一、报告期内公司所属行业及主营业务情况说明　　（一）公司所属行业情况　　根据《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。　　人工智能是引领未来的战略性技术，是新一轮科技革命和产业变革的重要驱动力。2025年，《中共中央关于制定国民经济和社会发展第十五个五年规划的建议》作出“全面实施‘人工智能+’行动”的战略部署。国务院印发的《关于深入实施“人工智能+”行动的意见》提出：到2027年，率先实现人工智能与6大重点领域广泛深度融合，新一代智能终... 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）公司所属行业情况
　　根据《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。
　　人工智能是引领未来的战略性技术，是新一轮科技革命和产业变革的重要驱动力。2025年，《中共中央关于制定国民经济和社会发展第十五个五年规划的建议》作出“全面实施‘人工智能+’行动”的战略部署。国务院印发的《关于深入实施“人工智能+”行动的意见》提出：到2027年，率先实现人工智能与6大重点领域广泛深度融合，新一代智能终端、智能体等应用普及率超70%；到2030年，新一代智能终端、智能体等应用普及率超90%，智能经济成为我国经济发展的重要增长极；到2035年，我国全面步入智能经济和智能社会发展新阶段，为我国人工智能发展设定了明确的阶段性目标。
　　作为“十五五”规划的开局之年，2026年初，政府工作报告首次明确提出“打造智能经济新形态”，并将“深化拓展人工智能+”列为年度重点任务，标志着我国人工智能战略从技术应用层面向经济形态重构层面跃升。2026年上半年，人工智能产业政策密集落地。政策导向从支持技术研发攻关，转向扶持行业场景规模化落地。围绕国务院《关于深入实施“人工智能+”行动的意见》，多部委协同发力，为AI的产业发展指明了具体路径。2026年1月，工信部、中央网信办、国家发展改革委等八部门印发《“人工智能+制造”专项行动实施意见》，提出到2027年，推动3—5个通用大模型在制造业深度应用，推出1000个高水平工业智能体，打造100个工业领域高质量数据集，推广500个典型应用场景，培育2—3家全球影响力生态主导型企业等。工信部印发《工业互联网和人工智能融合赋能行动方案》，提出到2028年，推动不少于5万家企业实施新型工业网络改造升级。2026年6月，工信部印发《“人工智能+信息通信”创新发展实施意见（2026—2028年）》，提出到2028年，形成30个以上高价值典型场景，打造一批典型应用和特色智能体，城域算力1毫秒时延圈覆盖率不低于75%。商务部等八部门印发《关于加快“人工智能+消费”发展的实施意见》，以扩大智能商品消费、赋能服务消费、创新消费场景为重点，提出5方面17条举措。工信部、国资委联合印发通知，正式启动2026年度人形机器人与具身智能实景实训专项行动，提出到2026年底，形成百个以上高价值应用场景，进一步丰富具身智能应用谱系，带动形成万台级规模落地能力。国家数据局印发《关于推进行业高质量数据集建设行动的实施方案》，全面夯实高质量数据底座以赋能“人工智能+”行动并催生智能经济新增长点。
　　我国人工智能加速与制造业、服务业等千行百业深度融合，正在成为推动高质量发展的重要引擎。根据相关政府部门公布的数据，2025年，我国人工智能企业数量超过6,200家，人工智能核心产业规模超过1.2万亿元。目前我国已形成覆盖基础层、框架与模型层、应用层的完整人工智能产业体系。国产AI芯片在特定场景下已实现规模化应用，其国内市场份额不断提升。行业高质量公共数据集规模持续扩容，推动“人工智能+”赋能千行百业。此外，我国在算法框架和大模型技术上也取得了突破性进展，根据斯坦福大学以人为本人工智能研究所发布的《2026年AI指数报告》，截至2026年3月，中美顶尖AI模型性能差距已缩小至2.7%。根据相关政府部门公布的数据，2025年，我国企业推出的开源大模型下载量全球第一，大幅度降低了人工智能的使用门槛；截至2025年底，我国规上制造业企业人工智能技术应用普及率超30%，极大提升了设计、制造和质量检验等环节质效。
　　随着人工智能技术的大规模应用，以智算中心为代表的人工智能算力基础设施，被赋予更重要的定位和使命，成为支撑人工智能技术及产业发展的重要基石。当前我国一体推进算力建设，深化算力赋能应用，取得积极成效。AI厂商纷纷加速布局智算领域，聚焦大规模智算中心建设，注重技术创新与场景融合，在支撑自身前沿研究和多元业务的同时，也向行业输出能力，助力AI技术落地应用。
　　人工智能正以前所未有的速度与深度，重塑全球科技格局与产业生态，并广泛渗透至工业、医疗、教育、交通及金融等传统领域，成为推动社会高质量发展的重要引擎。我国人工智能产业正以“新质生产力”核心引擎的姿态，不仅推动着传统产业的升级，更在重塑全球竞争格局中展现出强大的韧性与活力，引领中国经济向着高质量、可持续的未来阔步前行。
　　（二）公司主营业务情况
　　1、主要业务
　　公司以“让AI造福人类，让世界更安全更宜居更健康”为愿景，长期深耕视觉算法与多模态大模型，致力于推动AI在真实业务场景中的规模化应用。作为中国AI领域的深耕者，公司专注于将先进的计算机视觉、多模态大模型、大数据分析和机器人等技术与应用场景深度融合，构建了从模型算法、AI基础设施产品到解决方案服务的端到端体系，基于国产化芯片提供面向智慧金融、城市管理、政务及特种、智慧教育等领域的人工智能产品、智能终端计算设备及解决方案。
　　2、主要产品及服务
　　2.1智慧金融领域
　　公司持续升级AI+金融全系列解决方案，形成“金砖安防、四方镜运营、DeepBot自主决策型智能体系统”三层产品体系。金融多模态智算平台产品系列以公司自研的视觉基础模型、多模态大模型和智能体平台为基础支撑，构建“硬件设备—基座平台—解决方案—原生AI应用”的全栈能力，深入银行安防、运营、反欺诈及经营管理等核心业务场景，赋能银行智能化升级。一方面，公司持续深化原有安防、运营等视频分析场景，实现对复杂业务场景的识别、预警、管理和优化；另一方面，通过四方镜反欺诈模块打通线上账户风险信息与线下网点视频行为信息，提升银行线下风险感知及线上线下协同防控能力。同时，DeepBot自主决策型智能体系统进一步深入银行核心业务流程，可应用于信贷与贷后管理辅助、合同审核、财报及流水分析、智能BI、知识管理和办公自动化等核心场景，推动银行AI应用由单点能力建设向多场景、个性化的原生AI应用体系演进。
　　2.1.1金砖安防智算解决方案
　　金砖安防智算解决方案（以下简称“金砖”）涵盖从基座平台到智能系统，聚焦银行安防场景，并可延伸支持运营、风控等相关需求。金砖基于大模型、小模型和智能体能力，利用摄像头接入边缘分析设备，识别营业网点、金库等不同场所中的物品、人类行为及特定事件，为银行提供智能监测、风险预警和事件处置支撑。
　　作为银行智能化转型的新型基础设施，金砖基于算法管理基础系统，采用云边端架构，可统一管理边缘小模型算法与中心大模型能力，并通过算法成长机制持续提升算法泛化能力，在30万路摄像头部署规模下保持算法精度，实现60余种场景识别类算法的规模化落地。基于金砖平台能力，公司可快速开发符合银行客户需求的专属子系统和智能体应用。金砖创新采用“大模型+小模型”的灵活组合方式，可根据客户业务场景、算力条件和部署要求提供适配方案。
　　2.1.2四方镜运营智算解决方案
　　四方镜运营智算解决方案（以下简称“四方镜”）由原睿镜运营智算解决方案升级而来，是一套面向银行运营场景的视频分析与AI智能管理系统。四方镜具备完善的银行组织架构管理能力，可提供智能告警、履职管理、通行管理、辅助客流分析、重要档案、报表中心、数据看板和设备运维等功能，覆盖现金交易、授权交易、现金库碰库、作业违规、内部行政监督、金库工作合规等多类细分场景。
　　依托金融多模态智算平台，四方镜形成“硬件设备—应用系统—解决方案”的平台级产品能力，并以视觉大模型、大语言模型、轻量化算法训练平台、“大模型+小模型”组合方案及智能体能力为支撑，打造“看懂、管好、预警、优化”的AI管理系统，实现业务检查、结果汇总和报告生成等银行运营业务闭环。
　　2026年上半年，四方镜进一步增加反欺诈模块，将线上账户交易及风险信息与线下网点视频行为识别相结合，支持对线下异常取现、可疑人员及相关风险行为进行综合分析，形成线上线下协同的反欺诈能力，提升银行对线下风险事件的感知、核查和防控能力。辅助客流分析等功能继续作为四方镜运营管理能力的组成部分，为银行网点运营优化提供数据支持。
　　2.1.3DeepBot自主决策型智能体系统
　　DeepBot是公司面向企业场景推出的原生AI应用创造与运行平台。该系统在预设权限、安全边界和人工治理要求下，支持智能体结合上下文、工具及业务规则开展任务理解、任务拆解、执行和结果反馈，并通过统一AIEngine提供多模型、工具、记忆、文件处理、自动化及企业系统集成等通用能力。面向金融客户，DeepBot可应用于信贷与贷后管理辅助、合同审核、财报及流水分析、智能BI、知识管理和办公自动化等核心场景，并支持企业内部模型、知识库、数据服务和业务系统接入，帮助银行快速构建符合自身业务需求的多场景原生AI应用。
　　在金融行业AI落地实践中，公司继续通过“顾问+产品+服务”一体化模式进行价值交付。在提供标准化产品的同时，公司依托金融多模态智算平台，结合客户现场真实数据和具体业务需求持续打磨算法、智能体及应用能力，不断提升产品力和服务能力，推动AI技术融入银行核心业务场景，赋能银行数字化、智能化转型升级。
　　2.2城市管理领域
　　公司城市管理领域的产品矩阵实现了全面升级和迭代，形成了以战狼智能视图大数据系统（以下简称“战狼”）和深眸视觉智能工坊（以下简称“深眸”）为核心的双轮驱动产品体系。
　　2.2.1战狼智能视图大数据系统
　　战狼是以计算机视觉能力为基础的公安视图业务平台，为客户提供具备业务逻辑的功能呈现，包括图片检索、时空研判、布控告警、同亲缘档案查询、时空技战法等功能，产品本身即是相对标准的视图基础业务平台，同时为其他公安的整体业务提供能力接口输出。战狼搭载新一代多模态大模型（VLM），采用全国产化方案对视频图像数据解析，满足多警种需求，广泛应用于公安实战。
　　2.2.2深眸视觉智能工坊
　　深眸视觉智能工坊（以下简称“深眸”）是一款面向泛安防场景的下一代AI基础设施产品，作为视觉智能工坊VES的核心中轴产品，已经完成训练端、核心端、边缘端贯通，算法模型及编排能力可从训练平台经过深眸平台推送到边缘端，数据可形成三端打通的回流与协同，构建“感知-研判-处置-迭代”的全闭环。深眸实现全可视化的算法流程创建，“零代码”配置复杂事件检测规则和告警规则，将用户需求响应时间由数周缩短到分钟级；支持多引擎统一调度，已适配英伟达、华为、登临等硬件算力；检索能力升级，公司为泛安防业务训练适配场景的VLM模型，行业检索召回大幅度提升，并支持局部特征检索，满足客户深度线索挖掘的需求。
　　2.2.3空地协同交通解决方案
　　面向智慧交通行业，公司旗下专注于智能网联交通领域的控股子公司北京开云智联，依托自主研发的计算机视觉感知与认知决策核心技术，围绕车路云一体化、交通管理、公路数字化、低空巡检等重点场景，打造车路协同感知MEC、车载视频记录取证设备、智慧高速感知系统、低空交通巡检等车路云网一体化解决方案。
　　2.3政务及特种领域
　　面向政企与关键行业客户，公司围绕客户的实际业务需求，充分发挥公司在多模态大模型及智能体应用的端到端实践经验，为客户提供更具场景价值的解决方案。
　　2.3.1深瞳政务超融合一体机
　　深瞳政务超融合一体机，由原深瞳大模型一体机升级而来，面向政务私有化场景，集成国产算力、大模型、知识库与智能体平台，覆盖办文、办会及智能问答等核心业务，实现数据不出域、权限可控、开箱即用，并支持持续进化与场景扩展。凭借知识库+模型运管+Agent生产的企业级服务底座优势，使上层平台能够通过大模型的调度、应用，直观将行业用户内网知识与核心业务绑定，提供可持续的咨询、交付、扩展服务，满足国产信创要求，助力AI在高安全场景的落地应用。其中，行业大模型一体机支持搭载DeepSeek、Qwen等国内主流大模型，性能支持32B-671B参数规模，并适配多款国产芯片。“灵感”多模态一体机搭载深瞳灵感VLM多模态大模型，在提供高精度标准事件检测的基础上，可利用多模态能力理解复杂场景，实现从感知到认知的跨越。
　　2.3.2墨刃Z1AIPC
　　墨刃Z1AIPC，是一款全栈、自主可控的智能办公终端，内置本地AI助手，深度支持公文、PPT、知识库、文件脱敏等场景，将AI技术与实际业务紧密结合。在架构上，它具备端云协同能力，可安全调用模型与算力，满足党政军与关键行业的高安全办公需求。在部署和应用上，墨刃AIPC设计灵活：既能作为独立的智能终端高效运行，也能与后端的大模型一体机无缝联动，实现算力共享，并可调用更强大的“数字员工”应用，为用户提供灵活且可扩展的AI能力。针对用户日常工作中“文件检索难、公文写作慢”等普遍痛点，墨刃AIPC提供了AI问答与辅助写作等实用功能，将AI技术与实际业务场景深度结合，切实解决用户痛点。
　　2.3.3智能终端计算设备
　　面向特种环境下的高可靠性、耐极端条件等需求，公司主要提供以国产化芯片为核心的智能终端计算设备，具体产品形态包括主板，以及信创类、加固类平板电脑、笔记本电脑、智能硬件、通信终端类产品等。
　　2.4智慧教育领域
　　智慧体育解决方案主要针对普教、高教、部队训考场景，基于自研的三维视觉识别技术，结合动作模型库和人体运动功能学，可实现学生日常训练与体育考核的过程记录分析、成绩自动评判、数据自动统计汇总分析等功能，大幅提升体育训练和考核的科学化水平。报告期内，公司重点聚焦AI阳光跑产品的打磨升级。
　　公司AI阳光跑产品主要面向校园常态化跑步管理场景，基于AI视觉识别、边缘计算和跑步规则引擎，实现学生跑步过程的自动识别、自动计圈、里程统计、配速计算、异常过滤、成绩展示和数据沉淀。系统通过操场多打卡点摄像头识别学生经过顺序，并结合相邻打卡点距离计算跑步里程、时长和配速，支持形成个人、班级、年级、学校等多维度运动数据。产品可应用于K12大课间跑操、班级统一跑、体育课热身、课后锻炼、高校晨跑、学期跑步任务及校园夜跑等场景。针对K12方阵跑场景，系统通过算法优化、底库策略、补卡策略、策略修正、抓拍/识别/补卡日志等能力，提升复杂校园跑步场景下的数据可信度和问题回溯能力。K12场景中存在低龄学生、偏头侧脸、遮挡、多人同画面和高并发等难点，产品已针对这些问题进行专项优化。公司同时提供现场踏勘、点位规划、设备选型、初始化调试、使用培训和后期运维等配套服务，支持学校快速完成阳光跑系统建设，并帮助学校实现日常跑步管理从人工统计向自动采集、自动分析、可追溯管理的升级。
　　2.5视觉智能工坊VES
　　针对视觉算法在真实业务现场落地的多个行业痛点，公司打造了AI原生的视觉智能产品：视觉智能工坊VES（以下简称“视觉智能工坊”），其重构AI与业务的协作方式，使视觉智能从生产到落地具备完整链路。视觉智能工坊以自研视觉基座模型及多模态模型为核心，融合视频超融合存储技术，以及算法生产、业务运营与边缘部署能力，帮助客户围绕自身业务持续构建、优化和迭代视觉智能应用。
　　视觉智能工坊构建了三大核心模块：MENTOR算法训练中心、EXPERT算法运营中心和GBOX边缘哨兵，覆盖算法训练、业务运营与边缘执行等关键环节。通过三层协同，视觉智能工坊能够支撑算法从生成、部署到反馈迭代的持续优化，让视觉模型在真实业务场景中不断理解现场、适应现场、服务现场。面向不同阶段的视觉智能建设需求，视觉智能工坊支持零样本启动、快标快训与全参训练，既能帮助数据不足的新场景快速完成任务生成与验证，也能针对现场误报、漏报问题持续迭代算法，并进一步支撑复杂行业场景下的规模化、深度定制落地。
　　（三）主要经营模式
　　1、盈利模式
　　公司的盈利主要来源于向客户提供面向应用场景的解决方案、人工智能产品及智能终端计算设备获得销售收入。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
　　公司构建了覆盖母公司及控股子公司的协同化研发体系，根据项目特性灵活采用瀑布开发模式、敏捷开发模式，在产品生命周期管理基础上，通过不同研发模式适配多元化业务场景，实现技术资源高效复用与市场需求的精准响应，以用户需求为核心进行研发活动，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科学合理的解决方案，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；通用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；通用硬件团队完成新硬件产品的选型评估和整体设计，有效评估产品适用性、稳定性、可靠性、国产化率等特性，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，产品经理制定产品的标准文档、销售价格、实施方案，建立售后体系，通过与质量、市场、销售等部门确认，满足目标市场的销售条件时，产品正式发布；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，并完成质量验收。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。
　　通过母公司及控股子公司之间，以及算法、产品、销售等各部门之间的深度协同机制，公司实现了研发资源的全局优化配置与创新能力的指数级放大，瀑布开发模式、敏捷开发模式相结合的双轨模式既保障了定制化业务的敏捷响应，又通过技术沉淀强化了自主产品的市场竞争力，最终形成“需求牵引创新、创新驱动增长”的良性循环。
　　3、采购模式
　　公司不涉及硬件的直接生产。针对标准硬件、配件及服务类采购，公司形成采购计划后向供应商提出待采购产品服务的需求，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，采购产品到货后，质检人员进行检验后入库。公司具有完备的产业链资源，为公司选择优质代工厂提供了强有力的支撑。公司依托代工厂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；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；渠道客户（含集成商）是指承担销售推广、系统集成、安装部署、运营维护等职能的企业，包括经销/代理商、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。
