公司代码：688207 公司简称：格灵深瞳

北京格灵深瞳信息技术股份有限公司 2026 年半年度报告

重要提示

一、 本公司董事会及董事、高级管理人员保证半年度报告内容的真实性、准确性、完整性， 不存在虚假记载、误导性陈述或重大遗漏，并承担个别和连带的法律责任。

二、 重大风险提示 具体详见本报告“第三节管理层讨论与分析”之“四、风险因素”。 三、 公司全体董事出席董事会会议。 四、 本半年度报告未经审计。

五、 公司负责人赵勇、主管会计工作负责人吴梦及会计机构负责人（会计主管人员）崔亚 茹声明：保证半年度报告中财务报告的真实、准确、完整。

六、 董事会决议通过的本报告期利润分配预案或公积金转增股本预案 无。 七、 是否存在公司治理特殊安排等重要事项

□适用 √不适用 八、 前瞻性陈述的风险声明 √适用 □不适用

本报告所涉及的公司未来计划、发展战略等前瞻性陈述，不构成公司对投资者的实质承 诺，请投资者注意投资风险。

九、 是否存在被控股股东及其他关联方非经营性占用资金情况

否

十、 是否存在违反规定决策程序对外提供担保的情况

否

十一、 是否存在半数以上董事无法保证公司所披露半年度报告的真实性、准确性和完整性

否

十二、 其他

□适用 √不适用

目录

第一节 释义.......................................................................................................................................... 4 第二节 公司简介和主要财务指标......................................................................................................6 第三节 管理层讨论与分析..................................................................................................................9 第四节 公司治理、环境和社会........................................................................................................50 第五节 重要事项................................................................................................................................ 52 第六节 股份变动及股东情况............................................................................................................85 第七节 债券相关情况........................................................................................................................89 第八节 财务报告................................................................................................................................ 90

第一节 释义

在本报告书中，除非文义另有所指，下列词语具有如下含义：

注：本报告中部分合计数若出现与各加数直接相加之和在尾数上有差异，均为四舍五入所致。

第二节 公司简介和主要财务指标

一、 公司基本情况

二、 联系人和联系方式

三、 信息披露及备置地点变更情况简介

四、 公司股票/存托凭证简况 (一) 公司股票简况 √适用 □不适用

(二) 公司存托凭证简况

• □适用 √不适用 五、 其他有关资料
• □适用 √不适用

六、 公司主要会计数据和财务指标 (一) 主要会计数据

单位：元 币种：人民币

(二) 主要财务指标

公司主要会计数据和财务指标的说明 √适用 □不适用

• 1、报告期内，归属于上市公司股东的净资产同比增加 32.55%，主要原因系公司持有驭势科技股 权的公允价值变动；
• 2、报告期内，研发投入占营业收入的比例同比减少 18.45 个百分点，主要原因系本期营业收入同 比增长幅度高于研发费用增长幅度。

七、 境内外会计准则下会计数据差异

□适用 √不适用 八、 非经常性损益项目和金额 √适用 □不适用

单位：元 币种：人民币

对公司将《公开发行证券的公司信息披露解释性公告第 1 号——非经常性损益》未列举的项目认 定为非经常性损益项目且金额重大的，以及将《公开发行证券的公司信息披露解释性公告第 1 号 ——非经常性损益》中列举的非经常性损益项目界定为经常性损益的项目，应说明原因

□适用 √不适用 九、 存在股权激励、员工持股计划的公司可选择披露扣除股份支付影响后的净利润 √适用 □不适用

单位：元 币种：人民币

十、 非企业会计准则业绩指标说明

□适用 √不适用

第三节 管理层讨论与分析

一、 报告期内公司所属行业及主营业务情况说明

（一）公司所属行业情况

根据《国民经济行业分类》（GB/T4754-2017），公司属于“软件和信息技术服务业”（行 业代码为 I65）。根据《战略性新兴产业分类（2018）》，公司属于“新一代信息技术产业”中 的“人工智能”行业。

人工智能是引领未来的战略性技术，是新一轮科技革命和产业变革的重要驱动力。2025 年， 《中共中央关于制定国民经济和社会发展第十五个五年规划的建议》作出“全面实施‘人工智能+’ 行动”的战略部署。国务院印发的《关于深入实施“人工智能+”行动的意见》提出：到 2027 年， 率先实现人工智能与 6 大重点领域广泛深度融合，新一代智能终端、智能体等应用普及率超 70%； 到 2030 年，新一代智能终端、智能体等应用普及率超 90%，智能经济成为我国经济发展的重要 增长极；到 2035 年，我国全面步入智能经济和智能社会发展新阶段，为我国人工智能发展设定了 明确的阶段性目标。

