虹软科技（688088）2026年半年度管理层讨论与分析

证券之星消息，近期虹软科技（688088）发布2026年半年度财务报告，报告中的管理层讨论与分析如下：

发展回顾：

一、报告期内公司所属行业及主营业务情况说明

    （一）所属行业发展情况

    1、所属行业

    根据《国民经济行业分类》（GB/T4754-2017），公司所属行业为“I65软件和信息技术服务业”中的“I6513应用软件开发”。根据中国上市公司协会发布的《中国上市公司协会上市公司行业统计分类指引》，公司所属行业为“信息传输、软件和信息技术服务业－软件和信息技术服务业”，行业代码为“I65”。

    公司从事计算机视觉技术算法的研发和应用，主要产品有移动智能终端视觉解决方案、车载AI视觉解决方案、智能商拍解决方案，根据公司主要产品功能及服务对象的特点，公司所属行业为计算机视觉行业，属于软件和信息技术服务业。

    根据国家发改委公布的《战略性新兴产业重点产品和服务指导目录2016版》，公司属于“新一代信息技术产业”。

    2、所属行业的发展阶段、基本特点

    随着人工智能技术日益成熟，其与各行各业的协同发展日趋加速，“人工智能+”已从理念共识转化为产业实践的核心路径。作为底层支撑技术，视觉人工智能广泛应用于各类人工智能细分领域，以下是与本公司相关的主要领域发展状况：

    根据市场研究机构CounterpointResearch数据，2026年第二季度全球智能手机市场整体承压，当期出货量同比下降11%，创2013年以来第二季度的最低水平；但市场整体营收同比增长7%。出货量承压主要源于内存成本大幅上涨，抑制了价格敏感型入门级和中端市场的消费需求，全球存储短缺问题或将持续至2027年，机构预测2026年全球智能手机出货量同比下降14%。机构判断此次市场调整更多属于供应端因素推动，而非消费电子需求长期衰退。随着未来存储供应恢复平衡、AI手机、折叠屏等新产品持续普及，市场仍有望逐步恢复增长。

    智能手机是个人AI能力落地的核心载体，也是端侧智能体技术规模化渗透的核心阵地。据市场研究机构IDC发布的2026全球AI终端市场跟踪报告数据，2026年全球智能手机出货量预计超过10.88亿台，其中AI手机整体出货量超7.22亿台，渗透率达66.4%，其中GenAI智能手机占比接近40%；端侧AI功能已逐步成为主流机型的标配能力。从市场演进节奏来看，GenAI智能手机是当前AI手机市场扩容的核心基本盘，整体规模仍处于快速提升周期；而智能体AI手机作为GenAI智能手机中具备系统级智能体能力的高阶细分形态，将成为中高端市场增长的核心驱动力。预计到2029年，全球智能手机年出货量将超11.78亿台，GenAI智能手机整体市场渗透率将超过60%，其中搭载完整系统级智能体能力的智能体AI手机机型将成为中高端市场的主流配置。

    在人工智能与扩展现实（XR）技术融合发展的背景下，以AI眼镜为代表的新型智能可穿戴终端正逐渐兴起，正由小范围试用普及，逐步走向大众消费市场。IDC数据显示，2026年第一季度，全球智能眼镜出货量达356.6万台，同比涨幅130.1%，行业规模化普及速度持续加快。机构认为，智能眼镜在个人AI终端体系中的生态战略地位将持续提升，它将成为与智能手机协同搭配的最重要生态产品之一，与作为个人AI核心承载中枢的智能手机形成能力互补。凭借第一视角感知、解放双手交互的独特优势，智能眼镜有望成为个人AI生态中不可或缺的视觉感知入口与轻量化交互终端。

    据中国汽车工业协会数据显示，2026年上半年，中国汽车产销分别完成1499.3万辆和1501.7万辆，同比下降4%和4.1%。市场继续呈现结构性分化：一是内需承压明显，销量两位数下降，出口超预期增长（汽车整车出口509.6万辆，同比增长65.3%），形成稳定支撑；二是乘用车市场表现欠佳，出现小幅下滑，商用车市场延续向好态势，销量保持增长；三是传统燃油车市场进一步萎缩，新能源汽车稳定增长。世界汽车组织的数据显示，2026年1-5月，全球汽车销量增长2%，其中新兴市场需求的持续释放，成为我国汽车出口重要的增长点。

    近年来，海外多个主要经济体针对汽车安全推出多项强制性标准，覆盖网络安全、功能安全及特定技术等领域。在国内，前期密集出台的智能汽车主动安全、智能驾驶相关法规标准，在2026年进入正式发布、落地实施、配套细则完善的关键周期。（1）商用车领域，交通运输部公告2025年第21号对《营运客车安全技术条件》（JT/T1094）等4项营运车辆行业标准部分条款进行修订，优化调整ESC、AEBS等安全装置的配备范围，明确新规适用于新申请进入道路运输市场的达标车型，相关条款分批次于2026年1月落地实施。（2）工业和信息化部组织修订的《轻型汽车自动紧急制动系统技术要求及试验方法》（GB39901-2025）强制性国家标准于2025年12月31日正式发布，于2026年1月由工信部发布官方解读文件，该标准将自2028年1月1日正式实施。这是我国在汽车先进驾驶辅助系统领域的首个强制性国家标准，标志着轻型汽车自动紧急制动系统将从“选配”走向“标配”，并具备统一、规范的安全性能基准。（3）《智能网联汽车组合驾驶辅助系统安全要求》（GB47955—2026）强制性国家标准于2026年6月27日正式发布，将于2027年1月1日起正式实施。标准规定了智能网联汽车领航组合驾驶辅助系统、基础单车道组合驾驶辅助系统、基础多车道组合驾驶辅助系统的安全要求与同一型式判定，描述了相应的检验与试验方法，标准适用于安装有领航组合驾驶辅助系统、基础单车道组合驾驶辅助系统、基础多车道组合驾驶辅助系统的M类和N类汽车。（4）《智能网联汽车自动驾驶系统安全要求》（GB44721-2026）强制性国家标准于2026年7月30日正式发布，将于2027年7月1日起正式实施。标准规定了智能网联汽车自动驾驶系统的技术要求、技术保障、同一型式判定，描述了相应的保障要求检验、安全档案检验和确认性试验等方法，标准适用于搭载L3级（有条件自动驾驶）、L4级（高度自动驾驶）系统的M类和N类车辆，不适用于自动泊车系统。

    3、主要技术门槛

    视觉人工智能属于高知识密集型领域，有较高的技术门槛，公司主要为移动智能终端、智能汽车等智能设备以及商业拍摄领域提供视觉人工智能解决方案，在前述领域的主要技术门槛包括：

    （1）端计算和边缘计算技术的积累

    边缘计算极大程度上解决了物联网背景下集中式运算架构中的带宽和延迟两大瓶颈问题，主要难点在于低资源的嵌入式平台环境的开发能力，基于移动终端的边缘计算具有巨大的应用价值，但是受限于移动终端有限算力，诸多企业望而却步。

    公司自2003年开始便明确了在嵌入式设备研发相关视觉人工智能技术的发展方向，在边缘计算技术领域积累深厚，多年来建立了全面、复杂的多平台适用的底层嵌入式开发库。公司积累的算法具有高度的紧凑性、稳定性以及易调用性，可以在高性能、有效大幅降低资源消耗的情况下实现高精度运行。

    公司长期专注于嵌入式设备算法的研究与开发，多年来积累了大量基于端设备的视觉人工智能算法开发经验。目前公司基于端设备的视觉人工智能算法适用性高、运行稳定，可以在边缘侧发起高效的运算，通过诸如智能手机、笔记本电脑、智能可穿戴设备、智能相机等实现高效的图像优化、识别与检测等功能。公司的移动智能终端视觉解决方案、车载AI视觉解决方案等业务均是从边缘侧发起运算，在智能手机、笔记本电脑、智能可穿戴设备、智能相机等移动智能终端，以及智能汽车与各类AIoT设备上实现各类视觉人工智能的功能。

    （2）视觉人工智能技术的层次积累

    在数码相机以及手机功能机时代，公司就开始专注于视觉人工智能技术的研发与应用，公司主要算法技术都经过了长时间的锤炼，从基本的黑白小分辨率图像的摄取、增强、编辑、检测识别到高清大图像、视频的实时处理均打下了坚实的基础，创造了有利和领先的条件。

    公司掌握的视觉人工智能算法技术具有通用性和延展性。多年来，公司积极致力于将视觉人工智能算法与行业应用相结合，凭借先进的科研力量、强大的产品开发能力以及卓越的工程实施能力，公司快速将视觉人工智能算法技术落地为成熟的解决方案，并进一步将应用领域从智能手机扩展到智能汽车、智能可穿戴设备、智能家居、智能零售等多个行业，助推行业升级。此外，公司基于自身深厚的技术积累，能够为上述行业快速提供高性能、高效率、硬件平台适应性强、功耗控制优良的解决方案，大大降低各类客户的产品使用先进技术的门槛，帮客户提升产品竞争力，助力视觉人工智能和人工智能相关应用的普及。

    （3）工程落地能力

    虹软创立至今，除不断积累和发展自身技术、掌握持续开发、迭代与硬件更加匹配的算法的能力，还一直致力于与核心产业链内主流公司开展长期、广泛的合作。公司与高通、联发科等各主流芯片公司建立了长期稳定的合作关系，在研发中持续合作交流，深入了解平台硬件特性并为其针对性优化，共同开发核心功能，不断提高视觉人工智能技术算法产品与移动芯片的适配性。公司还与索尼传感器、三星半导体、格科微、OmniVision、舜宇光学、思特威、锐视智芯等业内核心器件合作伙伴建立了业务交流或合作关系，在项目早期就针对特定相机或硬件做算法适配和调优。针对智能终端的芯片平台，公司具备针对CPU、GPU、DSP和NPU等各个算力单元的强大优化能力。结合各硬件算力单元的能力和算法模块的算力需求，公司具备的异构计算优化能力能够从系统层面更有效地优化性能、降低功耗。得益于此，除核心技术能力突出外，公司同时具备优势明显的工程落地能力，在客户提出技术需求后，能更好地联合和发挥在相机模组、软硬件平台、产线、算法等多方资源合作优势，进而提供效果好、能耗低、效率高、硬件平台适应性广并能够快速落地的解决方案。

    （二）主要业务、主要产品及其用途

    公司专注于计算机视觉领域，为行业提供算法授权及系统解决方案，是全球领先的视觉人工智能企业，始终致力于视觉人工智能技术的研发和应用，坚持以技术创新为核心驱动力，在全球范围内为智能设备提供一站式视觉人工智能解决方案。

    公司拥有丰富的针对智能手机、AI眼镜等移动智能终端以及智能汽车的视觉算法产品线，主营业务收入来源于自主研发核心技术的授权许可使用。目前主要客户包括三星、小米、OPPO、vivo、荣耀、Moto等全球知名手机厂商以及国内主要的自主品牌、部分合资及外资品牌汽车主机厂商。

    1、移动智能终端领域

    公司TurboFusion围绕高分辨率影像场景持续进行技术优化，通过针对不同硬件架构进行深度适配与整体影像流程优化，实现画质表现与运行效率的平衡，并在色彩表现、复杂光线处理及高动态范围场景中显著提升视觉效果。同时，系统支持Flash、CCD、Touch等多种闪光灯模式，增强终端产品设计的灵活性与稳定性。在AI能力方面，公司的端侧大模型已经在智能手机的多个头部客户落地应用，通过优化模型运行策略，在保障隐私安全的同时提升实时处理效率，并持续优化算法资源管理以降低内存占用、提升系统稳定性。

    2025年开始，公司进一步拓展AI眼镜、具身智能机器人、智能相机等领域，通过强化影像与视觉算法、多模态感知融合以及产业链协同合作，推动技术在终端产品中的规模化应用；同时通过多帧融合、运动补偿与图像重建等核心算法优化，使影像方案能够适配多种硬件平台，在复杂环境下保持稳定、清晰且自然的成像效果，持续提升整体影像体验与技术商业化能力。

    2、智能汽车领域

    公司在智能汽车领域围绕车辆行驶与停车两大核心应用场景，形成了由舱内安全产品包、停车安全产品包及智能辅助驾驶产品包构成的产品体系。其中，舱内安全产品（ICSPack）主要面向智能座舱安全，通过驾驶员监控系统（DMS）和乘员监测系统（OMS），结合视觉感知与人工智能算法，实现驾驶员疲劳检测、分心检测、健康监测、身份识别，以及安全带检测、儿童安全座椅识别、危险坐姿识别等乘员安全状态监测功能；停车安全产品（PSPack）主要面向停车场景安全与辅助需求，基于360°环视视觉系统提供2D/3DAVM全景影像、透明底盘、车辆哨兵监测等功能，并结合视觉感知、超声波融合感知及路径规划控制算法，为用户提供自动泊车及停车全场景智能辅助能力；智能辅助驾驶产品（ADAS）则围绕车辆行驶过程中的环境感知与安全辅助需求，基于视觉感知技术为整车提供前向环境理解及相关智能辅助驾驶能力。通过上述产品体系，公司持续推动视觉人工智能技术在智能座舱与智能辅助驾驶领域的应用落地。

    3、智能商拍领域

    在智能商拍领域，公司基于不断优化的ArcMuse计算技术引擎，构建了从静态图片到动态视频多模态生成的商业视觉底座，并持续深化PhotoStudioAI智能商拍云工作室（PSAI）的商业应用和面向时尚品牌客户的一站式AI服务能力。2026年上半年，公司围绕时尚品牌客户的大规模视觉内容生产需求，进一步明确以一站式AI交付服务为核心、AI工具能力为辅助的业务发展路径，持续强化“AI制片+AI生成+AI修复”的全流程服务体系。

    在产品与服务体系方面，公司持续完善PSAI标准版、企业版及一站式AI交付服务的组合能力。其中，PSAI标准版和企业版主要面向中小及腰部电商商家在商品上新、内容营销、渠道适配等场景中的效率提升需求；一站式AI交付服务则主要面向头部服饰时尚品牌，提供覆盖模拍图、静物图、主图视频、创意视频等时尚视觉内容的AI综合服务能力。PSAI已实现AIGC商拍全核心链路覆盖，产品丰富度与服务竞争力持续领跑行业。

    在行业覆盖与场景拓展方面，PSAI持续深耕鞋服核心品类，并稳步向箱包、帽子、眼镜等多时尚类目延伸。目前，PSAI已支持AI试穿、AI模特、AI场景等核心商拍功能，并持续完善AI搭配上身、AI服饰换色、AI种草图、AI主图视频、AI创意视频等多模态内容生产能力。同时，结合AI去水印、AI超清、AI多语义分割、AI魔法擦除、AI光影融合、AI局部修复等完善的后期处理工具包，PSAI为不同客群提供了更具针对性的行业级AI解决方案，精准、高效地满足商家差异化的视觉展示需求。