　　二、经营情况的讨论与分析
　　2026年上半年，顺应AI驱动千行百业深刻变革的行业趋势，为进一步提升公司的AI交付水平，打造可持续进化的AI工程化落地能力，公司持续深耕视觉算法与多模态大模型、模型工程化与行业场景落地，构建了从底层模型、AI原生产品到行业解决方案服务的完整能力体系。公司依托AI原生的产品解决方案，系统性推进“2+X”发展战略，以智慧金融、城市管理为核心业务支点，并持续推动AI全栈产品与服务体系赋能千行百业智能化升级。报告期内，公司实现营业收入5,042.35万元，较上年同期增长18.72%，主要系在城市管理、政务及特种、智慧金融等领域的综合收入金额较去年有所增长，业务多元化发展取得初步成效。
　　（一）技术势能加速跃升，以持续创新巩固领先优势
　　近年来，人工智能已进入大模型时代，多模态大模型的发展日新月异。作为AI的重要发展方向，多模态技术通过融合图像、文本、声音等多种类型的数据，可实现更全面、准确的分析和决策。公司在多模态大模型技术领域深入布局，着力开发自主可控的多模态大模型并持续提升模型性能，以多模态大模型技术作为有关产业领域发展的关键驱动力，为高质量发展提供新动能。
　　报告期内，公司持续迭代视觉大模型系列Glint-MVT，从图像编码器拓展为图像视频统一编码器Glint-MVTv2.0。该模型借鉴视频编解码技术（VideoCodec），创新性地提出用参考帧和变化帧的形式统一图像和视频输入形式，同时基于视频前后帧的冗余性剔除无效输入区域，提升编码器的计算效率，降低显存占用和能耗。2026年5月，基于Glint-MVTv2.0，公司发布了Glint-VL的开源版本LLaVA-OneVision-2.0，该模型的训练测试数据、训练测试代码及模型全部开源，在8B量级模型上视频分析能力超过Qwen3-VL。尤其在同等视觉token预算下，这一优势进一步体现在视频描述、事件时序定位、动作计数等具体任务中。为了弥补UniME批次样本内困难负样本采样不足，提出全局困难负样本采样的方法UniMEV2，该工作已被AAAI2026接收。针对中文图文对数据集缺失的问题，公司发布的包含1亿高质量中文图文对中文视觉-语言预训练数据集DanQing（丹青），可直接支撑零样本分类、中英跨模态短/长文本检索、视觉编码器持续预训练三类核心任务。公司基于多模态大模型的数据和技术的积累，针对安防场景发布安防垂域大模型Glint-VL-SE-8B，在人体、车辆、非机动车等69个属性上平均平衡准确率比Qwen3-VL-8B高9.1%，在打电话、倒地、打斗等事件任务上平均平衡准确率比Qwen3-VL-8B高32.6%。公司在不断探索前沿技术的同时，仍积极推进产品化策略，重点推进各领域产品的商业化落地，重视研发和市场接轨。
　　（二）沉淀产品化能力，打造AI全栈产品与服务体系
　　报告期内，公司持续推进从项目交付向产品化方向发展。以自研的视觉基础模型与多模态大模型为技术底座，公司将过往在垂直领域积累的项目经验、算法能力及场景方法论沉淀为可复用、可部署的AI原生能力，形成覆盖视觉基础模型及模型服务、AI原生产品、软硬一体及边缘部署，并支持云端服务与本地私有化部署等多种交付方式的AI全栈产品与服务能力。以此为基础，使AI能够在业务现场不断理解场景、优化效果、沉淀经验，加速视觉智能在更多行业场景中规模化落地。
　　2026年上半年，公司推出了视觉智能工坊（VES），依托MENTOR算法训练、EXPERT算法运营及GBOX边缘部署组成的“云-边-端”协同架构，打通数据采集、智能标注、模型训练、算法运营、边缘部署、异构计算与协同、业务反馈与模型迭代，形成一条从“现场运行—数据回流—算法迭代—再部署”的持续进化链路，围绕这条链路，形成了两种产品与服务组合：一种是MENTOR算法训练大师+GBOX边缘智算盒子，MENTOR面向模型与算法训练，客户可以围绕自身业务数据和需求完成算法生产与持续优化，再通过GBOX将训练后的能力部署到业务现场。这类组合更强调服务化交付，MENTOR提供模型与算法训练能力，GBOX承接边缘侧部署和运行，形成MaaS服务与边缘部署相结合的交付方式。另一种，面向对数据安全、本地化运行和自主运营要求更高的客户，EXPERT算法运营专家+GBOX边缘智算盒子可以形成完整的私有化部署体系。EXPERT负责算法运营、业务编排与项目管理，GBOX负责现场感知、边缘推理和数据回传，使模型、算法和业务数据更多运行在客户本地环境中。此外，公司协同子公司国科亿道的硬件研发能力于近期推出的GBOX智能解析压缩终端，作为面向视频存储与智能应用场景的AI解析与高压缩融合终端，可旁路接入既有视频系统，同步输出低码率视频、结构化数据与报警事件。
　　智慧金融领域：报告期内，公司持续升级AI+金融全系列解决方案，形成“金砖安防、四方镜运营、DeepBot自主决策型智能体系统”三层产品体系。产品系列以公司自研的视觉基础模型、多模态大模型和智能体平台为基础支撑，进一步深入银行安防、运营、反欺诈及经营管理等核心业务场景。其中，金砖产品继续聚焦银行安防场景；睿镜运营智算解决方案升级为四方镜运营智算解决方案，并在运营管理能力基础上增加反欺诈模块，将线上账户风险分析与线下网点视频行为分析相结合，形成具有特色的线上线下融合反欺诈能力；原有智能体平台升级为DeepBot自主决策型智能体系统，面向企业具体业务场景，在预设权限、安全边界和人工治理要求下，支持智能体结合上下文、工具与业务规则开展任务理解、任务拆解、执行和结果反馈，帮助金融客户快速构建多场景原生AI应用系统。
　　城市管理领域：产品矩阵迭代初见成效，以“战狼”和“深眸”为核心的双轮驱动产品体系在产品化、算法生产、国产适配等方面取得显著的进展。深眸作为公司面向泛安防场景推出的下一代AI基础设施产品，于2026年上半年完成V1.1.0发布，产品从研发阶段进入商业化推广阶段。深眸进一步将视觉智能工坊VES的通用能力，转化为面向泛安防场景的具体应用。它以公共安全算法为基础，融合公司自研的泛安防行业化多模态大模型，贯通新场景模型训练、复杂任务编排、边缘推理与数据回流，可应用于社会治安防控、重点区域管控、办案中心合规及城市治理等场景。目前公司已经在公共安全、交管、边检、司法监管、应急管理等多个领域参与客户的项目实施和部署，“战狼+深眸”组合已经在多个重点项目中持续推进。
　　政务及特种领域：公司发布的基于国产信创平台的政务超融合一体机与AIPC产品“墨刃Z1AIPC”，全面适配信创生态，确保从硬件到应用的自主可控，其中智能体协同增效平台具备集成政企管理、流程自动化、辅助决策等功能，能够有效帮助客户提升团队效能。政务超融合一体机集国产算力、大模型、知识库与智能体于一体，模型与业务数据均在本地闭环运行，可部署于专网环境；适配国产CPU、操作系统与GPU，芯片、系统及存储满足信创要求；产品预置810万篇公开公文，可进一步融合单位私域知识，覆盖办文、办会、办事、咨询等业务场景。2026年上半年，特种领域产品通过攻克国产CPU与本地AI硬件的兼容适配难题，实现计算、安全、智能全环节无进口核心器件，产品适配更高等级涉密与航空项目招投标门槛。安全技术从软件防护向硬件主动安全闭环迭代，落地硬件销毁与网络隔离两项发明专利，构建“身份认证-硬件隔离-紧急物理销毁”三重物理屏障，形成差异化竞争壁垒。供电与可靠性技术同步升级，集中落地双电池、双接口并行充电、电池健康监测全套电源专利，大幅提升野外极端供电场景设备稳定性，加固终端续航与容错能力达到行业领先水平。
　　智慧教育领域：报告期内，公司围绕校园日常跑步数字化管理场景，重点推进“AI阳光跑”产品能力建设与版本迭代，完成了从产品方案、核心算法、平台功能到现场交付资料的体系化升级。公司AI阳光跑在相关项目测试中表现优异，经实测验证，该产品在人脸识别率与里程准确率等核心技术指标上均优于同类竞品。报告期内，公司针对K12方阵跑等复杂场景进行了专项优化，重点解决偏头侧脸、单画面人数多、高并发识别、记录碎片化、少里程及无有效记录等问题。设计了策略E等里程修正能力，支持在班级统一跑步场景下，对原始运动记录进行自动化修正与补全，提升运动数据的完整性、准确性和业务可用性。同时，公司完成阳光跑现场踏勘与点位规划、初始化与调试、使用手册等标准化交付资料建设，形成从方案设计、现场部署、设备调试、用户培训到后期运维的完整交付体系，为后续多学校、多操场复制推广奠定基础。
　　（三）深耕重点细分领域，构建业务多元化发展格局
　　报告期内，公司聚焦于市场开拓与业务多元化发展，重点深耕智慧金融、城市管理、政务及特种、智慧教育等领域，深度挖掘多场景需求，并依托视觉智能工坊VES的通用底座以及可根据客户真实需求进行持续的优化与迭代的能力，将其转化为面向行业场景的具体应用，拓宽收入来源，目前在各重点领域的市场拓展初显成效。
　　智慧金融领域，公司在继续深度服务现有客户、推进既有项目稳定运行和能力升级的同时，积极拓展新客户，与多家银行开展采购前POC测试。相关产品能力及测试效果获得客户认可，部分项目进一步进入采购或商务洽谈阶段。公司通过持续推进产品验证、客户需求适配和商务合作，为后续项目落地及市场规模化拓展积累客户基础。
　　城市管理领域，公司持续深化与重点客户的战略合作，在深耕公安行业的同时，积极拓展其他行业。此外，公司通过补充完善区域营销团队体系、积极拓展合作伙伴网络、加大行业技术投入三项关键举措，积极布局西北、华中、华东等重点区域。公司在公安及出入境边检领域持续深耕，多个标杆项目进入落地阶段。除传统视图解析领域外，公司在多模态视觉大模型相关产品等方面积极拓展新的合作项目。
　　政务及特种领域，公司协同合作伙伴已向多个政企客户提供超融合一体机产品，并持续巩固智能终端计算设备业务，凭借核心硬件自主可控、防护性能出众构建差异化竞争优势；同时大力拓展大型客户资源，并加速AI赋能终端产品，延展市场边界，发掘并渗透新领域客户群体。
　　智慧教育领域，公司围绕AI阳光跑产品推进重点区域样板建设和销售转化，在某市已达成阳光跑项目合作。公司销售团队正依托某市落地案例，围绕“无感识别、自动计圈、防作弊、数据统计、班级跑步管理、夜跑适配”等核心卖点，面向普教学校、高校、区域教育客户及生态合作伙伴开展市场推广。后续公司将进一步强化样板案例的系统化打造与推广、渠道伙伴协同、交付标准化和解决方案复制能力，提升阳光跑产品在智慧体育操场建设中的市场转化效率。
　　2026年上半年，公司推出视觉智能工坊VES，从算法交付的市场角色，转化为算法生产线的市场实践者，目前累计完成公检法、银行等试点项目10余个，覆盖西南、华东、华南、华北等区域，得到用户广泛认可。
　　（四）深化组织架构优化，完善激励机制，强化人才驱动与管理赋能
　　面对AI行业商业化落地的挑战，公司主动推进组织变革与管理赋能，将人才驱动作为实现产品化转型与业务多元化的核心抓手。公司构建了专业化、年轻化、多元化的核心管理团队，通过优化组织架构，厘清业务边界与权责体系，构建起销售、产品、算法的快速联动机制，加速市场需求向技术落地的转化效率。在人才激励上，公司实施了覆盖高管、中层及核心技术（业务）人员的限制性股票与股票增值权激励计划，将股东利益、公司利益与员工个人利益深度绑定，有效吸引并留住了关键人才，提升了管理团队的凝聚力与忠诚度。同时，公司重建销售体系，依据行业特性组建专业化销售团队与行业专家级售前解决方案团队，将人才能力精准匹配到智慧金融、城市管理、政务及特种、智慧教育等多元业务场景。借助更为优化的组织架构、具备竞争力的薪酬体系、富有吸引力的激励机制以及积极向上的企业文化环境，广泛吸纳优秀人才，为公司可持续发展筑牢人才根基。
　　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
　　在技术研发层面，公司建立了行业领先的技术研发体系，尤其在计算机视觉领域形成了显著优势。通过深入理解行业典型场景，始终专注核心技术的自主创新与研发，公司目前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、视频动作分析技术与信息安全及可靠技术七大技术方向，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目标检测与跟踪技术等多项核心技术并拥有多项自主知识产权。
　　（1）全栈自研大量核心算法
　　公司在视觉领域持续深耕，并于2025年5月发布自主研发视觉大模型系列Glint-MVT（深瞳灵感）。Glint-MVT（Margin-basedpretrainedVisionTransformer），是团队自主研发、设计的视觉预训练Transformer模型。该模型在特征表达能力上均优于国内外同类型模型。基于Glint-MVT进行特定任务的微调，可以快速低成本地生产高质量专用模型。Glint-MVTv1.5已经发表在计算机视觉顶会ICCV2026，它具有无需显式语言监督、支持原始分辨率分析及OCR和局部特征强化等特点。Glint-MVT可应用在多模态大模型中作为视觉编码器，对比其他视觉编码器，使用Glint-MVT的多模态大模型在文字OCR任务和局部理解任务都有优势。在多个OCR测试集以及COCO和LVIS检测分割测试集上，基于Glint-MVTv1.5的VLM模型表现均优于基于谷歌的SigLIP的模型表现。在此多模态大模型基础上训练得到的参考分割模型Glint-RefSeg取得了该任务最好的结果。2025年9月，基于Glint-MVTv1.5公司发布了Glint-VL的开源版本LLaVA-OneVision-1.5，该模型的训练测试数据、训练测试代码及模型全部开源，在4B、8B量级模型上超过Qwen2.5-VL。LLaVA-OneVision-1.5发布后获得业界关注，为业界提供了良好的视觉语言大模型训练参考，被InfoQ评选为“AI开源明星项目TOP10”。
　　随着技术和业务的发展，公司的视觉大模型从图像编码器拓展为图像视频统一编码器Glint-MVTv2.0。该模型借鉴视频编解码技术（VideoCodec），创新性地提出用参考帧和变化帧的形式统一图像和视频输入形式，同时基于视频前后帧的冗余性剔除无效输入区域，提升编码器的计算效率，降低显存占用和能耗。该技术已获得业界认可，如微软等已经采用该技术提升其视觉语言模型的视频表达能力。2026年5月，基于Glint-MVTv2.0公司发布了Glint-VL的开源版本LLaVA-OneVision-2.0，该模型的训练测试数据、训练测试代码及模型全部开源，在8B量级模型上视频分析能力超过Qwen3-VL。在同等视觉token预算下，该模型可以更好地完成视频描述、事件时序定位、动作计数等任务。
　　公司的多模态嵌入模型Glint-ME（MultimodalEmbedding）在学术多模态嵌入评测榜单MMEB获得第一名。在多模态嵌入方向上，针对多模态嵌入模型数据不足提出的利用图文交错数据生成训练的方法RealSyn，提出文本蒸馏和困难负样本强化训练的UniME，提出局部和全局分别对齐（DeGLA）的方法解决组合理解的问题，这三项工作已被ACMMM2025接收。此外为了弥补UniME批次样本内困难负样本采样不足提出全局困难负样本采样的方法UniMEV2，该工作已被AAAI2026接收。针对中文图文对数据集缺失的问题，公司发布的包含1亿高质量中文图文对中文视觉-语言预训练数据集DanQing（丹青），可直接支撑零样本分类、中英跨模态短/长文本检索、视觉编码器持续预训练三类核心任务。
　　此外，公司多项核心算法在国际、国内的权威机构或组织举办的算法比赛中多次名列前茅：公司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；公司在2022年ECCVPointCloud-CChallenge点云分割和点云分类两个赛道均获第2名；在第一届花样滑冰动作识别挑战赛中公司运用领先的运动姿态分析技术获得了冠军。
　　公司基于多模态大模型的数据和技术的积累，针对安防场景发布安防垂域大模型Glint-VL-SE-8B，并基于相关技术积累推进视觉模型训练、模型微调等服务。该模型在人体、车辆、非机动车等69个属性上平均平衡准确率比Qwen3-VL-8B高9.1%，在打电话、倒地、打斗等事件任务上平均平衡准确率比Qwen3-VL-8B高32.6%。
　　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。
　　（2）技术平台
　　深耕视觉算法和多模态大模型的同时，公司在端侧视觉AI领域不断创新，推出面向视觉算法和边缘计算的AI开发平台AIEdgeStudio，通过公司自研的视觉模型基座Glint-MVT、AdapterTuning训练微调技术及下游任务高效推理组合方案，平台能够快速构建高性能视觉模型，自动适配多种边缘设备，全面解决视觉应用规模化落地的难题，确保各类边缘业务的稳定可用与高效运行。从模型生产流程来看，AIEdgeStudio开发平台覆盖从数据采集、标注、训练、评估到部署等13个关键环节，实现AI应用交付全流程自动化。相较于传统开发方案仅支持基础流程，且需要算法专家和研发工程师配合，AIEdgeStudio平台实现低门槛、零代码引导算法的全流程开发。借助平台能力，可以将传统6-8周的开发周期压缩至最快3小时。在产品功能方面，平台具备数据采集、数据处理、模型训练、模型管理、模型推理、云边端设备管理六大核心功能，构建一套完整的算法生产线。平台支持多种视觉任务，例如图片与视频的分类、检测，以及图像分割、语义分割等，并可以灵活选配不同参数和类别的模型。在自研边缘终端的基础上，平台可适配市场主流终端设备，解决数据模型、部署终端割裂的问题，真正实现端到端的项目开发场景闭环。
　　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、模型优选等模块的技术平台——深瞳大脑。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。
　　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。
　　智慧金融领域：公司自主研发设计的智能化设备已在大型国有银行各地分支机构推广使用，目前产品覆盖上万家银行网点，应用于智能安保、智能运营、智能风控等多个金融业务场景。2026年上半年，公司在持续服务现有客户的同时，在多家银行同步开展采购前POC测试。相关产品的测试效果获得客户认可，部分项目已进入采购或商务洽谈阶段，为后续商业转化和规模化部署奠定了良好基础。同时，公司持续完善智能体产品能力，形成视觉智能与自主决策型智能体相结合的金融多模态智算平台产品系列，打造面向银行客户的新一代AI综合管理平台。
