一、经营情况讨论与分析　　2023年是具有挑战性的一年，复杂的国际环境影响全球经济的恢复速度，受宏观经济环境和行业终端客户预算及采购计划推迟等多重因素影响，公司目标客户需求滞后，交付需求延迟，导致公司营业收入较上年同期出现一定程度的下滑，2023年度，公司实现营业收入26,228.58万元，较上年同期减少25.84%。报告期内，公司进一步加大研发投入，引进优秀算法、行业应用开发、产品人才，深化基础研发领域、拓宽研发应用场景范畴，积极拥抱AIGC浪潮，推进重点研发项目发展，强化发展多模态大模型，研发费用较上年同期有较大幅度增长，研发费用18,396.03万元，同比增长39.00%；公司产品不... 查看全部▼

　　一、经营情况讨论与分析
　　2023年是具有挑战性的一年，复杂的国际环境影响全球经济的恢复速度，受宏观经济环境和行业终端客户预算及采购计划推迟等多重因素影响，公司目标客户需求滞后，交付需求延迟，导致公司营业收入较上年同期出现一定程度的下滑，2023年度，公司实现营业收入26,228.58万元，较上年同期减少25.84%。报告期内，公司进一步加大研发投入，引进优秀算法、行业应用开发、产品人才，深化基础研发领域、拓宽研发应用场景范畴，积极拥抱AIGC浪潮，推进重点研发项目发展，强化发展多模态大模型，研发费用较上年同期有较大幅度增长，研发费用18,396.03万元，同比增长39.00%；公司产品不断迭代优化，推动大模型赋能公司各业务线能力的研发，智慧金融和轨交运维等业务领域的大模型开始落地应用，城市管理领域大模型正在进行验证；报告期内，公司在轨交运维和体育健康等新业务的市场拓展及推广上取得一定成果，并探索元宇宙业务的发展运营模式、积极开发多类型交互内容。2023年，公司实现归属于母公司所有者的净利润-9,033.32万元，归属于母公司所有者的扣除非经常性损益的净利润-9,726.47万元。
　　（一）持续加大研发投入，增强竞争优势
　　人工智能行业是技术密集型、人才密集型行业，研发始终是公司高质量发展的源动力和重要抓手。面对AI行业的日新月异，公司积极拥抱时代的变化，持续加强各领域研发投入，不断增强技术储备，完善研发团队构建，增强研发团队的协同性，核心技术团队涵盖算法、智能应用、产品设计、硬件开发等多领域的资深人才，拥有丰富的学术知识与研发创新经验，持续在核心算法技术、应用场景相关技术进行前瞻性的研究和探索，全方位构建公司核心技术护城河。公司获批成立博士后科研工作站，并成立了格灵深瞳科学技术协会，积极吸纳优秀的科技工作者。公司参与《动作捕捉服务基础能力要求》《视频图像算法版本标识编码规则》等多个行业标准的制定，按计划并行推进多个研发项目，一方面对支撑公司所有业务场景的人工智能算法平台和自研硬件进行重点投入，搭建的基于预训练视觉大模型的行为分析大模型在OpenFAD23竞赛的动作分类任务中获得第一；而在应用领域方面，在立足现有落地场景的同时，重点强化对轨交运维、体育健康和元宇宙领域的研发投入。报告期内，公司研发投入18,396.03万元，同比增长39.00%。
　　（二）深耕现有落地场景，不断开拓新场景
　　公司凭借高效的算法生产技术以及对各下游行业与应用场景的深度理解，在市场上拥有良好口碑，目前多款人工智能产品及解决方案已经在智慧金融、城市管理、智慧商业、轨交运维、体育健康等多个业务场景得到应用，在应用的同时公司根据下游客户的需求不断优化、升级核心技术，确保持续的技术创新。在不断夯实现有的商业落地场景的同时，公司积极寻求元宇宙等其他新商业场景的拓展，并开展多场景的前沿性探索研究，增强公司落地场景的丰富度。
　　（三）参与扩充行业生态建设，构建更高效的营销网络
　　公司成为国家工业信息安全发展研究中心发布的“人工智能安全可信护航计划”的首批入选合作伙伴单位，携手华为及其生态伙伴在2023世界人工智能大会期间共同发起大模型联合创新启动仪式；与北京体育大学出版社达成战略合作，共推体育教育创新发展。公司积极参与扩充人工智能行业生态，愿与各合作伙伴共同发展，合作共赢。
　　2023年，公司结合下游行业的业务特点与主要产品的市场定位，在直接销售体系的基础上，积极开发渠道商，使产品能够以不同的方式触达更多的客户，提供更加及时、高效的销售服务。
　　
　　二、报告期内公司所从事的主要业务、经营模式、行业情况及研发情况说明
　　(一)主要业务、主要产品或服务情况
　　公司以“让AI造福人类，让世界更安全更宜居更健康”为愿景，专注于将先进的计算机视觉技术、大数据分析技术、机器人技术和人机交互技术与应用场景深度融合，提供面向智慧金融、城市管理、智慧商业、轨交运维、体育健康、元宇宙的人工智能产品及解决方案。
　　公司经过多年的技术研发与积累，已有效掌握了多模态大模型技术、3D立体视觉技术、大规模跨镜追踪技术、自动化交通场景感知与事件识别技术、机器人感知与控制技术、沉浸式交互感知技术等方向的多项核心技术，凭借过硬的技术能力和长期的商业化经验，已成功在智慧金融、城市管理、智慧商业、轨交运维、体育健康五大领域实现落地应用，其中：城市管理领域已覆盖全国多省市的公安局、公安交通管理局、政法委员会等政府机关或企事业单位，车路协同感知MEC产品已在某市进行交付，同时车载视频违规事件取证产品已在多省市开展试点；智慧金融领域已覆盖农业银行全国各省市的上万家网点，包含智能安保、智能运营、智能风控等多个金融业务场景，同时，公司参与搭建某国有银行总行AI平台，并开始在其他国有银行分支行进行试点；智慧商业领域主要收入来自排名前列的地产类客户，进一步完善的智慧油站产品和解决方案在中国石化重新启动试点应用；轨交运维领域公司自研的列车智能检测解决方案已在高铁和地铁项目中通过验收，实现落地应用，为列车的安全运维提供保障，在研产品己涵盖轨交机务、电务和工务三大工种；体育健康领域公司发布了深瞳阿瞳目体育训考系统、体感交互系统、体育大数据系统系列产品，研发了深瞳运动宝盒，建设了全流程大规模应用计算机视觉和人工智能进行国家学生体质健康测试统测的标准化考场，智慧校园体育相关产品方案已在全国多个校园试点应用、销售，并成功应用于2023年北京市某区国家学生体质健康考试统测、体育中考场景中，且公司目前正在北京市多区建设体育训考系统。除此之外，公司在元宇宙等领域进行前瞻性的布局，探索元宇宙领域发展运营模式、开发多类型交互内容，公司产品、整体解决方案和基于大模型的行业应用的研发和落地工作按计划有序推进。公司从客户需求出发，面向智慧金融、城市管理、智慧商业、轨交运维、体育健康、元宇宙不同领域的客户，提供相应的行业解决方案。
　　(二)主要经营模式
　　1、盈利模式
　　公司主要从事计算机视觉技术、大数据分析技术、机器人技术和人机交互技术的研发和应用。公司的盈利来源于向客户提供面向应用场景的人工智能产品及解决方案获得销售收入。公司自主研发的人工智能产品主要包括智源智能前端产品、灵犀数据智能平台及深瞳行业应用平台。人工智能产品既可以标准化模式销售，也可根据客户需求进行产品组合，提供定制化服务，以整体行业解决方案向客户交付。
　　2、研发模式
　　公司拥有完整的研发组织架构与创新机制，以用户需求为核心，采用迭代、循序渐进的敏捷方法进行研发活动，并对整个产品生命周期进行管理，在过程中不断对执行结果和阶段目标进行总结复盘，通过不断迭代完善产品质量和改进研发过程。公司具体的研发过程如所示：
　　（1）在产品需求调研阶段，公司对行业发展趋势、市场规模和用户核心需求进行调研分析，并结合公司产品战略规划，由产品团队完成需求分析，确定产品的核心目标特性和功能，由研发团队进行技术路线规划。
　　（2）在可行性验证阶段，公司进行大量算法实验以寻找合理科学的解决方案，产品经理、算法工程师、软硬件开发工程师和测试团队密切配合，在产品负责人的协调下进行多次短平快的软件原型迭代，每一次迭代都会在产品实际使用场景中进行反复实验确认，通过与客户持续沟通，调整和优化，确认产品最终形态的各功能模块和参数指标，并明确研发周期。在整个过程中，算法团队负责完成实验场景的建设和数据收集，并进行验证性实验；软件开发团队负责针对应用场景进行原型验证和开发；智能硬件团队负责对硬件产品的相关指标进行可行性实验和评估。
　　（3）在产品研发阶段，产品经理将总结可行性验证阶段的成果，转化为产品功能指标及开发任务，确保产品交付节点和产品定义与用户预期保持一致；算法和工程团队协同完成算法模型设计开发、数据收集清洗、功能特性开发等工作；测试团队按照产品定义对产品每个开发版本进行验收，并完成自动化测试脚本；智能硬件团队完成新硬件产品的结构设计和工业设计，有效评估外观、材质、散热、电气等特性，并负责设备软件开发和集成，交付少量可以进行测试认证的工程样机。该阶段产品会发布多个内外部测试版本，在实践中进行快速迭代。
　　（4）产品发布阶段是在产品完成核心功能开发后，在目标市场具备销售的条件时，产品经理建立产品的标准文档、销售价格、实施方案、售后体系，研发团队将大量来自客户实际使用的数据进行处理，快速迭代，提高产品成熟度；新的硬件产品会在这一阶段完成小批量验证和量产导入，实现加工生产工艺所需要的工装硬件和工具软件；测试团队进行大量密集的现场测试，确保产品满足产品定义的各类功能指标。这一阶段的完成标志产品正式版本发布。
　　（5）产品运营阶段在产品正式发布后，产品经理结合市场反馈与发展趋势，制定多个后续产品版本，不断创新，推出符合市场需求的产品新版本，以对产品进行持续的运营、维护和改进。
　　3、采购模式
　　公司专注于人工智能产品及解决方案的研发和销售，不涉及硬件的直接生产。
　　针对标准硬件、配件及服务类采购，公司直接向供应商提出待采购产品或服务的需求，供应商按照指定的时间和地点进行交付；针对定制化硬件，公司采购主要原材料并发货至委外加工厂，由其进行生产加工。公司选择专业的代工厂，依托其已有的完善的品质控制、生产制造管理和硬件设施进行专业的代工生产。公司通过新产品导入、质量检验标准发布、生产工艺发布、测试检验工具发布等方式确保产品生产的有效性、一致性和稳定性。
　　4、销售模式
　　公司结合下游行业的业务特点与主要产品的市场定位，在直接销售体系的基础上，积极开发渠道商，向终端客户或渠道客户（含集成商）销售人工智能产品及解决方案，使产品以不同的方式触达更多的客户，提供更加及时、高效的销售服务。其中终端客户是指直接使用公司产品及解决方案的各行业领域客户，包括金融机构、政府部门、公安机关、企事业单位等；集成商是指承担系统集成、安装部署、运营维护等职能的企业，包括终端客户的项目总包方或其指定的工程服务商等。公司与客户直接对接需求，通过商务谈判、参与招投标等方式获取订单。公司建立了完善的直销服务体系，目前已在全国划分了华东、华中、华北、东南、西南、东北、西北七个大区进行区域化和行业化的矩阵式管理，以提供及时、高效的销售服务。
　　(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
　　根据国家统计局《国民经济行业分类》（GB/T4754-2017），公司属于“软件和信息技术服务业”（行业代码为I65）。根据《战略性新兴产业分类（2018）》，公司属于“新一代信息技术产业”中的“人工智能”行业。公司专注于将先进的计算机视觉技术、大数据分析技术、机器人技术和人机交互技术与应用场景深度融合，提供面向智慧金融、城市管理、智慧商业、轨交运维、体育健康、元宇宙的人工智能产品及解决方案，所属行业为人工智能行业中的计算机视觉行业。
　　（1）行业发展阶段和基本特点
　　人工智能行业的产业链可分为基础层、技术层、应用层。基础层涉及数据、算力、AI模型生产工具和硬件基础设施为人工智能系统提供最基础、最底层的业务服务，是人工智能发展的重要基石。技术层主要通过基础层的算力、数据支持，进行海量模拟训练和机器学习建模，为人工智能提供核心的算法与应用技术，主要包括以深度学习为代表的机器学习算法，计算机视觉、自然语言处理等方向的关键技术，及伴随着大模型技术的发展产生的CV（计算机视觉）、NLP（自然语言处理）等领域大模型和多模态大模型。技术层是人工智能发展的核心，对应用层的智能化发展起到决定性作用。
　　应用层则是基于基础层与技术层，为企业级用户、政府机构用户、大众消费者用户提供面向特定应用场景需求而形成的软硬件产品或解决方案。人工智能应用广泛，可有效赋能下游领域实现人工智能应用，为其转型与发展注入强劲新动能。
　　根据国家标准化管理委员会指导编制的《人工智能标准化白皮书（2018版）》，计算机视觉是使用计算机模仿人类视觉系统的科学，让计算机拥有类似人类提取、处理、理解、分析图像以及图像序列的能力。
　　人工智能领域持续追求对技术的创新及增进，注重机器学习等技术的推进，其应用场景在近年的发展中，逐步变得更加多样化，对AI的需求也逐渐从单一功能转向为多维度、多思维、多模态以及多场景，AI从单点应用到多元化、从通用场景到行业特定场景，一直在迅速发展。2023年是人工智能发展的重要一年，大模型和生成式人工智能的发展带动了人工智能领域的范式转换，给各行业带来新的赋能，引领企业和产业迈入智能创新的新阶段。对于AI企业而言，在本轮人工智能浪潮下，垂直领域的数据、面向落地场景的模型优化、工程化的解决方案，或是建立竞争优势的关键。
　　目前，全球各主要经济体都在加强对人工智能领域的支持，推动技术的发展和下游场景的落地应用，如：美国发布了《NationaArtificiaInteigenceResearchAndDeveopment
　　StrategicPan2023Update》,推动研发投资，鼓励人才培养和产业合作，其在大模型产业的技术和生态建设方面具有优势，并正在加速对各下游行业进行渗透；欧洲处于对安全和隐私等问题的考量，通过了全球首部人工智能领域的全面监管法规《人工智能法案》；我国的《新一代人工智能发展规划》明确指出了到2030年我国新一代人工智能发展“三步走”的战略目标，十四五规划中明确提出“推动互联网、大数据、人工智能等同各产业深度融合”，《生成式人工智能服务管理暂行办法》的生效则为人工智能的发展和安全间的平衡提供重要参考。2023年2月，中共中央、国务院印发了《质量强国建设纲要》，提出加快大数据、网络、人工智能等新技术的深度应用，促进现代服务业与先进制造业、现代农业融合发展；2024年2月，国务院国资委召开“AI赋能产业焕新”中央企业人工智能专题推进会，强调中央企业要把发展人工智能放在全局工作中统筹谋划，加快布局和发展人工智能产业，深入推进产业焕新，进一步深化开放合作，开展AI+专项行动，加快重点行业赋能，构建一批产业多模态优质数据集，打造从基础设施、算法工具、智能平台到解决方案的大模型赋能产业生态；2024年3月，《2024年国务院政府工作报告》提出深化大数据、人工智能等研发应用，开展“人工智能+”行动，打造具有国际竞争力的数字产业集群，这是“人工智能+”首次被写入政府工作报告中，体现了国家对数字经济和人工智能产业的重视。各地方政府也在持续加大在人工智能相关领域的投资，印发相关政策不断推进人工智能产业的发展，如《北京市促进通用人工智能创新发展的若干措施》《湖北省推进人工智能产业发展三年行动方案(2023-2025年)》《广东省关于加快建设通用人工智能产业创新引领地的实施意见》等。
　　（2）主要技术门槛
　　公司所属人工智能行业属于技术密集型行业，行业进入壁垒高，产品具有高技术含量、高附加值等特点，企业需拥有高效的研发创新和产业应用能力，头部企业拥有深厚的技术积累和不断进行先进技术探索的机制，在经营方面需拥有不同业务场景的快速商业化落地能力和良好市场口碑，对企业的研发、销售等业务管理能力均有较高的要求。
　　2.公司所处的行业地位分析及其变化情况
