经营分析☆ ◇688088 虹软科技 更新日期：2026-07-29◇ 通达信沪深京F10
★本栏包括【1.主营业务】【2.主营构成分析】【3.前5名客户营业收入表】【4.前5名供应商采购表】
【5.经营情况评述】
【1.主营业务】
计算机软硬件的技术开发、技术咨询、技术服务、销售，计算机信息系统集成，进出口业务，计算机软件
的生产。
【2.主营构成分析】
截止日期:2025-12-31
项目名 营业收入(元) 收入比例(%) 营业利润(元) 利润比例(%) 毛利率(%)
─────────────────────────────────────────────────
软件和信息技术服务业(行业) 9.22亿 99.90 8.24亿 99.90 89.35
其他业务(行业) 90.55万 0.10 81.32万 0.10 89.81
─────────────────────────────────────────────────
移动智能终端视觉解决方案(产品) 7.15亿 77.47 6.54亿 79.31 91.46
车载AI视觉解决方案(产品) 1.92亿 20.80 1.56亿 18.89 81.13
其他(产品) 1591.89万 1.72 1485.89万 1.80 93.34
─────────────────────────────────────────────────
境内(地区) 6.02亿 65.21 5.30亿 64.31 88.12
境外(地区) 3.20亿 34.69 2.93亿 35.59 91.64
其他业务(地区) 90.55万 0.10 81.32万 0.10 89.81
─────────────────────────────────────────────────
直销(销售模式) 9.22亿 99.90 8.24亿 99.90 89.35
其他业务(销售模式) 90.55万 0.10 81.32万 0.10 89.81
─────────────────────────────────────────────────
截止日期:2025-06-30
项目名 营业收入(元) 收入比例(%) 营业利润(元) 利润比例(%) 毛利率(%)
─────────────────────────────────────────────────
移动智能终端视觉解决方案(产品) 3.39亿 82.69 3.10亿 85.44 91.30
智能汽车及其他AIoT智能设备视觉解决 6465.16万 15.76 4651.98万 12.83 71.95
方案(产品)
其他(产品) 637.46万 1.55 628.94万 1.73 98.66
─────────────────────────────────────────────────
境内(地区) 2.57亿 62.72 2.23亿 61.48 86.63
境外(地区) 1.53亿 37.28 1.40亿 38.52 91.30
─────────────────────────────────────────────────
截止日期:2024-12-31
项目名 营业收入(元) 收入比例(%) 营业利润(元) 利润比例(%) 毛利率(%)
─────────────────────────────────────────────────
软件和信息技术服务业(行业) 8.14亿 99.85 7.36亿 99.85 90.42
其他业务(行业) 119.54万 0.15 110.32万 0.15 92.29
─────────────────────────────────────────────────
移动智能终端视觉解决方案(产品) 6.75亿 82.84 6.17亿 83.71 91.39
智能驾驶及其他IoT智能设备视觉解决 1.27亿 15.60 1.07亿 14.58 84.49
方案(产品)
其他(产品) 1272.45万 1.56 1259.09万 1.71 98.95
─────────────────────────────────────────────────
境内(地区) 4.51亿 55.26 4.04亿 54.79 89.65
境外(地区) 3.63亿 44.59 3.32亿 45.06 91.39
其他业务(地区) 119.54万 0.15 110.32万 0.15 92.29
─────────────────────────────────────────────────
直销(销售模式) 8.14亿 99.85 7.36亿 99.85 90.42
其他业务(销售模式) 119.54万 0.15 110.32万 0.15 92.29
─────────────────────────────────────────────────
截止日期:2024-06-30
项目名 营业收入(元) 收入比例(%) 营业利润(元) 利润比例(%) 毛利率(%)
─────────────────────────────────────────────────
移动智能终端视觉解决方案(产品) 3.32亿 87.14 3.03亿 87.49 91.43
智能驾驶及其他IoT智能设备视觉解决 4336.40万 11.38 3784.76万 10.91 87.28
方案(产品)
其他(产品) 562.92万 1.48 556.11万 1.60 98.79
─────────────────────────────────────────────────
境内(地区) 2.03亿 53.22 1.84亿 53.01 90.70
境外(地区) 1.78亿 46.78 1.63亿 46.99 91.48
─────────────────────────────────────────────────
【3.前5名客户营业收入表】
截止日期:2025-12-31
前5大客户共销售5.42亿元，占营业收入的58.69%
┌───────────────────────┬───────────┬───────────┐
│客户名称 │ 营收额(万元)│ 占比(%)│
├───────────────────────┼───────────┼───────────┤
│合计 │ 54173.74│ 58.69│
└───────────────────────┴───────────┴───────────┘
【4.前5名供应商采购表】
截止日期:2025-12-31
前5大供应商共采购0.76亿元，占总采购额的31.54%
┌───────────────────────┬───────────┬───────────┐
│供应商名称 │ 采购额(万元)│ 占比(%)│
├───────────────────────┼───────────┼───────────┤
│新增供应商1 │ 1263.27│ 5.23│
│新增供应商2 │ 1131.75│ 4.68│
│合计 │ 7619.98│ 31.54│
└───────────────────────┴───────────┴───────────┘
【5.经营情况评述】
截止日期:2025-12-31
●发展回顾:
一、报告期内公司所从事的主要业务、经营模式、行业情况说明
(一)主要业务、主要产品或服务情况
公司专注于计算机视觉领域，为行业提供算法授权及系统解决方案，是全球领先的视觉人工智能企业，
始终致力于视觉人工智能技术的研发和应用，坚持以技术创新为核心驱动力，在全球范围内为智能设备提供
一站式视觉人工智能解决方案。
公司拥有丰富的针对智能手机、AI眼镜等移动智能终端以及智能汽车的视觉算法产品线，主营业务收入
来源于自主研发核心技术的授权许可使用。目前主要客户包括三星、小米、OPPO、vivo、荣耀、Moto等全球
知名手机厂商以及国内主要的自主品牌、部分合资及外资品牌汽车主机厂商。
1、移动智能终端领域
公司TurboFusion围绕高分辨率影像场景持续进行技术优化，通过针对不同硬件架构进行深度适配与整
体影像流程优化，实现画质表现与运行效率的平衡，并在色彩表现、复杂光线处理及高动态范围场景中显著
提升视觉效果。同时，系统支持Flash、CCD、Touch等多种闪光灯模式，增强终端产品设计的灵活性与稳定
性。在AI能力方面，公司推进端侧大模型部署，通过优化模型运行策略，在保障隐私安全的同时提升实时处
理效率，并持续优化算法资源管理以降低内存占用、提升系统稳定性。
2025年开始，公司进一步拓展AI眼镜、民用机器人及智能相机等领域，通过强化影像与视觉算法、多模
态感知融合以及产业链协同合作，推动技术在终端产品中的规模化应用；同时通过多帧融合、运动补偿与图
像重建等核心算法优化，使影像方案能够适配多种硬件平台，在复杂环境下保持稳定、清晰且自然的成像效
果，持续提升整体影像体验与技术商业化能力。
2、智能汽车领域
公司在智能汽车领域围绕车辆行驶与停车两大核心应用场景，形成了由舱内安全产品包、停车安全产品
包及智能辅助驾驶产品包构成的产品体系。其中，舱内安全产品（ICSPack）主要面向智能座舱安全，通过
驾驶员监控系统（DMS）和乘员监测系统（OMS），结合视觉感知与人工智能算法，实现驾驶员疲劳检测、分
心检测、健康监测、身份识别，以及安全带检测、儿童安全座椅识别、危险坐姿识别等乘员安全状态监测功
能；停车安全产品（PSPack）主要面向停车场景安全与辅助需求，基于360°环视视觉系统提供2D/3DAVM全
景影像、透明底盘、车辆哨兵监测等功能，并结合视觉感知、超声波融合感知及路径规划控制算法，为用户
提供自动泊车及停车全场景智能辅助能力；智能辅助驾驶产品（ADAS）则围绕车辆行驶过程中的环境感知与
安全辅助需求，基于视觉感知技术为整车提供前向环境理解及相关智能辅助驾驶能力。通过上述产品体系，
公司持续推动视觉人工智能技术在智能座舱与智能辅助驾驶领域的应用落地。
3、智能商拍领域
在智能商拍领域，公司基于不断优化的ArcMuse计算技术引擎，构建了从静态图片到动态视频多模态生
成的商业视觉底座，并持续深化PhotoStudioAI智能商拍云工作室（PSAI）的商业应用。2025年，公司积极
推进并全面达成“应用+服务”双轮驱动的商业战略。在产品矩阵端，针对产业带中小商家的规模化、协同
化内容生产效率提升的需求，公司推出PSAI企业版，标志着PSAI正式从单点AI生成工具向企业级视觉生产力
平台迈进。借助PSAI标准版与企业版的组合，公司将高效触达并深度赋能海量中小及腰部电商商家；同时，
针对头部服饰及时尚品牌，公司提供深度定制的一站式AI商拍交付解决方案。由此，公司构建了从模拍图、
静物图、种草图到主图视频、创意视频等电商全链路营销内容的生产与服务能力。
在功能迭代与行业覆盖方面，PSAI已实现AIGC商拍全链路覆盖，产品丰富度与技术竞争力持续领跑行业
。平台在深耕鞋服品类核心生成能力的基础上，正稳步向眼镜、箱包、帽子等多时尚类目延伸。目前，PSAI
已全面支持AI试穿、AI模特、AI场景等核心商拍功能，并于2025年内陆续推出搭配上身、服饰换色、AI种草
图等拓展功能，同时对动作模仿、图生视频等多模态前沿技术完成全面升级。通过将图文与视频生成的高可
控性与极佳的物理真实感有机结合，并辅以去水印、智能高清、智能抠图、魔法擦除、智能补光等完善的AI
后期处理工具包，PSAI为全客群提供了更具针对性的行业级AI解决方案，精准、高效地满足了商家差异化的
视觉展示需求。
(二)主要经营模式
1、盈利模式：公司主要盈利模式是将计算机视觉算法技术与客户特定设备深度整合，通过合约的方式
授权给客户，允许客户将相关算法软件或软件包装载在约定型号的智能设备上使用，以此收取技术和软件使
用授权费用。同时，公司也向客户销售软硬一体视觉解决方案。
2、研发模式：公司主要采取自主研发的模式。研发过程大致分为以下9个步骤：①获取需求信息；②管
理层决策研发方向；③搭建研发项目组；④验证研发项目算法，进行项目测试；⑤集体讨论决策项目算法；
⑥进行底层算法与实际环境的结合优化；⑦进行实际产品结合测试；⑧产品成熟后路演，选择合适的客户进
行测试合作；⑨测试合格后大规模推广。
3、销售模式：公司采用直销的方式，主要面向智能手机、智能可穿戴设备、智能相机等移动智能终端
，以及智能汽车、智能家居、智能零售与各类搭载摄像头的AIoT设备制造商，销售计算机视觉算法软件及相
关解决方案。
4、收费模式：按照业务合同的不同类型划分，公司的计算机视觉算法软件主要收费模式可划分为固定
费用模式和计件模式两种模式。①固定费用模式：按合同约定的软件授权期限，收取固定金额的软件授权费
用。特定客户在软件授权期限内，针对某款、某系列的特定设备内，可以合法地把含有虹软科技算法技术的
特定软件无限量装载在合约限定的智能设备上。②计件模式：在合同约定的软件授权期内，按照客户生产的
装载有虹软科技算法技术智能设备的数量进行收费。通常情况下，公司会与客户就不同生产数量区间，约定
阶梯价格，保障双方利益。针对软硬一体解决方案，公司目前采用计件模式。
5、采购模式：公司的主要采购内容包括研发、测试和运营所需的各类硬件设备、软件、服务，以及产
品解决方案所需的物料等。根据需求部门的请购申请，采购部门按照《采购管理制度》的要求，执行供应商
选择、采购合同签订、合同执行跟踪、采购付款申请等流程。针对软硬一体解决方案，由公司进行硬件的设
计并购买相应部分核心部件后，委托第三方进行组装生产。
(三)所处行业情况
1、行业的发展阶段、基本特点、主要技术门槛
根据《国民经济行业分类》（GB/T4754-2017），公司所属行业为“I65软件和信息技术服务业”中的“
I6513应用软件开发”。根据中国上市公司协会发布的《中国上市公司协会上市公司行业统计分类指引》，
公司所属行业为“信息传输、软件和信息技术服务业－软件和信息技术服务业”，行业代码为“I65”。
公司从事计算机视觉技术算法的研发和应用，主要产品有移动智能终端视觉解决方案、车载AI视觉解决
方案、智能商拍解决方案，根据公司主要产品功能及服务对象的特点，公司所属行业为计算机视觉行业，属
于软件和信息技术服务业。
根据国家发改委公布的《战略性新兴产业重点产品和服务指导目录2016版》，公司属于“新一代信息技
术产业”。
1.1行业的发展阶段、基本特点
随着人工智能技术日益成熟，其与各行各业的协同发展日趋加速，“人工智能+”已从理念共识转化为
产业实践的核心路径。作为底层支撑技术，视觉人工智能广泛应用于各类人工智能细分领域，以下是与本公
司相关的主要领域发展状况：
移动智能终端细分领域
伴随着人工智能、大模型及计算机视觉技术的持续发展，消费电子终端设备正加速向智能化、多形态及
多场景方向演进。视觉人工智能技术作为人工智能的重要组成部分，在图像处理、视觉识别、人机交互等领
域具有广泛应用，并逐渐成为智能终端设备的重要核心技术之一。目前，智能手机仍然是全球规模最大的消
费电子终端设备，而以AI眼镜、运动相机等为代表的新型智能终端产品不断涌现，为视觉人工智能技术提供
了更加广阔的应用空间。
在移动智能终端领域，2025年在存储芯片短缺的背景下，全球智能手机市场仍实现韧性增长，增长主要
由高端机型需求提升、折叠屏表现强劲，以及消费者受涨价预期影响提前换机等因素共同推动。根据第三方
研究机构国际数据公司（IDC）于2026年1月发布的《全球季度手机跟踪报告》等信息，2025年全球智能手机
出货量达到12.6亿部，同比增长约1.9%。智能手机市场已进入成熟阶段，但在人工智能技术持续发展背景下
，AI能力正逐渐成为终端设备的重要差异化竞争要素，例如AI影像处理、语音助手、实时翻译及智能搜索等
功能不断提升，推动智能手机向“AI手机”方向发展。同时，高端机型需求增长以及新兴市场需求恢复，也
为智能手机市场提供了稳定的发展动力。对于行业普遍关注的存储芯片短缺问题，IDC预计2026年市场出现
下滑，且短缺持续时间将直接决定市场收缩的幅度。
与此同时，在人工智能与扩展现实（XR）技术融合发展的背景下，以AI眼镜为代表的新型智能可穿戴终
端正逐渐兴起。据IDC官方报告数据显示，2025年全球智能眼镜市场出货量达1477.3万台，同比增长44.2%。
其中，中国智能眼镜市场出货量为246.0万台，同比增长87.10%。IDC预测，2026年全球智能眼镜市场出货量
将突破2368.7万台，中国市场出货量将突破491.5万台，行业正式迈入规模化增长新阶段。在全球化布局与