　　城市管理领域：公司研发的城市治理系统战狼智能视图大数据系统已经在全国多个省、市、县的公安机关完成商业落地，形成了可复制的成功模式。该系统搭载的基于新一代视频语言多模态大模型（VLM）的图文布控、以文搜图、AI打标、低代码建模引擎等功能，有效解决了公安机关长尾需求无法快速上线、人工运维成本高企、应急时间响应较长等痛点。同时，公司正在全力研发基于大语言模型的多智能体系统，以AI助手的形态辅助客户快速完成工作任务。报告期内，公司启动了“文图通解”、“指令流转”及“多任务调度”三项核心Agent能力的验证工作，推动其在视频专班与图侦专班中的实战落地。在交通管理方面，公司研发的车路协同感知MEC产品已完成多省市交付，车载视频记录取证设备、交通事件分析系统等产品已在多个省市规模化应用，围绕交通治理的多款执法取证装备已在多省市进行试点应用。
　　政务及特种领域：公司的商业化落地成效显著，依托突出的产品优势与清晰的市场布局，实现规模化供货与市场份额稳步提升。公司特种领域产品已顺利通过行业严格认证与测试，正式进入批量供货、规模化交付阶段，形成稳定的供货体系与交付流程，实现“研发-生产-交付”全链路高效推进，客户覆盖政府机关、特种单位及行业重点央企等。同时，公司以“硬件定制+AI算法集成”的合作模式，贴合政务及特种场景个性化需求，提升客户粘性与复购意愿。
　　2026年上半年，随着智能体及相关技术的快速发展，公司快速实践，一方面在省级用户中深化智能体应用，完成项目转化；另一方面将智能体与视觉技术深度融合，推出视觉智能工坊VES，从算法交付的市场角色，转化为算法生产线的市场实践者，目前累计完成公检法、银行等试点项目10余个，覆盖西南、华东、华南、华北等区域，得到用户广泛认可。
　　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。
　　报告期内，公司研发投入7,147.93万元，占营业收入比例为141.76%。公司持续深耕核心技术，继续实施“多模态大模型技术与应用研究项目”，以巩固公司在技术层面的领先优势；聚焦面向智慧金融、城市管理、政务及特种、智慧教育等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。
　　随着技术的不断演进，新需求不断提出，公司将在核心技术上不断创新。Glint-MVT将从纯图像预训练模型升级为视频预训练模型，并结合业务上视频流分析场景提升应用效果。针对多模态大模型使用成本较高的问题，公司也将不断优化模型，结合模型小型化、量化和软硬件结合优化等技术将多模态大模型普惠应用。
　　公司在核心算法技术、应用场景等相关技术的前瞻性研究和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。
　　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173人，占员工总数的58.45%，核心技术团队由公司创始人、董事长、首席科学家赵勇博士等在内的5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，公司副总经理张强先生曾获得军队科技进步二等奖。公司团队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力，保障了公司核心技术的持续研发创新。
　　(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
　　公司推出了面向视觉算法和边缘计算的AI开发平台AIEdgeStudio，通过公司自研的视觉模型基座Glint-MVT、AdapterTuning训练微调技术及下游任务高效推理组合方案，平台能够快速构建高性能视觉模型，自动适配多种边缘设备，全面解决视觉应用规模化落地的难题，确保各类边缘业务的稳定可用与高效运行。从模型生产流程来看，AIEdgeStudio开发平台覆盖从数据采集、标注、训练、评估到部署等13个关键环节，实现AI应用交付全流程自动化。相较于传统开发方案仅支持基础流程，且需要算法专家和研发工程师配合，AIEdgeStudio平台实现低门槛、零代码引导算法的全流程开发。借助平台能力，可以将传统6-8周的开发周期压缩至最快3小时。在产品功能方面，平台具备数据采集、数据处理、模型训练、模型管理、模型推理、云边端设备管理六大核心功能，构建一套完整的算法生产线。平台支持多种视觉任务，例如图片与视频的分类、检测，以及图像分割、语义分割等，并可以灵活选配不同参数和类别的模型。在自研边缘终端的基础上，平台可适配市场主流终端设备，解决数据、模型、部署终端割裂的问题，真正实现端到端的项目开发场景闭环。
　　公司打造了AI技术平台——深瞳大脑，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。
　　（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、视频、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。上述算法已被国际顶级会议ICLR2023、ICCV2023、ECCV2024、ICCV2025和NeurIPS2025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，在复杂场景中效果远优于传统小模型。该系列模型构成了公司视觉大模型系列Glint-MVT，并于2025年5月发布v1.5。结合高质量的语言模型，公司研发了灵感多模态大模型，该模型能接受图像、语言等多种模态的输入，能够完成多模态融合理解，提升业务的应用潜力。于2025年9月，基于Glint-MVTv1.5公司发布了Glint-VL的开源版本LLaVA-OneVision-1.5，该模型的训练测试数据、训练测试代码及模型全部开源，在4B、8B量级模型上超过Qwen2.5-VL。
　　LLaVA-OneVision-1.5发布后获得业界关注，为业界提供了良好的视觉语言大模型训练参考，被InfoQ评选为“AI开源明星项目TOP10”。随着技术和业务的发展，公司的视觉大模型从图像编码器拓展为图像视频统一编码器Glint-MVTv2.0。该模型借鉴视频编解码技术（VideoCodec），创新性地提出用参考帧和变化帧的形式统一图像和视频输入形式，同时基于视频前后帧的冗余性剔除无效输入区域，提升编码器的计算效率，降低显存占用和能耗。该技术已获得业界认可，如微软等已经采用该技术提升其视觉语言模型的视频表达能力。2026年5月，基于Glint-MVTv2.0公司发布了Glint-VL的开源版本LLaVA-OneVision-2.0，该模型的训练测试数据、训练测试代码及模型全部开源，在8B量级模型上视频分析能力超过Qwen3-VL。在同等视觉token预算下，该模型可以更好地完成视频描述、事件时序定位、动作计数等任务。
　　多模态嵌入模型可以将文本和图片表达到同一特征空间，可以应用在图文互搜等场景中。公司针对这项技术中的数据生成构造、文本否定词、组分缺失、属性、数量、关系等针对性的问题进行优化，显著提升了图文互搜在应用中的效果，相关技术也形成多篇论文被国际顶级会议接收。最新模型UniME在学术多模态嵌入评测榜单MMEB获得第一名。针对多模态嵌入模型，提出利用图文交错数据生成图文对训练数据的方法RealSyn以解决数据不足问题，提出文本蒸馏和困难负样本强化训练的UniME，提出局部和全局分别对齐（DeGLA）的方法解决组合理解问题，这三项工作已被ACMMM2025接收。此外为了弥补UniME批次样本内困难负样本采样不足提出全局困难负样本采样的方法UniMEV2，该工作已被AAAI2026接收。针对中文图文对数据集缺失的问题，公司发布的包含1亿高质量中文图文对中文视觉-语言预训练数据集DanQing（丹青），可直接支撑零样本分类、中英跨模态短/长文本检索、视觉编码器持续预训练三类核心任务。
　　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、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，可有效地降低研发成本，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。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。公司在SiggraphAsia2024发布了3D人体技术的相关论文，基于单个视频进行人体运动捕捉，比单帧估计的更加稳定准确。公司与浙江大学合作提出了“MotionStreamer”、“Motion-2-to-3”以及“UniVerse”方法，分别解决了动作的实时交互生成、从大规模二维数据提升三维动作多样性，以及不一致多视图图像的鲁棒三维重建问题，这三项工作已被ICCV2025接收。
　　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；而在智慧教育领域，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。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。
　　（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识别率都会有较大的下降，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。配合集群可实现百亿级图片秒级检索的性能。针对上亿特征占用显存巨大的问题，公司研发了短特征技术，利用该技术能节省至少4倍显存，同时召回率达到99.9%。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、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
　　公司稳步推进具身智能相关技术研发和落地。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工业检测机器人等场景，算法适应性良好，机器人在该场景中，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取得良好效果，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。为了提升机器人自主规划和控制能力，公司自主研发的多模态大模型作为机器人的大脑，使其逐步向具身智能靠拢。
　　公司基于Transformer模型与扩散模型实现了机器人模仿学习方案，已在单臂与双臂机器人进行了真机落地。基于自研多模态大模型实现了具身领域的机器人基座模型，其在具身任务和空间理解的多个榜单表现优异。公司基于基座模型实现端到端的VLA（视觉语言动作）模型训练，将在单臂、双臂复合机器上部署。基于基座模型实现VLN（视觉语言导航）具身模型方案，将在机器人和无人机等多种构型上进行部署。使用具身基座模型作为机器人感知空间理解任务的大脑，深度化学习方案作为控制的小脑，引入COT（思维链）与自纠正方案，提升机器人通用能力。
　　（6）视频动作分析技术
　　公司拥有丰富的视频动作分析经验，经过多年技术积累，搭建了一套从视频预训练到视频动作识别和时序动作定位的流程。该流程能高效训练各种业务所需的视频动作分析模型。
　　为了提升视频预训练的效率，公司研发了V-SWIFT视频预训练框架，对比开源的训练框架一次预训练所耗费GPU时减少90%。基于该预训练框架公司只用一台GPU服务器一天便能完成一次视频基础模型的预训练。基于该训练框架，公司探索了事件与对象双层次聚类驱动的统一自监督方法UniViT，该方法联合建模视频时空结构与图像细粒度语义，在多项视觉任务上实现最优性能，该工作已被NeurIPS2025接收。随着技术和业务的发展，公司的视觉大模型从图像编码器拓展为图像视频统一编码器Glint-MVTv2.0。该模型借鉴视频编解码技术（VideoCodec），创新性地提出用参考帧和变化帧的形式统一图像和视频输入形式，同时基于视频前后帧的冗余性剔除无效输入区域，提升编码器的计算效率，降低显存占用和能耗。2026年5月，基于Glint-MVTv2.0公司发布了Glint-VL的开源版本LLaVA-OneVision-2.0，该模型的训练测试数据、训练测试代码及模型全部开源，在8B量级模型上视频分析能力超过Qwen3-VL。在同等视觉token预算下，该模型可以更好地完成视频描述、事件时序定位、动作计数等任务。
　　利用海量数据完成的视频预训练模型有较强的泛化能力，能够在少量特定场景数据微调后适配到对应场景上。公司在智慧金融、智慧体育和工业检测等业务上已经将视频预训练微调得到的视频动作识别和时序动作定位模型落地应用，并且大幅提升了模型精度和泛化性。公司在由北京图象图形学学会、清华大学、蚂蚁安全实验室等机构联合发起的第一届花样滑冰动作识别挑战赛中，应用了领先的视频动作分析技术获得了冠军。
　　（7）信息安全及可靠技术
　　公司控股子公司深圳市国科亿道聚焦国产化高可靠加固计算终端（加固笔记本、三防平板、国产主板），服务航空航天、特种信创、野外指挥等场景，为国家级高新技术、省级专精特新企业。核心技术围绕国产信创硬件架构、加固可靠性、终端安全防护、特种电源、轻量化端侧AI五大主线。2026上半年，硬件安全与端侧AI成为两大新增核心增长技术，专利重心从结构外观转向底层电路、安全发明类高价值专利。以专利落地、国产AI硬件电路、终端数据安全、多冗余电源、电磁兼容防护为核心突破方向，新增授权及公布的专利10余项，技术路线从单纯“加固硬件”升级为“国产化+安全+边缘AI”一体化方案栈。
　　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）137项、有效软件著作权（不包含权利终止和转让）232项、其他有效知识产权（不包含权利终止和转让）3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内，研发投入总额占营业收入比例同比减少18.45个百分点，主要原因系本期营业收入同比增长幅度高于研发费用增长幅度。
　　四、可能面对的风险
　　(一)业绩大幅下滑或亏损的风险
　　报告期内，公司实现营业收入5,042.35万元，较上年同期增长18.72%，实现归属于上市公司股东的净利润-9,500.61万元，归属于上市公司股东的扣除非经常性损益的净利润-10,561.91万元。若未来宏观经济环境与市场环境发生不利变化，或主要客户预算削减、大额订单未能延续等，公司可能面临营业收入增速放缓甚至大幅下滑的风险。与此同时，鉴于公司所处行业技术迭代迅速、竞争激烈及商业化落地的迫切需求，公司必须维持高强度的研发投入以保持核心竞争力。若未来行业竞争加剧、客户偏好转变或面临降价压力，可能导致公司毛利率下行，加之公司为拓展新应用场景可能增加销售费用，若公司无法及时优化成本结构、提升商业化落地效率或开拓新的高增长盈利点，公司可能面临净利润持续亏损的风险。
　　(二)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具有技术升级及产品更新换代速度极快、颠覆性强的特征。随着物联网、5G、云计算、大数据、大模型及智能体（Agent）等前沿技术的爆发式演进，技术融合与创新节奏显著加快，且技术路线的选择及产品化落地亦存在高度不确定性。公司特种领域业务，若向民用市场渗透，存在品牌认知度不足、成本控制压力、技术适配后商业化周期长且存在不确定性等风险。若公司未能准确预判行业的发展趋势、新技术的研发方向以及市场需求等，导致技术研发进展滞后、关键攻关失败或研发成果无法有效转化为商业产品，公司可能面临技术迭代受阻、新产品推出不及预期的风险。此外，若同行业竞争对手率先在核心领域取得突破，推出更先进、更具竞争力的技术和产品，公司可能面临错失新机遇甚至现有市场份额被侵蚀的严峻挑战，从而对公司未来的经营与业务发展产生不利影响。
　　2、关键技术人员流失、技术人才不足的风险
　　人工智能行业属于典型的技术密集型与人才密集型行业，关键技术人员不仅是公司生存和发展的关键，是维持竞争优势的基础，更是保持不断研发创新的重要保障。截至报告期末，公司研发人员173人，占员工总数的58.45%。随着行业规模的快速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，同时，随着公司业务领域的拓展及下游应用场景的深化，市场对技术先进性、算法迭代速度的要求日趋提升，对公司人才梯队的厚度与质量提出了更高挑战。若无法建立并执行具有长期竞争力的薪酬体系、激励机制、职业发展通道及企业文化，导致在人才竞争中于发展前景、薪酬福利及工作环境等方面丧失吸引力，公司可能面临核心技术人员流失或关键岗位人才引进受阻的风险，从而可能导致公司研发进度滞后、产品迭代放缓，削弱公司的技术壁垒与产品创新能力，对公司的可持续发展造成不利影响。
　　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，专利、软件著作权、商标、商业秘密及其他知识产权是公司构建竞争壁垒、维持技术优势及实现商业成功的核心资产。公司的核心技术是公司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，目前已建立知识产权保护机制，综合运用专利申请、软著登记、保密协议、竞业禁止条款等多种手段，力求在促进创新的同时防范技术外泄。然而，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。
　　(三)经营风险
　　1、收入波动的风险
　　公司终端客户以大型国有企业为主，其采购流程决策链较长、审批程序相对复杂，易受宏观经济波动、财政预算周期、政策导向及内部战略调整等公司无法控制的外部因素制约。上述因素的变动可能导致项目立项延期、实施周期被大幅拉长甚至在公司已投入大量研发及实施资源后出现项目终止或取消的情形。若公司未能持续获得主要客户的订单、在存量市场竞争中被替代，或新市场拓展进度不及预期以弥补存量缺口，公司可能面临收入出现较大波动的风险，进而对公司的经营发展及财务状况等产生不利影响。
　　2、公司新业务拓展与新产品落地不及预期风险