　　在AI算法层面，公司的核心算法多次在国内外人工智能算法竞赛中夺冠，达到行业领先水平；公司在研发过程中向学术界开源了TriionPairs和Gint360K两个人脸识别数据集，开源了PartiaFC训练代码，推动了行业技术的发展；同时，公司承担了国家科技部、北京市科学技术委员会等多项人工智能技术应用的重大科研项目，与北京航空航天大学一起获批国家人工智能产教融合创新平台建设项目，并与全国信息安全标准化技术委员会、中国安全防范产品行业协会、中国信息通信研究院、中关村标准化协会、国家工业信息安全发展研究中心、中国电子工业标准化技术协会、中关村智慧城市产业技术创新战略联盟、中关村中安公共安全视频智能应用技术联盟等单位开展多项标准化制定工作。
　　在AI应用层面，公司已将核心算法技术运用在主营产品中，形成了面向智慧金融、城市管理、智慧商业、体育健康、轨交运维、元宇宙等领域的人工智能产品及解决方案，并根据下游客户的需求不断优化、升级核心技术，确保持续的技术创新。公司的主营业务产品在下游主要核心客户的认可程度高，良好的市场口碑为公司市场拓展及持续发展奠定了重要基础。
　　人工智能下游的应用领域众多，目前与公司同行业的人工智能企业在下游应用领域的布局方面各有侧重，未来市场空间较大。公司作为计算机视觉领域的创新型人工智能企业之一，目前尚处于产业化与市场拓展的快速发展阶段，在多个人工智能细分应用领域中已较早完成了产品布局，未来在新应用领域的业务拓展将持续提升公司的市场份额和竞争地位。
　　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
　　经济的高质量发展，需要新质生产力的推动，而只有依靠政府、社会和全行业的共同努力和探索，才能够发挥人工智能作为新质生产力的最大价值。近年来，人工智能已成为科技创新的关键领域和数字经济时代的重要支柱，在国家及地方多项政策和资金支持下，各行各业的企业都在积极拥抱大模型和生成式人工智能的发展趋势。据IDC数据，中国企业对生成式人工智能的接受度普遍较高，67%的中国企业已经开始探索生成式AI在企业内的应用机会或已经开始进行相关资金投入。我国人工智能技术和产业蓬勃发展，进入了新的发展阶段，应用场景也在不断的拓宽、融合和多元化发展，产业结构逐渐完善，面对下游应用场景和客户的不同业务需求和标准，AI产业链也将会一步成熟分化。2023年，人工智能加速向行业应用和城市渗透，在互联网、电信、政府、金融和制造业等行业的应用渗透率居前，成为企业寻求提升用户体验和保持竞争力的重要能力。我国人工智能领域在企业、专利和论文数量等方面都进入国际领先行列，自主研发的开源深度学习框架、开源工具集、开源应用软件、开源社区快速发展。借助政策支持、算力水平提升、数据获取渠道广、行业应用场景丰富以及科研实力增强等优势，我国人工智能企业在技术创新与快速商业化方面形成了良好的发展环境，在基础大模型方面取得一定成绩，但仍需加大在基础性技术方面的原创性突破，夯实底层模型和算法能力。
　　数据、算力和算法是人工智能发展的三驾马车，而大模型和生成式AI的快速发展则对数据、算力和算法提出了更高的要求，人工智能越来越需要依赖“大数据、高算力、强算法”的支持。在数据层面，人工智能技术需要大量的标注数据，而高质量数据是大模型性能和价值观的基石，随着训练和迭代模型等所需数据规模的不断增长，数据服务走向深度定制化，高质量知识集在加速构建，2023年12月，国家数据局等17部门联合印发《“数据要素×”三年行动计划（2024—2026年）》，进一步凸显数据赋能经济提质增效作用的作用。在算力层面，中国信息通信研究院数据显示，截至2023年6月底，我国在用标准机架超过760万架，算力总规模达197EFLOPS，居全球第二。然而，随着大模型和生成式AI的爆发，模型参数量不断升级，对算力的需求也在持续递增，因此算力基础设施建设成为关键环节。2023年2月，中共中央、国务院印发《数字中国建设整体布局规划》，指出系统优化算力基础设施布局，促进东西部算力高效互补和协同联动；2023年10月，工业和信息化部、中央网信办、教育部等六部门联合印发的《算力基础设施高质量发展行动计划》提出了计算力、运载力、存储力和应用赋能方面的目标，其中到2025年，算力规模超过300EFLOPS，智能算力占比达到35%。在算法层面，超大规模预训练模型成为热点，推动人工智能技术效果不断提升，继续朝规模更大、模态更多的方向发展。伴随深度学习、强化学习、迁移学习等多种技术的发展，多模态大模型正在成为人工智能领域的发展趋势之一，其能够实现视频、图像、文本、语音、语言等模态之间的统一表示和相互生成，使得单一自然语言处理或计算机视觉模型发展成语言文字、图形图像、音视频等多模态、跨模态模型，基于技术的不断突破，多模态大模型将拓展在各行业场景中的融合应用，且大模型所具备的更强的泛化能力，也可在一定程度上解决人工智能公司在下游场景的产品标准化问题，推动更高效率的产品开发。
　　作为在人工智能行业技术成熟度较高、商业化进程较快的细分领域，计算机视觉技术从最初的静态人脸识别和光学字符识别起步，逐渐扩展到了人脸识别分析、活体检测、人体识别分析、物体检测识别、行为识别分析等诸多方向，应用场景也从较早的城市管理、金融、互联网、商业零售等领域，扩展到轨道交通、医疗健康、元宇宙、人机交互等创新领域。神经网络和深度学习是计算机视觉的基石，而数据、算力和算法三驾马车的发展极大拉动了计算机视觉技术的发展。海量的应用场景数据为计算机视觉算法提供训练基础，使得算法精准度提升，让机器实现更为精准的视觉识别；人工智能芯片的发展大幅提升了数据处理速度，缩短了计算过程和模型架构调整时间，为计算机视觉的发展提供了算力支持；深度学习算法的发展提升了计算机视觉准确度。目前计算机视觉企业的技术成熟度均已达到较高水平，在大部分应用场景下，各企业的技术水平都已经可以较好的满足用户需求，且行业内各企业根据自身经营战略和发展情况，都不同程度的加强了在大模型和生成式AI领域的产业布局，拓展通用类大模型、任务大模型以及行业大模型的应用领域，不断探索商业价值，因而未来计算机视觉企业间的竞争将从技术领先性竞争逐步转向以拓展落地场景和理解用户需求为核心的综合服务能力竞争。
　　(四)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
　　公司打造了底层AI技术平台——深瞳大脑，深瞳大脑作为公司核心技术的驱动平台，赋能公司人工智能产品及解决方案的技术实现。深瞳大脑包含数据平台和训练平台，由数据采集、数据预处理、数据标注、模型训练、模型优选、数据管理等模块组成。
　　数据平台支持多源多模态数据的自动收集和清洗归类，通过构建自动化处理为主、人工标注为辅的标注体系，形成海量增长的标签数据池，有效节省标注成本，提高了算法模型的研发效率；通过组建具有专业背景的标注团队，用人工标注加AI模型自动化预识别的方法，为算法提供精准的基础训练数据，同时通过数据团队对开放数据的收集和挖掘，为公司在海量数据下训练高水平模型做好数据准备；训练平台则有效提高了模型训练的自动化水平，降低算法多平台部署应用的迁移难度，为算法高效生产及快速商业化应用奠定了重要基础；训练平台同时支持在海量数据中进行挖掘，主动触发模型更新训练，可以有效的提高算法的准确率和生产效率，并进一步提高产品的交付能力。目前，公司深瞳大脑可支持数十亿训练数据、数亿类别任务，数百亿参数多模态大模型的训练。训练平台生产高质量的算法，推动应用的落地，数据平台收集应用产生的高质量数据又促进算法的提升，从而算法、应用、数据在深瞳大脑系统内形成人工智能的正向循环，为公司的高效研发创新与产业应用提供了有力支持。
　　（1）多模态大模型技术
　　公司利用自研的底层AI技术平台深瞳大脑对数十亿训练数据进行清洗和预处理，并基于大规模数据训练数百亿参数的大模型，在海量数据下，研发了基于图像、语言、语音多种模态的弱监督大模型训练算法，节省了大量数据标注资源。针对海量数据中存在噪声的问题，研发了标签重写算法，高效地提升了数据质量。上述算法已投稿到国际顶级会议ICLR2023和ICCV2023并被接收，公司已在业务中利用该大模型提升少样本场景的准确率，在智慧金融、轨交运维等业务领域开始落地应用，在复杂场景中效果远优于传统小模型。
　　跨平台模型训练技术用于简化AI算法生产，该技术基于自主研发的训练框架，和自主研发的预训练模型可实现常用业务AI算法的一键式训练，为常见业务中的分类、检测、分割等算法提供便捷快速的实用模型。针对不同应用场景的算法开发，公司自主研发的跨平台模型训练技术可将训练任务管理平台产出的模型自动发布到各种类型的显卡或平台，包括英伟达显卡、海思系列芯片、华为昇腾系列芯片、算能计算平台等，无需人工干预，从而达到模型快速高效交付的目的，可有效的降低研发成本，有助于提升产品的市场竞争力。基于自主学习的训练平台解决方案，也已经在公司多个重点项目上线，实施后大量长尾业务的迭代周期大幅缩短，准确率提升效果显著。
　　（2）3D立体视觉技术
　　3D立体视觉一般通过结构光、激光雷达等特殊传感器采集得到场景的深度信息，再利用深度信息和可见光信息一同计算出场景的三维图像。
　　多目传感器标定与深度估计技术使用一对成本更为低廉的可见光相机组成双目系统，对场景深度信息进行估算，在达到普通结构光相机精度的同时，提高了相机的可靠性和易用性，并能覆盖更多的结构光相机无法工作的光线条件和场景。基于这项技术的输出，使公司的算法能更好地适应多种不同的场景和目标，进而对人体、物体、场景进行高精度的重建。
　　运动姿态分析技术通过采集不同场景下人体姿态数据，通过自主研发的三维人体姿态估计算法，能够解决人体关键点数据采集不准确或不稳定的问题。公司基于单目相机的三维重构技术结合动作模型库及人体运动功能学的特点，优化了使用单目相机获取三维人体关键点的效果，解决了基于二维人体关键点进行判断的难题，使得运动姿态分析算法在三维人体上做出更为精准的判断，进而可以应用在体育健康与行为分析领域对人体三维姿态的准确识别与分析。
　　运动姿态分析技术在智慧金融领域可以协助银行客户进行员工履职分析与管控，人员重点区域违规管控（如非授权人进入、员工缺岗等）、人员操作异常管控（如单人加钞、大额现金遗留等）、人员动作异常管控（如异常倒地、打架、各类防护舱业务等）等项目均达到较高的检测精度；而在体育健康领域，该技术可评判用户动作是否完成及标准程度，评判仰卧起坐、引体向上、跳绳、篮球交替运球、篮球护球训练等17项基础测试和训练动作时，也可具备较高水平的检测精度。3D重建与立体视觉分析技术在轨交运维场景可将离散的局部列车零部件数据进行融合和重构，得到列车标准模型，将几何模型分析、深度学习等技术运用到列车标准模型、点云数据、图片等多维度数据，进行零部件匹配和故障诊断。公司基于深度学习的点云配准技术已在多个学术数据集上取得第一，通过点云几何结构和基于Transformer的多层特征投票机制提升正确匹配点云比例，提升点云配准精度，在真实业务测试集上旋转向量误差小于1度、平移向量误差小于0.3mm，该技术对产品落地起到了至关重要的作用。目前，公司产品已覆盖列车常见的190余种故障项点，项点处理速率超过20,000个/小时，在高级重要性项点的故障诊断成功率大于95%，对于高精度测量的项点，测量精度到达亚毫米级别。
　　（3）自动化交通场景感知与事件识别技术
　　公司拥有国内领先的车辆识别技术，能够运用高精度目标检测与跟踪技术对大陆号牌、港澳号牌、非机动车号牌等多种类型的车牌进行多种尺寸和角度的识别，支持倾斜角度在45°范围内的车牌，准确率在99%以上。同时，公司支持的机动车、非机动车、人体属性识别多达50余项，重点属性识别准确率超过95%。
　　在对交通场景中车辆进行分析时，公司结合在人脸识别技术上的优势研发了多目标属性识别与对象关联技术。该技术可以将车内驾驶员与车辆绑定，协助交通管理部门和公安部门查找可疑人员，提供破案线索。由于车内光线较暗、抓拍受挡风玻璃干扰、司乘人员人脸姿态不受控、人脸有遮阳板墨镜口罩等遮挡的原因，普通的人脸识别算法都会有较大的下降，公司在人脸识别技术上的优势可以做到在以上困难环境下仍能达到较高的识别率。
　　公司研发的交通场景理解及事件检测识别技术，基于自适应交通场景理解和车辆特征识别的技术能力，无需人工标注，可自动化识别闯红灯、不按导向行驶、不礼让行人等11种交通违法场景，同时结合车辆重识别技术可准确定位车辆位置，实现对交通视频的自动分析、事件预警和违法事件的自动审核。
　　（4）大规模跨镜追踪技术
　　公司拥有完全自研的人脸识别算法和引擎技术，在多种光线条件、人脸角度的场景下都能达到较高的识别准确度。公司在研发过程中开源了TriionPairs和Gint360K两个人脸识别数据集以及PartiaFC训练代码，其中PartiaFC相关论文已被视觉顶尖会议CVPR2022接收，推动了行业技术的发展。公司的人脸识别技术在公开数据集MegaFace上识别准确率达到99.1%。公司在公安部治安管理局亿级人像算法测试中，1比1人像比对测试万分之一误识率下的通过率为99.97%，5万样本比1亿级人像比对测试中首位命中率超过98%，均高于行业平均水平。
　　公司研发的百亿级人员聚类技术可支撑上万路摄像头接入并实时完成动态聚类，支持室内场景和光照、质量和姿态等都不受控的室外复杂场景中的大规模商用。
　　为了达到上万路摄像头接入并实时完成动态聚类的应用要求，公司研发了海量数据以图搜图技术。公司研发的以图搜图引擎支持多架构、不同计算设备上的图片检索功能。针对检索频率高实时要求强的场景，以图搜图引擎支持英伟达全系显卡以及华为计算卡的图片检索。针对检索频率低实时要求不强，但图片数量较大的场景，单机可实现上亿人脸图片秒级返回，集群可实现数十亿级图片秒级返回。针对海量图片检索场景，以图搜图引擎实现了单机检索30亿人脸图片20秒内返回结果的性能。配合集群可实现百亿级图片数十秒检索的性能。该技术已广泛应用在公司多个应用场景的产品及解决方案中。
　　人脸属性表达技术在公共安全等场景具有广泛应用，同时也能辅助大规模人员聚类。公司研发的人脸属性包括年龄、性别、种族、表情、姿态、遮挡、模糊等多项属性。该技术使用单模型、多任务协同训练策略，利用各个属性任务之间的相关性来辅助训练单个模型，可在缩减运算资源的同时保证每个属性的精度。
　　公司多场景广覆盖人脸活体识别技术可应用在闸机口等通行相关的场景，公司已积累了千万级的攻击样本，可防止人员通过打印照片、屏幕、3D面具等非活体人脸通过闸机。
　　（5）机器人感知与控制技术
　　公司将实时定位与建图技术、机械臂视觉反馈技术、机器人路径规划与自主导航技术运用于轨交运维机器人等场景，算法适应性良好，机器人该场景中，以最高1m/s的速度做无碰撞运动，达到轨交运维应用所需的技术水平。其中，机器人实时定位与建图技术，又称SLAM技术，在室内和半户外场景下拥有良好的定位精度，在结构化的室内场景下，定位精度可达毫米级，在工业现场的半户外场景下，定位精度可达厘米级。同时，公司针对SLAM普遍算力要求较高的问题做出了优化，完成SLAM模块向特定型号嵌入式主板的迁移和适配工作；机械臂视觉反馈技术，又称手眼协同技术，在机械臂重复性动作的场景中收到良好效果，得到视觉反馈之后的机械臂定位，较普通机械臂定位的精度有较大提升。同时，在保证精度的前提下，时间延迟不超过1秒，保证了精度和实时性；机器人路径规划与自主导航技术，包含机器人定点巡逻、远程临场、人员跟随等功能模块，运用于自动化检修场景中。
　　公司的机器人虚拟示教技术，能够通过高精度3D重建技术，搭建虚拟列车检修空间，构建一个包含作业坑道、列车、机器人等元素，同时考虑物体碰撞、真实设备性能、环境噪声等因素的虚拟机器人作业空间。在虚拟空间内进行机器人示教，通过控制虚拟空间中的机器人进行采集位置确认工作，支持多人协作和远程操作，极大缓解项目实施过程中对真实列车的依赖，提升3倍以上的实施速度。
　　公司的机器人遥感技术则通过将虚拟点位下发给机器人，通过坐标空间变换、运动分解、轨迹规划等技术，使机器人获取在物理空间中可执行的动作指令，该技术既支持异步动作执行，也支持在线的虚拟机器人-真实机器人实时动作执行。