本土供应链优势的双重驱动下，2026年中国智能眼镜厂商出货量有望占据全球市场45%；同期智能眼镜市场
端侧AI支持的占比将超30%，搭载大模型的语音助手占比将超75%，为复杂人机交互任务提供强力支撑。随着
人工智能助手、多模态交互以及实时视觉识别技术不断成熟，AI眼镜在信息提示、实时翻译、影像记录以及
导航等场景中的应用逐渐丰富，具备成为新一代智能终端重要形态的发展潜力。
除智能手机及AI眼镜外，运动相机等影像类智能设备市场也保持稳定发展。运动相机是一类具备小型化
、抗震防水及广角拍摄能力的影像设备，广泛应用于户外运动记录、旅行记录、短视频创作以及专业影像拍
摄等场景。随着全球短视频平台、户外运动以及内容创作产业的发展，运动相机市场需求持续增长。根据Gr
andViewResearch发布的行业研究报告，2025年全球运动相机市场规模约为72.72亿美元，并预计到2033年将
增长至约180.44亿美元，2026年至2033年期间复合年增长率约为12.1%。同时，随着4K/8K视频拍摄、AI防抖
技术以及智能影像处理能力的持续提升，运动相机产品在影像质量与智能化功能方面不断升级，进一步拓展
了其在消费级影像及专业影像领域的应用空间。
总体来看，在人工智能技术持续发展以及终端设备形态不断创新的背景下，智能手机仍将保持全球最大
规模的消费电子终端市场，而AI眼镜、运动相机等新型智能终端设备正逐渐成为行业新的增长点。随着视觉
感知技术、多模态交互技术以及端侧人工智能能力不断提升，视觉人工智能技术在各类智能终端设备中的应
用将持续深化，为相关产业发展带来新的市场机遇。
智能汽车细分领域
2025年，全球汽车产业格局持续重塑，中国车企全球化进程加速。以比亚迪、上汽、吉利为代表的中国
车企继续向上抬位，中国品牌在全球市场的竞争力持续提升，全球车市头部竞争从“规模竞赛”加速转向“
电动化、智能化与全球体系能力”的综合对垒。据中国汽车工业协会数据显示，2025年度，我国汽车产销量
分别完成3453.1万辆和3440万辆，同比分别增长10.4%和9.4%，连续17年稳居全球第一。对外贸易呈现出较
强韧性，全年汽车出口规模再上新台阶至709.8万辆，同比增长21.1%。智能驾驶、智能座舱等核心技术持续
迭代，多模态感知、端云协同等应用逐步落地，整车电子电气架构向集中式升级，软件定义汽车成为主流，
产业逐步向“硬件+软件+服务”协同模式转型。中国商用车市场回暖向好，据中国工业和信息化部及中国汽
车工业协会数据，全年商用车产销量分别达426.1万辆和429.6万辆，同比分别增长12%和10.9%，出口量达10
6万辆，同比增长17.2%。头部企业凭借技术优势占据市场主导，出海模式升级为“产品+服务”双输出，依
托政策红利与基建复苏，实现内需与出口双向发力。
近年来，海外多个主要经济体针对汽车安全推出多项强制性标准，覆盖网络安全、功能安全及特定技术
等领域，全球汽车行业合规监管持续收紧。2025年，国内智能汽车领域迎来法规标准密集落地、全面升级，
行业加速从“技术驱动”转向“合规优先”。4月，交通运输部公告2025年第21号，对《营运客车安全技术
条件》（JT/T1094）等4项营运车辆行业标准部分条款进行修订，优化调整ESC、AEBS等安全装置的配备范围
，明确新规适用于新申请进入道路运输市场的达标车型，且该修订条款自发布之日起9个月后正式实施，AEB
S辅助驾驶功能自此成为商用车法规强制要求。5月，《轻型汽车自动紧急制动系统技术要求及试验方法》强
制性国家标准征求意见稿发布，将自动紧急制动系统（AEBS）从推荐性标准升级为强制性要求，适用范围从
M1类乘用车扩展至N1类轻型载货汽车，新增多场景测试验证，该项标准后续于2025年12月正式获批发布（GB
39901-2025），明确2028年1月1日起全面实施。6月，全国标准信息公共服务平台公示《智能网联汽车组合
驾驶辅助系统安全要求》拟立项强制性国家标准项目意见，后续该项标准于2025年9月正式对外公开征求意
见，旨在通过强制性国家标准约束组合驾驶辅助系统功能表现，规范产品研发与量产管控，提升产品安全性
能、减少因产品性能缺陷引发的交通安全事故，进一步完善我国道路交通安全管控体系，实现标准对各类组
合驾驶辅助系统产品的全面覆盖。9月，工信部等八部门联合印发《汽车行业稳增长工作方案（2025-2026年
）》，正式推进智能网联汽车准入和上路通行试点，有条件批准L3级车型生产准入，同步健全配套监管与责
任划分规则。2025年全年，国内智能汽车主动安全、功能安全等领域标准体系日趋完善，强制性监管覆盖范
围持续扩大，倒逼产业规范化发展，为行业高质量前行奠定坚实合规基础。
商业拍摄细分领域
2025年智能商拍作为AI电商内容生产的核心场景，在技术迭代与降本需求的双重驱动下进入规模化落地
期。根据头豹《2025年AI电商行业词条报告》，2020年至2024年，AI电商行业市场规模由239.27亿元增长至
504.45亿元，期间年复合增长率20.50%。预计2025年至2029年，AI电商行业市场规模由638.24亿元增长至13
82.81亿元，期间年复合增长率21.32%。根据淘宝平台调研，30%的受访卖家已使用过AIGC，其中有50%左右
的卖家认为AI技术在开店、发品、内容直播、广告营销、客服服务等环节发挥了作用，可帮助其自动识别商
品卖点、形成直播切片等，使其短视频制作成本下降50%。智能商拍作为核心分支，成为渗透率提升最快的A
I应用方向之一，行业价值已得到验证。市场格局上，当前已形成“平台自研+第三方服务商协同”的生态，
头部平台将商拍能力纳入商家服务体系，服务商则聚焦跨境电商多语言商拍、3D内容生成等垂直场景。
1.2主要技术门槛
视觉人工智能属于高知识密集型领域，有较高的技术门槛，公司主要为移动智能终端、智能汽车等智能
设备以及商业拍摄领域提供视觉人工智能解决方案，在前述领域的主要技术门槛包括：（一）端计算和边缘
计算技术的积累
边缘计算极大程度上解决了物联网背景下集中式运算架构中的带宽和延迟两大瓶颈问题，主要难点在于
低资源的嵌入式平台环境的开发能力，基于移动终端的边缘计算具有巨大的应用价值，但是受限于移动终端
有限算力，诸多企业望而却步。
公司自2003年开始便明确了在嵌入式设备研发相关视觉人工智能技术的发展方向，在边缘计算技术领域
积累深厚，多年来建立了全面、复杂的多平台适用的底层嵌入式开发库。公司积累的算法具有高度的紧凑性
、稳定性以及易调用性，可以在高性能、有效大幅降低资源消耗的情况下实现高精度运行。
公司长期专注于嵌入式设备算法的研究与开发，多年来积累了大量基于端设备的视觉人工智能算法开发
经验。目前公司基于端设备的视觉人工智能算法适用性高、运行稳定，可以在边缘侧发起高效的运算，通过
诸如智能手机、笔记本电脑、智能可穿戴设备、智能相机等实现高效的图像优化、识别与检测等功能。公司
的移动智能终端视觉解决方案、车载AI视觉解决方案等业务均是从边缘侧发起运算，在智能手机、笔记本电
脑、智能可穿戴设备、智能相机等移动智能终端，以及智能汽车与各类AIoT设备上实现各类视觉人工智能的
功能。
（二）视觉人工智能技术的层次积累
在数码相机以及手机功能机时代，公司就开始专注于视觉人工智能技术的研发与应用，公司主要算法技
术都经过了长时间的锤炼，从基本的黑白小分辨率图像的摄取、增强、编辑、检测识别到高清大图像、视频
的实时处理均打下了坚实的基础，创造了有利和领先的条件。
公司掌握的视觉人工智能算法技术具有通用性和延展性。多年来，公司积极致力于将视觉人工智能算法
与行业应用相结合，凭借先进的科研力量、强大的产品开发能力以及卓越的工程实施能力，公司快速将视觉
人工智能算法技术落地为成熟的解决方案，并进一步将应用领域从智能手机扩展到智能汽车、智能可穿戴设
备、智能家居、智能零售等多个行业，助推行业升级。此外，公司基于自身深厚的技术积累，能够为上述行
业快速提供高性能、高效率、硬件平台适应性强、功耗控制优良的解决方案，大大降低各类客户的产品使用
先进技术的门槛，帮客户提升产品竞争力，助力视觉人工智能和人工智能相关应用的普及。
（三）工程落地能力
虹软创立至今，除不断积累和发展自身技术、掌握持续开发、迭代与硬件更加匹配的算法的能力，还一
直致力于与核心产业链内主流公司开展长期、广泛的合作。公司与高通、联发科等各主流芯片公司建立了长
期稳定的合作关系，在研发中持续合作交流，深入了解平台硬件特性并为其针对性优化，共同开发核心功能
，不断提高视觉人工智能技术算法产品与移动芯片的适配性。
公司还与索尼传感器、三星半导体、格科微、OmniVision、舜宇光学、思特威、锐视智芯等业内核心器
件合作伙伴建立了业务交流或合作关系，在项目早期就针对特定相机或硬件做算法适配和调优。针对智能终
端的芯片平台，公司具备针对CPU、GPU、DSP和NPU等各个算力单元的强大优化能力。结合各硬件算力单元的
能力和算法模块的算力需求，公司具备的异构计算优化能力能够从系统层面更有效地优化性能、降低功耗。
得益于此，除核心技术能力突出外，公司同时具备优势明显的工程落地能力，在客户提出技术需求后，能更
好地联合和发挥在相机模组、软硬件平台、产线、算法等多方资源合作优势，进而提供效果好、能耗低、效
率高、硬件平台适应性广并能够快速落地的解决方案。
2、公司所处的行业地位分析及其变化情况
当前视觉人工智能市场已初步形成“头部集聚+垂直深耕”的竞争格局，技术迭代加速、行业渗透深化
以及政策引导等因素仍在持续推动市场动态变化。核心技术积累、产品化能力、产业生态链合作均构成各垂
直行业的核心壁垒。公司是计算机视觉行业领先的算法服务提供商及解决方案供应商，是全球领先的计算机
视觉人工智能企业。
公司坚持深耕计算机视觉算法技术，深化各行业布局的发展战略，逐步将计算机视觉算法技术的应用扩
展至更多的智能终端设备领域。除本公司外，行业中国内企业主要有商汤科技、旷视科技，国外企业主要有
SeeingMachines、Mobileye、Cipia、Smarteye。
2.1移动智能终端领域
在移动智能终端领域，公司持续专注于视觉人工智能领域，为客户提供完整的视觉AI技术与解决方案，
是全球智能手机视觉算法领域的重要供应商之一。公司在智能手机影像算法方面积累了深厚的技术优势，多
项视觉技术达到行业领先水平，部分创新技术在行业中率先实现应用落地。公司长期服务于三星、小米、OP
PO、vivo、荣耀以及Moto等全球主流手机厂商，并与高通、联发科等移动芯片平台企业保持紧密协作，通过
针对不同芯片架构持续开展算法适配与性能优化，提升影像算法在各类硬件平台上的运行效率。同时，公司
也与多家半导体及图像传感器厂商开展技术交流与合作，逐步形成覆盖底层硬件到终端应用的协同生态体系
。
在技术发展方向上，公司围绕空间计算相关能力进行系统布局，从标定技术、环境感知、人机交互以及
视觉呈现等多个层面构建完整的技术框架，形成较为成熟的空间计算解决方案体系，为客户提供覆盖产品研
发全流程的一体化技术支持。与此同时，公司持续加强与行业头部企业之间的技术交流与合作，不断拓展产
业协同范围，进一步完善技术生态。
以AI眼镜为代表的新一代智能终端正在推动人机交互模式的演进。公司积极推进AI眼镜相关影像算法的
研发与应用，与多家AI眼镜品牌厂商建立合作，根据不同产品定位和应用场景提供定制化算法方案，支持客
户实现产品快速落地。目前，公司已协助多家AI眼镜厂商推出其首代产品。在智能相机领域，公司也持续结
合客户需求推进影像算法优化与方案升级，通过不断完善技术能力，为客户提供更加成熟稳定的视觉解决方
案。
2.2智能汽车领域
在智能汽车领域，公司的市场地位较2024年进一步提升。随着全球汽车智能化进程加快以及相关安全法
规逐步落地，驾驶员监控系统（DMS）和乘员监测系统（OMS）等舱内安全感知技术加速普及，市场需求持续
增长。在行业整体渗透率不断提升的背景下，公司依托长期积累的计算机视觉与人工智能技术优势，持续推
动相关产品的技术升级与市场拓展。与2024年相比，公司在客户结构、产品法规适配能力及海外市场拓展方
面取得积极进展，相关技术方案在多家国内外整车厂及Tier1供应商的项目中进入量产或验证阶段，业务规
模及行业影响力稳步提升。同时，公司积极推进产品在欧洲等重点海外市场的法规认证与项目落地，进一步
增强了公司在全球车载AI视觉感知领域的市场竞争力。总体来看，公司在智能座舱视觉安全及舱内外视觉感
知等细分领域的技术积累与产品化能力持续强化，市场覆盖范围和客户基础较2024年进一步扩大，行业地位
得到稳步提升。
2.3智能商拍领域
公司积极拥抱技术变革，引领计算机视觉技术发展，自成立以来，经历了从浅层模式识别到深度学习，
再到大模型驱动的智能计算的多阶段演进。当前，人工智能技术正经历以大模型为核心的范式变革，在政策
引领、产业升级与技术跃迁的三重驱动下，垂直行业大模型正重构各产业生态。依托深厚的视觉AI技术积累
，以自研ArcMuse计算技术引擎为核心，公司不断推动视觉大模型的技术进步与行业落地。
公司于2023年推出PSAI，目前已完成淘宝千牛、1688、抖音抖店、TikTok、Shein、亚马逊等平台入驻
，成为国内率先完成主流电商平台全覆盖的服务提供商。通过PSAI“应用+服务”，公司为客户提供全链路A
IGC视觉内容生成解决方案，是行业领先的电商AIGC视觉生产力服务商之一。公司PSAI技术在中国大陆服饰
电商AIGC视觉赛道稳居第一梯队，主要客户群体覆盖海量产业带中小商家及头部服饰时尚品牌，截至报告期
末，已累计服务中小商家30余万家，覆盖品牌客户1000余家。
3、报告期内新技术、新产业、新业态、新模式的发展情况和未来发展趋势
人工智能技术迈入性能迭代与效率升级新阶段，以DeepSeek为代表的国产大模型实现关键技术突破。据
官方技术公告披露，2025年初发布的DeepSeek-R1推理模型在数学、代码、自然语言推理等任务上，性能比
肩OpenAIo1正式版；年末推出的V3.2标准版在公开推理类Benchmark测试中，已经达到了GPT-5的水平，仅略
低于Gemini-3.0-Pro。其“高性能、低成本”的技术路径形成产业标杆。这推动了行业发展重心从算力建设
转向算法与工程创新本身。将DeepSeek的工程优化经验与算法创新思路，落地应用于视觉大模型研发领域，
已然成为行业全新发展趋势。垂直行业视觉大模型已从试点进入规模化普及期，重构各产业生态。通用大模
型技术持续迭代升级，带动模型轻量化、高效化技术不断突破，大幅降低了端侧AI部署门槛与运行成本，进
一步打通了技术落地与市场普及的壁垒，拉动AI手机、AIPC、智能眼镜、智能座舱等各类端侧设备放量，推
动端侧智能从试点尝鲜走向全民普及。与此同时，端侧设备算力、存储等硬件能力持续升级，也反向支撑大
模型本地运行，形成“技术迭代-终端升级-市场放量”的正向产业循环，加速全域端侧AI生态成熟。
二、经营情况讨论与分析
公司专注于计算机视觉领域，为行业提供算法授权及系统解决方案，是全球领先的视觉人工智能企业，
始终致力于视觉人工智能技术的研发和应用，坚持以技术创新为核心驱动力，在全球范围内为智能设备提供
一站式视觉人工智能解决方案。
2025年度，公司继续以技术创新赋能行业为使命，秉持“夯实核心赛道、突破新兴领域、引领场景革命
”的目标，深耕视觉AI核心赛道，围绕智能AI终端、智能汽车以及智能商拍等领域打造面向未来的视觉AI产
品，两大核心业务均保持良好发展态势，合力驱动经营业绩实现稳健高质量增长。报告期内，公司实现营业
收入92297.09万元，同比增长13.22%；实现归属于上市公司股东的净利润25840.70万元，同比增长46.25%；
实现归属于上市公司股东的扣除非经常性损益的净利润21427.99万元，同比增长37.51%。
报告期内，公司保持高水平研发投入，为战略落地提供核心支撑，全年累计研发投入达42990.52万元，
占营业收入的46.58%；期末研发人员共计619人，占员工总数的61.71%，为公司技术创新、产品升级与场景
拓展筑牢根基。
公司按照既定目标，重点开展并推进了如下工作：
（一）强化市场领先地位，引领移动影像技术与体验革新
2025年度，公司持续巩固移动影像领域的技术与市场领先优势，并积极拓展业务新品类。报告期内，公
司移动智能终端视觉解决方案实现营业收入71506.98万元，同比增长5.90%，持续刷新该业务收入纪录。
1、智能手机
2025年度，公司智能超域融合（TurboFusion）技术完成旗舰机型向全机型市场的渗透突破，规模化布