　　公司已在智慧金融、城市管理、政务及特种、智慧教育等领域实现商业化落地，但各业务场景的商业化落地进度仍受多种因素影响。未来在拓展新领域、开发多元化解决方案及延伸市场边界的过程中，公司仍面临诸多挑战。受技术研发滞后、交付能力不足、客户对新产品的接受程度及合作关系变动等因素影响，可能导致公司面临新产品不能较快规模化生产或被市场接受，或商业化效益不及预期无法弥补前期投入的风险。向新领域及境外市场的业务拓展将带来更高的运营复杂程度，包括对陌生监管环境与数据合规要求的适应成本、地缘政治与汇率波动的影响以及跨文化运营的潜在障碍，若因环境适应不力或执行偏差等原因导致扩张受阻，可能导致公司财务损失、声誉受损及资源浪费等，进而对公司的财务状况、经营业绩及未来发展前景产生不利影响。
　　(四)财务风险
　　1、营业收入及利润下滑的风险
　　报告期内，公司营业收入较去年同比增长，但归母净利润亏损幅度同比扩大。若未来出现宏观经济和市场环境发生不利变化、客户采购预算削减、下游应用领域认可程度和产品销售情况不达预期、大额订单未能延续等情况，公司将面临营业收入增速放缓甚至大幅下滑的风险。为保持技术领先性及核心竞争力，公司需维持高强度的研发投入。若行业竞争加剧引发产品价格下行压力，导致毛利率受损；或未来公司因新场景拓展导致销售费用激增，而研发成果未能及时转化为商业价值、成本结构优化滞后，可能导致公司面临净利润持续亏损的风险。此外，公司下游客户的支付能力与宏观经济景气度及财政政策高度相关，若未来宏观经济环境波动，导致客户财政预算收紧、支付能力下降或内部付款审批进一步滞后，公司可能面临应收账款回收困难、坏账计提金额增加的风险。
　　2、收入季节性波动的风险
　　公司的收入存在季节性特征，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。
　　3、毛利率波动的风险
　　公司毛利率受宏观环境、行业竞争、原材料价格、公司收入结构、项目类型、软硬件收入占比等多重因素影响。若影响公司毛利率的因素出现较大不利变化，且公司未能通过产品创新、成本控制、供应链优化或业务结构调整等方式有效应对，公司的毛利率可能存在大幅波动的风险，进而对公司的盈利能力、经营业绩等产生不利影响。
　　(五)行业风险
　　公司所处的人工智能行业正从“技术探索”迈向“规模化商用”，随着技术的快速迭代及客户智能化升级需求的延展，公司在核心技术商业化落地及市场拓展等方面面临一定不确定性。随着国家“人工智能+”行动及战略性新兴产业政策的深入，市场竞争维度逐步从单一技术比拼升级为全生态链博弈。在特种行业领域，尽管客户粘性相对较高、行业准入门槛较严，但企业需持续满足GJB认证及技术迭代的高要求，且面临着具备更强资金实力和渠道优势的潜在竞争对手的冲击。若未来国家产业政策发生重大不利调整，市场竞争加剧，公司技术研发滞后或无法满足动态合规标准等情况，可能导致公司竞争优势削弱及市场份额流失，从而对公司经营状况和盈利能力造成不利影响。
　　(六)宏观环境风险
　　公司目前主要客户集中在智慧金融、城市管理、政务及特种、智慧教育等领域，该等领域的客户所在的行业与宏观经济、行业政策等紧密相关，对宏观经济波动的敏感度较高。尽管目前宏观经济稳步发展，但若宏观经济出现波动或增速减慢，可能影响公司下游客户的业务需求，从而可能导致公司业务收入面临波动的风险。此外，公司已被美国商务部列入“实体清单”，但由于目前公司收入主要来自境内，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。 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
　　1、主要业务
　　公司以“让AI造福人类，让世界更安全更宜居更健康”为愿景，长期深耕视觉算法与多模态大模型，致力于推动AI在真实业务场景中的规模化应用。作为中国AI领域的深耕者，公司专注于将先进的计算机视觉、多模态大模型、大数据分析和机器人等技术与应用场景深度融合，构建了从模型算法、AI基础设施产品到解决方案服务的端到端体系，基于国产化芯片提供面向智慧金融、城市管理、政务及特种、智慧教育等领域的人工智能产品、智能终端计算设备及解决方案。
　　2、主要产品及服务
　　2.1智慧金融领域
　　... 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
　　1、主要业务
　　公司以“让AI造福人类，让世界更安全更宜居更健康”为愿景，长期深耕视觉算法与多模态大模型，致力于推动AI在真实业务场景中的规模化应用。作为中国AI领域的深耕者，公司专注于将先进的计算机视觉、多模态大模型、大数据分析和机器人等技术与应用场景深度融合，构建了从模型算法、AI基础设施产品到解决方案服务的端到端体系，基于国产化芯片提供面向智慧金融、城市管理、政务及特种、智慧教育等领域的人工智能产品、智能终端计算设备及解决方案。
　　2、主要产品及服务
　　2.1智慧金融领域
　　报告期内，公司发布了最新版AI+金融全系列整体解决方案，智慧金融产品阵容全新升级。一方面，深化原有安防、运营、风控、营销等细分场景，实现更复杂的场景识别；另一方面，全面深入银行核心业务流程，通过智慧金融智能平台级产品，以及贷后助手、财报助手、流水助手等垂直智能体应用，真正迈向多场景、个性化的AI智能助手时代。
　　元识（MetaSense）金融多模态智算平台产品家族，涵盖金砖安防智算解决方案、睿镜运营智算解决方案、知岸金融助手方案等多款深入银行细分场景的系统平台，构建了AI应用的场景化产品矩阵。该平台以公司自研的视觉基础模型、多模态大模型、智能体平台为基础支撑，构建了“硬件设备-基座平台-解决方案”的全栈能力，全面深入银行核心业务场景，赋能银行智能化升级。
　　2.1.1金砖视频智算解决方案
　　金砖视频智算解决方案（以下简称“金砖”）涵盖从基座平台到智能系统，聚焦银行安防、运营、风控、营销场景，基于大模型能力、小模型能力、智能体能力，利用摄像头接入边缘分析设备，识别营业网点、金库等不同场所下的物品和人类行为，监控和分析各部门关注的特定事件。作为银行智能化转型新基建，金砖智算平台基于算法管理基础系统，采取云边端架构，可全方位管理边缘算法到中心大模型算法，并通过设计算法成长机制，提升算法的泛化能力，在30万路摄像头下保持同样的算法精度，实现60余种场景识别类算法规模化落地。基于金砖智算平台能力，可快速开发符合行业需求的专属子系统和智能体应用。金砖创新性地采取“大模型+小模型”的灵活组合方式，可根据客户需求提供最优配置。
　　2.1.2睿镜运营智算解决方案
　　睿镜运营智算解决方案（以下简称“睿镜”）为一套面向银行运营场景的AI智能管理系统，具备完善的行业组织架构管理体系，可提供智能管理（包含智能告警、履职、通行、客流等）、重要档案、报表中心、数据看板、设备运维等多种功能，覆盖现金交易、授权交易、现金库碰库、作业违规以及内部行政监督、金库工作合规、综合客流分析等多类细分场景。依托元识AI核心系统，睿镜涵盖了“硬件设备-应用系统-解决方案”的平台级产品能力，并且以视觉大模型和大语言模型为基础，通过轻量化算法训练平台、“大模型+小模型”灵活组合方案和专属智能体集合，打造一套“看懂、管好、预警、优化”的AI管理系统，实现业务检查、结果汇总、快速报告的银行运营业务闭环。
　　在金融行业的AI落地实践中，公司通过“顾问+产品+服务”一体化模式进行价值交付，在提供标准化产品的同时，依托元识（MetaSense）AI核心系统，快速利用客户现场的真实数据打磨算法，不断优化提升元识金融多模态智算平台的产品力和服务能力，让AI技术真正融入业务场景，赋能银行数字化转型升级。
　　2.2城市管理领域
　　公司城市管理领域的产品矩阵实现了全面升级和迭代，形成了以战狼智能视图大数据系统（以下简称“战狼”）和深眸视觉智能工坊（以下简称“深眸”）为核心的双轮驱动产品体系。
　　2.2.1战狼智能视图大数据系统
　　战狼是以计算机视觉能力为基础的公安视图业务平台，为客户提供具备业务逻辑的功能呈现，包括图片检索、时空研判、布控告警、同亲缘档案查询、时空技战法等功能，产品本身即是相对标准的视图基础业务平台，同时为其他公安的整体业务提供能力接口输出。战狼搭载新一代多模态大模型（VLM），采用全国产化方案对视频图像数据解析，满足多警种需求，广泛应用于公安实战。
　　2.2.2深眸视觉智能工坊
　　深眸是一款面向泛安防场景的下一代AI基础设施产品，定位为业务编排中台，与训练平台（AIEdgeStudio）、推理平台（灵犀数据智能平台）协同构成完整的“训推一体”联合解决方案。深眸深度融合计算机视觉模型与多模态大模型能力，通过可视化、低代码、灵活可配置的算法编排引擎，支持从算法构建到任务部署的全流程，可实现对视频、图像、文本等多源异构数据的联合分析、智能推理与精准预警，构建“感知-研判-处置-迭代”的全闭环体系，让安防应用从“看得见”进化到“会思考”，提升社会治理智能化水平。
　　2.3政务及特种领域
　　面向政企与关键行业客户，公司围绕客户的实际业务需求，充分发挥公司在多模态大模型及智能体应用的端到端实践经验，为客户提供更具场景价值的解决方案。
　　2.3.1深瞳大模型一体机
　　深瞳大模型一体机，具有知识库+模型运管+Agent生产的企业级服务底座，使上层平台能够通过大模型的调度、应用，直观将行业用户内网知识与核心业务绑定，在“数据不出域”的安全底线下实现日常办公提效，并提供可持续的咨询、交付、扩展服务，满足国产信创要求，助力AI在高安全场景的落地应用。其中，行业大模型一体机支持搭载DeepSeek、Qwen等国内主流大模型，性能支持32B-671B参数规模，并适配多款国产芯片。“灵感”多模态一体机搭载深瞳灵感VLM多模态大模型，在提供高精度标准事件检测的基础上，可利用多模态能力理解复杂场景，实现从感知到认知的跨越。目前，深瞳大模型一体机已应用于政企、科研办公等场景。
　　2.3.2墨刃Z1AIPC
　　墨刃Z1AIPC，是一款全栈、自主可控的智能办公终端，内置本地AI助手，深度支持公文、PPT、知识库、文件脱敏等场景，将AI技术与实际业务紧密结合。在架构上，它具备端云协同能力，可安全调用模型与算力，满足党政军与关键行业的高安全办公需求。在部署和应用上，墨刃AIPC设计灵活：既能作为独立的智能终端高效运行，也能与后端的大模型一体机无缝联动，实现算力共享，并可调用更强大的“数字员工”应用，为用户提供灵活且可扩展的AI能力。针对用户日常工作中“文件检索难、公文写作慢”等普遍痛点，墨刃AIPC提供了AI问答与辅助写作等实用功能，将AI技术与实际业务场景深度结合，切实解决用户痛点。
　　2.3.3智能终端计算设备
　　面向特种环境下的高可靠性、耐极端条件等需求，公司主要提供以国产化芯片为核心的智能终端计算设备，具体产品形态包括主板，以及信创类、加固类平板电脑、笔记本电脑、智能硬件、通信终端类产品等。
　　2.4智慧教育领域
　　智慧体育解决方案主要针对普教、高教、部队训考场景，基于自研的三维视觉识别技术，结合动作模型库和人体运动功能学，可实现学生日常训练与体育考核的过程记录分析、成绩自动评判、数据自动统计汇总分析等功能，大幅提升体育训练和考核的科学化水平。报告期内，公司推出“阳光跑”系列产品，针对不同应用场景，优化算法精度及效率，适配不同算力平台，推出大小屏系列与智慧体育解决方案，聚焦体育中考到普教、高教体考体训、部队体训提供丰富的产品矩阵。
　　(二)主要经营模式
　　1、盈利模式
　　公司的盈利主要来源于向客户提供面向应用场景的解决方案、人工智能产品及智能终端计算设备获得销售收入。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
　　公司构建了覆盖母公司及控股子公司的协同化研发体系，根据项目特性灵活采用瀑布开发模式、敏捷开发模式，在产品生命周期管理基础上，通过不同研发模式适配多元化业务场景，实现技术资源高效复用与市场需求的精准响应，以用户需求为核心进行研发活动，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；通用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；通用硬件团队完成新硬件产品的选型评估和整体设计，有效评估产品适用性、稳定性、可靠性、国产化率等特性，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，产品经理制定产品的标准文档、销售价格、实施方案，建立售后体系，通过与质量、市场、销售等部门确认，满足目标市场的销售条件时，产品正式发布；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，并完成质量验收。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。
　　通过母公司及控股子公司之间，以及算法、产品、销售等各部门之间的深度协同机制，公司实现了研发资源的全局优化配置与创新能力的指数级放大，瀑布开发模式、敏捷开发模式相结合的双轨模式既保障了定制化业务的敏捷响应，又通过技术沉淀强化了自主产品的市场竞争力，最终形成“需求牵引创新、创新驱动增长”的良性循环。
　　3、采购模式
　　公司不涉及硬件的直接生产。针对标准硬件、配件及服务类采购，公司形成采购计划后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，采购产品到货后，质检人员进行检验后入库。公司具有完备的产业链资源，为公司选择优质代工厂提供了强有力的支撑。公司依托代工厂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；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；渠道客户（含集成商）是指承担销售推广、系统集成、安装部署、运营维护等职能的企业，包括经销/代理商、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。
　　(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。
　　（1）行业的发展阶段和基本特点
　　人工智能是引领未来的战略性技术，是新一轮科技革命和产业变革的重要驱动力。人工智能的发展浪潮正以前所未有的速度和深度重塑全球科技格局与产业生态。2025年是人工智能行业从“技术探索”迈向“规模化商用”的关键转折点，人工智能技术由浅入深加速推进，逐步实现从“有能力”走向“有用处”，具体呈现出“技术在认知推理与多智能体协同上寻求突破、应用向垂直场景深耕以解决真实痛点”的双线并进格局。
　　从《新一代人工智能发展规划》《促进新一代人工智能产业发展三年行动计划（2018—2020年）》到“人工智能+”行动，我国不断加强人工智能发展的顶层设计。作为形成新质生产力的重要引擎，人工智能技术快速迭代演进，技术通用性显著增强，技术研发从单点突破转向体系化创新；开源生态加速知识共享，与闭源模式互补推动技术繁荣；应用场景从消费端向科技、交通、医疗等各领域渐进式渗透，垂直领域落地能力成为企业关键竞争力。在政策与市场双轮驱动下，我国人工智能产业生态日益繁荣，根据中国信息通信研究院发布的《人工智能产业发展研究报告(2025年)》，据中国信息通信研究院测算，2024年我国人工智能核心产业规模已突破9,000亿元，同比增长24%；2025年预计突破1.2万亿元。截至2025年底，我国人工智能企业数量超6,000家，目前已经形成覆盖基础层、框架层、模型层、应用层的完整人工智能产业体系，各类智能产品和服务创新活跃，为人工智能实现规模化落地与产业赋能奠定了坚实基础。
　　基于日益成熟的产业生态，国家层面进一步加快了战略部署的节奏。2025年8月，国务院发布的《关于深入实施“人工智能+”行动的意见》，系统提出科技、产业、消费、民生、治理、全球合作等六大重点领域，推动人工智能与经济社会发展深度融合；面向2035年，提出了我国全面步入智能经济和智能社会发展新阶段的总体目标；面向2027年和2030年，分别提出新一代智能终端与智能体应用普及率、智能经济发展水平等阶段性发展目标。
　　作为“十五五”规划的开局之年，2026年的政府工作报告首次明确提出“打造智能经济新形态”，并将“深化拓展人工智能+”列为年度重点任务，标志着我国人工智能战略从技术应用层面向经济形态重构层面跃升。根据“十五五”规划建议的宏伟蓝图，人工智能将不再局限于单一的技术工具，而是作为像水、电一样的基础生产要素，深度嵌入产业发展、文化建设、民生保障与社会治理的肌理之中。从具身智能在制造业的规模化落地，到AIAgent重构政务服务与商业流程，再到“人工智能+”在医疗、教育、交通等垂直领域的纵深渗透，一场全方位、全链条的智能化变革正在神州大地加速演进。站在这一新的历史起点，我国人工智能产业正以“新质生产力”核心引擎的姿态，不仅推动着传统产业的蝶变升级，更在重塑全球竞争格局中展现出强大的韧性与活力，引领中国经济向着高质量、可持续的未来阔步前行。
　　（2）主要技术门槛
　　人工智能行业属于技术密集型产业，具有高技术含量与高附加值特征，行业进入壁垒不仅体现在基础算法的先进性，更在于“全栈技术能力+深度行业认知+复杂场景工程化”的综合竞争力。在技术维度上，企业需具备从算法研发、数据平台构建到媒体流加速与大规模调度的全栈式技术架构。同时，面对复杂的硬件环境，还需具备极强的软硬适配与边缘计算能力，通过模型压缩与端云协同确保高效运行。在行业应用维度上，需建立“技术深耕与行业洞察双轮驱动”的能力。不仅要攻克前沿技术难题，更要深入理解金融风控、城市治理等特定行业的业务流程、痛点、需求及法规标准等，具备将技术输出转化为符合行业规范与安全标准的解决方案的能力，并通过长期项目积累行业信任，形成隐性竞争壁垒。在商业化与资源整合维度上，企业需在标准化核心能力的基础上，具备灵活、高效的定制化交付与中台化架构支持能力，以平衡规模化推广与个性化需求。特别是在开拓政务及特种领域智能化业务时，需在产品、技术及供应链（国产化适配、资质认证等）上进行深度的资源协同整合，形成系统性工程与商业落地优势。
　　2、公司所处的行业地位分析及其变化情况
　　2.1技术引领：算法与模型持续突破