作为“十五五”规划的开局之年，2026 年初，政府工作报告首次明确提出“打造智能经济新 形态”，并将“深化拓展人工智能+”列为年度重点任务，标志着我国人工智能战略从技术应用层 面向经济形态重构层面跃升。2026 年上半年，人工智能产业政策密集落地。政策导向从支持技术 研发攻关，转向扶持行业场景规模化落地。围绕国务院《关于深入实施“人工智能+”行动的意见》， 多部委协同发力，为 AI 的产业发展指明了具体路径。2026 年 1 月，工信部、中央网信办、国家 发展改革委等八部门印发《“人工智能+制造”专项行动实施意见》，提出到 2027 年，推动 3—5 个通用大模型在制造业深度应用，推出 1000 个高水平工业智能体，打造 100 个工业领域高质量 数据集，推广 500 个典型应用场景，培育 2—3 家全球影响力生态主导型企业等。工信部印发《工 业互联网和人工智能融合赋能行动方案》，提出到 2028 年，推动不少于 5 万家企业实施新型工业 网络改造升级。2026 年 6 月，工信部印发《“人工智能+信息通信”创新发展实施意见（20262028 年）》，提出到 2028 年，形成 30 个以上高价值典型场景，打造一批典型应用和特色智能体，

城域算力 1 毫秒时延圈覆盖率不低于 75%。商务部等八部门印发《关于加快“人工智能+消费” 发展的实施意见》，以扩大智能商品消费、赋能服务消费、创新消费场景为重点，提出 5 方面 17 条举措。工信部、国资委联合印发通知，正式启动 2026 年度人形机器人与具身智能实景实训专项 行动，提出到 2026 年底，形成百个以上高价值应用场景，进一步丰富具身智能应用谱系，带动形 成万台级规模落地能力。国家数据局印发《关于推进行业高质量数据集建设行动的实施方案》， 全面夯实高质量数据底座以赋能“人工智能+”行动并催生智能经济新增长点。

我国人工智能加速与制造业、服务业等千行百业深度融合，正在成为推动高质量发展的重要 引擎。根据相关政府部门公布的数据，2025 年，我国人工智能企业数量超过 6,200 家，人工智能

核心产业规模超过 1.2 万亿元。目前我国已形成覆盖基础层、框架与模型层、应用层的完整人工 智能产业体系。国产 AI 芯片在特定场景下已实现规模化应用，其国内市场份额不断提升。行业高 质量公共数据集规模持续扩容，推动“人工智能+”赋能千行百业。此外，我国在算法框架和大模 型技术上也取得了突破性进展，根据斯坦福大学以人为本人工智能研究所发布的《2026 年 AI 指 数报告》，截至 2026 年 3 月，中美顶尖 AI 模型性能差距已缩小至 2.7%。根据相关政府部门公布 的数据，2025 年，我国企业推出的开源大模型下载量全球第一，大幅度降低了人工智能的使用门 槛；截至 2025 年底，我国规上制造业企业人工智能技术应用普及率超 30%，极大提升了设计、 制造和质量检验等环节质效。

随着人工智能技术的大规模应用，以智算中心为代表的人工智能算力基础设施，被赋予更重 要的定位和使命，成为支撑人工智能技术及产业发展的重要基石。当前我国一体推进算力建设， 深化算力赋能应用，取得积极成效。AI 厂商纷纷加速布局智算领域，聚焦大规模智算中心建设， 注重技术创新与场景融合，在支撑自身前沿研究和多元业务的同时，也向行业输出能力，助力 AI 技术落地应用。

人工智能正以前所未有的速度与深度，重塑全球科技格局与产业生态，并广泛渗透至工业、 医疗、教育、交通及金融等传统领域，成为推动社会高质量发展的重要引擎。我国人工智能产业 正以“新质生产力”核心引擎的姿态，不仅推动着传统产业的升级，更在重塑全球竞争格局中展 现出强大的韧性与活力，引领中国经济向着高质量、可持续的未来阔步前行。

（二）公司主营业务情况

1、主要业务

公司以“让 AI 造福人类，让世界更安全更宜居更健康”为愿景，长期深耕视觉算法与多模态 大模型，致力于推动 AI 在真实业务场景中的规模化应用。作为中国 AI 领域的深耕者，公司专注 于将先进的计算机视觉、多模态大模型、大数据分析和机器人等技术与应用场景深度融合，构建 了从模型算法、AI 基础设施产品到解决方案服务的端到端体系，基于国产化芯片提供面向智慧金 融、城市管理、政务及特种、智慧教育等领域的人工智能产品、智能终端计算设备及解决方案。

2、主要产品及服务

2.1 智慧金融领域

公司持续升级 AI+金融全系列解决方案，形成“金砖安防、四方镜运营、DeepBot 自主决策 型智能体系统”三层产品体系。金融多模态智算平台产品系列以公司自研的视觉基础模型、多模 态大模型和智能体平台为基础支撑，构建“硬件设备—基座平台—解决方案—原生 AI 应用”的全 栈能力，深入银行安防、运营、反欺诈及经营管理等核心业务场景，赋能银行智能化升级。一方 面，公司持续深化原有安防、运营等视频分析场景，实现对复杂业务场景的识别、预警、管理和

优化；另一方面，通过四方镜反欺诈模块打通线上账户风险信息与线下网点视频行为信息，提升 银行线下风险感知及线上线下协同防控能力。同时，DeepBot 自主决策型智能体系统进一步深入 银行核心业务流程，可应用于信贷与贷后管理辅助、合同审核、财报及流水分析、智能 BI、知识 管理和办公自动化等核心场景，推动银行 AI 应用由单点能力建设向多场景、个性化的原生 AI 应 用体系演进。