局初见成效。在具体技术优化上，TurboFusion围绕移动智能终端影像的关键能力持续演进，重点强化了高
分辨率处理与色彩表现两大核心方向。针对高分辨率影像场景，TurboFusion通过对整体影像流程与资源调
度的系统性优化，并结合多样化硬件架构的深度适配，实现了在不同终端环境下的稳定运行与高效输出。在
色彩表现能力上，TurboFusion通过持续打磨整体成像风格与色彩映射机制，显著提升了画面的真实感、层
次感与氛围表达能力。
公司TurboFusion视频解决方案实现多项核心优化，其中TurboFusion星空拍摄整体解决方案完成多模块
升级，并在头部客户实现了商业应用，巩固了公司在特殊场景影像算法领域的优势。在2025年9月召开的高
通骁龙峰会上，公司携手高通率先展示了虹软基于全新骁龙8平台打造的超域融合视频功能。该技术大幅提
升视频的动态范围与层次表现，暗部细节清晰可见，高光区域不过曝，即便是逆光日落、夜景聚会等复杂光
照环境，也能呈现电影般的光影过渡与色彩张力。
随着端侧智能能力持续升级，TurboFusion也正积极推进端侧大模型方案的落地应用。在手机端侧硬件
资源相对有限的条件下，通过对模型部署方式与运行策略的持续优化，实现了更高效且稳定的AI能力支持。
相较于传统依赖云端计算的方式，端侧部署能够显著提升数据处理的安全性与隐私保护能力，降低对网络环
境的依赖，在实时响应和处理效率方面更具优势。
2、AI眼镜
公司前瞻把握AI眼镜作为新一代AI交互入口的战略机遇，凭借深厚的计算机视觉积淀，快速卡位核心算
法生态，2025年在技术、生态与商业化三大维度全面突破，确立行业头部供应商地位。在核心技术能力方面
，公司持续优化AI眼镜影像与视觉算法能力，围绕复杂环境下的图像与视频处理能力持续升级。通过优化图
像与视频处理算法，提升设备在复杂光照、动态场景及低照度环境下的影像表现，并通过视频防抖算法提升
动态拍摄场景中的画面稳定性。在产业生态合作方面，公司持续深化AI眼镜产业链协同，与高通等芯片厂商
及产业伙伴保持紧密合作，推进自研影像算法在AI眼镜平台上的适配与性能优化。同时，公司持续完善SDK
及开发工具能力，并推进对主流操作系统平台的适配，包括HarmonyOS在内的系统生态，以提升方案兼容性
与开发效率，进一步完善AI眼镜技术生态。在商业化落地方面，公司持续推进技术成果向终端产品转化，诸
如暗光增强、HDR、畸变校正、智能防抖、抓拍等核心影像算法与技术已在雷鸟、Rokid、夸克等多款AI眼镜
产品中应用，并与核心客户签约下一代新品，持续保持头部市场优势。
（二）深化车载AI业务战略布局，实现市场份额提升
2025年度，公司坚定推进车载AI业务“舱内+舱外”与海外市场战略，深化与整车厂、Tier1及生态伙伴
合作，加速虹软方案规模化落地。报告期内，公司车载AI视觉解决方案实现营业收入19198.23万元，同比增
长50.94%，总体实现较好增长。
1、驾驶员与乘员视觉安全
2025年度，公司在驾驶员与乘员视觉安全辅助领域持续加大投入，进一步巩固差异化竞争优势。旗下驾
驶员安全辅助系统（DMS）、乘员安全辅助系统（OMS）等核心产品完成多轮技术迭代与性能升级，并实现规
模化出货，客户覆盖国内外整车厂、Tier1供应商及新能源汽车品牌等多元化合作伙伴。同时，公司面向舱
内场景推出的前装车载视觉解决方案Tahoe，于2025年上半年在欧洲知名豪华品牌车型上实现量产交付。此
外，公司基于国产芯片的第二代低成本替代方案已完成样件法规测试，在欧洲部署演示车辆，2026年已面向
多家国际主流OEM开展市场推广与技术展示。
公司围绕汽车安全法规关键领域，持续推进产品合规与全球市场拓展，重点聚焦DMS、OMS等舱内安全产
品的ADDW/DDAW等法规认证及全球推广工作，为产品出海奠定坚实基础。具体来看，公司DMS产品首个内后视
镜海外项目通过欧盟ADDW认证并实现量产交付；在岚图、吉利等品牌的部分海外量产车型项目中，DMS产品
于E-NCAP（欧洲新车安全评鉴协会）安全警告测试中获得满分；OMS产品在长城、吉利等品牌的部分海外出
口车型项目中获得多个项目定点。此外，公司DOMSE-NCAP2026产品方案已完成法规机构摸底测试认证，获得
OMS满分通过的测试报告，进一步提升产品合规竞争力。
公司与欧洲全球领先舱内传感器供应商及Tier1持续推进深度战略合作，双方联合完成了集成OMS、HOD
（脱手检测系统）、CPD（儿童遗忘检测系统）及SRS（安全气囊系统）的传感器融合产品原型开发，相关方
案正在开展推广。
2、智能停车辅助
2025年度，为适应行业舱泊一体、行泊一体化域控的发展需求，公司持续加大智能停车辅助系统相关领
域的研发投入与资源配置，重点推进智能停车辅助系统相关产品的研发与市场拓展，进一步完善公司业务布
局。技术研发方面，公司舱泊一体解决方案已在客户项目中完成POC技术验证，行泊一体解决方案也在量产
进行中；自动泊车产品持续优化算法与系统能力，不断提升复杂场景适应性，已完成包括雷达融合、自选车
位泊车、倒车循迹等在内的自动泊车核心功能开发，形成较为完整的泊车能力体系。产品功能层面，围绕用
户停车全场景需求，对相关产品进行了系统化的智能功能升级，覆盖起步预警、窄道辅助、智能轮毂视角、
智能保险杠视角、开门预警、智慧寻车、智慧哨兵、智慧尾门及暗光增强等多项功能。项目落地上，公司PS
Pack产品方案相关功能已在多个量产车型项目中实现交付，客户涵盖吉利、奇瑞等国内主流整车厂商，进一
步巩固了公司在智能停车视觉感知领域的市场基础。
3、智能辅助驾驶
2025年度，公司聚焦智能驾驶领域核心技术研发与产品落地，紧扣国内ADAS（高级驾驶辅助系统）领域
法规升级趋势，围绕即将实施的AEB（自动紧急制动）强制国标（GB39901-2025）及即将发布的组合辅助驾
驶强制法规等法规和行业标准，以合规性、安全性为核心主线，持续推进各产品线解决方案的迭代优化与商
业化落地，夯实技术储备、完善产品矩阵，助力公司强化智能驾驶领域核心竞争力，具体进展如下：
在低算力平台解决方案（SouthLake）方面，公司深度契合国内汽车行业主动安全法规升级需求，精准
对标AEB强制国标（GB39901-2025）及即将发布的组合辅助驾驶强制法规核心要求，重点开展前视视觉感知
算法优化、AEB等关键主动安全功能升级工作，进一步完善算法性能稳定性，提升功能适配性与可靠性，确
保解决方案全面符合行业监管标准与安全底线，有效助力下游客户满足新车型合规准入要求。报告期内，该
解决方案凭借优异的合规性、稳定性及场景适配性，获得多家Tier1（一级汽车零部件供应商）合作伙伴的
技术认可，正式开启针对量产项目的技术合作。公司与Tier1深度协同，联合开展软硬件系统化产品集成开
发、全场景测试验证等相关工作，持续优化感知算法在不同产品形态下的适配能力，为后续量产导入奠定了
坚实的技术与合作基础。
在中高算力平台解决方案（EastLake）方面，公司紧跟组合辅助驾驶强制法规推进节奏，针对法规要求
的核心技术指标与安全规范，持续开展解决方案的深度迭代与优化，重点提升系统集成效率、功能稳定性及
场景适配能力。结合2026年智能驾驶行业向中央计算架构演进的趋势，同步推进技术储备，报告期内，该产
品线解决方案成熟度显著提升，进一步完善了公司在不同算力等级平台的产品矩阵布局，为后续商业化拓展
及规模化量产提供了有力技术支撑。
在合规监管层面，公司针对主动安全AEB功能已顺利通过软件功能安全认证，这一成果标志着公司辅助
驾驶产品的系统性安全防护与设计工作迈入全新发展阶段。
4、商用车市场
2025年度，公司持续升级在商用车等其他市场的技术及产品解决方案，帮助客户打造优秀的安全驾驶产
品和体验。在商用车领域，公司的DMS/AVM/BSD/FaceID等产品在重汽、一汽解放、陕汽、福田、东风柳汽等
头部卡车主机厂持续获得更多车型的定点以及量产释放；公司的欧盟GSR（ADDW/DDAW/ISA/BSIS/MOIS）解决
方案在厦门金旅、苏州金龙等头部客车主机厂也持续获得更多车型的定点以及量产释放。同时，公司的Sout
hLakeL2级辅助驾驶解决方案也已经成功获得主机厂定点并即将进入量产阶段。
5、海外市场战略
2025年度，公司持续积极推进“海外”市场战略，围绕VisDrive、Tahoe、ADAS、AiTrak、MonoLake等
核心产品，拓展国际化应用场景，推动重点区域市场落地，助力OEM客户实现多款车型顺利量产，提升在国
际车载领域的品牌认知度。
产品层面，公司以GSRII和E-NCAP2026法规要求为DMS/OMS产品的核心技术方向，持续优化产品功能规划
，提升产品对海外法规的适配能力，强化在智能座舱和驾驶监控相关细分领域的技术积累与交付能力。市场
与渠道拓展方面，公司通过现有渠道推进与海外主机厂项目的前期沟通与机会跟进，实现对欧美主要OEM厂
家的深度对接，并在部分OEM现场举办技术集中交流（TechDay），展示公司就欧盟法规和E-NCAP2026、E-NC
AP2029的最新产品研发进展；同时，积极与多家国际Tier1建立或加深合作联系，推进既有合作项目落地，
并探索进一步合作机会。公司持续响应客户对海外法规合规的需求，支持多家海外客户实现数款新车型通过
GSRII的认证测试并顺利实现量产。
为强化欧洲本地服务能力，更好地支持欧洲本地客户需求，公司已在德国成立子公司，近距离了解市场
诉求、快速响应和支持当地客户，进一步提升品牌在国际市场的知名度与影响力。
（三）积极布局前沿赛道，拓展新兴业务空间
1、智能商拍
2025年度，公司积极推进AIGC智能商拍领域发展，达成了“应用+服务”双轮驱动的战略预期，完成从
静态图片到动态视频的多模态生成商业落地。技术层面，公司持续优化底层算法，除服装品类外，还研发并
提升鞋子及服饰配件等多时尚品类的AI试穿、AI模特、AI场景、AI视频等核心商拍产品效果；产品功能方面
，在稳固既有功能的基础上，于下半年推出搭配上身、服饰换色、AI种草图、图生视频等高阶功能，持续完
善功能矩阵、实现全链路覆盖，产品丰富度与行业竞争力保持领先；同时，针对产业带中小商家规模化、协
同化内容生产需求，发布PSAI企业版，推动PSAI从单点工具向企业级视觉生产力平台升级。在商业化层面，
公司通过PSAI标准版与企业版高效赋能海量中小及腰部电商商家，并为头部服饰时尚品牌提供一站式AI商拍
交付解决方案，截至报告期末，已累计服务中小商家30余万家，覆盖品牌客户1000余家，商业生态持续繁荣
，双轮驱动格局稳步落地。
2、具身智能机器人
2025年度，公司聚焦视觉算法前沿研发与技术场景化落地，凭借在视觉感知、多模态感知融合等领域的
技术优势，成功与知名头部民用机器人企业达成商务合作，实现最核心视觉感知算法、引擎在民用机器人领
域的实际落地应用。
技术储备层面，公司坚持前瞻布局，深挖核心技术引擎包，推出适配行业需求的核心视觉感知、视觉融
合感知的技术解决方案。方案涵盖视觉能力拓展、环境导航感知、人机自然交互、大脑感知精准操控四大核
心引擎包，重点优化视觉感知的精准、即时性，感知与机器人动作的高度协同，强化多场景自适应泛化能力
，动态三维语义建图、定位的精确和实时性，精细的目标对象的三维形状建模。基于以上布局，公司构建起
技术驱动的差异化竞争壁垒，技术布局契合具身智能行业“感知-决策-行动”的核心技术发展趋势，为后续
感知市场爆发及技术泛化奠定坚实基础。
（四）持续创新投入，加大底层技术研究与应用
公司构建并持续完善通用视觉算法底座，依托深厚的视觉AI技术积淀，致力于为更广泛的端侧智能体提
供核心AI能力支撑。公司在智能手机领域积累的深厚影像技术，除迁移至智能汽车领域外，也已成功应用至
AI眼镜、智能机器人领域，实现技术的跨场景复用与价值最大化。
2025年，公司稳步推进新一代ArcMuse计算技术引擎的研发与迭代，全面达成了年初既定的技术升级目
标，将其成功打造为兼顾卓越视觉效果与极致推理性能的综合型视觉AI基础架构。依托“云+端”工程创新
能力，ArcMuse引擎已切实成为驱动公司各项业务高质量增长的核心底座。具体进展包括：一是核心引擎与
模型架构深度升级，公司成功完成了图像与视频生成大模型的训练与推理性能优化，CPG与KDE模块迭代成效
显著，大幅提升了生成内容的精确控制力与物理逻辑自洽性。同时，通过集群算力统筹与深度优化，进一步
降低了模型训练与推理的算力消耗，提升了整体运算效能。二是底层新模块研发与端侧部署突破，公司成功
研发并落地了大模型端侧引擎，并成功在移动智能终端实现搭载出货。这一突破切实打破了硬件算力壁垒，
让高质量的大模型生成与处理能力在受限算力的设备上高效运行成为可能。
（五）精准优化经营管理，全面提高经营质效
1、打造富有战斗力的人才梯队
2025年，公司以优化人才配置、提升组织效能为目标，有序推进人才管理体系建设。围绕战略发展与业
务赛道人才需求，实施精准引才策略，统筹校招与社招布局，优化内部推荐机制，通过精准画像、定向触达
提升匹配效率。同时，构建分层分类的培训体系与学习平台，开展多维度、场景化主题培训（如知识技能、
通用管理、专业素养、管理研修、开发技术、项目管理等），提升管理者与研发人员综合能力并通过“虹鹰
训练营”培育新生代骨干。公司持续完善多元化人才评价与职业发展机制，以业务需求为牵引，完善跨部门
人才流动机制，优先内部选拔补足关键岗位，盘活人才存量。人力资源各模块高效协同，强化业务支撑与文
化引领，营造高绩效、强凝聚的团队氛围。
2、强化应收账款和汇率风险管控
截至报告期末，公司应收账款账面余额为32185.74万元，较期初增加6142.92万元。增长主要来自于车
载AI业务，该业务受行业特点影响，收款周期相对移动智能终端业务更长。2025年度，公司充实应收账款管
理团队力量，精细化掌握账款动态、打通管理堵点，有效提升运营效率；同时深化业财融合，优化客户信用
评审，对成熟、次新及新业务分类实施风险管控与账期管理，持续强化应收账款全流程管理，不断提升财务
管理精细化水平，保障公司业务稳健发展。
2025年度，公司紧抓全球外汇市场波动机遇，主动优化资金币种结构，合理调整境内外资金配置，提前
部署汇率风险管控工作，稳妥规避跨境资金波动风险，牢牢守住资金安全底线。同时公司持续推进全球化资
金统筹管理，延续“阶梯式存款+低风险理财”的结构化配置模式，兼顾资金流动性与收益性，始终维持充
裕现金储备，为核心技术研发、抵御经营不确定性风险提供了强有力的资金保障，进一步夯实了公司稳健经
营的基础。
三、报告期内核心竞争力分析
(一)核心竞争力分析
1、人才优势
在超过30年的发展历程中，公司磨合出一支以博士为带头人、硕士为骨干的核心研发团队，充分掌握核
心技术算法，并进一步落地成为成熟的商业产品。通过长期的潜心学习，公司始终立足于领域内的最前沿，
建立和长期保持行业内经验积累和能力上的领先优势。
虹软科技及其下属公司经过30多年的摸索，不断改善形成了一套独有的高效管理模式，基本实现自动化
、自驱、自愿的高效运行状态，同时采用“导师制”培养模式，有效减少研发的试错次数。高效的研发管理
体系提高了公司的自主创新能力和产品研发速度，提升了公司视觉人工智能技术算法水平。目前，公司拥有
良好人才储备并在持续完善，为重要项目的推进奠定了基础。
2、技术积累优势
公司技术积累优势主要体现在端计算和边缘计算技术的积累优势、视觉人工智能技术的层次积累优势、
工程落地能力，具体见本节“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/（三）所属
行业情况/1、行业的发展阶段、基本特点、主要技术门槛/1.2主要技术门槛”。
虹软自成立以来便致力于计算机视觉技术的研发，技术所应用的终端，从个人电脑、数码相机、智能手
机，再发展到智能汽车、AI眼镜、XR3D空间计算头显以及其他AIoT领域，一直与影像产业的发展、消费者的
需求和影像科技创新紧密相连。经过数十年的技术、专利和人才积累，公司已全面掌握视觉人工智能及人工
智能的各项底层算法技术并不断进行技术演进，掌握包括即时定位与建图、图像语义分割、人体识别、物体
识别、场景识别、图像增强、三维重建、虚拟人像动画、虚拟数字人等全方位的视觉人工智能技术。公司所
掌握的这些底层技术具有通用性和延展性，在此基础之上，公司构建了不同的组件和产品，并衍生出多种产
品应用方案满足相应的细分市场需求。
公司坚持以创新驱动企业发展，持续高水平研发投入，不断打磨视觉人工智能技术能力。截至报告期末