    （三）主要经营模式

    1、盈利模式：公司主要盈利模式是将计算机视觉算法技术与客户特定设备深度整合，通过合约的方式授权给客户，允许客户将相关算法软件或软件包装载在约定型号的智能设备上使用，以此收取技术和软件使用授权费用。同时，公司也向客户销售软硬一体视觉解决方案。

    2、研发模式：公司主要采取自主研发的模式。研发过程大致分为以下9个步骤：①获取需求信息；②管理层决策研发方向；③搭建研发项目组；④验证研发项目算法，进行项目测试；⑤集体讨论决策项目算法；⑥进行底层算法与实际环境的结合优化；⑦进行实际产品结合测试；⑧产品成熟后路演，选择合适的客户进行测试合作；⑨测试合格后大规模推广。

    3、销售模式：公司采用直销的方式，主要面向智能手机、智能可穿戴设备、智能相机等移动智能终端，以及智能汽车、智能家居、智能零售与各类搭载摄像头的AIoT设备制造商，销售计算机视觉算法软件及相关解决方案。

    4、收费模式：按照业务合同的不同类型划分，公司的计算机视觉算法软件主要收费模式可划分为固定费用模式和计件模式两种模式。①固定费用模式：按合同约定的软件授权期限，收取固定金额的软件授权费用。特定客户在软件授权期限内，针对某款、某系列的特定设备内，可以合法地把含有虹软科技算法技术的特定软件无限量装载在合约限定的智能设备上。②计件模式：在合同约定的软件授权期内，按照客户生产的装载有虹软科技算法技术智能设备的数量进行收费。通常情况下，公司会与客户就不同生产数量区间，约定阶梯价格，保障双方利益。针对软硬一体解决方案，公司目前采用计件模式。

    5、采购模式：公司的主要采购内容包括研发、测试和运营所需的各类硬件设备、软件、服务，以及产品解决方案所需的物料等。根据需求部门的请购申请，采购部门按照《采购管理制度》的要求，执行供应商选择、采购合同签订、合同执行跟踪、采购付款申请等流程。针对软硬一体解决方案，由公司进行硬件的设计并购买相应部分核心部件后，委托第三方进行组装生产。

    （四）市场地位

    当前视觉人工智能市场已初步形成“头部集聚+垂直深耕”的竞争格局，技术迭代加速、行业渗透深化以及政策引导等因素仍在持续推动市场动态变化。核心技术积累、产品化能力、产业生态链合作均构成各垂直行业的核心壁垒。公司是计算机视觉行业领先的算法服务提供商及解决方案供应商，是全球领先的计算机视觉人工智能企业。

    公司坚持深耕计算机视觉算法技术，深化各行业布局的发展战略，逐步将计算机视觉算法技术的应用扩展至更多的智能终端设备领域。除本公司外，行业中国内企业主要有商汤、旷视、地平线，国外企业主要有SeeingMachines、Mobileye、Cipia、Smarteye。

    1、移动智能终端领域

    在移动智能终端领域，公司持续专注于视觉人工智能领域，为客户提供完整的视觉AI技术与解决方案，是全球智能手机视觉算法领域的重要供应商之一。公司在智能手机影像算法方面积累了深厚的技术优势，多项视觉技术达到行业领先水平，部分创新技术在行业中率先实现应用落地。公司长期服务于三星、小米、OPPO、vivo、荣耀以及Moto等全球主流手机厂商，并与高通、联发科等移动芯片平台企业保持紧密协作，通过针对不同芯片架构持续开展算法适配与性能优化，提升影像算法在各类硬件平台上的运行效率。同时，公司也与多家半导体及图像传感器厂商开展技术交流与合作，逐步形成覆盖底层硬件到终端应用的协同生态体系。

    在技术发展方向上，公司围绕空间计算相关能力进行系统布局，从标定技术、环境感知、人机交互以及视觉呈现等多个层面构建完整的技术框架，形成较为成熟的空间计算解决方案体系，为客户提供覆盖产品研发全流程的一体化技术支持。与此同时，公司持续加强与行业头部企业之间的技术交流与合作，不断拓展产业协同范围，进一步完善技术生态。

    以AI眼镜为代表的新一代智能终端正在推动人机交互模式的演进。公司积极推进AI眼镜相关影像算法的研发与应用，与多家AI眼镜品牌厂商建立合作，根据不同产品定位和应用场景提供定制化算法方案，支持客户实现产品快速落地。目前，公司已协助多家AI眼镜厂商推出其首代产品。在智能相机领域，公司也持续结合客户需求推进影像算法优化与方案升级，通过不断完善技术能力，为客户提供更加成熟稳定的视觉解决方案。

    2、智能汽车领域

    随着全球汽车智能化进程加快以及相关安全法规逐步落地，驾驶员监控系统（DMS）和乘员监测系统（OMS）等舱内安全感知技术加速普及，市场需求持续增长。在行业整体渗透率不断提升的背景下，公司依托长期积累的计算机视觉与人工智能技术优势，持续推动相关产品的技术升级与市场拓展。公司在客户拓展、产品法规适配能力及海外市场拓展方面继续取得进展，相关技术方案在多家国内外整车厂及Tier1供应商的项目中进入量产或验证阶段，业务规模及行业影响力稳步提升。同时，公司积极推进产品在欧洲等重点海外市场的法规认证与项目落地，进一步增强了公司在全球车载AI视觉感知领域的市场竞争力。总体来看，公司在智能座舱视觉安全及舱内外视觉感知等细分领域的技术积累与产品化能力持续强化，市场覆盖范围和客户基础进一步扩大。

    3、智能商拍领域

    当前，人工智能技术正经历以大模型为核心的范式变革，在政策引领、产业升级与技术跃迁的三重驱动下，大模型技术正与垂直行业场景深度融合，重构各产业的生产方式与服务模式。依托深厚的视觉AI技术积累，公司以自研ArcMuse计算技术引擎为核心，不断推动视觉大模型的技术进步与行业落地。

    公司通过PSAI“应用+一站式AI交付服务”，为客户提供全链路AIGC视觉内容生成解决方案，是行业领先的AI时尚视觉服务商之一。PSAI在中国大陆AI时尚视觉赛道稳居第一梯队，已形成面向中小、腰部电商商家的轻量化工具服务能力，以及面向头部时尚品牌客户的专业化、规模化AI交付服务能力。截至报告期末，已累计服务中小商家30余万家，覆盖品牌客户1000余家，在包括时尚女装、商务男装、休闲童装、运动户外等多个时尚细分领域推出垂类解决方案，凭借对不同垂类客户视觉内容需求的深入理解以及稳定的高标准交付能力，公司在AI时尚视觉领域逐步建立起良好的市场口碑。

    二、经营情况的讨论与分析

    公司专注于计算机视觉领域，为行业提供算法授权及系统解决方案，是全球领先的视觉人工智能企业，始终致力于视觉人工智能技术的研发和应用，坚持以技术创新为核心驱动力，在全球范围内为智能设备提供一站式视觉人工智能解决方案。

    2026年上半年，公司继续以技术赋能行业为使命，围绕“强化核心能力、加速规模复制、培育业务新增长点”的目标，在巩固既有市场、技术与客户优势的基础上，推进各项业务纵深发展。同时，为支持公司整体战略落地，公司围绕两大核心业务以及新兴赛道加大了人力投入。报告期内，公司实现营业收入43984.24万元，同比增长7.19%。其中，公司移动智能终端视觉解决方案实现营业收入35894.26万元，同比增长5.78%；车载AI视觉解决方案实现营业收入7222.20万元，同比增长11.71%。报告期内，公司实现归属于上市公司股东的净利润7713.84万元，同比下降12.87%；实现归属于上市公司股东的扣除非经常性损益的净利润5621.63万元，同比下降21.93%。

    公司保持高水平研发投入，报告期内，公司研发投入23492.35万元，研发投入占营业收入的比重为53.41%，研发投入同比增长18.30%。公司高度重视研发团队建设，组建了一支以博士为带头人、硕士为骨干的核心研发团队，期末研发人员共计659人，占员工总数的62.52%，研发人员中硕士及以上占比达63.73%。

    围绕年初经营计划，公司重点开展并推进了如下工作：

    （一）移动智能终端业务

    在智能手机领域，公司以技术创新与市场占有率双轮驱动为目标，加速TurboFusion技术在各品牌智能终端的商业化渗透，该业务营收贡献保持稳定。产品层面，聚焦人像、长焦、超清画质及视频影调四大关键赛道，通过深度打磨各项功能模块，实现全链路AI影像体验的升级；技术层面，锚定核心画质指标，依托底层算法重构与自动化数据反馈闭环，大幅增强多场景下的成像鲁棒性，旨在为业务的长效发展铸造一个坚实且可持续迭代的底层技术架构。

    在AI眼镜领域，公司聚焦于画面质感、智能交互及产业生态共建等关键维度，持续提升AI眼镜的影像拍摄能力与AI交互能力，正加快客户拓展与项目落地节奏，目前已有多个项目量产出货，并逐步贡献收入。产品层面，针对影像维度的塑造，公司着重打磨RAW域无损图像处理技术，同时，通过高频迭代防抖机制，精准回应用户日常Vlog记录及社交分享对高品质、低抖动画面的刚性诉求；产业生态层面，公司通过深度绑定头部芯片企业，精细化调优算法以缩短在差异化算力平台上的移植周期并释放极致性能。

    在内容生产与影像表达需求持续增长的背景之下，运动相机、便携式相机及数码相机等智能相机正向更高画质与更强环境适应能力演进。公司以计算摄影为核心抓手切入智能相机市场，目前已与智能手机及运动相机行业头部客户签署合约，合作内容涵盖基础画质、人像等基础影像核心模块。

    伴随端侧人工智能技术全面落地、手机智能化持续升级，在AI手机领域，公司已形成较完整的技术和产品布局，核心能力覆盖计算摄影、计算机视觉、深度学习、视觉大模型及端侧模型优化。重点包括视觉理解与画质决策、模型压缩（蒸馏、剪枝、强化、高效量化）、低功耗推理、AI与传统CV融合，以及基于大模型的数据生产和质量评估。

    受存储价格持续上行以及短缺影响，下游客户对算法的内存占用、模型大小、带宽需求以及运行效率的管控标准持续收紧。公司布局的模型蒸馏、轻量化AI、低内存算法、异构计算、AI与传统CV融合方面的能力将更具价值。与此同时，下游客户针对部分机型倾向通过软件优化降低硬件投入，依靠算法实现画质提升与产品差异化。

    （二）车载AI业务

    在驾驶员与乘员安全辅助领域，公司持续夯实技术领先壁垒，迭代完善产品综合竞争力。目前业务已覆盖国内外整车厂、Tier1供应商及新能源汽车品牌等多元合作伙伴，相关产品实现规模化落地。（1）在DMS方面，公司助力国内某头部车企斩获E-NCAP2026新规首个五星认证，配套DMS评分表现显著领先同行；满足L2级辅助驾驶强标和L3高阶自动驾驶强标要求的DMS合规产品已获岚图、现代、奇瑞等多个客户定点项目。公司是国内基于高通智能座舱平台的主流视觉算法供应商，在国产芯片领域，也同步完成了国产平台适配。（2）在OMS方面，公司E-NCAP2026方案进入批量交付阶段，新增定点客户涵盖吉利、小米、长城等主流车企，涉及新车型定点累计超10个。在研发效率提升方面，公司基于大模型的数据生成能力已接入产品开发流水线，实现CornerCase（难例集）自动化覆盖，有效降低高价值样本的采集成本与周期，持续强化迭代效率。在智能停车辅助领域，公司稳步推进该业务的验证与商业化部署。依托在低算力平台的泊车算法积累，智能泊车辅助系统于SouthLake平台完成初始交付，正式迈入商业化应用阶段。在产品迭代方面，公司聚焦复杂场景下的泊车体验优化，通过强化算法的环境适应能力与功能鲁棒性，持续提升系统可靠性与整体方案的市场竞争力。

    在智能辅助驾驶领域，公司低算力平台解决方案SouthLake包含了可支持基础L2级驾驶辅助功能的前视一体机、行泊域控形态的视觉算法产品，该方案预计2026年下半年开始规模出货。针对后续量产项目在满足行业标准、法规上的新需求，以及后续量产项目在海外市场落地的需求，公司研发上也同步开展了迭代升级。针对中高算力平台解决方案EastLake，公司结合市场需求、法规及行业标准的变化，适时调整研发聚焦方向，打磨具备高速领航能力的高性价比行泊一体方案，并向城市领航拓展，力争2026年度完成关键指标市场验证，依据客户定点节奏推进量产落地。

    在商用车细分市场，公司AiTrak2产品已配套客户多款整车完成AEBS国内法规认证，部分车型顺利进入量产，另有已获认证车型正在进行整车功能标定与大里程实测，为后续量产导入做好前置准备。预计下半年将有多款商用车相继完成国内外AEB法规认证，并逐步实现量产落地。

    聚焦海外商用车市场开拓，公司主力产品对标GSRII强制法规要求。为全面满足欧盟GSRII法规要求，公司于2026年7月正式发布商用车第二代视觉域控平台（AiTrak2Pro）。目前，该平台已完成核心功能集成与全功能样车搭建，可同步支持AEB、ISA、BSIS、MOIS、DDAW、ADDW、RVCS及AVM等主流安全与监测功能。

    （三）前瞻布局方向

    在智能商拍领域，公司面向时尚品牌客户，持续推进一站式AI交付服务业务落地，强化“AI制片+AI生成+AI修复”的全流程服务体系，不断提升交付效率、服务质量和客户体验，并持续完善标准化作业流程和专业服务能力，增强解决方案的可复制性与规模化交付能力。公司持续聚焦服装、鞋履、箱包等重点时尚行业领域，深化垂类解决方案建设，积极拓展品牌客户合作，满足品牌客户在商品上新、营销推广及视觉内容生产等场景下对高品质、高效率内容生产的需求。

    在具身智能机器人领域，公司依托计算机视觉与多模态大模型的深厚技术积淀，构建了覆盖“感知—决策—执行”全链条的机器人移动智能技术体系。生态层面，公司聚焦激光雷达、视觉传感器等核心硬件，依托实际项目开展深度适配调试，持续优化传感器输入输出精度与整体适配质量，顺利完成英伟达、英特尔、高通、瑞芯微等主流技术生态的兼容适配，覆盖人形机器人、四足机器狗两大产品形态，搭建起多元稳定、高度适配的产业协作体系。技术层面，公司迭代完善前期已经量产出货的导航技术方案，稳步推进视觉导航和多传感器导航技术新项目研发验证与工程化落地，其中全自主导航方案启动试点调试工作，这将进一步健全“感知—决策—执行”的全链路技术体系，有效提升产品在复杂场景下的自主运行性能与环境适配能力。在业务层面，公司核心视觉算法引擎已量产交付头部机器人客户，持续深化合作并拿下新项目合约。