　　（6）沉浸式交互感知技术
　　基于先进的人体跟踪和姿态分析技术，以及领先的三维场景重建技术，公司自主研发了“深瞳灵境”全新沉浸式交互感知系统，通过自研的边端结合的软硬件一体解决方案，深瞳灵境创新性的实现了多项全新技术和系统，包括支持远距离精确同步的多相机协同系统、在投影场景下完成人体成像的光学方案、高度精确的3D人体姿态重建技术等，能够在全国产高性能AI处理芯片支持的相机和边缘智能计算设备上实现完整的非侵入式人体位姿动捕方案。
　　同时，公司还自主开发了游戏道具实时交互系统，通过部署环境光标和为人员佩戴或在道具上装载自研接收感应装置，依据环境光标，实时计算出位置和姿态，为用户提供高度代入的交互体验，在给予用户沉浸体验的同时，通过高速计算系统使系统给出准确的交互反馈，达到了声、光、动一体的全新交互体验。
　　公司利用多年积累的人体姿态估计技术和三维重建技术，建设了完整的软件框架来支持上层内容开发者，通过标准接口和标准能力，允许开发者快速完成交互内容建设，无需额外的门槛即可得到AI能力的加持。基于深瞳灵境解决方案，公司已经在互动娱乐、文旅博展、教育培训创新教育等多个方向展开试点探索。
　　国家级专精特新“小巨人”企业、制造业“单项冠军”认定情况
　　公司入选北京市专精特新“小巨人”企业。
　　2.报告期内获得的研发成果
　　截至报告期末，公司及控股子公司、孙公司共计拥有有效专利（不包含权利终止和转让）46项、有效软件著作权（不包含权利终止和转让）152项。
　　3.研发投入情况表
　　研发投入总额较上年发生重大变化的原因
　　本年研发费用较上年增加39.00%，主要系研发人员增加导致职工薪酬增加、研发项目增加导致设备折旧费及第三方服务成本增加所致。
　　4.在研项目情况
　　5.研发人员情况
　　6.其他说明
　　
　　三、报告期内核心竞争力分析
　　(一)核心竞争力分析
　　1、深耕于计算机视觉行业的技术研发优势
　　公司掌握计算机视觉领域的核心算法技术，已形成了多模态大模型技术、3D立体视觉技术、自动化交通场景感知与事件识别技术、大规模跨镜追踪技术、机器人感知与控制技术和沉浸式交互感知技术六大技术方向并拥有多项自主知识产权；公司的核心算法在国际、国内的权威机构和组织举办的算法比赛中多次名列前茅，其中：公司在OpenFAD23竞赛的动作分类任务中获得第一，在2022年ECCVPointCoud-CChaenge点云分割和点云分类两个赛道均获第2名；公司的人脸识别技术在公开数据集MegaFace上识别准确率达到99.1%，公司在公安部治安管理局亿级人像算法测试中，1比1人像比对测试万分之一误识率下的通过率为99.97%，5万样本比1亿级人像比对测试中首位命中率超过98%，均高于行业平均水平；公司的车辆识别技术能够对大陆号牌、港澳号牌、非机动车号牌等多种类型的车牌进行多种尺寸和角度的识别，支持倾斜角度在45°范围内的车牌，准确率在99%以上。同时，公司支持的机动车、非机动车、人体属性识别多达50余项，重点属性识别准确率超过95%，达到国内领先水平。
　　公司建立了以数据平台与训练平台为核心，涵盖数据采集、数据预处理、数据标注、模型训练、模型优选等模块的底层AI技术平台——深瞳大脑，有效提高了算法模型的研发效率及自动化水平。数据平台支持多源多模态数据的自动收集和清洗归类，通过构建自动化处理为主、人工标注为辅的标注体系，形成海量增长的标签数据池，有效节省标注成本，提高了算法模型的研发效率；训练平台则有效提高了模型训练的自动化水平，降低算法多平台部署应用的迁移难度，为算法高效生产及快速商业化应用奠定了重要基础。公司利用深瞳大脑对数十亿训练数据进行清洗并基于大规模数据训练大模型，在海量数据下，研发了基于弱监督的大模型训练算法，节省了大量数据标注资源，提升了少样本场景的准确率。数据、算法及应用在深瞳大脑内形成人工智能的正向循环，为公司的高效研发创新与产业应用提供了有力支持。
　　经过多年持续研发的优化，公司的训练任务管理平台产出的模型可无需人工干预，自动发布到各种类型的显卡或平台，包括英伟达显卡、海思系列芯片、华为昇腾系列芯片、算能计算平台等，从而达到模型快速高效交付的目的。除了多模态大模型技术之外，公司还形成了3D立体视觉技术、自动化交通场景感知与事件识别技术、大规模跨镜追踪技术、机器人感知与控制技术和沉浸式交互感知技术的技术方向，掌握了多目传感器标定与深度估计技术、行为识别技术、人体姿态及动作分析技术、实时定位与建图技术和多精度目标检测与跟踪技术等多项核心技术。
　　2、快速的商业化落地能力和良好的市场口碑
　　公司凭借高效的算法生产技术以及对各下游行业与应用场景的深度理解，形成了产品快速的商业化落地的能力，并结合自研大模型技术，根据行业客户的需求不断优化、升级核心技术，公司的主营业务产品在下游主要核心客户的认可程度高，良好的市场口碑为公司市场拓展及持续发展奠定了重要基础。公司成立至今陆续开发了皓目行为分析仪、边缘计算设备、视图大数据平台、AI交通事件分析系统、AI智能管理和分析平台、AI模型现场训练平台、列车智能检测平台、体育训考系统、体感互动系统、体育大数据系统、AI大型动捕技术平台等核心产品，并在智慧金融、城市管理、智慧商业、轨交运维、体育健康、元宇宙等领域得到应用。公司自主研发设计的智能化设备在农业银行各地分支机构推广使用，目前产品已覆盖上万家网点，包含智能安保、智能运营、智能风控等多个金融业务场景；车路协同感知MEC产品已在某市进行交付，同时车载视频违规事件取证产品已在多省市开展试点；公司研发的边缘计算设备2018年一经推出就在中国石化的智慧油站项目中得到快速应用；2020年初，公司在短时间内，利用人工智能和双光谱成像等技术积累，迅速推出双光温测智能识别设备与应用系统，快速、精确、安全地进行体温测量与核查；公司的轨交运维解决方案在多个高铁、城轨和机车领域的试点项目进入研发、测试或交付验收阶段，支持数条高铁、地铁线路的列车巡检业务，通过点云技术对列车各零部件的数据进行高质量采集和智能分析，实现自动化的故障或缺陷检测，有效提高了检修效率，保证了列车的运行安全，其中，自主研发的列车智能检测平台已经成功在高铁和地铁线路上实现落地应用；公司于2023年5月发布智慧校园体育产品深瞳阿瞳目，以“运动体能训练项目+视觉姿态识别+AI”为核心，基于3D重建技术，并结合动作模型库和人体运动功能学，包含体育训考系统、体感互动系统和体育大数据系统，致力于打造学、练、赛、评一体化智慧校园体育解决方案，已成功应用于2023年北京市某区国家学生体质健康考试统测、体育中考场景中，且公司目前正在北京市多区建设体育训考系统；公司元宇宙形态相关产品分别于2022年9月和2023年9月、2023年6月在中国国际服务贸易交易会、中国科幻大会上对外展出，公司基于三维人体姿态、行为识别技术、沉浸式交互感知技术以及游戏内容开发能力自研的大规模沉浸式人机交互运动游戏项目具备真人线下运动式交互、无眩晕感沉浸式体验、内容一键下发+切换等优势，最大化增强沉浸式体验。
　　3、保持技术不断创新的机制安排和技术储备
　　公司以技术研发为核心驱动力，建立了研发管理流程、人才储备机制、股权激励机制、知识产权保护等多项保持技术不断创新的机制安排。公司在研项目涵盖计算机视觉、语音语义等多模态基础算法、智能硬件技术研发和智慧金融、城市管理、智慧商业、轨交运维、体育健康、元宇宙各领域产品和下游应用及部分前瞻性探索项目的研发，技术储备充足，为公司产品的推陈出新提供了有力支持。公司拥有完整的研发组织架构与创新机制，以用户需求为核心，采用迭代、循序渐进的敏捷方法进行研发活动，并对整个产品生命周期进行管理，在过程中不断对执行结果和阶段目标进行总结复盘，通过不断迭代完善产品质量和改进研发过程。公司高度重视新技术的研发，专门设立有负责行业相关先进技术的前瞻性探索与研发创新的前沿技术研究院由公司创始人赵勇博士主导。
　　在轨交运维领域，公司的3D重建与立体视觉分析技术解决了传统算法中误差较大的问题，让计算机视觉技术运用于轨交检修的落地应用成为可能，通过应用机器人主动感知技术、自主规划与控制技术、虚拟示教与远程遥感技术，有效提升了机器人的环境适应性，提升实施效率，降低整体项目运营成本，而公司的模型压缩和边缘计算能力，可以实现对线路故障诊断算法的实时运行，机器人可利用自身算力实时处理线路数据，进行在线故障诊断；在体育健康领域，公司的3D立体视觉技术使得设备成本降低的同时，提高了可靠性和易用性，同时运动姿态分析技术通过采集不同场景下人体姿态数据，通过自主研发的三维人体姿态估计算法，能够克服人体关键点采集不准不稳的难题；在元宇宙领域，公司基于3D立体视觉技术自研了大规模沉浸式人机交互系统，提供在大场景中的人体动作姿态感知、六自由度游戏装备感知等能力，未来可应用于沉浸式互动游戏、赛事、发布会、文旅和展厅等领域。
　　在智慧金融领域，公司搭建了适用于该领域的行为分析大模型技术架构，目前已开始落地应用，公司在计算机视觉基础上探索并拓展多模态技术，未来将融合自研的自然语言处理及自动语音识别等技术，充分赋能银行客户智能化场景应用；轨交运维领域大模型开始落地应用，城市管理领域大模型正在进行验证。公司大模型能够提供更强的泛化能力，缩短研发周期，有效解决项目前期样本少、客户迫切希望看到效果、算法场景需求多且杂的痛点问题。
　　4、团队优势和人才储备
　　经过多年发展，公司建立了一支高学历、高水平的研发队伍。截至报告期末，公司研发人员为316人，占员工总数的比重为70.38%。截至报告期末，公司的核心技术团队由公司创始人、董事长兼总经理赵勇博士等在内的6人组成，涵盖算法、智能应用、产品设计、硬件开发等多领域的资深人才，拥有丰富的学术知识与研发创新经验，对行业前沿技术与发展趋势具有深刻认知及判断，保障了公司核心技术的持续研发创新。
　　报告期内，公司研发投入18,396.03万元，占营业收入的比重为70.14%，研发投入同比增长39.00%。公司在核心算法技术、应用场景等相关技术均有前瞻性的研究和探索，公司人工智能关键技术在众多领域的研发与探索，将进一步增强公司的技术积累，为持续较快发展提供坚实的技术支持。
　　(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
　　
　　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
　　2023年度，公司实现营业收入26,228.58万元，较上年同期减少25.84%，实现归属于母公司所有者的净利润-9,033.32万元，归属于母公司所有者的扣除非经常性损益的净利润-9,726.47万元，主要为受宏观经济环境、行业终端客户预算、采购计划推迟、研发投入增加等多重因素影响。如果未来出现宏观经济和市场环境恶化、客户采购预算和计划削减、下游应用领域认可程度和产品销售情况不达预期、研发投入持续增加且研发成果未能及时转化等不利情况，公司可能存在营业收入和净利润持续下滑风险和亏损风险。
　　(三)核心竞争力风险
　　1、技术升级及产品迭代的风险
　　公司所处的人工智能行业技术升级及产品更新换代速度较快，且随着物联网、5G、云计算、大数据、大模型等新技术的快速发展，人工智能技术与其他新技术的融合运用将进一步推动行业的技术创新和产品升级，因此持续研发新技术、推出新产品是行业内公司在市场中保持优势的重要手段。如果公司未能及时准确地把握技术发展趋势，或者公司的技术研发进展滞后于下游市场需求，或者公司同行业竞争对手率先在相关领域取得重大突破，推出更先进、更具竞争力的技术和产品，造成公司未能顺利对技术及产品进行持续的迭代和升级，或者无法通过持续创新研发出具有商业价值、符合市场需求的新产品，将导致公司错失新的市场商机，对公司未来业务发展造成不利影响。
　　2、关键技术人员流失、技术人才不足的风险
　　人工智能行业系典型的技术密集型、人才密集型行业，关键技术人员是人工智能公司生存和发展的关键，也是获得持续竞争优势的基础，更是保持不断研发创新的重要保障。截至报告期末，公司的研发人员数量为316人，占公司员工总人数的比例为70.38%。随着行业规模的扩张及竞争格局的演变，人工智能公司对优秀技术人才的争夺将日趋激烈，此外，随着公司业务规模的持续增长、下游用户需求不断升级，对人工智能技术先进性的要求日趋提升。如果公司不能持续加强对原有关键技术人才的激励和保护力度，或者不能持续引进新人才应对内部研发需要，或者在人才市场的竞争中在发展前景、薪酬、福利、工作环境、激励制度等方面无法保持持续吸引力，则面临关键技术人员流失、技术人才不足的风险，进而导致在技术研发、产品创新方面有所落后，对公司技术优势的维持和新产品的持续研发造成不利影响。
　　3、知识产权受到侵害或泄密的风险
　　人工智能行业属于技术密集型行业，为了保持技术优势和竞争力，防止技术外泄风险，已掌握先进技术的行业内优势企业通常会通过申请专利、登记软件著作权等方式设置较高的进入壁垒。公司的核心技术是保持市场竞争力的重要支撑，相关知识产权的保护对公司的发展尤为重要。公司自设立以来，一直重视在知识产权保护方面的投入，但仍不能排除未来与竞争对手产生知识产权纠纷、公司的知识产权被侵权、个别竞争对手采取恶意诉讼拖延公司业务开展、个别公司员工由于对知识产权的理解出现偏差导致出现非专利技术侵犯第三方知识产权，以及公司部分尚处于研发过程中的非专利技术发生泄密的风险；如果发生知识产权纠纷或泄密，公司可能需要通过法律诉讼等方式维护自身权益，由此可能需承担较大的法律和经济成本，而诉讼结果也存在一定的不确定性，将对公司的生产经营、研发进展造成不利影响。
　　(四)经营风险
　　1、公司在智慧金融领域客户集中度较高以及收入波动的风险
　　公司智慧金融领域客户集中度较高，如果出现主要客户的生产经营状况、采购预算计划、供应链体系等发生变化，公司未能持续获得主要客户的订单或公司与该等客户合作关系被其他供应商替代，或者公司无法有效开拓新客户资源，公司收入将存在较大波动的风险，从而对公司的经营发展、财务状况等产生不利影响。
　　2、公司新产品商业化落地不及预期的风险
　　报告期内，公司已经实现智慧金融、城市管理、智慧商业、轨交运维、体育健康五大领域的商业化落地，在元宇宙领域进行了前瞻性的业务布局。但各业务场景的商业化落地进度受制于多种因素，例如公司出现相关技术研发进展滞后、交付能力不足、客户对新产品的接受程度和推广进度较弱等情形，将可能导致新产品不能较快规模化生产或被市场接受，或者商业化效益不及预期无法弥补前期投入，将会对企业的盈利水平和未来发展产生不利影响。
　　(五)财务风险
　　2023年度，公司营业收入和利润同比均出现下滑，主要为受宏观经济环境、行业终端客户预算、采购计划推迟、研发投入增加等多重因素影响。如果未来出现宏观经济和市场环境恶化、客户采购预算和计划削减、下游应用领域认可程度和产品销售情况不达预期、研发投入持续增加且研发成果未能及时转化等不利情况，公司可能存在营业收入和净利润持续下滑风险和亏损风险；且如果经济形势恶化或者客户自身发生重大经营困难，公司将面临应收账款回收困难的风险。
　　(六)行业风险
　　公司所处的人工智能行业尚处于发展初期，随着技术的快速迭代和行业客户智能化升级需求的持续延展，公司在实现将核心技术落地到商业化应用场景和拓展市场空间等方面存在一定的不确定性。加上近年来随着国家政策重点推动战略性新兴产业融合集群发展，支持专精特新企业发展，使得市场的参与者变多、竞争更为激烈，如未来国家产业政策发生重大不利变化，或公司未来技术研发进展滞后失去竞争优势导致公司市场地位削弱，可能会给公司经营状况和盈利能力带来不利影响。
　　(七)宏观环境风险
　　尽管公司被美国商务部列入“实体清单”，但由于公司收入来自境内，且已制定国产器件替代的产品方案并在大部分产品中已完成国产替代，因此暂未受到国际贸易摩擦的重大不利影响，但这可能会对公司未来在人工智能前沿理论及学术研究和国际学术交流以及境外业务拓展产生一定不利影响。