2.1.1 金砖安防智算解决方案

金砖安防智算解决方案（以下简称“金砖”）涵盖从基座平台到智能系统，聚焦银行安防场 景，并可延伸支持运营、风控等相关需求。金砖基于大模型、小模型和智能体能力，利用摄像头 接入边缘分析设备，识别营业网点、金库等不同场所中的物品、人类行为及特定事件，为银行提 供智能监测、风险预警和事件处置支撑。

作为银行智能化转型的新型基础设施，金砖基于算法管理基础系统，采用云边端架构，可统 一管理边缘小模型算法与中心大模型能力，并通过算法成长机制持续提升算法泛化能力，在 30 万路摄像头部署规模下保持算法精度，实现 60 余种场景识别类算法的规模化落地。基于金砖平台 能力，公司可快速开发符合银行客户需求的专属子系统和智能体应用。金砖创新采用“大模型+ 小模型”的灵活组合方式，可根据客户业务场景、算力条件和部署要求提供适配方案。

2.1.2 四方镜运营智算解决方案

四方镜运营智算解决方案（以下简称“四方镜”）由原睿镜运营智算解决方案升级而来，是 一套面向银行运营场景的视频分析与 AI 智能管理系统。四方镜具备完善的银行组织架构管理能力， 可提供智能告警、履职管理、通行管理、辅助客流分析、重要档案、报表中心、数据看板和设备 运维等功能，覆盖现金交易、授权交易、现金库碰库、作业违规、内部行政监督、金库工作合规 等多类细分场景。

依托金融多模态智算平台，四方镜形成“硬件设备—应用系统—解决方案”的平台级产品能 力，并以视觉大模型、大语言模型、轻量化算法训练平台、“大模型+小模型”组合方案及智能体 能力为支撑，打造“看懂、管好、预警、优化”的 AI 管理系统，实现业务检查、结果汇总和报告 生成等银行运营业务闭环。

2026 年上半年，四方镜进一步增加反欺诈模块，将线上账户交易及风险信息与线下网点视频 行为识别相结合，支持对线下异常取现、可疑人员及相关风险行为进行综合分析，形成线上线下 协同的反欺诈能力，提升银行对线下风险事件的感知、核查和防控能力。辅助客流分析等功能继 续作为四方镜运营管理能力的组成部分，为银行网点运营优化提供数据支持。

2.1.3 DeepBot 自主决策型智能体系统

DeepBot 是公司面向企业场景推出的原生 AI 应用创造与运行平台。该系统在预设权限、安全 边界和人工治理要求下，支持智能体结合上下文、工具及业务规则开展任务理解、任务拆解、执 行和结果反馈，并通过统一 AI Engine 提供多模型、工具、记忆、文件处理、自动化及企业系统 集成等通用能力。面向金融客户，DeepBot 可应用于信贷与贷后管理辅助、合同审核、财报及流 水分析、智能 BI、知识管理和办公自动化等核心场景，并支持企业内部模型、知识库、数据服务 和业务系统接入，帮助银行快速构建符合自身业务需求的多场景原生 AI 应用。

在金融行业 AI 落地实践中，公司继续通过“顾问+产品+服务”一体化模式进行价值交付。 在提供标准化产品的同时，公司依托金融多模态智算平台，结合客户现场真实数据和具体业务需 求持续打磨算法、智能体及应用能力，不断提升产品力和服务能力，推动 AI 技术融入银行核心业 务场景，赋能银行数字化、智能化转型升级。

2.2 城市管理领域

公司城市管理领域的产品矩阵实现了全面升级和迭代，形成了以战狼智能视图大数据系统（以 下简称“战狼”）和深眸视觉智能工坊（以下简称“深眸”）为核心的双轮驱动产品体系。

2.2.1 战狼智能视图大数据系统

战狼是以计算机视觉能力为基础的公安视图业务平台，为客户提供具备业务逻辑的功能呈现，

包括图片检索、时空研判、布控告警、同亲缘档案查询、时空技战法等功能，产品本身即是相对 标准的视图基础业务平台，同时为其他公安的整体业务提供能力接口输出。战狼搭载新一代多模 态大模型（VLM），采用全国产化方案对视频图像数据解析，满足多警种需求，广泛应用于公安 实战。

2.2.2 深眸视觉智能工坊

深眸视觉智能工坊（以下简称“深眸”）是一款面向泛安防场景的下一代 AI 基础设施产品，

作为视觉智能工坊 VE²S 的核心中轴产品，已经完成训练端、核心端、边缘端贯通，算法模型及 编排能力可从训练平台经过深眸平台推送到边缘端，数据可形成三端打通的回流与协同，构建“感 知-研判-处置-迭代”的全闭环。深眸实现全可视化的算法流程创建，“零代码”配置复杂事件检 测规则和告警规则，将用户需求响应时间由数周缩短到分钟级；支持多引擎统一调度，已适配英 伟达、华为、登临等硬件算力；检索能力升级，公司为泛安防业务训练适配场景的 VLM 模型， 行业检索召回大幅度提升，并支持局部特征检索，满足客户深度线索挖掘的需求。

2.2.3 空地协同交通解决方案

面向智慧交通行业，公司旗下专注于智能网联交通领域的控股子公司北京开云智联，依托自 主研发的计算机视觉感知与认知决策核心技术，围绕车路云一体化、交通管理、公路数字化、低