    （四）持续提升经营质效

    公司紧抓全球宏观经济与汇率走势变化，主动优化资金币种结构，新增其他外币资金管理，稳步推进多币种资金管理体系建设。公司延续“阶梯式存款+低风险理财”的结构化配置模式，兼顾资金流动性与收益性，始终维持充裕现金储备，为核心技术研发、抵御经营不确定性风险提供强有力的资金保障。

    公司持续落地应收账款全流程精细化管控。在车载行业收款周期普遍较长的行业环境下，公司2026年6月末的应收账款账面余额保持平稳。公司不断深化业财融合，优化客户信用评审机制，持续提升财务管理精细化水平；公司同步完善供应商管理评估体系，灵活采用票据背书支付供应商款项，优化公司资金周转节奏，达成业务运营与资金流转的高效适配。

    公司对《董事、高级管理人员薪酬管理制度》进行修订完善，明确董事、高级管理人员薪酬结构及标准、绩效考核、薪酬发放、止付追索等相关管理事项，引导管理层聚焦主业盈利、长期高质量发展，作为夯实价值创造、提升经营质效的制度保障。

    三、报告期内核心竞争力分析

    (一)核心竞争力分析

    1、人才优势

    在超过30年的发展历程中，公司磨合出一支以博士为带头人、硕士为骨干的核心研发团队，充分掌握核心技术算法，并进一步落地成为成熟的商业产品。通过长期的潜心学习，公司始终立足于领域内的最前沿，建立和长期保持行业内经验积累和能力上的领先优势。

    虹软科技及其下属公司经过30多年的摸索，不断改善形成了一套独有的高效管理模式，基本实现自动化、自驱、自愿的高效运行状态，同时采用“导师制”培养模式，有效减少研发的试错次数。高效的研发管理体系提高了公司的自主创新能力和产品研发速度，提升了公司视觉人工智能技术算法水平。目前，公司拥有良好人才储备并在持续完善，为重要项目的推进奠定了基础。

    2、技术积累优势

    公司技术积累优势主要体现在端计算和边缘计算技术的积累优势、视觉人工智能技术的层次积累优势、工程落地能力，具体见本节“一、报告期内公司所属行业及主营业务情况说明/（一）所属行业发展情况/3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323项（其中发明专利295项）、软件著作权162项。

    3、产业链深度合作优势

    公司所涉的消费电子产业与汽车产业，高度依赖产业协同。公司拥有紧密、稳定的产业生态关系，与高通、联发科、格科微、索尼传感器、三星半导体、艾迈斯半导体、OmniVision、舜宇光学、英飞凌等平台、传感器、摄像头模组厂等产业链上下游主流公司开展合作。在车载AI业务上，除了既有的合作伙伴之外，公司也持续与更多的芯片、相机模组、Tier1等诸多上下游产业链公司形成了相互信赖的合作伙伴关系。

    凭借与产业链内主流公司长期、广泛的合作，公司掌握了持续开发、迭代与硬件更加匹配的算法的能力，通过共同研发、持续合作交流，得以在客户提出技术需求后，在最短时间内及时响应，提供低能耗、高效率、硬件平台适应性广的解决方案，保持技术持续处于行业最前沿。

    4、客户及品牌优势

    公司是全球领先的视觉人工智能算法供应商，客户群体广泛。在智能手机领域，公司主要客户包括三星、小米、OPPO、vivo、荣耀、Moto等全球知名手机厂商，服务范围涵盖全球90%以上的安卓手机品牌。在智能汽车领域，公司方案不仅可满足GBT、C-NCAP、C-IASI、IVISTA等国内法规及行业标准要求，而且还可满足ADDW、DDAW、ISASTU型式认证、E-NCAP、A-NCAP等各项海外法规及行业标准要求。在这一领域，公司已协助众多OEM客户在相关国家地区完成相关法规认证，顺利实现产品量产落地。在智能商拍领域，公司已累计服务中小商家30余万家，覆盖品牌客户1000余家。在AI眼镜领域，公司已成功助力多家AI眼镜公司首款产品发售。优良的客户质量、良好的市场口碑、国际化的品牌认可度、海量历史销售数据，为公司后续业务发展奠定了良好基础。

    (二)核心技术与研发进展

    1、核心技术及其先进性以及报告期内的变化情况

    1.1核心技术及其先进性

    目前，公司积累了大量视觉人工智能的底层算法，构建了完整的视觉人工智能技术体系。

    公司自主研发的TurboFusion技术包已批量搭载于多家主流移动智能终端厂商的终端产品。技术聚焦多摄多倍率、全光照条件下的基础画质优化与光影效果增强，涵盖暗光增强、超分辨率、视频画质增强、光学变焦及虚拟虚化等核心算法。基于先进AI训练框架持续迭代，各项画质指标均处于行业领先水平，可为移动智能终端设备提供高鲁棒、低延迟的底层视觉赋能。公司大部分智能手机视觉解决方案处于国内外先进水平，多数新创技术在行业内属于技术首发，能够满足目前市面上中高端智能手机与视觉相关的技术与应用的算法需求，且公司的智能手机视觉解决方案在除苹果之外的主流手机品牌的大部分旗舰机型上获得使用。

    依托大量实车场景数据沉淀，公司搭建了DMS与OMS一体化全栈车载视觉人工智能技术体系，全面覆盖驾驶员疲劳分心检测、三维高精度视线追踪、纯视觉酒驾识别、乘员睡眠监测、表情与唇语识别及危险行为分析等核心场景，可适配单目RGB、红外及DOMS一体化内后视镜等多类车载成像硬件，全面服务乘用车与商用车量产项目。技术全面满足DDAW、ADDW及E-NCAP2026等法规标准，通过车辆信号与视觉感知多源融合、多时序动态分级逻辑，有效攻克复杂行车场景误报痛点，相关方案均完成量产适配与现行主流法规认证。

    公司在舱外领域构建了完整的视觉感知与智能辅助驾驶技术体系，积累了大量底层核心算法，涵盖智能辅助驾驶和智能泊车全栈能力。自主研发了基于复杂模型或优化的端侧视觉大模型的目标检测、路面分析、轨迹预测、场景识别，以及基于机器视觉的几何测距、滤波测速、聚类拟合、SLAM建图、相机标定等核心技术，同时具备路径规划、行为决策、拟人控制、信息融合等规控技术。在数据工程方面，公司研发了4D空间的真值自动化生成、大模型数据自动化打标、实车数据挖掘、多维度虚拟仿真等数据集构建技术。这些技术经过多年打磨沉淀，具有精度领先、资源消耗低、人力耗费少、平台兼容性好、灵活定制等显著优势，可广泛应用于智能行车、智能泊车等用车场景。

    公司自主研发的智能商拍解决方案处于行业领先水平，以新一代多模态图像编辑基础模型为核心，构建统一的智能生成与可控编辑技术架构。核心技术涵盖AI多语义分割，突破传统人像分割局限，实现人体、服装、商品及背景等数十类对象精细识别与开放词汇局部编辑；AI模特图与智能试穿技术结合人体解析、姿态估计、几何变形与扩散模型，实现多体型姿态下的自然试穿并完整保留服装版型、纹理细节以及抗皱、光照、影调效果；AI换背景技术融合深度估计、光照理解与重光照技术，确保人物与新场景在光线方向与环境反射上高度一致。

    公司前瞻布局具身智能机器人领域，依托计算机视觉与多模态大模型的深厚技术积淀，构建了覆盖“感知—决策—执行”全链条的机器人移动智能技术体系，已就核心视觉感知算法和引擎与知名头部民用机器人企业达成商务合作，并实现量产出货。在自主导航方面，公司创新研发多传感器融合SLAM方案，基于紧耦合因子图优化框架实现统一位姿估计与地图一致性优化，并开发自适应多传感器加权融合算法，在暗光、强光直射、雨雪天气及几何退化场景中仍可保持厘米级定位精度。在规控算法层面，公司构建面向封闭园区及非结构化场景的分层式高效、精准架构，上层引入基于栅格地图的全局路径搜索与关键航点排序以提升跨楼栋调度效率，下层融合动态窗口法与模型预测控制，实现考虑时变约束的速度解空间搜索，达成对动态障碍物的百毫秒级敏捷响应，可精准应对楼梯起伏、狭窄通道及各种形状多变、路面材质不同的复杂路况扰动。

    1.2核心技术报告期内发生的主要变化

    公司拥有多项原始创新的核心技术。

    （1）人脸分析及识别

    人脸检测技术进一步优化了近距离场景下的人脸召回率，特别是残缺人脸、背光、复合姿态人脸等场景下的召回率。人脸和车牌脱敏技术在AVM镜头下的召回率整体提升，在标准难例测试集上，人脸脱敏技术的召回率提升至97.79%。移动端人脸关键点定位技术继续升级，进一步提升了大角度场景和遮挡场景的稳定性和精度，在内部复杂自测集上，人脸归一化到点位平均误差1.26像素，相比去年，1像素误差以内的素材召回率提升2.3%。同步强化智能座舱多元肤色、多样外观场景适配能力，针对厚唇、浓妆、夸张面部表情等复杂场景优化人脸关键点识别的准确度。DMS场景人脸关键点精度提升3.3%，关键点稳定性显著提升。优化智能座舱人脸角度和位置估计算法，重点优化超大角度case以及轻微遮挡场景下的角度精度，内部客观数据集验证显示pitch角度（指俯仰角）提升5.1%,yaw角度（指偏航角）提升3.1%，使得DMS场景下的人脸分心范围鲁棒性继续提升。人脸重建技术引入渲染数据完成迭代优化，继续改善大角度人脸重建精度，同时强化眨眼等动作模型重建的稳定性，自测集上精度提升1%。

    静默式活体检测效果持续优化，RGB静默活体整体SAR（指攻击欺骗接受率）下降1.1%，IR活体SAR下降1.0%；尤其针对多种材质类型的高精度3D面具假体，SAR下降幅度超过3%。同时，拓宽活体检测算法的支持范围，针对驾驶员使用眼罩、假眼贴纸伪装睁眼欺骗DMS，以及智能辅助驾驶状态下驾驶员昏睡等场景，已能够检测此类情况，检出率超95%，误检率低于1%。

    年龄识别效果进一步提升，RGB与IR版本的MAE（指MeanAbsoluteError，平均绝对误差）相对降低3.5%。人脸质量算法进一步细化场景，对大角度、多种遮挡（口罩、大胡子、多种异物等）以及多种光照条件下的检测正确率均有所提升。

    （2）人体分析及美化

    人体检测和跟踪技术继续迭代，提升了召回率以及跟踪稳定性。手机版本优化了残缺大目标的跟踪稳定性，同等精度下召回率提升1.76%，同时优化了人体重拾模块，重拾率达到96.9%。针对智能座舱场景优化跟踪框架，在基本指标不变的情况下，提升困难姿态下检测框的稳定性，实现大遮挡困难姿态场景下ID变换数减少12.7%，召回率提升1.5%，为后续危险坐姿等功能落地提供保障。人体骨骼关键点技术，在座舱内场景中优化IR镜头下高曝光场景的骨骼点准确性，5像素误差内的样本整体召回指标提升至97.5%。人体重建技术利用多相机采集和人工合成的方式，扩充了对人体细节动作的数据补充；进一步提升重建贴合度和稳定性，改善四肢重建精度尤其是脚的贴合性，自测集上精度提升1%，同时应用到座舱的被动安全领域。遗留儿童检测技术新增成人抱儿童识别子算法，针对成人怀抱儿童场景下的素材进行召回，在通用测试集上有效提升召回率：儿童目标召回率提升1.47%，成人目标召回率提升0.79%，整体召回率提升1.13%。安全带检测技术优化微前倾开车、IR模式黑色吸光安全带、镜头边缘畸变、条纹儿童玩偶、超大曝光场景漏报以及长头发误报等问题。在标准难例自测集上，纯视觉召回率提升2.84%，精度提升0.52%。副驾安全行为（身体前倾、脚伸仪表盘）技术，提升较明显，尤其是针对攻击测试专项测试集表现显著提升。基于行为识别的环视哨兵功能新增后视镜展开、折叠分类模块。针对后视镜搭载摄像头的车型，依据视觉算法判断展开、折叠状态，在无电信号或外力异常掰动时，提高哨兵算法距离判断的可靠性，分类准确率均达到99.5%。提升宽松羽绒服场景、夜晚可见肢体场景下的检测框与Pose点准确性，对应场景下抬手划车和踢车类别报警召回率优化至96%。持续迭代哨兵视觉语言模型，针对停留划车、暗光、快速动作、小目标动作等复杂边界场景持续优化，提升模型稳定性。扩展测试集，补充边界场景样本。基于扩展后的测试集开展测试，摆弄摄像头、疑似喷涂、触碰车身等行为召回率分别达98.04%、93.38%、98.77%；踢车、途径划车召回率分别提升5.6%、6.33%；此外完成端侧推理链路优化，设备整体推理性能提升约30%。

    （3）宠物分析

    借助宠物目标跟踪ID识别功能，即便遇到遮挡、快速移动等复杂场景，也能准确区分不同目标，确保跟踪结果的连续性和一致性。通过系统性优化训练数据，显著降低错误标注对模型的干扰，并且在训练过程中动态过滤低质量样本、过度困难样本及分布外样本，全面提升宠物身体检测、面部/眼部边界框与关键点检测、姿态估计、目标跟踪等技术的整体准确率。

    （4）行为分析

    继续提升满足DDAW以及E-NCAP法规的驾驶员疲劳/分心检测技术方案，当前已完成E-NCAP2026版驾驶员疲劳与分心检测产品原型的研发落地。针对该法规对疲劳、分心误报率的严苛约束，尤其是复杂难例场景下高频误报导致的合规失效问题，团队依托大量实车路测数据开展误检归因专项分析，构建车机信号、车辆控制信号等驾驶员行为数据与视觉感知数据的多源融合算法体系，通过大数据统计建模精准优化动态行车场景下的误检、误报问题。上半年，团队聚焦疲劳监测核心难例痛点，完成算法全维度升级，重点攻克实车场景中驾驶员低头注视与长时间闭眼两类视觉特征高度相似、易混淆导致的误报难题。同时，团队结合大量KSS疲劳评级标准与驾驶心理行为研究成果，研发出贴合人体真实疲劳认知机制的新一代疲劳检测方案。通过采集真实驾驶疲劳样本数据、迭代核心识别模型，优化疲劳分级判定逻辑，引入多帧叠加、多时间窗口联动的视觉分析策略，拓宽疲劳状态研判的时间区间与分析维度。基于大量实车数据迭代打磨，搭建适配整车驾乘体验的疲劳等级动态升降级判定机制，有效甄别真实疲劳状态与视觉特征相近的非疲劳干扰行为，大幅降低系统误报率。该方案在满足E-NCAP2026高阶法规合规要求的同时，显著提升用户驾乘体验，形成差异化技术优势。为全面适配E-NCAP2026新规，团队完成DMS、OMS系统新增合规测试项的功能开发，新增受损驾驶员行为分析、座舱乘员异常姿态体态检测等核心能力，构建覆盖E-NCAP2026全测试场景的完备产品体系，相关技术已陆续应用于各类E-NCAP2026认证量产项目。