，公司拥有专利309项（其中发明专利283项）、软件著作权160项。
3、产业链深度合作优势
公司所涉的消费电子产业与汽车产业，高度依赖产业协同。公司拥有紧密、稳定的产业生态关系，与高
通、联发科、格科微、索尼传感器、三星半导体、艾迈斯半导体、OmniVision、舜宇光学、英飞凌等平台、
传感器、摄像头模组厂等产业链上下游主流公司开展合作。在车载AI业务上，除了既有的合作伙伴之外，公
司也持续与更多的芯片、相机模组、Tier1等诸多上下游产业链公司形成了相互信赖的合作伙伴关系。
凭借与产业链内主流公司长期、广泛的合作，公司掌握了持续开发、迭代与硬件更加匹配的算法的能力
，通过共同研发、持续合作交流，得以在客户提出技术需求后，在最短时间内及时响应，提供低能耗、高效
率、硬件平台适应性广的解决方案，保持技术持续处于行业最前沿。
4、客户及品牌优势
公司是全球领先的视觉人工智能算法供应商，客户群体广泛。在智能手机领域，公司主要客户包括三星
、小米、OPPO、vivo、荣耀、Moto等全球知名手机厂商，服务范围涵盖全球90%以上的安卓手机品牌。在智
能汽车领域，公司方案不仅可满足GBT、C-NCAP、C-IASI、IVISTA等国内法规及行业标准要求，而且还可满
足ADDW、DDAW、ISASTU型式认证、E-NCAP、A-NCAP等各项海外法规及行业标准要求。在这一领域，公司已协
助众多OEM客户顺利在相关国家地区实现产品量产落地，大大加快了新车市场化进程。在智能商拍领域，PSA
I产品已入驻淘宝千牛、1688、抖音抖店、TikTok、Shein、亚马逊等多家主流电商平台服务市场，累计服务
中小商家30余万家，覆盖品牌客户1000余家。在AI眼镜领域，公司已成功助力多家AI眼镜公司首款产品发售
。优良的客户质量、良好的市场口碑、国际化的品牌认可度、海量历史销售数据，为公司后续业务发展奠定
了良好基础。
(三)核心技术与研发进展
1、核心技术及其先进性以及报告期内的变化情况
1.1核心技术及其先进性
目前，公司积累了大量视觉人工智能的底层算法，构建了完整的视觉人工智能技术体系。
公司自主研发了人脸分析及识别/人脸美化及修复/人体分析及美化、手势识别/物体识别/场景识别、行
为分析、暗光图像增强/超分辨率图像增强/视频画质增强/画质修复、光学变焦、虚化技术、3DAR动画等诸
多可应用于智能手机、智能汽车、笔记本电脑、智能可穿戴设备等终端领域的核心技术。
针对单摄/多摄/TOF/结构光等不同种类的摄像头，公司均可提供相应的3D与AR视觉解决方案，帮助厂商
在移动设备上便捷高效地实现落地。为满足各智能终端对于VR/MR/AR应用的需求，公司已经研发并可以直接
落地使用的解决方案，包括基于双摄/多摄/TOF/结构光的深度获取和优化，以及基于单摄的深度获取引擎，
这些深度数据成为一些上层逻辑应用的核心基础；实现了SLAM中环境Map的构建，物体的3DModeling，视线
的检测、跟踪，人体和动作静态、动态姿态的检测和跟踪，解决了实时显示中的延迟等多种问题。为满足智
能汽车领域人机交互的需求，公司主要研发了基于红外相机、单摄RGB摄像头、双摄、深摄的交互技术，包
括手势交互引擎包、头部动作和口部动作交互引擎、经典表情识别等。
公司在人体分析、人脸识别、人体识别、手势识别、人体美化等技术上，在当前状态下的中段平台达到
超过95%的正确率、毫秒级实时性，这些引擎也可以有效鲁棒地支持低端硬件平台，人物属性分析、对象属
性分析、多帧多通道质量提升等技术点能达到业界先进的低功耗、高性能、相对强鲁棒的水平。
公司大部分智能手机视觉解决方案达到国内外先进水平，多数新创技术在行业内属于技术首发，能够满
足目前市面上中高端智能手机大多数与视觉相关的技术与应用的算法需求，且公司的智能手机视觉解决方案
在除苹果之外的主流手机品牌的大部分旗舰机型上获得使用。
（1）人脸分析及识别
人脸检测技术优化了近距离场景下的残缺人脸，背光，复合姿态人脸等场景下的人脸召回率，同时进一
步提升了远距离超小人脸的召回率。手机版本在最新内部难例测试集上保持速度不变的情况下，召回率和精
度继续提升。人脸关键点定位技术在手机相关方向上，进一步提升了大角度场景和遮挡场景的稳定性和精度
，并且修改整体算法框架，在内部复杂自测集上，人脸归一化到100像素尺度下的点位平均误差降低到1.28
像素，1像素误差以内的素材召回率提升3%。同时也提升了智能座舱应用中外国人络腮胡、戴口罩以及戴墨
镜遮挡场景下人脸关键点的准确性，且关键点稳定性也获得较大提升。在智能座舱场景中，人脸角度和位置
估计算法，重点优化了超大角度case以及海外人种的角度精度，在内部客观数据集上显示，pitch角度提升5
.6%,yaw角度提升4.5%，使得DMS场景下的人脸分心范围鲁棒性进一步增强。人脸重建技术通过渲染数据的使
用，进一步改善在大角度场景下重建精度，尤其是大抬头场景下眼睛、嘴巴贴合精度。
2DFaceID在FAR≤100k条件下，常规及戴口罩场景FRR改善2.8%；3DFaceID在同等场景下，FRR改善1.5%
；车载场景的RGB/IR交叉识别持续改善，FRR改善1.7%，且海外人种识别效果显著提升，全人种（黑、白、
棕、黄）测试下FRR改善3.6%。开放平台内研版本效果进一步改善，常规及戴口罩场景FRR改善2.5%。静默式
活体及炫光活体版本效果持续优化；炫光活体新增三种打光组合，在应用中更新了主动活体及炫光活体功能
，以满足市场需求。此外，宠物ID算法逐步成熟，可区分同品种不同个体，对猫狗照片自动聚类准确率已经
超过竞品。
（2）人体分析及美化
人体检测技术进一步提升了人体召回率并且降低了误检率，同时提升了目标跟踪稳定性，尤其是智能座
舱应用场景中优化跟踪框架，在指标基本不变的情况下，检测跟踪耗时峰值降低40%，平均耗时降低30%。召
回率达到97.89%。人体骨骼关键点技术，在座舱内场景中优化座椅扶手颜色和胳膊颜色相似场景下关键点的
准确性。人体重建技术通过多相机采集和人工合成的方式扩充对人体细节动作的数据补充；进一步提升四肢
尤其是脚的贴合度和稳定性，并拓展至具身机器人应用场景，提升大角度、大畸变、人体不完整case下的重
建精度。遗留儿童检测技术进一步优化了五座车场景中侧躺、侧坐以及摄像头角度过大场景下的误检，同时
也提升了儿童检测的召回率。与儿童检测配套的安全座椅检测功能通过渲染和大模型生成的方式，获取更丰
富的训练数据，极大提升了安全座椅的召回，达到95%，为E-NCAP法规项提供了更加坚实的技术支持。与座
舱人体检测相关的安全带检测技术优化工牌手臂、西装领带、厚外套拉链、光影、反光背心等误检以及遮挡
安全带、扭转安全带漏检。行为识别技术不断完善，针对E-NCAP2026对相关安全行为的要求，实现在多种车
型上对副驾安全行为（身体前倾、脚伸仪表盘）的识别，平均召回率达到94.5%，精度达到95%以上。基于行
为识别的环视哨兵功能，提升抬手和踢腿检测的召回率，对车体附近50cm-80cm的抬手或者踢车的危险动作
的报警召回率达到90%，同时优化车角及下蹲等姿态下的检测效果；引入视觉语言模型对哨兵模式的报警类
型进一步细分，支持喷涂、踢车、划车等13类哨兵危险行为，平均召回率达到95%。新增E-NCAP2026体型分
类功能，分类精度达99%，通过了假人和真人现场过标点检，成为国内首家过测的公司。
（3）宠物分析
宠物目标跟踪中新增ID识别功能，在处理遮挡、快速移动等复杂场景时也能够准确区分不同个体，确保
了跟踪结果的连续性和一致性。通过对训练数据的系统优化，显著降低了错误标注对模型的干扰，并且在训
练过程中动态过滤低质量样本、过度困难样本及分布外样本，全面提升了宠物身体检测、面部/眼部边界框
与关键点检测、姿态估计、目标跟踪等技术的整体准确率。
（4）行为分析
继续提升满足DDAW以及E-NCAP法规的驾驶员疲劳/分心检测技术方案，完成满足E-NCAP2026产品原型研
发。根据大量路测数据对疲劳/分心的误报进行实车数据分析，通过多数据融合将基于车机信号与车辆控制
信号在内的驾驶员行为数据与视觉感知信息进行融合，通过数据统计优化行车中的误检问题。同时，结合大
量KSS以及心理行为研究实验结论，研发了更加符合疲劳认知的全新疲劳解决方案。根据大量疲劳研究实验
进行了真实疲劳数据采集和真实疲劳检测技术更新，提升基于真实疲劳反应的驾驶员疲劳分级检测，在视觉
信息获取上增加多帧、多时间窗口的分析，增大疲劳分析的时间窗口区间。通过对实际数据分析，设计完成
了一套适合实车体验的驾驶员疲劳升降级方案，有效降低疲劳与视觉接近的非疲劳行为之间的误报，在满足
更高阶法规需要的同时大大提升用户体验，形成了与市场同类产品技术的差异化。目前正在尝试将该新技术
融入量产方案中，并且实车测试已达到DDAW认证要求。为满足E-NCAP2026新规，公司已完成DMS与OMS新增测
试项的功能研发，包括受损驾驶员行为分析、座舱乘员异常姿态与体态检测等，形成了完备的能满足E-NCAP
2026测试范围的产品形态。
视线追踪技术已支持众多智能座舱量产项目，结合座舱标定方案为驾驶员分心技术提供视线落点输出支
持，完成了E-NCAP法规中需要支持的视线落点检测研发，对驾驶员视线检测覆盖到舱内23个区域。满足E-NC
AP所有视线分心测试场景的检测要求，包括车内常见手机摆放位置下驾驶员看手机行为识别，并将过标方案
融入量产方案中，实现了更多满足法规要求的视线功能设计。
根据对ADDW法规的解读与技术实现分析，目前已经完成ADDW实车专项测试，并即将在各量产方案中设计
算法方案，满足该法规标准继续进行单摄像头下视线追踪技术的精度提升，自主研发基于3D人脸重建与追踪
的底层数据特征表达，实现3D视线追踪技术。视线追踪技术继续对多摄像头方案进行研究，并根据项目需要
应用在量产项目中，全面提升驾驶员在车内的视线精度，尤其是在相机畸变与人脸角度范围较大的DOMS一体
化内后视镜摄像头方案中，将原有方案精度提升近30%，确保了该产品形态的量产要求。在原有视线真值系
统上继续进行方案优化，完成新一代头戴便携式真值系统研发，大大提升当前视线真值精度，并便于在实车
行驶过程中采集真值，为量产方案带来更高精度真值的同时，拓展了实车采集的场景，可用于认知分心等多
种进阶驾驶员行为侦测实验。
自主研发了基于用户行为的无感自标定视线精度提升方案，对于视线基础引擎的精度做了较大的提升。
当前该方案已经取得重大进展，通过多组实验获得新型自研模型，在无需用户配合的条件下完成用户个性化
特征提取，与原有方案对比平均视线精度获得了7.2%的提升，当前方案还在持续迭代。此外，视线研发团队
还对眼睛瞳孔虹膜特征在成像上的差异进行深入研究，获得了一整套适用于视线的摄像头设计准则，指导量
产项目中的视线摄像头设计。新版本在原有座舱行为数据自动化合成平台研发基础之上，又拓展了关注座舱
安全的哨兵难例数据合成，扩展了座舱数据合成范畴，在极大降低数据成本的同时，为解决长尾问题和提升
总体精度起到了关键作用。
该平台已经用于相关量产项目交付以及预研项目中。
为更好地解决量产项目中的不同车型以及各种容易引起摄像头位姿变化的外界影响，研发了一整套完善
的视线无感自标定解决方案，为主机厂降低相机标定成本，目前该方案已经大规模用于量产项目中，适配各
种车型的活动摄像头安装需求。当前已完成一体化的适配多摄像头安装位置的舱内DOMS自标定解决方案，以
内后视镜为摄像头安装参考位置，挖掘不同车型座舱的共性特征，大规模降低自标定技术依赖的数据存储空
间与车型适配成本。将DMS与OMS在自标定方案上进行整合，并于2025年上半年应用于多种DOMS产品形态研发
，取得了优异的适配效果。该新自标定技术方案架构后续将在量产方案中大规模应用，为视线一体化方案提
升整体鲁棒性。该技术方案目前可以兼容支持由于内饰颜色、纹理、光照带来的差异，并可以较高精度兼容
有差异的车型之间的自标定方案共用，大大提升了产品的容错率与大平台化的可能性。
酒驾驾驶员行为分析为2025年新增技术引擎，目的是通过饮酒后驾驶员的行为实验分析驾驶员是否处于
酒驾状态，达成适用于量产的基于视觉的酒驾检测解决方案，满足E-NCAP2026中关于受损驾驶员的行为分析
。在常见行车场景下可以做到较高精度的区分，通过封闭道路的实车测试已经满足了E-NCAP2026合规与量产
要求。
睡眠检测技术根据座舱内乘员的面部状态与体态分析是否处于睡眠状态，在实车场景中需要与低头玩手
机、看书等准静态行为进行区分，经过持续研发迭代，各场景实车召回率已经达到90%以上且误报低于1%，
支持在各种颠簸路段场景下的高召回，当前已完成众多量产项目。
基于XR头显的眼动追踪完成双眼双目多光源方案的研发与调优，同步适配头显应用需求，完成配套外围
视觉算法开发及设备端全流程部署，追踪精度已经达到业内领先水准；持续开展多场景适配眼动算法研究，
提升底层引擎的检测精度，并通过设计融合方案实现眼动追踪精度最优化。
车载表情识别与唇语关键词识别技术，围绕用户感知习惯打磨产品方案，通过大量实车数据分析，构建
基于用户无感表情标定的表情识别技术，可满足个性化用户表情识别的需求，精准捕捉个性化的面部行为特
征，有效提升座舱交互体验。唇语关键词识别技术已完成多模态技术研发，融合语音与图像信息，有效解决
单一视觉方案难以识别歧义唇语关键词的技术痛点。
车载危险行为检测，全面落地基于人体行为与手持物分析的多通道信息融合抽烟打电话检测方案，提升
了困难场景下的用户体验。算法模型层面，在强化模型特征提取能力与场景通用性的基础上，还借助视觉语
言模型（VLM）开展车载场景的定向微调，提升模型泛化性。乘用车业务线，基于DMS/OMS一体化解决方案的
方向盘脱手检测算法，对方案做全面升级。商用车业务线，对包含抽烟打电话、喝水/吃东西、自顶向下视
角的玩手机检测、方向盘脱手检测等在内的多个危险行为识别算法，通过标准化模型和接口进行整合，可适
配不同硬件平台，加速产品迭代，持续优化边缘场景下的检测效果。
（5）手势识别
手势识别相关底层算法持续迭代升级。手部检测/跟踪算法，面向丰富的使用场景，借助人体关键点信
息，提升对hardcase（困难场景）的支持能力，如强背光、室外夜景、超近距离、多人、远距离、手物交互
等困难场景下的手部检测跟踪能力有所提升。手部姿态估计算法，对底层模型进行技术架构升级，有效降低
后量化过程中的精度损失。面向车载场景，适配更多车规平台，在低画质、弱光照、高噪声等复杂场景下提
升了关键点检测精度。静态手势识别，融合手部关键点的拓扑结构信息以强化分类特征的表征能力，并且结
合注意力机制增强了模型对手部重点区域的关注，引导模型聚焦于语义关键区域，进一步提升分类模型的识
别效果；针对动态手势识别技术，开展新型传感器应用探索性研究，采用120fps高帧率相机开展动态手势识
别研发，旨在满足未来复杂场景下提升手势识别效果、实现精细动作识别的客户新需求，为后续技术迭代夯
实技术储备。
移动端和PC端手势产品线，报告期内承接并实施多个面向移动终端设备的手势识别项目，支持包括静态
手势和动态手势的多种交互方式。围绕移动端AON设备，持续推进手势算法的产品化与平台适配工作。针对
客户自研AON平台，在客户既定的模型框架和部署约束下完成了手势识别算法的实现，满足端侧实时运行的
需求。同时，在高通和联发科等多个芯片平台上完成了AON静态、动态手势的适配与落地，实现算法与模型
的一体化封装，在保证算法效果的同时，也加强了算法与模型的隐私保护能力。
车载智能座舱手势产品线，针对静动态手势交互技术，已完成适配主流车载算力平台，在提升识别效果
的同时，有效降低技术资源消耗、优化算法性能。在算法效果方面，通过改进技术方案、扩展训练素材等方
式优化了相似手势误检问题，使静动态手势获得更好的用户体验。手势算法和人体姿态算法相结合，拓展了
舱内手势感知能力，为客户提供了更多手势识别应用场景。为适应客户需求，新增了对多个动态手势的支持
，包括“抓握拖拽”“拇指左右移动”等动态手势。手指指向技术丰富了车载手势产品矩阵，基于2D图像的
三维空间食指指向识别技术，还原手部在三维空间中的真实姿态，可以实现多个方向的准确识别。鼠标手势
交互技术，在大角度姿态、手部自遮挡等较难场景下也可精细识别手指动作。对鼠标手势中的分类策略进行
了优化设计，采用先粗筛、后细分”的分级识别策略，并结合大小分类器协同工作的方案，以提升对同一手
势在不同角度、不同姿态下的识别能力，从而增强整体识别的准确性与稳定性。娱乐手势产品，手势游戏也
在行业头部客户上车量产，反响良好。