　　公司的技术实力在国际权威评测与顶级学术会议上屡获验证，确立了行业领先的技术地位。公司自研的视觉大模型Glint-MVT系列采用Vision Transformer的网络架构在10亿量级图像数据上预训练，学术评测超过CLIP和SigLIP，实验结果已经公布在计算机视觉会议ECCV2024相关论文上；结合公司自研的视觉大模型Glint-MVT和开源大语言模型，深瞳灵感-7B多模态大模型及其全流程开源版本LLaVA-OneVision-1.5在公开benchmark上达到Qwen2.5VL同等量级模型水平。公司探索了事件与对象双层次聚类驱动的统一自监督方法UniViT，该方法联合建模视频时空结构与图像细粒度语义，在多项视觉任务上实现最优性能，该工作已被NeurIPS2025接收。针对视频分析方向视觉Token消耗巨大的问题，公司探索利用视频时空冗余信息减少视觉Token，初步验证在效果不变情况下可节省80%视觉Token，为后续高效视频分析打下坚实的基础。
　　针对多模态嵌入大模型，提出利用图文交错数据生成图文对训练数据的方法RealSyn以解决数据不足问题，提出文本蒸馏和困难负样本强化训练的UniME，提出局部和全局分别对齐（DeGLA）的方法解决组合理解问题，为了弥补UniME批次样本内困难负样本采样不足提出全局困难负样本采样的方法UniMEV2。基于上述技术，公司的多模态嵌入模型Glint-ME（MultimodalEmbedding）在学术多模态嵌入评测榜单MMEB（Multimodal Embedding Benchmark）获得第一名。
　　2.2行业贡献：推动技术共享与标准建设
　　公司坚持技术共享与行业共建，已向学术界开源了TrillionPairs和Glint360K两项重要人脸识别数据集及PartialFC训练代码，并于2025年在GitHub发布机器人3D定位算法FAST_LIO_LOCALIZATION_HUMANOID，积极推动行业协同创新。
　　在视觉大模型方向，公司持续开源Glint-MVT系列模型（Unicom、MLCD、RICE），2025年9月公司基于MVT视觉模型全流程开源视觉语言大模型LLaVA-OneVision-1.5，该项目为国内首个在公开榜单上达到Qwen2.5VL同等量级模型水平的全开源项目，该项目开源了所有训练测试代码、共1.07亿训练数据和模型，为业界提供了良好的视觉语言大模型训练参考，被InfoQ评选为“AI开源明星项目TOP10”，同时也被多家公司和研究机构分别采用该项目的方法、代码或数据，用于科研探索、作为企业算法优化的基础，以及与其他数据混合以训练出性能更优的模型等。
　　在多模态嵌入方向，UniME系列开源模型在统一多模态表征领域属于早期工作，在领域内具有较高的影响力。公司开源了1亿高质量图文对数据集RealSyn，它能显著提升CLIP等模型在视觉-语言表示学习中的性能，推动了多模态表征领域的发展。
　　此外，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，从技术开源、科研攻关到标准参与，持续助力行业生态发展。
　　2.3应用落地：软硬一体驱动，业务多元化布局
　　在AI应用层面，公司已成功将核心技术转化为面向智慧金融、城市管理、政务及特种、智慧教育等领域的人工智能产品及解决方案，并持续在垂直行业深度耕耘，公司产品在下游核心客户中认可度高，市场口碑良好，为业务拓展奠定坚实基础。凭借卓越的技术创新与落地能力，根据量子位发布的“2025人工智能年度榜单”，格灵深瞳入选“2025人工智能年度领航企业”。当前，人工智能下游应用场景广阔，同行业企业在细分领域各有侧重，市场空间广阔。作为创新型领军企业，公司处于产业化与市场拓展的快速发展阶段，已在多个细分应用领域完成了早期的产品布局与技术卡位，形成了显著的先发优势。随着多元化布局深入推进及新应用领域的不断拓展，公司加速软硬一体化产品战略的实施，进一步提升市场份额与竞争地位。
　　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
　　随着大模型技术的发展，训练效率与性能显著提升，成本与应用门槛降低，人工智能技术迈向新阶段，在技术创新与商业应用的双重驱动下，全球人工智能产业规模呈爆发式增长，产业赋能潜力尽显。与此同时，面对文字、图像、音频、视频等多元数据处理需求的激增，人工智能语言基础模型与推理模型双线并进，技术迭代速度与能力跃升幅度均超出预期。语言基础模型不再局限于单一功能场景，而是朝着多功能融合的方向加速演进；多模态大模型深度融合理解和生成能力，原生多模态架构逐渐走向成熟。从大语言模型掀起AI普及浪潮，到多模态技术持续突破，人工智能的进化始终围绕“更贴近人类智能”的核心目标前行。
　　从自动化执行复杂任务的数字员工，到辅助人类进行高质量决策的智能伙伴，AIAgent正在重新定义人机交互的边界，其作为一种可落地、可规模化部署的技术力量，已经开始在千行百业中展现其巨大的商业潜力与社会价值。具身智能作为与物理实体融合的人工智能，正在成为改变人类生产生活方式、推动社会智能跃升的重要引擎。具身智能是生成式人工智能与机器人学习技术的融合和延续，近一年主要围绕“通用大脑”和“技能可扩展学习”两大方向开展密集创新。此外，在通往通用人工智能（AGI）的必经之路上，世界模型（WorldModels）正在成为AI领域的新风口，它让AI从被动的文本处理者升级为能感知、预测、行动的“世界理解者”。
　　随着人工智能技术的大规模应用，以智算中心为代表的人工智能算力基础设施，被赋予更重要的定位和使命，成为支撑人工智能技术及产业发展的重要基石。AI厂商纷纷加速布局智算领域，聚焦大规模智算中心建设，注重技术创新与场景融合，在支撑自身前沿研究和多元业务的同时，也向行业输出能力，助力AI技术落地应用。
　　展望未来，随着人工智能向通用人工智能（AGI）和超级人工智能（ASI）加速演进，人工智能的感知、决策、行动等核心能力水平将继续取得突破。2026年《政府工作报告》首次提出“打造智能经济新形态”，这一全新表述体现了我国人工智能发展的战略升级。人工智能将超越传统工具辅助的基本定位，加速向新型基础设施方向发展，将全面重构产业组织形态和商业运行逻辑，“智能无处不在”将成为经济社会发展常态。
　　二、经营情况讨论与分析
　　2025年是公司改革的关键之年，在稳健转型的过程中，公司围绕多模态大模型持续对重点领域进行研发投入，巩固在技术层面的领先优势，同时坚定推进“2+2”战略，在智慧金融、城市管理两大战略赛道，以及政务及特种、智慧教育两大创新领域开展符合国产信创标准的行业级大模型产品研发并聚焦行业赛道重建销售团队，提升商业落地能力并优化客户结构。报告期内，公司实现营业收入15,546.67万元，较上年同期增长32.61%；实现归属于上市公司股东的净利润-18,636.75万元，与上年同期相比亏损减少11.92%。受宏观经济环境等因素影响，智慧金融领域客户的预算有所收紧，相关产品需求放缓；但公司在城市管理、政务及特种、智慧教育等其他领域的综合收入金额较去年有所增长，逐步实现业务多元化发展。
　　（一）多模态大模型研发加码，巩固技术领先优势
　　近年来，人工智能已进入大模型时代，多模态大模型的发展日新月异。作为AI的重要发展方向，多模态技术通过融合图像、文本、声音等多种类型的数据，可实现更全面、准确的分析和决策。公司在多模态大模型技术领域深入布局，着力开发自主可控的多模态大模型并持续提升模型性能，以多模态大模型技术作为有关产业领域发展的关键驱动力，为高质量发展提供新动能。
　　报告期内，公司发布了视觉大模型系列Glint-MVT，其中Glint-MVTv1.5(RICE)在10亿量级图像数据和20亿局部区域上预训练，学术评测超过了CLIP和SigLIP2，实验结果已经公布在计算机视觉会议ICCV2025相关论文上。作为基础视觉模型，Glint-MVT在检测分割、OCR等下游任务表现上带来的能力提升，帮助各领域产品团队快速提升了算法生产效率和质量。针对多模态嵌入模型，提出利用图文交错数据生成图文对训练数据的方法RealSyn以解决数据不足问题，提出文本蒸馏和困难负样本强化训练的UniME，提出局部和全局分别对齐（DeGLA）的方法解决组合理解问题，这三项工作已入选ACMMM2025。此外，公司在人脸3D重建、文档几何校正、人体动作生成、鲁棒三维重建等多个视觉AI研究关键方向的5篇论文也入选了ICCV2025。结合开源大语言模型和公司自研的视觉大模型MVT，深瞳灵感-7B多模态大模型及其全流程开源版本LLaVA-OneVision-1.5在公开benchmark上达到Qwen2.5VL同等量级模型水平。针对多模态嵌入大模型，提出利用图文交错数据生成图文对训练数据的方法RealSyn以解决数据不足问题，提出文本蒸馏和困难负样本强化训练的UniME，提出局部和全局分别对齐（DeGLA）的方法解决组合理解问题，为了弥补UniME批次样本内困难负样本采样不足提出全局困难负样本采样的方法UniMEV2。公司在不断探索前沿技术的同时，仍积极推进产品化策略，重点推进各领域产品的商业化落地，重视研发和市场接轨。
　　（二）持续升级产品矩阵，构建软硬一体产品体系。
　　报告期内，公司提出AI原生自进化，以自研的视觉基础模型、多模态大模型为技术核心，通过端到端开发平台（AIEdgeStudio）支持算法的快速训练，并在实际应用场景中持续迭代，形成了“数据—训练—推理—反馈—再优化”的闭环，使产品能更好地适应复杂多变的现实环境，也能更精准地贴合垂直领域的业务需求，从而推动核心AI技术与行业应用场景的深度融合。同时，公司协同子公司国科亿道的硬件研发能力，构建了软硬融合交付体系。在此基础上，公司将项目经验、算法能力与场景方法论等逐步沉淀为可复用、可部署的产品能力，建立AI原生的软硬一体产品体系，为客户打造“低成本、高性能、可进化、软硬一体”的AI超融合解决方案。
　　智慧金融领域：公司发布了最新版AI+金融全系列整体解决方案，产品阵容全新升级，以公司自研的视觉基础模型、多模态大模型、智能体平台为基础支撑，进一步将产品深入银行核心业务。智慧金融产品在符合国产信创要求的基础上，增加AI智能体、反诈应用等功能，同时新推出了金融智慧管理赋能助手“金砖Super-Agent平台”，赋能银行客户在合同审核、贷前贷后报告、智能营销、智能BI等多场景智能化升级，通过知识库、MCP(ModelContextProtocol，模型上下文协议)服务、数据服务、大模型API等功能模块，可支持构建多个具备金融行业专家知识或专业技能的智能体。
　　城市管理领域：产品矩阵实现了全面升级和迭代，形成了以“战狼”和“深眸”为核心的双轮驱动产品体系。基于Glint-MVT视觉大模型基座，战狼智能视图大数据系统实现了从图片到视频的统一支持，大幅提升了视频特征表达能力。新版本强化了对视频图像数据的理解与决策能力，完成了多模态知识图谱的构建与部署，提升了跨模态实体的精准关联能力。在巩固现有人、车、非、脸算法技术优势基础上，公司于2025年上半年推出了成熟的低代码平台和AI点位打标运维功能，支持零代码引导式交互。目前公司已完成了深眸视觉智能工坊（以下简称“深眸”）第一阶段的产品研发和设计，深眸是公司面向泛安防场景推出的下一代AI基础设施产品，搭载轻量级算法训练平台，实现训推一体化闭环；能深度融合视觉、行业数据等多种维度信息，做出更接近行业的精准判断，且模型支持针对行业数据进行针对性“喂养”与迭代，真正实现从“通用识别”向“行业专家”的蜕变。
　　政务及特种领域：公司发布了基于国产信创平台的“政企数字员工大模型一体机”与AIPC产品“墨刃Z1AIPC”，全面适配信创生态，确保从硬件到应用的自主可控，其中智能体协同增效平台具备集成政企管理、流程自动化、辅助决策等功能，能够有效帮助客户提升团队效能。
　　智慧教育领域：公司已完成了产品体系迭代升级，从聚焦体育中考到覆盖校园全场景、部队体训，提供了一套完整闭环的智慧体育产品，涵盖操场、体测室、运动角和中考考场、部队体训专项等业务场景。
　　（三）深耕重点细分领域，构建业务多元化发展格局
　　报告期内，公司聚焦于市场开拓与业务多元化发展，重点深耕智慧金融、城市管理、政务及特种、智慧教育等领域，深度挖掘多场景需求，拓宽收入来源，逐步改善客户集中度问题。2025年，公司来自中国农业银行以外的其他客户的营收占比超90%，收入金额同比增长近120%，公司在各重点领域的市场拓展初显成效。
　　智慧金融领域，公司在继续深度服务现有客户的同时，积极开拓新客户，2025年公司已于多家城商行、农商行开展试点工作，并成功在部分银行实现订单转化。城市管理领域，公司持续深化与重点客户的战略合作，在深耕公安行业的同时，积极拓展其他行业。此外，公司通过补充完善区域营销团队体系、积极拓展合作伙伴网络、加大行业技术投入三项关键举措，积极布局西北、华中、华东等重点区域。除传统视图解析领域外，公司在多模态视觉大模型相关产品等方面开展了新的合作项目。政务及特种领域，公司协同合作伙伴已向多个政企客户提供超融合一体机产品，并持续巩固智能终端计算设备业务，凭借核心硬件自主可控、防护性能出众构建差异化竞争优势；同时大力拓展大型客户资源，并加速AI赋能终端产品，延展市场边界，发掘并渗透新领域客户群体。智慧教育领域，公司通过营销团队建设，针对普教、高教、部队等客户，通过试点典型案例的方式进行项目落地，针对大客户服务成立专项组，实现精准服务和规模化营销。
　　（四）深化组织架构优化，完善激励机制，强化人才驱动与管理赋能
　　为应对外部挑战并抓住AI发展机遇，公司进行了一系列组织变革，通过调整组织架构、完善激励机制、强化人才驱动与管理赋能三大关键举措，系统性地提升组织活力和核心竞争力，为公司实现高质量发展奠定坚实基础。
　　报告期内，公司持续对组织架构进行了优化调整，正式组建政企事业部与金融科技事业部，形成更加清晰的业务边界与权责体系。同时，通过优化销售网络布局持续提升销售能力：一方面，全面重建销售体系，依据行业特性有针对性地组建专业化销售团队，并持续按效果进行优化，确保对各行业的销售推广更具精准度与高效性。另一方面，着力打造行业专家级别的售前解决方案团队，在为客户提供更优质服务的同时，也将市场需求更及时、准确地反馈给产品研发团队。此外，公司于2025年上半年实施了“2025年限制性股票与股票增值权激励计划”，激励对象覆盖公司高管、中层管理人员及核心技术（业务）人员，旨在有效地将股东利益、公司利益和经营者个人利益结合在一起，通过长期激励约束机制，吸引和留住优秀人才，充分调动其积极性与创造性，提升管理团队的凝聚力与忠诚度，驱动公司长远发展。
　　在新管理梯队与激励体系推动下，公司将持续提升管理能力，升级销售网络与研发协同机制，加速市场需求向技术落地的转化效率，通过多元化业务布局，逐步改善营收结构，以技术护城河支撑多领域核心场景商业化，驱动公司向高质量发展加速跃迁。
　　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
　　在技术研发层面，公司建立了行业领先的技术研发体系，尤其在计算机视觉领域形成了显著优势。通过深入理解行业典型场景，始终专注核心技术的自主创新与研发，公司目前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、视频动作分析技术六大技术方向，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目标检测与跟踪技术等多项核心技术并拥有多项自主知识产权。
　　（1）全栈自研大量核心算法
　　公司在视觉领域持续深耕，并于2025年5月发布自主研发视觉大模型系列Glint-MVT（深瞳灵感）。Glint-MVT（Margin-basedpretrainedVisionTransformer），是团队自主研发、设计的视觉预训练Transformer模型。该模型在特征表达能力上均优于国内外同类型模型。基于Glint-MVT进行特定任务的微调，可以快速低成本地生产高质量专用模型。Glint-MVTv1.5已经发表在计算机视觉顶会ICCV2026，它具有无需显式语言监督、支持原始分辨率分析及OCR和局部特征强化等特点。Glint-MVT可应用在多模态大模型中作为视觉编码器，对比其他视觉编码器，使用Glint-MVT的多模态大模型在文字OCR任务和局部理解任务都有优势。在多个OCR测试集、以及COCO和LVIS检测分割测试集上，基于MVTv1.5的VLM模型表现均优于基于谷歌的SigLIP的模型表现。在此多模态大模型基础上训练得到的参考分割模型Glint-RefSeg取得了该任务最好的结果。2025年9月，基于MVTv1.5公司发布了Glint-VLM的开源版本LLaVA-OneVision-1.5，该模型的训练测试数据、训练测试代码及模型全部开源，在4B、8B量级模型上超过Qwen2.5-VL。LLaVA-OneVision-1.5发布后获得业界关注，为业界提供了良好的视觉语言大模型训练参考，被InfoQ评选为“AI开源明星项目TOP10”。
　　公司的多模态嵌入模型Glint-ME（MultimodalEmbedding）在学术多模态嵌入评测榜单MMEB获得第一名。在多模态嵌入方向上，针对多模态嵌入模型数据不足提出的利用图文交错数据生成训练的方法RealSyn，提出文本蒸馏和困难负样本强化训练的UniME，提出局部和全局分别对齐（DeGLA）的方法结论组合理解的问题，这三项工作已被ACMMM2025接收。此外为了弥补UniME批次样本内困难负样本采样不足提出全局困难负样本采样的方法UniMEV2，该工作已被AAAI2026接收。
　　此外，公司多项核心算法在国际、国内的权威机构或组织举办的算法比赛中多次名列前茅：
　　公司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；公司在2022年ECCVPointCloud-CChallenge点云分割和点云分类两个赛道均获第2名；在第一届花样滑冰动作识别挑战赛中公司运用领先的运动姿态分析技术获得了冠军。
　　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。
　　（2）技术平台
　　深耕视觉算法和多模态大模型的同时，公司在端侧视觉AI领域不断创新，推出面向视觉算法和边缘计算的AI开发平台AIEdgeStudio，通过公司自研的视觉模型基座Glint-MVT、AdapterTuning训练微调技术及下游任务高效推理组合方案，平台能够快速构建高性能视觉模型，自动适配多种边缘设备，全面解决视觉应用规模化落地的难题，确保各类边缘业务的稳定可用与高效运行。从模型生产流程来看，AIEdgeStudio开发平台覆盖从数据采集、标注、训练、评估到部署等13个关键环节，实现AI应用交付全流程自动化。相较于传统开发方案仅支持基础流程，且需要算法专家和研发工程师配合，AIEdgeStudio平台实现低门槛、零代码引导算法的全流程开发。借助平台能力，可以将传统6-8周的开发周期压缩至最快3小时。在产品功能方面，平台具备数据采集、数据处理、模型训练、模型管理、模型推理、云边端设备管理六大核心功能，构建一套完整的算法生产线。平台支持多种视觉任务，例如图片与视频的分类、检测，以及图像分割、语义分割等，并可以灵活选配不同参数和类别的模型。在自研边缘终端的基础上，平台可适配市场主流终端设备，解决数据、模型、部署终端割裂的问题，真正实现端到端的项目开发场景闭环。