　　(八)存托凭证相关风险
　　(九)其他重大风险
　　
　　五、报告期内主要经营情况
　　报告期内，公司实现营业收入26,228.58万元，归属于母公司所有者的净利润-9,033.32万元，归属于母公司所有者的扣除非经常性损益的净利润-9,726.47万元。
　　
　　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
　　公司以人工智能技术为核心，多技术融合创新产品为手段，积极响应人工智能产业的相关政策号召，致力于推进人工智能技术在更多行业领域中的应用及普及。随着人工智能大模型技术的突飞猛进，未来人机交互方式将发生重大变革，公司将继续加大人工智能领域的技术研发投入，围绕擅长的垂直领域重点投入，开发自主可控的多模态大模型和全新形态的复杂AIGC系统，化繁为简，以新的形态和能力持续加强公司基础技术能力的大规模可复制性和通用性。公司将同时把握物联网、大数据、机器人等先进技术的发展趋势，将人工智能技术与其他先进技术深度融合，结合社会生产生活的各类应用场景，打造广泛、高效、易用、可信赖的人工智能产品及解决方案，同时，公司将积极推进产品化策略，向客户持续低成本、大规模的交付易用、稳定、高性能的产品，成为一家优秀的产品化公司。
　　(三)经营计划
　　2024年，公司将在加强产品驱动策略的同时，坚持进行先进技术的前瞻性探索与研发创新。公司将在已有的领域知识和数据积累基础上，开发自主可控的多模态大模型和全新形态的复杂AIGC系统，结合图像理解、自然语言处理、三维重建技术等多模态任务与数据，利用参数量更大的模型能力，提高系统对场景的重建能力和人员行为的理解能力，并结合大语言模型的归纳推理能力，为用户输出更准确优质的内容。2023年，通过对更大参数量的预训练模型的利用，公司已经可以结合业务更好的解决数据和算法冷启动困难的问题，提高了产品的研发和交付效率；2024年，公司将在此基础上计划进一步增加在多模态大模型方向的研发投入，提升计算机视觉任务在语义层面的各项指标，产出基于LLM（大语言模型）的拥有更好用户交互能力的视觉类算法模型。该技术应用在智慧金融、城市管理、智慧商业等大数据平台类产品上，可以在提升视觉感知和认知效率的同时，提供更加高效优质的数据服务，并赋予用户自行定制算法的能力；应用在轨交运维等机器人类产品上，能够提高交互水平与智能程度，在工作场景中更高效更优质的完成任务；应用在体育健康与元宇宙等人机交互类产品上，可显著提高交互质量，动态提供更优质、更丰富、更真实的内容，提升体验沉浸感和丰富度。
　　公司将在深耕主业的同时谋求创新，在不断巩固和提升公司在智慧金融、城市管理、智慧商业、轨交运维和体育健康等已实现商业落地领域的技术水平和市场口碑的同时，重点推进公司各领域产品的进一步成熟和商业化落地，不断优化资源配置，提升公司运营管理水平，合理控制成本费用，开源节流，降本增效。随着公司落地场景的不断丰富，公司将在现有客户的基础上，着力提升市场开发能力，优化销售网络布局，并将公司产品结合客户的需求不断优化、升级，打造公司产品的竞争优势，拓展客户群体，提升市场占有率。公司所处行业属于典型的技术密集型、人才密集型行业，拥有丰富的学术知识和研发创新经验的人才是公司构筑核心技术优势的基石。因此，公司将继续推动人才体系建设，聚焦人才培养，以更优化的组织架构、更有竞争力的薪酬和激励机制、更良好的企业文化环境吸引人才，为实现公司的可持续发展奠定坚实的人才基础。 收起▲

　　一、报告期内公司所属行业及主营业务情况说明　　（一）公司所属行业　　根据国家统计局《国民经济行业分类》（GB/T4754-2017），公司属于“软件和信息技术服务业”（行业代码为I65）。根据《战略性新兴产业分类（2018）》，公司属于“新一代信息技术产业”中的“人工智能”行业。　　自2015年7月国务院印发的《关于积极推进“互联网+”行动的指导意见》将“互联网+人工智能”列入十一项重点行动之一以来，我国出台了一系列重要政策，以把握人工智能发展新阶段国际竞争的战略主动权，促进人工智能行业发展壮大。随着人工智能技术的不断进步与发展，部分技术进入产业化发展阶段，智能应用已成为当前及未来较长发展... 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）公司所属行业
　　根据国家统计局《国民经济行业分类》（GB/T4754-2017），公司属于“软件和信息技术服务业”（行业代码为I65）。根据《战略性新兴产业分类（2018）》，公司属于“新一代信息技术产业”中的“人工智能”行业。
　　自2015年7月国务院印发的《关于积极推进“互联网+”行动的指导意见》将“互联网+人工智能”列入十一项重点行动之一以来，我国出台了一系列重要政策，以把握人工智能发展新阶段国际竞争的战略主动权，促进人工智能行业发展壮大。随着人工智能技术的不断进步与发展，部分技术进入产业化发展阶段，智能应用已成为当前及未来较长发展周期的核心要义。作为战略性新兴产业，人工智能商业模式还在不断摸索与丰富，其正与生产生活的各个领域相融合，有效提升各领域的智能化水平，在带动新产业兴起的同时也为传统领域带来变革机遇，拥有极为广阔的市场前景。2023年7月，国家互联网信息办公室印发《生成式人工智能服务管理暂行办法》，支持算法、框架等基础技术的自主创新、推广应用、国际合作，鼓励优先采用安全可信的软件、工具、计算和数据资源。目前我国人工智能在政府、金融、互联网、零售等领域的人机对话、远程作业、质控风控、营销运营、决策支持等诸多环节存在不同程度的应用，商业模式主要以项目解决方案交付、一站式产品方案、软件销售、AIoT设备销售、算法授权许可费等多种模式并存。
　　（二）公司主营业务情况
　　公司以“让计算机看懂世界，让AI造福人类”为愿景，专注于将先进的计算机视觉技术、大数据分析技术、机器人技术和人机交互技术与应用场景深度融合，提供面向智慧金融、城市管理、商业零售、轨交运维、体育健康、元宇宙的人工智能产品及解决方案。公司经过多年的技术研发与积累，已有效掌握了基于深度学习的模型训练与数据生产技术、3D立体视觉技术、大规模跨镜追踪技术、自动化交通场景感知与事件识别技术、机器人感知与控制技术等方向的多项核心技术，凭借过硬的技术能力和长期的商业化经验，已成功在智慧金融、城市管理、商业零售、轨交运维四大领域实现落地应用，其中：城市管理领域已覆盖全国多省市的公安局、公安交通管理局、政法委员会等政府机关或企事业单位，车路协同感知MEC产品已在某市进行交付，同时车载视频违规事件取证产品已在多省市开展试点；智慧金融领域已覆盖农业银行全国各省市的上万家网点，包含智能安保、智能运营、智能风控等多个金融业务场景，同时，公司参与搭建某国有银行总行AI平台，并开始在其他国有银行分支行进行试点；商业零售领域主要收入来自排名前列的地产类客户；轨交运维领域公司自研的列车智能检测解决方案已在高铁和地铁项目中通过验收，实现落地应用，为列车的安全运维提供保障，在研产品己涵盖轨交机务、电务和工务三大工种。除此之外，公司在体育健康、元宇宙等更多领域进行前瞻性的布局，智慧校园体育产品等部分在研产品已成功在客户中开展试点，元宇宙场馆己在首钢园区进行建设，公司产品、整体解决方案和基于大模型的行业应用的研发和落地工作按计划有序推进。公司从客户需求出发，面向智慧金融、城市管理、商业零售、轨交运维、体育健康、元宇宙不同领域的客户，提供相应的行业解决方案。
　　（三）公司主要经营模式
　　1、盈利模式
　　公司主要从事计算机视觉技术、大数据分析技术、机器人技术和人机交互技术的研发和应用。公司的盈利来源于向客户提供面向应用场景的人工智能产品及解决方案获得销售收入。公司自主研发的人工智能产品主要包括智源智能前端产品、灵犀数据智能平台及深瞳行业应用平台。人工智能产品既可以标准化模式销售，也可根据客户需求进行产品组合，提供定制化服务，以整体行业解决方案向客户交付。
　　2、研发模式
　　公司拥有完整的研发组织架构与创新机制，以用户需求为核心，采用迭代、循序渐进的敏捷方法进行研发活动，并对整个产品生命周期进行管理，在过程中不断对执行结果和阶段目标进行总结复盘，通过不断迭代完善产品质量和改进研发过程。
　　（1）在产品需求调研阶段，公司对行业发展趋势、市场规模和用户核心需求进行调研分析，并结合公司产品战略规划，由产品团队完成需求分析，确定产品的核心目标特性和功能，由研发团队进行技术路线规划。
　　（2）在可行性验证阶段，公司进行大量算法实验以寻找合理科学的解决方案，产品经理、算法工程师、软硬件开发工程师和测试团队密切配合，在产品负责人的协调下进行多次短平快的软件原型迭代，每一次迭代都会在产品实际使用场景中进行反复实验确认，通过与客户持续沟通，调整和优化，确认产品最终形态的各功能模块和参数指标，并明确研发周期。在整个过程中，算法团队负责完成实验场景的建设和数据收集，并进行验证性实验；软件开发团队负责针对应用场景进行原型验证和开发；智能硬件团队负责对硬件产品的相关指标进行可行性实验和评估。
　　（3）在产品研发阶段，产品经理将总结可行性验证阶段的成果，转化为产品功能指标及开发任务，确保产品交付节点和产品定义与用户预期保持一致；算法和工程团队协同完成算法模型设计开发、数据收集清洗、功能特性开发等工作；测试团队按照产品定义对产品每个开发版本进行验收，并完成自动化测试脚本；智能硬件团队完成新硬件产品的结构设计和工业设计，有效评估外观、材质、散热、电气等特性，并负责设备软件开发和集成，交付少量可以进行测试认证的工程样机。该阶段产品会发布多个内外部测试版本，在实践中进行快速迭代。
　　（4）产品发布阶段是在产品完成核心功能开发后，在目标市场具备销售的条件时，产品经理建立产品的标准文档、销售价格、实施方案、售后体系，研发团队将大量来自客户实际使用的数据进行处理，快速迭代，提高产品成熟度；新的硬件产品会在这一阶段完成小批量验证和量产导入，实现加工生产工艺所需要的工装硬件和工具软件；测试团队进行大量密集的现场测试，确保产品满足产品定义的各类功能指标。这一阶段的完成标志产品正式版本发布。
　　（5）产品运营阶段在产品正式发布后，产品经理结合市场反馈与发展趋势，制定多个后续产品版本，不断创新，推出符合市场需求的产品新版本，以对产品进行持续的运营、维护和改进。
　　3、采购模式
　　公司专注于人工智能产品及解决方案的研发和销售，不涉及硬件的直接生产。
　　针对标准硬件、配件及服务类采购，公司直接向供应商提出待采购产品或服务的需求，供应商按照指定的时间和地点进行交付；针对定制化硬件，公司采购主要原材料并发货至委外加工厂，由其进行生产加工。公司选择专业的代工厂，依托其已有的完善的品质控制、生产制造管理和硬件设施进行专业的代工生产。公司通过新产品导入、质量检验标准发布、生产工艺发布、测试检验工具发布等方式确保产品生产的有效性、一致性和稳定性。
　　4、销售模式
　　公司结合下游行业的业务特点与主要产品的市场定位，制定了直接销售的销售模式，向终端客户或集成商客户直接销售人工智能产品及解决方案。其中终端客户是指直接使用公司产品及解决方案的各行业领域客户，包括金融机构、政府部门、公安机关、企事业单位等；集成商是指承担系统集成、安装部署、运营维护等职能的企业，包括终端客户的项目总包方或其指定的工程服务商等。公司与客户直接对接需求，通过商务谈判、参与招投标等方式获取订单。公司建立了完善的直销服务体系，目前已在全国划分了华东、华中、华北、东南、西南、东北、西北七个大区进行区域化和行业化的矩阵式管理，以提供及时、高效的销售服务。
　　二、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
　　公司打造了底层AI技术平台——深瞳大脑，深瞳大脑作为公司核心技术的驱动平台，赋能公司人工智能产品及解决方案的技术实现。深瞳大脑包含数据平台和训练平台，由数据采集、数据预处理、数据标注、模型训练、模型优选、数据管理等模块组成。
　　数据平台支持多源多模态数据的自动收集和清洗归类，通过构建自动化处理为主、人工标注为辅的标注体系，形成海量增长的标签数据池，有效节省标注成本，提高了算法模型的研发效率；训练平台则有效提高了模型训练的自动化水平，降低算法多平台部署应用的迁移难度，为算法高效生产及快速商业化应用奠定了重要基础。目前，公司深瞳大脑可支持数十亿训练数据、数亿类别任务，数十亿参数模型的训练。训练平台生产高质量的算法，推动应用的落地，数据平台收集应用产生的高质量数据又促进算法的提升，从而算法、应用、数据在深瞳大脑系统内形成人工智能的正向循环，为公司的高效研发创新与产业应用提供了有力支持。
　　（1）基于深度学习的模型训练与数据生产技术
　　公司自研的海量数据算法生产技术通过自有的核心算法结合大数据平台的分析处理技术，支持在海量数据中进行挖掘，主动触发模型更新训练，有效的提高了算法的准确率和生产率。同时，公司自建的数据标注平台，通过组建具有专业背景的标注团队，用人工标注加AI模型自动化预识别的方法，为算法提供精准的基础训练数据，可覆盖公司内部99%的算法标注任务。
　　公司利用自研的底层AI技术平台深瞳大脑对数十亿训练数据进行清洗，并基于大规模数据训练大模型，在海量数据下，研发了基于多模态弱监督的大模型训练算法，节省了大量数据标注资源。该算法已投稿到国际顶级会议ICLR2023并被接收，公司已在智慧金融和轨交运维业务中利用该大模型提升少样本场景的准确率，进一步验证了该大模型在下游任务中的泛化能力。
　　跨平台模型训练技术用于简化AI算法生产，该技术基于自主研发的训练框架，可实现常用业务AI算法的一键式训练，为常见业务中的分类、检测等算法提供便捷快速的实用模型。针对不同应用场景的算法开发，公司自主研发的跨平台模型训练技术可将训练任务管理平台产出的模型自动发布到各种类型的显卡或平台，包括英伟达显卡、嵌入式平台、海思平台、华为Altas计算卡等，无需人工干预，从而达到模型快速高效交付的目的，可有效的降低研发成本，有助于提升产品的市场竞争力。
　　（2）3D立体视觉技术
　　3D立体视觉一般通过结构光、激光雷达等特殊传感器采集得到场景的深度信息，再利用深度信息和可见光信息一同计算出场景的三维图像。
　　多目传感器标定与深度估计技术使用一对成本更为低廉的可见光相机组成双目系统，对场景深度信息进行估算，在达到普通结构光相机精度的同时，提高了相机的可靠性和易用性，并能覆盖更多的结构光相机无法工作的光线条件和场景。基于这项技术的输出，使公司的算法能更好地适应多种不同的场景和目标，进而对人体、物体、场景进行高精度的重建。
　　运动姿态分析技术通过采集不同场景下人体姿态数据，通过自主研发的三维人体姿态估计和三维人体表面重建算法，能够解决人体关键点数据采集不准确或不稳定的问题。公司基于单目相机的三维重构技术结合动作模型库及人体运动功能学的特点，优化了使用单目相机获取三维人体关键点和人体表面的效果，解决了基于二维人体关键点进行判断的难题，使得运动姿态分析算法在三维人体上做出更为精准的判断，进而可以应用在行为分析领域对人体三维姿态的准确识别与分析。
　　运动姿态分析技术在智慧金融领域可以协助银行客户进行员工履职分析与管控，人员重点区域违规管控（如非授权人进入、员工缺岗等）、人员操作异常管控（如单人加钞、大额现金遗留等）、人员动作异常管控（如异常倒地、打架、各类防护舱业务等）等项目均达到较高的检测精度；而在体育健康领域，该技术可评判用户动作是否完成及标准程度，进行运动项目的计次，计时，测距，相似度评价，产品可应用于俯卧撑、仰卧起坐、立定跳远、跳绳，纵跳摸高等原地类项目，足、篮、排、乒、羽等综合类项目，短跑、折返跑、中长跑等跑步类项目，引体向上、双杠臂屈伸等单双杠类项目；健身长拳、健身南拳等武术类项目，共计30余项考核项目和100余项交互训练项目；3D重建与立体视觉分析技术在轨交运维场景可将离散的局部列车零部件数据进行融合和重构，得到列车标准模型，将几何模型分析、深度学习等技术运用到列车标准模型、点云数据、图片等多维度数据，进行零部件匹配和故障诊断。公司基于深度学习的点云配准技术已在多个学术数据集上取得第一，通过点云几何结构和基于Transformer的多层特征投票机制提升正确匹配点云比例，提升点云配准精度，在真实业务测试集上旋转向量误差小于1度、平移向量误差小于0.3mm，该技术对产品落地起到了至关重要的作用。目前，公司产品已覆盖列车常见的190余种故障项点，项点处理速率超过20,000个/小时，在高级重要性项点的故障诊断成功率大于95%，对于高精度测量的项点，测量精度到达亚毫米级别。
