦拍照场景画质退化的问题。该技术能够有效应对长焦拍摄时因光学限制、拍摄距离、拍摄环境和手法等导致的画质退化问题，包括远距离拍摄造成的内容和细节丢失，手持拍摄时因光照不足、失焦或抖动引入的噪声、运动模糊和失焦模糊。通过大模型强大的生成能力，AIGCSR能够在保持图像真实性的前提下，智能地补充缺失的高频细节和内容，恢复清晰的自然纹理，同时抑制各类退化伪影，最终实现“所见即所得”的高质量长焦成像效果，为用户带来接近光学硬件限制的极致变焦拍摄体验。
　　2、报告期内获得的研发成果
　　公司持续保持高强度研发投入，围绕视觉人工智能技术及各核心应用领域，深入开展知识产权布局。截至2025年12月31日，公司拥有专利309项（其中发明专利283项）、软件著作权160项。相较于2024年末，报告期内净增发明专利19项、软件著作权6项。
　　3、研发投入情况表
　　4、在研项目情况
　　情况说明
　　1、公司在研项目预计总投资规模根据项目整体规划等因素定期进行调整。
　　2、“智能汽车等AIoT领域技术”改为“车载AI等AIoT领域技术”，“智能汽车等AIoT领域”改为“车载AI等AIoT领域”，本次仅涉及名称变更，不影响相关数据的列示。
　　四、风险因素
　　(一)尚未盈利的风险
　　(二)业绩大幅下滑或亏损的风险
　　(三)核心竞争力风险
　　1、技术升级迭代风险
　　公司所处的视觉人工智能行业技术升级迅速，是典型的科技驱动型行业，产品更新换代频繁，市场对技术与产品的需求不断提高，更多的视觉人工智能技术正被运用到各类智能终端。作为一家以研发和技术为核心驱动力的企业，如果公司不能正确判断和及时把握行业的发展趋势和技术的演进路线，并投入充足的研发力量布局下一代的视觉人工智能技术研发，可能导致公司无法保持当前的技术领先性，从而对公司未来的经营产生不利影响。
　　在移动智能终端领域，智能手机市场的需求变化较快，相关技术的迭代周期较短，迭代周期约为1-2年。如果公司未能及时更新升级相关技术或根据市场需求成功开发出新产品，则公司可能出现技术落后、技术迭代不及时等情况，从而导致市场占有率大幅下降。在AI眼镜、XR3D空间计算头显等方向，公司进行了一系列前瞻性的技术和业务布局，但若无法抓住未来市场涌现的机遇尽快获取客户，则可能导致错失发展机遇的风险。在智能汽车领域，当前产业竞争加剧，如公司无法快速与OEM合作伙伴推出有竞争力的量产产品，则公司可能面临错失发展机遇的风险。
　　2、市场竞争风险
　　公司所处行业发展前景广阔，近年来参与者不断增多，并不断加大技术研发及市场开拓的投入，行业竞争加剧。众多企业凭借其在特定细分领域的优势参与各垂直应用领域的竞争。若公司不能持续有效地制定并实施业务发展规划，保持技术和产品的领先性，则将受到行业内其他竞争者的挑战，从而面临市场竞争加剧而导致的毛利率下滑和市场占有率下降的风险，进而影响公司的经营业绩和发展潜力。
　　3、核心技术泄密的风险
　　公司销售的各类产品均基于公司独立研发积累的大量计算机视觉核心技术。为保护公司的核心技术，公司制定了严格的保密体系，但上述措施仍无法完全避免公司核心技术泄密的风险。未来如果公司相关核心技术内控制度不能得到有效执行，或者出现重大疏忽、恶意串通、舞弊等行为而导致公司核心技术泄露，将对公司的核心竞争力产生风险。
　　(四)经营风险
　　1、新业务开发和拓展风险
　　公司经过数十年的发展，积累了大量视觉人工智能的底层算法，这些底层算法具有通用性、延展性，除了可以广泛运用于智能手机外，还可应用于AI眼镜、XR3D空间计算头显等其他消费电子产品以及智能汽车、智能商拍、智能保险、智能零售、智能家居、医疗健康等多个领域。
　　新业务的成功与否既受到行业发展状况、市场需求变动以及市场竞争状况等因素影响，又受到公司对新领域的理解、认知、推广力度及与伙伴的合作等诸多因素影响。因此，公司对新业务开发和拓展可能不及预期。如果公司在新领域产品开发或市场推广效果不佳，或者出现其他不利因素，将可能导致公司新业务开发失败，从而对公司未来的经营业绩产生不利影响。
　　2、主要客户采购量减少的风险
　　报告期内，公司前五名客户销售额为54,173.74万元，占销售总额的58.69%。如果智能手机出货量下滑、主要客户业务发展战略发生调整、主要客户因供应链短缺等原因延迟推出新机型或者其他不可预知的原因导致对公司产品的采购需求下降，则会对公司整体经营业绩产生不利影响。
　　3、核心人才流失、未能招募足额的优秀人才及人力成本上升风险
　　公司所处的视觉人工智能行业近年来发展蓬勃，对人才的需求量较大。公司的业务发展，需要一批稳定的研发技术人员、产品化人才及管理人才，这些核心人才对于公司业务的发展壮大起到至关重要的作用。
　　公司的成功取决于不断吸收和留住高水平的研发、产品、销售和管理人才。尽管公司通过内部培养及外部引进逐步形成了较为稳定的核心人才团队，并通过树立企业文化、优化薪酬体系、改善工作环境、完善绩效考核机制等方式完善了人才培养体系，但是，仍然可能出现核心人才流失的情况，从而给公司业务带来不利影响。
　　公司所处行业内企业对于优秀人才的竞争越来越激烈。如果公司未能招募到满足公司业务发展需求的优秀人才，则会对公司的业务发展产生不利影响；如果公司在人力成本上的投入增长速度持续高于收入的增长速度，则会对公司的短期经营业绩产生不利影响。
　　4、管理能力不能满足业务发展需求的风险
　　目前，公司已积累了适应业务快速发展的经营管理经验，完善了相关内部控制制度，逐步实现了公司内控制度的完整性、合理性和有效性。随着新业务的深入推进，公司资产规模和经营规模扩张，在研究开发、市场开拓、资本运作、内部控制、运营管理、财务管理等方面对公司的管理层提出更高的要求。若公司的组织模式、管理制度和管理人员未能适应公司内外环境的变化，将给公司持续发展带来不利影响。若公司管理水平不能快速适应不断扩大的经营规模，解决上市公司经营管理面临的新课题，也将对公司发展带来不利影响。
　　(五)财务风险
　　1、税收优惠的不确定性风险
　　报告期内，公司及子公司享受了一系列增值税税收优惠、所得税税收优惠，尽管税收减免对公司业绩的影响有限，但如果未来公司所享受的税收优惠政策出现不可预测的不利变化，或者在税收减免期内公司不完全符合税收减免申报的条件，则公司将在相应年度无法享受税收优惠或存在所享受的税收优惠减少的可能性。公司税收优惠政策可能的变化会使公司未来经营业绩、现金流水平受到不利影响。
　　2、汇率波动风险
　　虹软科技是一家全球化公司，在海外多地拥有经营主体，且客户分布韩国、日本、台湾地区、美国及欧洲等各地，报告期内公司来源于境外的收入占比为34.69%，上述境外业务使用外币进行结算，受到人民币汇率水平变化的影响。随着公司业务的发展，公司外汇结算量将可能进一步增加，同时人民币汇率受国内外政治、经济环境等综合因素的影响，存在波动风险，进而对公司的经营业绩产生不利影响。
　　3、应收账款收回风险
　　截至报告期末，公司应收账款账面余额为32,185.74万元，较期初增加6,142.92万元。增长主要来自于车载AI业务，该业务受行业特点影响，收款周期相对移动智能终端业务更长。如果未来宏观经济形势发生不利变化，客户经营状况发生重大困难，公司可能面临应收账款无法收回而增加坏账损失的风险。
　　(六)行业风险
　　目前，公司提供的视觉人工智能解决方案主要应用于智能手机、智能汽车行业，主要客户包括了三星、小米、OPPO、vivo、荣耀、Moto等全球知名手机厂商以及国内主要的自主品牌、部分合资品牌、外资品牌汽车主机厂商。报告期内，公司移动智能终端视觉解决方案业务收入为71,506.98万元，占公司营业收入比例为77.47%，公司下游主要客户集中于智能手机市场。
　　公司智能手机视觉解决方案收入与智能手机和摄像头的出货量虽无明显线性相关关系，但如果智能手机出货量下滑、摄像头出货量出现下降，主要智能手机业务客户发展战略发生调整或者其他不可预知的原因导致对公司的智能手机计算机视觉解决方案的采购需求下降，则会对公司经营业绩产生不利影响。车载AI业务方面，若行业竞争加剧，公司技术及产品竞争力不足，客户业务发展战略发生调整、客户自身业务发展状况发生改变或供应链紧缺等，可能导致公司车载AI业务进展不及预期，以上因素可能会对公司经营业绩产生不利影响。
　　(七)宏观环境风险
　　1、宏观经济风险
　　公司主要从事视觉人工智能技术的研发和应用，主要产品有移动智能终端视觉解决方案、车载AI视觉解决方案，主要终端应用领域包括智能手机、笔记本电脑、智能可穿戴设备等消费电子产品以及智能汽车等，应用领域对国内外宏观经济、经济运行周期变动较为敏感。如果国内外宏观经济发生重大变化、经济增长速度放缓或出现周期性波动，公司主要客户因终端需求下滑、调整自身市场计划，或因供应链短缺等原因延迟推出新产品而对公司采购需求下降，且公司未能及时对行业需求进行合理预期并调整公司的经营策略，可能对公司未来的发展以及经营业绩产生负面影响。
　　2、贸易摩擦风险
　　随着公司经营规模的不断扩大，公司人员增加、结构优化导致各项费用增加，同时在国际贸易摩擦的背景下，国外客户受美国制约可能向公司减少采购，国内外客户受制于贸易摩擦或其他因素导致的自身销量下降进而可能对公司采购下降，以上因素可能会对公司的短期业绩形成不利影响。
　　(八)存托凭证相关风险
　　(九)其他重大风险
　　1、诉讼风险
　　在业务发展过程中，公司可能面临各种诉讼、仲裁。公司不排除在经营过程中，因公司业务、人力、投资等事项而引发诉讼、仲裁事项，从而耗费公司的人力、物力，以及分散管理的精力。公司实际控制人HuiDeng（邓晖）于2019年9月出具承诺，针对“MarcChan、LeiLi及其家庭基金诉讼事宜”，如发生任何纠纷（包括但不限于诉讼、仲裁、索赔等）给公司造成任何经济损失（包括但不限于支付赔偿款、律师费、诉讼费等）均由公司实际控制人HuiDeng（邓晖）独立承担。截至目前，双方均已提起上诉，上诉结果存在不确定性。
　　2、母子公司多层架构的风险
　　公司下设多家境内外子公司，层级较多，公司面临各国法律及税收的监管要求。如果未来境外子公司所在国家或地区法律及税收的监管要求发生不利变化，同时公司实际控制人、管理层缺少相应的管理经验和能力，将增加公司管理协调的难度，带来经营管理风险，从而对公司业绩造成不利影响。如果未来境外子公司所在国家或地区对于现金分红、资金结转等事项进行严格监管，可能对公司下级子公司的经营利润逐级分配至母公司构成一定障碍，可能造成母公司没有足额资金进行现金分红的风险。
　　3、知识产权侵权风险
　　公司坚持自主创新的研发路线，经过多年的技术开发和业务积累，掌握了多项核心技术，拥有发明专利283项、软件著作权160项。公司的商标、专利、软件著作权等知识产权对于公司的业务经营至关重要，公司建立了完善的知识产权维护机制以保护公司的知识产权免受侵犯。但是，考虑到知识产权的特殊性，第三方侵犯公司知识产权的情况仍然有可能发生，从而导致公司为制止侵权行为产生额外费用，对公司正常业务经营造成不利影响。
　　同时，虽然公司一直坚持自主创新的研发战略，以开发自有、底层技术为主要研发路线，以避免侵犯第三方知识产权，但仍不排除少数竞争对手采取恶意诉讼的市场策略，利用知识产权相关诉讼等拖延公司市场拓展，以及公司员工对于知识产权的理解出现偏差等因素出现侵犯第三方知识产权的风险。
　　五、报告期内主要经营情况
　　报告期内，公司实现营业收入92,297.09万元，较上年同期增长13.22%；实现归属于上市公司股东的净利润25,840.70万元，较上年同期增长46.25%。
　　六、公司关于公司未来发展的讨论与分析
　　(一)行业格局和趋势
　　(二)公司发展战略
　　公司以“商业本身并不是生活和生命的全部，我们希望通过努力和智慧创造出被客户喜爱、尊重的伟大产品，并成为世界领先的智能视觉技术供应商和服务商”为经营宗旨，以市场为导向，以科技为支撑，以诚实守信为根本准则，不断巩固和进一步提高竞争优势，实施坚持原创，坚持深耕计算机视觉算法技术，深化各行业布局的发展战略，逐步将计算机视觉算法技术的应用扩展至更多的智能终端设备领域，为更多的行业客户提供最优的计算机视觉算法解决方案及服务。
　　(三)经营计划
　　2026年，公司将继续以技术赋能行业为使命，围绕“强化核心能力、加速规模复制、培育业务新增长点”的目标，在巩固既有市场、技术与客户优势的基础上，纵深推进各项业务高质量发展，持续优化组织经营效率与资源配置，实现稳健经营增长与长期价值创造的双重突破。
　　一、深耕主业提质增效，培育前沿赛道新增长动能
　　1、巩固市场领跑优势，深化AI赋能移动影像技术革新
　　（1）智能手机
　　公司将围绕“技术领先与规模增长协同推进”的经营导向，进一步提升TurboFusion在主流终端厂商中的覆盖深度与应用广度。在产品层面，聚焦高像素成像、长焦拍摄、人像拍摄、视频录制等核心功能模块，精耕细作、提质增效，完善全场景AI影像能力；在技术层面，聚焦影像质量核心指标，通过算法体系优化与数据驱动调优机制，提升全场景输出的稳定性与可控性，构建持续演进的技术能力框架。
　　（2）AI眼镜
　　公司将围绕影像质量、交互体验及产业深化合作等方向，持续提升AI眼镜的影像拍摄能力与AI交互能力，加快客户拓展与项目落地节奏。在影像能力方面，加强AI眼镜在RAW域影像处理能力，提升AI眼镜在复杂光照环境下的动态范围与细节保留水平；持续优化视频防抖效果，提升运动状态下画面稳定性与连续性，满足日常记录与内容分享场景对画质与流畅性的实际需求。在交互能力方面，重点提升基于视觉的端侧AI交互表现，增强场景识别的准确性与响应速度，提高信息提示与辅助能力的实用性。在生态协同合作方面，进一步深化与芯片厂商及终端厂商的技术协同，提升算法在不同硬件平台上的适配效率与运行表现；同时完善接口能力与开发支持，提升整体解决方案的部署效率。在市场拓展方面，重点推进现有客户的项目复制与深化合作，并拓展新的目标客户与应用场景，加快量产项目导入节奏。
　　（3）智能相机
　　随着内容生产与影像表达需求的持续增长，运动相机、便携式相机及数码相机等智能相机正向更高画质与更强环境适应能力演进。公司将持续以计算摄影为核心抓手，推进智能相机影像技术在多类终端中的应用深化与规模拓展。在技术研发方面，公司将围绕计算摄影核心链路，持续强化多帧融合、运动估计、图像重建及智能降噪等关键算法能力，提升复杂运动场景与复杂光照环境下的成像质量与系统稳定性。在产品与项目推进方面，公司将围绕重点客户及核心产品形态，加快成熟算法能力在各类智能相机中的量产导入。通过标准化方案与流程优化，推动既有项目经验在多客户、多机型中的可复制性，持续扩大技术应用规模与客户覆盖范围。
　　2、深化车载AI全栈布局，实现规模落地与海外市场拓展
　　（1）驾驶员与乘员安全辅助
　　公司将围绕智能座舱领域核心舱内安全产品，持续巩固技术领先优势与产品竞争力。在产品层面，进一步完善以DMS与OMS为核心的舱内安全产品体系，提升在疲劳检测、分心识别、异常行为感知及多乘员状态识别等复杂场景下的准确性与稳定性。在技术层面，持续提升算法的环境适应能力，不断提升算法在不同光照、姿态及复杂舱内环境下的感知精度与鲁棒性，强化算法在各类场景中的稳定表现。
　　（2）智能停车辅助
　　在智能停车辅助方面，公司前期推进了基于智能SoC的舱泊一体解决方案，并已完成相关技术验证。公司将加快该方案在低算力座舱平台上的产品化研发与落地，推动方案向中高算力平台延伸，以拓展更多量产车型的适配机会。在产品能力建设上，公司将围绕泊车全流程与多场景需求持续迭代，包括复杂环境识别、路径规划及执行稳定性等关键能力，不断完善舱泊一体解决方案的功能体系与系统协同能力，提升整体方案的成熟度与竞争力。
　　（3）智能辅助驾驶
　　公司将持续深耕辅助驾驶产品量产化推进工作，着力提升产品成熟度与市场竞争力。低算力平台解决方案（SouthLake）方面，在现有多个定点项目的基础上，扩大规模化交付范围，依托量产交付实践积累丰富经验，持续优化交付规模与交付质量，确保产品稳定落地。中高算力平台解决方案（EastLake）方面，技术演进将紧密紧跟行业前沿方向，重点拓展辅助驾驶在城区及高速场景的产品技术能力；同时，依托POC项目现有推进成果，加快与市场端的对接节奏，深化量产项目合作，力争在2026年度完成产品市场验证落地化工作。
　　（4）商用车与工程机械市场
　　公司将围绕商用车与工程机械领域的安全与效率核心需求，持续推进公司车载产品在商用车与工程机械车辆前装量产的覆盖。依托成熟的视觉感知算法与产品方案，公司将强化与主机厂及Tier1厂商的合作深度，提升产品在量产车型中的导入比例，重点推动疲劳驾驶监测、盲区检测、环视感知、作业环境识别及L2级辅助驾驶等核心功能的规模化应用，提升产品在复杂工况下的稳定性与可靠性，满足卡车、货车、客车以及机械工程车使用场景的长期高强度运行要求。
　　（5）海外市场