    视线追踪技术已规模化落地多款智能座舱量产项目，依托成熟的座舱标定体系，为驾驶员分心检测业务提供高精度视线落点输出能力，全面完成E-NCAP2026法规要求的视线检测功能开发。目前算法可覆盖座舱内几乎所有核心监测区域，完整适配法规全部视线分心测试场景，可精准识别驾驶员在车载手机常规摆放区域的低头看手机等典型分心行为。全套合规过标方案实现多项法规适配视线功能的标准化、规模化落地。技术层面创新引入驾驶员视线自适应长时学习标定模块，可针对不同用户的个性化视线特征进行持续迭代优化，有效解决由驾驶员面部特征差异化带来的长尾识别问题。该方案已通过大里程实车验证，性能指标稳定可靠，即将纳入量产版本与法规过标方案。

    为持续夯实算法迭代的数据底座，团队在原有视线真值采集系统基础上完成全方位升级，自主研发新一代头戴式便携式真值采集设备。新设备高度集成、轻量化设计，充分适配座舱内灵活布设、机动采集的场景需求；经多轮硬件与算法迭代调优，视线采集精度可控在1°以内，可实现大范围、多场景、连续稳定的视线落点真值采集。该设备将全面替代传统采集方案，大幅提升视线数据采集效率、连续性与场景覆盖完整性，不仅为量产算法迭代提供高精度真值支撑，还可拓展应用于认知分心等高阶驾驶员行为侦测实验，持续赋能座舱感知技术进阶升级。

    酒驾驾驶员行为分析，团队依托大量驾驶员饮酒行为实验数据，挖掘酒驾状态下的驾驶行为特征，研发出可量产的纯视觉酒驾检测解决方案，精准匹配E-NCAP2026受损驾驶员行为分析的合规要求。该技术可在常规行车场景下高精度甄别驾驶员酒驾状态，可以区分酒驾行为与疲劳、分心等相似驾驶工况。2026年上半年，团队基于真实酒驾样本数据完成算法专项迭代优化，针对性强化酒驾与疲劳、分心行为的差异化识别能力，并顺利完成大里程实车验证。

    睡眠检测技术通过融合乘员面部状态与身体体态多维特征，实现对乘员睡眠状态的精准识别，可有效区分睡眠行为与低头玩手机、阅读书籍等准静态干扰场景。经过多轮算法迭代与实车打磨，该技术全场景实车召回率可达90%以上，误报率控制在1%以内，能够在颠簸路况等复杂行车工况下保持高检出性能，同时适配多种座椅排布的乘用车型。目前，优化后的全新技术方案已批量部署并稳定应用于多款量产车型项目。

    车载表情识别与唇语关键词识别技术，围绕用户座舱交互感知体验持续优化产品方案，基于大量实车场景数据沉淀，搭建无感式个性化表情标定与识别技术体系，可精准适配不同用户的面部特征差异，高效捕捉个性化细微面部行为状态，实现“千人千面”的自适应表情识别效果，显著提升智能座舱交互的自然度与体验感。同时，针对座舱行车复杂工况，重点优化大角度人脸姿态、动态微表情等难例场景的识别稳定性，有效提升行车过程中表情分析算法的整体鲁棒性与可靠性。在唇语识别技术方面，团队完成多模态融合技术迭代，融合视觉图像与语音信息双重维度特征，有效解决单一视觉方案在歧义唇语关键词识别中准确率不足、抗干扰能力弱的行业痛点，大幅提升座舱语义交互的精准度与场景适配能力。

    车载危险行为检测扩展了喝水检测功能，全面推广基于人体行为与手持物分析的多通道信息融合抽烟、打电话、喝水检测方案，持续提升复杂场景下的识别准确率与用户体验。算法层面，围绕模型结构开展持续优化，进一步增强特征提取能力和场景泛化能力；同时完成视觉语言模型（VLM）在车载场景中的功能验证及落地验证。

    （5）手势识别

    手势识别相关底层算法持续迭代升级。手部检测/跟踪算法，聚焦算法优化，完成检测模型结构升级，实现左手/右手属性精准识别；改进跟踪逻辑，显著提升跟踪稳定性；针对不同应用场景进行模型适配，有效提升红外图像、小尺度目标等困难场景的手部检测与跟踪能力。手部姿态估计算法方面，基于深度图的手部姿态估计技术，对模型架构进行迭代升级，引入注意力机制实现平面与深度特征的深度3D融合；同时完成内部benchmark数据集标签优化，提升真值标注精度。在标准benchmark数据集上，新模型整体精度提升9%，效果改善显著。

    车载智能座舱手势产品线，全面聚焦核心算法重构与场景化落地实现技术跃升。静动态手势交互产品，针对大里程路测数据的测试结果，对部分核心算法实现进行了系统性重构，优化时序特征提取与动作连贯性建模逻辑，有效平衡了识别准确率与召回率。创新引入时空信息约束机制，通过连续时空上下文分析，精准过滤驾驶舱内手部自然动作和手物交互运动等非目标动作干扰，复杂场景鲁棒性与交互流畅度显著提升。多模态手指指向识别产品，实现从“大致方向判断”到“区域级精准定位”的关键跨越，目前手指指向产品已支持10个标准舱内区域的精准映射与实时响应，并已在实车上部署，结合语音可直接赋能中控交互、空调控制、多媒体调节等高频场景。

    （6）高动态范围（HDR）

    YUV域HDR技术面向手机拍照与AI眼镜等终端设备，支持双帧与三帧灵活曝光组合，适配人像及非人像场景。方案兼容前/后置镜头及主摄、广角、长焦等多焦段模组，可部署于旗舰至中低端处理器平台，并提供闪光灯与屏幕补光联动模式及用户自定义曝光调节功能。技术层面集成AI光流与画质增强算法以抑制画面鬼影；结合AI区域分割与机器学习算法，基于预览帧统计特征动态计算并推荐最优曝光EV值，实现分区自适应亮度调节与多风格HDR融合策略定制。该方案通过多帧曝光动态调度与底层色彩亮度协同处理，扩展图像动态范围，保障复杂光照环境下的细节保留与色彩准确性。

    基于RAW域的HDR技术针对复杂光照与运动场景优化了多帧融合策略，根据昼夜场景特征定制差异化鬼影抑制方案，并适配多序列曝光调度以平衡运动区域画质保留与鬼影消除。影调处理以还原真实场景亮度分布为基础，结合场景识别与语义分割实现分区自适应映射，在弱光环境下动态调整局部融合策略以提升画面自然度。针对人像场景引入真实感模拟机制，自适应感知颜色增强算法实现光色联动调节，提升色彩人眼感知真实度。整体架构支持高ISO及运动等多源混合输入数据，在继承标准HDR影调特性的同时优化图像纹理细节，控制算法增量开销。针对高分辨率传感器设计专用流水线框架，实现多帧AI去噪与HDR功能的协同处理，有效降低内存占用。面向中低端硬件平台构建全流程轻量化处理管线，通过算子精简、框架简化与无NPU架构适配，拓展技术部署范围并提升运行效率。

    （7）暗光图像增强

    暗光图像增强技术面向低信噪比与弱纹理场景提供全链路画质优化方案，针对不同摄像头传感器特性定制去噪与细节保留策略。算法层面改进多帧对齐机制，提升运动区域与人像配准精度以保留更多画面细节；结合AI增强优化多帧融合策略，针对运动区域开发专用去噪与融合模块消除运动模糊与残影。针对高动态范围及极暗场景，优化模型训练策略实现暗部纹理增强、亮部细节保留与噪声抑制的联合优化，充分挖掘DAG、DCG、DXG等新一代Sensor多曝光输入信息。方案支持亮暗区域差异化处理，开发针对人脸的专用去噪增强模块，并引入单帧处理算法应对中低端设备噪点问题。在硬件适配方面，技术全面兼容NPU、GPU、DSP等主流计算架构，针对中低端平台构建轻量化单帧与多帧协同模块，在低系统开销下实现画质提升；针对纯GPU平台优化性能功耗比，实现低延迟与低功耗运行。面向车载终端与AI眼镜等设备，研发自适应多帧/单帧处理架构，结合增量训练策略提升模型迭代效率，在保障画质与细节还原的同时实现跨平台高效部署。

    （8）超分辨率图像增强

    超分辨率图像增强技术覆盖YUV、RAW、Quadbayer及Hex等多域处理链路，实现跨传感器与多曝光格式的底层画质优化。算法层面改进运动区域检测与多帧配准机制，结合参考图像引导的YUV域AI超分模型，支持动态照片封面帧切换后的画质重构；针对不同倍率需求开发增强型AI超分架构，在提升清晰度的同时保留场景动态范围。针对Quadbayer高ISO与逆光场景的网格噪声问题，优化输入网格处理与多亮度范围映射，实现光学级分辨率扩展；基于Hex域原始数据开发专用算法，充分挖掘多通道信息实现超分辨率重建。方案支持50M与200M高分辨率输出。系统框架方面持续优化模型架构与推理引擎，提升计算效率与硬件资源利用率；针对高倍率数字变焦场景开发专用去模糊与细节增强模块，结合多倍率针对性训练策略实现全焦段画质一致性。通过代码级优化与平台资源调度整合，在保障画质输出的同时实现性能与功耗的协同控制，适配多平台部署需求。

    （9）画质修复

    屏下摄像头画质修复技术，目标是抑制屏下摄像头特有的衍射与噪声，同时还原画面的对比度、色彩饱和度和清晰度。目前该技术对衍射现象具有一定的抑制作用。此外还积极探索基于PSF和PSF-free的不同技术方案，为下一步效果提升奠定基础。

    图像去反光技术，探索基于图像生成模型的新方案，利用图像编辑大模型原生的生成能力，针对去反光任务进行专项调优训练，有效提升模型的反光消除效果、画面还原自然度及各类瑕疵伪影的抑制水平。对比测试显示，新方案在反光去除力度、内容误去除、输出涂抹感等关键评测维度均优于竞品。

    AIImageDebanding，深耕面向RAW图的去条纹技术，打通前后ISP管道，持续优化运动、低照度、彩色光照及复杂光照等场景下的图像去条纹效果，在保持原图细节纹理自然的同时，提升与参考图亮度的一致性。通过模型量化、OpenCL加速等优化方案，显著降低计算开销，将单帧处理时间由600ms缩短至80ms，在保持算法精度的同时实现性能突破，目前已支持多商用平台部署，具备产品落地能力。

    AI祛红眼，推进算法全面升级。效果层面，适配更多闪光灯场景下的红眼检测需求，显著提升算法鲁棒性与泛化能力；性能层面，优化算法逻辑，通过精简模型结构与算子优化，提升推理速度，有效降低算法库体积占用；功能层面，新增多输入格式支持，为用户带来自然灵动的夜景人像眼部美化体验。

    （10）视频画质增强

    视频超夜技术覆盖YUV与RAW双域处理链路，面向极暗光环境提供高实时性视频画质增强方案。在YUV域算法层面，引入轻量化时空机制与多尺度特征融合模块，强化视频流细节恢复与时间连续性，有效抑制复杂运动场景下的画面撕裂与模糊伪影；通过高保真合成数据与真实场景混合训练策略，缓解长尾场景过拟合问题并缩短算法迭代周期。针对极暗视频处理瓶颈，技术将核心去噪环节前置至RAW域；结合模型架构优化与推理加速策略，在控制数据吞吐量的同时实现旗舰平台4K视频实时处理，并将手机端有效暗光响应阈值拓展至0.1lux。RAW域去噪模块同步优化高亮区域彩噪抑制与HDR视频增强能力，通过算法架构与推理流程的持续迭代，实现画质、实时性与能耗的协同控制。

    高动态视频超夜技术面向复杂光照环境提供高动态范围与低照度画质协同优化方案。在保留原始细节与抑制运动噪声的基础上，通过扩展视频动态范围并嵌入视频影调映射模块，实现多尺度亮度分布的自适应调整与视觉表现优化。结合底层算法与推理框架的协同优化，技术有效平衡了动态范围扩展、实时处理延迟与系统功耗指标，适配多平台部署需求，满足终端客户对高画质视频输出的工程化要求。

    视频超分技术通过优化特征提取与重建模块，显著提升小字号文本边缘锐度与多语言文字处理连贯性，有效降低混合排版场景下的结构失真；在密集纹理区域引入细节约束机制，抑制伪纹理与伪影生成。结合模型架构轻量化设计，在保持重建画质基准的前提下，有效降低推理算力占用与系统功耗，实现视频超分辨率处理效率与能效比的协同优化。

    视频插帧技术通过优化运动估计与补偿机制，提升复杂动态场景下的像素级时序对齐精度，改善运动边缘伪影与画面跳变现象。结合计算图精简与冗余操作剪枝策略，有效降低算法推理延迟。技术架构支持多规格硬件平台部署，可根据不同算力环境与输入源特征动态调整处理参数，实现跨设备与多业务场景的工程化落地。

    （11）畸变消除

    光学畸变校正算法，持续优化核心校正算法，通过计算图重构与算力调度优化，在提升处理效率的同时显著降低系统功耗，实现性能与能效的双重突破。面向差异化客户需求，提供多算力平台定制化成像方案；完成iOS、Android等主流移动平台的深度适配，保障跨端影像一致性。算法成功拓展至AI眼镜市场，加速智能穿戴影像处理商业化落地；新增车载鱼眼相机校正方案，进一步拓宽算法在智能座舱与泛终端场景的应用边界。

    （12）光学无缝变焦

    光学变焦融合算法，深度融合AI融合、AI主体感知与AI稠密对齐技术，构建光学变焦核心算法体系，实现业界首创的无缝变焦技术突破。该方案已成功搭载于某国际头部旗舰机型并完成商业化落地，同时吸引多家国内主流手机厂商开展联合研发与生态合作。算法经进一步提炼与工程化优化后，成功拓展至头部手持云台相机平台，实现跨设备影像能力的泛化应用。

    （13）多摄协同标定

    持续扩大AVM与BSD标定适配范围，深化ADAS车载标定解决方案，稳步推进多车型实车部署。针对商用车复杂场地环境与后装需求，推出轻量化简易标定方案，在显著降低标定成本的同时，大幅提升后装效率与精度。基于视觉模型实现标志物智能检测与定位，有效克服场地局限、环境干扰及光照变化等挑战，全面增强检测鲁棒性，实现标定成功率、精度与效率的三重突破。面向机器人等新兴应用，构建覆盖相机、IMU（惯性测量单元）与LiDAR等多传感器统一标定框架，实现模组一次性联合标定，为下游算法提供高可靠标定基准。针对多激光雷达部署场景，创新推出轻量级在线标定方案，以极低部署成本获取高精度标定结果，有效降低客户运维成本，显著提升系统算法竞争力。