　　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、模型优选等模块的技术平台——深瞳大脑。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。
　　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。
　　智慧金融领域：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。2025年，公司开始在多家银行试点金砖视觉类产品，并成功在部分银行实现订单转化，为未来规模化部署打好基础。同时公司全面发展智能体产品能力，形成视觉+智能体的多模态金融智算平台产品，打造面向银行客户的新一代AI综合管理平台。
　　城市管理领域：公司研发的城市治理系统战狼智能视图大数据系统已经在全国多个省、市、县的公安机关完成商业落地形成了可复制的成功模式。该系统搭载的基于新一代视频语言多模态大模型（VLM）的图文布控、以文搜图、AI打标、低代码建模引擎等功能，有效解决了公安机关长尾需求无法快速上线、人工运维成本高企、应急时间响应较慢等痛点。同时，公司正在全力研发基于大语言模型的多智能体系统，以AI助手的形态辅助客户快速完成工作任务。报告期内，公司启动了“文图通解”、“指令流转”及“多任务调度”三项核心Agent能力的验证工作，推动其在视频专班与图侦专班中的实战落地。在交通管理方面，公司研发的车路协同感知MEC产品已完成多省市交付，车载视频记录取证设备、交通事件分析系统等产品已在多个省市规模化应用，围绕交通治理的多款执法取证装备已在多省市进行试点应用。
　　政务及特种领域：公司的商业化落地成效显著，依托突出的产品优势与清晰的市场布局，实现规模化供货与市场份额稳步提升。公司相关产品已顺利通过行业严格认证与测试，正式进入批量供货、规模化交付阶段，形成稳定的供货体系与交付流程，实现“研发-生产-交付”全链路高效推进，客户覆盖政府机关、特种单位及行业重点央企等。同时，公司以“硬件定制+AI算法集成”的合作模式，贴合政务及特种场景个性化需求，提升客户粘性与复购意愿。2025年，公司协同合作伙伴已向多个政企客户提供超融合一体机产品，在政务知识库、办公智能体、业务协同应用等方面获得用户认可，目前处于推动商务落地阶段。
　　智慧教育领域：公司发布的骁腾智慧体育产品系列，针对普教、高教、部队体训等相关业务拓展，在多个高校场景以及部队体训相关场景业务落地，并服务于北京部分区域的初中学业水平考试体育现场。
　　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。
　　报告期内，公司研发投入14,603.10万元，占营业收入比例为93.93%。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、新一代智能化硬件、通用硬件等多项技术研发，和面向智慧金融、城市管理、政务及特种、智慧教育等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。
　　随着技术的不断演进，新需求不断提出，公司将在核心技术上不断创新。Glint-MVT将从纯图像预训练模型升级为视频预训练模型，并结合业务上视频流分析场景提升应用效果。针对多模态大模型使用成本较高的问题，公司也将不断优化模型，结合模型小型化、量化和软硬件结合优化等技术将多模态大模型普惠应用。
　　公司在核心算法技术、应用场景等相关技术的前瞻性研究和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。
　　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194人，占员工总数的59.69%，核心技术团队由公司创始人、董事长、首席科学家赵勇博士等在内的5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，公司副总经理张强先生曾获得军队科技进步二等奖。公司团队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力，保障了公司核心技术的持续研发创新。
　　(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
　　公司推出了面向视觉算法和边缘计算的AI开发平台AIEdgeStudio，通过公司自研的视觉模型基座Glint-MVT、AdapterTuning训练微调技术及下游任务高效推理组合方案，平台能够快速构建高性能视觉模型，自动适配多种边缘设备，全面解决视觉应用规模化落地的难题，确保各类边缘业务的稳定可用与高效运行。从模型生产流程来看，AIEdgeStudio开发平台覆盖从数据采集、标注、训练、评估到部署等13个关键环节，实现AI应用交付全流程自动化。相较于传统开发方案仅支持基础流程，且需要算法专家和研发工程师配合，AIEdgeStudio平台实现低门槛、零代码引导算法的全流程开发。借助平台能力，可以将传统6-8周的开发周期压缩至最快3小时。在产品功能方面，平台具备数据采集、数据处理、模型训练、模型管理、模型推理、云边端设备管理六大核心功能，构建一套完整的算法生产线。平台支持多种视觉任务，例如图片与视频的分类、检测，以及图像分割、语义分割等，并可以灵活选配不同参数和类别的模型。在自研边缘终端的基础上，平台可适配市场主流终端设备，解决数据、模型、部署终端割裂的问题，真正实现端到端的项目开发场景闭环。
　　公司打造了AI技术平台——深瞳大脑，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。
　　（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、视频、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。上述算法已被国际顶级会议ICLR2023、ICCV2023、ECCV2024、ICCV2025和NeurIPS2025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，在复杂场景中效果远优于传统小模型。该系列模型构成了公司视觉大模型系列Glint-MVT，并于2025年5月发布v1.5。结合高质量的语言模型，公司研发了灵感多模态大模型，该模型能接受图像、语言等多种模态的输入，能够完成多模态融合理解，提升业务的应用潜力。于2025年9月，基于Glint-MVTv1.5公司发布了Glint-VLM的开源版本LLaVA-OneVision-1.5，该模型的训练测试数据、训练测试代码及模型全部开源，在4B、8B量级模型上超过Qwen2.5-VL。LLaVA-OneVision-1.5发布后获得业界关注，为业界提供了良好的视觉语言大模型训练参考，被InfoQ评选为“AI开源明星项目TOP10”。
　　多模态嵌入模型可以将文本和图片表达到同一特征空间，可以应用在图文互搜等场景中。公司针对这项技术中的数据生成构造、文本否定词、组分缺失、属性、数量、关系等针对性的问题进行优化，显著提升了图文互搜在应用中的效果，相关技术也形成多篇论文被国际顶级会议接收。最新模型UniME在学术多模态嵌入评测榜单MMEB获得第一名。针对多模态嵌入模型，提出利用图文交错数据生成图文对训练数据的方法RealSyn以解决数据不足问题，提出文本蒸馏和困难负样本强化训练的UniME，提出局部和全局分别对齐（DeGLA）的方法解决组合理解问题，这三项工作已被ACMMM2025接收。此外为了弥补UniME批次样本内困难负样本采样不足提出全局困难负样本采样的方法UniMEV2，该工作已被AAAI2026接收。
　　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、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，可有效地降低研发成本，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。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。公司在SiggraphAsia2024发布了3D人体技术的相关论文，基于单个视频进行人体运动捕捉，比单帧估计的更加稳定准确。公司与浙江大学合作提出了“MotionStreamer”、“Motion-2-to-3”以及“UniVerse”方法，分别解决了动作的实时交互生成、从大规模二维数据提升三维动作多样性，以及不一致多视图图像的鲁棒三维重建问题，这三项工作已被ICCV2025接收。
　　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；而在智慧教育领域，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。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。
　　（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识别率都会有较大的下降，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。配合集群可实现百亿级图片秒级检索的性能。针对上亿特征占用显存巨大的问题，公司研发了短特征技术，利用该技术能节省至少4倍显存，同时召回率达到99.9%。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、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
　　公司稳步推进具身智能相关技术研发和落地。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工业检测机器人等场景，算法适应性良好，机器人在该场景中，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取得良好效果，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。为了提升机器人自主规划和控制能力，公司自主研发的多模态大模型作为机器人的大脑，使其逐步向具身智能靠拢。
　　公司基于Transformer模型与扩散模型实现了机器人模仿学习方案，已在单臂与双臂机器人进行了真机落地。基于自研多模态大模型实现了具身领域的机器人基座模型，其在具身任务和空间理解的多个榜单表现优异。公司基于基座模型实现端到端的VLA（视觉语言动作）模型训练，将在单臂、双臂复合机器上部署。基于基座模型实现VLN（视觉语言导航）具身模型方案，将在机器人和无人机等多种构型上进行部署。使用具身基座模型作为机器人感知空间理解任务的大脑，深度强化学习方案作为控制的小脑，引入COT（思维链）与自纠正方案，提升机器人通用能力。
　　（6）视频动作分析技术
　　公司拥有丰富的视频动作分析经验，经过多年技术积累，搭建了一套从视频预训练到视频动作识别和时序动作定位的流程。该流程能高效训练各种业务所需的视频动作分析模型。
　　为了提升视频预训练的效率，公司研发了V-SWIFT视频预训练框架，对比开源的训练框架一次预训练所耗费GPU时减少90%。基于该预训练框架公司只用一台GPU服务器一天便能完成一次视频基础模型的预训练。基于该训练框架，公司探索了事件与对象双层次聚类驱动的统一自监督方法UniViT，该方法联合建模视频时空结构与图像细粒度语义，在多项视觉任务上实现最优性能，该工作已被NeurIPS2025接收。针对视频分析方向视觉Token消耗巨大的问题，公司探索利用视频时空冗余信息减少视觉Token，初步验证在效果不变情况下可节省80%视觉Token，为后续高效视频分析打下坚实的基础。
　　利用海量数据完成的视频预训练模型有较强的泛化能力，能够在少量特定场景数据微调后适配到对应场景上。公司在智慧金融、智慧体育和工业检测等业务上已经将视频预训练微调得到的视频动作识别和时序动作定位模型落地应用，并且大幅提升了模型精度和泛化性。公司在由北京图象图形学学会、清华大学、蚂蚁安全实验室等机构联合发起的第一届花样滑冰动作识别挑战赛中，应用了领先的视频动作分析技术获得了冠军。
　　（7）信息安全及可靠技术
　　公司控股子公司国科亿道获得了“用于视频信号传输的防泄密电路”、“一种提高网口抗干扰及抑制辐射骚扰的电路”及“一种电磁场与差共模干扰信号检测装置”的专利，可在触发保密条件时快速切换外接显示屏至预存图片，保障敏感信息安全，适用于特种、政府及金融等高保密场景；国科亿道还开发了“防护显示屏特高压静电的电磁屏蔽结构”，通过电磁屏蔽膜与金属箔屏蔽罩结合，实现360°静电防护，提升设备抗干扰能力；此外，国科亿道基于国产化芯片开发的加固平板电脑、笔记本电脑及主板，满足特种环境下的高可靠性、耐极端条件需求，拥有“提高防浪涌电流冲击性能的电源电路”专利，优化设备在复杂电力环境下的稳定性。
　　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）130项、有效软件著作权（不包含权利终止和转让）225项、有效其他知识产权（不包含权利终止和转让）3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
　　主要原因系公司持续提升研发效率并优化人员结构，致使职工薪酬同比减少；此外，因办公布局调整及缩减租赁面积，研发使用权资产折旧费用亦有所降低。
　　4、在研项目情况
　　情况说明
　　5、研发人员情况
　　6、其他说明
　　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
　　报告期内，公司实现营业收入15,546.67万元，较上年同期增长32.61%，实现归属于上市公司股东的净利润-18,636.75万元，归属于上市公司股东的扣除非经常性损益的净利润-20,046.69万元。若未来宏观经济环境与市场环境发生不利变化，或主要客户预算削减、大额订单未能延续等，公司可能面临营业收入增速放缓甚至大幅下滑的风险。与此同时，鉴于公司所处行业技术迭代迅速、竞争格局激烈及商业化落地的迫切需求，公司必须维持高强度的研发投入以保持核心竞争力。若未来行业竞争加剧、客户偏好转变或面临降价压力，可能导致公司毛利率下行，加之公司为拓展新应用场景可能增加销售费用，若公司无法及时优化成本结构、提升商业化落地效率或开拓新的高增长盈利点，公司可能面临净利润持续亏损的风险。
　　(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具有技术升级及产品更新换代速度极快、颠覆性强的特征。随着物联网、5G、云计算、大数据、大模型及智能体（Agent）等前沿技术的爆发式演进，技术融合与创新节奏显著加快，且技术路线的选择及产品化落地亦存在高度不确定性。公司特种领域业务，若向民用市场渗透，存在品牌认知度不足、成本控制压力、技术适配后商业化周期长且存在不确定性等风险。若公司未能准确预判行业的发展趋势、新技术的研发方向以及市场需求等，导致技术研发进展滞后、关键攻关失败或研发成果无法有效转化为商业产品，公司可能面临技术迭代受阻、新产品推出不及预期的风险。此外，若同行业竞争对手率先在核心领域取得突破，推出更先进、更具竞争力的技术和产品，公司可能面临错失新机遇甚至现有市场份额被侵蚀的严峻挑战，从而对公司未来的经营与业务发展产生不利影响。
　　2、关键技术人员流失、技术人才不足的风险
　　人工智能行业属于典型的技术密集型与人才密集型行业，关键技术人员不仅是公司生存和发展的关键，是维持竞争优势的基础，更是保持不断研发创新的重要保障。截至报告期末，公司研发人员194人，占员工总数的59.69%。随着行业规模的快速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，同时，随着公司业务领域的拓展及下游应用场景的深化，市场对技术先进性、算法迭代速度的要求日趋提升，对公司人才梯队的厚度与质量提出了更高挑战。若无法建立并执行具有长期竞争力的薪酬体系、激励机制、职业发展通道及企业文化，导致在人才竞争中于发展前景、薪酬福利及工作环境等方面丧失吸引力，公司可能面临核心技术人员流失或关键岗位人才引进受阻的风险，从而可能导致公司研发进度滞后、产品迭代放缓，削弱公司的技术壁垒与产品创新能力，对公司的可持续发展造成不利影响。
　　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，专利、软件著作权、商标、商业秘密及其他知识产权是公司构建竞争壁垒、维持技术优势及实现商业成功的核心资产。公司的核心技术是公司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，目前已建立知识产权保护机制，综合运用专利申请、软著登记、保密协议、竞业禁止条款等多种手段，力求在促进创新的同时防范技术外泄。然而，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、公司客户集中度较高以及收入波动的风险
　　公司智慧金融及特种领域业务客户集中度较高，公司与大客户中国农业银行的框架合同已于2025年9月到期，后续续签事宜受客户预算调整、招投标政策及竞争格局等多重因素影响，存在不确定性。此外，政府及大型企业客户的采购流程决策链较长、审批程序相对复杂，易受宏观经济波动、财政预算周期、政策导向及内部战略调整等公司无法控制的外部因素制约。上述因素的变动可能导致项目立项延期、实施周期被大幅拉长甚至在公司已投入大量研发及实施资源后出现项目终止或取消的情形。若公司未能持续获得主要客户的订单、在存量市场竞争中被替代，或新市场拓展进度不及预期以弥补存量缺口，公司可能面临收入出现较大波动的风险，进而对公司的经营发展及财务状况等产生不利影响。