　　（3）自动化交通场景感知与事件识别技术
　　公司拥有国内领先的车辆识别技术，能够运用高精度目标检测与跟踪技术对大陆号牌、港澳号牌、非机动车号牌等多种类型的车牌进行多种尺寸和角度的识别，支持倾斜角度在45°范围内的车牌，准确率在99%以上。同时，公司支持的机动车、非机动车、人体属性识别多达50余项，重点属性识别准确率超过95%。
　　在对交通场景中车辆进行分析时，公司结合在人脸识别技术上的优势研发了多目标属性识别与对象关联技术。该技术可以将车内驾驶员与车辆绑定，协助交通管理部门和公安部门查找可疑人员，提供破案线索。由于车内光线较暗、抓拍受挡风玻璃干扰、司乘人员人脸姿态不受控、人脸有遮阳板墨镜口罩等遮挡的原因，普通的人脸识别算法都会有较大的下降，公司在人脸识别技术上的优势可以做到在以上困难环境下仍能达到较高的识别率。
　　公司研发的交通场景理解及事件检测识别技术，基于自适应交通场景理解和车辆特征识别的技术能力，无需人工标注，可自动化识别闯红灯、不按导向行驶、不礼让行人等11种交通违法场景，同时结合车辆重识别技术可准确定位车辆位置，实现对交通视频的自动分析、事件预警和违法事件的自动审核。
　　（4）大规模跨镜追踪技术
　　公司拥有完全自研的人脸识别算法和引擎技术，在多种光线条件、人脸角度的场景下都能达到较高的识别准确度。公司在研发过程中开源了TrillionPairs和Glint360K两个人脸识别数据集以及PartialFC训练代码，其中PartialFC相关论文已被视觉顶尖会议CVPR2022接收，推动了行业技术的发展。公司的人脸识别技术在公开数据集MegaFace上识别准确率达到99.1%。公司在公安部治安管理局亿级人像算法测试中，1比1人像比对测试万分之一误识率下的通过率为99.97%，5万样本比1亿级人像比对测试中首位命中率超过98%，均高于行业平均水平。
　　公司研发的百亿级人员聚类技术可支撑上万路摄像头接入并实时完成动态聚类，支持室内场景和光照、质量和姿态等都不受控的室外复杂场景中的大规模商用。
　　为了达到上万路摄像头接入并实时完成动态聚类的应用要求，公司研发了海量数据以图搜图技术。公司研发的以图搜图引擎支持多架构、不同计算设备上的图片检索功能。针对检索频率高实时要求强的场景，以图搜图引擎支持英伟达全系显卡以及华为计算卡的图片检索，该技术已广泛应用在公司多个应用场景的产品及解决方案中。
　　人脸属性表达技术在公共安全场景具有广泛应用，同时也能辅助大规模人员聚类。公司研发的人脸属性包括年龄、性别、表情、姿态、遮挡、模糊等多项属性。该技术使用单模型、多任务协同训练策略，利用各个属性任务之间的相关性来辅助训练单个模型，可在缩减运算资源的同时保证每个属性的精度。
　　公司多场景广覆盖人脸活体识别技术可应用在闸机口等通行相关的场景，公司已积累了千万级的攻击样本，可防止人员通过打印照片、屏幕、3D面具等非活体人脸通过闸机。
　　（5）机器人感知与控制技术
　　公司将实时定位与建图技术、机械臂视觉反馈技术、机器人路径规划与自主导航技术运用于轨交运维机器人等场景，算法适应性良好，机器人该场景中，以最高1m/s的速度做无碰撞运动，达到轨交运维应用所需的技术水平。其中，机器人实时定位与建图技术，又称SLAM技术，在室内和半户外场景下拥有良好的定位精度，在结构化的室内场景下，定位精度可达毫米级，在工业现场的半户外场景下，定位精度可达厘米级。同时，公司针对SLAM普遍算力要求较高的问题做出了优化，完成SLAM模块向特定型号嵌入式主板的迁移和适配工作；机械臂视觉反馈技术，又称手眼协同技术，在机械臂重复性动作的场景中收到良好效果，得到视觉反馈之后的机械臂定位，较普通机械臂定位的精度有较大提升。同时，在保证精度的前提下，时间延迟不超过1秒，保证了精度和实时性；机器人路径规划与自主导航技术，包含机器人定点巡逻、远程临场、人员跟随等功能模块，运用于自动化检修场景中。
　　公司的机器人虚拟示教技术，能够通过高精度3D重建技术，搭建虚拟列车检修空间，构建一个包含作业坑道、列车、机器人等元素，同时考虑物体碰撞、真实设备性能、环境噪声等因素的虚拟机器人作业空间。在虚拟空间内进行机器人示教，通过控制虚拟空间中的机器人进行采集位置确认工作，支持多人协作和远程操作，极大缓解项目实施过程中对真实列车的依赖，提升3倍以上的实施速度。
　　公司的机器人遥感技术则通过将虚拟点位下发给机器人，通过坐标空间变换、运动分解、轨迹规划等技术，使机器人获取在物理空间中可执行的动作指令，该技术既支持异步动作执行，也支持在线的虚拟机器人-真实机器人实时动作执行。
　　国家级专精特新“小巨人”企业、制造业“单项冠军”认定情况
　　公司入选北京市专精特新“小巨人”企业。
　　2.报告期内获得的研发成果
　　报告期内，公司新增专利11项、软件著作权39项。
　　3.研发投入情况表
　　研发投入总额较上年发生重大变化的原因
　　报告期研发费用同比增长34.96%，主要系公司加大研发投入，研发人员同比增长41.41%。
　　4.在研项目情况
　　5.研发人员情况
　　6.其他说明

　　二、经营情况的讨论与分析
　　报告期内，公司保持了良好的增长势头，加大交付和推广力度，验收订单量增加，实现营业收入15,743.79万元，同比增长34.35%，实现归属于上市公司股东的净利润211.54万元，归属于上市公司股东的扣除非经常性损益的净利润111.29万元，较上年同期分别增加1,467.69万元、1,551.22万元，同比扭亏为盈，主要系报告期内公司营业收入增加、资金管理取得的利息收入增长和股份支付费用减少等因素的共同影响带来的利润增长。公司在不断夯实已商业化落地业务的同时，持续加强各领域研发投入，报告期内，公司研发投入7,706.15万元，占营业收入比例为48.95%，研发投入同比增长34.96%，截至报告期末研发人员数量为321人，同比增长41.41%，研发团队加速构建，持续在核心算法技术、应用场景相关技术进行前瞻性的研究和探索，为公司持续较快发展提供坚实支撑。

　　三、风险因素
　　（一）技术升级及产品迭代的风险
　　公司所处的人工智能行业技术升级及产品更新换代速度较快，且随着物联网、5G、云计算、大数据、多模态大模型、AIGC等新技术的快速发展，人工智能技术与其他新技术的融合运用将进一步推动行业的技术创新和产品升级，因此持续研发新技术、推出新产品是行业内公司在市场中保持优势的重要手段。如果公司未能及时准确地把握技术发展趋势，或者公司的技术研发进展滞后于下游市场需求，或者公司同行业竞争对手率先在相关领域取得重大突破，推出更先进、更具竞争力的技术和产品，造成公司未能顺利对技术及产品进行持续的迭代和升级，或者无法通过持续创新研发出具有商业价值、符合市场需求的新产品，将导致公司错失新的市场商机，对公司未来业务发展造成不利影响。
　　（二）关键技术人员流失、技术人才不足的风险
　　人工智能行业系典型的技术密集型、人才密集型行业，关键技术人员是人工智能公司生存和发展的关键，也是获得持续竞争优势的基础，更是保持不断研发创新的重要保障。截至报告期末，公司的研发人员数量为321人，占公司员工总人数的比例为65.38%。随着行业规模的扩张及竞争格局的演变，人工智能公司对优秀技术人才的争夺将日趋激烈，此外，随着公司业务规模的持续增长、下游用户需求不断升级，对人工智能技术先进性的要求日趋提升。如果公司不能持续加强对原有关键技术人才的激励和保护力度，或者不能持续引进新人才应对内部研发需要，或者在人才市场的竞争中在发展前景、薪酬、福利、工作环境、激励制度等方面无法保持持续吸引力，则面临关键技术人员流失、技术人才不足的风险，进而导致在技术研发、产品创新方面有所落后，对公司技术优势的维持和新产品的持续研发造成不利影响。
　　（三）知识产权受到侵害或泄密的风险
　　人工智能行业属于技术密集型行业，为了保持技术优势和竞争力，防止技术外泄风险，已掌握先进技术的行业内优势企业通常会通过申请专利、登记软件著作权等方式设置较高的进入壁垒。公司的核心技术是保持市场竞争力的重要支撑，相关知识产权的保护对公司的发展尤为重要。公司自设立以来，一直重视在知识产权保护方面的投入，但仍不能排除未来与竞争对手产生知识产权纠纷、公司的知识产权被侵权、个别竞争对手采取恶意诉讼拖延公司业务开展、个别公司员工由于对知识产权的理解出现偏差导致出现非专利技术侵犯第三方知识产权，以及公司部分尚处于研发过程中的非专利技术发生泄密的风险；如果发生知识产权纠纷或泄密，公司可能需要通过法律诉讼等方式维护自身权益，由此可能需承担较大的法律和经济成本，而诉讼结果也存在一定的不确定性，将对公司的生产经营、研发进展造成不利影响。
　　（四）公司在智慧金融领域客户集中度较高以及收入波动的风险
　　公司智慧金融领域客户集中度较高，如果出现主要客户的生产经营状况、采购预算计划、供应链体系等发生变化，公司未能持续获得主要客户的订单或公司与该等客户合作关系被其他供应商替代，或者公司无法有效开拓新客户资源，公司收入将存在较大波动的风险，从而对公司的经营发展、财务状况等产生不利影响。
　　（五）公司在体育健康、轨交运维、元宇宙等领域的商业化落地不及预期的风险
　　报告期内，公司的主营业务收入来自于智慧金融、城市管理、商业零售、轨交运维四大领域，在体育健康、元宇宙等领域进行了前瞻性的业务布局，部分产品及解决方案已成功在客户中开展试点。但新业务场景的商业化落地进度受制于多种因素，例如公司出现相关技术研发进展滞后、交付能力不足、客户对产品的接受程度和推广进度较弱等情形，将可能导致新产品不能较快规模化生产或被市场接受，或者商业化效益不及预期无法弥补前期投入，将会对企业的盈利水平和未来发展产生不利影响。
　　（六）收入存在季节性波动的风险
　　公司的收入存在明显的季节性特征，第四季度营业收入占全年主营业务收入的比重较高。其中：（1）终端客户收入主要集中在第四季度，主要原因系报告期内公司终端客户以大型国有企业为主，因其实行预算管理和集中采购制度，通常在年初制定预算和采购计划，年中开始陆续下单，年末验收，因此收入主要集中在第四季度。（2）公司集成商客户收入主要集中在下半年，主要原因系集成商的终端客户主要为各地政府机构、事业单位及大型国有企业等，集成商客户较多在上半年进行项目规划、试点及预算，下半年进行实施及验收，因此集成商客户下半年收入占比较高。公司销售收入的季节性波动对公司资产流动性和正常生产经营活动有一定的影响。

　　四、报告期内核心竞争力分析
　　(一)核心竞争力分析
　　1、深耕于计算机视觉行业的技术研发优势
　　公司掌握计算机视觉领域的核心算法技术，已形成了基于深度学习的模型训练与数据生产技术、3D立体视觉技术、自动化交通场景感知与事件识别技术、大规模跨镜追踪技术和机器人感知与控制技术五大技术方向并拥有多项自主知识产权；公司的人脸识别、车辆识别等核心算法在国际、国内的权威机构和组织举办的算法比赛中多次名列前茅。其中：公司在2022年ECCV PointCloud-C Challenge点云分割和点云分类两个赛道均获第2名，公司的人脸识别技术在公开数据集MegaFace上识别准确率达到99.1%，公司在公安部治安管理局亿级人像算法测试中，1比1人像比对测试万分之一误识率下的通过率为99.97%，5万样本比1亿级人像比对测试中首位命中率超过98%，均高于行业平均水平；公司的车辆识别技术能够对大陆号牌、港澳号牌、非机动车号牌等多种类型的车牌进行多种尺寸和角度的识别，支持倾斜角度在45°范围内的车牌，准确率在99%以上。同时，公司支持的机动车、非机动车、人体属性识别多达50余项，重点属性识别准确率超过95%，达到国内领先水平。
　　公司建立了以数据平台与训练平台为核心，涵盖数据采集、数据预处理、数据标注、模型训练、模型优选等模块的底层AI技术平台——深瞳大脑，有效提高了算法模型的研发效率及自动化水平。数据平台支持多源多模态数据的自动收集和清洗归类，通过构建自动化处理为主、人工标注为辅的标注体系，形成海量增长的标签数据池，有效节省标注成本，提高了算法模型的研发效率；训练平台则有效提高了模型训练的自动化水平，降低算法多平台部署应用的迁移难度，为算法高效生产及快速商业化应用奠定了重要基础。公司利用深瞳大脑对数十亿训练数据进行清洗并基于大规模数据训练大模型，在海量数据下，研发了基于弱监督的大模型训练算法，节省了大量数据标注资源，提升了少样本场景的准确率。数据、算法及应用在深瞳大脑内形成人工智能的正向循环，为公司的高效研发创新与产业应用提供了有力支持。
　　经过多年持续研发的优化，公司的训练任务管理平台产出的模型可无需人工干预，自动发布到各种类型的显卡或平台，包括英伟达显卡、嵌入式平台、海思平台、华为Altas计算卡等，从而达到模型快速高效交付的目的。除了该项基于深度学习的模型训练与数据生产技术之外，公司还形成了3D立体视觉技术、自动化交通场景感知与事件识别技术、大规模跨镜追踪技术和机器人感知与控制技术的技术方向，掌握了跨平台模型训练技术、海量数据生产技术、多目传感器标定与深度估计技术、运动姿态分析技术、人脸识别算法和引擎技术等多项核心技术。
　　2、快速的商业化落地能力和良好的市场口碑
　　公司凭借高效的算法生产技术以及对各下游行业与应用场景的深度理解，形成了产品快速的商业化落地的能力，并结合自研大模型技术，根据行业客户的需求不断优化、升级核心技术，公司的主营业务产品在下游主要核心客户的认可程度高，良好的市场口碑为公司市场拓展及持续发展奠定了重要基础。公司成立至今陆续开发了皓目行为分析仪、边缘计算设备、视图大数据平台、AI智能管理和分析平台、AI模型现场训练平台、列车智能检测平台、体育训考系统、体感互动系统、体育大数据系统、AI大型动捕技术平台等核心产品，并在智慧金融、城市管理、商业零售、轨交运维、体育健康、元宇宙等领域得到应用。公司自主研发设计的智能化设备在农业银行各地分支机构推广使用，使得公司金融领域的收入快速增长，目前产品已覆盖上万家网点，包含智能安保、智能运营、智能风控等多个金融业务场景；公司研发的边缘计算设备2018年一经推出就在中国石化的智慧油站项目中得到快速应用；2020年初，公司在短时间内，利用人工智能和双光谱成像等技术积累，迅速推出双光温测智能识别设备与应用系统，快速、精确、安全地进行体温测量与核查；公司的轨交运维解决方案在多个高铁、城轨和机车领域的试点项目进入研发、测试或交付验收阶段，支持数条高铁、地铁线路的列车巡检业务，通过点云技术对列车各零部件的数据进行高质量采集和智能分析，实现自动化的故障或缺陷检测，有效提高了检修效率，保证了列车的运行安全，其中，自主研发的列车智能检测平台已经成功在高铁和地铁线路上实现落地应用。公司于2023年5月发布智慧校园体育产品深瞳阿瞳目，以“运动体能训练项目+视觉姿态识别+AI”为核心，基于3D重建技术，并结合动作模型库和人体运动功能学，包含体育训考系统、体感互动系统和体育大数据系统，致力于打造学、练、赛、评一体化智慧校园体育解决方案；公司元宇宙形态相关产品先后于2022年9月、2023年6月在中国国际服务贸易交易会、中国科幻大会上对外展出，公司基于三维人体姿态和行为识别技术以及游戏内容开发能力自研的大规模沉浸式人机交互运动游戏项目具备真人线下运动式交互、无眩晕感沉浸式体验、内容一键下发+切换等优势，最大化增强沉浸式体验。