    （14）全景拼接

    全景拼接技术，持续提升全景拍摄体验与成像质量，持续推进图像拼接技术的优化与应用创新。在算法层面，对智能选帧能力进行了迭代升级，可自动筛选高质量关键帧参与图像拼接，并结合实时拍摄引导与拼接预览能力，为用户提供拍摄过程可视化反馈，提升全景拍摄效率。针对多镜头曝光差异，改进拼接缝融合算法，实现跨区域亮度平滑过渡与全局一致性优化。

    云台相机全景拼接，采用了新的拼接方案，构建了从多路图像输入到全景图输出的完整处理流程。针对天空、建筑等典型场景，对特征点匹配算法进行了专项优化，提升了弱纹理区域及大尺度场景下的匹配稳定性和鲁棒性；进一步完成相邻图像重叠区域计算，实现平滑拼接，有效降低拼接缝及亮度过渡痕迹，提升全景图整体视觉质量。

    （15）人脸美化及修复

    公司在图像修复与编辑方向上长期致力于LivePhoto、视线校正、人头姿态校正等人脸修复与编辑技术。LivePhoto技术通过调整深度神经网络结构，针对性改进口腔区域模糊、不真实的问题；研发了针对特定人物的微调技术，使得算法能够生成更加逼真的结果；对网络进行性能优化。新版本采用更高效的隐式参数驱动方法，大幅提升运动传递的准确性，使处理后的人物动作更加自然流畅。

    视线校正技术研发了全新的3D视线校正算法，创新地结合了三维人脸重建和二维图像编辑方法，相较于前代算法产品，突破了正脸姿态的限制，并且大幅度拓展了算法能支持的视线角度，在人脸角度和视线偏移角度均较大的情况下算法依然可以得到正确的矫正结果。用户主观测试报告表明，新算法在真实感、矫正范围、算法稳定性、准确性等方面均明显优于竞品。在效果上，相较于前代版本，解决了可能会出现的额头部分变长、脖子区域融合拼缝、面部抖动、面部刘海导致眼镜断裂等问题，在视频上能做到连续、稳定、自然的结果。

    在人脸美化技术方面，研发了人脸自适应肤色调节技术，并对磨皮算法进行了全面升级；预览磨皮算法在去脏能力、画面通透度、立体感以及肤质细腻度等方面均取得了明显提升；在人脸瑕疵修复方面，开发了AI预览祛斑算法，大幅提升了实时预览场景下的祛斑、去脏能力，并能够较好地保留皮肤纹理细节；优化了拍照AI祛斑算法，提高了大侧脸等复杂姿态下祛斑效果的稳定性；在图像修饰能力上具备去抬头纹、去颈纹等功能。针对海外市场需求，定制开发了Bindi检测技术，提升了本地化用户体验。在美颜算法平台化方面，完成了基于Vulkan的祛斑、磨皮、美白、美唇、亮眼、白牙、去唇纹、去油光等美颜技术。在基本保持性能和视觉效果优势的前提下，有效解决了不同设备平台因驱动升级带来的兼容性问题，降低了产品适配和维护成本。在算法框架方面，构建了支持UBWC（UniversalBandwidthCompression）输入输出的数据处理流程，通过优化数据链路和算法框架，降低了系统带宽消耗与整体功耗，同时提升了算法运行效率。针对GPU、NPU以及模型结构进行了系统性的性能优化，对美颜预览及拍照算法在运行速度、内存占用和功耗等方面进行了全面优化，进一步提升了产品的实时性能和终端体验。在人像风格化能力方面，优化了预览头发柔顺技术，可有效去除视频中的杂乱发丝、优化发束形态，实现更加自然、美观的发型风格化效果。

    低光照和极暗光线下的人脸美颜解决方案，继续扩展了超清人像美颜风格的应用平台，人像视觉效果更加自然、整洁，同时保持清晰度和立体感。视频任务上，针对移动设备端改善了模型以及任务框架，更好地利用设备GPU和NPU的优势，增强人像效果以及自然程度，同时提升了性能并优化了功耗。针对PC端主要增强人像修复强度，提升人像解析力，同时针对不同平台做了专门性能优化。实现针对车载、平板、PC、手机等设备的视频人像修复的轻量级模型部署。

    人脸修复技术，针对不同画质的人像照片进行了更精细的算法分级与差异化处理：对于正常拍摄场景，进一步提升人脸肤质的显性表达与自然度；结合TurboFusionSuperResolution技术对皮肤纹理、细节和真实感进行针对性调整，在增强面部细节的同时减少过度平滑和不自然的修复痕迹，使皮肤质感更加真实自然。针对长焦及极差环境下的人脸，持续优化人脸修复算法，有效恢复面部结构与关键细节，提升人脸清晰度。目前相关算法均已完成手机端部署，并作为整体画质增强模块的一部分应用于多个产品。

    合照增强技术，旨在解决多人合照场景中，因部分目标人物表情、姿态不协调而导致整体成片率低的行业痛点。全景式最优姿态融合：依托动态照片（静态图像+前后3秒动态视频流）的软硬件协同，算法在时序视频帧中精准识别并提取最佳的面部表情与头部姿态，通过高精度融合算法替换原图缺陷，确保合照中全员均呈现最佳状态。跨帧画质与肤色一致性对齐：为消除动态视频帧与高分辨率静态成像之间的画质鸿沟，团队研发了专用的肤色与画质对齐模块。结合面向微观画质微调的人脸修复算法，实现色彩空间与纹理细节的深度对齐，保障融合区域与背景的画质一致性。宠物场景适配：针对人宠合照的高频需求，技术进一步外延至宠物生态。目前已初步构建宠物头部姿态校正与眼部开合度检测校正算法，有效矫正宠物拍摄中的视线偏移与表情异化，显著提升人宠互动场景下的成像质量。RAW域多帧场景扩展：在未压缩的原生RAW数据域进行眼神与开合眼校正，完美解决合照眨眼痛点，确保眼神细节纯净、神态自然。

    （16）虚化技术（Bokeh）

    持续打磨视频虚化（电影模式）、单摄虚化、双摄虚化的产品细节，并将虚化产品线拓展至AI眼镜和云端等新平台、新场景，始终保持行业领先地位。

    视频虚化对设备有极高的功耗和性能要求，依托软硬件协同和管线并行化，持续地优化该技术在移动端的性能和功耗表现。在高端机型，优化后的算法链路能够支持4k分辨率，60帧率及HDR格式的高清结果输出。在中低端机型，优化后的性能功耗让该技术在更多平台上实现了部署，有效拓展该技术的机型覆盖范围。

    单摄虚化对于不同平台进行了差异化适配。针对超低算力平台，在重构的轻量级虚化算法的基础上，进一步优化计算效率和流程调度，在保障质量的前提下，使得功耗和性能得到进一步优化。对于高端平台，基于最新的AI-DepthUltra的3D重构能力，通过单目图像完整地重建了场景的三维空间结构。基于重构的3D场景信息，实现基于真实光学成像模型的虚化结果生成，显著提升了前后景虚化的自然度。

    深度融合双摄虚化与TurboFusion架构，创新接入2400万高分辨率采集链路。通过模块解耦与计算图重构，实现算力与存储的精准调度，算法耗时大幅优化，保障方案高效落地。AIBokeh数据域由16-bitRGB扩展至20-bit，完整保留原始亮度细节，显著提升虚化过渡的自然度与真实感。虚拟光圈算法突破焦距限制，由原35mm支持拓展至85mm及135mm长焦段，精准模拟大光圈光学特性，实现更强层次与更浅景深效果。结合显著性分割与精细化抠图（Matting）技术，将高质量虚化能力从人像场景延伸至任意主体，拓宽算法应用边界。针对联发科、高通等的中低端平台完成深度适配，全面压降算法耗时、功耗与内存占用，成功推动在千元机/中端机型规模化落地，实现高端人像体验的全面下沉。

    （17）深度恢复

    深度恢复技术在算法架构、端侧适配与场景应用等方面实现系统性突破，核心能力完成从二维深度估计到三维场景重建的技术跨越。基于全新模型架构与训练数据的持续优化，单目深度恢复技术已实现可度量深度预测。在主流移动终端平台，仅需单张图像输入即可输出具备物理尺度信息且与真实场景空间几何高度一致的深度结果，显著提升了人物重打光、背景虚化等下游视觉算法的效果表现。在此基础上，技术进一步拓展至三维场景表征，通过端到端直接预测单张图像的3D高斯参数，实现输入场景的高保真三维空间结构重建，正式完成从“单目深度恢复”向“单图三维场景重建”的关键跨越。

    在端侧部署与复杂场景攻坚方面，双摄深度拍照模型已全面适配高通与联发科的中低端平台，在保障画质稳定的同时实现性能与功耗的大幅优化，全面满足客户对高效、稳定、低功耗及高精度的综合需求。针对3倍及以上高倍率数码变焦导致的主副摄画质衰减与深度信息丢失痛点，创新研发基于RAW域的双摄深度恢复技术，充分利用RAW数据无损特性显著提升高倍变焦场景下的重建精度。同步开发深度图精修（Refine）算法，通过多阶段优化策略持续增强深度图的空间一致性与细节还原能力。持续打磨的单目与双目算法进一步提升了几何结构一致性与测深精度，并新增深度补全算法，为手机、机器人等多业务线提供高鲁棒性深度数据底座。前，高精度深度能力已成功应用于3DPhoto、新视角图像重建等创新产品，有效拓宽了单目深度技术的应用边界，优质深度结果持续反哺下游视觉算法生态，加速各项AI功能在智能终端与机器人领域的商业化落地。

    （18）图像语义分割

    持续优化和扩展AIMatting技术的效果和能力边界，推动其规模化商业落地。通过调整模型架构、持续优化训练数据，进一步提升了算法对于人像实例特征的感知和区分能力，对于饰品、手持物等附属物也有很好的检测能力，为人像虚化、换背景等上层应用提供了灵活可控的人像Matting方案。与此同时，将AIMatting技术扩展到了非人像场景，能够针对任意显著性物体进行精准的边缘抠图，显著提升了相关应用的边缘效果。新的Matting技术还针对众多端侧平台进行了部署优化，实现了效果与功耗的平衡。

    针对智能圈选、AI消除等应用开发了全景分割技术，该技术不仅能够识别天空、道路、建筑、水面、植被等常见的语义类别，同时能够给出人、汽车、宠物、杯子等常见物体的实例级别的分割掩码。技术上通过采用基于Transformer的全景分割框架，基于多尺度特征融合与注意力机制，对目标边界和上下文信息进行联合建模，增强实例间的区分能力，有效提升复杂场景下实例识别精度与语义分割的一致性。数据层面，采用了自动化标注和生成式扩充方案，快速构建了针对生活场景的大规模训练数据集。此外，还实现了该模型在端侧设备上的量化部署，保证了性能和效果的平衡。

    （19）目标检测和定位

    车牌脱敏技术持续迭代优化，在夯实线上版本稳定性与处理性能的基础上，成功拓展海外车牌检测与脱敏能力。目前已覆盖欧洲、中东、独联体、东南亚及澳大利亚等核心区域，支持多国主流车牌格式的精准识别与合规脱敏。在此基础上，进一步拓展OMS镜头（车内乘员监控摄像头）窗外场景车牌脱敏能力，实现多视角、多模态的隐私数据精准防护。该技术显著增强复杂观测场景下的隐私保护精度，满足海外车载数据安全合规要求。

    环视车辆检测与定位，支持多种机动车和非机动车的检测、跟踪、定位及运动状态分析，提高哨兵模式下的异常行为检测能力，实现机动车和非机动车碰撞风险的有效识别与预警。针对商用车高视角应用场景，支持目标检测与定位，新增半身遮挡检测，进一步提升定位精度。新增开门碰撞预警，支持后视镜折叠和展开两种状态下的开门检测与动作识别，准确记录周边车辆开门碰撞风险并及时发出预警。面向高算力乘用车平台，新增车门线识别与定位技术，实现车门开启后的局部精细化定位，支持更加精准的车门接触碰撞检测，提升真实车门碰撞报警的准确率。

    字符检测与识别技术，新增多国家车牌检测与车牌号码识别能力，应用于哨兵模式，为特定预警车辆提供准确的身份信息。新增车位号检测与识别功能，支持室内停车场及室外停车区域等多种场景，能够适配不同车位朝向和入口线方向，实现车位号的准确识别。引入多视角交叉验证与融合技术，提升复杂场景下识别稳定性，在智慧寻车系统中自动记录并推送车辆停车位置，提升寻车体验。

    近场障碍物检测与定位，持续优化起步预警功能，提升不同姿态行人及儿童目标的检测准确率，进一步降低误检。优化路沿、墙体、栏杆等静态障碍物的边界表征能力，结合多帧时序信息稳定目标位置，提升近场目标感知的鲁棒性，并应用于开门防碰撞、轮毂视图等智慧环视产品，进一步增强产品的安全性与用户体验。新增不同高度摄像头下，对锥桶、石墩和水马等近二十种静态障碍物的检测和定位。

    物体跟踪、人宠跟踪，随着智能AI硬件，特别是Pocket等产品的快速发展，市场对于物体跟踪有了新的需求和要求。基于此，上半年团队重点升级和研发了物体跟踪以及人宠跟踪相关的算法。针对物体跟踪，引入万物分割概念，用户点击物体后，算法可自动分割点击位置的完整语义物体，相较传统跟踪算法更加智能和精准。在物体跟踪的基础上，针对人体和宠物进行特别优化，引入人体和宠物的检测以及Reid算法，在多人宠交叉、遮挡、重拾等复杂场景下，都能稳定鲁棒地跟踪目标；当人体或宠物躯体位置被遮挡时，算法自动切换以头部特征进行持续跟踪，反之亦然。在算法功能层面，算法支持单人、单宠物、多人等不同场景，全面满足客户多样化需求。在算法性能方面，支持CPU、GPU、NPU的部署，在中高端算力平台上可以实现实时跟踪。

    （20）场景识别

    场景识别引擎GPU版本继续更新迭代算法模型，支持高通、联发科等NPU平台的运行，进一步提升了全体场景检测准确率，改善支持任意角度和有限度遮挡的目标场景检测。

    （21）三维重建

    三维重建技术基于3D高斯的重建算法方案，相较于NeRF方案，重建速度和效果都有提升。实现了一套在线内参标定算法，可以支持任意手机拍摄的视频作为算法输入而无需事先标定，方便服务器端重建应用场景使用。实现了一种全局一致的前景分割算法，能从视频中自动分割出前景物体完成重建，剥离不相关的背景。支持手机端实时渲染，能较好地复现各向异性的光照效果。基于单张图像预测出来的3D高斯参数，实现了全新的3DPhoto功能，可以从新的视角对任意单张图像进行重新渲染，该方案效果自然、真实，为用户浏览图片提供更真实、身临其境的视觉体验。