新增具身智能机器人产品线，依托公司手势识别技术多年研发积累，快速将静动态手势识别技术移植并
适配至机器人平台。针对机器人应用中常见的复杂环境，对模型和算法进行针对性的优化，目前可稳定支持
较远距离手势识别。
（6）图像质量分析
人像质量分析算法显著提升特殊场景（如暗光环境下深肤色人像）的评估准确率，同步优化宠物模糊判
断效果。HDR场景识别技术在AI眼镜方向持续扩展，完成多家客户算法交付并新增多芯片平台适配能力。
（7）高动态范围（HDR）
YUVHDR支持旗舰处理器AEB模式下的HDR融合。在防鬼影方面，加入了基于AI的增强技术，实现了提亮和
去噪，减少了运动区域的噪音，提高了运动场景的画质。针对高饱和度区域的还原，转换到HSV空间进行颜
色、饱和度、亮度的动态融合，获取更鲜艳真实的颜色。针对中低端平台无法提供ISP提亮帧的情况，通过
调整原有框架，改进HDR融合算法和鬼影处理策略，改善融合结果。开发暗光环境人像HDR功能，并支持闪光
灯和屏幕补光模式，在暗光人像模式能更好地还原场景动态，同时保持人像的亮度和人脸的细节。根据对不
同风格的要求，定制HDR融合策略。基于机器学习算法结合预览图片的统计特征改进动态EV算法，为系统推
荐适配的低曝光图片的EV值，提升融合结果的动态还原效果。
基于RAW域的HDR在AI去噪、高动态图像获取方面都取得了巨大进步，针对HDR摄影的复杂环境，从白天
到夜晚都准备了鬼影处理策略，在影调方面以保持真实场景亮度分布为出发点，自适应调整影调，在保持原
本动态范围扩展能力的基础上使最终结果更贴近客户美学需求。基于场景识别与语义分割，实现对不同被摄
环境、不同语义区域的自适应影调调节，确保成片自然度。结合传感器以及环境信息，智能提升最终成片的
通透度。自研自适应感知颜色增强方案，提升成像色彩的人眼感知真实度。针对预览场景，设计了自然影调
方案，实现实拍效果和预览画面的风格统一。针对运动场景，不仅实现了智能优化，还继续提升运动区域的
画质，提高了抓拍成片率。针对不同曝光序列，优化了运动鬼影，改善最终成片效果。弱光环境结合图像分
割方面，根据图像区域分割的结果动态调整局部的融合策略，最终的融合结果更加自然。针对暗光环境闪光
灯模式，根据不同闪光灯强度与环境光的组合，设计了不同的闪光灯影调策略，实现更为自然的补光效果。
针对人像场景进行了真实感模拟，提升了人像成片质感。基于不同环境进行光色联动调整，提升成片氛围感
。进一步拓展了HDR的特性和应用范围：适配Quadbayer数据，为使用最新Sensor获取更好的纹理细节提供了
保障；灵活支持可变倍率，为全倍率RAW域HDR的实现打下基础。针对前置人像开发新的AI模型，能够实现对
图像中不同区域不同频率的纹理信息的增强程度自适应调节的功能，提升前置人像的真实感。设计了新的流
水线框架来适配2亿像素Sensor，实现高分辨率输入下的多帧AI去噪和HDR功能，显著降低了内存占用；在亮
光环境下，利用不同通道的混合输入数据，在继承HDR影调的同时实现了图像纹理细节的大幅提升。将混合
类型输入数据的处理范围扩展至高ISO场景、运动场景，进一步完善框架全场景适配能力。针对硬件能力不
足的中低端平台，设计了全流程轻量化处理框架，提升了处理效率，降低了资源开销。通过算法框架继续优
化和精简，适配了更加低端的硬件平台，进一步拓展了技术的落地范围。
（8）暗光图像增强
暗光图像增强技术，公司为客户的摄像头传感器做了针对性支持，确保每个摄像头的去噪以及保留细节
达到最佳效果。改进对齐算法，提升运动区域和人像的配准精度，保留更多算法结果细节。改进多帧融合算
法，结合AI增强提升细节。改进针对运动区域的去噪和融合算法，消除运动噪音和运动模糊。改进高动态场
景下的模型训练，使得高动态场景的暗处细节更清晰。改进训练策略，使得落地后的性能优化版本效果更好
。研发基于增强型的暗光图像增强算法，实现最终出图效果清晰度明显提升，进一步拓展增强型暗光增强算
法的适用范围，使得更暗的场景实现清晰度的提升。研发极暗场景下的图像增强算法，通过调整训练策略，
实现极暗场景下的弱纹理细节提升。针对图像的亮部和暗部，做针对性的处理，拓展了图像亮部区域的清晰
度画质提升；针对中低端设备噪点严重的特点，开发新的单帧处理算法优化图像。针对人脸部分，开发专门
的算法对人脸进行去噪和增强，有效改善人脸的视觉效果。对不同的平台计算资源，比如NPU、GPU、DSP等
做性能的最佳适配。同时，针对更低平台做了算法的针对性改进，维持效果和性能的最佳平衡，使得算法可
以平铺到更多的客户设备。针对中低端平台将轻量化单帧图像增强AI模块和多帧模块配合，在很小的系统消
耗的情况下，实现细节提升。进一步优化低端平台的性能功耗，使得在纯GPU的平台，也能用上性能快、功
耗更低、效果更好的图像增强算法。针对车载平台和AI眼镜平台开发自适应的多帧和单帧算法模块并配合开
发轻量化单帧图像增强AI模块，同时优化训练方法，提升不同设备使用的网络的更新迭代效率，最终实现画
质提升。
（9）超分辨率图像增强
超分辨率图像增强技术，拓展更深层的超分维度，YUV域、RAW域、Quadbayer域等，实现超分辨率的质
的提升。改进运动区域检测策略和配准精度，改进融合算法，优化AI模型训练流程，提升AI增强的效果。研
发基于参考图片指导的YUV域AI超分算法，实现动态照片，更换封面帧后结果的画质。研发基于增强型的AI
超分辨率算法，不同的倍率下清晰度和解析力都得到明显提升。攻克了Quadbayer更高ISO和逆光场景的输入
网格和噪音偏大难题，拓展更多的亮度范围场景下，实现光学的超分辨率。研发了基于Hex域的AI超分算法
，充分挖掘原始数据中的信息，实现光学图像的4倍超分辨率提升。研发了更高倍率的数字变焦AI增强算法
，消除放大过程中引入的模糊问题，提升更高倍率的超分画质。改进针对不同摄像头传感器的去噪效果，提
升结果细节。拓展更高放大倍率的细节提升方案，针对不同的放大倍率的特点，训练针对性的AI细节提升模
型，使得在各个放大倍率都有更优的画质表现。优化代码框架，提升性能。实现在不同的放大倍率上，都展
现出更好的去噪效果以及细节水平。结合ZSL和PSL的RAW数据，开发25MP产品，提升结果细节的同时，保留
场景的动态，在多轮算法迭代和框架优化后，实现性能和功耗的大幅优化。整合25MP的整体框架，充分利用
平台的各种资源，提升产品的用户体验。
（10）画质修复
屏下摄像头画质修复技术，可在抑制图像原有噪声的同时提升清晰度、对比度与色彩饱和度，使成像效
果更接近普通摄像头效果。文档图像去阴影技术，重点针对一些中低端平台做适配与优化，构建轻量级高性
能的去阴影解决方案。算法在保持实时性的同时维持原先的画质表现，边界保留自然清晰，有效提升整体视
觉体验。当前算法已支持多平台商用部署，可以应用于相机拍照与相册应用，满足用户对拍照完美质量的追
求。
美食阴影去除方案，针对手机输入图像的高分辨率需求，对超高分辨率图像处理的去阴影整体算法流程
进行优化升级，有效解决了高分辨率图像去阴影后目标区域清晰度降低的问题。在优化算法性能方面，进一
步减少了整体框架的处理耗时，提升方案的使用效率。针对部分场景偏色问题进行了针对性优化调整，改善
了去阴影后的输出效果。
图像去反光技术，改善反光去除能力，整体效果更加稳定。重点优化模型结构和前后处理流程，降低算
法内存和耗时，同时保持效果基本不变，满足算法在低端设备平台上的部署需求。
图像去炫光技术，更新数据集，覆盖更多的炫光成像场景，且视觉效果更加真实，大幅提升了室内顶灯
、室外路灯等场景下的炫光去除效果。针对部分人脸图像处理结果失真的问题，对人脸区域增加处理策略，
使结果更加自然。此外，优化了炫光检测模型的准确率，利用检测模型的轻量性特点提升整体流程的性能。
图像去雾和视频去雾技术，针对客户在雾天场景中的图像质量提升需求，深入研究并设计了一套新的去
雾算法方案，解决手机拍摄图片发蒙的问题。该方案通过建模图像复原过程，并融合视觉感知优化策略，通
过多项关键AI感知技术的协同提升，使得处理后的图像更加贴近真实无雾环境，具备更高的视觉自然度与观
感舒适性。与原有方案相比，新方案在雾气去除的彻底性、图像细节的保真性以及整体算法性能方面均实现
了显著突破，该算法已经在指定设备平台上实现量产出货，保证了在实际应用中的可靠性与有效性。
AIImageDebanding，手机拍摄过程中因光源频闪与相机传感器采样机制有时会引发周期性的暗纹现象，
新研发的AIImageDebanding算法，可通过深度学习模型精准识别与修复Banding暗影，有效改善室内环境下
的图像观感。算法持续优化稳步迭代，具备较强的泛化能力与良好还原度，对图像输入格式的支持也从YUV
扩展到RAW域。
AI祛红眼，手机夜景人像场景下，人物眼底血管反射闪光灯光线会造成拍摄照片中存在人物红眼现象，
原有基于CV的祛红眼方案在一些场景下效果受限，因此新增基于AI的祛红眼算法研发。算法在有效消除红眼
的同时，使人物眼神更加自然灵动，显著提升夜景闪光灯场景下的人像整体观感。当前已面向客户出货，为
公司夜景人像算法产品增添重要一员。
（11）视频画质增强
视频超夜技术，该套技术方案已圆满完成对多家主流汽车厂商的深度适配，支撑了多款车型的量产项目
。
针对极暗视频，在YUV域进行处理难度较高，因此公司将处理环节前移至RAW域。RAW域处理可保留未经
后续算法干扰的原始噪声特征，更利于去噪网络实现高效降噪；但该方式会带来数据处理量显著提升的问题
，对此公司重点开展模型优化工作。通过优化可以在当前的旗舰机下实现4K视频的实时处理，同时噪声去除
能力也明显优于传统的去噪算法。手机端视频超夜技术，拓展手机端至暗光0.1lux，极大改善AI降噪模型的
降噪能力的同时保持细节。在实时性和功耗上，做到极致优化，满足客户使用场景需求。针对性训练不同摄
像头传感器的视频去噪效果，针对客户的不同硬件平台，设计模型和量化策略，达到画质和性能功耗的较好
平衡。RAW域去噪算法进一步优化了性能和功耗以及高亮区域的彩噪问题，同时支持了高动态范围视频的去
噪。
全新研发的高动态视频超夜技术，在降低噪音保留细节的基础上，极大地扩展了视频的动态范围，嵌入
了公司视频影调技术，使得视频超夜多维度画质提升，更贴合美学需求。经过极致优化，高动态视频超夜技
术的实时性和功耗等客观指标均满足客户需求，达到业界领先水平。视频超分技术，持续改善文字场景和密
集纹理场景的效果，进一步提升了小字号字体的清晰度，增强可阅读性，改善了混合语言文字处理偏差问题
。在密集纹理场景中，减少出现假纹理现象的概率。同时，优化了模型结构，减少了性能开销和功耗，并保
持处理效果跟优化前持平。
视频插帧技术，在模拟长曝光场景的应用中，主要针对流水等非规则物体的运动做了进一步优化，使用
AI算法提升了此类场景下插帧结果的一致性，使得最终的插帧效果更加平滑和自然。
在多摄相机切换镜头的应用中，主要改善了重复纹理场景下的效果，并针对大视差场景做了重点优化。
为实现效果与性能的双重提升,在网络结构方面，对模型进行了精细化的重构，以适应对性能的更高要求。
相对此前版本，在保持相同插帧效果的情况下，算法耗时减少了20%。
（12）畸变消除
进一步优化光学畸变消除性能和功耗表现，提升了视频流的处理性能；优化拍摄性能，针对不同客户、
不同算力平台，提供了对应定制算法，满足了客户需求。提供覆盖iOS、安卓等平台的适配算法，成功在AI
眼镜领域抢占市场先机。增加了针对车载鱼眼相机处理方案，进一步扩展了算法使用范围。
（13）光学变焦
结合AIfusion、AI主体感知、AI稠密对齐共同赋能光学变焦，业界首例，在某国际高端机型上落地，也
吸引国内手机厂商来寻求合作。
（14）多摄标定
扩大AVM标定和BSD标定的适配范围，优化ADAS车载标定解决方案，推进多车型实车部署。进一步适配不
同乘用车、商用车标定场地。结合商用车特性差异，提供不同的简易标定方案，在降低成本的同时，提升后
装标定的效率和准确性。同时提供基于模型方案的标志物检测和处理逻辑，针对商用车应用场景中场地、环
境及光照条件复杂的问题，有效提升检测鲁棒性，在标定成功率、精度及效率三个维度均实现进一步的优化
。针对新兴机器人的标定需求，搭建了一套覆盖相机、IMU（惯性测量单元）、LiDAR等模组的统一标定方案
，可以实现上述模组的一次性标定，为下游算法提供了准确可用的标定结果。
（15）全景拼接
全景拼接技术，围绕复杂场景适应能力与全景呈现效果提升，持续推进全景拼接技术的优化与应用创新
。在算法层面，针对仰拍、俯拍及大角度旋转等复杂拍摄场景，对图像融合策略进行了优化，有效缓解错位
融合问题，提升整体拼接质量；针对超广角镜头成像中直线易扭曲的情况，引入新的匹配算法，提高特征匹
配成功率。同时，通过优化运动物体检测算法，增强系统对微小目标的识别与处理能力。针对星空拍摄场景
，分别设计适用于多星与少星环境的配准算法，并结合星点特征构建新的特征描述符，进一步提升星点匹配
的稳定性与准确性。在实现方式方面，适配配备三维云台的便携式拍摄设备，形成“硬件约束+算法处理”
的协同方案，从源头降低拼接复杂度并提升结果稳定性。在呈现形态上，对投影空间进行了优化，有效减少
传统方案在画面边缘区域的拉伸变形，使成像效果更加符合移动端的观看与分享需求。
（16）人脸美化及修复
公司在图像修复与编辑方向上长期致力于LivePhoto、视线校正、人头姿态校正等人脸修复与编辑技术
。LivePhoto技术通过调整深度神经网络结构，针对性改进口腔区域模糊、不真实的问题；研发了针对特定
人物的微调技术，使得算法能够生成更加逼真的结果；对网络进行性能优化。新版本采用更高效的隐式参数
驱动方法，大幅提升运动传递的准确性，使处理后的人物动作更加自然流畅。同时，增加边缘保护机制，处
理结果可完美贴合原始图片和视频，极大提升了技术的实用性，为用户提供了更多创意和应用的可能性。视
频口播数字人技术，深入挖掘实时语音对话应用潜力，使用统一的多模态模型取代独立的ASR（自动语音识
别）、LLM（大语言模型）和TTS（文本语音转换），使得数字人具备更加智能和全面的感知力，在优化推理
性能的同时提升对话智能，增加用户的沉浸感。在个性化视频生成方面，结合AIGC与视频生成领域的最新成
果，实现了半身与全身数字人视频的生成，将运动区域拓展至整个身躯，并取得长视频生成方面的重要突破
，进一步扩展了视频创作的可能性和应用场景。
视线校正技术研发了全新的3D视线校正算法，创新地结合了三维人脸重建和二维图像编辑方法，相较于
前代算法产品，突破了正脸姿态的限制，并且大幅度拓展了算法能支持的视线角度，在人脸角度和视线偏移
角度均较大的情况下算法依然可以得到正确的矫正结果。用户主观测试报告表明，新算法在真实感、矫正范
围、算法稳定性、准确性等方面均明显优于竞品。在效果上，相较于前代版本，解决了可能会出现的额头部
分变长、脖子区域融合拼缝、面部抖动、面部刘海导致眼镜断裂等问题，在视频上能做到连续、稳定、自然
的结果。在性能上算法完成了模型的蒸馏和量化训练，以及计算过程全部部署在GPU上，实现了算法在设备
端的实时运行。
在人脸美化技术上实现了人脸自适应肤色调节技术，可针对不同肤色的人脸进行自动肤色调节，有效提
升不同肤色情况下的效果一致性；调整了磨皮方案，进一步提升了细节表现力，肤质纹理更加自然，增强了
对不同画质人脸去噪的自适应性，改善人脸明暗不均现象的同时立体感也得到提升；实现预览磨皮算法，在
去脏能力、通透度、立体感、肤质细腻度方面都有所提升；实现了Vulkan方案的磨皮、美白、美唇、亮眼、
白牙、去唇纹、去油光等美颜技术和腮红、眼影、SkinGloss、美瞳等美妆技术，在基本保持性能和视觉效
果优势的情况下，解决了客户不同设备平台间驱动更新时产生的兼容性问题，降低了产品的维护成本；实现
了Vulkan方案的眼妆、唇妆、眉毛等妆容的妆容增强技术；实现了4D眼睫毛、眼影、唇彩、腮红、SkinGlos
s等4D美妆技术，较大程度上提升了美妆的真实性、立体感和光泽度，进一步优化了大角度、姿态下的美妆
效果；实现了AI唇部、眼部遮挡物体分割算法，提升了美妆技术的实用性；实现了AI预览祛斑算法，较大提
升了预览美颜的祛斑、去脏能力，对肤质纹理也有很好的保留；优化了拍照AI祛斑算法，对大侧脸提升祛斑
效果的稳定性；图像祛斑方面也增加了去抬头纹、去颈纹等新功能。算法框架方面，实现了支持UBWC（通用
带宽压缩）输入输出的框架流程，通过优化整合数据链路以降低功耗、提升性能。性能功耗方面，进行了GP
U优化、模型优化和NPU硬件优化。对美颜预览、拍照算法进行了性能、内存、功耗的全面优化。预览头发柔