　　公司将进一步加大海外市场拓展力度，围绕重点区域与核心客户持续深化合作关系。在客户层面，将聚焦欧洲及其他重点市场的头部OEM与Tier1伙伴，强化前期联合定义与协同开发能力，深入参与客户产品规划与技术选型过程，提升项目获取能力与合作深度。在产品层面，继续推进满足海外法规及E-NCAP需求的同时，将结合不同区域市场的法规要求、使用习惯及技术标准，持续优化产品适配能力，增强产品的国际竞争力。同时，公司还将加强本地化能力建设，以新成立的欧洲子公司为基地，逐步完善海外技术支持与服务体系，提升对重点客户的响应速度与服务深度，增强长期合作黏性。
　　3、培育孵化前沿赛道，拓宽增量业务发展空间
　　面向人工智能技术加速演进与应用场景持续拓展的发展趋势，公司将围绕视觉AI核心能力与自身优势，积极推进AI前沿技术在AI智能商拍、具身智能机器人等新兴领域的落地应用，加快从技术能力向规模化商业价值的转化，培育面向未来的增长新动能。
　　在AI智能商拍领域，公司已完成从能力构建到体系化发展的关键跨越，初步形成以“应用能力+服务能力”为核心的协同驱动模式，具备面向规模化应用释放商业价值的基础能力。面向未来，公司将围绕“技术深耕、场景拓展、效能提升”三大方向推进业务发展，加快推动AI智能商拍由“效率工具”向“生产基础设施”演进，通过标准化流程与专业服务能力的结合，提升解决方案的可复制性与规模化交付能力，满足客户在大规模视觉内容生产中的效率与品质需求，助力客户实现降本增效与业务增长。
　　在智能机器人领域，公司将围绕生态合作与技术能力两个维度持续推进。在生态层面，将加强与传感器厂商、芯片厂商及机器人本体厂商的协同合作，提升算法、硬件与应用场景之间的适配效率，构建稳定的产业协作体系，为产品落地与规模化应用提供支撑。在技术层面，将完善覆盖数据采集与标注、感知与决策算法优化以及运动控制适配的全链路技术体系，重点提升视觉算法与运控系统的协同能力，增强系统在复杂环境中的稳定性与响应效率。在具体应用推进方面，公司将以人形机器人与四足机器人为主要载体，加快相关技术在典型应用场景中的落地节奏，提升算法在复杂动态环境中的鲁棒性与泛化能力，推动核心视觉技术在多类型机器人平台中的复制应用。
　　二、加码技术投入，驱动核心业务持续进化
　　2026年，公司将持续加大在底层技术领域的投入力度，以ArcMuse计算技术引擎为核心抓手，围绕多模态融合与端云协同两大方向，系统性提升AI能力底座，为各核心业务线的持续进化提供坚实支撑与长期动能。
　　在模型能力层面，公司将基于现有大模型架构，持续突破关键算法瓶颈，重点强化复杂光影表达、物理规律建模及高保真细节生成能力，进一步提升整体视觉效果与生成结果的精准可控性。同时，持续推进多模态能力的深度融合与扩展，加速DiT架构演进，在巩固2D图像与视频生成优势的基础上，结合公司在三维视觉领域的技术积累，重点布局3D内容生成与视效重建等前沿方向，为智能商拍等核心场景提供更具表现力与落地能力的技术支撑。
　　在端侧AI方向，公司将面向移动智能终端、智能汽车、AI眼镜等边缘设备，持续深化大模型部署与优化能力，通过模型量化和优化，实现更大规模模型在低功耗环境下的高效推理与稳定运行，进一步巩固公司在端侧AI视觉领域的领先优势。
　　三、深化精细化财务管理，持续提升经营质效
　　2026年度，公司将持续夯实精细化财务管理体系，统筹推进资金运营、风险防控与业务协同工作，全面提升经营管控质效。
　　在应收账款管理方面，持续深化应收账款全流程管控，进一步优化团队管控效能，完善客户信用分级与账期管理机制，紧盯账款回款全流程；同步完善供应商管理评估体系，并推进票据贴现工作，合理运用票据支付供应商款项，优化公司资金周转节奏，盘活存量资产，实现业务运营与资金流转的高效适配。
　　在全球化资金与汇率风险管理方面，搭建多币种资金管理体系，结合海外业务拓展布局与实际开展情况，稳步适配拓展新币种资金管理，持续强化跨境汇率波动预判与前置管控能力，动态优化境内外资金及币种配置，平衡资金安全性、流动性与收益性，全力防范跨境汇率波动风险，为公司各项业务平稳推进、全球化布局提供坚实的财务保障与资金支撑。 收起▲

　　一、报告期内公司所属行业及主营业务
　　（一）所属行业发展情况
　　1、所属行业
　　根据《国民经济行业分类》（GB/T4754-2017），公司所属行业为“I65软件和信息技术服务业”中的“I6513应用软件开发”。根据中国上市公司协会发布的《中国上市公司协会上市公司行业统计分类指引》，公司所属行业为“信息传输、软件和信息技术服务业－软件和信息技术服务业”，行业代码为“I65”。
　　公司从事计算机视觉技术算法的研发和应用，主要产品有移动智能终端视觉解决方案、智能汽车及其他AIoT智能设备视觉解决方案、智能商拍解决方案，根据公司主要产品功能及服务对象的特点，公司所属行业为计算机视觉行业，... 查看全部▼

　　一、报告期内公司所属行业及主营业务
　　（一）所属行业发展情况
　　1、所属行业
　　根据《国民经济行业分类》（GB/T4754-2017），公司所属行业为“I65软件和信息技术服务业”中的“I6513应用软件开发”。根据中国上市公司协会发布的《中国上市公司协会上市公司行业统计分类指引》，公司所属行业为“信息传输、软件和信息技术服务业－软件和信息技术服务业”，行业代码为“I65”。
　　公司从事计算机视觉技术算法的研发和应用，主要产品有移动智能终端视觉解决方案、智能汽车及其他AIoT智能设备视觉解决方案、智能商拍解决方案，根据公司主要产品功能及服务对象的特点，公司所属行业为计算机视觉行业，属于软件和信息技术服务业。
　　根据国家发改委公布的《战略性新兴产业重点产品和服务指导目录2016版》，公司属于“新一代信息技术产业”。
　　2、所属行业的发展情况、基本特点
　　随着人工智能技术日益成熟，其与各行各业的协同发展日趋加速，“人工智能+”已从理念共识转化为产业实践的核心路径。作为底层支撑技术，视觉人工智能广泛应用于各类人工智能细分领域，以下是与本公司相关的主要领域发展状况：移动智能终端细分领域2025年上半年，全球智能手机市场在宏观经济不确定性及关税政策影响下，仍实现连续两个季度正增长，高端市场需求稳定及AI功能渗透成为主要驱动因素。根据市场研究机构Counterpoint统计数据，2025年第一季度，全球智能手机市场出货额和出货量均同比增长3%，平均售价（ASP）同比增长1%至364美元，创下第一季度历史新高；第二季度，全球智能手机出货量同比增长3%，出货额同比增长10%，ASP同比增长7%至347美元，出货额首次在第二季度突破1,000亿美元。
　　在AI与XR技术融合的前沿领域，AI眼镜等智能终端发展迅猛，开启人机交互新模式。AI智能助理系统整合多模态数据，构建“全息感知-实时解析-智能响应”技术闭环，重塑用户体验。国际数据公司（IDC）于2025年6月发布的《全球智能眼镜市场季度跟踪报告》显示，2025年第一季度全球智能眼镜市场出货量达到148.7万台，同比增长82.3%。细分来看，全球音频和音频拍摄眼镜市场出货量达到83.1万台，同比增幅高达219.5%；AR/VR市场出货量为65.6万台，同比增长18.1%。在该报告中，IDC预计2025年全球智能眼镜市场出货量将达到1,451.8万台，同比增长42.5%。具体到细分领域，音频和音频拍摄眼镜出货量预计为882.8万台，同比增长225.6%；而AR/VR设备出货量预计为569.0万台，同比下降23.9%。
　　智能汽车细分领域2025年上半年，在以旧换新政策的持续显效带动下，内需市场明显改善，对汽车整体增长起到重要支撑作用。中汽协数据显示，2025年上半年，我国汽车产销分别完成1,562.1万辆和1,565.3万辆，均同比实现两位数增长。其中乘用车产销分别完成1,352.2万辆和1,353.1万辆，同比分别增长13.8%和13%；商用车产销分别完成209.9万辆和212.2万辆，同比分别增长4.7%和2.6%。上半年，中国汽车出口总量308.3万辆，同比增长10.4%；国内销量1,257万辆，同比增长11.7%，成为拉动市场整体增长的核心动力。
　　近年来，海外多个主要经济体针对汽车安全推出多项强制性标准，覆盖网络安全、功能安全及特定技术等领域。2025年上半年，国内智能汽车领域也迎来法规密集调整期，推动行业从“技术驱动”向“合规优先”转型。4月，交通运输部公告2025年第21号对《营运客车安全技术条件》（JT/T1094）等4项营运车辆行业标准部分条款进行修订，其中优化调整了ESC、AEBS等安全装置的配备范围，明确针对新申请进入道路运输市场的达标车型。此次修订将使AEBS辅助驾驶功能成为商用车法规强制要求。5月，《轻型汽车自动紧急制动系统技术要求及试验方法》强制性国家标准征求意见稿发布，将自动紧急制动系统（AEBS）从推荐性标准升级为强制性要求，适用范围从M1类乘用车扩展至N1类轻型载货汽车，新增多场景测试验证。6月，全国标准信息公共服务平台公示了关于征求《智能网联汽车组合驾驶辅助系统安全要求》拟立项强制性国家标准项目意见的通知，通过制定强制性国家标准，约束组合驾驶辅助系统功能表现，促进提升产品安全性能，减少由于产品性能缺陷导致的安全事故，将有助于提升我国道路交通整体安全水平，实现标准内容对于组合驾驶辅助系统产品形态的全面覆盖。
　　3、主要技术门槛
　　（1）端计算和边缘计算技术的积累
　　边缘计算极大程度上解决了物联网背景下集中式运算架构中的带宽和延迟两大瓶颈问题，主要难点在于低资源的嵌入式平台环境的开发能力，基于移动终端的边缘计算具有巨大的应用价值，但是受限于移动终端有限算力，诸多企业望而却步。
　　公司自2003年开始便明确了在嵌入式设备研发相关视觉人工智能技术的发展方向，在边缘计算技术领域积累深厚，多年来建立了全面、复杂的多平台适用的底层嵌入式开发库。公司积累的算法具有高度的紧凑性、稳定性以及易调用性，可以在高性能、有效大幅降低资源消耗的情况下实现高精度运行。
　　公司长期专注于嵌入式设备算法的研究与开发，多年来积累了大量基于端设备的视觉人工智能算法开发经验。目前公司基于端设备的视觉人工智能算法适用性高、运行稳定，可以在边缘侧发起高效的运算，通过诸如智能手机、笔记本电脑、智能可穿戴等设备实现高效的图像优化、识别与检测等功能。公司的移动智能终端视觉解决方案、智能汽车及其他AIoT智能设备视觉解决方案等业务均是从边缘侧发起运算，在智能手机、笔记本电脑、智能可穿戴设备、汽车和各类AIoT设备上实现各类视觉人工智能的功能。
　　（2）视觉人工智能技术的层次积累
　　在数码相机以及手机功能机时代，公司就开始专注于视觉人工智能技术的研发与应用，公司主要算法技术都经过了长时间的锤炼，从基本的黑白小分辨率图像的摄取、增强、编辑、检测识别到高清大图像、视频的实时处理均打下了坚实的基础，创造了有利和领先的条件。
　　公司掌握的视觉人工智能算法技术具有通用性和延展性。多年来，公司积极致力于将视觉人工智能算法与行业应用相结合，凭借先进的科研力量、强大的产品开发能力以及卓越的工程实施能力，公司快速将视觉人工智能算法技术落地为成熟的解决方案，并进一步将应用领域从智能手机扩展到智能汽车、智能可穿戴、智能家居、智能零售等多个行业，助推行业升级。此外，公司基于自身深厚的技术积累，能够为上述行业快速提供高性能、高效率、硬件平台适应性强、功耗控制优良的解决方案，大大降低各类客户的产品使用先进技术的门槛，帮客户提升产品竞争力，助力视觉人工智能和人工智能相关应用的普及。
　　（3）工程落地能力
　　虹软创立至今，除不断积累和发展自身技术、掌握持续开发、迭代与硬件更加匹配的算法的能力，还一直致力于与核心产业链内主流公司开展长期、广泛的合作。公司与高通、联发科等各主流芯片公司建立了长期稳定的合作关系，在研发中持续合作交流，深入了解平台硬件特性并为其针对性优化，共同开发核心功能，不断提高视觉人工智能技术算法产品与移动芯片的适配性。公司还与索尼传感器、三星半导体、格科微、OmniVision、舜宇光学、思特威、锐视智芯等业内核心器件合作伙伴建立了业务交流或合作关系，在项目早期就针对特定相机或硬件做算法适配和调优。针对智能终端的芯片平台，公司具备针对CPU、GPU、DSP和NPU等各个算力单元的强大优化能力。结合各硬件算力单元的能力和算法模块的算力需求，公司具备的异构计算优化能力能够从系统层面更有效地优化性能、降低功耗。得益于此，除核心技术能力突出外，公司同时具备优势明显的工程落地能力，在客户提出技术需求后，能更好地联合和发挥在相机模组、软硬件平台、产线、算法等多方资源合作优势，进而提供效果好、能耗低、效率高、硬件平台适应性广并能够快速落地的解决方案。
　　（二）主要业务、主要产品及其用途
　　公司专注于计算机视觉领域，为行业提供算法授权及系统解决方案，是全球领先的视觉人工智能企业，始终致力于视觉人工智能技术的研发和应用，坚持以技术创新为核心驱动力，在全球范围内为智能设备提供一站式视觉人工智能解决方案。
　　公司拥有丰富的针对智能手机等移动智能终端以及智能汽车的视觉算法产品线，主营业务收入来源于自主研发核心技术的授权许可使用。目前主要客户包括三星、小米、OPPO、vivo、荣耀、Moto等全球知名手机厂商以及国内主要的自主品牌、部分合资及外资品牌汽车主机厂商。
　　在智能手机领域，依托多年研发积累，公司可以提供目前市面上大部分主流智能手机视觉人工智能算法产品，包括单/双/多摄摄像头在各种场景下的拍摄和高质量成像、深度摄像头在各种场景下的拍摄和高质量成像、潜望式长焦摄像头无级变焦、3D建模、全景、SLAM、AR/VR、人脸解锁、超像素无损变焦、人体驱动等重要核心功能。在笔记本电脑领域，公司从画质、隐私、美颜等方面来提升用户视频会议体验。通过视频去噪、提升动态范围来改善会议时的画质；通过背景虚化、换背景实现对用户隐私进行保护；通过人像美颜、人体自动居中、人脸细节恢复和增强、眼镜去反光等技术提升视频会议效果。
　　在AI-XR领域，公司大力拓展AI眼镜算法研究与应用，可以提供目前市面上绝大部分主流AI眼镜视觉人工智能算法产品，包括在各种场景下的检测、拍摄和高质量成像、智能人脸识别、智能手势识别、眼动追踪等解决方案。同时，还可以辅助AI大模型，提供基于视觉感知的解决方案。另外还提供VR/MR/AR一站式多传感器标定解决方案，头显6DoF跟踪、平面检测、稠密重建、语义分析、深度估计、实时人体/手部分割、实时3D Mesh重建等空间感知解决方案，手柄6DoF跟踪、裸手3D手势交互、视线跟踪和虚拟数字人表情驱动、人体驱动等交互解决方案，以及异步时间扭曲、异步空间扭曲、视频透视(VST)等视觉呈现解决方案。
　　在智能汽车领域，智能行车辅助方面，公司已储备基于前视、周视、环视、后视、夜视摄像头系统的视觉感知算法，可支持ACC、LCC、AEB、ILC等驾驶辅助功能；智能停车辅助方面，公司已构建360°环视视觉子系统，支持2D/3D AVM全景影像，并具备透明底盘、哨兵监测等功能，同时针对自动泊车（APA），已储备视觉感知、超声波-视觉融合及规控算法；舱内驾驶员/乘员视觉安全辅助方面，公司主要在驾驶员安全辅助、乘员安全辅助系统两类产品上针对驾乘安全积累了一系列视觉感知算法，可以提供例如疲劳检测、分心检测、健康监测、身份识别（FaceID）、安全带、安全座椅、危险坐姿、体态类别识别等主/被动安全功能。
　　在智能商拍领域，公司基于ArcMuse计算技术引擎构建商拍图像和视频生成能力，推出PhotoStudioAI智能商拍云工作室（PSAI）。该平台细分服饰版和商品版，为不同客户群体提供精准化智能商拍服务。PSAI支持AI模特图、AI场景图、AI商品图、AI试衣、AI鞋子上脚、AI商品复色等图片生成，以及AI模特视频生成功能。通过图片和视频内容生成的可控性与表现力有机结合，为商家提供完美的服装等商品展示。同时，PSAI还提供高清尺寸放大、智能抠图、对象擦除、智能补光等AI工具包，为图片和视频生成内容提供智能后期处理工具，满足用户差异化需求。
　　（三）主要经营模式
　　1、盈利模式：公司主要盈利模式是将计算机视觉算法技术与客户特定设备深度整合，通过合约的方式授权给客户，允许客户将相关算法软件或软件包装载在约定型号的智能设备上使用，以此收取技术和软件使用授权费用。同时，公司也向客户销售软硬一体视觉解决方案。
　　2、研发模式：公司主要采取自主研发的模式。
　　①获取需求信息；
　　②管理层决策研发方向；
　　③搭建研发项目组；
　　④验证研发项目算法，进行项目测试；
　　⑤集体讨论决策项目算法；
　　⑥进行底层算法与实际环境的结合优化；
　　⑦进行实际产品结合测试；
　　⑧产品成熟后路演，选择合适的客户进行测试合作；
　　⑨测试合格后大规模推广。
　　3、销售模式：公司采用直销的方式，主要向智能手机、智能汽车、笔记本电脑、智能家居、智能零售以及各类带摄像头的AIoT设备制造商销售计算机视觉算法软件及相关解决方案。
　　4、收费模式：按照业务合同的不同类型划分，公司的计算机视觉算法软件主要收费模式可划分为固定费用模式和计件模式两种模式。
　　①固定费用模式：按合同约定的软件授权期限，收取固定金额的软件授权费用。特定客户在软件授权期限内，针对某款、某系列的特定设备内，可以合法地把含有虹软科技算法技术的特定软件无限量装载在合约限定的智能设备上。