　　2、公司新业务拓展与新产品落地不及预期风险
　　公司已在智慧金融、城市管理、政务及特种、智慧教育等领域实现商业化落地，但各业务场景的商业化落地进度仍受多种因素影响。未来在拓展新领域、开发多元化解决方案及延伸市场边界的过程中，公司仍面临诸多挑战。受技术研发滞后、交付能力不足、客户对新产品的接受程度及合作关系变动等因素影响，可能导致公司面临新产品不能较快规模化生产或被市场接受，或商业化效益不及预期无法弥补前期投入的风险。向新领域及境外市场的业务拓展将带来更高的运营复杂程度，包括对陌生监管环境与数据合规要求的适应成本、地缘政治与汇率波动的影响以及跨文化运营的潜在障碍，若因环境适应不力或执行偏差等原因导致扩张受阻，可能导致公司财务损失、声誉受损及资源浪费等，进而对公司的财务状况、经营业绩及未来发展前景产生不利影响。
　　(五)财务风险
　　1、营业收入及利润下滑的风险
　　报告期内，公司营业收入较去年同比增长，且归母净利润亏损幅度同比收窄。然而，若未来出现宏观经济和市场环境发生不利变化、客户采购预算削减、下游应用领域认可程度和产品销售情况不达预期、大额订单未能延续等情况，公司将面临营业收入增速放缓甚至大幅下滑的风险。为保持技术领先性及核心竞争力，公司需维持高强度的研发投入。若行业竞争加剧引发产品价格下行压力，导致毛利率受损；或未来公司因新场景拓展导致销售费用激增，而研发成果未能及时转化为商业价值、成本结构优化滞后，可能导致公司面临净利润持续亏损的风险。此外，公司下游客户的支付能力与宏观经济景气度及财政政策高度相关，若未来宏观经济环境波动，导致客户财政预算收紧、支付能力下降或内部付款审批进一步滞后，公司可能面临应收账款回收困难、坏账计提金额增加的风险。
　　2、收入季节性波动的风险
　　公司的收入存在季节性特征，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。
　　3、毛利率波动的风险
　　公司毛利率受宏观环境、行业竞争、原材料价格、公司收入结构、项目类型、软硬件收入占比等多重因素影响。报告期内，公司毛利率为33.41%，较去年同期下降19个百分点，一方面，受宏观环境影响，行业价格竞争加剧，叠加原材料成本上涨等原因，对毛利率造成一定压力；另一方面，公司控股子公司国科亿道主要从事基于国产信创平台的智能硬件设备的设计、生产与销售，产品毛利率较软件产品相比较低，公司于2024年11月完成对国科亿道的并购，因此与上年度相比，本年度收入结构中硬件产品占比提升，进而对整体毛利率水平产生结构性影响。若未来影响公司毛利率的因素出现较大不利变化，公司的毛利率可能存在大幅波动的风险。
　　(六)行业风险
　　公司所处的人工智能行业正从“技术探索”迈向“规模化商用”，随着技术的快速迭代及客户智能化升级需求的延展，公司在核心技术商业化落地及市场拓展等方面面临一定不确定性。随着国家“人工智能+”行动及战略性新兴产业政策的深入，市场竞争维度逐步从单一技术比拼升级为全生态链博弈。在特种行业领域，尽管客户粘性相对较高、行业准入门槛较严，但企业需持续满足GJB认证及技术迭代的高要求，且面临着具备更强资金实力和渠道优势的潜在竞争对手的冲击。若未来国家产业政策发生重大不利调整，市场竞争加剧，公司技术研发滞后或无法满足动态合规标准等情况，可能导致公司竞争优势削弱及市场份额流失，从而对公司经营状况和盈利能力造成不利影响。
　　(七)宏观环境风险
　　公司目前主要客户集中在智慧金融、城市管理、政务及特种、智慧教育等领域，该等领域的客户所在的行业与宏观经济、行业政策等紧密相关，对宏观经济波动的敏感度较高。尽管目前宏观经济稳步发展，但若宏观经济出现波动或增速减慢，可能影响公司下游客户的业务需求，从而可能导致公司业务收入面临波动的风险。此外，公司已被美国商务部列入“实体清单”，但由于目前公司收入主要来自境内，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15,546.67万元，较上年同期增长32.61%，实现归属于上市公司股东的净利润-18,636.75万元，归属于上市公司股东的扣除非经常性损益的净利润-20,046.69万元。
　　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
　　2025年，公司围绕智慧金融、城市管理两大战略赛道，以及政务及特种、智慧教育两大创新领域，推进“2+2”战略，在稳健转型的过程中逐步实现业务多元化发展。2026年，随着千行百业正在经历AI驱动的深刻变革，为进一步提升公司的AI交付水平，打造可持续进化的AI工程化落地能力，公司将系统性推进战略升级，在围绕智慧金融、城市管理两大已经验证、并能够持续沉淀产品能力和行业方法论的核心支点基础上，将公司的AI原生产品体系、商业化落地交付能力复制到政务及特种、智慧教育等更多行业、更多场景及更多产品形态中，施行“2+X”发展战略。
　　1、强化核心技术，沉淀平台能力
　　公司仍将持续深耕核心技术、聚焦重点领域研发投入，保持对前瞻技术方向的敏锐探索，继续实施“多模态大模型技术与应用研究项目”，以巩固公司在技术层面的领先优势。2026年开年之初，公司灵感实验室发布了新一代视觉基础模型Glint-MVTv2.0，通过利用视频编码自带的运动矢量和残差信息的策略，减少了90%的冗余Token，大幅提升模型训练效率的同时，也为公司各项产品的进化升级提供了强劲动能。
　　2、业务领域拓展与深化
　　智慧金融领域，公司将持续聚焦银行业务痛点和需求，升级面向银行运营场景的AI智能管理系统“元识·睿镜运营智算解决方案”，同时融入企业级智能体操作系统DeepBot-OS，着力为客户打造一套多智能体稳定、高效、自主工作的解决方案，进而实现元识金融多模态智算平台的进化提升，让金融AI真正具备了“随业务而变”的生命力。
　　城市管理领域，基于面向泛安防场景的下一代AI基础设施：深眸视觉智能工坊，通过将算法灵活封装为标准化模块的方式，公司为客户提供了一套具备可视化编排能力的解决方案，在提升算法构建和部署效率的同时，大幅降低一线业务人员的使用门槛。
　　此外，为解决企业AI落地痛点，公司面向传统视频及AIoT场景全面赋能，打造具备设备可纳管、算法可升级、规则可编排、业务可闭环、系统可持续成长的自进化视觉智能工坊Glint-Box系列产品，实现将AI从一次性算法交付，转化为可在业务现场持续进化的AI原生能力。
　　产品体系的全面进化升级，将赋能千行百业客户实现智能化升级，也将助力公司从传统的AI项目交付方式迈向轻量化的产品销售模式。
　　3、强化人才驱动与管理赋能
　　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。公司全方位推进人才战略与管理优化举措，持续完善管理架构，激发管理组织活力，大力推动人才体系建设。公司构建了更加专业化、年轻化、多元化的核心管理团队，借助更为优化的组织架构、具备竞争力的薪酬体系、富有吸引力的激励机制以及积极向上的企业文化环境，广泛吸纳优秀人才，为公司可持续发展筑牢人才根基。 收起▲

　　一、报告期内公司所属行业及主营业务情况说明
　　（一）公司所属行业情况
　　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。
　　人工智能是引领未来的战略性技术，是新一轮科技革命和产业变革的重要驱动力。我国高度重视人工智能行业的发展，从《新一代人工智能发展规划》《促进新一代人工智能产业发展三年行动计划（2018—2020年）》到“人工智能+”行动，我国不断加强人工智能发展的顶层设计。作为形成新质生产力的重要引擎，“人工智能+”在... 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）公司所属行业情况
　　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。
　　人工智能是引领未来的战略性技术，是新一轮科技革命和产业变革的重要驱动力。我国高度重视人工智能行业的发展，从《新一代人工智能发展规划》《促进新一代人工智能产业发展三年行动计划（2018—2020年）》到“人工智能+”行动，我国不断加强人工智能发展的顶层设计。作为形成新质生产力的重要引擎，“人工智能+”在去年首次被写入政府工作报告中，中央及各地政府将其确立为重点发展方向，陆续出台了一系列针对性强、力度大的政策措施，积极实施“人工智能+”行动，旨在推动产业创新，提升区域经济的科技竞争力。2025年3月，《政府工作报告》提出持续推进“人工智能+”行动，就是要抓住人工智能技术突破的机遇，使我国的数字技术与制造优势、市场规模优势充分结合，推动人工智能大模型的广泛应用，努力推动人工智能真正能够赋能千行百业、走进千家万户。2025年7月，国务院常务会议审议通过《关于深入实施“人工智能+”行动的意见》，提出要深入实施“人工智能+”行动，大力推进人工智能规模化商业化应用，充分发挥我国产业体系完备、市场规模大、应用场景丰富等优势，推动人工智能在经济社会发展各领域加快普及、深度融合，形成以创新带应用、以应用促创新的良性循环。
　　（二）公司主营业务情况
　　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、多模态大模型、大数据分析和机器人等技术与应用场景深度融合，基于国产化芯片，提供面向智慧金融、城市管理、政务及特种、智慧教育等领域的人工智能产品、智能终端计算设备及解决方案。
　　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、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、视频动作分析技术、信息安全及可靠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，人工智能产品已成功在智慧金融、城市管理两大战略赛道，以及政务及特种、智慧教育两大创新领域实现落地应用，其中：智慧金融领域已覆盖中国农业银行全国各省市的上万家网点，包含运营、安防、营销、反欺诈等多个金融业务场景，并开始在其他银行机构进行试点。2025年，公司推出了全新的金融Super-Agent平台，利用智能体专注于解决金融行业各种复杂数据处理问题，诸如贷前贷后场景中的各类文档检查与比对、财务数据检查、合同数据检查等，并将检查结果融入到客户的核心流程中，在保证准确率的同时提升数倍的工作效率。目前我们正帮助多家银行客户实施智能体的开发落地工作，公司将努力打造标杆案例，通过Super-Agent平台快速为客户开发部署智能体，形成可复制的、高准确率、高效率的行业智能体。
　　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，基于视觉语言大模型的新一代智能视图大数据系统已经开始在各地落地试点，车路协同感知MEC产品已进行交付，同时车载视频记录取证设备、交通事件分析系统等产品已在多省市应用交付。
　　智慧教育领域，中考产品继续应用于北京等地的初中学业水平考试现场，此外，公司已完成了产品体系迭代升级，从聚焦体育中考到覆盖校园全场景，提供了一套完整闭环的校园智慧体育产品，涵盖操场、体测室、运动角和中考考场等，产品覆盖的学校规模与去年同期相比有所提升。
　　政务及特种领域提供以国产化芯片为核心的智能终端计算设备，提供的产品形态包括主板以及信创类、加固类平板电脑、笔记本电脑与智能硬件、通信终端类产品等，产品已在行业内批量供货。此外，公司将人工智能技术与终端产品进行整合研发，并于2025年第二季度发布了基于国产化硬件平台的大模型一体机与AIPC产品。
　　（三）主要经营模式
　　1、盈利模式
　　公司的盈利主要来源于向客户提供面向应用场景的解决方案以及满足国产信创要求的人工智能软硬件产品获得销售收入，公司自主研发的人工智能产品主要包括灵感多模态大模型、AI开发平台、智源边缘计算平台、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
　　公司构建了覆盖母公司及控股子公司的协同化研发体系，根据项目特性灵活采用瀑布开发模式、敏捷开发模式，在产品生命周期管理基础上，通过不同研发模式适配多元化业务场景，实现技术资源高效复用与市场需求的精准响应，以用户需求为核心进行研发活动，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。
　　（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；通用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；通用硬件团队完成新硬件产品的选型评估和整体设计，有效评估产品适用性、稳定性、可靠性、国产化率等特性，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，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，通过与质量、市场、销售等部门确认，满足目标市场的销售条件时，产品正式发布；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，并完成质量验收。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。
　　通过母公司及控股子公司之间，以及算法、产品、销售等各部门之间的深度协同机制，公司实现了研发资源的全局优化配置与创新能力的指数级放大，瀑布开发模式、敏捷开发模式相结合的双轨模式既保障了定制化业务的敏捷响应，又通过技术沉淀强化了自主产品的市场竞争力，最终形成“需求牵引创新、创新驱动增长”的良性循环。
　　3、采购模式
　　公司不涉及硬件的直接生产。针对标准硬件、配件及服务类采购，公司形成采购计划后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，采购产品到货后，质检人员进行检验后入库。公司具有完备的产业链资源，为公司选择优质代工厂提供了强有力的支撑。公司依托代工厂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；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；渠道客户（含集成商）是指承担销售推广、系统集成、安装部署、运营维护等职能的企业，包括经销/代理商、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。
　　2025年上半年，公司销售中心在去年架构调整的基础上，持续加强市场团队建设。围绕智慧金融、城市管理两大战略赛道，以及政务及特种、智慧教育两大创新领域，构建了区域化与行业化相结合的矩阵式销售体系。各区域团队聚焦本地市场，精准推进业务拓展。在城市管理领域，公司与大型集成商合作，拓展多个落地项目；在智慧金融领域，公司采用标杆客户案例与优质客户复制相结合的营销策略，进一步拓展市场份额；在智慧教育领域，公司通过渠道合作和创新销售模式，签成多个标杆项目；在政务及特种领域，公司在巩固终端设备业务现有客户群的同时大力拓展大型客户资源，并加速AI赋能终端产品，驱动新产品研发。同时，销售团队与产品、研发部门紧密协作，推动创新产品开发与应用，满足客户多样化需求，提升市场竞争力。


　　二、经营情况的讨论与分析
　　2025年是公司改革的关键之年，在稳健转型的过程中，公司围绕多模态大模型持续对重点领域进行研发投入，巩固在技术层面的领先优势，同时坚定推进“2+2”战略，在智慧金融、城市管理两大战略赛道，以及政务及特种、智慧教育两大创新领域开展符合国产信创标准的行业级大模型产品研发，并聚焦行业赛道重建销售团队，提升商业落地能力并优化客户结构。报告期内，受宏观经济环境等因素影响，智慧金融领域客户的预算有所收紧，相关产品需求放缓；但公司在城市管理、政务及特种、智慧教育等其他领域的综合收入金额较去年有所增长，逐步实现业务多元化发展。
　　（一）多模态大模型研发加码，巩固技术领先优势。
　　近年来，人工智能已进入大模型时代，多模态大模型有关技术的发展日新月异，公司积极拥抱技术浪潮，公司于2024年开始实施“多模态大模型技术与应用研发项目”，预计分3年合计投入3.68亿元开发自主可控的多模态大模型，为相关产业领域高质量发展提供新动能。
　　报告期内，公司发布了视觉大模型系列Glint-MVT，其中Glint-MVTv1.5(RICE)在10亿量级图像数据和20亿局部区域上预训练，学术评测超过了CLIP和SigLIP2，实验结果已经公布在计算机视觉会议ICCV2025相关论文上。作为基础视觉模型，Glint-MVT在检测分割、OCR等下游任务表现上带来的能力提升，帮助各领域产品团队快速提升了算法生产效率和质量。针对多模态嵌入模型，提出利用图文交错数据生成图文对训练数据的方法RealSyn以解决数据不足问题，提出文本蒸馏和困难负样本强化训练的UniME，提出局部和全局分别对齐（DeGLA）的方法解决组合理解问题，这三项工作已入选ACM MM2025。此外，公司在人脸3D重建、文档几何校正、人体动作生成、鲁棒三维重建等多个视觉AI研究关键方向的5篇论文也入选了ICCV2025。公司在不断探索前沿技术的同时，仍积极推进产品化策略，重点推进各领域产品的商业化落地，重视研发和市场接轨。
　　（二）打造协同化产品矩阵，构建软硬融合交付体系。
　　公司通过多维度洞察客户需求，将核心AI技术与行业应用场景深度融合，同时协同整合AI模型及应用能力与子公司国科亿道的硬件研发能力，以此升级迭代核心产品体系，打造协同化产品矩阵。
　　智慧金融领域，在符合国产信创要求的基础上，产品增加AI智能体、反诈应用等功能，同时新推出了金融智慧管理赋能助手“金砖Super-Agent平台”，赋能银行客户在合同审核、贷前贷后报告、智能营销、智能BI等多场景智能化升级，通过知识库、MCP(Model Context Protocol，模型上下文协议)服务、数据服务、大模型API等功能模块，可支持构建多个具备金融行业专家知识或专业技能的智能体。
　　城市管理领域，公司在巩固现有人、车、非、脸算法技术优势基础上，于2025年上半年推出了低代码平台、AI点位打标运维等产品。智慧教育领域，公司推出了算力支撑更强、交付运维更便捷的大小屏系列硬件与智慧体育解决方案，从聚焦体育中考到覆盖校园体育教学、训练、考核全场景。政务及特种领域，公司发布了基于国产信创平台的“政企数字员工大模型一体机”与AIPC产品“墨刃Z1AIPC”，全面适配信创生态，确保从硬件到应用的自主可控，其中智能体协同增效平台具备集成政企管理、流程自动化、辅助决策等功能，能够有效帮助客户提升团队效能。