空巡检等重点场景，打造车路协同感知 MEC、车载视频记录取证设备、智慧高速感知系统、低 空交通巡检等车路云网一体化解决方案。

2.3 政务及特种领域

面向政企与关键行业客户，公司围绕客户的实际业务需求，充分发挥公司在多模态大模型及 智能体应用的端到端实践经验，为客户提供更具场景价值的解决方案。

2.3.1 深瞳政务超融合一体机

深瞳政务超融合一体机，由原深瞳大模型一体机升级而来，面向政务私有化场景，集成国产 算力、大模型、知识库与智能体平台，覆盖办文、办会及智能问答等核心业务，实现数据不出域、 权限可控、开箱即用，并支持持续进化与场景扩展。凭借知识库+模型运管+Agent 生产的企业级 服务底座优势，使上层平台能够通过大模型的调度、应用，直观将行业用户内网知识与核心业务 绑定，提供可持续的咨询、交付、扩展服务，满足国产信创要求，助力 AI 在高安全场景的落地应 用。其中，行业大模型一体机支持搭载 DeepSeek、Qwen 等国内主流大模型，性能支持 32B-671B 参数规模，并适配多款国产芯片。“灵感”多模态一体机搭载深瞳灵感 VLM 多模态大模型，在 提供高精度标准事件检测的基础上，可利用多模态能力理解复杂场景，实现从感知到认知的跨越。

2.3.2 墨刃 Z1 AIPC

墨刃 Z1 AIPC，是一款全栈、自主可控的智能办公终端，内置本地 AI 助手，深度支持公文、

PPT、知识库、文件脱敏等场景，将 AI 技术与实际业务紧密结合。在架构上，它具备端云协同能 力，可安全调用模型与算力，满足党政军与关键行业的高安全办公需求。在部署和应用上，墨刃 AIPC 设计灵活：既能作为独立的智能终端高效运行，也能与后端的大模型一体机无缝联动，实现 算力共享，并可调用更强大的“数字员工”应用，为用户提供灵活且可扩展的 AI 能力。针对用户 日常工作中“文件检索难、公文写作慢”等普遍痛点，墨刃 AIPC 提供了 AI 问答与辅助写作等实 用功能，将 AI 技术与实际业务场景深度结合，切实解决用户痛点。

2.3.3 智能终端计算设备

面向特种环境下的高可靠性、耐极端条件等需求，公司主要提供以国产化芯片为核心的智能 终端计算设备，具体产品形态包括主板，以及信创类、加固类平板电脑、笔记本电脑、智能硬件、 通信终端类产品等。

2.4 智慧教育领域

智慧体育解决方案主要针对普教、高教、部队训考场景，基于自研的三维视觉识别技术，结 合动作模型库和人体运动功能学，可实现学生日常训练与体育考核的过程记录分析、成绩自动评 判、数据自动统计汇总分析等功能，大幅提升体育训练和考核的科学化水平。报告期内，公司重 点聚焦 AI 阳光跑产品的打磨升级。

公司 AI 阳光跑产品主要面向校园常态化跑步管理场景，基于 AI 视觉识别、边缘计算和跑 步规则引擎，实现学生跑步过程的自动识别、自动计圈、里程统计、配速计算、异常过滤、成绩 展示和数据沉淀。系统通过操场多打卡点摄像头识别学生经过顺序，并结合相邻打卡点距离计算 跑步里程、时长和配速，支持形成个人、班级、年级、学校等多维度运动数据。产品可应用于 K12 大课间跑操、班级统一跑、体育课热身、课后锻炼、高校晨跑、学期跑步任务及校园夜跑等场景。 针对 K12 方阵跑场景，系统通过算法优化、底库策略、补卡策略、策略修正、抓拍/识别/补卡日 志等能力，提升复杂校园跑步场景下的数据可信度和问题回溯能力。K12 场景中存在低龄学生、 偏头侧脸、遮挡、多人同画面和高并发等难点，产品已针对这些问题进行专项优化。公司同时提 供现场踏勘、点位规划、设备选型、初始化调试、使用培训和后期运维等配套服务，支持学校快 速完成阳光跑系统建设，并帮助学校实现日常跑步管理从人工统计向自动采集、自动分析、可追 溯管理的升级。

2.5 视觉智能工坊 VE²S

针对视觉算法在真实业务现场落地的多个行业痛点，公司打造了 AI 原生的视觉智能产品： 视觉智能工坊 VE²S（以下简称“视觉智能工坊”），其重构 AI 与业务的协作方式，使视觉智 能从生产到落地具备完整链路。视觉智能工坊以自研视觉基座模型及多模态模型为核心，融合视 频超融合存储技术，以及算法生产、业务运营与边缘部署能力，帮助客户围绕自身业务持续构建、 优化和迭代视觉智能应用。

视觉智能工坊构建了三大核心模块：MENTOR 算法训练中心、EXPERT 算法运营中心和 GBOX 边缘哨兵，覆盖算法训练、业务运营与边缘执行等关键环节。通过三层协同，视觉智能工 坊能够支撑算法从生成、部署到反馈迭代的持续优化，让视觉模型在真实业务场景中不断理解现 场、适应现场、服务现场。面向不同阶段的视觉智能建设需求，视觉智能工坊支持零样本启动、 快标快训与全参训练，既能帮助数据不足的新场景快速完成任务生成与验证，也能针对现场误报、 漏报问题持续迭代算法，并进一步支撑复杂行业场景下的规模化、深度定制落地。