　　②计件模式：在合同约定的软件授权期内，按照客户生产的装载有虹软科技算法技术智能设备的数量进行收费。通常情况下，公司会与客户就不同生产数量区间，约定阶梯价格，保障双方利益。针对软硬一体解决方案，公司目前采用计件模式。
　　5、采购模式：公司的主要采购内容包括研发、测试和运营所需的各类硬件设备、软件、服务，以及产品解决方案所需的物料等。根据需求部门的请购申请，采购部门按照《采购管理制度》的要求，执行供应商选择、采购合同签订、合同执行跟踪、采购付款申请等流程。针对软硬一体解决方案，由公司进行硬件的设计并购买相应部分核心部件后，委托第三方进行组装生产。
　　（四）市场地位
　　目前视觉人工智能市场已初步形成“头部集聚+垂直深耕”的竞争格局，技术迭代加速、行业渗透深化以及政策引导等因素仍在持续推动市场动态变化。核心技术积累、产品化能力、产业生态链合作均构成各垂直行业的核心壁垒。公司是计算机视觉行业领先的算法服务提供商及解决方案供应商，是全球领先的计算机视觉人工智能企业。
　　公司坚持深耕计算机视觉算法技术，深化各行业布局的发展战略，逐步将计算机视觉算法技术的应用扩展至更多的智能终端设备领域。除本公司外，行业中国内企业主要有商汤科技、旷视科技，国外企业主要有Seeing Machines、Mobileye、Cipia、Smarteye。
　　在智能手机领域，公司为客户提供全栈视觉人工智能解决方案，是全球最大的智能手机视觉人工智能算法供应商之一，大部分智能手机视觉解决方案达到国内外先进水平，多数新创技术在行业内属于技术首发。公司主要客户包括三星、小米、OPPO、vivo、荣耀、Moto等全球知名手机厂商，据IDC所统计的2019年度至2024年度全球出货量前五的手机品牌中，除苹果公司完全采用自研视觉人工智能算法外，其余安卓系统手机的主流机型均有搭载公司视觉人工智能解决方案。同时，公司与高通、联发科等移动芯片厂商深度合作，针对不同硬件平台优化算法，提升与移动芯片的适配性，并且与豪威、索尼、三星半导体等传感器厂商建立技术交流，形成从底层硬件到终端应用的完整生态链。
　　在AR/VR/XR领域，公司进行前瞻性布局，从标定、感知、交互和视觉呈现四个维度构建了一套完整的虹软空间计算技术体系，为客户打造了一站式、全方位的产品解决方案。公司在大力更新技术的同时，也与多家业界头部厂商保持密切沟通和交流，持续扩大技术合作生态圈。在AI-XR技术的深度融合进程中，以AI眼镜为代表的智能终端设备正开启人机交互的新范式。公司快速响应AI眼镜市场需求，积极布局AI眼镜影像算法，与多家知名AI眼镜品牌商建立了深度合作关系，根据品牌商的产品定位与市场需求，为其定制化开发影像算法解决方案。目前，公司已成功助力多家AI眼镜公司首款产品发售。
　　在智能汽车领域，公司为客户提供面向舱内外的VisDrive一站式车载视觉软件解决方案，是国内基于高通智能座舱平台的主流视觉算法供应商。公司客户覆盖了国内主要的自主品牌、部分合资品牌以及外资品牌汽车主机厂商，已经赋能众多客户顺利在相关国家和地区实现产品量产落地，大大加快了新车市场化进程。
　　公司积极拥抱技术变革，引领计算机视觉技术发展，自成立以来，经历了从浅层模式识别到深度学习，再到大模型驱动的智能计算的多阶段演进。当前，人工智能技术正经历以大模型为核心的范式变革，在政策引领、产业升级与技术跃迁的三重驱动下，垂直行业大模型正重构各产业生态。依托深厚的视觉AI技术积累，以自研ArcMuse计算技术引擎为核心，公司不断推动视觉大模型的技术进步与行业落地。公司于2023年推出PSAI，目前已完成淘宝千牛、1688、抖音抖店、TikTok、京东京麦、拼多多、Shein、亚马逊等平台入驻，成为国内率先完成主流电商平台全覆盖的服务提供商，累计服务数十万商家客户。


　　二、经营情况的讨论与分析
　　公司专注于计算机视觉领域，为行业提供算法授权及系统解决方案，是全球领先的视觉人工智能企业，始终致力于视觉人工智能技术的研发和应用，坚持以技术创新为核心驱动力，在全球范围内为智能设备提供一站式视觉人工智能解决方案。
　　2025年上半年，公司凭借稳扎稳打的举措深耕赛道，在不断筑牢AI核心技术底座的基础上，继续拓展技术与产品的应用场景，实现整体收入与利润的持续双增长，彰显出强劲的发展韧性与持久增长动能。报告期内，公司实现营业收入41,034.85万元，同比增长7.73%；实现归属于上市公司股东的净利润8,853.61万元，同比增长44.06%。其中，公司移动智能终端视觉解决方案实现营业收入33,932.23万元，同比增长2.23%；智能汽车及其他AIoT智能设备视觉解决方案实现营业收入6,465.16万元，同比增长49.09%。
　　公司保持高水平研发投入，为技术创新的持续推进、产品创造的不断突破及行业核心应用的拓展提供坚实保障。2025年上半年，公司研发费用共计19,858.59万元，占营业收入的48.39%。截至2025年6月30日，公司研发人员596人，占公司总人数的比例为62.15%，研发人员中硕士及以上学历占比62.58%。
　　（一）移动智能终端业务
　　1、智能手机业务
　　作为移动智能终端视觉解决方案主打产品，Turbo Fusion技术和产品持续迭代，并加速在全机型市场上的渗透。公司针对不同算力芯片平台持续下沉Turbo Fusion技术和扩大产品支持范围。通过重构算法架构、精简计算模块、优化数据处理流程等方式，公司进一步提升了影像处理效率并降低系统负载与功耗，确保不同平台机型高频使用影像功能时的稳定续航，特别是在夜景、逆光、长焦等场景上显著改善了画质。
　　公司Turbo Fusion视频解决方案实现多项核心优化。针对极端光照场景，公司聚焦用户体验与环境适应性实现多项创新，为极端光照环境下的清晰成像提供保障。针对长时录制场景，公司通过挖掘底层硬件特性、优化数据处理流和计算路径，进一步提升了处理效率、降低高分辨率下的运算功耗。在影调维度，公司结合人眼视觉特性优化色调映射及局部对比度增强算法，使画面在保留细节与动态范围的同时，呈现更自然平滑的影调过渡，增强了电影感与沉浸感。公司Turbo Fusion星空拍摄整体解决方案完成多模块升级，并在头部客户实现了商业应用，巩固了公司在特殊场景影像算法领域的优势。
　　在手机影像技术革新中，公司聚焦高倍率变焦场景，基于生成式超分技术的深度优化，实现了画质与处理效能的双重突破。通过端侧大模型对图像结构的智能理解，重建长焦丢失细节，使极限变焦场景下的画面清晰度跨越式提升；重构硬件协作架构，处理效率显著跃升，确保了高倍率拍照的真实性。
　　2、AI眼镜业务
　　基于AI眼镜这一创新产品形态，公司正以“技术深耕+生态共建”的双轮驱动战略，系统性拓展多元应用场景，深入挖掘产品潜能，持续增强核心竞争力，稳步拓宽行业边界，释放长期发展价值。
　　在算法优化方面，公司聚焦复杂环境下的图像处理技术瓶颈，依托先进的图像处理算法与自主研发的深度学习视觉框架，全面提升AI眼镜在视觉感知、影像捕捉与智能识别等维度的处理能力。通过算法与硬件的深度融合，显著强化设备在复杂场景中的视觉交互体验，为拍摄质量优化与AI功能拓展提供坚实技术支撑。在生态协作方面，公司已与高通等头部芯片厂商建立紧密合作，推进自研影像算法与AI眼镜专用芯片的底层适配与性能协同。同时，公司持续优化SDK对系统环境的兼容性，有效降低客户集成门槛，加快产品落地节奏。在商业化进程方面，公司已经与多家头部厂商签约，占据绝对的头部厂商市占率优势，相关产品方案已在多个标杆项目中完成量产落地，并为后续的产品、技术扩展打下良好的基础。
　　展望下半年，公司将重点围绕产品能力提升、生态资源拓展以及客户导入三大方向深入布局，着力打造场景化解决方案套件，构建横向经验复用机制，在消费级领域持续探索更多应用可能，推动AI眼镜加速从创新概念向规模化商用核心智能终端的转变，为行业发展注入新的增长动能。
　　（二）智能汽车业务
　　1、舱内业务（驾驶员/乘员视觉安全辅助）
　　报告期内，公司在驾驶员/乘员视觉安全辅助领域持续发力，巩固差异化竞争优势，旗下驾驶员安全辅助系统、乘员安全辅助系统等核心产品完成多轮技术迭代与性能提升，并批量出货至海内外客户群体，覆盖国内外整车厂、Tier1及新能源汽车品牌等多元化合作对象。
　　在全球市场布局上，公司聚焦法规强制要求的主流及关键领域，重点针对以DMS、OMS等核心功能为主体、符合全球汽车安全法规的核心产品，推动其ADDW/DDAW合规认证并开展全球化推广工作。2025年上半年，公司DMS首个内后视镜海外项目正式通过欧盟ADDW认证，满足了欧标区域的量产条件；同时，公司DMS产品在岚图、吉利等品牌的部分海外量产车型项目中，针对ENCAP（欧洲新车安全评鉴协会）安全警告测试取得满分成绩，为后续顺利导入量产项目筑牢了法规合规基础。此外，公司DOMS ENCAP2026产品方案目前也正在同步研发，后续将重点推进法规机构的摸底测试认证。
　　面向舱内的前装软硬一体车载视觉解决方案Tahoe产品已于2025年上半年在欧洲知名豪华品牌车型上完成量产交付，为后续进一步拓展打下坚实基础。第二代基于国产芯片的低成本替代方案也在研发中，已完成初始版本。
　　在产业协作上，公司与欧洲某舱内传感器全球供应商及Tier1的深度战略合作持续推进，双方联合完成了集成OMS、HOD（脱手检测系统）、CPD（儿童遗忘检测系统）及SRS（安全气囊系统）的传感器融合产品原型开发工作，后续将率先在欧洲市场进行推广。
　　2、舱外业务（智能停车辅助、智能驾驶辅助）
　　报告期内，公司加大“舱外”相关领域的投入与资源配置，主推智能停车辅助系统和智能辅助驾驶系统。在技术研发层面，公司舱泊一体解决方案在客户项目上完成POC技术验证，APA产品则通过持续打磨提升场景适应性，已完成雷达融合、自选车位、倒车循迹等泊车全功能开发。
　　报告期内，公司以“安全合规、平台迭代、量产落地”为主线，稳步推进驾驶辅助系统三大产品线的落地工作。在低算力平台解决方案（SouthLake/WestLake）方面，公司聚焦欧洲强制法规及国内即将推出的AEB强制法规，已完成AEB等关键安全功能的深度测试验证与算法优化。目前，基于低算力平台的演示样车已获得客户高度认可及定点，标志着公司L2级智能辅助驾驶解决方案正式进入商业化落地阶段。在中高算力平台解决方案（EastLake）上，EastLake解决方案成熟度进一步提升，针对舱驾一体新形态完成系统架构升级，并与客户启动了POC项目开发，落地化进程有序进行。在监管合规层面，针对上半年行业高度关注的L2级组合驾驶辅助安全风险，公司第一时间跟踪国家强制标准制定动态，对舱外驾驶辅助产品从传感器配置、功能策略到失效保护机制进行系统性设计调整，同步完成新版软件迭代，确保解决方案的行业竞争力。
　　3、商用车市场
　　针对商用车车型及市场特点，公司对软件算法解决方案进一步适配优化：如DMS功能，结合商用车座舱空间大、商用车驾驶员特殊属性及硬件平台低成本等特点，联合Tier1与主机厂深化适配；AVM功能则针对车型多、标定工位不规范、摄像头成本低等问题优化适配。同时，公司将前装优化的软件方案快速移植至后装硬件平台，以满足后装市场安全监管及安装使用便利需求。
　　4、海外市场战略
　　报告期内，公司持续推进“海外”市场战略。产品层面，公司聚焦VisDrive、Tahoe、ADAS、TD320、MonoLake等核心产品，积极拓展国际化应用场景，加速其在重点区域市场的落地进程。公司以GSR法规和ENCAP2026标准要求为核心技术导向，继续优化DMS/OMS产品功能规划，增强对海外市场的适配能力，同时强化在智能座舱与安全驾驶相关细分领域的技术沉淀与量产交付能力。市场拓展与渠道建设方面，公司从合作深化、技术推广、本地化布局三个维度协同发力。渠道端，扩大与多家伙伴的合作范围与边界，拓宽市场渗透路径。技术推广层面，持续推进与多家海外知名主机厂商的对接，并通过开展Tech Day和Workshop等活动，向客户直观传递技术价值。此外，公司的欧洲业务团队加速了本地化市场推广、技术支持和客户服务体系进程，为拓展欧洲及周边市场、增强本地化运营奠基。
　　（三）虹软AI视觉，赋能多元场景应用
　　在AIGC商拍领域，公司PSAI新增支持了AI试鞋、商品换色、高清改尺寸等全新功能，以服饰行业需求为核心，为客户提供更多样、更垂直、更优秀的产品与服务。公司在PSAI市场战略上坚持“应用+服务”双轮驱动，通过SaaS产品服务广大中小电商商家；同时，围绕服饰行业，提供大客户个性化定制服务，通过ArcMuse平台的AI大模型生成工具包为品牌客户提供一站式商拍内容解决方案。PSAI产品已入驻淘宝、1688、抖店、京东、拼多多、Shein、亚马逊等多家主流电商平台服务市场。目前，公司已累计服务中小商家数十万，合作头部服饰品牌客户300余家。
　　公司积极布局具身智能机器人领域相关技术，进行了核心智能视觉感知、视觉融合IPs（技术引擎）的研发。目前，公司已与全球知名的民用机器人公司建立技术合作。
　　公司升级了新一代视觉大模型ArcMuse2025V1.1。依托新一代ArcMuse计算技术引擎，深度融合公司在“云+端”层面的工程创新能力，借助集群优化、端侧优化以及数据与知识蒸馏等方式，ArcMuse计算技术正逐步实现对公司PSAI、智能汽车、智能手机、AI眼镜等业务领域的赋能。
　　（四）质量、合规与信息安全体系建设
　　在智能汽车业务领域，公司持续构建并完善产品安全合规能力和质量管理体系，围绕“敏捷、融合”的年度主题，进一步提升体系效能与落地能力，夯实在智能汽车核心领域的竞争优势。在信息安全方面，公司不断强化体系构建，并于2025年上半年顺利完成ISO/IEC27001。
　　2025年上半年，公司在智能汽车产品的功能安全能力建设方面取得关键突破。继2022年功能安全流程取得了ISO26262:2018ASILD级别认证之后，公司AEB Flag软件产品于今年上半年取得由国际知名认证机构SGS授予的ISO26262:2018ASIL B级产品级功能安全认证。此外，公司同步推进ISO21448预期功能安全体系的初步构建，针对ADAS产品在非故障状态下因功能局限、环境误判或用户误操作引发的安全隐患，启动相关工作并取得良好进展，进一步补强了公司在智能汽车安全合规领域的技术能力储备。
　　（五）经营质效继续提升
　　2025年上半年，公司继续深化业财融合，重点提升财务管理的精细化水平，强化风险管控，优化资源配置，为业务发展和股东回报提供坚实财务保障。公司密切跟踪市场动态，强化动态分级分类的账期管理策略，坚持对客户进行分级分类管理，动态监控客户履约、贡献及现金流状况，并根据业务的市场宏观环境，细化调整账期，平衡风险与收益。公司同步加强票据管理与风险防范，建立并实施应收票据的分类管理机制，通过风险评估与分类，对识别出存在潜在兑付风险的票据，适时采取提前贴现等措施加速资金回笼，有效防范潜在损失。
　　公司持续优化业财协同与系统支撑，在现有基础上，进一步完善业财数据互通，着重提升供应链信息的可获取性与流转效率，推进销售合同流程的标准化与规范化管理，深化库存供应链系统与财务模块的协同应用，为经营管理提供更及时的数据支持，构建更稳健、高效的经营体系。
　　公司始终将充裕的现金储备视为技术研发持续投入和抵御经营不确定性的基石，并通过“阶梯式存款+低风险理财”的结构化配置模式提升资金管理综合收益。为应对汇率波动风险，公司适时调整结汇策略，对持有的外币存量进行审慎评估与动态管理，在确保整体资金安全的前提下，更加注重境内外资金在结构化产品及币种组合上的优化配置，以平衡潜在的汇兑损益并追求更优的综合收益率。

　　三、报告期内核心竞争力分析
　　(一)核心竞争力分析
　　1、人才优势
　　在超过30年的发展历程中，公司磨合出一支以博士为带头人、硕士为骨干的核心研发团队，充分掌握核心技术算法，并进一步落地成为成熟的商业产品。通过长期的潜心学习，公司始终立足于领域内的最前沿，建立和长期保持行业内经验积累和能力上的领先优势。
　　虹软科技及其下属公司经过30多年的摸索，不断改善形成了一套独有的高效管理模式，基本实现自动化、自驱、自愿的高效运行状态，同时采用“导师制”培养模式，有效减少研发的试错次数。高效的研发管理体系提高了公司的自主创新能力和产品研发速度，提升了公司视觉人工智能技术算法水平。目前，公司拥有良好人才储备并在持续完善，为重要项目的推进奠定了基础。
　　2、技术积累优势
　　公司技术积累优势主要体现在端计算和边缘计算技术的积累优势、视觉人工智能技术的层次积累优势、工程落地能力。
　　虹软自成立以来便致力于计算机视觉技术的研发，技术所应用的终端，从个人电脑、数码相机、智能手机，再发展到智能汽车、AI眼镜、XR3D空间计算头显以及其他AIoT领域，一直与影像产业的发展、消费者的需求和影像科技创新紧密相连。经过数十年的技术、专利和人才积累，公司已全面掌握视觉人工智能及人工智能的各项底层算法技术并不断进行技术演进，掌握包括即时定位与建图、图像语义分割、人体识别、物体识别、场景识别、图像增强、三维重建、虚拟人像动画、虚拟数字人等全方位的视觉人工智能技术。公司所掌握的这些底层技术具有通用性和延展性，在此基础之上，公司构建了不同的组件和产品，并衍生出多种产品应用方案满足相应的细分市场需求。