　　3、保持技术不断创新的机制安排和技术储备
　　公司以技术研发为核心驱动力，建立了研发管理流程、人才储备机制、股权激励机制、知识产权保护等多项保持技术不断创新的机制安排。公司在研项目涵盖计算机视觉、语音语义等多模态基础算法、智能硬件技术研发和智慧金融、城市管理、商业零售、轨交运维、体育健康、元宇宙各领域产品和下游应用及部分前瞻性探索项目的研发，技术储备充足，为公司产品的推陈出新提供了有力支持。公司拥有完整的研发组织架构与创新机制，以用户需求为核心，采用迭代、循序渐进的敏捷方法进行研发活动，并对整个产品生命周期进行管理，在过程中不断对执行结果和阶段目标进行总结复盘，通过不断迭代完善产品质量和改进研发过程。公司高度重视新技术的研发，专门设立有负责行业相关先进技术的前瞻性探索与研发创新的前沿技术研究院由公司创始人赵勇博士主导。
　　在智慧金融领域，公司搭建了适用于该领域的行为分析大模型技术架构，目前已完成场景试验、技术论证并实现落地应用，公司在计算机视觉基础上探索并拓展多模态技术，未来将融合自研的自然语言处理及自动语音识别等技术，充分赋能银行客户智能化场景应用；在轨交运维领域，公司的3D重建与立体视觉分析技术解决了传统算法中误差较大的问题，让计算机视觉技术运用于轨交检修的落地应用成为可能，通过应用机器人主动感知技术、自主规划与控制技术、虚拟示教与远程遥感技术，有效提升了机器人的环境适应性，提升实施效率，降低整体项目运营成本，而公司的模型压缩和边缘计算能力，可以实现对线路故障诊断算法的实时运行，机器人可利用自身算力实时处理线路数据，进行在线故障诊断；在体育健康领域，公司的3D立体视觉技术使得设备成本降低的同时，提高了可靠性和易用性，同时运动姿态分析技术通过采集不同场景下人体姿态数据，通过自主研发的三维人体姿态估计算法，能够克服人体关键点采集不准不稳的难题；在元宇宙领域，公司基于3D立体视觉技术自研了大规模沉浸式人机交互系统，提供在大场景中的人体动作姿态感知、六自由度游戏装备感知等能力，未来可应用于沉浸式互动游戏、赛事、发布会、文旅和展厅等领域。
　　4、团队优势和人才储备
　　经过多年发展，公司建立了一支高学历、高水平的研发队伍。截至报告期末，公司研发人员为321人，占员工总数的比重为65.38%。截至报告期末，公司的核心技术团队由公司创始人、董事长兼总经理赵勇博士等在内的6人组成，涵盖算法、智能应用、产品设计、硬件开发等多领域的资深人才，拥有丰富的学术知识与研发创新经验，对行业前沿技术与发展趋势具有深刻认知及判断，保障了公司核心技术的持续研发创新。
　　报告期内，公司研发投入7,706.15万元，占营业收入的比重为48.95%，研发投入同比增长34.96%。公司在核心算法技术、应用场景相关技术均有前瞻性的研究和探索，公司人工智能关键技术及在体育健康、轨交运维、元宇宙等更多领域的研发与探索，将进一步增强公司的技术积累，为持续较快发展提供坚实的技术支持。 收起▲

　　一、经营情况讨论与分析
　　2022年是公司登陆科创板元年，在这段新征途的起始之年，公司保持了良好的增长态势，实现营业收入35,365.35万元，同比增长20.47%，归属于母公司所有者的净利润3,261.49万元，归属于母公司所有者的扣除非经常性损益的净利润2,507.14万元，较上年同期分别增加10,103.26万元、9,018.02万元，实现扭亏为盈。
　　（一）持续加大研发投入，增强竞争优势
　　人工智能行业是技术密集型、人才密集型行业，高水平技术人员是公司获得持续竞争优势的基础和发展的关键，更是保持不断研发创新的重要保障，公司以技术研发为核心驱动力，持续加强各领域研发投入，不断增... 查看全部▼

　　一、经营情况讨论与分析
　　2022年是公司登陆科创板元年，在这段新征途的起始之年，公司保持了良好的增长态势，实现营业收入35,365.35万元，同比增长20.47%，归属于母公司所有者的净利润3,261.49万元，归属于母公司所有者的扣除非经常性损益的净利润2,507.14万元，较上年同期分别增加10,103.26万元、9,018.02万元，实现扭亏为盈。
　　（一）持续加大研发投入，增强竞争优势
　　人工智能行业是技术密集型、人才密集型行业，高水平技术人员是公司获得持续竞争优势的基础和发展的关键，更是保持不断研发创新的重要保障，公司以技术研发为核心驱动力，持续加强各领域研发投入，不断增强技术储备，加速研发团队构建，核心技术团队涵盖算法、智能应用、产品设计、硬件开发等多领域的资深人才，拥有丰富的学术知识与研发创新经验，持续在核心算法技术、应用场景相关技术进行前瞻性的研究和探索，为公司持续较快发展提供坚实支撑。公司按计划并行推进多个研发项目，一方面对人工智能算法平台和自研硬件进行重点投入，而在应用领域方面，则是重点强化对轨交运维、体育健康和元宇宙领域的研发投入。报告期内，公司研发投入13,234.24万元，占营业收入比例为37.42%，研发投入同比持续增长，截至报告期末，研发人员数量为276人，同比增长49.19%，人才储备不断完善。
　　（二）深耕现有落地场景并积极寻求拓展
　　公司凭借高效的算法生产技术以及对各下游行业与应用场景的深度理解，在市场上拥有良好口碑，目前多款人工智能产品及解决方案已经在智慧金融、城市管理、商业零售、轨交运维等多个业务场景得到应用，在应用的同时公司根据下游客户的需求不断优化、升级核心技术，确保持续的技术创新。在不断夯实现有的商业落地场景的同时，公司积极寻求其他商业落地场景的拓展，在体育健康、轨交运维、元宇宙等方向推进试点应用工作，并开展前沿性探索，增强公司落地场景的丰富度。
　　（三）推动智能网联交通业务公司化运营
　　伴随智能网联汽车进入飞速发展阶段的契机，2022年11月，公司设立控股子公司北京开云以推动智能网联交通业务的公司化运营，增强该业务的市场竞争力。北京开云基于公司自动识别各类车辆、智能分析交通行为的技术储备和智能网联交通行业快速发展的情况，实现车、路、人、环境之间实时动态的交互联动，在提高交通行车安全、减轻驾驶员负担方面具有重要作用，并有助于节能环保和提高交通效率。
　　北京开云设立后，已经完成车路协同感知MEC和车载移动违法抓拍设备的产品研发立项，正逐步组建专业的研发和产品团队，相关业务正在有序推进中。
　　
　　二、报告期内公司所从事的主要业务、经营模式、行业情况及研发情况说明
　　(一)主要业务、主要产品或服务情况
　　公司以“让计算机看懂世界，让AI造福人类”为愿景，专注于将先进的计算机视觉技术、大数据分析技术、机器人技术和人机交互技术与应用场景深度融合，提供面向智慧金融、城市管理、商业零售、轨交运维、体育健康、元宇宙的人工智能产品及解决方案。公司经过多年的技术研发与积累，已有效掌握了基于深度学习的模型训练与数据生产技术、3D立体视觉技术、大规模跨镜追踪技术、自动化交通场景感知与事件识别技术、机器人感知与控制技术等方向的多项核心技术，凭借过硬的技术能力和长期的商业化经验，已成功在智慧金融、城市管理、商业零售、轨交运维四大领域实现落地应用，其中：城市管理领域已覆盖全国多省市的公安局、公安交通管理局、政法委员会等政府机关或企事业单位；智慧金融领域已覆盖农业银行全国各省市的上万家网点，包含智能安保、智能运营、智能风控等多个金融业务场景，同时，公司参与搭建某国有银行总行AI平台，并开始在其他国有银行分支行进行试点；商业零售领域主要收入来自排名前列的地产类客户；轨交运维领域公司自研的列车智能检测解决方案已在高铁和地铁项目中通过验收，实现落地应用，为列车的安全运维提供保障，在研产品己涵盖轨交机务、电务和工务三大工种。除此之外，公司在体育健康、元宇宙等更多领域进行前瞻性的布局，部分在研产品已成功在客户中开展试点，各类产品和解决方案的研发和落地工作按计划有序推进。公司从客户需求出发，面向智慧金融、城市管理、商业零售、轨交运维、体育健康、元宇宙不同领域的客户，提供相应的行业解决方案。
　　(二)主要经营模式
　　1、盈利模式
　　公司主要从事计算机视觉技术、大数据分析技术、机器人技术和人机交互技术的研发和应用。公司的盈利来源于向客户提供面向应用场景的人工智能产品及解决方案获得销售收入。公司自主研发的人工智能产品主要包括智源智能前端产品、灵犀数据智能平台及深瞳行业应用平台。人工智能产品既可以标准化模式销售，也可根据客户需求进行产品组合，提供定制化服务，以整体行业解决方案向客户交付。
　　2、研发模式
　　公司拥有完整的研发组织架构与创新机制，以用户需求为核心，采用迭代、循序渐进的敏捷方法进行研发活动，并对整个产品生命周期进行管理，在过程中不断对执行结果和阶段目标进行总结复盘，通过不断迭代完善产品质量和改进研发过程。公司具体的研发过程如下所示：
　　（1）在产品需求调研阶段，公司对行业发展趋势、市场规模和用户核心需求进行调研分析，并结合公司产品战略规划，由产品团队完成需求分析，确定产品的核心目标特性和功能，由研发团队进行技术路线规划。
　　（2）在可行性验证阶段，公司进行大量算法实验以寻找合理科学的解决方案，产品经理、算法工程师、软硬件开发工程师和测试团队密切配合，在产品负责人的协调下进行多次短平快的软件原型迭代，每一次迭代都会在产品实际使用场景中进行反复实验确认，通过与客户持续沟通，调整和优化，确认产品最终形态的各功能模块和参数指标，并明确研发周期。在整个过程中，算法团队负责完成实验场景的建设和数据收集，并进行验证性实验；软件开发团队负责针对应用场景进行原型验证和开发；智能硬件团队负责对硬件产品的相关指标进行可行性实验和评估。
　　（3）在产品研发阶段，产品经理将总结可行性验证阶段的成果，转化为产品功能指标及开发任务，确保产品交付节点和产品定义与用户预期保持一致；算法和工程团队协同完成算法模型设计开发、数据收集清洗、功能特性开发等工作；测试团队按照产品定义对产品每个开发版本进行验收，并完成自动化测试脚本；智能硬件团队完成新硬件产品的结构设计和工业设计，有效评估外观、材质、散热、电气等特性，并负责设备软件开发和集成，交付少量可以进行测试认证的工程样机。该阶段产品会发布多个内外部测试版本，在实践中进行快速迭代。
　　（4）产品发布阶段是在产品完成核心功能开发后，在目标市场具备销售的条件时，产品经理建立产品的标准文档、销售价格、实施方案、售后体系，研发团队将大量来自客户实际使用的数据进行处理，快速迭代，提高产品成熟度；新的硬件产品会在这一阶段完成小批量验证和量产导入，实现加工生产工艺所需要的工装硬件和工具软件；测试团队进行大量密集的现场测试，确保产品满足产品定义的各类功能指标。这一阶段的完成标志产品正式版本发布。
　　（5）产品运营阶段在产品正式发布后，产品经理结合市场反馈与发展趋势，制定多个后续产品版本，不断创新，推出符合市场需求的产品新版本，以对产品进行持续的运营、维护和改进。
　　3、采购模式
　　公司专注于人工智能产品及解决方案的研发和销售，不涉及硬件的直接生产。
　　针对标准硬件、配件及服务类采购，公司直接向供应商提出待采购产品或服务的需求，供应商按照指定的时间和地点进行交付；针对定制化硬件，公司采购主要原材料并发货至委外加工厂，由其进行生产加工。公司选择专业的代工厂，依托其已有的完善的品质控制、生产制造管理和硬件设施进行专业的代工生产。公司通过新产品导入、质量检验标准发布、生产工艺发布、测试检验工具发布等方式确保产品生产的有效性、一致性和稳定性。
　　4、销售模式
　　公司结合下游行业的业务特点与主要产品的市场定位，制定了直接销售的销售模式，向终端客户或集成商客户直接销售人工智能产品及解决方案。其中终端客户是指直接使用公司产品及解决方案的各行业领域客户，包括金融机构、政府部门、公安机关、企事业单位等；集成商是指承担系统集成、安装部署、运营维护等职能的企业，包括终端客户的项目总包方或其指定的工程服务商等。公司与客户直接对接需求，通过商务谈判、参与招投标等方式获取订单。公司建立了完善的直销服务体系，目前已在全国划分了华东、华中、华北、东南、西南、东北、西北七个大区进行区域化和行业化的矩阵式管理，以提供及时、高效的销售服务。
　　(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
　　根据国家统计局《国民经济行业分类》（GB/T4754-2017），公司属于“软件和信息技术服务业”（行业代码为I65）。根据《战略性新兴产业分类（2018）》，公司属于“新一代信息技术产业”中的“人工智能”行业。公司专注于将先进的计算机视觉技术、大数据分析技术、机器人技术和人机交互技术与应用场景深度融合，提供面向智慧金融、城市管理、商业零售、轨交运维、体育健康、元宇宙的人工智能产品及解决方案，所属行业为人工智能行业中的计算机视觉行业。
　　（1）行业发展阶段和基本特点
　　①人工智能行业
　　人工智能行业的产业链可分为基础层、技术层、应用层。其中，基础层主要包括芯片、软件框架、传感器、服务器、数据（集）等软硬件及服务，为技术层提供算力、数据等底层支撑，是人工智能发展的重要基石。
　　技术层主要通过基础层的算力、数据支持，进行海量模拟训练和机器学习建模，为人工智能提供核心的算法与应用技术，主要包括以深度学习为代表的算法模型，以及计算机视觉、智能语音、机器学习、生物特征识别、知识图谱等关键技术。技术层是人工智能发展的核心，对应用层的智能化发展起到决定性作用。
　　应用层则是基于基础层与技术层，面向特定应用场景需求而形成的软硬件产品或解决方案。人工智能应用广泛，可有效赋能下游领域实现人工智能应用，为其转型与发展注入强劲新动能。
　　人工智能是引领新一轮科技革命和产业变革的战略性技术，具有溢出带动性很强的“头雁”效应。全球主要经济体均积极推进制定人工智能发展战略，持续推进技术的产业化发展，在政府推动下，各国科技企业积极跟进，进一步提升人工智能领域投资，根据IDC数据，各主要经济体的人工智能投入占其本国GDP总量的比例均出现不同程度提升，从2015年-2022年，美国人工智能投入占比提高了3倍，德国提高了5倍，而中国人工智能投入占比则提高了13倍之多。我国把人工智能放在国家战略层面，出台了一系列重要政策鼓励支持人工智能的发展。《新一代人工智能发展规划》明确指出了到2030年我国新一代人工智能发展“三步走”的战略目标。十四五规划中明确提出“推动互联网、大数据、人工智能等同各产业深度融合”。随着人工智能技术的不断进步与发展，部分技术进入产业化发展阶段，智能应用已成为当前及未来较长发展周期的核心要义。与此同时，人工智能正与生产生活的各个领域相融合，有效提升各领域的智能化水平，在带动新产业兴起的同时也为传统领域带来变革机遇，从而拥有极为广阔的市场前景。IDC预测，中国人工智能市场支出规模将在2023年增至147.5亿美元，2026年中国AI市场将实现264.4亿美元市场规模，2021-2026五年复合增长率将超20%。
　　②计算机视觉行业
　　根据国家标准化管理委员会指导编制的《人工智能标准化白皮书（2018版）》，计算机视觉是使用计算机模仿人类视觉系统的科学，让计算机拥有类似人类提取、处理、理解、分析图像以及图像序列的能力。
　　目前，计算机视觉作为人工智能中技术率先取得较大突破、应用场景较为明确的关键技术之一，在人工智能中占据重要地位，已在工业界逐步实现商用价值，步入规模化商业落地阶段。同时，随着相关设备能力的改善（如算力、内存容量、能耗、图像传感器分辨率和光学器件等），提升了应用的性能和成本效益，进一步加快了计算机视觉商业应用的扩展。据iResearch数据，2021年我国计算机视觉产品的市场规模占整个人工智能行业的49.6%，达到990亿元，带动相关产业规模超过3,079亿元。预计至2026年，我国计算机视觉核心产业规模和带动相关产业规模将分别增长至2,208亿元和6,733亿元，年均复合增长率分别为17.4%和16.9%。从市场规模、场景泛用、带动作用来说，计算机视觉领域未来市场空间广阔。
　　（2）主要技术门槛