　　（三）深耕重点细分领域，构建业务多元化发展格局
　　报告期内，公司聚焦于市场开拓与业务多元化发展，重点深耕智慧金融、城市管理两大战略赛道，以及政务及特种、智慧教育两大创新领域，深度挖掘多场景需求，拓宽收入来源，逐步改善客户集中度问题。2025年上半年，来自中国农业银行以外的其他客户的营收占比超90%，收入金额同比增长超40%，公司在各重点领域的市场拓展初显成效。
　　智慧金融领域，公司在继续深度服务现有客户的同时，积极开拓市场，2025年上半年已于多家银行开展试点工作。城市管理领域，公司通过补充完善区域营销团队体系、积极拓展合作伙伴网络、加大行业技术投入三项关键举措，积极布局西北、华中、华东等重点区域。在传统视图解析领域外，在多模态视觉大模型相关产品等方面均开展了新的合作项目。智慧教育领域，公司通过营销团队建设，重点强化体育渠道拓展，在华北、华南、华中等多个区域建立重点渠道网络。政务及特种领域，公司持续巩固智能终端计算设备业务，并依托与子公司国科亿道在技术、产品、供应链以及行业市场等方面的协同效应，将人工智能技术与国产信创终端产品整合，开拓特种领域智能化业务。
　　（四）深化组织架构优化，完善激励机制，强化人才驱动与管理赋能
　　为应对外部挑战并抓住AI发展机遇，公司自2024年第四季度开始进行了一系列组织变革，通过调整组织架构、完善激励机制、强化人才驱动与管理赋能三大关键举措，系统性地提升组织活力和核心竞争力，为公司实现高质量发展奠定坚实基础。
　　报告期内，公司通过优化销售网络布局持续提升销售能力。一方面，全面重建销售体系，依据行业特性有针对性地组建专业化销售团队，2025年上半年新引入专业销售近30人，并进行持续按效果优化，确保对各行业的销售推广更具精准度与高效性。另一方面，着力打造行业专家级别的售前解决方案团队，在为客户提供更优质服务的同时，也将市场需求更及时、准确地反馈给产品研发团队。此外，公司于2025年上半年实施了“2025年限制性股票与股票增值权激励计划”，激励对象覆盖公司高管、中层管理人员及核心技术（业务）人员，旨在有效地将股东利益、公司利益和经营者个人利益结合在一起，通过长期激励约束机制，吸引和留住优秀人才，充分调动其积极性与创造性，提升管理团队的凝聚力与忠诚度，驱动公司长远发展。
　　在新管理梯队与激励体系推动下，公司将持续提升管理能力，升级销售网络与研发协同机制，加速市场需求向技术落地的转化效率，通过多元化业务布局及非金融业务增长，逐步改善营收结构，以技术护城河支撑多领域核心场景商业化，驱动公司向高质量发展加速跃迁。

　　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
　　在技术研发层面，公司建立了行业领先的技术研发体系，尤其在计算机视觉领域形成了显著优势。通过深入理解行业典型场景，始终专注核心技术的自主创新与研发，公司目前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、视频动作分析技术六大技术方向，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并拥有多项自主知识产权。
　　（1）底层AI技术平台——深瞳大脑
　　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。深瞳大脑作为公司核心技术的底层驱动平台，全面赋能公司产品及解决方案的技术实现，推动人工智能技术在各个领域的落地应用，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，从而达到模型快速高效交付的目的。
　　（2）全栈自研大量核心算法
　　基于深瞳大脑，公司在视觉领域持续深耕，并于2025年5月发布自主研发视觉大模型系列Glint-MVT（深瞳灵感）。Glint-MVT（Margin-based pretrained Vision Transformer），是团队自主研发、设计的视觉预训练Transformer模型。该模型在特征表达能力上均优于国内外同类型模型。基于Glint-MVT进行特定任务的微调，可以快速低成本地生产高质量专用模型。同时Glint-MVT可应用在多模态大模型中作为视觉编码器，对比其他视觉编码器，使用Glint-MVT的多模态大模型在文字OCR任务和全局理解任务都有优势。在多个OCR测试集、以及COCO和LVIS检测分割测试集上，基于MVTv1.5的VLM模型表现均优于基于谷歌的SigLIP的模型表现。在此多模态大模型基础上训练得到的参考分割模型Glint-RefSeg取得了该任务最好的结果。
　　此外，公司多项核心算法在国际、国内的权威机构或组织举办的算法比赛中多次名列前茅：公司的多模态嵌入模型Glint-ME（Multimodal Embedding）在学术多模态嵌入评测榜单MMEB获得第一名。
　　公司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；公司在2022年ECCV PointCloud-CChallenge点云分割和点云分类两个赛道均获第2名；在第一届花样滑冰动作识别挑战赛中公司运用领先的运动姿态分析技术获得了冠军。
　　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。
　　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、大模型训练推理一体机等核心产品，并在智慧金融、城市管理、政务及特种、智慧教育等领域得到应用。
　　智慧金融领域：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。2025年公司开始在多家银行试点金砖视觉类产品，同时在多家银行实施Super-Agent智能体平台，交付多种智能体应用。
　　城市管理领域：公司研发的城市治理系统战狼智能视图大数据系统已经在全国多个省、市、县的公安机关完成商业落地，该系统搭载的基于新一代视频语言多模态大模型（VLM）的图文布控、以文搜图、AI打标、低代码建模引擎等功能，解决公安机关长尾需求无法快速上线、人工运维成本高企、应急时间响应较慢等痛点。同时，公司正在全力研发基于大语言模型的多智能体系统，以AI助手的形态辅助客户快速完成工作任务。在交通管理方面，公司研发的车路协同感知MEC产品已进行交付，同时车载视频记录取证设备、交通事件分析系统等产品已在多省市应用交付，围绕交通治理的多款执法取证装备已在多省市进行试点应用。
　　智慧教育领域：公司发布的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，大规模应用于北京、河北等多个区县的初中学业水平考试体育现场中，也应用于北京某区的国家学生体质健康考试统测和某区的高中年级体育毕业会考等场景中。
　　政务及特种行业领域，公司基于国产芯片开发加固平板、笔记本及主板，满足特种环境高可靠性需求，并通过多项专利提升设备抗干扰能力，产品已批量供货，成为国产信创的直接受益者。
　　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。
　　报告期内，公司研发投入6,804.49万元，占营业收入比例为160.21%。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、新一代智能化硬件、通用硬件等多项技术研发，和面向智慧金融、城市管理、政务及特种、智慧教育等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。
　　随着技术的不断演进，新需求不断提出，公司将在核心技术上不断创新。Glint-MVT将从纯图像预训练模型升级为视频预训练模型，并结合业务上视频流分析场景提升应用效果。针对多模态大模型使用成本较高的问题，公司也将不断优化模型，结合模型小型化、量化和软硬件结合优化等技术将多模态大模型普惠应用。
　　公司在核心算法技术、应用场景等相关技术的前瞻性研究和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。
　　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227人，占员工总数的60.53%，核心技术团队由公司创始人、董事长、首席科学家赵勇博士等在内的5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，公司副总经理张强先生曾获得军队科技进步二等奖。公司团队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力，保障了公司核心技术的持续研发创新。
　　(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
　　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。上述算法已被国际顶级会议ICLR2023、ICCV2023、ECCV2024和ICCV2025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，在复杂场景中效果远优于传统小模型。该系列模型构成了公司视觉大模型系列Glint-MVT，并于2025年5月发布。结合高质量的语言模型，公司研发了灵感多模态大模型，该模型能接受图像、语言等多种模态的输入，能够完成多模态融合理解，提升业务的应用潜力。
　　多模态嵌入模型可以将文本和图片表达到同一特征空间，可以应用在图文互搜等场景中。公司针对这项技术中的数据生成构造、文本否定词、组分缺失、属性、数量、关系等针对性的问题进行优化，显著提升了图文互搜在应用中的效果，相关技术也形成多篇论文被国际顶级会议接收。最新模型UniME在学术多模态嵌入评测榜单MMEB获得第一名。针对多模态嵌入模型，提出利用图文交错数据生成图文对训练数据的方法RealSyn以解决数据不足问题，提出文本蒸馏和困难负样本强化训练的UniME，提出局部和全局分别对齐（DeGLA）的方法解决组合理解问题。
　　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、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，可有效地降低研发成本，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。公司在Siggraph Asia2024发布了3D人体技术的相关论文，基于单个视频进行人体运动捕捉，比单帧估计的更加稳定准确。
　　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；而在智慧教育领域，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，测量精度达到亚毫米级别。
　　（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识别率都会有较大的下降，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。配合集群可实现百亿级图片秒级检索的性能。针对上亿特征占用显存巨大的问题，公司研发了短特征技术，利用该技术能节省至少4倍显存，同时召回率达到99.9%。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、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
　　公司稳步推进具身智能相关技术研发和落地。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工业检测机器人等场景，算法适应性良好，机器人在该场景中，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取得良好效果，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。为了提升机器人自主规划和控制能力，公司自主研发的多模态大模型作为机器人的大脑，使其逐步向具身智能靠拢。
　　公司基于Transfomer模型与扩散模型实现了机器人模仿学习方案，已在单臂与双臂机器人进行了真机落地。基于自研多模态大模型实现了具身领域的机器人基座模型，其在具身任务和空间理解的多个榜单表现优异。公司基于基座模型实现端到端的VLA（视觉语言动作）模型训练，将在单臂、双臂复合机器上部署。基于基座模型实现VLN（视觉语言导航）具身模型方案，将在机器人和无人机等多种构型上进行部署。使用具身基座模型作为机器人感知空间理解任务的大脑，深度强化学习方案作为控制的小脑，引入COT（思维链）与自纠正方案，提升机器人通用能力。
　　（6）视频动作分析技术
　　公司拥有丰富的视频动作分析经验，经过多年技术积累，搭建了一套从视频预训练到视频动作识别和时序动作定位的流程。该流程能高效训练各种业务所需的视频动作分析模型。
　　为了提升视频预训练的效率，公司研发了V-SWIFT视频预训练框架，对比开源的训练框架一次预训练所耗费GPU时减少90%。基于该预训练框架公司只用一台GPU服务器一天便能完成一次视频基础模型的预训练。
　　利用海量数据完成的视频预训练模型有较强的泛化能力，能够在少量特定场景数据微调后适配到对应场景上。公司在智慧金融、智慧体育和工业检测等业务上已经将视频预训练微调得到的视频动作识别和时序动作定位模型落地应用，并且大幅提升了模型精度和泛化性。公司在由北京图象图形学学会、清华大学、蚂蚁安全实验室等机构联合发起的第一届花样滑冰动作识别挑战赛中，应用了领先的视频动作分析技术获得了冠军。
　　（7）信息安全及可靠技术
　　公司控股子公司国科亿道获得了“用于视频信号传输的防泄密电路”的专利，可在触发保密条件时快速切换外接显示屏至预存图片，保障敏感信息安全，适用于特种、政府及金融等高保密场景；国科亿道还开发了“防护显示屏特高压静电的电磁屏蔽结构”，通过电磁屏蔽膜与金属箔屏蔽罩结合，实现360°静电防护，提升设备抗干扰能力；此外，国科亿道基于国产化芯片开发的加固平板电脑、笔记本电脑及主板，满足特种环境下的高可靠性、耐极端条件需求，拥有“提高防浪涌电流冲击性能的电源电路”专利，优化设备在复杂电力环境下的稳定性。
　　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；子公司国科亿道入选深圳市专精特新中小企业。
　　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）116项、有效软件著作权（不包含权利终止和转让）192项、有效其他知识产权（不包含权利终止和转让）3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
　　研发投入占营业收入的比例同比减少，主要系不断提升研发项目的开展效率，研发人员费用同比减少。
　　四、风险因素
　　(一)业绩大幅下滑或亏损的风险
　　报告期内，公司实现营业收入4,247.28万元，较上年同期减少17.22%，实现归属于母公司所有者的净利润-7,985.37万元，归属于母公司所有者的扣除非经常性损益的净利润-8,558.29万元，主要原因系受宏观经济环境等因素影响，智慧金融领域客户预算有所收紧，相关产品需求有所放缓。如果未来出现宏观经济和市场环境恶化、客户预算和计划削减、大客户订单未能持续、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。
　　(二)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；公司控股子公司国科亿道核心技术目前主要服务特种领域，若向民用市场渗透，存在品牌认知度不足、成本控制压力、技术适配后商业化周期长且存在不确定性等风险。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227人，占公司员工总人数的比例为60.53%。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。
　　(三)经营风险
　　1、公司客户集中度较高以及收入波动的风险
　　公司智慧金融和特种领域客户集中度较高，公司与大客户中国农业银行的框架合同将于2025年9月到期，后续能否续签存在一定的不确定性。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
　　公司已经实现智慧金融、城市管理、政务及特种、智慧教育等领域的商业化落地，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、与客户合作关系发生不利变化等情形，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。
　　(四)财务风险
　　1、营业收入及利润下滑的风险
　　报告期内，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等因素影响，智慧金融领域客户预算有所收紧，相关产品需求有所放缓。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。
　　2、收入季节性波动的风险
　　公司的收入存在季节性特征，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。
　　(五)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；特种行业客户粘性相对较高，但行业准入门槛严格，需持续满足GJB认证及技术迭代要求，潜在竞争对手包括具备更强资金实力和渠道优势的企业。如未来国家产业政策发生重大不利变化，市场竞争加剧，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。
　　(六)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。 收起▲