　　公司坚持以创新驱动企业发展，持续高水平研发投入，不断打磨视觉人工智能技术能力。截至报告期末，公司拥有专利296项（其中发明专利270项）、软件著作权159项。
　　3、产业链深度合作优势
　　公司所涉的消费电子产业与汽车产业，高度依赖产业协同。公司拥有紧密、稳定的产业生态关系，与高通、联发科、格科微、索尼传感器、三星半导体、艾迈斯半导体、OmniVision、舜宇光学、英飞凌等平台、传感器、摄像头模组厂等产业链上下游主流公司开展合作。在智能汽车业务上，除了既有的合作伙伴之外，公司也持续与更多的芯片、相机模组、Tier1等诸多上下游产业链公司形成了相互信赖的合作伙伴关系。
　　凭借与产业链内主流公司长期、广泛的合作，公司掌握了持续开发、迭代与硬件更加匹配的算法的能力，通过共同研发、持续合作交流，得以在客户提出技术需求后，在最短时间内及时响应，提供低能耗、高效率、硬件平台适应性广的解决方案，保持技术持续处于行业最前沿。
　　4、客户及品牌优势
　　公司是全球领先的视觉人工智能算法供应商，客户群体广泛。在智能手机领域，公司主要客户包括三星、小米、OPPO、vivo、荣耀、Moto等全球知名手机厂商，服务范围涵盖全球90%以上的安卓手机品牌。在智能汽车领域，公司方案不仅可满足GBT、C-NCAP、C-IASI、IVISTA等国内法规及行业标准要求，而且还可满足DDAW、ADDW、ISA STU型式认证、E-NCAP、A-NCAP等各项海外法规及行业标准要求。在这一领域，公司已协助众多OEM客户顺利在相关国家地区实现产品量产落地，大大加快了新车市场化进程。在智能商拍领域，PSAI产品已入驻淘宝、1688、抖店、京东、拼多多、Shein、亚马逊等多家主流电商平台服务市场，累计服务数十万大小商家。在AI眼镜领域，公司已成功助力多家AI眼镜公司首款产品发售。优良的客户质量、良好的市场口碑、国际化的品牌认可度、海量历史销售数据，为公司后续业务发展奠定了良好基础。
　　(二)报告期内发生的导致公司核心竞争力受到严重影响的事件、影响分析及应对措施
　　(三)核心技术与研发进展
　　1、核心技术及其先进性以及报告期内的变化情况
　　一、核心技术及其先进性
　　目前，公司积累了大量视觉人工智能的底层算法，构建了完整的视觉人工智能技术体系。
　　公司自主研发了人脸分析及识别/人脸美化及修复/人体分析及美化、手势识别/物体识别/场景识别、行为分析、暗光图像增强/超分辨率图像增强/视频画质增强/画质修复、光学变焦、虚化技术、3D AR动画等诸多可应用于智能手机、智能座舱、智能辅助驾驶、笔记本电脑、智能可穿戴设备等终端领域的核心技术。
　　针对单摄/多摄/TOF/结构光等不同种类的摄像头，公司均可提供相应的3D与AR视觉解决方案，帮助厂商在移动设备上便捷高效地实现落地。为满足各智能终端对于VR/MR/AR应用的需求，公司已经研发并可以直接落地使用的解决方案，包括基于双摄/多摄/TOF/结构光的深度获取和优化，以及基于单摄的深度获取引擎，这些深度数据成为一些上层逻辑应用的核心基础；实现了SLAM中环境Map的构建，物体的3D Modeling，视线的检测、跟踪，人体和动作静态、动态姿态的检测和跟踪，解决了实时显示中的延迟等多种问题。为满足智能汽车领域人机交互的需求，公司主要研发了基于红外相机、单摄RGB摄像头、双摄、深摄的交互技术，包括手势交互引擎包、头部动作和口部动作交互引擎、经典表情识别等。
　　公司在人体分析、人脸识别、人体识别、手势识别、人体美化等技术上，在当前状态下的中段平台达到超过95%的正确率、毫秒级实时性，这些引擎也可以有效鲁棒地支持低端硬件平台，人物属性分析、对象属性分析、多帧多通道质量提升等技术点能达到业界先进的低功耗、高性能、相对强鲁棒的水平。
　　公司大部分智能手机视觉解决方案达到国内外先进水平，多数新创技术在行业内属于技术首发，能够满足目前市面上中高端智能手机大多数与视觉相关的技术与应用的算法需求，且公司的智能手机视觉解决方案在除苹果之外的主流手机品牌的大部分旗舰机型上获得使用。
　　二、核心技术报告期内发生的主要变化
　　（1）人脸分析及识别
　　人脸检测技术提升了近距离场景下的复杂光照、大姿态、遮挡人脸召回率以及屏幕摩尔纹等场景下的人脸召回率，同时进一步降低了后脑勺、人手、躯干等目标的误检率。手机版本在难例测试集上保持速度不变的情况下，召回率和精度继续提升。人脸关键点定位技术在手机相关方向上，进一步提升了大角度场景和边界场景的稳定性和精度，并且修改整体算法框架，在内部复杂自测集上，人脸归一化到100像素尺度下的点位平均误差到1.3像素。智能座舱应用中大遮挡人脸和穿戴面纱人脸关键点的准确性，DMS场景下的人脸关键点的精度提升10.1%，且关键点稳定性也获得较大提升。人脸重建技术通过渲染数据的使用，更进一步提升了人脸重建的贴合度，特别是近距离自拍场景的精度，在自测集上贴合精度提升2%。
　　2D Face ID在FAR≤100k条件下，常规及戴口罩场景FRR改善1.4%~2.1%；3D Face ID在同等场景下，FRR改善0.5%~0.8%；车载场景的RGB/IR交叉识别持续改善，FRR改善1.0%~1.9%，且海外人种识别效果显著提升，全人种（黑、白、棕、黄）测试下FRR改善1.2%~4.7%。静默式活体RGB及炫光活体版本效果持续优化，炫光新增三种打光组合，在应用中更新了主动活体及炫光活体功能，以满足市场需求。性别识别RGB与IR版本准确率分别提升1.7%和1.9%；年龄识别效果进一步提升，RGB与IR版本MAE相对减少6.2%和4.9%。此外，宠物ID算法逐步成熟，可区分同品种不同个体，对猫狗照片自动聚类准确率已经超过竞品。
　　（2）人体分析及美化
　　人体检测技术进一步提升了人体召回率并且降低了误检率，同时提升了目标跟踪稳定性，在智能座舱应用场景尤为明显。在内部难例测试集上，精度不变前提下的召回率提升1.04%至96.34%。人体骨骼关键点技术针对座舱内多人肢体遮挡及大角度倾斜场景，重点优化了手臂点与躯干点的定位准确性。人体重建技术通过多相机采集与人工合成方式补充人体细节动作数据，整体贴合准确度提升约0.5%至96.5%。遗留儿童检测技术优化了五座车场景下，侧躺、侧坐、下瘫等姿势的误检，单帧图片儿童召回提升5.3%。安全带检测技术增加错误佩戴识别功能，在难例自测集上，精度达到95.79%。行为识别技术不断完善，针对ENCAP2026对相关安全行为的要求，实现了在多种车型上对副驾安全行为的识别，平均召回率达85%、精度超95%。同时拓展儿童站立的危险行为类别，落地于多个OEM项目，召回率超90%。基于行为识别的环视哨兵功能；人体下蹲和靠车静止场景的报警召回率均提升至92%，整体召回率达到98.5%。
　　人脸美型方案在效果、性能、稳定性上全面升级。效果方面，在原有形变效果上精细参数调节并实现非局部形变，模拟出更加自然的形变效果，通过客户验收并获得认可。性能方面，美型框架升级使耗时降低近50%，在开启多个形变功能时，优化变形逻辑，提升预览性能，用户体验更好。稳定性方面，重构强边缘及大角度保护机制，增强预览稳定性，降低美型失效概率。传统美型通过模板整理，重构接口，减少库大小及使用内存。AI人脸美型参考真实整容技术，注重保留用户原生脸部特征，实现个性化自然美化效果。人脸美化方向由视觉艺术团队主导提升美学效果。基于AI美型方案，已按预期实现个性化人脸强边缘平滑功能并计划添加更多美型效果。
　　人体美型方案根据客户需求，新增人像自然瘦腹功能，提升人像气质。升级人体感知模块，应用人体语义分割、三维人体重建等技术提升参数准确性与变形控制精度。
　　（3）宠物分析
　　宠物目标跟踪中新增ID识别功能，在处理遮挡、快速移动等复杂场景时也能够准确区分不同个体，确保了跟踪结果的连续性和一致性。通过对训练数据的系统优化，显著降低了错误标注对模型的干扰，并且在训练过程中动态过滤低质量样本、过度困难样本及分布外样本，全面提升了宠物身体检测、面部/眼部边界框与关键点检测、姿态估计、目标跟踪等技术的整体准确率。
　　（4）行为分析
　　继续提升满足DDAW以及Euro NCAP法规的驾驶员疲劳/分心检测技术方案，完成满足ENCAP2026产品原型研发。通过大量路测数据对疲劳/分心的误报进行实车数据分析，通过多数据融合将基于车机信号与车辆控制信号在内的驾驶员行为数据与视觉感知信息进行融合，通过数据统计优化行车中的误检问题。同时，结合大量KSS以及心理行为研究实验结论，研发了更加符合疲劳认知的全新疲劳解决方案。根据大量疲劳研究实验进行了真实疲劳数据采集和真实疲劳检测技术更新，提升了基于真实疲劳反应的驾驶员疲劳分级检测，在视觉信息获取上增加多帧、多时间窗口的分析，增大疲劳分析的时间窗口区间，将大量与疲劳行为相近但表现形式有差异的混淆行为进行鉴别，对诸如低头向下看、从左右两侧注视手机屏幕或者其他交互区域等行为与闭眼或疲劳进行区分，形成了与市场同类产品技术的差异化，目前正在尝试将该新技术融入量产方案中，并且实车测试已达到DDAW认证要求。为满足ENCAP2026新规，公司已完成DMS与OMS新增测试项的功能研发，包括受损驾驶员行为分析、座舱乘员异常姿态与体态检测等，形成了完备的能满足ENCAP2026测试范围的产品形态。
　　视线追踪技术已支持众多智能座舱量产项目，结合座舱标定方案为驾驶员分心技术提供视线落点输出支持，完成了Euro NCAP法规中需要支持的视线落点检测研发，对驾驶员视线检测覆盖到舱内23个区域。满足Euro NCAP所有视线分心测试场景的检测要求。
　　根据对ADDW法规的解读与技术实现分析，目前已经完成ADDW实车专项测试，并即将在各量产方案中设计算法方案，满足该法规标准继续进行单摄像头下视线追踪技术的精度提升，自主研发基于3D人脸重建与追踪的底层数据特征表达，实现3D视线追踪技术。视线追踪技术继续对多摄像头方案进行研究，并根据项目需要应用在量产项目中，全面提升驾驶员在车内的视线精度，尤其是在人脸大角度下的视线精度，全面覆盖各种摄像头下的人脸全角度。在原有视线真值系统上继续进行方案优化，针对大视差与眼镜条件下的难例进行集中优化，扩大了眼动测试的覆盖范围，相对误差进一步降低10%左右。与此同时，自主研发了基于用户行为的无感自标定视线精度提升方案，对于视线基础引擎的精度做了较大的提升。当前该方案已经取得了重大进展，通过多组实验获得了新型自研模型，在无需用户配合的条件下完成用户个性化特征提取，与原有方案对比平均视线精度获得了7.2%的提升，当前方案的迭代还在持续进行中。同时，视线研发团队还对眼睛瞳孔虹膜特征在成像上的差异进行深入研究，获得了一整套适用于视线的摄像头设计准则，指导量产项目中的视线摄像头设计。新版本在原有座舱行为数据自动化合成平台研发基础之上又拓展了关注座舱安全的哨兵难例数据合成，拓展了座舱数据合成范畴，大大降低了数据成本的同时为解决长尾问题和提升总体精度起到了关键作用。该平台已经用于相关量产项目交付以及预研项目中。
　　为了更好地解决量产项目中的不同车型以及各种容易引起摄像头位姿变化的外界影响，研发了一整套完善的视线无感自标定解决方案，为主机厂降低相机标定成本，目前该方案已经大规模用于量产项目中，适配各种车型的活动摄像头安装需求。新版本继续探索一体化的适配多摄像头安装位置的舱内DOMS自标定解决方案，以内后视镜为摄像头安装参考位置，挖掘不同车型座舱的共性特征，大规模降低自标定技术依赖的数据存储空间与车型适配成本。将DMS与OMS在自标定方案上进行整合，并于上半年应用于多种DOMS产品形态研发，取得了优异的适配效果。该新自标定技术方案架构将在今后的量产方案中大规模应用，为视线一体化方案带来更高的鲁棒性。该技术方案目前可以兼容支持由于内饰颜色、纹理、光照带来的差异，并可以较高精度兼容有差异的车型之间的自标定方案共用，大大提升了产品的容错率与大平台化的可能性。
　　酒驾驾驶员行为分析作为2025年新增技术引擎，目的是通过饮酒后驾驶员的行为实验分析驾驶员是否处于酒驾状态，达成适用于量产的基于视觉的酒驾检测解决方案，满足ENCAP2026中关于受损驾驶员的行为分析。
　　睡眠检测技术根据座舱内乘员的面部状态与体态分析是否处于睡眠状态，在实车场景中需要与低头玩手机、看书等准静态行为进行区分，经过持续研发迭代，各场景实车召回率已经达到90%以上且误报低于1%，支持在各种颠簸路段场景下的高召回，完成众多量产项目。
　　基于XR头显的眼动追踪完成了双眼双目多光源方案的研发与调优，并配合头显的需要完成了与眼动相关的外围视觉算法研发，完成了设备端部署，精度效果已经达到业内领先水准。同时对适用于多种条件下的眼动算法进行研究，提升底层引擎的检测精度，并设计融合方案实现眼动追踪精度最优化。
　　车载表情识别与唇语关键词识别技术也有了重大突破。为了设计出符合用户感知习惯的技术方案，满足更好的用户体验，通过大量实车数据分析，构建了一套全新基于用户无感表情标定的表情识别技术，可以满足个性化用户表情识别的需求，精准捕捉到一些具有个性化的面部行为，大大提升了用户体验。唇语关键词识别技术完成了多模态技术的研发，将语音与图像信息融合，解决了一些有歧义的唇语关键词无法用单一视觉技术方案覆盖的问题。
　　车载危险行为检测，全面推广基于手持物分析和人体行为分析的多通道信息融合的抽烟打电话检测方案，加速产品迭代，持续提升边缘case下的产品体验。算法模型设计方面，进一步提升模型的特征提取能力和通用性，并借助视觉语言模型(VLM)强大的推理能力提升数据处理效率和利用率。基于DMS/OMS一体化解决方案的方向盘脱手检测算法，对算法方案进行升级，结合手部跟踪、人体行为分析，细化手和方向盘的交互类型，提升算法的稳定性和产品的整体体验。对自顶向下视角的玩手机和方向盘脱手检测算法方案进行快速升级迭代，优化手部的检测和跟踪逻辑，对手和方向盘的相对位置关系进行更加精确的分析，显著提升了算法效果。
　　（5）手势识别
　　手势识别相关底层算法持续迭代升级。手部检测/跟踪算法，面向丰富的使用场景，提升对hard case的支持能力，如强背光、室外夜景、超近距离、多人远距离、手物交互等困难场景下的手部检测跟踪能力有所提升。手部姿态估计算法，主要面向车载场景持续迭代升级，基于RGB/IR多模态输入，针对低画质、弱光照、高噪声等复杂环境，实现系统级优化，显著提升算法的鲁棒性与稳定性。当前算法适配主流车规平台，支持多种车载手势交互与行为分析场景，持续提升智能座舱的人机交互体验。静态手势识别，报告期内进一步提升分类模型的识别效果，为增强分类模型对手部结构特征的理解，融合手部关键点的拓扑结构信息以强化分类特征的表征能力。此外，结合注意力机制增强了模型对手部重点区域的关注，引导模型聚焦于语义关键区域。上述改进在保持模型推理效率的基础上，使静态手势识别在复杂环境下的稳定性与准确率均有明显提升。
　　移动端和PC端手势产品线，报告期内承接并实施多个面向移动终端设备的手势识别项目，支持包括静态手势和动态手势的多种交互方式。针对不同目标设备的硬件资源差异，采用不同结构的模型及优化方式，确保模型在端侧具备良好的性能和功耗表现。目前，多个项目已通过阶段性验收测试，满足客户对手势交互体验和性能指标的综合要求。
　　车载智能座舱手势产品线，基于OMS的RGB/IR镜头的静动态手势交互技术，已更新适配最新的车载算力平台，在提升效果的同时，降低了算法的资源消耗和性能，提升了解决方案的市场竞争力。在效果方面，着重优化了相似手势误检问题，使静动态手势获得更好的用户体验。新增支持“抓握拖拽”、“拇指左右移动”等多个动态手势，通过多轮实车体验迭代，持续调优算法，满足客户对动态手势在功能性和稳定性等多方面的验收标准。优化基于RGB/IR相机模组的三维空间食指指向识别技术，结合2D手部关键点和3D手部模型，还原手部在三维空间中的真实姿态，实现多方向准确识别，并拓展支持TOF摄像头，通过结合深度图像对食指精细建模，进一步提高识别准确率。鼠标手势交互技术，面向客户新研发了基于RGB-D相机模组的鼠标手势交互方案，包含食指鼠标、抓握投屏、捏合调节音量/进度、挥手关屏等功能；其中食指鼠标利用对指尖点准确3D定位、手部精细建模，实现食指指尖精细控制鼠标移动、拇指叩击中指实现鼠标点击。在大角度姿态、手部自遮挡等较难场景下仍保持高精度识别。此外，基于手势的石头剪刀布游戏也在行业头部客户上车量产，反响良好。
　　（6）图像质量分析
　　人像质量分析算法显著提升特殊场景（如暗光环境下深肤色人像）的评估准确率，同步优化宠物模糊判断效果。HDR场景识别技术在AI眼镜方向持续扩展，完成多家客户算法交付并新增多芯片平台适配能力。
　　（7）高动态范围（HDR）