顺技术可以去除视频中的杂乱发丝、捋顺发束，达到美发风格化的效果。针对海外市场需求，定制实现了Bi
ndi检测技术，可保护印度女性眉心Bindi，提升美颜效果；针对客户对高清人像的需求，开发了结合AI的人
像算法，在调整光影瑕疵、修饰皮肤质感和恢复五官结构上做到了光影更好看、肤质更细腻、五官更清晰，
打造了人像审美的高级感。
低光照和极暗光线下的人脸美颜解决方案，继续扩展了超清人像美颜风格的应用平台，人像视觉效果更
加自然、整洁，同时保持清晰度和立体感。视频任务上，针对移动设备端改善了模型以及任务框架，增强人
像效果以及自然程度，同时提升了性能并优化了功耗。而PC端主要增强人像修复强度，提升人像解析力，同
时针对不同平台做了专门性能优化。实现针对车载、平板、PC、手机等设备的视频人像修复的轻量级模型部
署。
人脸修复技术，针对不同画质的人像照片进行了更细致的算法区分处理，能够让正常拍摄的人像脸部肤
质更显性、更自然，将长焦或极差环境下拍摄的人脸恢复清晰，目前算法都已实现在手机端的部署，作为整
体画质增强模块的一部分，人脸修复技术已应用到多个产品之中。针对高倍率的拍照场景，研发基于大模型
的超分修复方案，部署和落地到设备端，让高倍率下的场景变得更加清晰，视觉效果得到较大的提升。
人脸换头技术用于提升用户拍照时（尤其是人像合照场景）的成片率。在合照拍摄场景中，往往在抓取
精彩时刻的一瞬间，会存在部分人物头部、表情姿态等不协调，如果重新拍摄将费时费力，且错过了那一精
彩时刻，也难保重拍过程中仍存在另外人物新的姿态不佳。人像换头技术基于动态照片拍照场景（用户在拍
照时，会有一张最终成像的静态图像和同步保留拍照前后3s左右的动态视频），算法通过抓取动态视频内人
物好的头部表情姿态，来替换融合最终成像中人物不好的头部表情姿态，从而保证最终合照成像下所有人物
都有最佳的表情和姿态。另一方面，受限于动态视频帧画质与成像画质的差异，公司研发肤色/画质的对齐
模块，以及对应画质微调的人脸修复算法来进一步的对齐画质，从而保证最终头部姿态替换融合校正后整体
画质的一致性。为适配客户的需求，针对宠物场景，新增开发了宠物换头技术。初步实现了宠物头部姿态校
正与眼睛开合校正算法，解决了用户在拍摄人宠合照时，宠物容易出现的头部姿态不协调、表情不自然等痛
点问题。
（17）虚化技术（Bokeh）
持续打磨视频虚化（电影模式）、单摄虚化、双摄虚化的产品细节，并将虚化产品线拓展至AI眼镜和云
端等新平台、新场景，始终保持行业领先地位。
报告期内，继续以最新改进的AI-Depth及AI-DepthUltra技术为基础，持续优化虚化引擎，在准确性、
自然性、艺术性等维度上深入探索技术，改善耗时与功耗，持续优化算法和产品，继续保持行业的领先地位
。通过进一步整合最新的语义分割，提升发丝精度，并将高精度发丝版本下沉到中端机型。视频虚化和单摄
虚化下沉到了中端机型，使得虚化结果具有更好的色彩表现；同时也支持了更多富有艺术感的光斑效果，并
成功出货。视频虚化还新增了对4K60fps的高分辨率、高帧率的支持。
视频虚化和单摄虚化，除了持续在智能手机产品线上迭代改善，也拓展到了AI眼镜和云端等新平台、新
场景。其中对于AI眼镜的适配，公司重构了一套更轻量级的虚化算法，使其在超低算力设备落地成为可能；
而云端版本则使用了更复杂的渲染算法，能够相比手机的端侧算法提供更好的准确性、自然性和真实感，同
时仍然保持了低延迟的特性。
双摄虚化基于更加精确的双摄AI深度，进一步优化算法，使得效果更加精确和自然，接近单反相机拍照
的效果。同时虚化算法、HDR和超级夜景等画质类算法结合，显著提高了虚化光斑的层次感和真实感。进一
步基于特定的单反相机或镜头专门优化光斑效果，使得更加接近光学镜头拍摄的效果，如哈苏风格化等。结
合第三代AIMatting技术，发丝的数量和精准度对比前一代有了进一步的提升，同时头发附近的发饰等细小
物体的分割效果也一并得到了改善，同时结合深度信息，可以让发丝产生层次感的虚化渐变，更加接近光学
相机拍摄的效果。为了模拟更多不同镜头的拍摄效果，虚拟光圈技术从原来的只支持35mm焦段，进一步扩展
到85mm和135mm的经典长焦焦段，可以产生长焦镜头上更具震撼力的光斑，更强烈的虚化效果和更浅的景深
。同时在长焦焦段，AIBokeh从16-bit线性RGB域扩展到支持20-bit的线性RGB域，使得更多原始的亮度信息
得到保留，生成的虚化效果更加真实。对于不具备在线性RGB域处理的情况，开发了基于8-bitYUV和线性亮
度图的融合的AIBokeh技术，虚化效果也和虚拟光圈技术类似，更加接近单反镜头的拍摄效果。
双摄虚化与TurboFusion技术有机结合为TurboFusionBokeh，利用TurboFusion获得真实场景亮度信息，
使得虚化更加接近单反相机在实际场景中的拍照效果，光斑更具能量感和层次感，形状更加接近单反相机的
效果，颜色也更加真实。TurboFusionBokeh的光斑效果升级成2.0版本，光斑的颜色、亮度、形态和层次进
一步逼近真实相机拍摄的效果。
全新的AIBokeh技术，可以修复深度图上的瑕疵，是业界首次可以逼真地模拟出接近单反相机真实自然
的前景虚化效果，同时还可以支持多种单反相机的光斑形态。AIBokeh从8-bitYUV域扩展到16-bit线性RGB域
，完全嵌入到了TurboFusion的流程之中，从虚化生成原理上更加接近实际光圈相机的生成过程，结合最新
的高精度深度模型和第三代AIMatting技术，基于更加精细的深度层次信息和更加精准的头发Matting，开发
出了虚拟光圈技术，可以更加逼真地模拟特定单反镜头不同光圈下的拍摄效果。AIBokeh从16-bit线性RGB域
扩展到支持20-bit的线性RGB域，使得更多原始的亮度信息得到保留，生成的虚化效果更加真实。虚拟光圈
技术从原来的只支持35mm焦段，扩展到85mm的黄金人像焦段，可以产生长焦镜头上更大的光斑，更强烈的虚
化效果和更浅的景深。
（18）深度恢复
持续优化AI-Depth及AI-DepthUltra技术，推动其规模化商业落地。相关算法在提升高精度预测能力的
同时，针对各平台部署持续优化，实现了效果、性能与功耗的最优平衡，并支持电影模式下4K60fps的高清
输出。除持续在智能手机设备上实现规模化落地外，技术进一步拓展支持范围，新增对AI眼镜（低算力平台
）和云端（高算力平台）的适配，推动单摄深度恢复技术在多场景广泛落地，持续引领单摄深度预测算法的
技术标准，助力客户提升终端产品的影像核心竞争力。
与此同时，单摄深度恢复技术在原有算法基础上实现创新突破，拓展至单张图像的3D高斯重建参数预测
能力，可通过单张图像精准恢复其3D空间信息，为新相机视角渲染、3DPhoto功能的实现提供了技术支撑，
进一步丰富了技术的应用场景与价值。
此外，通过调整单摄模型架构、优化训练数据，构建了可度量深度估计算法模型，能够提供人物与背景
关系更精准的深度信息，为人物重打光等下游算法的优化提供有力支撑。同时，通过优化模型结构，在保障
算法效果的前提下，进一步提升了模型的性能及可部署性，目前该模型已成功部署于高通、LSI等主流平台
，为后续规模化应用奠定了坚实基础。
为进一步满足客户下一代平台的虚化要求，持续对视频双摄深度恢复算法进行开发和优化，针对不同的
双摄模组排布实现了统一的模型结构，确保效果的同时降低了模型尺寸和性能消耗。同时针对一些特殊情况
，比如细小物体、透明物体、反光物体、低光夜景场景等，融合了单摄模型，训练了全新的双摄深度模型，
使得深度效果更加稳定。针对愈发热门的机器人场景，为不同算力平台提供了不同的双摄模型，输出稳定一
致的绝对深度，为机器人后续算法提供了有效助力。
双摄深度拍照模型顺利在高通和联发科不同算力的NPU上完成适配和部署，对比GPU部署，性能和功耗都
有着极大的提升，并且针对更多细分平台优化了不同复杂度的版本，以适配不同的效果和性能需求。同时双
摄深度也在进一步提升了在细小物体，无纹理场景等困难场景效果的同时，优化了性能和内存占用，以适应
客户越来越严苛的快稳省要求。双摄深度开发了从粗到细的两阶段方案，使得人像模式在保证可以快速出缩
略图的前提下，在后处理可以得到更加精细的效果。对于以往极近距离双摄矫正困难导致深度计算容易失败
的问题，研发了直接基于双摄光流的深度估计算法，使得双摄深度的适用范围进一步加大。
针对多摄深度进行细节级优化，改善中远景的小尺寸人像缺失及交叠人像判断错误等问题。提升中近场
景的镂空、手持物/头饰等细节区域的精度。修改了不同场景深度分布波动大问题，使得深度数值与真实距
离线性相关。提升了前后帧画面的稳定性，此外深度图与RGB边缘更加贴合，改善了边缘漏虚误虚问题。以
上优化为打造更加自然、稳定的虚化效果提供了基础。
基于单摄的多视图深度恢复技术研发取得了长足进步，相比基于单一视图的深度估计方法，借助多视图
像可以更好地恢复场景几何信息，并应对场景遮挡问题，同时拥有更高的深度估计精度和一致性，是三维场
景重建的基础。为了提升网络的精度和泛化性，引入虚拟合成数据精调模型，进一步提升网络输出精度，使
其可以重建弱纹理、更复杂的室内场景。另外，实现了模型在端侧设备上的部署，在保证较好实时性的前提
下，取得明显优越的深度估计和重建效果。这一突破为移动端实时SLAM、VR/AR导航等应用铺平道路，进一
步拓展多种应用场景的落地可能。
（19）图像语义分割
以第三代AIMatting技术架构为基础，在准确性、鲁棒性上继续完善该项技术。针对典型的佩戴头饰、
耳饰、以及手持物体等场景，通过数据迭代，提升了结果的语义完整性和合理性。同时，通过增强注意力机
制，进一步提升了在多人并排、前后重叠等复杂场景下，模型对于主体之间语义干扰的抑制能力，使得Matt
ing模型具备了实例级别的区分能力。同时，最新的Matting技术针对高通，联发科，华为等众多端侧设备进
行了适配部署，在采用低比特模型量化的情况下，也能够保证较高的Matting精度，为移动端的应用铺平了
道路。
（20）物体识别
车牌脱敏技术解决方案，在维护已上线版本稳定优化的同时，针对客户的新需求积极开发，优化港澳车
牌的检测率达到92%以上，新增如特定车型车牌定制化需求检测率达到96%以上，并且总体检测率仍然达到98
%以上的标准。应用领域从乘用车拓展到了商用车，并针对商用车低算力平台（NPU、CPU）设计了特定的解
决方案，保持客户要求的实时性情况下，仍然保持98%以上的检测率，超出图像脱敏技术标准要求。
哨兵车辆报警功能，在支持开发现有车型的迭代基础上，持续为多款不同客户的新车型项目提供稳定的
项目支持。为进一步扩大哨兵功能的落地范围，结合不同算力等级及算子限制，深度定制设计了低、中、高
三种算力范围的感知模型，在稳定提升常规算力车型指标的同时，推动低算力哨兵项目顺利落地，逐渐形成
了完善的产品矩阵。利用日益更新的大语言模型，在原有哨兵监控的基础上，拓展开发了灾害监测等特定场
景的预警功能。依托多个项目的优化经验积累，持续提高的数据复用效率，大幅降低了产品的开发成本，缩
短了迭代周期。
AVM近场视觉感知功能，在车载乘用车AVM应用中，针对车辆低速行驶场景，新增起步预警、近距离障碍
物开门防碰撞预警等感知功能的开发与落地。在起步预警功能中，重点实现了车辆盲区目标障碍物的识别，
尤其支持不同姿态（行走、蹲姿和躺姿）的行人、儿童及猫狗等动物的检测。在开门碰撞预警模块中，新增
极近距离路沿、石墩、栏杆等典型静态障碍物的检测和精准测距，有效地提升了车辆开门过程的安全能力。
面对特定客户车型，基于视觉感知优化了AVM效果，完成拼缝增强、动态3D视觉适配等定制化功能，提升了
全景画面的一致性和视觉体验。
（21）场景识别
场景识别引擎GPU版本继续更新迭代算法模型，支持高通、联发科等NPU平台的运行，进一步提升了全体
场景检测准确率，改善支持任意角度和有限度遮挡的目标场景检测。
（22）三维重建
三维重建技术更新了基于3D高斯的重建算法方案。与原先的NeRF方案相比，重建速度和效果都有比较明
显的提升。实现了一套在线内参标定算法，可以支持任意手机拍摄的视频作为算法输入而无需事先标定，方
便服务器端重建应用场景使用。实现了一种全局一致的前景分割算法，能从视频中自动分割出前景物体完成
重建，剥离不相关的背景。支持手机端实时渲染，能较好地复现各向异性的光照效果。基于单张图像预测出
来的3D高斯参数，实现了全新的3DPhoto功能，可以从新的视角对任意单张图像进行重新渲染，该方案效果
自然、真实，为用户浏览图片提供更真实、身临其境的视觉体验。
针对XR眼镜应用场景，迭代和部署实时三维重建技术。迭代实时语义场景重建，并构建出室内场景的布
局信息，目前已经支持室内场景墙、门、窗、天花板、地面、桌子、椅子等元素的布局信息，形成一个更简
洁，信息更丰富的室内场景信息，为XR上层应用提供更加完善的语义信息，方便XR创作者创造出更加丰富的
应用。
立体视频生成算法，可自动对普通视频进行局部重建并在新的双目视点下渲染生成立体视频，从而使得
普通手机拍摄的视频也可以在XR眼镜上获得具有立体感的沉浸体验。该算法支持在手机端部署运行，其效果
与目前PC端商业软件相当。开发了一种可交互的6DoF视频原型，其效果是在视频播放时可以实现拖拽屏幕改
变观看视点的功能。
静态场景隐式建模技术，支持生成高真实感的新视点图像。该技术方案根据视频与实时获取的相机位姿
，用神经网络隐式建模三维场景，通过可微的体渲染技术，实现端到端训练。该技术方案可重新规划相机路
径后渲染得到新的视频，用于视频编辑和立体视频生成等。结合神经辐射场和隐式符号距离函数几何表达，
还可用于重建静态场景的三维网格模型。在静态场景建模技术基础上，增加室外街道场景的动态物体建模，
从而支持对开放式动态场景进行建模，并同时对静态场景和动态物体进行渲染。增加了基于3D高斯的动态街
道场景建模，提升了渲染的图像质量与速度。
AddMe自助合照技术，支持用户在无人协助的情况下实现合照。该技术可引导多个合照人在相同位置交
替拍摄两张照片，然后利用图像融合算法，将两次拍摄结果合成为包含所有人的合照。此技术能够自动检测
和分割图像中的合照对象，精确匹配两张图的内容，准确拼接所有合照人像。同时，还能妥善处理人物前后
的遮挡关系、人像的阴影等，保证合成图像的人像具有正确的空间关系、自然的光照效果，减少人工痕迹，
使合成照片具有较强的真实感。
（23）光照重建
光照重建技术在上一报告期内已取得显著进展，不仅完善了人像重打光技术，实现了环境光照的精准建
模与智能调整，还通过引入实拍数据集和扩展至RAW域处理，显著提升了算法的准确性和图像质量，同时成
功将技术部署到移动设备，为用户提供了便捷的光照增强体验。报告期内，进一步深化和扩展了光照重建技
术的应用边界与创新能力。
从“物理真实”到“审美增强”：当前研发正从追求“物理真实”向“审美增强”方向持续提升。在保
持光照物理准确性的基础上，优化肤色与高光表现，在补光的同时，赋予皮肤清透、通透的质感及自然的高
光细节，规避传统算法易出现的过度磨皮与“塑料感”等问题，实现科技感与艺术美感的统一呈现。
（24）即时定位与地图构建（SLAM）
VR手柄算法完成了从仿真到实际设备开发的转变。支持多种第三方设备，并支持双手柄实时交互，实现
了安全区设定、空间划线等功能。对VR手柄跟踪算法的性能、鲁棒性、精度等进行了全面的优化，在高通XR
2设备平台上，算法单帧耗时在22ms以内，支持视野可见范围内2m/s的剧烈运动，平均定位精度小于6.5mm。
除了基于光斑的传统VR手柄，还开发了使用手机作为VR手柄的功能，可以使用普通的安卓手机实现实时六自
由度跟踪定位，实现菜单点选、简单的游戏交互等。对手机手柄跟踪算法的性能、鲁棒性、精度等进行了全
面的优化。从逻辑上优化了用户体验，使得输出轨迹更加光滑、流畅。
SLAM技术在XR眼镜的头部位姿估计上取得显著进步。头部位姿估计是XR眼镜的一个核心技术和基础功能
，要求低功耗、高精度和低时延。通过优化SLAM算法和把视觉模块从CPU移到DSP，SLAM算法计算效率提升30
%，有效地降低了功耗和运动时延。针对XR常见的室内小面积使用场景，对建图模块进行大量优化，极大提
高后端建图和实时定位精度。同时，改进姿态预测模块，实时定位准确度提升30%，接近业内毫米级的定位
精度要求。已有版本在多款XR原型眼镜上集成，能为快速、准确的头部位姿估计提供良好的用户体验。
同时，SLAM技术扩展到高阶辅助驾驶领域，包括城市NOA产品的记忆行车自建图算法和基于SDMapPro地