    针对XR眼镜应用场景，迭代和部署实时三维重建技术。迭代实时语义场景重建，并构建出室内场景的布局信息，目前已经支持室内场景墙、门、窗、天花板、地面、桌子、椅子等元素的布局信息，形成一个更简洁，信息更丰富的室内场景信息，为XR上层应用提供更加完善的语义信息，方便XR创作者创造出更加丰富的应用。

    3D重建数字资产仿真技术，全面支持高保真3D数字资产模型生成与多视角渲染。方案基于3D高斯溅射（3DGS）算法，融合多视角图像序列与相机位姿，借助可微光栅化技术完成端到端训练，高效重构物体几何结构与表面材质。结合多视角一致性约束与表面法线优化机制，突破复杂几何结构重建瓶颈，实现静态背景与动态车辆的高质量渲染。进一步引入3D高斯动态场景建模能力，显著提升资产重建画质与仿真效率，全面支撑精细化建模、数字孪生构建及自动驾驶场景仿真，精准满足复杂交通环境下的车辆行为分析与仿真推演需求。

    智驾场景点云重建，该技术深度支撑智能辅助驾驶4D标注体系，通过同步采集激光雷达与多目相机数据，采用多传感器融合方案，实现车载全场景高精度重建。输出格式全面覆盖点云、Mesh网格及语义占据（SemanticOccupancy）等多维表达，广泛适配户外道路、停车场等智驾典型场景。重建管线针对激光点云高反、高透及多路径效应等典型噪声，引入专用滤波算法精准还原真实场景，全面满足下游数据精度标准。同时，语义检测模块升级接入激光分割大模型，支持4类核心语义识别，实现车载Occupancy技术的全自动化真值生成，大幅降低人工标注成本，加速智驾模型迭代。

    （22）光照重建

    虚拟反光板技术进行了持续的迭代优化，在性能功耗优化、多平台适配及画质提升等方面均取得了进展。在性能与功耗优化方面，团队对算法的整体架构进行了优化，削减了冗余计算量，并在多个高耗时模块中引入了GPU等硬件级加速方案。使得拍照版本的运行耗时从数秒级缩短至1秒以内，显著提升了算法的执行效率并有效降低了设备功耗。特别针对实时预览场景，为保障算法在较低端设备上的流畅运行，缓解因设备发热导致的卡顿问题，团队专门定制了效果简化版本，并通过优化处理时序与并行计算逻辑，在保留基础光影质感的前提下，大幅降低了硬件负载，使整体性能提升50%以上，适配了不同硬件平台的算力需求。在平台适配方面，已完成对市面上多款主流智能手机平台的部署。针对不同的芯片架构，进行了深度的底层适配与调优，确保了算法在各硬件平台上均能保持精度达标与效果的一致性。结合上述性能优化成果，算法的落地范围已从原有的旗舰设备成功拓展至更多中端设备，进一步拓宽了技术的应用覆盖面。在画质与效果表现上，算法重点强化了人像的立体光感与整体美感。通过持续优化训练数据和光感渲染机制，使肌肤在补光后呈现出通透、水润的光泽。针对以往补光后肤色易泛惨白、灰白的问题，算法引入了更为智能的肤色自适应机制，使补光后的肤色更加红润自然。针对补光后人脸容易显得扁平、缺乏精神的问题，通过强化面部的明暗交界线、增加脸部和眼睛光感、适当保留对比度等方法提升了五官的立体度，使人物眼神与面部轮廓更加生动有神。此外，针对多个极具挑战性的复杂场景，算法也进行了专项优化。在背光场景下，有效解决了以往主体容易发蒙、发灰及缺乏立体光感的痛点，在精准提亮背光区域的同时，增加了丰富的高光层次。在侧光场景下，重点优化了阴影去除逻辑，改善了阴影消除后颜色过渡不自然以及过度去阴影导致立体感丢失的问题，确保了光影过渡的平滑与真实。

    （23）即时定位与地图构建（SLAM）

    机器人群体表演实时定位技术，面向大规模机器人编队表演场景，实现复杂舞台环境下的高精度厘米级定位与高稳定性运行。系统支持高速剧烈运动工况，可稳定应对1000°/s角速度与10m/s移动速度，保障空翻等高难度动作的定位连续性。针对人员密集、道具移动等动态干扰环境，具备强抗干扰能力，实现多机协同互不串扰。采用IMU、激光雷达、视觉里程计与本体感知紧耦合方案，结合自适应权重调节机制动态优化多源数据融合比例；专项攻克玻璃反光、粉尘遮挡等激光雷达退化场景，保障全天候可靠定位。系统支持全局几何特征自动提取与新场馆无感适配，定位丢失时可快速执行多策略重定位，大幅降低演出中断风险。支持基于机器人本体的快速建图能力，广泛适配大型体育场、剧院及户外临时舞台等多元场地。

    机器狗智能巡检技术，集环境感知、鲁棒定位与智能规控于一体，面向复杂封闭园区实现自主导航与安全作业。定位方面，研发多传感器融合SLAM方案，深度融合腿式里程计运动先验信息，显著提升楼梯攀爬、地形起伏等场景的定位连续性；引入点云与RGB图像联合重定位模块，支持跨楼栋/跨层级地图复用与快速恢复，在光照剧变、粉尘遮挡或GPS拒止环境下维持厘米级精度。配置故障检测与自适应降级策略，单传感器失效时自动调整融合权重，保障长时巡检可靠性。感知方面，基于双激光雷达点云实现障碍物检测与多目标跟踪，提供平面检测与三维地图比对双方案。平面检测可自适应估计局部地面方程，精准计算斜坡等连续变化地形目标高度；三维地图方案通过实时点云与高精度先验地图空间比对，识别新增障碍物，突破平坦区域限制。针对楼梯、平台、狭窄通道等场景，持续优化近场噪声抑制、点云聚类与包围框估计，并融合RGB语义分割辅助判断，稳定输出目标ID、位姿、尺寸、朝向及速度，有效解决短时漏检与远近目标差异问题。规控方面，构建面向园区的分层式架构。上层全局导航采用栅格地图路径搜索与关键航点排序，提升跨楼栋/层级任务调度效率；下层控制融合局部动态窗口法（DWA）优化策略，构建时变约束下的速度解空间搜索机制，通过局部轨迹代价函数优化求解，实现复杂约束下的精准避障。该技术显著提升了机器狗在非结构化环境中的运动鲁棒性，为复杂地形自主移动提供了实质性技术突破。

    同时，SLAM技术扩展到高阶辅助驾驶领域，包括城市NOA产品的记忆行车自建图算法和基于SDMapPro地图的BEV道路融合定位。在轻图辅助下，实现了硬件选型，BEV+GPS+里程计的多传感器融合定位算法，支持城区内各种复杂路段。此外SLAM技术在自动泊车辅助(APA)和记忆泊车辅助(HPA)中也发挥重要作用，支持以矢量化元素轻量高效进行泊车地图的建图与定位，在建图方面，能够以极低内存代价保存大规模矢量化车位与元素地图；在定位方面，能够以极低算力极低延迟在车端实现实时定位，并且保证定位精度，实现泊车过程中对目标车位的精准定位。

    公司研发了激光+GPS+里程计的多传感器融合定位算法，该算法可以支持智能辅助驾驶中4D标注所需的高精度、低时延的6DoF定位和道路场景的点云稠密重建。同时，支持智能辅助驾驶中4D标注LargeScale场景重建需求和基于场景重识别的标注真值复用功能，极大地提高4D标注静态要素的自动化标注质量。

    （24）健康监测

    健康监测技术在保障技术稳步量产的基础上，持续突破算法前沿，巩固行业领先优势。心率检测方面，构建从图像采集、rPPG信号提取到心率计算的全链路优化体系，从源头提升生命体征信号质量；针对动态行车等边界工况，创新研发抗干扰算法，实现驾驶员长程动态心率精准监测，显著优化复杂场景下的识别准确率与用户体验。血压监测方面，全面升级深度学习回归模型，收缩压与舒张压平均绝对误差（MAE）均稳定控制在10mmHg以内，实现无创血压高精度评估。呼吸检测方面，完成动态行车呼吸监测算法研发，针对车辆颠簸、转向及驾驶员躯体晃动等复杂工况，重构信号质量评估与异常过滤机制，有效抑制环境噪声干扰，全面提升呼吸监测的稳定性与准确性。

    （25）高级驾驶辅助系统（ADAS）

    公司ADAS产品矩阵持续深化技术布局与场景拓展，通过前沿技术融合与算法创新推动产品力实现跨越式提升。本报告期，公司以量产落地为导向打磨细节，在维持覆盖低、中、高算力平台的完整产品体系基础上，南湖产品（SouthLake）从软硬件层面全面对标量产标准，东湖产品（EastLake）基于端到端理念构建NOA新产品形态，整体实现产品力的稳步提升。

    南湖产品（低算力L2级智能驾驶辅助解决方案/一体机）以及商用车智能驾驶方案，以量产落地为导向持续推进技术迭代与功能完善。南湖产品从软硬件层面全面对标量产标准，执行高强度测试验证与逐细节打磨，产品质量稳步提升。在ACC功能方面，以AI大模型辅助建立实车问题分类库，通过传统视觉方法与机器学习结合的思路，快速迭代修复量产路测问题，复杂场景下测距测速KPI误差下降21%，障碍物运动分析算法模块平均耗时下降35%；着重提升大小车、隧道口、对向车、紧急跟停静止车、车辆切入切出、三轮车、颠簸、横置车、雨雾天跟车、夜晚跟车等困难场景跟车表现，平顺性显著提升，百公里跟车异常顿挫率降低80%，其中前车切除场景顿挫率降低95%、进出隧道口顿挫率降低90%、二级道路对向来车误制动降低82%、大车套小车场景接管率降低90%。在AEB功能方面，建立完成全范围自动化测试流程，覆盖场测功能测试、场测KPI测试、风险场景功能测试、大里程回灌测试，确保可靠性；通过应用传统运动物理学逻辑与深度学习特征结合的多维度验证方案，降低AEB误检，提升复杂场景鲁棒性，涵盖路边横置车、贴近超宽超长车、骑行人及车辆急转弯、遮挡行人车辆、行人车辆盲区切入、迎面大幅转弯骑行人、雨棚骑行人、不规则溢出载货目标、非直立姿态行人、各类倒影误检等典型场景，报告期内累计修复改进问题100余项，闭集验证AEB误报率达到1次/10w公里；AEB法规测试通过率整体提升，自测CNCAP21达到100%，CNCAP24通过率达到98%，场测典型项目CPLA、CBLA、CPFA、CBNAO、CSFAO场景下测量误差降低40%；新增DBS、partial-AEB、hold等AEB子功能，扩展商用大巴车AEB、叉车AEB等应用。在LCC功能方面，采用深度学习与传统视觉相结合的方案，优化位置精度，拓展半径50m以下弯道车道线曲率探知结构化输出，实现中远距离测距误差减少40%，支持斑马线、箭头道路元素结构化输出及边界线可跨越状态；底层模型端通过大模型和模型自动化，数据清洗效率提升450%，有效降本增效；应用层面同步拓展中型车、大巴车、海外乘用车等项目。在其它辅助功能方面稳步推进：产线及售后标定进一步完善，新增系统自检功能，三轴角度均方误差降低50%，水平转角误差降低60%；自动远近大灯功能支持反光标识牌，优化路灯检测，抑制背景杂光误漏检，迭代改进问题100多项，法规项通过率达100%，误触发项通过率99%，内测通过R48法规标准。在系统方面，建立面向量产的标准化产品规范，系统启动耗时优化至3秒以内，内存开销降低30%，DDR带宽减少10%，完成SIL软件回灌、HIL硬件回灌基础设施；实施功能安全，AEB通过功能安全认证，ADAS产品和APA产品感知框架完成功能安全报告；工具链新增全范围回放、售后标定、性能分析异常检查、超声波处理，重构实施模块标准化，满足多项目复用。

    东湖产品（中高算力环周一体NOA解决方案），面向高阶智能驾驶辅助的中高算力环周一体产品方面，成功构建了基于端到端架构NOA的新产品形态，实现行为可解释、意图有根据的智能辅助驾驶解决方案。通过感知与规划的解耦设计，在保持端到端技术优势的同时，确保了系统决策的可追溯性与可解释性，为高阶智能驾驶辅助的量产化设计奠定坚实基础。在具体技术架构方面，实现了多项关键算法模块的突破性进展：基于BEV+Transformer框架，完成多相机信号深度融合与端到端空间感知输出，显著提升障碍物和车道线的空间感知精度和感知距离；针对分汇流、路口等复杂道路场景，优化车道线及车道中心线高精度检测算法，提升道路拓扑识别准确率，专项优化匝道等分汇流场景的中心线稳定性；针对开放道路场景优化障碍物感知算法，可精准识别车辆、行人、非机动车及各类异形障碍物，专项优化雨天和夜晚场景障碍物检测能力，整体上优化动态和遮挡环境下的感知稳定性与鲁棒性，降低误报与漏检概率，为决策规划提供可靠的感知输入。在规控算法方面，系统面向导航变道、分汇流及匝道通行等典型高速场景构建差异化规控策略，通过场景识别与行为决策协同机制，实现基于道路结构与周围交通参与者行为的动态驾驶策略调整；针对高速大曲率弯道场景，引入结合道路曲率信息与车辆动力学约束的轨迹与速度联合优化策略，使系统能够提前完成减速与轨迹调整，显著提升弯道场景通过率与行驶稳定性；开发了动态目标轨迹预测算法，提前预测交通参与者未来的运动轨迹，为规划决策和安全避障提供关键依据。前沿技术布局方面，公司已启动两段式端到端接入NOA规划算法研究，优化车道变更、避障、路口通行等场景的行驶轨迹；同步开展基于一体式端到端架构与强化学习的NOA算法研发，为下一代智能化决策规划能力储备核心技术基础。

    （26）图像特效

    PersonalColorTone技术旨在通过个性化定制打破当前设备端内置滤镜的局面，允许用户创建新的基于学习方案的滤镜风格，包含局部调整（比如肤色）。首先，用户根据个人喜好在App或者Google相册里编辑素材，并加入过滤逻辑，去掉裁剪、涂鸦以及AI编辑的这些影响训练的操作结果，得到自己想要的风格图，然后直接在设备端进行在线训练，快则几分钟，慢则30分钟就能得到目标风格模型，视素材量而定。用户在后续拍照时，只需要选择训练好的风格模型，就能得到目标风格图像。小巧轻便的模型设计是关键，大大减少用户等待的时间，提升用户体验。