　　YUV HDR支持旗舰处理器AEB模式下的HDR融合。该模式配合改进的HDR融合算法，实现了零延时的高动态范围合成，平衡高光还原和亮度过渡，同步实现防鬼影和防噪音平衡，实现了对霓虹灯、日落、天空、室内flicker等不同场景的智能优化，提高了整体的合成率和还原度。该模式支持对动态曝光输入的自适应调整，保持输出曝光的稳定性。在防鬼影方面，加入了基于AI的增强技术，实现了提亮和去噪，减少了运动区域的噪音，提高了运动场景的画质。针对高饱和度区域的还原，转换到HSV空间进行颜色、饱和度、亮度的动态融合，获取更鲜艳真实的颜色。针对中低端平台无法提供ISP提亮帧的情况，通过调整原有框架，改进HDR融合算法和鬼影处理策略，改善融合结果。开发暗光环境人像HDR功能，并支持闪光灯和屏幕补光模式，在暗光人像模式能更好地还原场景动态，同时保持人像的亮度和人脸的细节。根据对不同风格的要求，定制HDR融合策略。基于机器学习算法结合预览图片的统计特征改进动态EV算法，为系统推荐适配的低曝光图片的EV值，提升融合结果的动态还原效果。在报告期内将应用场景拓宽到AI眼镜上，适配了安卓、IOS等多个平台。
　　基于RAW域的HDR在AI去噪、高动态图像获取方面都取得了巨大进步，针对HDR摄影的复杂环境，从白天到夜晚都准备了鬼影处理策略，在影调方面以保持真实场景亮度分布为出发点，自适应调整影调，在保持原本动态范围扩展能力的基础上使最终结果更贴近客户美学需求。基于场景识别与语义分割，实现对不同被摄环境、不同语义区域的自适应影调调节，确保成片自然度。根据senser、环境信息，智能提升了最终成片的通透程度。针对运动场景实现了智能优化，提升了运动区域的画质，提高了抓拍成片率。针对不同曝光序列优化了运动鬼影，改善最终成片效果。弱光环境结合图像分割方面，根据图像区域分割的结果动态调整局部的融合策略，最终的融合结果更加自然。开发暗光环境闪光灯模式和屏幕补光模式人像HDR功能，暗光人像模式能更好地还原场景动态，同时保持人像亮度和人脸细节。通过对前后景亮度颜色的自适应优化，提升了闪光灯拍摄的氛围感。针对人像场景进行了真实感模拟，提升了人像成片质感。基于不同环境进行光色联动调整，提升成片氛围感。进一步拓展了HDR的特性和应用范围：适配了Quadbayer数据，为使用最新sensor获取更好的纹理细节提供了保障；灵活支持可变倍率，为全倍率RAW域HDR的实现打下了基础。在亮光环境下，利用不同通道的混合输入数据，在继承了HDR影调的同时实现了图像纹理细节的大幅提升。针对硬件能力不足的中低端平台，设计了全流程轻量化处理框架，提升了处理效率，降低了资源开销。通过算法框架继续优化和精简，适配了更加低端的硬件平台，进一步拓展了技术的落地范围。
　　（8）暗光图像增强
　　暗光图像增强技术，公司为客户的摄像头传感器做了针对性支持，确保每个摄像头的去噪以及保留细节达到最佳效果。改进对齐算法，提升运动区域和人像的配准精度，保留更多算法结果细节。改进多帧融合算法，结合AI增强提升细节。改进针对运动区域的去噪和融合算法，消除运动噪音和运动模糊。改进高动态场景下的模型训练，使得高动态场景的暗处细节更清晰。改进训练策略，使得落地后的性能优化版本效果更好。研发基于增强型的暗光图像增强算法，实现最终出图效果清晰度明显提升，进一步拓展增强型暗光增强算法的适用范围，使得更暗的场景实现清晰度的提升。针对图像的亮部和暗部，做针对性的处理，拓展了图像亮部区域的清晰度画质提升；针对中低端设备噪点严重的特点，开发新的单帧处理算法优化图像。针对人脸部分，开发专门的算法对人脸进行去噪和增强，有效改善人脸的视觉效果。对不同的平台计算资源，比如NPU、GPU、DSP等做性能的最佳适配。同时，针对更低平台做了算法的针对性改进，维持效果和性能的最佳平衡，使得算法可以平铺到更多的客户设备。针对中低端平台将轻量化单帧图像增强AI模块和多帧模块配合，在很小的系统消耗的情况下，实现细节提升。进一步优化低端平台的性能功耗，使得在纯GPU的平台，也能用上性能快，功耗更低，效果更好的图像增强算法。针对车载平台和AI眼镜平台开发自适应的多帧和单帧算法模块并配合开发轻量化单帧图像增强AI模块，同时优化训练方法，提升不同设备使用的网络的更新迭代效率，最终实现画质提升。
　　（9）超分辨率图像增强
　　超分辨率图像增强技术，通过不同方案的尝试和实践，最终方案在清晰度上有突出优势，在效果和性能上达到了一个新的高度，满足市场客户的需求。拓展更深层的超分维度，YUV域、RAW域、Quadbayer域等，实现超分辨率的质的提升。改进运动区域检测策略和配准精度，改进融合算法，优化AI模型训练流程，提升AI增强的效果。研发基于参考图片指导的YUV域AI超分算法，实现动态照片，更换封面帧后结果的画质。研发基于增强型的AI超分辨率算法，不同的倍率下清晰度和解析力都得到明显提升。攻克了Quadbayer更高iso和逆光场景的输入网格和噪音偏大难题，拓展更多的亮度范围场景下，实现光学的超分辨率。改进针对不同摄像头传感器的去噪效果，提升结果细节。拓展更高放大倍率的细节提升方案，针对不同的放大倍率的特点，训练针对性的AI细节提升模型，使得在各个放大倍率都有更优的画质表现。优化代码框架，提升性能。实现在不同的放大倍率上，都展现出更好的去噪效果以及细节水平。结合ZSL和PSL的RAW数据，开发25M产品，提升结果细节的同时，保留场景的动态，在多轮算法迭代和框架优化后，实现性能和功耗的大幅优化，同时在最新的旗舰平台开发了基于AI的不同解析力图片融合算法，进一步提升图像中不同区域的细节的表现力和一致性。整合25M的整体框架，充分利用平台的各种资源，达到NPU、GPU、DSP等做性能的最佳适配，提升产品的用户体验。
　　（10）画质修复
　　屏下摄像头画质修复技术实现了预期的功能，在抑制图像原有噪声的同时提升清晰度、对比度与色彩饱和度，使成像效果更接近普通摄像头效果。
　　文档图像去阴影技术，面向多个客户出货项目，重点针对一些中低端平台做适配与优化，构建轻量级高性能的去阴影解决方案。算法在保持实时性的同时维持原先的画质表现，边界保留自然清晰，有效提升整体视觉体验。当前算法已支持多平台商用部署，可以应用于相机拍照与相册应用，满足用户对拍照完美质量的追求。
　　美食阴影去除方案，针对客户平台算力低，性能要求严格的情况，通过设计单阶段方案，开发了更优更快的去除模型，有效降低了设备推理的耗时开销；针对室内复杂多变的光源情况，通过适配真实餐厅阴影的场景，提高了方案的有效去除范围，进一步改善了部分食材颜色恢复偏色的问题。
　　图像去反光技术，重点优化模型结构和前后处理流程，降低算法内存和耗时，同时保持效果基本不变，满足算法在低端设备平台上的部署需求。
　　图像去炫光技术，调整模型结构，新增专项数据，有效抑制了特定场景下出现的误处理和异常条纹等问题。针对手机拍照应用对算法的内存和耗时要求，优化模型算子和前后处理流程，并完成模型的量化部署，在保持处理效果没有明显损失的前提下大幅降低内存和性能开销。针对部分人脸图像处理结果失真的问题，对人脸区域增加额外的处理策略，使结果更加自然。
　　图像去雾和视频去雾技术，针对客户在雾天场景中的图像质量提升需求，深入研究并设计了一套新的去雾算法方案，解决手机拍摄图片发蒙的问题。该方案通过建模图像复原过程，并融合视觉感知优化策略，通过多项关键AI感知技术的协同提升，使得处理后的图像更加贴近真实无雾环境，具备更高的视觉自然度与观感舒适性。与原有方案相比，新方案在雾气去除的彻底性、图像细节的保真性以及整体算法性能方面均实现了显著突破，该算法已经在指定设备平台上实现量产出货，保证了在实际应用中的可靠性与有效性。
　　AI Image Debanding，针对手机拍摄过程中因光源频闪与相机传感器采样机制引发的周期性暗纹问题，在CV的算法基础上，开展了基于AI驱动的Debanding算法研发。可通过深度学习模型精准识别与修复banding伪影，算法具备较强的泛化能力与良好还原度，有效改善低光与室内环境下的图像观感。当前已完成主流平台的适配验证，正在稳步推进迭代，为公司手机端图像质量恢复系列产品提供又一新成员。
　　（11）视频画质增强
　　视频超夜技术，主要改进了去噪算法并从YUV域去噪扩展到RAW域去噪。YUV域去噪算法分别针对PC上的应用和车载上的应用做了研究和改进。PC上的应用和车载上的应用的主要区别在于去噪算法运行的主要处理器不一样，前者的去噪算法主要是运行在GPU上，后者的去噪算法主要是运行在NPU上，因此针对其特点分别给出了不同的去噪方案。PC上的去噪算法在传统CV方案上结合了AI方案，CV算法主要是提升了鬼影检测技术，从而进一步改善了运动物体的去噪效果，AI算法根据不同摄像头的噪声特性，设计了不同的训练方案和量化策略，使得每款摄像头都能在降噪质量和性能上达到较好平衡。基于车载平台开发了全新的AI实时去噪方案，并针对鱼眼镜头专门优化了训练数据的采集方案，降低了数据采集的难度，提高了采集效率，从而大大加快了模型迭代速度，同时在模型优化上面采用了数据蒸馏，模型减枝等优化手段，使得模型能够在车载设备上对1080P的视频进行实时处理。YUV域去噪算法改进了帧间稳定性，降低了帧间噪声闪烁的问题。同时加入了视频提亮功能，并改善了去噪算法，使其在提亮后噪声仍然能够保持比较低的水平。对于极暗的视频，在YUV域处理比较困难，因此我们将处理域前移到RAW域。RAW域处理的好处是噪声形态没有被其他处理过程破坏，保持了原始的噪声形态，这对于去噪网络来说是比较友好的。但是它的难点在于需要处理的数据量增加了，因此对于极暗视频，我们的重点放在了模型优化上面。经过优化我们可以在当前的旗舰机下实现4K视频的实时处理，同时噪声去除能力也明显优于传统的去噪算法。手机端视频超夜技术，拓展手机端至暗光0.1lux，极大改善AI降噪模型的降噪能力的同时保持细节。在实时性和功耗上，做到极致优化，满足客户使用场景需求。针对性训练不同摄像头传感器的视频去噪效果，针对客户的不同硬件平台，设计模型和量化策略，达到画质和性能功耗的较好平衡。RAW域去噪算法进一步优化了性能和功耗以及高亮区域的彩噪问题，同时支持了高动态范围视频的去噪。
　　全新研发的高动态视频超夜技术，在降低噪音保留细节的基础上，极大地扩展了视频的动态，嵌入了公司视频影调技术，使得视频超夜多维度画质提升，更贴合美学需求。经过极致优化，高动态视频超夜技术的实时性和功耗等客观指标均满足客户需求，达到业界领先水平。
　　视频超分技术，持续改善文字场景和密集纹理场景的效果，进一步提升了小字号字体的清晰度，增强可阅读性，改善了混合语言文字处理偏差问题。在密集纹理场景中，减少出现假纹理现象的概率。同时，优化了模型结构，减少了性能开销和功耗，并保持处理效果跟优化前持平。
　　视频插帧技术，扩展了应用场景，包括模拟长曝光场景、视频编码插帧场景以及多摄像机切换镜头中的应用。在模拟长曝光场景的应用中，主要针对非规则性的运动做了进一步优化，插帧效果更加平滑和自然。在多摄像机切换镜头的应用中，改善了重复纹理的场景的效果，并针对大视差场景做了优化，同时优化了性能，比之前版本耗时减少了20%。
　　（12）畸变消除
　　进一步优化了光学畸变消除性能和功耗表现，提升了视频流的处理性能；进一步提升了身体部分的修正效果并优化了任意输入区域透视畸变弱化的效果；设计实现了人脸和身体透视畸变检测及自适应矫正的方案，扩展了人像矫正的适用范围。增加了人像俯仰拍摄畸变修正方案，针对不同角度拍摄人像进行拍摄角度修正，合理利用畸变，提升了人体拍摄美观度。
　　（13）光学变焦
　　升级fusion算法为AI fusion，极大地提升了传统fusion算法的效果，对于一些极端情况提供了自动判别算法，该算法业内首发落地某畅销机型。深度参与高通Pipline设计，推出人像场景的Portrait SAT，成功发布于某国际高端机型。
　　针对暗光场景、弱纹理场景、大视差场景进行优化，提升了对齐的准确性和鲁棒性，优化自适应镜头静态公差矫正，便于适配不同的镜头配置，同时算法进行模块化设计，提升了SAT算法在不同新平台下的兼容性和拓展性。
　　（14）多摄标定
　　进一步扩大AVM标定和BSD标定的适配范围，舱外ADAS车载标定解决方案基本完善。本阶段重点推进多车型实车部署。针对多种乘用车和商用车部署了AVM标定方案，适配了数十种标定场地和环境，针对多款商用车部署了售后标定方案，在标定成功率、精度及效率三个维度实现同步优化。
　　（15）全景拼接
　　全景拼接技术，优化了仰拍和俯拍场景，重点处理一些极端情况（如大角度旋转），通过改进融合策略改善错位融合的视觉效果；针对超广角镜头中出现的直线扭曲问题，新增匹配算法使其匹配成功率进一步提升；改进了运动物体检测算法；新增了对星空场景的支持，针对多星/少星场景设计差异化配准算法与星星特征描述符，提升星点的匹配成功率。
　　（16）人脸美化及修复
　　公司在图像修复与编辑方向上长期致力于Live Photo、视线校正、人头姿态校正等人脸修复与编辑技术。
　　Live Photo技术通过调整深度神经网络结构，针对性改进口腔区域模糊、不真实的问题；研发了针对特定人物的微调技术，使得算法能够生成更加逼真的结果；对网络进行性能优化，使得效果可以在PC设备上做到实时。改进的新版本可以不依赖于初始的对齐步骤，利用隐式参数传递即可完成人物驱动，提升了技术的易用性。新版本采用更高效的隐式参数驱动方法，大幅提升运动传递的准确性，使处理后的人物动作更加自然流畅。同时，增加边缘保护机制，处理结果可完美贴合原始图片和视频，极大提升了技术的实用性，为用户提供了更多创意和应用的可能性。视频口播数字人技术，基于用户提供的几分钟视频素材可以训练得到对应的数字分身，在输入不同的文字内容时可以进行相应的生动播报，支持中文、英文等多语种。新改进的版本提供了可跳过预训练的通用口型生成方式，使得用户可以便捷地对视频中人物口型进行替换，降低创作门槛，同时新版本还增加了语音克隆和视频延长的功能，进一步提升了生成视频的真实性。结合最新的DiT技术，进一步提升口型与音频的匹配度，使数字人播报更加自然流畅。此外，除了数字身份应用外，积极拓展技术边界，结合多模态大模型和视频生成技术，实现了实时语音对话和AIGC个性化视频生成应用，为用户带来更丰富、更智能的交互体验。视线校正技术研发了全新的3D视线校正算法，创新地结合了三维人脸重建和二维图像编辑方法，相较于前代算法产品，突破了正脸姿态的限制，并且大幅度拓展了算法能支持的视线角度，在人脸角度和视线偏移角度均较大的情况下算法依然可以得到正确的矫正结果。用户主观测试报告表明，新算法在真实感、矫正范围、算法稳定性、准确性等方面均明显优于竞品。在效果上，相较于前代版本，解决了可能会出现的额头部分变长、脖子区域融合拼缝、面部抖动、面部刘海导致眼镜断裂等问题，在视频上能做到连续、稳定、自然的结果。在性能上算法完成了模型的蒸馏和量化训练，以及计算过程全部部署在GPU上，实现了算法在设备端的实时运行。
　　在人脸美化技术上实现了人脸自适应肤色调节技术，可针对不同肤色的人脸进行自动肤色调节，有效提升不同肤色情况下的效果一致性；调整了磨皮方案，进一步提升了细节表现力，肤质纹理更加自然，增强了对不同画质人脸去噪的自适应性，改善人脸明暗不均现象的同时立体感也得到提升；实现预览磨皮算法，在去脏能力、通透度、立体感、肤质细腻度方面都有所提升；实现了Vulkan方案的磨皮、美白、美唇、亮眼、白牙、去唇纹等美颜技术和腮红、眼影、SkinGloss、美瞳等美妆技术，在基本保持性能和视觉效果优势的情况下，解决了客户不同设备平台间驱动更新时产生的兼容性问题，降低了产品的维护成本；实现了Vulkan方案的眼妆、唇妆、眉毛等妆容的妆容增强技术；实现了4D眼睫毛、眼影、唇彩、腮红、SkinGloss等4D美妆技术，较大程度上提升了美妆的真实性、立体感和光泽度，进一步优化了大角度、姿态下的美妆效果；实现了AI唇部、眼部遮挡物体分割算法，提升了美妆技术的实用性；实现了AI预览祛斑算法，较大提升了预览美颜的祛斑、去脏能力，对肤质纹理也有很好的保留；优化了拍照AI祛斑算法，对大侧脸提升祛斑效果的稳定性；图像祛斑方面也增加了去抬头纹、去颈纹等新功能。性能功耗方面，进行了GPU优化、模型优化和NPU硬件优化。对美颜预览、拍照算法进行了性能、内存、功耗的全面优化，其中美颜预览性能优化8%、内存优化16%、功耗优化10.7%；拍照算法性能优化9.2%、内存优化6%、功耗优化5.7%。预览头发柔顺技术可以去除视频中的杂乱发丝、捋顺发束，达到美发风格化的效果。针对海外市场需求，定制实现了Bindi检测技术，可保护印度女性眉心Bindi，提升美颜效果；针对客户对高清人像的需求，开发了结合AI的人像算法，在调整光影瑕疵、修饰皮肤质感和恢复五官结构上做到了光影更好看、肤质更细腻、五官更清晰，打造了人像审美的高级感。
　　低光照和极暗光线下的人脸美颜解决方案继续扩展了超清人像美颜风格的应用平台，人像视觉效果更加自然、整洁，同时保持清晰度和立体感。视频任务上，针对移动设备端改善了模型以及任务框架，增强人像效果以及自然程度，同时提升了性能并优化了功耗。而PC端主要增强人像修复强度，提升人像解析力，同时针对不同平台做了专门性能优化。实现针对车载、平板、PC、手机等设备的视频人像修复的轻量级模型部署。