　　公司所属人工智能行业属于技术密集型行业，行业进入壁垒高，产品具有高技术含量、高附加值等特点，企业需拥有高效的研发创新和产业应用能力，头部企业拥有深厚的技术积累和不断进行先进技术探索的机制，在经营方面需拥有不同业务场景的快速商业化落地能力和良好市场口碑，对企业的研发、销售等业务管理能力均有较高的要求。
　　2.公司所处的行业地位分析及其变化情况
　　在AI算法层面，公司的核心算法多次在国内外人工智能算法竞赛中夺冠，达到行业领先水平；公司在研发过程中向学术界开源了TriionPairs和Gint360K两个人脸识别数据集，开源了PartiaFC训练代码，推动了行业技术的发展；同时，公司承担了国家科技部、北京市科学技术委员会等多项人工智能技术应用的重大科研项目，并与全国信息安全标准化技术委员会、中国安全防范产品行业协会、中国信息通信研究院、中关村标准化协会、国家工业信息安全发展研究中心、中国电子工业标准化技术协会、中关村智慧城市产业技术创新战略联盟、中关村中安公共安全视频智能应用技术联盟等单位开展多项标准化制定工作。
　　在AI应用层面，公司已将核心算法技术运用在主营产品中，形成了面向智慧金融、城市管理、商业零售、体育健康、轨交运维、元宇宙等领域的人工智能产品及解决方案，并根据下游客户的需求不断优化、升级核心技术，确保持续的技术创新。公司的主营业务产品在下游主要核心客户的认可程度高，良好的市场口碑为公司市场拓展及持续发展奠定了重要基础。
　　人工智能下游的应用领域众多，目前与公司同行业的人工智能企业在下游应用领域的布局方面各有侧重，未来市场空间较大。公司作为计算机视觉领域的创新型人工智能企业之一，目前尚处于产业化与市场拓展的快速发展阶段，在多个人工智能细分应用领域中已较早完成了产品布局，未来在新应用领域的业务拓展将持续提升公司的市场份额和竞争地位。
　　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
　　近年来，由于人工智能已成为科技创新的关键领域和数字经济时代的重要支柱，在国家及地方多项政策和资金支持下，我国人工智能技术和产业蓬勃发展，进入了新的发展阶段，应用场景也在不断的拓宽、融合和多元化发展，产业结构逐渐完善，2022年，人工智能在各个行业的渗透率均有提升，在互联网、金融、政府、电信和制造业等行业的应用渗透率居前，成为企业寻求提升用户体验和保持竞争力的重要能力。我国人工智能领域在企业、专利和论文数量等方面都进入国际领先行列，自主研发的开源深度学习框架、开源工具集、开源应用软件、开源社区快速发展，在国际人工智能开源社区的贡献度已成为仅次于美国的第二大贡献国。借助数据获取渠道广、行业应用场景丰富以及总体投资水平高等优势，我国人工智能企业在技术创新与快速商业化方面形成了良好的发展环境，但在人工智能基础理论和原始创新方面仍相对较弱，核心智能芯片和基础元器件的自主研发生产能力与国际领先水平尚存在较大的差距。
　　数据、算力和算法是人工智能发展的三驾马车。在数据层面，人工智能技术需要大量的标注数据，推动数据规模不断增长，数据服务走向深度定制化，高质量知识集加速构建。在算力层面，2022年2月国家启动实施的“东数西算”工程和智能计算中心的建设通过算力基础设施从点到网的升级，逐步构建起更健全的基础设施结构，而数据的攀升、算法和模型领域的突破更加要求人工智能产品快速、精准地处理大量数据或执行复杂的指令，这对算力提出更高的需求，在技术发展的客观要求、政策的支持和资本的推动等多重因素驱动下，各类人工智能芯片快速演进发展。在算法层面，超大规模预训练模型成为热点，推动人工智能技术效果不断提升，继续朝规模更大、模态更多的方向发展，多模态技术的支持使得单一自然语言处理或计算机视觉模型发展成语言文字、图形图像、音视频等多模态、跨模态模型，推动了AIGC内容多样性的提升，使AIGC拥有了更为通用的能力，引发AIGC技术能力的质变。AIGC作为当前新型的内容生产方式，已率先在传媒、电商、影视和娱乐行业等数字化程度高、内容需求丰富的场景取得进展，展现出了一定的市场潜力，同时，在加快产业升级的进程中，AIGC在金融、医疗、工业等领域的应用也将迅速发展。
　　作为在人工智能行业技术成熟度较高、商业化进程较快的细分领域，计算机视觉技术从最初的静态人脸识别和光学字符识别起步，逐渐扩展到了人脸识别分析、活体检测、人体识别分析、物体检测识别、行为识别分析等诸多方向，应用场景也从较早的城市管理、金融、互联网、商业零售等领域，扩展到轨道交通、医疗健康、元宇宙、人机交互等创新领域。神经网络和深度学习是计算机视觉的基石，而数据、算力和算法三驾马车的发展极大拉动了计算机视觉技术的发展。海量的应用场景数据为计算机视觉算法提供训练基础，使得算法精准度提升，让机器实现更为精准的视觉识别；人工智能芯片的发展大幅提升了数据处理速度，缩短了计算过程和模型架构调整时间，为计算机视觉的发展提供了算力支持；深度学习算法的发展提升了计算机视觉准确度。目前计算机视觉企业的技术成熟度均已达到较高水平，同行业企业间的技术差异在逐渐缩小，在大部分应用场景下，各企业的技术水平都已经可以较好的满足用户需求，因而未来计算机视觉企业间的竞争将从技术领先性竞争逐步转向以拓展落地场景和理解用户需求为核心的综合服务能力竞争。
　　(四)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
　　公司打造了底层AI技术平台——深瞳大脑，深瞳大脑作为公司核心技术的驱动平台，赋能公司人工智能产品及解决方案的技术实现。深瞳大脑包含数据平台和训练平台，由数据采集、数据预处理、数据标注、模型训练、模型优选、数据管理等模块组成。
　　数据平台支持多源多模态数据的自动收集和清洗归类，通过构建自动化处理为主、人工标注为辅的标注体系，形成海量增长的标签数据池，有效节省标注成本，提高了算法模型的研发效率；训练平台则有效提高了模型训练的自动化水平，降低算法多平台部署应用的迁移难度，为算法高效生产及快速商业化应用奠定了重要基础。目前，公司深瞳大脑可支持数十亿训练数据、数亿类别任务，数十亿参数模型的训练。训练平台生产高质量的算法，推动应用的落地，数据平台收集应用产生的高质量数据又促进算法的提升，从而算法、应用、数据在深瞳大脑系统内形成人工智能的正向循环，为公司的高效研发创新与产业应用提供了有力支持。
　　（1）基于深度学习的模型训练与数据生产技术
　　公司自研的海量数据算法生产技术通过自有的核心算法结合大数据平台的分析处理技术，支持在海量数据中进行挖掘，主动触发模型更新训练，有效的提高了算法的准确率和生产率。同时，公司自建的数据标注平台，通过组建具有专业背景的标注团队，用人工标注加AI模型自动化预识别的方法，为算法提供精准的基础训练数据，可覆盖公司内部99%的算法标注任务。
　　公司利用自研的底层AI技术平台深瞳大脑对数十亿训练数据进行清洗，并基于大规模数据训练大模型，在海量数据下，研发了基于多模态弱监督的大模型训练算法，节省了大量数据标注资源。该算法已投稿到国际顶级会议ICLR2023并被接收，公司已在业务中利用该大模型提升少样本场景的准确率，进一步验证了该大模型在下游任务中的泛化能力。
　　跨平台模型训练技术用于简化AI算法生产，该技术基于自主研发的训练框架，可实现常用业务AI算法的一键式训练，为常见业务中的分类、检测等算法提供便捷快速的实用模型。针对不同应用场景的算法开发，公司自主研发的跨平台模型训练技术可将训练任务管理平台产出的模型自动发布到各种类型的显卡或平台，包括英伟达显卡、嵌入式平台、海思平台、华为Atas计算卡等，无需人工干预，从而达到模型快速高效交付的目的，可有效的降低研发成本，有助于提升产品的市场竞争力。
　　（2）3D立体视觉技术
　　3D立体视觉一般通过结构光、激光雷达等特殊传感器采集得到场景的深度信息，再利用深度信息和可见光信息一同计算出场景的三维图像。
　　多目传感器标定与深度估计技术使用一对成本更为低廉的可见光相机组成双目系统，对场景深度信息进行估算，在达到普通结构光相机精度的同时，提高了相机的可靠性和易用性，并能覆盖更多的结构光相机无法工作的光线条件和场景。基于这项技术的输出，使公司的算法能更好地适应多种不同的场景和目标，进而对人体、物体、场景进行高精度的重建。
　　运动姿态分析技术通过采集不同场景下人体姿态数据，通过自主研发的三维人体姿态估计算法，能够解决人体关键点数据采集不准确或不稳定的问题。公司基于单目相机的三维重构技术结合动作模型库及人体运动功能学的特点，优化了使用单目相机获取三维人体关键点的效果，解决了基于二维人体关键点进行判断的难题，使得运动姿态分析算法在三维人体上做出更为精准的判断，进而可以应用在体育健康与行为分析领域对人体三维姿态的准确识别与分析。
　　运动姿态分析技术在智慧金融领域可以协助银行客户进行员工履职分析与管控，人员重点区域违规管控（如非授权人进入、员工缺岗等）、人员操作异常管控（如单人加钞、大额现金遗留等）、人员动作异常管控（如异常倒地、打架、各类防护舱业务等）等项目均达到较高的检测精度；而在体育健康领域，该技术可评判用户动作是否完成及标准程度，评判仰卧起坐、引体向上、跳绳、篮球交替运球、篮球护球训练等17项基础测试和训练动作时，也可具备较高水平的检测精度。3D重建与立体视觉分析技术在轨交运维场景可将离散的局部列车零部件数据进行融合和重构，得到列车标准模型，将几何模型分析、深度学习等技术运用到列车标准模型、点云数据、图片等多维度数据，进行零部件匹配和故障诊断。公司基于深度学习的点云配准技术已在多个学术数据集上取得第一，通过点云几何结构和基于Transformer的多层特征投票机制提升正确匹配点云比例，提升点云配准精度，在真实业务测试集上旋转向量误差小于1度、平移向量误差小于0.3mm，该技术对产品落地起到了至关重要的作用。目前，公司产品已覆盖列车常见的190余种故障项点，项点处理速率超过20,000个/小时，在高级重要性项点的故障诊断成功率大于95%，对于高精度测量的项点，测量精度到达亚毫米级别。
　　（3）自动化交通场景感知与事件识别技术
　　公司拥有国内领先的车辆识别技术，能够运用高精度目标检测与跟踪技术对大陆号牌、港澳号牌、非机动车号牌等多种类型的车牌进行多种尺寸和角度的识别，支持倾斜角度在45°范围内的车牌，准确率在99%以上。同时，公司支持的机动车、非机动车、人体属性识别多达50余项，重点属性识别准确率超过95%。
　　在对交通场景中车辆进行分析时，公司结合在人脸识别技术上的优势研发了多目标属性识别与对象关联技术。该技术可以将车内驾驶员与车辆绑定，协助交通管理部门和公安部门查找可疑人员，提供破案线索。由于车内光线较暗、抓拍受挡风玻璃干扰、司乘人员人脸姿态不受控、人脸有遮阳板墨镜口罩等遮挡的原因，普通的人脸识别算法都会有较大的下降，公司在人脸识别技术上的优势可以做到在以上困难环境下仍能达到较高的识别率。
　　公司研发的交通场景理解及事件检测识别技术，基于自适应交通场景理解和车辆特征识别的技术能力，无需人工标注，可自动化识别闯红灯、不按导向行驶、不礼让行人等11种交通违法场景，同时结合车辆重识别技术可准确定位车辆位置，实现对交通视频的自动分析、事件预警和违法事件的自动审核。
　　（4）大规模跨镜追踪技术
　　公司拥有完全自研的人脸识别算法和引擎技术，在多种光线条件、人脸角度的场景下都能达到较高的识别准确度。公司在研发过程中开源了TriionPairs和Gint360K两个人脸识别数据集以及PartiaFC训练代码，其中PartiaFC相关论文已被视觉顶尖会议CVPR2022接收，推动了行业技术的发展。公司的人脸识别技术在公开数据集MegaFace上识别准确率达到99.1%。公司在公安部治安管理局亿级人像算法测试中，1比1人像比对测试万分之一误识率下的通过率为99.97%，5万样本比1亿级人像比对测试中首位命中率超过98%，均高于行业平均水平。
　　公司研发的百亿级人员聚类技术可支撑上万路摄像头接入并实时完成动态聚类，支持室内场景和光照、质量和姿态等都不受控的室外复杂场景中的大规模商用。
　　为了达到上万路摄像头接入并实时完成动态聚类的应用要求，公司研发了海量数据以图搜图技术。公司研发的以图搜图引擎支持多架构、不同计算设备上的图片检索功能。针对检索频率高实时要求强的场景，以图搜图引擎支持英伟达全系显卡以及华为计算卡的图片检索。针对检索频率低实时要求不强，但图片数量较大的场景，单机可实现上亿人脸图片秒级返回，集群可实现数十亿级图片秒级返回。针对海量图片检索场景，以图搜图引擎实现了单机检索30亿人脸图片20秒内返回结果的性能。配合集群可实现百亿级图片数十秒检索的性能。该技术已广泛应用在公司多个应用场景的产品及解决方案中。
　　人脸属性表达技术在公共安全等场景具有广泛应用，同时也能辅助大规模人员聚类。公司研发的人脸属性包括年龄、性别、种族、表情、姿态、遮挡、模糊等多项属性。该技术使用单模型、多任务协同训练策略，利用各个属性任务之间的相关性来辅助训练单个模型，可在缩减运算资源的同时保证每个属性的精度。
　　公司多场景广覆盖人脸活体识别技术可应用在闸机口等通行相关的场景，公司已积累了千万级的攻击样本，可防止人员通过打印照片、屏幕、3D面具等非活体人脸通过闸机。
　　（5）机器人感知与控制技术
　　公司将实时定位与建图技术、机械臂视觉反馈技术、机器人路径规划与自主导航技术运用于轨交运维机器人等场景，算法适应性良好，机器人该场景中，以最高1m/s的速度做无碰撞运动，达到轨交运维应用所需的技术水平。其中，机器人实时定位与建图技术，又称SLAM技术，在室内和半户外场景下拥有良好的定位精度，在结构化的室内场景下，定位精度可达毫米级，在工业现场的半户外场景下，定位精度可达厘米级。同时，公司针对SLAM普遍算力要求较高的问题做出了优化，完成SLAM模块向特定型号嵌入式主板的迁移和适配工作；机械臂视觉反馈技术，又称手眼协同技术，在机械臂重复性动作的场景中收到良好效果，得到视觉反馈之后的机械臂定位，较普通机械臂定位的精度有较大提升。同时，在保证精度的前提下，时间延迟不超过1秒，保证了精度和实时性；机器人路径规划与自主导航技术，包含机器人定点巡逻、远程临场、人员跟随等功能模块，运用于自动化检修场景中。
　　公司的机器人虚拟示教技术，能够通过高精度3D重建技术，搭建虚拟列车检修空间，构建一个包含作业坑道、列车、机器人等元素，同时考虑物体碰撞、真实设备性能、环境噪声等因素的虚拟机器人作业空间。在虚拟空间内进行机器人示教，通过控制虚拟空间中的机器人进行采集位置确认工作，支持多人协作和远程操作，极大缓解项目实施过程中对真实列车的依赖，提升3倍以上的实施速度。
　　公司的机器人遥感技术则通过将虚拟点位下发给机器人，通过坐标空间变换、运动分解、轨迹规划等技术，使机器人获取在物理空间中可执行的动作指令，该技术既支持异步动作执行，也支持在线的虚拟机器人-真实机器人实时动作执行。
　　国家级专精特新“小巨人”企业、制造业“单项冠军”认定情况
　　公司入选北京市专精特新“小巨人”企业。
　　2.报告期内获得的研发成果
　　截至报告期末，公司拥有专利34项、软件著作权82项。其中，报告期内新增专利4项、软件著作权11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
　　
　　三、报告期内核心竞争力分析
　　(一)核心竞争力分析
　　1、深耕于计算机视觉行业的技术研发优势
　　公司掌握计算机视觉领域的核心算法技术，已形成了基于深度学习的模型训练与数据生产技术、3D立体视觉技术、自动化交通场景感知与事件识别技术、大规模跨镜追踪技术和机器人感知与控制技术五大技术方向并拥有多项自主知识产权；公司的人脸识别、车辆识别等核心算法在国际、国内的权威机构和组织举办的算法比赛中多次获得第一。其中：公司的人脸识别技术在公开数据集MegaFace上识别准确率达到99.1%，公司在公安部治安管理局亿级人像算法测试中，1比1人像比对测试万分之一误识率下的通过率为99.97%，5万样本比1亿级人像比对测试中首位命中率超过98%，均高于行业平均水平；公司的车辆识别技术能够对大陆号牌、港澳号牌、非机动车号牌等多种类型的车牌进行多种尺寸和角度的识别，支持倾斜角度在45°范围内的车牌，准确率在99%以上。同时，公司支持的机动车、非机动车、人体属性识别多达50余项，重点属性识别准确率超过95%，达到国内领先水平。