图的BEV道路融合定位。在轻图辅助下，实现了硬件选型，BEV+GPS+里程计的多传感器融合定位算法，支持
城区内各种复杂路段。此外SLAM技术在自动泊车辅助(APA)和记忆泊车辅助(HPA)中也发挥重要作用，报告期
内支持以矢量化元素轻量高效进行泊车地图的建图与定位，在建图方面，能够以极低内存代价保存大规模矢
量化车位与元素地图；在定位方面，能够以极低算力极低延迟在车端实现实时定位，并且保证定位精度，实
现泊车过程中对目标车位的精准定位。
公司研发了激光+GPS+里程计的多传感器融合定位算法，该算法可以支持智能辅助驾驶中4D标注所需的
高精度、低时延的6DoF定位和道路场景的点云稠密重建。同时，报告期内支持智能辅助驾驶中4D标注LargeS
cale场景重建需求和基于场景重识别的标注真值复用功能，极大地提高4D标注静态要素的自动化标注质量。
（25）3DAR动画
公司打通了3D数字人创建、编辑、实时驱动全流程。支持基于单张图或扫描模型完成数字人重建。与之
前的重建算法相比，改善了头顶区域、眼睛的相似度，提升了纹理重建效果。编辑模块支持对重建模型的脸
型、头型、五官、脖子等进行直观地修改。实现了基于单个RGB摄像头的实时全身驱动，包括表情跟踪与手
势跟踪，实时动画效果基本达到业界领先水平。3D数字人重建增加了人头重建模块，提高重建人头几何的相
似度；支持双眼皮的拟合，眼睛的相似度；增加了编辑模块，支持重建模型的再编辑及调整,同时也支持从
中性模型开始编辑。基于球形实验室多视角数据的超写实数字人重建方案，其重建质量远好于传统方案，3D
渲染结果能达到以假乱真的地步。支持左右90度的视角渲染，渲染结果包含部分躯干。支持表情实时编辑，
也可进行单目表情实时驱动。为了改善3D数字人重建的真实性及超写实数字人重建的便捷性，研发了基于3D
高斯表达的数字人方案，此方案更加便捷，用户仅需输入两分钟左右的自拍视频，即可重建出包含部分驱动
的写实数字人，算法可在手机端运行，不仅支持表情、视线、头部位姿的实时编辑及驱动，也能较好地复现
出各向异性的光照效果。
（26）健康监测
在保持健康监测技术稳步量产的前提下，提升技术先进性，保持业界前沿地位。心率检测方面，使用更
丰富的建模方式，提取更多维度特征，多通道信号信息融合，同时优化算法库架构降低CPU占用，提升产品
精度和不同算力设备的适配程度；同时为了拓展产品应用场景，使用创新的行车期间动态建模方案，提升行
车期间的心率测量功能的实时精度并优化用户体验，适配不同算力设备；IR心率对动态场景效果大幅改善，
整体通过率提升6.9%；血压监测升级深度学习方案，收缩压和舒张压的MAE均降到10以内。呼吸检测方面，
新增暗光、偏色等异常场景检测与过滤机制，同时针对画质不佳场景引入全新信号提取与噪声处理方法，提
升算法在苛刻条件下的鲁棒性，为适配不同性能的平台，推出了多种低CPU占用版本，兼顾性能与资源效率
。扩展对镜头安装位置等多样化部署场景的适配能力，针对行车过程中颠簸、转弯等复杂动态环境，对信号
质量与异常过滤机制进行了优化，有效降低环境干扰对结果的影响，提升呼吸监测的稳定性与准确性。
（27）高级驾驶辅助系统（ADAS）
ADAS产品矩阵持续推进技术迭代与产品化落地，通过算法优化、系统架构完善以及客户导入，进一步强
化了公司在乘用车与商用车智能辅助驾驶领域的技术竞争力。公司坚持以量产落地与功能体验提升为核心目
标，在南湖横纵向控制及主动安全领域持续进行技术升级，并推动多项自研功能实现客户量产导入。东湖通
过规划算法体系建设、系统架构优化以及场景策略升级，进一步推动NOA（NavigateonAutopilot）功能向量
产化与规模化应用迈进。在保持覆盖低、中、高算力平台产品体系完整性的基础上，重点加强中高算力平台
在复杂交通场景下的规划决策能力，并围绕高速NOA功能需求构建更加稳定可靠的量产算法体系，同时积极
探索基于强化学习与端到端的新一代智能驾驶技术范式。
西湖、南湖产品（低算力L2级智能辅助驾驶解决方案/一体机）以及商用车智能驾驶方案，ADAS产品矩
阵持续深化技术布局与场景拓展，通过多维度创新实现产品力跃升。报告期内，以量产为目标，持续进行技
术迭代，完善产品功能，实施了数百次专项实测与场景化策略迭代，对多个业内高难度及复杂场景进行了针
对性改进。
其中在底层技术方面，完成以下进展：持续优化端侧模型，提升网络共享程度，在加入多项子任务的情
况下，整体参数减小75%，计算量降低50%；运用AIGC技术辅助训练样本构建，降低模型素材制作成本约90%
；障碍物识别技术持续优化视觉时序算法，提升复杂环境下感知精度，雨天测速环比提升15%，夜间测速环
比提升17%；路面分析技术升级时序特征建图算法，有效解决了动态遮挡导致的车道线感知漂移难题，确保
了感知连贯性；车道线识别技术摒弃传统的多段式后处理逻辑，融合车辆运动学原理，实现了创新式的带规
划属性的一段式联合优化架构，同时引入模型辅助测距技术，显著增强了道路几何形态的一致性，使车辆在
坡道及大曲率弯道下的姿态更加平稳顺滑；横向规控技术，针对感知延迟与道路横向倾斜问题，引入基于底
盘信号的车辆延迟补偿与路面倾斜度估计策略，优化方向盘自适应修正与车道线航向角估计，提升弯道通过
能力与车道居中稳定性。
在产品功能方面，与多家主机厂深入合作，进入实车匹配联调阶段，进一步提升产品质量：自适应巡航
（ACC）功能针对业界同类产品表现较差的复杂场景，专题攻坚优化顿挫现象，从顿挫次数评价，大小车交
叠场景降低90%，隧道场景降低70%，异形车场景降低80%；安全性方面针对典型cut-in场景优化响应策略，
引入多目标协同控制与基于CIPV行为的动态速度规划，提升目标切换平顺性与跟车自然度；车道居中控制（
LCC）功能针对多个边界场景进行泛化改进，车道变化场景提升通过率约10%，急弯、S弯、大曲率、前车遮
挡场景通过率提升20%，在多个车型保持一致的性能表现；自动紧急制动（AEB）构建乘用车与商用车AEBS双
技术路线，完善ABP/AWB/EBA功能模块，并完成目标筛选、风险评估、自车路径预测及AEBS状态机等核心模
块开发，建立整车测试评价体系与通信接口规范，持续执行大里程测试，重点覆盖乡村、山区、雨雪雾区域
、繁忙市区等；相关辅助功能交通标识（TSR）、售后标定（SPC）、失效识别（Failsafe）等达到项目KPI
要求；此外，还开发完成独立的脱敏功能，对资源占用不到1%，在不占用额外算力的条件下，实现车牌及人
脸脱敏，测试有效率达97%以上。ADAS低算力产品从软硬件层面全面向量产标准看齐，执行高强度测试，逐
细节打磨，质量稳步提升。
东湖产品（中高算力环周一体NOA解决方案），面向高阶智能辅助驾驶的中高算力环周一体产品方面，
成功构建了基于端到端架构NOA的新产品形态，实现行为可解释、意图有根据的智能辅助驾驶解决方案。通
过感知与规划的解耦设计，在保持端到端技术优势的同时，确保了系统决策的可追溯性与可解释性，为高阶
智能辅助驾驶的量产化设计奠定坚实基础。
在具体技术架构方面，实现了多项关键算法模块的突破性进展：基于BEV模型架构，优化了分汇流、路
口等复杂道路环境下车道线及车道中心线的高精度检测；构建了业界具有竞争优势的无图超视距感知解决方
案；为应对开放环境下的复杂避障需求，成功部署了OCC（3D通用障碍物占据栅格）算法，通过多轮深度迭
代优化，显著降低了杂点干扰和障碍物误报率，提升了系统在动态环境中的感知稳定性和决策可靠性；面向
NOA功能需求，开发了端到端预测算法，提前预测他车轨迹，决策规划和安全避障提供关键依据。尝试了将
原有的3D通用障碍物占据栅格（OCC）算法进化为高保真场景重建技术。该技术能提供厘米级的精细几何信
息，为规控系统构建了更高密度的“安全兜底”，提升了对异形障碍物的避障果断性。通过感知与规控的深
度耦合，减少了信息传递损耗，使系统在无图工况下的应对更加丝滑。基于海量优质驾驶行为数据，系统可
实时输出具有“老司机”思维的参考轨迹。在确保安全边界的同时，大幅优化了变道时机与转向力度，提升
了用户的驾驶舒适感与信任感。
在规控算法方面，系统面向导航变道、分汇流及匝道通行等典型高速场景构建差异化规控策略，通过场
景识别与行为决策协同机制，实现基于道路结构与周围交通参与者行为的动态驾驶策略调整；针对高速大曲
率弯道场景，引入结合道路曲率信息与车辆动力学约束的轨迹与速度联合优化策略，使系统能够提前完成减
速与轨迹调整，显著提升弯道场景通过率与行驶稳定性。已启动基于强化学习与端到端架构的NOA算法研究
，为下一代智能化决策规划能力奠定技术基础。
（28）图像特效
基于丁达尔效应产生的物理原理，选择合适的场景对仿真实现进行合理的简化和模拟，最终实现一套结
合AI和CG的方法，为特定的场景图像添加上合适的丁达尔特效效果，提升图像艺术感。人像线条画效果和宠
物线条画效果，这两种效果都结合了AI技术和审美的艺术，通过AI算法提取出具有表现力的线条，然后根据
审美的评判制定一些准则将原始图像转换为一幅线条艺术画。目前二者都已实现手机端部署，并有参数控制
线条粗细、颜色、数量等，从而满足不同用户的自适应调整需求。
光照耀斑项目基于对物理世界相机镜头与光照规律的精确建模，通过模拟实际镜头的参数，设计任意预
想的耀斑效果。在用户拍照时添加耀斑效果，能显著提升图像的层次感和真实感。同时，精心设计的耀斑样
式还能提升图像的艺术美感。该算法结合了光照方向检测，能够根据当前光照环境自动调整耀斑样式，以确
保耀斑效果与当前场景自然贴合。目前，该项目已在手机端部署，并包含耀斑颜色与样式设计模块，可以满
足用户获取不同耀斑风格的需求。
FlairClip人像风格化效果通过无监督、少样本地学习特定风格的图像，将图像风格迁移到目标人像中
，同时保留人物的可识别特征，实现了数据需求量低、效果稳定、帧间连续性好的人像风格迁移算法，并在
服务器端进行了部署，同时向客户递交了一些测试通过的风格化模型进行商用。
PersonalColorTone技术旨在通过个性化定制打破当前设备端内置滤镜的局面，允许用户创建新的基于
学习方案的滤镜风格，包含局部调整（比如肤色）。首先，用户根据个人喜好在App或者Google相册里编辑
素材，并加入过滤逻辑，得到自己想要的风格图，然后直接在设备端进行在线训练，快则几分钟，慢则30分
钟就能得到目标风格模型，视素材量而定。用户在后续拍照时，只需要选择训练好的风格模型，就能得到目
标风格图像。小巧轻便的模型设计是关键，大大减少用户等待的时间，提升用户体验。
（29）生成式AI（AIGC）
针对AI智能试穿功能，持续优化智能试衣、鞋子上脚算法，进一步改善生成的画质，同时也更好地支持
复杂款式、复杂姿势及各年龄段人体特征等困难场景，整体一致性、自然度、真实性、美观性均有大幅改善
，成片率也随之持续提升。对于智能试衣和鞋子上脚功能，除原有的标准模式外，还新增了高品质模式，该
模式可进一步提升材质、印花、缝线等细节，实现更高质量的出图效果，以满足不同用户在不同场景下的多
样化需求，特别是作为高质量主图的需求。在前述原有算法基础上，进一步拓展支持了帽子、箱包等多种商
品的自由上身和试穿功能，支持更多品类商品能够快速、高效、准确地出片。
除此之外，在上述AI智能试穿（即需要用户提供商品图和参考模特图）的基础上，进一步拓展了多种更
具灵活性的使用场景，如用户可以仅提供商品图而无须提供参考模特图。更进一步地，针对特定品牌客户，
通过梳理其品牌背景、历史模特展示图等信息，实现AI制片功能，能够对生成的图片进行系统级策划，并批
量生成稳定、统一、符合其“品牌调性”的商品展示图。
进一步地，为保持服装套图间颜色、版型、穿着方式等的高度一致性，围绕智能试穿的核心场景，对算
法效果持续迭代优化，改善室外强光环境下的光影效果，提供保留目标图背景与鞋子等能力，套装换装模型
支持多品类服饰迁移换装。强化外景训练数据，改善运动模糊与画面反向等问题，提升换装真实度与细节表
现，并精细化处理手持物、箱包、鞋子、背景的保留能力。
对于其中的AI模特图功能，用户上传一张真人图后，PSAI将智能保持用户提供图片中的服装信息，在生
成阶段，PSAI为用户提供丰富多样的预设模特和场景资源选择。对于其中的换模特功能，提供的预设模特包
括不同年龄、性别、人种和风格的模特，例如儿童、中年和老年，网红风、韩风、美式复古风等。报告期内
，PSAI在风格模特的基础上推出了独特的换头功能。该算法在保持服装和背景高度一致性的条件下，对上传
图进行模特替换，极大提高了模特定制速度和生成效率。同时该算法支持生成各个角度包括背身的高度一致
性图像，为多角度一致性模特生成提供了稳定且高效的算法流程。该技术会修改图像的面部区域，并迁移脸
型、发型等头部特征，从而实现更高的相似度。经过多次技术迭代，解决了发型差异大、大角度侧脸、仰头
、低头等极端姿态下的人脸相似度问题。新研发的姿势裂变技术通过给定一张模特图和一张参考姿势图，该
技术可将模特图修改为参考图中的人体姿态，生成自然、真实的图像。
对于AI换背景功能，PSAI面向模特图和商品图提供了上百种不同的预设场景风格选择，涵盖影棚等多种
室内场景，以及森林、雪山、草原、沙漠等丰富的室外场景。通过持续的迭代优化，系统不断提升场景细节
表现与整体构图的合理性，并引入光影融合技术，使模特或商品与背景之间更加自然协调，从而显著提高出
图率。丰富多样的场景资源以及更高的出图成功率，能够帮助用户在提升创作效率、拓展创意表达和降低制
作成本等方面取得更大的提升。与此同时，PSAI还支持用户通过提示词自主描述目标场景，或上传场景参考
图，以进一步扩展场景来源和选择范围。新方案能够精准识别参考图中的元素、风格、光照与氛围等特征，
并将这些信息有效融入最终生成结果，使生成内容更加符合用户预期。此外，通过生成真实且风格多样的模
特形象，PSAI能够更好地吸引目标消费者的注意力，进一步强化商家的品牌形象。在用户文本交互方面，PS
AI还推出了自研的大语言模型，用于将任意语言、格式或内容形式的用户输入自动转换为适合生成模型使用
的高质量提示词，从而降低用户在语言表达和专业知识方面的使用门槛。通过迭代优化，不断提升场景的细
节和真实性，提高出图率，这些多样化的资源和提高的出图率将帮助用户在提升效率、创意和降低成本方面
取得更大的进步。
对于AI模特视频生成功能，用户仅需要上传一张全身模特照片，即可生成各种复杂动作，高保真地展现
和还原模特穿上服装后的动态效果，以及衣服的物理效果。它基于ArcMuse计算技术引擎大模型的生成能力
，能够保持模特自然的写实效果，无论是正面、侧面、大角度都可以高保真生成和还原，同时可以完美地还
原服装物理效果，如裙摆的飘动，完美地表现模特穿上服装之后优雅的风采和神态。该技术使用便捷，生成
的视频能够很好地保持输入图像的人物脸型、发型、服装、配饰等外观，也能较好地保持图像背景不变。同
时，能够很好地表现大角度的人脸以及生成转身的效果。升级动作模仿视频生成技术，新方案在画面清晰度
、连续性及服装一致性等方面提升明显，画面闪烁等问题得到有效缓解；通过压缩历史帧及自回归预测等方
案，解决了长时间视频生成问题，可在长达一分钟内保持主体一致性。目前该技术已在PSAI网站上线，基于
用户上传的图像生成模特走秀视频。此外，实现了视频换衣功能，通过输入一段人物视频和一张衣服图，可
将视频中人物的衣服替换为提供的衣服，同时保持人物动作、背景、运镜效果等不变。报告期内，进一步拓
展了视频替换功能，支持对整个人物前景、人物头部、人物服装等多个可选区域进行替换，通过数据工程提
升了模型在室内、室外等多种场景下的效果鲁棒性。
（30）泊车辅助系统（AVM/APA/HPA）
AVM技术专注优化产品痛点，开发差异化卖点。在透明底盘视觉效果上，针对车身阴影导致的画面分层
问题，迭代优化透明底盘画面生成策略，提升了底盘画面的整体观感。在拼接画面的亮度、色彩一致性方面
，优化了高动态范围、复杂光照等极端环境下的亮度不均、过曝过暗及画面闪烁问题，增强了画面的稳定性
和色彩还原度。针对夜间场景、运动场景下的画质问题。增加了AI降噪和HDR算法模块,让夜间路况能看得见
、看得清。在3D视图中，融合了深度感知和目标检测，使物体显示大小更符合人眼视觉经验，减轻失真程度
，优化了主观感受。
在L2级行泊一体解决方案中，自动泊车辅助（APA）和记忆泊车辅助（HPA）是其重要组成部分。报告期
内，公司在自动泊车领域持续创新，基于前期AVM/APA/HPA技术积累，在视觉感知技术提升和升级，多信息
感知融合、场景适应性、规控智能化等多个方面取得技术突破。