（三）主要经营模式

1、盈利模式

公司的盈利主要来源于向客户提供面向应用场景的解决方案、人工智能产品及智能终端计算 设备获得销售收入。人工智能产品既可以标准化模式销售，也可根据客户需求进行产品组合，提 供定制化服务，以整体行业解决方案向客户交付。

2、研发模式

公司构建了覆盖母公司及控股子公司的协同化研发体系，根据项目特性灵活采用瀑布开发模 式、敏捷开发模式，在产品生命周期管理基础上，通过不同研发模式适配多元化业务场景，实现 技术资源高效复用与市场需求的精准响应，以用户需求为核心进行研发活动，并对整个产品生命 周期进行管理，在过程中不断对执行结果和阶段目标进行总结复盘，通过不断迭代完善产品质量 和改进研发过程。公司具体的研发过程如下图所示：

• （1）在产品需求调研阶段，公司对行业发展趋势、市场规模和用户核心需求进行调研分析，

并结合公司产品战略规划，由产品团队完成需求分析，确定产品的核心目标特性和功能，由研发 团队进行技术路线规划。

• （2）在可行性验证阶段，公司进行大量算法实验以寻找科学合理的解决方案，产品经理、算

法工程师、软硬件开发工程师和测试团队密切配合，在产品负责人的协调下进行多次短平快的软 件原型迭代，每一次迭代都会在产品实际使用场景中进行反复实验确认，通过与客户持续沟通， 调整和优化，确认产品最终形态的各功能模块和参数指标，并明确研发周期。在整个过程中，算 法团队负责完成实验场景的建设和数据收集，并进行验证性实验；软件开发团队负责针对应用场 景进行原型验证和开发；通用硬件团队负责对硬件产品的相关指标进行可行性实验和评估。

• （3）在产品研发阶段，产品经理将总结可行性验证阶段的成果，转化为产品功能指标及开发

任务，确保产品交付节点和产品定义与用户预期保持一致；算法和工程团队协同完成算法模型设 计开发、数据收集清洗、功能特性开发等工作；测试团队按照产品定义对产品每个开发版本进行 验收，并完成自动化测试脚本；通用硬件团队完成新硬件产品的选型评估和整体设计，有效评估

产品适用性、稳定性、可靠性、国产化率等特性，并负责设备软件开发和集成，交付少量可以进 行测试认证的工程样机。该阶段产品会发布多个内外部测试版本，在实践中进行快速迭代。

• （4）产品发布阶段是在产品完成核心功能开发后，产品经理制定产品的标准文档、销售价格、

实施方案，建立售后体系，通过与质量、市场、销售等部门确认，满足目标市场的销售条件时， 产品正式发布；新的硬件产品会在这一阶段完成小批量验证和量产导入，实现加工生产工艺所需 要的工装硬件和工具软件；测试团队进行大量密集的现场测试，确保产品满足产品定义的各类功 能指标，并完成质量验收。这一阶段的完成标志产品正式版本发布。

• （5）产品运营阶段在产品正式发布后，产品经理结合市场反馈与发展趋势，制定多个后续产

品版本，不断创新，推出符合市场需求的产品新版本，以对产品进行持续的运营、维护和改进。

通过母公司及控股子公司之间，以及算法、产品、销售等各部门之间的深度协同机制，公司 实现了研发资源的全局优化配置与创新能力的指数级放大，瀑布开发模式、敏捷开发模式相结合 的双轨模式既保障了定制化业务的敏捷响应，又通过技术沉淀强化了自主产品的市场竞争力，最 终形成“需求牵引创新、创新驱动增长”的良性循环。

3、采购模式

公司不涉及硬件的直接生产。针对标准硬件、配件及服务类采购，公司形成采购计划后向供 应商提出待采购产品或服务的需求，供应商按照指定的时间和地点进行交付；针对定制化硬件， 公司采购主要原材料并发货至委外加工厂，由其进行生产加工，采购产品到货后，质检人员进行 检验后入库。公司具有完备的产业链资源，为公司选择优质代工厂提供了强有力的支撑。公司依 托代工厂已有的完善的品质控制、生产制造管理和硬件设施进行专业的代工生产；通过新产品导 入、质量检验标准发布、生产工艺发布、测试检验工具发布等方式确保产品生产的有效性、一致 性和稳定性。

4、销售模式

公司结合下游行业的业务特点与主要产品的市场定位，在直接销售体系的基础上，积极开发 渠道商，向终端客户或渠道客户（含集成商）销售产品及解决方案，使产品以不同的方式触达更 多的客户，提供更加及时、高效的销售服务。其中终端客户是指直接使用公司产品及解决方案的 各行业领域客户，包括金融机构、政府部门、公安机关、企事业单位等；渠道客户（含集成商） 是指承担销售推广、系统集成、安装部署、运营维护等职能的企业，包括经销/代理商、终端客户 的项目总包方或其指定的工程服务商等。公司与客户直接对接需求，通过商务谈判、参与招投标 等方式获取订单。