    图像艺术特征转换（ImageArtTransfer）技术实现一套面向移动端的高效风格迁移方案，并已在移动设备上实现油画效果部署。该方案以服务器端图像生成大模型为教师网络，完成高质量风格生成后，通过知识蒸馏将表征能力迁移至轻量化学生网络，并在手机端完成离线部署与实时推理。这一路径有效化解了大模型高算力需求与移动端资源受限之间的矛盾，为生成式AI在边缘设备的规模化落地提供了可验证的工程范式。

    （27）生成式大模型（AIGC）智能商拍技术

    针对AI智能试穿功能，持续迭代智能试衣、鞋子上脚算法，进一步提高试穿成功率、生成画质和整体真实感，并增强对复杂款式、复杂姿势及不同年龄段人体特征等困难场景的适配能力。试穿结果在整体一致性、自然度、真实性和美观性方面均得到明显优化，人物与商品的融合更加自然，穿着感、面料垂感及服装合身程度更加贴近真实效果，整体视觉表现更协调、更具美感，成片率也持续提升。对于智能试衣和鞋子上脚功能，除原有的标准模式外，还持续优化高品质模式，进一步强化商品材质的还原能力。针对牛仔、针织、蕾丝等纹理细密或结构复杂的困难材质，显著提升印花、纹理、缝线及走线等细节的清晰度和还原度；对于牛仔面料，更准确地还原斜纹肌理、水洗做旧效果及拼接走线；对于针织面料，增强线圈纹路、编织纹理及柔软垂坠感的表现；对于蕾丝、镂空等复杂面料，提升花型边缘、透肤层次及细密纹样的清晰度；对于皮革、绸缎等材质，更好地呈现光泽变化、表面纹理及褶皱质感；同时，格纹、条纹及印花图案的边界和对位也更加准确、自然，从而实现更具质感、更高质量的出图效果，以满足不同用户在不同场景下的多样化需求，尤其是高质量主图制作的需求。

    对于AI模特图功能，围绕模特替换与姿势裂变持续迭代升级。在模特替换方面，由此前的单图换头能力升级为整合头部替换与肤色编辑的完整方案，可将参考图中人物头部、肤色属性同步迁移至目标图像，在保持身体姿态与背景不变的同时，实现全身肤色协调自然、视觉真实的模特替换；新一代算法进一步提升了复杂前、后景场景下的鲁棒性与适用范围，推理耗时降至前代一半，并在头部边缘背景保留、面部光影、服装一致性、长短发切换、肤色一致性及画面质量等关键维度均优于前代，显著提升用户对生成结果的主观一致性评价。在姿势裂变方面，进一步扩展文本描述、参考姿态图及自然裂变等多种控制方式，通过算法优化显著提升人物ID一致性、服装一致性、背景连贯性与整体画面自然度，更好满足商家高效产出丰富多样模特套图的需求。

    对于3D服装特效图功能，在既有3D特效图能力基础上进一步拓展升级。新增多模态驱动的3D视效图生成能力，用户仅需提供服装平铺图，即可通过文本描述或其他款式服装的3D视效参考图，生成保持材质纹理细节、并根据空间状态调整褶皱与光影的3D视效图，显著增强专业化、多样化展示能力；同时持续优化3D特效图，支持通过文本描述或参考特效图生成包含特效与背景的3D服装特效图，使背景、特效与服装特性及使用场景更加匹配，整体在材质还原、空间感表现与创意表达方面较上一版本明显提升，进一步增强产品图的视觉吸引力。

    对于AI改色功能，围绕多品类复色与新增AI配色能力进行了重点升级。在复色方面，相较去年初版，今年上半年经多次迭代已全面支持面料级复色，能够识别并适配棉、丝绸、针织、皮革等多种面料的物理质感差异；支持用户仅框选衣服局部区域即可准确提取颜色并完成模特图复色，即便输入超高分辨率图像，仍可保留材质纹理、缝线走向等精细细节；针对丝袜等镂空品类，模型可精准区分实体与镂空区域，在成功复色的同时完整还原镂空形态结构，显著拓宽可用品类与商用场景。此外，新推出AI配色技术，可将参考图中的颜色搭配方案迁移至同款目标模特图，实现两色、三色乃至更多颜色的分区精确替换；支持VLM自动生成配色方案或文本指令指定编辑区域，并在配色准确的同时完整还原Logo、拉链等精细结构，较传统整衣换色在搭配灵活性与细节保真度方面均有明显提升。

    对于AI商品图功能，我们重点围绕静物拍摄场景的控制性与创意性进行了升级。在参考图模式下，基于用户上传的参考图片，新方案能够精准复刻参考图中的场景布局、风格特征及艺术特效，将目标商品自然、真实地融入参考场景，实现高保真的商品展示效果。同时，新方案进一步增强了文本指令的理解与控制能力，能够准确解析用户对创意场景各方面的需求，生成更加符合预期的商品图片，使创作过程更加灵活高效。整体效果在场景一致性、商品融合度、创意表达能力以及生成质量等方面均较上一版本实现了显著提升，为商品营销和内容创作提供了更高质量的AI生成能力。

    对于AI换背景功能，PSAI实现了高速、高清、高质量的背景替换算法。PSAI完善了对于棚拍、室内、城市夜景、森林、草地、雪山等复杂背景的支持，生成构图更合理，材质更细腻，光影更真实的图片。仅需单张背景参考图，PSAI一分钟以内即可生成背景替换后的高清图片,生成耗时减少了50%。同时PSAI支持用户手动选择背景更一致或融合感更强的生成偏好，满足电商客户对于高背景一致性或前背景融合感的差异化需求。在融合感更强的模式下，生成背景的同时也会对模特前景进行同步融合优化，在保证模特ID以及服装一致性的基础上，优化模特前景的色调和光影，使得生成的图像更加真实，仿佛模特真实置身于背景环境之中。

    对于AI重打光功能，其旨在系统性地解决AI生成图像中光照不协调的难题。该功能既可依据背景场景的光照分布（包括光源方向、色温及阴影柔硬度），对前景主体进行光照重构，以实现人像与背景在亮度、色调及投影逻辑上的自然融合；亦可借助外部参考图像，将其全局光照特征及色彩基调迁移至待处理图像，确保输出结果在光照方向与色调风格上与参考图高度一致。为贴近商业摄影流程，系统还内置了模拟反光板的选择性补光算法，可针对人像暗部区域进行柔和提亮，从而增强立体感并提升画面美观度。最终，所有处理结果均支持4K超高清输出，能够精细保留皮肤纹理及边缘过渡等微观细节，充分满足广告、电商等高质量商业视觉制作的专业需求。

    对于AI模特视频生成功能，由动作模仿与区域替换能力进一步拓展为视频理解、视频换头与视频换模特的完整能力矩阵。新推出视频分析Agent，面向爆款视频复刻场景，可分层拆解参考视频的主旨、分镜与画面细节，结合用户素材重新规划剧本与镜头语言，并自动生成分镜对应的图像与视频提示词，形成可落地的完整视频生成方案，显著降低制作成本、提升视频流水线效率。在视频编辑方面，升级视频换头与视频换模特能力：视频换头通过目标人物参考图实现连续帧中的头部稳定替换，在人物ID一致性、减少身份漂移与前后帧不一致方面提升明显，并更好适应转头、表情变化、快速运动、局部遮挡及光照变化等困难场景，同时保留原视频动作、表情、背景与运镜效果；视频换模特则在保持动作、镜头运动、背景及光照风格稳定的基础上，实现人物全身主体的自然替换，增强服装在大幅动作、遮挡与视角变化下的时序稳定性，减少形变与细节漂移，整体真实感与连贯性较此前视频替换方案显著增强。

    PSAI还推出了自研的生图AIAgent功能，实现对于任务的理解、逻辑推理、以及最终提示词的生成。生图Agent应用于AI换背景、AI电商详情页等多个强逻辑的生图场景中，与自研算法结合，借助LLM的世界知识和推理能力，以及Agent框架的稳定性，来让AI换背景和AI电商详情页的生成更可控、构图更合理、细节更美观。

    （28）泊车辅助系统（AVM/APA/HPA）

    AVM技术持续围绕产品体验优化和工程效率提升开展研发。针对透明底盘拼接对齐问题，重点优化低速、加速及转弯等典型工况下的拼接策略，提升透明底盘画面的几何对齐精度和稳定性，改善车辆运动过程中的画面错位现象。持续优化拼接画面的亮度、色彩一致性及HDR显示效果，提升复杂光照场景下的画面稳定性和视觉表现。研发透明底盘调试工具及拼缝调试工具，实现拼接效果可视化分析和参数快速调优，提升算法开发与调试效率。在3D视图方面，融合深度感知与目标检测技术，进一步优化目标显示效果，提升整体视觉体验。新增全景拼接图生成能力，为三维车模渲染提供更加真实的环境光照信息，进一步提升车体光照效果和整体视觉真实感。新增基于CPU的2.5D环视拼接动画能力，实现车辆周围环视画面的平滑动态过渡和连续展示，在低算力平台上有效降低视角切换过程中的视野盲区，提升AVM环视显示效果和驾驶辅助体验。

    在L2级行泊一体解决方案中，自动泊车辅助（APA）和记忆泊车辅助（HPA）是其重要组成部分。公司在自动泊车领域持续创新，基于前期AVM/APA/HPA技术积累，在感知算法精度提升、规控智能化升级、工程效率优化等多个方面取得技术突破。

    APA感知算法在底层算法精度上持续提升。可行驶区域召回率提升3%，目标检测召回率提升1%，路沿空间水平车位定位精度由10cm提升至3cm，提升70%。新增倒车循迹功能，支持更多典型复杂场景，优化拥挤水平车位、靠墙狭窄车位泊入成功率，优化盲区视觉算法提升车长超过5.2米的泊车成功率，改善空间水平车位及带限位器车位泊车贴合度。

    APA超声波算法新增USS障碍物置信度、高低属性、障碍物分裂等核心算法模块。持续优化动态障碍物删除、拖边删除、线段融合等功能，提高超声波障碍物识别准确率及稳定性。APA规控智能化方面实现重要进展。完成APA速度规划能力升级，新增期望速度、最大速度、T型速度规划、加速度平滑、曲率变化率限速、障碍物风险限速等功能，进一步完善泊车纵向控制能力。完成APA控制算法升级，引入模糊自适应控制，新增泊车结束方向盘自动回正、换挡静止控制等功能，提高泊车舒适性。完成APA路径规划优化，新增异常路径优化、断头路径优化、轨迹平滑优化、路径搜索优化等能力。

    APA工程效率实现全面提升。完成APA路径质量自动评价平台建设，实现路径质量自动化评估与量化分析。建立APA速度规划统一框架，实现速度规划与后处理融合。引入模糊自适应控制，提高泊车控制鲁棒性。持续优化APA路径质量，提高路径曲率连续性、轨迹拟人性及泊车效率。持续优化APA速度规划，提高泊车平顺性、舒适性及安全性。持续优化路径搜索算法，降低搜索耗时，提高规划实时性。

    （29）三维渲染引擎

    三维渲染引擎持续完善核心渲染能力和底层架构，提升跨平台适配能力及实时渲染性能。引擎提供渲染、动画、UI等完整的图形引擎解决方案，支持基于物理的渲染，可真实模拟金属、玻璃、塑料、皮革等多种材质效果，并支持融合环境光照信息，进一步提升车辆及三维场景的真实感和视觉表现。

    持续优化引擎渲染架构，完善多渲染管线和多种反走样方案，引入智能场景资源管理与渲染调度机制，支持GPU压缩纹理、材质合批、自动视域剔除及视点跟踪等关键技术，有效降低资源占用和渲染开销，缩短引擎初始化时间，提升低算力车载平台上的运行效率和实时渲染性能。

    动画与特效系统持续升级，完善骨骼动画、粒子特效、序列帧动画、动态倒影、自适应视点动画及立体光源等能力，进一步增强三维场景的动态表现力和沉浸感。UI系统全面升级为三维渲染模式，支持MSDF字体、三维图元及三维画线渲染，实现UI与三维场景的一体化融合，提升整体显示效果。

    针对项目定制化需求，持续完善资源编辑工具链，支持着色器离线编译、资源自动更新及模块化资源管理，提高跨平台兼容性和开发效率；支持多实例渲染、多光照及多渲染空间管理，满足不同车型、不同应用场景下的高性能实时渲染需求。

    （30）图像修补技术

    图像修补技术，移动端图像修补技术基于扩散模型强大的生成先验能力打造统一核心算法方案，依托模型优异的图像生成与编辑潜能，适配手机端各类图像修补场景需求。方案以单一核心架构为基础，衍生出路人检测、手动全选两种编辑模式，兼顾智能自动修补与用户自定义编辑需求，适配不同场景的操作与精度要求。其中路人检测模式依托配套自研图像分割库，具备精准的场景识别能力，可智能检测并精准筛选出画面中主体人物以外的路人目标，自动定位需要修补的区域，无需用户手动操作，高效完成冗余路人的去除与画面修补工作。手动全选模式则主打高自由度人机交互能力，支持用户自主圈选、选中图像任意区域，可灵活自定义需要编辑、修补的画面内容，适配个性化精细修补、局部画面优化等复杂使用场景，充分满足用户多样化的图像编辑需求。两种模式均适配任意尺寸图像、任意形状修补区域，兼容性广，适用场景全面。为适配手机端设备性能、提升生成效率，该方案配套部署专属加速LoRA模块。通过轻量化LoRA微调优化，模型无需大量迭代步数，仅通过少量生成步数即可输出纹理细腻、边缘自然、高度贴合原图风格的高质量修补图像，在保障极致修补效果、弱化画面拼接突兀感的同时，大幅提升移动端生成速度，实现高效、高质的端侧图像修补体验。