　　人脸修复技术针对不同画质的人像照片，进行了更细致的算法区分处理，能够让正常拍摄的人像脸部肤质更显性、更自然，将长焦或极差环境下拍摄的人脸恢复清晰，目前算法都已实现在手机端的部署，作为整体画质增强模块的一部分，人脸修复技术已应用到多个产品之中。针对高倍率的拍照场景，研发基于大模型的超分修复方案，部署和落地到设备端，让高倍率下的场景变得更加清晰，视觉效果得到较大的提升。
　　人脸换头技术，用来提升用户拍照时（尤其是人像合照场景）的成片率。在合照拍摄场景中，往往在抓取精彩时刻的一瞬间，会存在部分人物头部、表情姿态等不协调，如果重新拍摄将费时费力，且错过了那一精彩时刻，也难保重拍过程中仍存在另外人物新的姿态不佳。人像换头技术基于动态照片拍照场景（用户在拍照时，会有一张最终成像的静态图像和同步保留拍照前后3s左右的动态视频），算法通过抓取动态视频内人物好的头部表情姿态，来替换融合最终成像中人物不好的头部表情姿态，从而保证最终合照成像下所有人物都有最佳的表情和姿态。整个算法处理过程中，基于公司已有成熟算法积累（微笑检测、模糊判断、睁闭眼开合度检测、遮挡判断等），自动化抽取推荐出姿态佳、表情姿态好推荐帧，用于人物头部姿态替换。为了提升算法应用的鲁棒性，扩展应用边界，针对一些遮挡场景下，整体头部姿态校正的不适应性，公司开发支持了换脸策略，只对成像中人物面部五官表情进行替换。另一方面，受限于动态视频帧画质与成像画质的差异，公司研发肤色/画质的对齐模块，以及对应画质微调的人脸修复算法来进一步的对齐画质，从而保证最终头部姿态替换融合校正后整体画质的一致性。为适配客户的需求，针对宠物场景，新增开发了宠物换头技术。初步实现了宠物头部姿态校正与眼睛开合校正算法，解决了用户在拍摄人宠合照时，宠物容易出现的头部姿态不协调、表情不自然等痛点问题。
　　（17）虚化技术（Bokeh）
　　持续优化视频虚化（电影模式）、单摄虚化、双摄虚化的产品细节，始终保持行业领先地位。
　　本报告期内，继续以最新改进的AI-Depth Ultra技术为基础，完善新一代智能虚化引擎AI-Bokeh Ultra，在准确性、自然性、艺术性等维度上深入探索技术，改善算法和产品，持续保持行业的领先地位。通过进一步整合最新的语义分割、Matting及虚化算法，持续提升发丝精度，特别是复杂背景、复杂纹理下的发丝准确性和自然性，大幅改善了玻璃场景的精度，进一步提升了手持物的准确性，提升了整体成片率。继续丰富了虚化层级、层次，使得虚化结果具有更自然的渐变层次感。优化了小光斑的呈现，使其更圆润、明亮、自然。单摄虚化在更多机型上支持了艺术光斑效果，进一步优化了旋焦算法，支持了哈苏风格镜头效果。单摄虚化还支持了P010图像格式，使得虚化结果具有更好的色彩表现。
　　升级了新一代渲染算法，该算法在效果上更加逼近大光圈的单反镜头，光斑更具真实性、自然性和艺术性；改善了渐变的层次感，使其更加立体、自然；改善了边界的准确性，使其更加锐利；进一步改善了虚化效果的准确性及渐变虚化的层次感，提升了成片率；支持了圆形及椭圆形电影镜头级光斑效果。
　　双摄虚化基于更加精确的双摄AI深度，进一步优化算法，使得效果更加精确和自然，接近单反相机拍照的效果。同时虚化算法、HDR和超级夜景等画质类算法结合，显著提高了虚化光斑的层次感和真实感。进一步基于特定的单反相机或镜头专门优化光斑效果，使得更加接近光学镜头拍摄的效果，如哈苏风格化等。结合第三代AI Matting技术，发丝的数量和精准度对比前一代有了进一步的提升，同时头发附近的发饰等细小物体的分割效果也一并得到了改善，同时结合深度信息，可以让发丝产生层次感的虚化渐变，更加接近光学相机拍摄的效果。
　　双摄虚化与Turbo Fusion技术有机结合为Turbo Fusion Bokeh，利用Turbo Fusion获得真实场景亮度信息，使得虚化更加接近单反相机在实际场景中的拍照效果，光斑更具能量感和层次感，形状更加接近单反相机的效果，颜色也更加真实。Turbo Fusion Bokeh的光斑效果升级成2.0版本，光斑的颜色、亮度、形态和层次进一步逼近真实相机拍摄的效果。
　　全新的AI Bokeh技术，可以修复深度图上的瑕疵，是业界首次可以逼真地模拟出接近单反相机真实自然的前景虚化效果，同时还可以支持多种单反相机的光斑形态。AI bokeh从8bit YUV域扩展到16bit线性RGB域，完全嵌入到了Turbo Fusion的流程之中，从虚化生成原理上更加接近实际光圈相机的生成过程，结合最新的高精度深度模型和第三代AI Matting技术，基于更加精细的深度层次信息和更加精准的头发Matting，开发出了虚拟光圈技术，可以更加逼真地模拟特定单反镜头不同光圈下的拍摄效果。AI bokeh从16bit线性RGB域扩展到支持20bit的线性RGB域，使得更多原始的亮度信息得到保留，生成的虚化效果更加真实。虚拟光圈技术从原来的只支持35mm焦段，扩展到85mm的黄金人像焦段，可以产生长焦镜头上更大的光斑，更强烈的虚化效果和更浅的景深。
　　（18）深度恢复
　　本报告期内，继续提升AI-Depth Ultra的准确性、场景泛化性，以及针对客户的各目标平台持续优化性能、功耗，对应用于单摄虚化的单图深度预测、应用于视频虚化（电影模式）和预览虚化的视频深度预测均做了相应更新，持续保持单摄深度预测算法的行业领导力。通过专项攻坚大幅优化了玻璃场景的准确性，深度图更加符合虚化场景的深度要求，即干净、透明玻璃区域的深度应为玻璃外物体的深度，改善了之前算法在类似场景下的漏虚问题。改善了深度预测算法的泛化性，在夜景、大光圈下的原生背景虚化图等输入场景上，预测出更准确的深度。除了精度的改善，我们还同步优化了算法的性能和功耗，其中AI-Depth Ultra单图深度预测性能优化了30%以上。另外，最新的深度预测算法因为高准确性、稳定性及场景适用性，除了应用于虚化产品线以外，还为更多算法和应用提供了底层支持，并成功出货。基于单摄深度估计的大模型，进一步提升了深度恢复的效果，基于大模型新进研发可度量深度估计，几何深度估计模型可以提供准确的三维空间关系。人物，物体和环境的三维结构更准确为背景虚化、三维重建、人像重打光等领域提供更准确的深度信息。
　　为进一步满足客户下一代平台的虚化要求，持续对双摄深度恢复算法进行开发和优化，使得其性能和效果在客户的下一代平台上得到了最佳的部署，极大地提高了深度的准确性和精细度，并且对于不同的双摄模组排布的支持也更加完善。双摄深度AI模型从原来的只支持水平垂直排布的模组拓展到支持任意角度排布的模组。同时针对一些特殊情况，比如细小物体、透明物体、反光物体、低光夜景场景等，融合了单摄模型，训练了全新的双摄深度模型，使得深度效果更加稳定。双摄深度模型顺利在高通和MTK最新的NPU上完成适配和部署，性能和功耗都有着极大的提升，并且针对不同平台优化了不同复杂度的版本，以适配不同的效果和性能需求。同时双摄深度也进一步提升了在细小物体，无纹理场景的效果。
　　针对多摄深度进行细节级优化，改善中远景的小尺寸人像缺失及交叠人像判断错误等问题。提升中近场景的镂空、手持物/头饰等细节区域的精度。修改了不同场景深度分布波动大问题，使得深度数值与真实距离线性相关。提升了前后帧画面的稳定性，此外深度图与RGB边缘更加贴合，改善了边缘漏虚误虚问题。以上优化为打造更加自然、稳定的虚化效果提供了基础。
　　基于单摄的多视图深度恢复技术研发取得了长足进步，相比基于单一视图的深度估计方法，借助多视图像可以更好地恢复场景几何信息，并应对场景遮挡问题，同时拥有更高的深度估计精度和一致性，是三维场景重建的基础。为了提升网络的精度和泛化性，引入虚拟合成数据精调模型，进一步提升网络输出精度，使其可以重建弱纹理、更复杂的室内场景。另外，实现了模型在端侧设备上的部署，在保证较好实时性的前提下，取得明显优越的深度估计和重建效果。这一突破为移动端实时SLAM、VR/AR导航等应用铺平道路，进一步拓展多种应用场景的落地可能。
　　（19）图像语义分割
　　人像Matting算法优化。针对经典的单主体场景，通过算法更新和数据质量提升，持续改善纹理、眩光等复杂场景下的精度问题，特别提升了细长发丝的分割精度和融合自然度。同时，针对多主体场景的人像Matting进行了开发和支持。对多人并排、前后重叠等复杂场景进行效果优化，利用注意力机制避免主体之间的语义干扰，减少误分问题。Matting算法还扩展了宠物胡须分割、毛发分割功能，为Pet类相关上层应用提供了支持。
　　继续优化AI Camera智能场景识别算法，通过数据迭代稳步提升白天夜晚等多场景的语义分割准确性。特别针对植物类别的细节镂空较多的问题进行了专项优化，提高了该类别的分割精度，为图像增强应用提供了更加细腻的控制信息。
　　升级人像Matting算法，在进一步提升发丝细节准确性的同时，重点考虑了在多纹理、绿植、眩光等复杂场景下的边缘颜色溢出、漏光等问题，同时增加了发饰、耳饰等饰品的支持。在算法端和数据端同步迭代，使得虚化后的发丝效果更加真实自然，饰品得以完整保留。
　　（20）物体识别
　　车牌脱敏技术解决方案，在维护已上线版本稳定优化的同时，针对客户的新需求积极开发，优化港澳车牌的检测率达到92%以上，新增如特定车型车牌定制化需求检测率达到96%以上，并且总体检测率仍然达到98%以上的标准。应用领域从乘用车拓展到了商用车，并针对商用车低算力平台（NPU、CPU）设计了特定的解决方案，保持客户要求的实时性情况下，仍然保持98%以上的检测率，超出图像脱敏技术标准要求。
　　哨兵车辆报警功能，针对客户的新需求开发，新增多种三轮非机动车、老头乐等类别的支持；对新增的几款车型进行定制优化，指标均达标并顺利完成交付；对于个别客户车型定制化开发了基于鸟瞰图输入的哨兵方案，开发了基于运动分割的鸟瞰图哨兵预警系统，支持了常见的几种报警类别；针对非机动车困难场景召回率低，以及行人误触发报警等问题，分别进行持续优化，各个场景下均有明显改善。
　　（21）场景识别
　　场景识别引擎GPU版本继续更新迭代算法模型，支持高通、MTK等NPU平台的运行，进一步提升了全体场景检测准确率，改善支持任意角度和有限度遮挡的目标场景检测。
　　（22）三维重建
　　三维重建技术更新了基于3D高斯的重建算法方案。与原先的NeRF方案相比，重建速度和效果都有比较明显的提升。实现了一套在线内参标定算法，可以支持任意手机拍摄的视频作为算法输入而无需事先标定，方便服务器端重建应用场景使用。实现了一种全局一致的前景分割算法，能从视频中自动分割出前景物体完成重建，剥离不相关的背景。支持手机端实时渲染，能较好地复现各向异性的光照效果。
　　针对XR眼镜应用场景，迭代和部署实时三维重建技术。迭代实时语义场景重建，并构建出室内场景的布局信息，目前已经支持室内场景墙、门、窗、天花板、地面、桌子、椅子等元素的布局信息，形成一个更简洁，信息更丰富的室内场景信息，为XR上层应用提供更加完善的语义信息，方便XR创作者创造出更加丰富的应用。
　　实现了一种立体视频生成算法，可自动对普通视频进行局部重建并在新的双目视点下渲染生成立体视频，从而使得普通手机拍摄的视频也可以在XR眼镜上获得具有立体感的沉浸体验。该算法支持在手机端部署运行，其效果与目前PC端商业软件相当。开发了一种可交互的6DoF视频原型，其效果是在视频播放时可以实现拖拽屏幕改变观看视点的功能。
　　开发静态场景隐式建模技术，支持生成高真实感的新视点图像。该技术方案根据视频与实时获取的相机位姿，用神经网络隐式建模三维场景，通过可微的体渲染技术，实现端到端训练。该技术方案可重新规划相机路径后渲染得到新的视频，用于视频编辑和立体视频生成等。结合神经辐射场和隐式符号距离函数几何表达，还可用于重建静态场景的三维网格模型。在静态场景建模技术基础上，增加室外街道场景的动态物体建模，从而支持对开放式动态场景进行建模，并同时对静态场景和动态物体进行渲染。增加了基于3D高斯的动态街道场景建模，提升了渲染的图像质量与速度。
　　Add Me自助合照技术，支持用户在无人协助的情况下实现合照。该技术可引导多个合照人在相同位置交替拍摄两张照片，然后利用图像融合算法，将两次拍摄结果合成为包含所有人的合照。此技术能够自动检测和分割图像中的合照对象，精确匹配两张图的内容，准确拼接所有合照人像。同时，还能妥善处理人物前后的遮挡关系、人像的阴影等，保证合成图像的人像具有正确的空间关系、自然的光照效果，减少人工痕迹，使合成照片具有较强的真实感。
　　（23）光照重建
　　对大模型方案下人像重打光技术进行了一系列改进，提升了模型的性能。利用先进的AIGC技术，扩充了训练数据集的规模，生成了更多样化的训练样本，为模型训练提供了更广泛的场景和变化。对于原始训练集中质量欠佳的数据，进行了重绘微调，有效改进了数据的整体质量。模型的泛化能力和鲁棒性得到了进一步提升，重光照的效果和成功率也有了明显的提高。尤其是全身人像的重打光效果更精准和自然。环境光照建模方法也进行了改进，从较为简单的光照建模加强为支持直接输入复杂的环境光照图，从而避免了因低阶近似导致的信息丢失，能够更精确地表示复杂的光照条件，生成更加逼真的效果。另外，还实现了根据背景光照条件自动调整前景人像光照的功能。该功能可用于虚拟场景渲染与合成，能够将真实人像与虚拟场景无缝融合，生成高质量的合成图像。近期实现了针对非理想拍摄条件下的人像光照增强功能。该功能能够自动增强在侧光、顶光、背光等复杂光线环境下拍摄的照片光照，智能地提升图像亮度，减轻阴影，提升照片的整体观感。通过采用模型蒸馏等技术简化模型结构，已成功将该技术部署到了移动设备上，目前正在持续进行性能优化和效果调整，以进一步提升用户体验。
　　在前期的算法开发中，我们依赖于AIGC生成的大量数据进行模型训练。这些合成数据能够在一定程度上模拟现实世界中的场景，有助于快速构建初始模型。为了进一步提升算法的准确性和鲁棒性，近期引入了大量的实拍数据集，通过迁移学习的方法，在保留原基础模型知识的同时，有效利用新数据的信息，进而提升了模型的鲁棒性和效果的真实感。
　　此外，实现了一种基于人像图像的环境光照分析算法，可以从单张人像照片中推理出当前人物所处场景的主要光照信息，包括光源的颜色、方向和强度等关键参数。该算法能够高效还原复杂光照环境，为后续的虚拟布光、光照匹配等应用任务提供有力支持。
　　将光照重建算法从YUV域扩展到了RAW域，以提升图像质量和处理灵活性。RAW格式保留了最原始和丰富的信息，提供了更高的自由度和精确度。RAW数据具有更宽广的动态范围，可以表示更多的亮度层次，从而允许对图像进行更大范围的亮度调整，并在高光和阴影区域获得更加细腻的表现。
　　为了适应移动端设备的需求，采用了多种模型压缩与加速技术，将原来运行于高性能计算平台的大规模处理模型进行了轻量级优化，并实现了在手机设备上的部署运行。
　　（24）即时定位与地图构建（SLAM）
　　VR手柄跟踪是SLAM技术的一个新拓展领域，是VR终端设备的刚需技术。VR手柄算法完成了从仿真到实际设备开发的转变。支持多种第三方设备，并支持双手柄实时交互，实现了安全区设定、空间划线等功能。对VR手柄跟踪算法的性能、鲁棒性、精度等进行了全面的优化，在高通XR2设备平台上，算法单帧耗时在22ms以内，支持视野可见范围内2m/s的剧烈运动，平均定位精度小于6.5mm。除了基于光斑的传统VR手柄，还开发了使用手机作为VR手柄的功能，可以使用普通的Android手机实现实时六自由度跟踪定位，实现菜单点选、简单的游戏交互等。对手机手柄跟踪算法的性能、鲁棒性、精度等进行了全面的优化。从逻辑上优化了用户体验，使得输出轨迹更加光滑、流畅。
　　SLAM技术在XR眼镜的头部位姿估计上取得显著进步。头部位姿估计是XR眼镜的一个核心技术和基础功能，要求低功耗、高精度和低时延。通过优化SLAM算法和把视觉模块从CPU移到DSP，SLAM算法计算效率提升30%，有效地降低了功耗和运动时延。针对XR常见的室内小面积使用场景，对建图模块进行大量优化，极大提高后端建图和实时定位精度。同时，改进姿态预测模块，实时定位准确度提升30%，接近业内毫米级的定位精度要求。已有版本在多款XR原型眼镜上集成，能为快速、准确的头部位姿估计提供良好的用户体验。
　　同时，SLAM技术扩展到高阶辅助驾驶领域，包括城市NOA产品的记忆行车自建图算法和基于SDMap Pro地图的BEV道路融合定位。在轻图辅助下，实现了硬件选型，BEV+GPS+里程计的多传感器融合定位算法，支持城区内各种复杂路段。此外SLAM技术在自动泊车辅助(APA)和记忆泊车辅助(HPA)中也发挥重要作用，报告期内支持以矢量化元素轻量高效进行泊车地图的建图与定位，在建图方面，能够以极低内存代价保存大规模矢量化车位与元素地图；在定位方面，能够以极低算力极低延迟在车端实现实时定位，并且保证定位精度，实现泊车过程中对目标车位的精准定位。
　　公司研发了激光SLAM技术，该技术可以支持智能辅助驾驶中4D标注所需的高精度、低时延的6DoF定位和道路场景的点云稠密重建。同时，报告期内支持智能辅助驾驶中4D标注Large Scale场景重建需求和基于场景重识别的标注真值复用功能，极大地提高4D标注静态要素的自动化标注质量。