新增重要非主营业务情况

□适用 √不适用

二、 经营情况的讨论与分析

2026 年上半年，顺应 AI 驱动千行百业深刻变革的行业趋势，为进一步提升公司的 AI 交付水 平，打造可持续进化的 AI 工程化落地能力，公司持续深耕视觉算法与多模态大模型、模型工程化 与行业场景落地，构建了从底层模型、AI 原生产品到行业解决方案服务的完整能力体系。公司依 托 AI 原生的产品解决方案，系统性推进“2+X”发展战略，以智慧金融、城市管理为核心业务支 点，并持续推动 AI 全栈产品与服务体系赋能千行百业智能化升级。报告期内，公司实现营业收入 5,042.35 万元，较上年同期增长 18.72%，主要系在城市管理、政务及特种、智慧金融等领域的综 合收入金额较去年有所增长，业务多元化发展取得初步成效。 （一）技术势能加速跃升，以持续创新巩固领先优势

近年来，人工智能已进入大模型时代，多模态大模型的发展日新月异。作为 AI 的重要发展方 向，多模态技术通过融合图像、文本、声音等多种类型的数据，可实现更全面、准确的分析和决 策。公司在多模态大模型技术领域深入布局，着力开发自主可控的多模态大模型并持续提升模型 性能，以多模态大模型技术作为有关产业领域发展的关键驱动力，为高质量发展提供新动能。

报告期内，公司持续迭代视觉大模型系列 Glint-MVT，从图像编码器拓展为图像视频统一编 码器 Glint-MVTv2.0。该模型借鉴视频编解码技术（Video Codec），创新性地提出用参考帧和变 化帧的形式统一图像和视频输入形式，同时基于视频前后帧的冗余性剔除无效输入区域，提升编 码器的计算效率，降低显存占用和能耗。2026 年 5 月，基于 Glint-MVTv2.0，公司发布了 Glint-VL 的开源版本 LLaVA-OneVision-2.0，该模型的训练测试数据、训练测试代码及模型全部开源，在 8B 量级模型上视频分析能力超过 Qwen3-VL。尤其在同等视觉 token 预算下，这一优势进一步体 现在视频描述、事件时序定位、动作计数等具体任务中。为了弥补 UniME 批次样本内困难负样本 采样不足，提出全局困难负样本采样的方法 UniMEV2，该工作已被 AAAI2026 接收。针对中文图 文对数据集缺失的问题，公司发布的包含 1 亿高质量中文图文对中文视觉-语言预训练数据集 DanQing（丹青），可直接支撑零样本分类、中英跨模态短/长文本检索、视觉编码器持续预训练 三类核心任务。公司基于多模态大模型的数据和技术的积累，针对安防场景发布安防垂域大模型 Glint-VL-SE-8B，在人体、车辆、非机动车等 69 个属性上平均平衡准确率比 Qwen3-VL-8B 高 9.1%，

在打电话、倒地、打斗等事件任务上平均平衡准确率比 Qwen3-VL-8B 高 32.6%。公司在不断探索 前沿技术的同时，仍积极推进产品化策略，重点推进各领域产品的商业化落地，重视研发和市场 接轨。

（二）沉淀产品化能力，打造 AI 全栈产品与服务体系

报告期内，公司持续推进从项目交付向产品化方向发展。以自研的视觉基础模型与多模态大

模型为技术底座，公司将过往在垂直领域积累的项目经验、算法能力及场景方法论沉淀为可复用、 可部署的 AI 原生能力，形成覆盖视觉基础模型及模型服务、AI 原生产品、软硬一体及边缘部署，

并支持云端服务与本地私有化部署等多种交付方式的 AI 全栈产品与服务能力。以此为基础，使 AI 能够在业务现场不断理解场景、优化效果、沉淀经验，加速视觉智能在更多行业场景中规模化 落地。

2026 年上半年，公司推出了视觉智能工坊（VE²S），依托 MENTOR 算法训练、EXPERT 算 法运营及 GBOX 边缘部署组成的“云-边-端”协同架构，打通数据采集、智能标注、模型训练、算 法运营、边缘部署、异构计算与协同、业务反馈与模型迭代，形成一条从“现场运行—数据回流 —算法迭代—再部署”的持续进化链路，围绕这条链路，形成了两种产品与服务组合：一种是 MENTOR 算法训练大师+GBOX 边缘智算盒子，MENTOR 面向模型与算法训练，客户可以围绕自 身业务数据和需求完成算法生产与持续优化，再通过 GBOX 将训练后的能力部署到业务现场。这 类组合更强调服务化交付，MENTOR 提供模型与算法训练能力，GBOX 承接边缘侧部署和运行， 形成 MaaS 服务与边缘部署相结合的交付方式。另一种，面向对数据安全、本地化运行和自主运 营要求更高的客户，EXPERT 算法运营专家+GBOX 边缘智算盒子可以形成完整的私有化部署体 系。EXPERT 负责算法运营、业务编排与项目管理，GBOX 负责现场感知、边缘推理和数据回传， 使模型、算法和业务数据更多运行在客户本地环境中。此外，公司协同子公司国科亿道的硬件研 发能力于近期推出的 GBOX 智能解析压缩终端，作为面向视频存储与智能应用场景的 AI 解析与 高压缩融合终端，可旁路接入既有视频系统，同步输出低码率视频、结构化数据与报警事件。