APA视觉感知技术在低算力平台上继续打磨提升，特别是车位检测和避障检测两大模块。低算力平台版
本，车位检出和车位角点精度KPI指标进一步提升；报告期内车位感知成功率从95%提升至99%，在部分车位
线严重破损以及不明显情况依然能够提供高精度的车位角点感知结果。避障检测方面，模型能力进一步细化
。对行人、骑行人的检测指标提升达10%以上。同时模型端支持了失效场景检测能力，车辆朝向检测能力，
并新增电缆、草坪等类型的识别能力，为下游提供更多的语义支持。同时在低算力平台版本，算法性能得到
优化，帧率在原来的基础上提升1倍。APA视觉感知技术在中算力平台上继续进行技术架构的升级迭代。基于
特殊鱼眼BEV算法构建的端到端感知架构实现重要升级。感知纵深范围提升50%，支持更多种类悬空障碍物感
知，显著增强对复杂立体停车环境的适应能力。
APA场景适应性更好，复杂环境的适应性得到进一步增强：基于低算力平台的APA产品成功支持更多复杂
和边际泊车环境，如长草遮挡的不清晰车位、低矮台阶上车位等复杂环境下的泊车需求；通过优化空间车位
检测逻辑，显著扩展可泊车场景范围。边际场景识别能力增强：自动泊车辅助在视觉感知方面，成功支持肉
眼几乎不可辨的泊车空间识别，通过深度学习算法优化，为用户提供合理的推荐车位结果。障碍物感知模型
进一步细化：对多类泊车逻辑高度相关的场景、障碍物和交通参与者进行专项感知能力优化，包括制定和清
洗训练数据详细标准、使用全新基础模型、专项设计不同类别前后处理和模型损失。同时，模型端支持失效
场景检测能力、车辆朝向检测能力，新增电缆、草坪等类型的识别能力，为下游提供更多语义支持。
APA规控智能化方面实现重要进展。决策模块构建基于障碍物行为趋势的动态风险评估机制，通过持续
观测目标可信度与运动趋势实现风险分级响应，并设计动态障碍物启停策略与泊车过程在线风险监测机制，
在检测到潜在风险时触发路径在线修正，从而提升复杂停车环境中的安全性与泊车成功率。
（31）三维渲染引擎
三维渲染引擎提供了渲染、动画、UI等完整的图形引擎解决方案,支持基于物理的渲染，并且支持glTF
文件格式，可以模拟真实场景下的多种材质渲染效果(如金属、玻璃、塑料与皮革等)。该引擎提供了多种反
走样方案与渲染管线，拥有丰富的模块化接口，为不同渲染需求提供了跨平台的一站式解决方案。内置智能
多级场景资源管理与指令调度系统，支持GPU压缩纹理格式与材质球合并渲染，支持自动视域剔除并且新增
视点追踪与视域矫正，极大地减少了引擎初始化以及渲染交互时间，尤其在低算力车载平台上表现突出。
动画与特效系统聚焦于对呈现丰富度与渲染效果的更新。在持续优化原有基于物理的骨骼动画系统的基
础上，探索了粒子化特效与视点动画实现可行性。目前已经支持仿真水面动态倒影动画、自适应视点动画、
序列帧特效、物体淡入淡出以及仿真立体光源特效。
UI系统全面升级为三维模式。支持MSDF字体三维渲染，支持三维画线，对比二维UI系统拥有边缘清晰，
与三维渲染场景融合度高以及渲染表现力强的优点。
针对项目定制化需求持续更新，支持着色器离线编译及自动更新，解决了GPU升级带来的兼容问题。优
化渲染资源编辑器，引入资源模块化定制系统，在车载平台上支持多组件自由拼接拓展，快速响应不同项目
需求。
（32）图像修补技术
图像修补技术，针对任务难度及性能要求的不同，在手机端落地了两套不同的算法方案。精简版方案在
确保基础修补效果的同时，重点优化模型参数量与计算量，满足手机用户对通用场景实现快速修补的需求。
算法通过设计前景物体感知掩码，修补背景时避免融入前景信息。该技术支持任意大小的图像和任意形状的
修补区域，生成内容清晰、自然、合理，具有较强的维持原有结构的能力，可以满足大部分用户需求。完整
版方案利用稳定扩散模型的可控生成与图像编辑能力，进一步提升修补质量，优化细节还原与纹理生成，使
生成结果更加无缝自然，减弱视觉突兀感，确保修补区域与原始图像高度融合。针对手机相册场景中的用户
交互需求，研发一套面向全场景的图像分割算法。该算法能够精准识别并分割超过一百种常见物体类别。
视频修补技术，视频目标分割模块根据目标特征，在整段视频中跟踪用户选取的目标物体，输出像素级
分割结果。通过优化特征匹配算法和记忆模块，提升了算法在多目标、小物体和遮挡等情况下的分割掩码的
准确性和稳定性。通过模型压缩合并、蒸馏等技术手段，大幅提升了算法在设备端的性能，单帧处理速度满
足实时要求。同时，针对AI编辑中常用的路人消除功能，开发了智能路人检测分割算法，能够在复杂场景下
对背后路人进行精准的自动识别和分割，可大幅提升功能的易用性和用户体验。光流估计和补全模块是视频
修补技术中的重要环节，结合光流估计与区域填充技术，通过引入端到端的二合一网络，避免了多步误差累
计，提升了复杂动态场景下的光流补全质量和泛化能力。同时针对手机端做高效性能优化，降低计算开销，
将单帧处理时间从1000+ms压缩至10ms，使算法速度和精度上均达到项目要求。视频修补模块基于视频序列
与目标分割结果，利用光流建模时序运动信息，估计待修补区域的位移数值，创新性地提出累积误差截断、
关键像素缓存等算法策略，改善了复杂场景下的模糊问题与光影问题。此外，基于并行计算、模型蒸馏量化
等一系列方法，将整套视频修补方案成功部署到手机端。
（33）生成式超分技术(AIGCSR)
生成式超分技术(AIGCSR)利用AIGC大模型预训练学到的自然图像分布，作为图像超分任务中的先验信息
，解决手机长焦拍照场景画质退化的问题。该技术能够有效应对长焦拍摄时因光学限制、拍摄距离、拍摄环
境和手法等导致的画质退化问题，包括远距离拍摄造成的内容和细节丢失，手持拍摄时因光照不足、失焦或
抖动引入的噪声、运动模糊和失焦模糊。通过大模型强大的生成能力，AIGCSR能够在保持图像真实性的前提
下，智能地补充缺失的高频细节和内容，恢复清晰的自然纹理，同时抑制各类退化伪影，最终实现“所见即
所得”的高质量长焦成像效果，为用户带来接近光学硬件限制的极致变焦拍摄体验。
2、报告期内获得的研发成果
公司持续保持高强度研发投入，围绕视觉人工智能技术及各核心应用领域，深入开展知识产权布局。截
至2025年12月31日，公司拥有专利309项（其中发明专利283项）、软件著作权160项。相较于2024年末，报
告期内净增发明专利19项、软件著作权6项。
四、报告期内主要经营情况
报告期内，公司实现营业收入92297.09万元，较上年同期增长13.22%；实现归属于上市公司股东的净利
润25840.70万元，较上年同期增长46.25%。
●未来展望:
(一)公司发展战略
公司以“商业本身并不是生活和生命的全部，我们希望通过努力和智慧创造出被客户喜爱、尊重的伟大
产品，并成为世界领先的智能视觉技术供应商和服务商”为经营宗旨，以市场为导向，以科技为支撑，以诚
实守信为根本准则，不断巩固和进一步提高竞争优势，实施坚持原创，坚持深耕计算机视觉算法技术，深化
各行业布局的发展战略，逐步将计算机视觉算法技术的应用扩展至更多的智能终端设备领域，为更多的行业
客户提供最优的计算机视觉算法解决方案及服务。
(二)经营计划
2026年，公司将继续以技术赋能行业为使命，围绕“强化核心能力、加速规模复制、培育业务新增长点
”的目标，在巩固既有市场、技术与客户优势的基础上，纵深推进各项业务高质量发展，持续优化组织经营
效率与资源配置，实现稳健经营增长与长期价值创造的双重突破。
一、深耕主业提质增效，培育前沿赛道新增长动能
1、巩固市场领跑优势，深化AI赋能移动影像技术革新
（1）智能手机
公司将围绕“技术领先与规模增长协同推进”的经营导向，进一步提升TurboFusion在主流终端厂商中
的覆盖深度与应用广度。在产品层面，聚焦高像素成像、长焦拍摄、人像拍摄、视频录制等核心功能模块，
精耕细作、提质增效，完善全场景AI影像能力；在技术层面，聚焦影像质量核心指标，通过算法体系优化与
数据驱动调优机制，提升全场景输出的稳定性与可控性，构建持续演进的技术能力框架。
（2）AI眼镜
公司将围绕影像质量、交互体验及产业深化合作等方向，持续提升AI眼镜的影像拍摄能力与AI交互能力
，加快客户拓展与项目落地节奏。在影像能力方面，加强AI眼镜在RAW域影像处理能力，提升AI眼镜在复杂
光照环境下的动态范围与细节保留水平；持续优化视频防抖效果，提升运动状态下画面稳定性与连续性，满
足日常记录与内容分享场景对画质与流畅性的实际需求。在交互能力方面，重点提升基于视觉的端侧AI交互
表现，增强场景识别的准确性与响应速度，提高信息提示与辅助能力的实用性。在生态协同合作方面，进一
步深化与芯片厂商及终端厂商的技术协同，提升算法在不同硬件平台上的适配效率与运行表现；同时完善接
口能力与开发支持，提升整体解决方案的部署效率。在市场拓展方面，重点推进现有客户的项目复制与深化
合作，并拓展新的目标客户与应用场景，加快量产项目导入节奏。
（3）智能相机
随着内容生产与影像表达需求的持续增长，运动相机、便携式相机及数码相机等智能相机正向更高画质
与更强环境适应能力演进。公司将持续以计算摄影为核心抓手，推进智能相机影像技术在多类终端中的应用
深化与规模拓展。在技术研发方面，公司将围绕计算摄影核心链路，持续强化多帧融合、运动估计、图像重
建及智能降噪等关键算法能力，提升复杂运动场景与复杂光照环境下的成像质量与系统稳定性。在产品与项
目推进方面，公司将围绕重点客户及核心产品形态，加快成熟算法能力在各类智能相机中的量产导入。通过
标准化方案与流程优化，推动既有项目经验在多客户、多机型中的可复制性，持续扩大技术应用规模与客户
覆盖范围。
2、深化车载AI全栈布局，实现规模落地与海外市场拓展
（1）驾驶员与乘员安全辅助
公司将围绕智能座舱领域核心舱内安全产品，持续巩固技术领先优势与产品竞争力。在产品层面，进一
步完善以DMS与OMS为核心的舱内安全产品体系，提升在疲劳检测、分心识别、异常行为感知及多乘员状态识
别等复杂场景下的准确性与稳定性。在技术层面，持续提升算法的环境适应能力，不断提升算法在不同光照
、姿态及复杂舱内环境下的感知精度与鲁棒性，强化算法在各类场景中的稳定表现。
（2）智能停车辅助
在智能停车辅助方面，公司前期推进了基于智能SoC的舱泊一体解决方案，并已完成相关技术验证。公
司将加快该方案在低算力座舱平台上的产品化研发与落地，推动方案向中高算力平台延伸，以拓展更多量产
车型的适配机会。在产品能力建设上，公司将围绕泊车全流程与多场景需求持续迭代，包括复杂环境识别、
路径规划及执行稳定性等关键能力，不断完善舱泊一体解决方案的功能体系与系统协同能力，提升整体方案
的成熟度与竞争力。
（3）智能辅助驾驶
公司将持续深耕辅助驾驶产品量产化推进工作，着力提升产品成熟度与市场竞争力。低算力平台解决方
案（SouthLake）方面，在现有多个定点项目的基础上，扩大规模化交付范围，依托量产交付实践积累丰富
经验，持续优化交付规模与交付质量，确保产品稳定落地。中高算力平台解决方案（EastLake）方面，技术
演进将紧密紧跟行业前沿方向，重点拓展辅助驾驶在城区及高速场景的产品技术能力；同时，依托POC项目
现有推进成果，加快与市场端的对接节奏，深化量产项目合作，力争在2026年度完成产品市场验证落地化工
作。
（4）商用车与工程机械市场
公司将围绕商用车与工程机械领域的安全与效率核心需求，持续推进公司车载产品在商用车与工程机械
车辆前装量产的覆盖。依托成熟的视觉感知算法与产品方案，公司将强化与主机厂及Tier1厂商的合作深度
，提升产品在量产车型中的导入比例，重点推动疲劳驾驶监测、盲区检测、环视感知、作业环境识别及L2级
辅助驾驶等核心功能的规模化应用，提升产品在复杂工况下的稳定性与可靠性，满足卡车、货车、客车以及
机械工程车使用场景的长期高强度运行要求。
（5）海外市场
公司将进一步加大海外市场拓展力度，围绕重点区域与核心客户持续深化合作关系。在客户层面，将聚
焦欧洲及其他重点市场的头部OEM与Tier1伙伴，强化前期联合定义与协同开发能力，深入参与客户产品规划
与技术选型过程，提升项目获取能力与合作深度。在产品层面，继续推进满足海外法规及E-NCAP需求的同时
，将结合不同区域市场的法规要求、使用习惯及技术标准，持续优化产品适配能力，增强产品的国际竞争力
。同时，公司还将加强本地化能力建设，以新成立的欧洲子公司为基地，逐步完善海外技术支持与服务体系
，提升对重点客户的响应速度与服务深度，增强长期合作黏性。
3、培育孵化前沿赛道，拓宽增量业务发展空间
面向人工智能技术加速演进与应用场景持续拓展的发展趋势，公司将围绕视觉AI核心能力与自身优势，
积极推进AI前沿技术在AI智能商拍、具身智能机器人等新兴领域的落地应用，加快从技术能力向规模化商业
价值的转化，培育面向未来的增长新动能。
在AI智能商拍领域，公司已完成从能力构建到体系化发展的关键跨越，初步形成以“应用能力+服务能
力”为核心的协同驱动模式，具备面向规模化应用释放商业价值的基础能力。面向未来，公司将围绕“技术
深耕、场景拓展、效能提升”三大方向推进业务发展，加快推动AI智能商拍由“效率工具”向“生产基础设
施”演进，通过标准化流程与专业服务能力的结合，提升解决方案的可复制性与规模化交付能力，满足客户
在大规模视觉内容生产中的效率与品质需求，助力客户实现降本增效与业务增长。
在智能机器人领域，公司将围绕生态合作与技术能力两个维度持续推进。在生态层面，将加强与传感器
厂商、芯片厂商及机器人本体厂商的协同合作，提升算法、硬件与应用场景之间的适配效率，构建稳定的产
业协作体系，为产品落地与规模化应用提供支撑。在技术层面，将完善覆盖数据采集与标注、感知与决策算
法优化以及运动控制适配的全链路技术体系，重点提升视觉算法与运控系统的协同能力，增强系统在复杂环
境中的稳定性与响应效率。在具体应用推进方面，公司将以人形机器人与四足机器人为主要载体，加快相关
技术在典型应用场景中的落地节奏，提升算法在复杂动态环境中的鲁棒性与泛化能力，推动核心视觉技术在
多类型机器人平台中的复制应用。
二、加码技术投入，驱动核心业务持续进化
2026年，公司将持续加大在底层技术领域的投入力度，以ArcMuse计算技术引擎为核心抓手，围绕多模
态融合与端云协同两大方向，系统性提升AI能力底座，为各核心业务线的持续进化提供坚实支撑与长期动能
。
在模型能力层面，公司将基于现有大模型架构，持续突破关键算法瓶颈，重点强化复杂光影表达、物理
规律建模及高保真细节生成能力，进一步提升整体视觉效果与生成结果的精准可控性。同时，持续推进多模
态能力的深度融合与扩展，加速DiT架构演进，在巩固2D图像与视频生成优势的基础上，结合公司在三维视
觉领域的技术积累，重点布局3D内容生成与视效重建等前沿方向，为智能商拍等核心场景提供更具表现力与
落地能力的技术支撑。
在端侧AI方向，公司将面向移动智能终端、智能汽车、AI眼镜等边缘设备，持续深化大模型部署与优化
能力，通过模型量化和优化，实现更大规模模型在低功耗环境下的高效推理与稳定运行，进一步巩固公司在
端侧AI视觉领域的领先优势。
三、深化精细化财务管理，持续提升经营质效
2026年度，公司将持续夯实精细化财务管理体系，统筹推进资金运营、风险防控与业务协同工作，全面
提升经营管控质效。
在应收账款管理方面，持续深化应收账款全流程管控，进一步优化团队管控效能，完善客户信用分级与
账期管理机制，紧盯账款回款全流程；同步完善供应商管理评估体系，并推进票据贴现工作，合理运用票据
支付供应商款项，优化公司资金周转节奏，盘活存量资产，实现业务运营与资金流转的高效适配。
在全球化资金与汇率风险管理方面，搭建多币种资金管理体系，结合海外业务拓展布局与实际开展情况
，稳步适配拓展新币种资金管理，持续强化跨境汇率波动预判与前置管控能力，动态优化境内外资金及币种
配置，平衡资金安全性、流动性与收益性，全力防范跨境汇率波动风险，为公司各项业务平稳推进、全球化
布局提供坚实的财务保障与资金支撑。
〖免责条款〗
1、本公司力求但不保证提供的任何信息的真实性、准确性、完整性及原创性等，投资者使
用前请自行予以核实，如有错漏请以中国证监会指定上市公司信息披露媒体为准，本公司
不对因上述信息全部或部分内容而引致的盈亏承担任何责任。
2、本公司无法保证该项服务能满足用户的要求，也不担保服务不会受中断，对服务的及时
性、安全性以及出错发生都不作担保。
3、本公司提供的任何信息仅供投资者参考，不作为投资决策的依据，本公司不对投资者依
据上述信息进行投资决策所产生的收益和损失承担任何责任。投资有风险，应谨慎至上。
|