　　（25）3D AR动画
　　公司打通了3D数字人创建、编辑、实时驱动全流程。支持基于单张图或扫描模型完成数字人重建。与之前的重建算法相比，改善了头顶区域、眼睛的相似度，提升了纹理重建效果。编辑模块支持对重建模型的脸型、头型、五官、脖子等进行直观地修改。实现了基于单个RGB摄像头的实时全身驱动，包括表情跟踪与手势跟踪，实时动画效果基本达到业界领先水平。3D数字人重建增加了人头重建模块，提高重建人头几何的相似度；支持双眼皮的拟合，眼睛的相似度；增加了编辑模块，支持重建模型的再编辑及调整，同时也支持从中性模型开始编辑。基于球形实验室多视角数据的超写实数字人重建方案，其重建质量远好于传统方案，3D渲染结果能达到以假乱真的地步。支持左右90度的视角渲染，渲染结果包含部分躯干。支持表情实时编辑，也可进行单目表情实时驱动。为了改善3D数字人重建的真实性及超写实数字人重建的便捷性，研发了基于3D高斯表达的数字人方案，此方案更加便捷，用户仅需输入两分钟左右的自拍视频，即可重建出包含部分驱动的写实数字人，算法可在手机端运行，不仅支持表情、视线、头部位姿的实时编辑及驱动，也能较好地复现出各向异性的光照效果。
　　（26）健康监测
　　在保持健康监测技术稳步量产的前提下，提升技术先进性，保持业界前沿地位。心率检测方面，使用更丰富的建模方式，提取更多维度特征，多通道信号信息融合，同时优化算法库架构降低CPU占用，提升产品精度和不同算力设备的适配程度；IR心率对动态场景效果大幅改善，整体通过率提升4.8%；血压监测升级深度学习方案，收缩压和舒张压的MAE均降到10以内。呼吸检测方面，新增暗光、偏色等异常场景检测与过滤机制，同时针对画质不佳场景引入全新信号提取与噪声处理方法，提升算法在苛刻条件下的鲁棒性，为适配不同性能的平台，推出了多种低CPU占用版本，兼顾性能与资源效率。
　　（27）高级驾驶辅助系统（ADAS）
　　ADAS产品矩阵持续深化技术布局与场景拓展，通过前沿技术融合与算法创新推动产品力实现跨越式提升。本报告期，公司持续贯彻市场需求与技术创新双轮驱动战略，在维持覆盖低、中、高算力平台的完整产品体系基础上，重点推动了中高算力平台的技术革新，并通过端到端技术架构实现了NOA产品的重大突破。
　　西湖、南湖产品（低算力L2级智能驾驶辅助解决方案/一体机），基于纯视觉的西湖、南湖产品实施1200多次产品实测，并对多个业内复杂场景专题改进。通过深度优化小型路口识别算法和道路变化场景的预判机制，LCC系统在困难复杂交通环境下的通过率较上期提升20%，显著增强了用户在城市道路和复杂路况下的驾驶体验。在底层感知技术方面，通过时序算法的优化提升，对障碍物测距测速KPI提升约5%。南湖采用低端算力平台创新性地整合了NPU、GPU及BSP等计算资源，实现了包括ACC自适应巡航、LCC车道居中辅助、LDW车道偏离预警、LKA车道保持辅助、拨杆变道、AEB自动紧急制动以及FCW前向碰撞预警等核心功能的系统化集成。
　　东湖产品（中高算力环周一体NOA解决方案），面向高阶智能驾驶辅助的中高算力环周一体产品方面，成功构建了基于端到端架构NOA的新产品形态，实现行为可解释、意图有根据的智能辅助驾驶解决方案。通过感知与规划的解耦设计，在保持端到端技术优势的同时，确保了系统决策的可追溯性与可解释性，为高阶智能驾驶辅助的量产化设计奠定坚实基础。在具体技术架构方面，实现了多项关键算法模块的突破性进展：基于BEV模型架构的路线，支持和优化了复杂道路环境下车道线及道路中心线的高精度检测，在全域基线上实现10%以上的显著提升，通过与SD导航数据的深度融合，在模型端构建了业界具有竞争优势的无图超视距感知解决方案；为应对开放环境下的复杂避障需求，成功部署了OCC（3D通用障碍物占据栅格）算法，通过多轮深度迭代优化，显著降低了杂点干扰和障碍物误报率，提升了系统在动态环境中的感知稳定性和决策可靠性；面向NOA功能需求，开发了端到端规划算法，通过学习人类驾驶行为模式，实现更加智能化、拟人化的驾驶体验，在复杂交通场景下展现出卓越的适应性和决策合理性。在系统性优化方面，深度完善多任务学习架构，通过优化任务间的特征共享机制和损失函数设计，充分释放算力潜能，支持多项新功能的并行运行；充分考虑了感知帧率、感知延迟、感知精度实现了算力动态分配，关键场景下计算资源利用率提升30%以上。基于“BEV+端到端”技术的定制和改进，提升了探测距离、感知范围、异形车、分汇流道路线、测速等多项核心指标，L2典型场景通过率环比提升23%，用户交互界面（HMI）主观感受提升26%。除此以外，视觉与毫米波雷达融合功能开发完成，已适配多款雷达，使产品形态进一步拓展。东湖产品目前已进入实测优化阶段，采用先进的BEV技术方案，完整覆盖感知、预测、定位、规划和控制等全链路模块，已完成NOA初版的开发。
　　（28）图像特效
　　基于丁达尔效应产生的物理原理，选择合适的场景对仿真实现进行合理的简化和模拟，最终实现一套结合AI和CG的方法，为特定的场景图像添加上合适的丁达尔特效效果，提升图像艺术感。人像线条画效果和宠物线条画效果，这两种效果都结合了AI技术和审美的艺术，通过AI算法提取出具有表现力的线条，然后根据审美的评判制定一些准则将原始图像转换为一幅线条艺术画。目前二者都已实现手机端部署，并有参数控制线条粗细、颜色、数量等，从而满足不同用户的自适应调整需求。
　　光照耀斑项目基于对物理世界相机镜头与光照规律的精确建模，通过模拟实际镜头的参数，设计任意预想的耀斑效果。在用户拍照时添加耀斑效果，能显著提升图像的层次感和真实感。同时，精心设计的耀斑样式还能提升图像的艺术美感。该算法结合了光照方向检测，能够根据当前光照环境自动调整耀斑样式，以确保耀斑效果与当前场景自然贴合。目前，该项目已在手机端部署，并包含耀斑颜色与样式设计模块，可以满足用户获取不同耀斑风格的需求。
　　Flair Clip人像风格化效果通过无监督、少样本地学习特定风格的图像，将图像风格迁移到目标人像中，同时保留人物的可识别特征，实现了数据需求量低、效果稳定、帧间连续性好的人像风格迁移算法，并在服务器端进行了部署，同时向客户递交了一些测试通过的风格化模型进行商用。
　　Personal Color Tone技术旨在通过个性化定制打破当前设备端内置滤镜的局面，允许用户创建新的基于学习方案的滤镜风格，包含局部调整（比如肤色）。首先，用户根据个人喜好在app上编辑素材，得到自己想要的风格图，然后直接在设备端进行在线训练，快则几分钟，慢则30分钟就能得到目标风格模型，视素材量而定。用户在后续拍照时，只需要选择训练好的风格模型，就能得到目标风格图像。小巧轻便的模型设计是关键，大大减少用户等待的时间，提升用户体验。
　　（29）生成式AI（AIGC）
　　通过深入的尝试与研究，基于潜心沉淀的视觉大模型、小模型（细分模型与浅层模型）以及各类CV和CG引擎包构建了一套专有的计算技术引擎ArcMuse。该引擎为虹软PSAI赋予了卓越的智能商拍能力，可高质量生成服装模特展示图、服装展示图、商品展示图及模特展示视频，全方位提升商拍图片及视频的美感和质感，助力用户在效率、创意和成本方面取得更大的提升。
　　对于其中的AI智能试衣功能，用户只需要上传一张服饰图，选择目标模特，即可生成该模特穿着该服饰的效果图。对于服装智能试穿，该效果图能够真实体现服饰穿着在模特身上的悬垂感、褶皱及光影变化等，且与真实服饰保持较好的一致性。其中的服饰图可以支持挂拍服饰图、平铺服饰图及3D服饰图，且支持上装、下装、裙子等多个品类的服饰。目标模特同时支持内置模特和用户自定义模特，其中内置模特覆盖不同年龄、性别、肤色等，用户自定义模特可由用户根据自身需求上传相应图像。该功能基于虹软自研扩散模型基础架构及海量数据训练，能够极大简化传统真人模特拍摄的流程和效率。
　　AI智能试穿解决方案持续改善算法，拓展新功能，形成了一套更完整的解决方案。首先，服装智能试穿解决方案本身持续进行了多项改进：大幅提升了当目标服饰与参考姿势图服饰有较大差异时的成功率；进一步改善了细节生成，提升了文字、印花、质感等的准确性和一致性；支持了高清试衣解决方案，增加细节并保持与参考衣服图的高度一致性。同时，支持生成一组服装相同、姿势不同的组图，能保持组图间服装颜色、版型、穿着方式等的高度一致性，提升出图成功率。除此之外，AI智能试穿解决方案还在试衣的基础上，扩展了多个新功能，新支持了鞋子上脚功能，给定鞋子商品图及参考模特姿势图，生成鞋子上脚效果图。持续优化版型正确率，特别是目标鞋子与参考姿势图中鞋子有较大版型差异场景下的生成准确率，以及优化了文字、印花、鞋带、材质等细节的准确性和与鞋子商品图的一致性。
　　得益于模型、数据、算力的大幅增长，AI智能试衣解决方案实现了多项重大更新与重要突破，具体表现为：覆盖服饰品类更多，整体成功率、结果图与衣服一致性、版型正确率、文字与印花准确性均获得显著提升，面料及纹理质感明显改善，生成的手部区域在正确性及自然性上大幅优化，并扩展支持复杂姿势及背景的参考模特图；同时实现了衣服是否塞入裤子、拉链与扣子开合状态等维度的可控生成。通过对用户需求反馈的持续优化迭代，该方案已达成行业领先水平，有效助力公司PSAI项目为服装商家提供兼具优质效果、快速响应与降本增效特性的解决方案。
　　同时，针对目前项目落地中服饰品牌客户的真实需求，支持了同版型替换功能和局部重绘功能。在输入服饰与模特身着服饰版型相同时，同版型替换功能能够输出相同版型的服装上身图像，服饰上身效果更加稳定，细节纹理更加贴合服饰原图。服饰局部重绘功能针对智能试衣中出现的局部版型和纹理错乱的问题，框选需要修改的区域后进行局部修改，可以明显提升出图效率。
　　对于其中的AI模特图功能，用户上传一张真人图后，PSAI将智能保持用户提供图片中的服装信息，在生成阶段，PSAI为用户提供丰富多样的预设模特和场景资源选择。对于其中的换模特功能，提供的预设模特包括不同年龄、性别、人种和风格的模特，例如儿童、中年和老年，网红风、韩风、美式复古风等。报告期内，PSAI在风格模特的基础上推出了独特的换头功能。该算法在保持服装和背景高度一致性的条件下，对上传图进行模特替换，极大提高了模特定制速度和生成效率。同时该算法支持生成各个角度包括背身的高度一致性图像，为多角度一致性模特生成提供了稳定且高效的算法流程。该技术会修改图像的面部区域，并迁移脸型、发型等头部特征，从而实现更高的相似度。经过多次技术迭代，解决了发型差异大、大角度侧脸、仰头、低头等极端姿态下的人脸相似度问题。
　　对于其中的换背景功能，PSAI提供上百种不同预设场景风格的选择，包括影棚等各种室内场景，以及森林、雪山、草原、沙漠等室外场景。通过迭代优化，不断丰富AI模特和场景的细节，提高出图率，这些多样化的资源和提高的出图率将帮助用户在提升效率、创意和降低成本方面取得更大的进步。同时，PSAI支持了用户通过提示词自主描述模特场景，或上传场景参考图，丰富了场景来源和选择性。真实而风格迥异的模特形象，可以吸引更多目标消费者的注意力，增强商家的品牌形象。针对用户文本交互，PSAI推出了自己的大语言模型，用于将任意语言、格式和内容的用户输入转换为适合模型输入的精准提示词，降低了用户的语言和知识门槛。同时，PSAI也接入了DeepSeek作为扩充，增强了复杂用户输入的推理能力。通过迭代优化，不断提升场景的细节和真实性，提高出图率，这些多样化的资源和提高的出图率将帮助用户在提升效率、创意和降低成本方面取得更大的进步。
　　对于其中的AI商品图功能，用户只需上传一张商品图，即能够智能保持商品主体信息，并基于ArcMuse计算技术引擎大模型和众多引擎组件的生成与控制能力，高效地生成多种场景和风格的精美广告图，大大降低了商品图的制作成本。为了达到商品与场景的完美融合，提供多种预制场景供用户选择。通过在算法层面对生成过程的精细控制，使得生成的场景更加真实、效果更加自然。同时，针对用户的个性化需求，还支持了任意画幅比例生成、预制素材库、上传参考图等功能，允许用户自主控制画面的构图、元素、色彩和风格。报告期内，新增支持了眼镜试戴、商品换色功能。其中，眼镜试戴功能只需要用户上传一张人像图、一张眼镜商品图，即可获得真实自然的眼镜试戴的效果图。支持的眼镜种类包括透明、半透、墨镜、全框、半框等多种款式，效果处于行业领先水平。商品复色功能允许用户上传商品图，并指定换色区域和目标色号，即可获得纹理细节相同，颜色为目标色的同款商品效果图。同时，基于底模型强大的语义理解能力，该算法支持的商品种类广泛，可以为衣服换色、头发染色、商品外包颜色设计等多种应用提供支持。
　　对于AI模特视频生成功能，用户仅需要上传一张全身模特照片，即可生成各种复杂动作，高保真地展现和还原模特穿上服装后的动态效果，以及衣服的物理效果。它基于ArcMuse计算技术引擎大模型的生成能力，能够保持模特自然的写实效果，无论是正面、侧面、大角度都可以高保真生成和还原，同时可以完美地还原服装物理效果，如裙摆的飘动，完美地表现模特穿上服装之后优雅的风采和神态。该技术使用便捷，生成的视频能够很好地保持输入图像的人物脸型、发型、服装、配饰等外观，也能较好地保持图像背景不变。同时，能够很好地表现大角度的人脸以及生成转身的效果。报告期内升级了动作模仿视频生成技术，新方案效果在画面的清晰度、连续性及服装的一致性等方面提升明显。此外，通过压缩历史帧及自回归预测等方案解决了长时间视频生成的问题，可以在长达一分钟的时间内保持主体的一致性。
　　除以上四种核心AI技术，PSAI还提供智能补光、智能美化、魔法擦除、高清尺寸放大和智能抠图等AI编辑功能，既可提升商拍成品图的美学特质，也为用户创作提供了更大的发挥空间。
　　（30）泊车辅助系统（AVM/APA/HPA）
　　AVM技术在效果呈现上，注重细节提升，精益求精。首先，在透明底盘视觉效果上，针对车身阴影导致的画面分层问题，通过多场景数据采集与分析，迭代优化显示策略，在保障画面清晰度的同时，显著提升了底盘画面的整体观感与一致性。其次，在画面亮度与色彩一致性方面，针对高动态范围、复杂光照等极端环境下的亮度不均、过曝过暗及亮度闪烁问题，系统实施专项优化，有效增强了图像色彩的稳定性和自然度。在平台化、性能和效果等方面延续既有技术优势，为泊车系统提供可靠的环视感知基础。
　　在L2级行泊一体解决方案中，自动泊车辅助（APA）和记忆泊车辅助（HPA）是其重要组成部分。APA功能能够在无需驾驶员干预的情况下自动完成泊入动作，而HPA则允许用户在完成一次路线行驶后，再次到达相同停车场时基于历史建图自动完成循迹泊车。本报告期内重点围绕APA自动泊车功能的场景扩展、感知精度提升和行为智能化等维度实现了系统性技术升级。
　　①复杂环境适应性增强：成功支持长草遮挡的不清晰车位、低矮台阶上车位等复杂环境下的泊车需求；
　　②极限空间泊车能力突破：成功支持自车+0.6米空间的超窄空间车位泊入，通过优化空间车位检测逻辑，显著扩展了可泊车场景范围。
　　①边际场景识别能力增强：成功支持肉眼几乎不可辨的泊车空间识别，通过深度学习算法优化，为用户提供合理的推荐车位结果；通过融合时序信息，在自车遮挡车位的泊入过程中持续提供角点和边线精度误差<2cm的高精感知检测结果；通过精心调节观测量融合策略，定位精度进一步优化，在<8°的坡道场景中泊入终态达标率提高30%以上。
　　②在避障检测方面，优化了限位器感知方案，提供更准确的限位器在车位中的精度定位，使泊车的深度终态更合理，避免碰撞挤压限位器导致不良体感；通过迭代老园区和低矮镜头的引擎，提升了复杂环境下的感知稳定性，支持更多车型适配；优化了动态目标的实例化测距测速，为泊车过程中的会车和避让行人提供更流畅体验；进一步优化场景识别模块，采用不同的模型和模式综合提升泊车体验。
　　本报告期内泊车感知团队面向中低算力平台的技术架构继续深入迭代，基于特殊的鱼眼BEV算法构建的端到端感知架构实现重要升级：感知纵深范围提升50%，并支持更多种类的悬空障碍物感知，通过3D占据栅格表示的进一步优化，3D空间理解能力提升，显著提升了对复杂立体停车环境的适应能力。体素OCC与高度场结合的方案在保持计算效率的同时，实现了厘米级地面精细感知的持续优化，为极限场景下的自动泊车提供更可靠的环境理解能力，有效提升了APA与HPA功能在复杂场景中的鲁棒性。
　　APA自动泊车规控在泊入行为智能化方面实现重要进展：决策模块支持规划偏移功能，用户可自由选择泊入居中或偏向某一侧便捷下车的个性化偏好，实现千人千面的泊车体验；支持自适应的终态调整，当观测到周围环境发生变化后自动提供更合理的泊车终态；支持划线自选车位的能力，为用户提供更灵活的车位选择方案，优化泊车交互流程。在路径规划方面，通过场景识别功能的完善，支持更多复杂场景下的掉头再泊入功能，并结合弹性优化策略在不同空间条件下提供差异化的路径平滑方案。在泊车效率与体验优化方面：泊车速度提升至最大5kph，常规车位实现一把入库泊车时长缩短至27秒；适配动态路径调整机制并实现止位器泊车路径截断功能，从而优化泊车终态合理性和流畅性；结合减速带感知信息优化通过策略，通过被动式调整控制量优化小坎通过性并有效抑制溜坡现象，显著提升复杂地面环境下的泊车体验。在控制算法精细化优化方面，APA横向控制算法实现重要技术升级，显著提升控制稳定性与响应精度。在泊车全流程中横向控制舒适性得到显著改善，终态误差控制能力大幅提升，验收案例测试中终态误差验收通过率达98.7%以上。同时，自动泊车路径平滑算法完成深度优化：完善双层循环锚点迭代优化流程，增强路径退化处理与自适应优化策略。路径平滑性能显著提升，曲率突变问题大幅减少，整体平滑成功率提升至96.5%，有效保障控车过程的平顺性与可控性。