智慧金融领域：报告期内，公司持续升级 AI+金融全系列解决方案，形成“金砖安防、四方 镜运营、DeepBot 自主决策型智能体系统”三层产品体系。产品系列以公司自研的视觉基础模型、 多模态大模型和智能体平台为基础支撑，进一步深入银行安防、运营、反欺诈及经营管理等核心 业务场景。其中，金砖产品继续聚焦银行安防场景；睿镜运营智算解决方案升级为四方镜运营智 算解决方案，并在运营管理能力基础上增加反欺诈模块，将线上账户风险分析与线下网点视频行 为分析相结合，形成具有特色的线上线下融合反欺诈能力；原有智能体平台升级为 DeepBot 自主 决策型智能体系统，面向企业具体业务场景，在预设权限、安全边界和人工治理要求下，支持智 能体结合上下文、工具与业务规则开展任务理解、任务拆解、执行和结果反馈，帮助金融客户快 速构建多场景原生 AI 应用系统。

城市管理领域：产品矩阵迭代初见成效，以“战狼”和“深眸”为核心的双轮驱动产品体系 在产品化、算法生产、国产适配等方面取得显著的进展。深眸作为公司面向泛安防场景推出的下 一代 AI 基础设施产品，于 2026 年上半年完成 V1.1.0 发布，产品从研发阶段进入商业化推广阶段。 深眸进一步将视觉智能工坊 VE²S 的通用能力，转化为面向泛安防场景的具体应用。它以公共安 全算法为基础，融合公司自研的泛安防行业化多模态大模型，贯通新场景模型训练、复杂任务编 排、边缘推理与数据回流，可应用于社会治安防控、重点区域管控、办案中心合规及城市治理等 场景。目前公司已经在公共安全、交管、边检、司法监管、应急管理等多个领域参与客户的项目 实施和部署，“战狼+深眸”组合已经在多个重点项目中持续推进。

政务及特种领域：公司发布的基于国产信创平台的政务超融合一体机与 AI PC 产品“墨刃 Z1 AIPC”，全面适配信创生态，确保从硬件到应用的自主可控，其中智能体协同增效平台具备集成 政企管理、流程自动化、辅助决策等功能，能够有效帮助客户提升团队效能。政务超融合一体机 集国产算力、大模型、知识库与智能体于一体，模型与业务数据均在本地闭环运行，可部署于专 网环境；适配国产 CPU、操作系统与 GPU，芯片、系统及存储满足信创要求；产品预置 810 万 篇公开公文，可进一步融合单位私域知识，覆盖办文、办会、办事、咨询等业务场景。2026 年上 半年，特种领域产品通过攻克国产 CPU 与本地 AI 硬件的兼容适配难题，实现计算、安全、智能 全环节无进口核心器件，产品适配更高等级涉密与航空项目招投标门槛。安全技术从软件防护向 硬件主动安全闭环迭代，落地硬件销毁与网络隔离两项发明专利，构建“身份认证-硬件隔离-紧 急物理销毁”三重物理屏障，形成差异化竞争壁垒。供电与可靠性技术同步升级，集中落地双电 池、双接口并行充电、电池健康监测全套电源专利，大幅提升野外极端供电场景设备稳定性，加 固终端续航与容错能力达到行业领先水平。

智慧教育领域：报告期内，公司围绕校园日常跑步数字化管理场景，重点推进“AI 阳光跑”

产品能力建设与版本迭代，完成了从产品方案、核心算法、平台功能到现场交付资料的体系化升 级。公司 AI 阳光跑在相关项目测试中表现优异，经实测验证，该产品在人脸识别率与里程准确 率等核心技术指标上均优于同类竞品。报告期内，公司针对 K12 方阵跑等复杂场景进行了专项 优化，重点解决偏头侧脸、单画面人数多、高并发识别、记录碎片化、少里程及无有效记录等问 题。设计了策略 E 等里程修正能力，支持在班级统一跑步场景下，对原始运动记录进行自动化 修正与补全，提升运动数据的完整性、准确性和业务可用性。同时，公司完成阳光跑现场踏勘与 点位规划、初始化与调试、使用手册等标准化交付资料建设，形成从方案设计、现场部署、设备 调试、用户培训到后期运维的完整交付体系，为后续多学校、多操场复制推广奠定基础。

（三）深耕重点细分领域，构建业务多元化发展格局

报告期内，公司聚焦于市场开拓与业务多元化发展，重点深耕智慧金融、城市管理、政务及 特种、智慧教育等领域，深度挖掘多场景需求，并依托视觉智能工坊 VE²S 的通用底座以及可根 据客户真实需求进行持续的优化与迭代的能力，将其转化为面向行业场景的具体应用，拓宽收入 来源，目前在各重点领域的市场拓展初显成效。

智慧金融领域，公司在继续深度服务现有客户、推进既有项目稳定运行和能力升级的同时， 积极拓展新客户，与多家银行开展采购前 POC 测试。相关产品能力及测试效果获得客户认可，部 分项目进一步进入采购或商务洽谈阶段。公司通过持续推进产品验证、客户需求适配和商务合作， 为后续项目落地及市场规模化拓展积累客户基础。