    视频修补技术，围绕视频目标分割、光流估计与补全、视频内容修补三大核心技术方向开展研发，重点突破复杂场景下目标跟踪、时空一致性建模及移动端实时部署等关键技术瓶颈，形成了一套兼顾高精度、高效率与端侧实时运行能力的视频智能修补技术体系。在视频目标分割方面，提出了融合目标特征建模与长期时序记忆的目标跟踪分割算法，实现用户指定目标在整段视频中的稳定跟踪与像素级精确分割。同时，结合网络结构重参数化、模型融合、知识蒸馏及轻量化设计等技术，实现模型在移动端的高效部署，在保证分割精度的基础上达到实时推理性能。针对AI视频编辑中的路人消除等典型应用场景，研发了智能路人检测与自动分割算法，可自动识别复杂背景中的行人目标并生成高质量分割结果，大幅降低人工交互成本，提升智能编辑效率和用户体验。光流估计与补全方面，突破传统光流估计、区域补全等多阶段串联方案存在的误差累积和泛化能力不足的问题，创新构建了光流估计与光流补全一体化端到端网络，实现运动信息预测与缺失区域补全的联合优化。该方法充分利用全局运动约束和局部纹理信息，在复杂动态场景、快速运动、大面积遮挡及非刚体运动条件下，能够获得更加连续、稳定和准确的光流场，有效提升视频修补的时空一致性。针对移动端算力和存储资源受限的问题，通过模型轻量化、算子融合、计算图优化、内存复用及异构计算加速等多项关键技术，将单帧处理时延由1000ms以上降低至约10ms，实现了高精度光流算法在移动终端上的实时运行。视频内容修补方面，基于视频时序建模、目标分割结果及光流运动信息，建立了面向视频序列的时空一致性修补框架，实现缺失区域的高质量内容重建。针对视频修补过程中普遍存在的纹理模糊、运动鬼影、累计误差扩散以及光照变化引起的时序不一致等技术难题，创新提出累积误差截断、关键像素缓存、自适应时序传播及多帧融合优化等核心算法，有效抑制误差传播，提高修补区域的结构完整性、纹理真实性和跨帧连续性，显著提升复杂场景下的视频修补质量。在工程实现方面，通过模型蒸馏、低比特量化、混合精度计算及并行流水线优化等一系列端侧部署技术，实现了完整视频修补算法在移动设备上的高性能落地，在算法精度、实时性能及资源消耗之间取得了优异平衡，为移动端AI视频编辑、智能内容生成及视频后期处理等应用提供了具有自主创新能力和行业竞争力的核心技术支撑。

    （31）生成式超分技术(AIGCSR)

    生成式超分技术（AIGCSR）基于AIGC大模型预训练学习到的丰富自然图像先验，通过扩散模型（DiffusionModel）等新一代生成架构，实现面向真实移动影像场景的高质量图像超分。相比传统超分算法主要依赖局部纹理增强和像素重建，AIGCSR能够充分利用大模型对自然图像结构、语义信息和纹理分布的理解能力，针对手机长焦和数字变焦过程中由光学限制、拍摄距离、环境光照以及用户拍摄运动等因素导致的复杂退化问题，在复杂退化条件下恢复丢失的高频细节和自然纹理。

    通过生成式先验+高保真修复+强生成能力的结合，AIGCSR能够在保持原始图像结构、主体内容和视觉一致性的基础上，恢复自然纹理、提升细节表现，并有效抑制生成伪影和过度增强问题。同时结合模型蒸馏、轻量化网络设计和低比特量化技术，实现生成式超分模型在移动端设备上的高效部署。

    该技术突破传统图像增强算法的能力边界，不仅提升长焦场景下的清晰度、真实感和细节恢复能力，同时针对文字、人像、密集纹理等复杂区域都可以针对性优化生成质量，为用户带来更加自然可靠的下一代智能成像体验。

    （32）视频稳像

    视频稳像技术完成录制模式功能升级，并在国内多家头部AI眼镜客户实现量产出货。基础稳像能力实现突破，有效平衡画面平滑过渡与动态跟随效果，显著提升视频流畅度。针对录制模式可预判运动轨迹的特性，新增动态水平校正与自适应视场角（FOV）功能，解决AI眼镜用户因无实时预览导致的画面倾斜问题，全面优化成片质量。同时，基于运动幅度自适应调节画面裁切比例，在保障稳像效果的前提下最大化保留原始视野，拓宽内容记录范围。预览及实时录制模式正式补齐数字图像稳像（DIS）能力，标志着视频稳像技术迈入混合防抖（HyperVideoStabilization）新阶段。支持超高倍率场景下EIS与OIS协同工作，大幅提升长焦/高倍率视频的防抖稳定性。算法应用场景持续拓展，成功覆盖LivePhoto、Time-lapse等新兴影像功能。其中，Time-lapse已获多家AI眼镜客户订单落地，进一步拓宽了视频稳像技术的商业化边界。

    2、报告期内获得的研发成果

    截至2026年6月30日，公司拥有专利323项（其中发明专利295项）、软件著作权162项。相较于2025年末，报告期内净增发明专利12项、软件著作权2项。

    四、风险因素

    1、技术升级迭代风险

    公司所处的视觉人工智能行业技术升级迅速，是典型的科技驱动型行业，产品更新换代频繁，市场对技术与产品的需求不断提高，更多的视觉人工智能技术正被运用到各类智能终端。作为一家以研发和技术为核心驱动力的企业，如果公司不能正确判断和及时把握行业的发展趋势和技术的演进路线，并投入充足的研发力量布局下一代的视觉人工智能技术研发，可能导致公司无法保持当前的技术领先性，从而对公司未来的经营产生不利影响。

    在移动智能终端领域，智能手机市场的需求变化较快，相关技术的迭代周期较短，迭代周期约为1-2年。如果公司未能及时更新升级相关技术或根据市场需求成功开发出新产品，则公司可能出现技术落后、技术迭代不及时等情况，从而导致市场占有率大幅下降。在AI眼镜、XR3D空间计算头显等方向，公司进行了一系列前瞻性的技术和业务布局，但若无法抓住未来市场涌现的机遇尽快获取客户，则可能导致错失发展机遇的风险。在智能汽车领域，当前产业竞争加剧，如公司无法快速与OEM合作伙伴推出有竞争力的量产产品，则公司可能面临错失发展机遇的风险。

    2、市场竞争风险

    公司所处行业发展前景广阔，近年来参与者不断增多，并不断加大技术研发及市场开拓的投入，行业竞争加剧。众多企业凭借其在特定细分领域的优势参与各垂直应用领域的竞争。若公司不能持续有效地制定并实施业务发展规划，保持技术和产品的领先性，则将受到行业内其他竞争者的挑战，从而面临市场竞争加剧而导致的毛利率下滑和市场占有率下降的风险，进而影响公司的经营业绩和发展潜力。

    3、核心技术泄密的风险

    公司销售的各类产品均基于公司独立研发积累的大量计算机视觉核心技术。为保护公司的核心技术，公司制定了严格的保密体系，但上述措施仍无法完全避免公司核心技术泄密的风险。未来如果公司相关核心技术内控制度不能得到有效执行，或者出现重大疏忽、恶意串通、舞弊等行为而导致公司核心技术泄露，将对公司的核心竞争力产生风险。

    4、新业务开发和拓展风险

    公司经过数十年的发展，积累了大量视觉人工智能的底层算法，这些底层算法具有通用性、延展性，除了可以广泛运用于智能手机外，还可应用于AI眼镜、XR3D空间计算头显等其他消费电子产品以及智能汽车、智能商拍、智能保险、智能零售、智能家居、医疗健康等多个领域。

    新业务的成功与否既受到行业发展状况、市场需求变动以及市场竞争状况等因素影响，又受到公司对新领域的理解、认知、推广力度及与伙伴的合作等诸多因素影响。因此，公司对新业务开发和拓展可能不及预期。如果公司在新领域产品开发或市场推广效果不佳，或者出现其他不利因素，将可能导致公司新业务开发失败，从而对公司未来的经营业绩产生不利影响。

    5、主要客户采购量减少的风险

    报告期内，公司前五名客户销售额为24281.42万元，占销售总额的55.20%。如果智能手机出货量下滑、主要客户业务发展战略发生调整、主要客户因供应链短缺等原因延迟推出新机型或者其他不可预知的原因导致对公司产品的采购需求下降，则会对公司整体经营业绩产生不利影响。

    6、核心人才流失、未能招募足额的优秀人才及人力成本上升风险

    公司所处的视觉人工智能行业近年来发展蓬勃，对人才的需求量较大。公司的业务发展，需要一批稳定的研发技术人员、产品化人才及管理人才，这些核心人才对于公司业务的发展壮大起到至关重要的作用。

    公司的成功取决于不断吸收和留住高水平的研发、产品、销售和管理人才。尽管公司通过内部培养及外部引进逐步形成了较为稳定的核心人才团队，并通过树立企业文化、优化薪酬体系、改善工作环境、完善绩效考核机制等方式完善了人才培养体系，但是，仍然可能出现核心人才流失的情况，从而给公司业务带来不利影响。

    公司所处行业内企业对于优秀人才的竞争越来越激烈。如果公司未能招募到满足公司业务发展需求的优秀人才，则会对公司的业务发展产生不利影响；如果公司在人力成本上的投入增长速度持续高于收入的增长速度，则会对公司的短期经营业绩产生不利影响。

    7、管理能力不能满足业务发展需求的风险

    目前，公司已积累了适应业务快速发展的经营管理经验，完善了相关内部控制制度，逐步实现了公司内控制度的完整性、合理性和有效性。随着新业务的深入推进，公司资产规模和经营规模扩张，在研究开发、市场开拓、资本运作、内部控制、运营管理、财务管理等方面对公司的管理层提出更高的要求。若公司的组织模式、管理制度和管理人员未能适应公司内外环境的变化，将给公司持续发展带来不利影响。若公司管理水平不能快速适应不断扩大的经营规模，解决上市公司经营管理面临的新课题，也将对公司发展带来不利影响。

    8、行业风险

    目前，公司提供的视觉人工智能解决方案主要应用于智能手机、智能汽车行业，主要客户包括了三星、小米、OPPO、vivo、荣耀、Moto等全球知名手机厂商以及国内主要的自主品牌、部分合资品牌、外资品牌汽车主机厂商。报告期内，公司移动智能终端视觉解决方案业务收入为35894.26万元，占公司营业收入比例为81.61%，公司下游主要客户集中于智能手机市场。

    公司智能手机视觉解决方案收入与智能手机和摄像头的出货量虽无明显线性相关关系，但如果智能手机出货量下滑、摄像头出货量出现下降，主要智能手机业务客户发展战略发生调整或者其他不可预知的原因导致对公司的智能手机计算机视觉解决方案的采购需求下降，则会对公司经营业绩产生不利影响。车载AI业务方面，若行业竞争加剧，公司技术及产品竞争力不足，客户业务发展战略发生调整、客户自身业务发展状况发生改变或供应链紧缺等，可能导致公司车载AI业务进展不及预期，以上因素可能会对公司经营业绩产生不利影响。

    9、宏观经济风险

    公司主要从事视觉人工智能技术的研发和应用，主要产品有移动智能终端视觉解决方案、车载AI视觉解决方案，主要终端应用领域包括智能手机、笔记本电脑、智能可穿戴设备等消费电子产品以及智能汽车等，应用领域对国内外宏观经济、经济运行周期变动较为敏感。如果国内外宏观经济发生重大变化、经济增长速度放缓或出现周期性波动，公司主要客户因终端需求下滑、调整自身市场计划，或因供应链短缺等原因延迟推出新产品而对公司采购需求下降，且公司未能及时对行业需求进行合理预期并调整公司的经营策略，可能对公司未来的发展以及经营业绩产生负面影响。

    10、贸易摩擦风险

    随着公司经营规模的不断扩大，公司人员增加、结构优化导致各项费用增加，同时在国际贸易摩擦的背景下，国外客户受美国制约可能向公司减少采购，国内外客户受制于贸易摩擦或其他因素导致的自身销量下降进而可能对公司采购下降，以上因素可能会对公司的短期业绩形成不利影响。

    11、税收优惠的不确定性风险

    报告期内，公司及子公司享受了一系列增值税税收优惠、所得税税收优惠，尽管税收减免对公司业绩的影响有限，但如果未来公司所享受的税收优惠政策出现不可预测的不利变化，或者在税收减免期内公司不完全符合税收减免申报的条件，则公司将在相应年度无法享受税收优惠或存在所享受的税收优惠减少的可能性。公司税收优惠政策可能的变化会使公司未来经营业绩、现金流水平受到不利影响。

    12、汇率波动风险

    虹软科技是一家全球化公司，在境外多地拥有经营主体，且客户分布韩国、日本、中国台湾、美国及欧洲等各地，报告期内公司来源于境外的收入占比为36.00%，上述境外业务使用外币进行结算，受到人民币汇率水平变化的影响。随着公司业务的发展，公司外汇结算量将可能进一步增加，同时人民币汇率受国内外政治、经济环境等综合因素的影响，存在波动风险，进而对公司的经营业绩产生不利影响。

    13、应收账款收回风险

    截至报告期末，公司应收账款账面余额为35336.03万元，较期初增加3150.29万元。增加部分主要为应收移动智能终端业务客户，该类客户信用较好。如果未来宏观经济形势发生不利变化，客户经营状况发生重大困难，公司可能面临应收账款无法收回而增加坏账损失的风险。

    14、诉讼风险

    在业务发展过程中，公司可能面临各种诉讼、仲裁。公司不排除在经营过程中，因公司业务、人力、投资等事项而引发诉讼、仲裁事项，从而耗费公司的人力、物力，以及分散管理的精力。公司实际控制人HuiDeng（邓晖）于2019年9月出具承诺，针对“MarcChan、LeiLi及其家庭基金诉讼事宜”，如发生任何纠纷（包括但不限于诉讼、仲裁、索赔等）给公司造成任何经济损失（包括但不限于支付赔偿款、律师费、诉讼费等）均由公司实际控制人HuiDeng（邓晖）独立承担。截至目前，双方均已提起上诉，上诉结果存在不确定性。

    15、母子公司多层架构的风险

    公司下设多家境内外子公司，层级较多，公司面临各国法律及税收的监管要求。如果未来境外子公司所在国家或地区法律及税收的监管要求发生不利变化，同时公司实际控制人、管理层缺少相应的管理经验和能力，将增加公司管理协调的难度，带来经营管理风险，从而对公司业绩造成不利影响。如果未来境外子公司所在国家或地区对于现金分红、资金结转等事项进行严格监管，可能对公司下级子公司的经营利润逐级分配至母公司构成一定障碍，可能造成母公司没有足额资金进行现金分红的风险。

    16、知识产权侵权风险

    公司坚持自主创新的研发路线，经过多年的技术开发和业务积累，掌握了多项核心技术，拥有发明专利295项、软件著作权162项。公司的商标、专利、软件著作权等知识产权对于公司的业务经营至关重要，公司建立了完善的知识产权维护机制以保护公司的知识产权免受侵犯。但是，考虑到知识产权的特殊性，第三方侵犯公司知识产权的情况仍然有可能发生，从而导致公司为制止侵权行为产生额外费用，对公司正常业务经营造成不利影响。

    同时，虽然公司一直坚持自主创新的研发战略，以开发自有、底层技术为主要研发路线，以避免侵犯第三方知识产权，但仍不排除少数竞争对手采取恶意诉讼的市场策略，利用知识产权相关诉讼等拖延公司市场拓展，以及公司员工对于知识产权的理解出现偏差等因素出现侵犯第三方知识产权的风险。

    五、报告期内主要经营情况

    报告期内，公司实现营业收入43984.24万元，较上年同期增长7.19%；实现归属于上市公司股东的净利润7713.84万元，较上年同期下降12.87%。

本文数据来源于虹软科技2026年中报，仅供参考不构成投资建议。