　　泊车决策模块进一步完善了遥控泊车(RPA)等远程泊车功能。基于现有感知，在泊入过程中对动态静态障碍物有更好的逻辑交互，能够实现行人避让等功能；在泊入车位时，能够针对车位内部实时感知的障碍物信息(限位器/各类障碍物/车位边界线)，决定泊入终态，实现更加拟人化的泊入体验；当泊入过程中遇到路径受限情况，能够主动逼停并进行路径重规划。在用户体验上，新增倒车循迹、泊车偏移、头泊入、自选车位等个性化体验，满足不同场景的泊车需求。
　　在技术优化方面，公司通过算法升级显著提升了泊车路径搜索速度，减少无效路径规划；针对不同场景下的车位决策和规划进行深度适配，大幅提升了复杂场景下的泊车成功率；通过优化碰撞检测模型，空间利用率提升15%，有效拓展了适用车位范围。该方案在与多家行业竞争对手的技术比拼中脱颖而出，得到了多家主机厂的认可。在路径平滑算法方面，采用多场景路径平滑技术，使规划曲线更加灵活流畅，显著提升了控制模块中横向与纵向跟踪控制精度，特别是在应对减速带、过坎、坡度等特殊场景时表现出色，控制稳定性达到行业领先水平。这些技术突破建立在公司前期APA技术积累基础上，此前已实现垂直车位、平行车位、斜列车位的全场景覆盖，并完成立体车库泊入验证。
　　在HPA技术方面，公司突破性地构建了大范围语义泊车地图，精准识别车位、立柱、地表标志等关键元素，定位精度提升50%，重定位成功率大于96.8%。规划控制模块实现了高精度的循迹代客泊车功能，无论是直行、转弯还是绕行场景，都能确保车辆严格沿记忆路线行驶。这一系列技术创新不仅巩固了公司在自动泊车领域的技术领先地位，更为后续全场景智能泊车解决方案的开发奠定了坚实基础。
　　（31）三维渲染引擎
　　三维渲染引擎提供了渲染、动画、UI等完整的图形引擎解决方案。渲染模块内置基于物理的HDR渲染管线，支持glTF文件格式，符合glTF的材质和渲染标准，可以加载大量高质量3D模型，与通用材质模型兼容，可以渲染多种材质如金属、塑料、玻璃、皮肤、车漆、车灯、皮革等。重构渲染管线，支持前向渲染及延迟渲染，支持多种反走样方案，提升渲染真实度。动画系统实现了播放及编辑模型预置骨骼动画，基于人体捕捉系统，可以实时驱动数字角色。额外支持弹簧振子系统，有助于实现头发、衣服等物体跟随摆动。为满足车载业务，开发节点动画和形变动画具有可编辑功能，从而满足三维雷达墙、相机环视等复杂动效。HMI方面在原有2D UI方案上升级为3D UI，可以在三维场景中实现引导线，轨迹线等车载相关业务需求。引擎系统模块提供丰富接口，让开发者自由组织三维场景内容，支持多种平台，已经为移动端、PC、服务器端提供稳定且高效的渲染效果。为了让用户获得更加优质的SR效果，引擎内置物体运动补偿，抖动、突变异常判断功能。针对车载低算力座舱平台，我们优化了调度指令和资源预编译系统，引擎初始化时间减少70%。优化渲染指令调用，减少50%的CPU耗时。针对车载HMI多物体渲染优化如下功能：添加场景管理，减少视野外物体所带来的额外性能消耗，CPU与GPU交互时间降低30%；支持GPU压缩纹理，进一步减少初始化时间；优化内部数据结构，相同材质球模型绘制合并，减少内存访问次数。为车载HMI提供定制化需求，支持多视角渲染、车道线优化，天气系统。着色器支持离线编译及自动更新，解决客户更新GPU后着色器不兼容的问题。由于急剧增多的车型需求，我们推出了AVM、APA编辑器，提升项目美术资源的制作、验证效率。
　　（32）图像修补技术
　　修补（Inpainting）技术是一种恢复图像与视频中缺失区域的技术，目标是让修补后的图像在视觉上自然协调，尽可能接近真实场景。修补的区域可以是被遮挡的内容、损坏的部分，或者是需要去除的对象（如水印、路人、障碍物等）。
　　图像修补技术，用户上传一张图像，通过交互界面选取希望填补的区域，即可生成自然的修补结果，修补区域内的图像内容与外围区域保持协调，边缘部分过渡平滑。针对任务难度及性能要求的不同，在手机端落地了两套不同的算法方案。精简版方案在确保基础修补效果的同时，重点优化模型参数量与计算量，满足手机用户对通用场景实现快速修补的需求。算法通过设计前景物体感知掩码，修补背景时避免融入前景信息。该技术支持任意大小的图像和任意形状的修补区域，生成内容清晰、自然、合理，具有较强的维持原有结构的能力，可以满足大部分用户需求。完整版方案利用稳定扩散模型的可控生成与图像编辑能力，进一步提升修补质量，优化细节还原与纹理生成，使生成结果更加无缝自然，减弱视觉突兀感，确保修补区域与原始图像高度融合。结合公司自研的高精度路人分割算法，搭建了一套完整的路人擦除方案，并着力优化主体遮挡、极小面积路人、复杂姿态等困难场景的处理结果。
　　视频修补技术，视频目标分割模块根据目标特征，在整段视频中跟踪用户选取的目标物体，输出像素级分割结果。通过优化特征匹配算法和记忆模块，提升了算法在多目标、小物体和遮挡等情况下的分割掩码的准确性和稳定性。通过模型压缩合并、蒸馏等技术手段，大幅提升了算法在设备端的性能，单帧处理速度满足实时要求。同时，针对AI编辑中常用的路人消除功能，开发了智能路人检测分割算法，能够在复杂场景下对背后路人进行精准的自动识别和分割，可大幅提升功能的易用性和用户体验。光流估计和补全模块是视频修补技术中的重要环节，结合光流估计与区域填充技术，通过引入端到端的二合一网络，避免了多步误差累计，提升了复杂动态场景下的光流补全质量和泛化能力。同时针对手机端做高效性能优化，降低计算开销，将单帧处理时间从1000+ms压缩至10ms，使算法速度和精度上均达到项目要求。视频修补模块基于视频序列与目标分割结果，利用光流建模时序运动信息，估计待修补区域的位移数值，创新性地提出累积误差截断、关键像素缓存等算法策略，改善了复杂场景下的模糊问题与光影问题。此外，基于并行计算、模型蒸馏量化等一系列方法，将整套视频修补方案成功部署到手机端。
　　2、报告期内获得的研发成果
　　公司持续保持高强度研发投入，围绕视觉人工智能技术及各核心应用领域，深入开展知识产权布局。截至2025年6月30日，公司拥有专利296项（其中发明专利270项）、软件著作权159项。相较于2024年末，报告期内净增发明专利6项、软件著作权5项。
　　3、研发投入情况表
　　4、在研项目情况
　　5、研发人员情况
　　6、其他说明：

　　四、报告期内主要经营情况
　　报告期内，公司实现营业收入41,034.85万元，较上年同期增长7.73%；实现归属于上市公司股东的净利润8,853.61万元，较上年同期增长44.06%。
　　五、风险因素
　　1、技术升级迭代风险
　　公司所处的视觉人工智能行业技术升级迅速，是典型的科技驱动型行业，产品更新换代频繁，市场对技术与产品的需求不断提高，更多的视觉人工智能技术正被运用到各类智能终端。作为一家以研发和技术为核心驱动力的企业，如果公司不能正确判断和及时把握行业的发展趋势和技术的演进路线，并投入充足的研发力量布局下一代的视觉人工智能技术研发，可能导致公司无法保持当前的技术领先性，从而对公司未来的经营产生不利影响。
　　在移动智能终端领域，智能手机市场的需求变化较快，相关技术的迭代周期较短，迭代周期约为1-2年。如果公司未能及时更新升级相关技术或根据市场需求成功开发出新产品，则公司可能出现技术落后、技术迭代不及时等情况，从而导致市场占有率大幅下降。在AI眼镜、XR3D空间计算头显等方向，公司进行了一系列前瞻性的技术和业务布局，但若无法抓住未来市场涌现的机遇尽快获取客户，则可能导致错失发展机遇的风险。在智能汽车领域，当前产业竞争加剧，如公司无法快速与OEM合作伙伴推出有竞争力的量产产品，则公司可能面临错失发展机遇的风险。
　　2、市场竞争风险
　　公司所处行业发展前景广阔，近年来参与者不断增多，并不断加大技术研发及市场开拓的投入，行业竞争加剧。众多企业凭借其在特定细分领域的优势参与各垂直应用领域的竞争。若公司不能持续有效地制定并实施业务发展规划，保持技术和产品的领先性，则将受到行业内其他竞争者的挑战，从而面临市场竞争加剧而导致的毛利率下滑和市场占有率下降的风险，进而影响公司的经营业绩和发展潜力。
　　3、核心技术泄密的风险
　　公司销售的各类产品均基于公司独立研发积累的大量计算机视觉核心技术。为保护公司的核心技术，公司制定了严格的保密体系，但上述措施仍无法完全避免公司核心技术泄密的风险。未来如果公司相关核心技术内控制度不能得到有效执行，或者出现重大疏忽、恶意串通、舞弊等行为而导致公司核心技术泄露，将对公司的核心竞争力产生风险。
　　4、新业务开发和拓展风险
　　公司经过数十年的发展，积累了大量视觉人工智能的底层算法，这些底层算法具有通用性、延展性，除了可以广泛运用于智能手机外，还可应用于AI眼镜、XR3D空间计算头显等其他消费电子产品以及智能汽车、智能商拍、智能保险、智能零售、智能家居、医疗健康等多个领域。
　　新业务的成功与否既受到行业发展状况、市场需求变动以及市场竞争状况等因素影响，又受到公司对新领域的理解、认知、推广力度及与伙伴的合作等诸多因素影响。因此，公司对新业务开发和拓展可能不及预期。如果公司在新领域产品开发或市场推广效果不佳，或者出现其他不利因素，将可能导致公司新业务开发失败，从而对公司未来的经营业绩产生不利影响。
　　5、主要客户采购量减少的风险
　　报告期内，公司前五名客户销售额为27,179.01万元，占销售总额的66.23%。如果智能手机出货量下滑、主要客户业务发展战略发生调整、主要客户因供应链短缺等原因延迟推出新机型或者其他不可预知的原因导致对公司产品的采购需求下降，则会对公司整体经营业绩产生不利影响。
　　6、核心人才流失、未能招募足额的优秀人才及人力成本上升风险公司所处的视觉人工智能行业近年来发展蓬勃，对人才的需求量较大。公司的业务发展，需要一批稳定的研发技术人员、产品化人才及管理人才，这些核心人才对于公司业务的发展壮大起到至关重要的作用。
　　公司的成功取决于不断吸收和留住高水平的研发、产品、销售和管理人才。尽管公司通过内部培养及外部引进逐步形成了较为稳定的核心人才团队，并通过树立企业文化、优化薪酬体系、改善工作环境、完善绩效考核机制等方式完善了人才培养体系，但是，仍然可能出现核心人才流失的情况，从而给公司业务带来不利影响。
　　公司所处行业内企业对于优秀人才的竞争越来越激烈。如果公司未能招募到满足公司业务发展需求的优秀人才，则会对公司的业务发展产生不利影响；如果公司在人力成本上的投入增长速度持续高于收入的增长速度，则会对公司的短期经营业绩产生不利影响。
　　7、管理能力不能满足业务发展需求的风险
　　目前，公司已积累了适应业务快速发展的经营管理经验，完善了相关内部控制制度，逐步实现了公司内控制度的完整性、合理性和有效性。随着新业务的深入推进，公司资产规模和经营规模扩张，在研究开发、市场开拓、资本运作、内部控制、运营管理、财务管理等方面对公司的管理层提出更高的要求。若公司的组织模式、管理制度和管理人员未能适应公司内外环境的变化，将给公司持续发展带来不利影响。若公司管理水平不能快速适应不断扩大的经营规模，解决上市公司经营管理面临的新课题，也将对公司发展带来不利影响。
　　8、行业风险
　　目前，公司提供的视觉人工智能解决方案主要应用于智能手机、智能汽车行业，主要客户包括了三星、小米、OPPO、vivo、荣耀、Moto等全球知名手机厂商以及国内主要的自主品牌、部分合资品牌、外资品牌汽车主机厂商。报告期内，公司移动智能终端视觉解决方案业务收入为33,932.23万元，占公司营业收入比例为82.69%，公司下游主要客户集中于智能手机市场。
　　公司智能手机视觉解决方案收入与智能手机和摄像头的出货量虽无明显线性相关关系，但如果智能手机出货量下滑、摄像头出货量出现下降，主要智能手机业务客户发展战略发生调整或者其他不可预知的原因导致对公司的智能手机计算机视觉解决方案的采购需求下降，则会对公司经营业绩产生不利影响。智能汽车业务方面，若行业竞争加剧，公司技术及产品竞争力不足，客户业务发展战略发生调整、客户自身业务发展状况发生改变或供应链紧缺等，可能导致公司智能汽车业务进展不及预期，以上因素可能会对公司经营业绩产生不利影响。
　　9、宏观经济风险
　　公司主要从事视觉人工智能技术的研发和应用，主要产品有移动智能终端视觉解决方案、智能汽车及其他AIoT智能设备视觉解决方案，主要终端应用领域包括智能手机、笔记本电脑、智能可穿戴设备等消费电子产品以及智能汽车等，应用领域对国内外宏观经济、经济运行周期变动较为敏感。如果国内外宏观经济发生重大变化、经济增长速度放缓或出现周期性波动，公司主要客户因终端需求下滑、调整自身市场计划，或因供应链短缺等原因延迟推出新产品而对公司采购需求下降，且公司未能及时对行业需求进行合理预期并调整公司的经营策略，可能对公司未来的发展以及经营业绩产生负面影响。
　　10、贸易摩擦风险
　　随着公司经营规模的不断扩大，公司人员增加、结构优化导致各项费用增加，同时在国际贸易摩擦的背景下，国外客户受美国制约可能向公司减少采购，国内外客户受制于贸易摩擦或其他因素导致的自身销量下降进而可能对公司采购下降，以上因素可能会对公司的短期业绩形成不利影响。
　　11、税收优惠的不确定性风险
　　报告期内，公司及子公司享受了一系列增值税税收优惠、所得税税收优惠，尽管税收减免对公司业绩的影响有限，但如果未来公司所享受的税收优惠政策出现不可预测的不利变化，或者在税收减免期内公司不完全符合税收减免申报的条件，则公司将在相应年度无法享受税收优惠或存在所享受的税收优惠减少的可能性。公司税收优惠政策可能的变化会使公司未来经营业绩、现金流水平受到不利影响。
　　12、汇率波动风险
　　虹软科技是一家全球化公司，在海外多地拥有经营主体，且客户分布韩国、日本、台湾地区、美国及欧洲等各地，报告期内公司来源于境外的收入占比为37.28%，上述境外业务使用外币进行结算，受到人民币汇率水平变化的影响。随着公司业务的发展，公司外汇结算量将可能进一步增加，同时人民币汇率受国内外政治、经济环境等综合因素的影响，存在波动风险，进而对公司的经营业绩产生不利影响。
　　13、应收账款收回风险
　　截至报告期末，公司应收账款账面余额为33,135.53万元，较期初增加7,092.71万元，增加部分主要为应收移动智能终端业务客户，该类客户信用较好。如果未来宏观经济形势发生不利变化，客户经营状况发生重大困难，公司可能面临应收账款无法收回而增加坏账损失的风险。
　　14、诉讼风险
　　在业务发展过程中，公司可能面临各种诉讼、仲裁。公司不排除在经营过程中，因公司业务、人力、投资等事项而引发诉讼、仲裁事项，从而耗费公司的人力、物力，以及分散管理的精力。公司实际控制人Hui Deng（邓晖）于2019年9月出具承诺，针对“Marc Chan、Lei Li及其家庭基金诉讼事宜”，如发生任何纠纷（包括但不限于诉讼、仲裁、索赔等）给公司造成任何经济损失（包括但不限于支付赔偿款、律师费、诉讼费等）均由公司实际控制人Hui Deng（邓晖）独立承担。截至目前，双方均已提起上诉，上诉结果存在不确定性。
　　15、母子公司多层架构的风险
　　公司下设多家境内外子公司，层级较多，公司面临各国法律及税收的监管要求。如果未来境外子公司所在国家或地区法律及税收的监管要求发生不利变化，同时公司实际控制人、管理层缺少相应的管理经验和能力，将增加公司管理协调的难度，带来经营管理风险，从而对公司业绩造成不利影响。如果未来境外子公司所在国家或地区对于现金分红、资金结转等事项进行严格监管，可能对公司下级子公司的经营利润逐级分配至母公司构成一定障碍，可能造成母公司没有足额资金进行现金分红的风险。
　　16、知识产权侵权风险
　　公司坚持自主创新的研发路线，经过多年的技术开发和业务积累，掌握了多项核心技术，拥有发明专利270项、软件著作权159项。公司的商标、专利、软件著作权等知识产权对于公司的业务经营至关重要，公司建立了完善的知识产权维护机制以保护公司的知识产权免受侵犯。但是，考虑到知识产权的特殊性，第三方侵犯公司知识产权的情况仍然有可能发生，从而导致公司为制止侵权行为产生额外费用，对公司正常业务经营造成不利影响。
　　同时，虽然公司一直坚持自主创新的研发战略，以开发自有、底层技术为主要研发路线，以避免侵犯第三方知识产权，但仍不排除少数竞争对手采取恶意诉讼的市场策略，利用知识产权相关诉讼等拖延公司市场拓展，以及公司员工对于知识产权的理解出现偏差等因素出现侵犯第三方知识产权的风险。 收起▲