　　公司建立了以数据平台与训练平台为核心，涵盖数据采集、数据预处理、数据标注、模型训练、模型优选等模块的底层AI技术平台——深瞳大脑，有效提高了算法模型的研发效率及自动化水平。数据平台支持多源多模态数据的自动收集和清洗归类，通过构建自动化处理为主、人工标注为辅的标注体系，形成海量增长的标签数据池，有效节省标注成本，提高了算法模型的研发效率；训练平台则有效提高了模型训练的自动化水平，降低算法多平台部署应用的迁移难度，为算法高效生产及快速商业化应用奠定了重要基础。公司利用深瞳大脑对数十亿训练数据进行清洗并基于大规模数据训练大模型，在海量数据下，研发了基于弱监督的大模型训练算法，节省了大量数据标注资源，提升了少样本场景的准确率。数据、算法及应用在深瞳大脑内形成人工智能的正向循环，为公司的高效研发创新与产业应用提供了有力支持。
　　经过多年持续研发的优化，公司的训练任务管理平台产出的模型可无需人工干预，自动发布到各种类型的显卡或平台，包括英伟达显卡、嵌入式平台、海思平台、华为Atas计算卡等，从而达到模型快速高效交付的目的。除了该项基于深度学习的模型训练与数据生产技术之外，公司还形成了3D立体视觉技术、自动化交通场景感知与事件识别技术、大规模跨镜追踪技术和机器人感知与控制技术的技术方向，掌握了跨平台模型训练技术、海量数据生产技术、多目传感器标定与深度估计技术、运动姿态分析技术、人脸识别算法和引擎技术等多项核心技术。
　　2、快速的商业化落地能力和良好的市场口碑
　　公司凭借高效的算法生产技术以及对各下游行业与应用场景的深度理解，形成了产品快速的商业化落地的能力，并根据下游客户的需求不断优化、升级核心技术，公司的主营业务产品在下游主要核心客户的认可程度高，良好的市场口碑为公司市场拓展及持续发展奠定了重要基础。公司成立至今陆续开发了皓目行为分析仪、边缘计算设备、视图大数据平台、AI智能管理和分析平台、AI模型现场训练平台、列车智能检测平台、智慧体育训考一体化平台、AI大型动捕技术平台等核心产品，并在智慧金融、城市管理、商业零售、轨交运维、体育健康、元宇宙等领域得到应用。公司自主研发设计的智能化设备在农业银行各地分支机构推广使用，使得公司金融领域的收入快速增长，目前产品已覆盖上万家网点，包含智能安保、智能运营、智能风控等多个金融业务场景；公司研发的边缘计算设备2018年一经推出就在中国石化的智慧油站项目中得到快速应用；2020年初，公司在短时间内，利用人工智能和双光谱成像等技术积累，迅速推出双光温测智能识别设备与应用系统，快速、精确、安全地进行体温测量与核查；公司的轨交运维解决方案在多个高铁、城轨和机车领域的试点项目进入研发、测试或交付验收阶段，支持数条高铁、地铁线路的列车巡检业务，通过点云技术对列车各零部件的数据进行高质量采集和智能分析，实现自动化的故障或缺陷检测，有效提高了检修效率，保证了列车的运行安全，其中，自主研发的列车智能检测平台已经成功在高铁和地铁线路上实现落地应用。公司的体育健康业务产品在多地校园场景进行试点，通过智慧化训练场改造以及一体化的交互设备部署，汇总学生体育运动数据，并进行自动化的教学分析、评价、指导，识别学生个体差异，为在校生及教师提供日常教学支持和考试服务，面向“教、练、考、赛”四大场景，实现校园全场景覆盖，打造校园体育一体化解决方案，精准评估辅助决策，助力学校分层教学，构建基于人工智能的智慧体育新型教学模式；公司元宇宙形态相关产品于2022年9月在北京举办的中国国际服务贸易交易会上首次对外展出，公司基于三维人体姿态和行为识别技术以及游戏内容开发能力自研的线下超大型沉浸式人机交互运动游戏项目具备真人线下交互、无眩晕感沉浸式体验、内容一键下发+切换等优势。
　　3、保持技术不断创新的机制安排和技术储备
　　公司以技术研发为核心驱动力，建立了研发管理流程、人才储备机制、股权激励机制、知识产权保护等多项保持技术不断创新的机制安排。公司在研项目涵盖基础算法技术研发和智慧金融、城市管理、商业零售、轨交运维、体育健康、元宇宙各领域产品和下游应用的研发，技术储备充足，为公司产品的推陈出新提供了有力支持。公司拥有完整的研发组织架构与创新机制，以用户需求为核心，采用迭代、循序渐进的敏捷方法进行研发活动，并对整个产品生命周期进行管理，在过程中不断对执行结果和阶段目标进行总结复盘，通过不断迭代完善产品质量和改进研发过程。公司高度重视新技术的研发，专门设立有负责行业相关先进技术的前瞻性探索与研发创新的前沿技术研究院由公司创始人赵勇博士主导。
　　在轨交运维领域，公司的3D重建与立体视觉分析技术解决了传统算法中误差较大的问题，让计算机视觉技术运用于轨交检修的落地应用成为可能，通过应用机器人主动感知技术、自主规划与控制技术、虚拟示教与远程遥感技术，有效提升了机器人的环境适应性，提升实施效率，降低整体项目运营成本，而公司的模型压缩和边缘计算能力，可以实现对线路故障诊断算法的实时运行，机器人可利用自身算力实时处理线路数据，进行在线故障诊断；在体育健康领域，公司的3D立体视觉技术使得设备成本降低的同时，提高了可靠性和易用性，同时运动姿态分析技术通过采集不同场景下人体姿态数据，通过自主研发的三维人体姿态估计算法，能够克服人体关键点采集不准不稳的难题；在元宇宙领域，公司基于3D立体视觉技术自研了大规模沉浸式人机交互系统，提供在大场景中的人体动作姿态感知、六自由度游戏装备感知等能力，未来可应用于沉浸式互动游戏、赛事、发布会、文旅和展厅等领域。
　　4、团队优势和人才储备
　　经过多年发展，公司建立了一支高学历、高水平的研发队伍。截至报告期末，公司研发人员为276人，占员工总数的比重为63.59%。截至报告期末，公司的核心技术团队由公司创始人、董事长兼总经理赵勇博士等在内的6人组成，涵盖算法、智能应用、产品设计、硬件开发等多领域的资深人才，拥有丰富的学术知识与研发创新经验，对行业前沿技术与发展趋势具有深刻认知及判断，保障了公司核心技术的持续研发创新。
　　报告期内，公司累计研发投入13,234.24万元，占营业收入的比重为37.42%，研发投入同比增加。公司在核心算法技术、应用场景相关技术均有前瞻性的研究和探索，公司人工智能关键技术及在体育健康、轨交运维、元宇宙等更多领域的研发与探索，将进一步增强公司的技术积累，为持续较快发展提供坚实的技术支持。
　　(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
　　
　　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、技术升级及产品迭代的风险
　　公司所处的人工智能行业技术升级及产品更新换代速度较快，且随着物联网、5G、云计算、大数据等新技术的快速发展，人工智能技术与其他新技术的融合运用将进一步推动行业的技术创新和产品升级，因此持续研发新技术、推出新产品是行业内公司在市场中保持优势的重要手段。如果公司未能及时准确地把握技术发展趋势，或者公司的技术研发进展滞后于下游市场需求，或者公司同行业竞争对手率先在相关领域取得重大突破，推出更先进、更具竞争力的技术和产品，造成公司未能顺利对技术及产品进行持续的迭代和升级，或者无法通过持续创新研发出具有商业价值、符合市场需求的新产品，将导致公司错失新的市场商机，对公司未来业务发展造成不利影响。
　　2、关键技术人员流失、技术人才不足的风险
　　人工智能行业系典型的技术密集型、人才密集型行业，关键技术人员是人工智能公司生存和发展的关键，也是获得持续竞争优势的基础，更是保持不断研发创新的重要保障。截至报告期末，公司的研发人员数量为276人，占公司员工总人数的比例为63.59%。随着行业规模的扩张及竞争格局的演变，人工智能公司对优秀技术人才的争夺将日趋激烈，此外，随着公司业务规模的持续增长、下游用户需求不断升级，对人工智能技术先进性的要求日趋提升。如果公司不能持续加强对原有关键技术人才的激励和保护力度，或者不能持续引进新人才应对内部研发需要，或者在人才市场的竞争中在发展前景、薪酬、福利、工作环境、激励制度等方面无法保持持续吸引力，则面临关键技术人员流失、技术人才不足的风险，进而导致在技术研发、产品创新方面有所落后，对公司技术优势的维持和新产品的持续研发造成不利影响。
　　3、知识产权受到侵害或泄密的风险
　　人工智能行业属于技术密集型行业，为了保持技术优势和竞争力，防止技术外泄风险，已掌握先进技术的行业内优势企业通常会通过申请专利、登记软件著作权等方式设置较高的进入壁垒。公司的核心技术是保持市场竞争力的重要支撑，相关知识产权的保护对公司的发展尤为重要。公司自设立以来，一直重视在知识产权保护方面的投入，但仍不能排除未来与竞争对手产生知识产权纠纷、公司的知识产权被侵权、个别竞争对手采取恶意诉讼拖延公司业务开展、个别公司员工由于对知识产权的理解出现偏差导致出现非专利技术侵犯第三方知识产权，以及公司部分尚处于研发过程中的非专利技术发生泄密的风险；如果发生知识产权纠纷或泄密，公司可能需要通过法律诉讼等方式维护自身权益，由此可能需承担较大的法律和经济成本，而诉讼结果也存在一定的不确定性，将对公司的生产经营、研发进展造成不利影响。
　　(四)经营风险
　　1、公司在智慧金融领域及商业零售领域规模化落地场景较为单一，客户集中度较高以及收入波动的风险
　　公司智慧金融领域及商业零售领域的规模化落地场景较为单一，客户集中度较高，如果出现主要客户的生产经营状况、采购预算计划、供应链体系等发生变化，公司未能持续获得主要客户的订单或公司与该等客户合作关系被其他供应商替代，或者公司无法有效开拓新客户资源及落地新应用场景，公司收入将存在较大波动的风险，从而对公司的经营发展、财务状况等产生不利影响。
　　2、公司在体育健康、轨交运维、元宇宙等领域的商业化落地不及预期的风险
　　报告期内，公司的主营业务收入主要来自于智慧金融、城市管理、商业零售三大领域，在体育健康、轨交运维、元宇宙等领域进行了前瞻性的业务布局，部分产品及解决方案已进入客户验证或落地验收阶段。但新业务场景的商业化落地进度受制于多种因素，例如公司出现相关技术研发进展滞后、交付能力不足、客户对产品的接受程度和推广进度较弱等情形，将可能导致新产品不能较快规模化生产或被市场接受，或者商业化效益不及预期无法弥补前期投入，将会对企业的盈利水平和未来发展产生不利影响。
　　(五)财务风险
　　1、收入存在季节性波动的风险
　　公司的收入存在明显的季节性特征，第四季度营业收入占全年主营业务收入的比重较高。其中：（1）终端客户收入主要集中在第四季度，主要原因系报告期内公司终端客户以大型国有企业为主，因其实行预算管理和集中采购制度，通常在年初制定预算和采购计划，年中开始陆续下单，年末验收，因此收入主要集中在第四季度。（2）公司集成商客户收入主要集中在下半年，主要原因系集成商的终端客户主要为各地政府机构、事业单位及大型国有企业等，集成商客户较多在上半年进行项目规划、试点及预算，下半年进行实施及验收，因此集成商客户下半年收入占比较高。公司销售收入的季节性波动对公司资产流动性和正常生产经营活动有一定的影响。
　　(六)行业风险
　　公司所处的人工智能行业尚处于发展初期，随着技术的快速迭代和行业客户智能化升级需求的持续延展，公司在实现将核心技术落地到商业化应用场景和拓展市场空间等方面存在一定的不确定性。加上近年来随着国家政策重点推动战略性新兴产业融合集群发展，支持专精特新企业发展，使得市场的参与者变多、竞争更为激烈，如未来国家产业政策发生重大不利变化，或公司未来技术研发进展滞后失去竞争优势导致公司市场地位削弱，可能会给公司经营状况和盈利能力带来不利影响。
　　(七)宏观环境风险
　　尽管公司被美国商务部列入“实体清单”，但由于公司收入来自境内，且已制定国产器件替代的产品方案并在大部分产品中已完成国产替代，因此暂未受到国际贸易摩擦的重大不利影响，但这可能会对公司未来在人工智能前沿理论及学术研究和国际学术交流以及境外业务拓展产生一定不利影响。
　　(八)存托凭证相关风险
　　(九)其他重大风险
　　
　　五、报告期内主要经营情况
　　2022年，公司保持了良好的增长态势，实现营业收入35,365.35万元，同比增长20.47%，归属于母公司所有者的净利润3,261.49万元，归属于母公司所有者的扣除非经常性损益的净利润2,507.14万元，较上年同期分别增加10,103.26万元、9,018.02万元，实现扭亏为盈。

　　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
　　公司以人工智能技术为核心，多技术融合创新产品为手段，积极响应人工智能产业的相关政策号召，致力于推进人工智能技术在更多行业领域中的应用及普及。随着人工智能大模型技术的突飞猛进，未来人机交互方式将发生重大变革，公司将继续加大人工智能领域的技术研发投入，围绕擅长的垂直领域重点投入，开发自主可控的多模态大模型和全新形态的复杂AIGC系统，化繁为简，以新的形态和能力持续加强公司基础技术能力的大规模可复制性和通用性。公司将同时把握物联网、大数据、机器人等先进技术的发展趋势，将人工智能技术与其他先进技术深度融合，结合社会生产生活的各类应用场景，打造广泛、高效、易用、可信赖的人工智能产品及解决方案。
　　(三)经营计划
　　2023年，公司将坚持以技术研发为核心驱动力，继续保持大规模的研发投入，不断进行先进技术的前瞻性探索与研发创新。公司将在已有的领域知识和数据积累基础上，开发自主可控的多模态大模型和全新形态的复杂AIGC系统，结合图像理解、自然语言处理、三维重建技术等多模态任务与数据，利用参数量更大的模型能力，提高系统对场景的重建能力和人员行为的理解能力，并结合大语言模型的归纳推理能力，为用户输出更准确优质的内容。在2022年完成了对跨类别预训练模型自动化微调的升级，并纳管了海量领域数据的基础上，2023年公司将进一步对深瞳大脑进行改造，结合最新的zero-shot技术，发展自身的主动学习能力，提高数据吞吐能力，将全量数据经过多轮迭代完成对多模态大模型的数据投喂，在模型训练完成后，结合业务进行知识蒸馏，以求得到可在实际业务中提供实时服务能力的模型并服务于多条产品线。该技术应用在智慧金融、城市管理、商业零售等大数据平台类产品上，可以在提升视觉感知和认知效率的同时，提供更加高效优质的数据服务；应用在轨交运维等机器人类产品上，能够提高交互水平与智能程度，在工作场景中更高效更优质的完成任务；应用在体育健康与元宇宙等人机交互类产品上，可显著提高交互质量，动态提供更优质、更丰富、更真实的内容，提升体验沉浸感和丰富度。
　　2023年，公司将在深耕主业的同时谋求创新，在不断巩固和提升公司在智慧金融、城市管理、商业零售和轨交运维领域技术水平和市场口碑的同时，重点推进轨交运维、体育健康和元宇宙领域的研发和商业化落地工作，寻求收入规模的稳定健康增长，并不断优化资源配置，提升公司运营管理水平，合理控制运营成本。随着公司落地场景的不断丰富，公司将在现有客户的基础上，着力提升市场开发能力，优化销售网络布局，并将公司产品结合客户的需求不断优化、升级，打造公司产品的竞争优势，拓展客户群体，提升市场占有率。公司所处行业属于典型的技术密集型、人才密集型行业，拥有丰富的学术知识和研发创新经验的人才是公司构筑核心技术优势的基石。因此，公司将继续推动人才体系建设，聚焦人才培养，以更优化的组织架构、更有竞争力的薪酬和激励机制、更良好的企业文化环境吸引人才，为实现公司的可持续发展奠定坚实的人才基础。 收起▲