城市管理领域，公司持续深化与重点客户的战略合作，在深耕公安行业的同时，积极拓展其 他行业。此外，公司通过补充完善区域营销团队体系、积极拓展合作伙伴网络、加大行业技术投

入三项关键举措，积极布局西北、华中、华东等重点区域。公司在公安及出入境边检领域持续深 耕，多个标杆项目进入落地阶段。除传统视图解析领域外，公司在多模态视觉大模型相关产品等 方面积极拓展新的合作项目。

政务及特种领域，公司协同合作伙伴已向多个政企客户提供超融合一体机产品，并持续巩固 智能终端计算设备业务，凭借核心硬件自主可控、防护性能出众构建差异化竞争优势；同时大力 拓展大型客户资源，并加速 AI 赋能终端产品，延展市场边界，发掘并渗透新领域客户群体。

智慧教育领域，公司围绕 AI 阳光跑产品推进重点区域样板建设和销售转化，在某市已达成 阳光跑项目合作。公司销售团队正依托某市落地案例，围绕“无感识别、自动计圈、防作弊、数 据统计、班级跑步管理、夜跑适配”等核心卖点，面向普教学校、高校、区域教育客户及生态合 作伙伴开展市场推广。后续公司将进一步强化样板案例的系统化打造与推广、渠道伙伴协同、交 付标准化和解决方案复制能力，提升阳光跑产品在智慧体育操场建设中的市场转化效率。

2026 年上半年，公司推出视觉智能工坊 VE²S，从算法交付的市场角色，转化为算法生产线 的市场实践者，目前累计完成公检法、银行等试点项目 10 余个，覆盖西南、华东、华南、华北等 区域，得到用户广泛认可。

（四）深化组织架构优化，完善激励机制，强化人才驱动与管理赋能

面对 AI 行业商业化落地的挑战，公司主动推进组织变革与管理赋能，将人才驱动作为实现产 品化转型与业务多元化的核心抓手。公司构建了专业化、年轻化、多元化的核心管理团队，通过 优化组织架构，厘清业务边界与权责体系，构建起销售、产品、算法的快速联动机制，加速市场 需求向技术落地的转化效率。在人才激励上，公司实施了覆盖高管、中层及核心技术（业务）人 员的限制性股票与股票增值权激励计划，将股东利益、公司利益与员工个人利益深度绑定，有效 吸引并留住了关键人才，提升了管理团队的凝聚力与忠诚度。同时，公司重建销售体系，依据行 业特性组建专业化销售团队与行业专家级售前解决方案团队，将人才能力精准匹配到智慧金融、 城市管理、政务及特种、智慧教育等多元业务场景。借助更为优化的组织架构、具备竞争力的薪 酬体系、富有吸引力的激励机制以及积极向上的企业文化环境，广泛吸纳优秀人才，为公司可持 续发展筑牢人才根基。

非企业会计准则财务指标变动情况分析及展望

• □适用 √不适用

报告期内公司经营情况的重大变化，以及报告期内发生的对公司经营情况有重大影响和预计未来 会有重大影响的事项

• □适用 √不适用

三、 报告期内核心竞争力分析 (一) 核心竞争力分析 √适用 □不适用

1、深耕于计算机视觉行业的技术研发优势

在技术研发层面，公司建立了行业领先的技术研发体系，尤其在计算机视觉领域形成了显著 优势。通过深入理解行业典型场景，始终专注核心技术的自主创新与研发，公司目前已形成了多 模态大模型技术、3D 立体视觉技术、自动化交通场景感知与事件识别技术、大规模跨镜追踪技术、 机器人感知与控制技术、视频动作分析技术与信息安全及可靠技术七大技术方向，掌握了多目传 感器标定与深度估计技术、行为识别技术、人体姿态及动作分析技术、实时定位与建图技术和目 标检测与跟踪技术等多项核心技术并拥有多项自主知识产权。

（1）全栈自研大量核心算法 公司在视觉领域持续深耕，并于 2025 年 5 月发布自主研发视觉大模型系列 Glint-MVT（深瞳 灵感）。Glint-MVT（Margin-based pretrained Vision Transformer），是团队自主研发、设计的视 觉预训练 Transformer 模型。该模型在特征表达能力上均优于国内外同类型模型。基于 Glint-MVT 进行特定任务的微调，可以快速低成本地生产高质量专用模型。Glint-MVTv1.5 已经发表在计算 机视觉顶会 ICCV2026，它具有无需显式语言监督、支持原始分辨率分析及 OCR 和局部特征强化 等特点。Glint-MVT 可应用在多模态大模型中作为视觉编码器，对比其他视觉编码器，使用 Glint-MVT 的多模态大模型在文字 OCR 任务和局部理解任务都有优势。在多个 OCR 测试集以及 COCO 和 LVIS 检测分割测试集上，基于 Glint-MVT v1.5 的 VLM 模型表现均优于基于谷歌的 SigLIP 的模型表现。在此多模态大模型基础上训练得到的参考分割模型 Glint-RefSeg 取得了该任 务 最 好 的 结 果 。 2025 年 9 月 ， 基 于 Glint-MVTv1.5 公 司 发 布 了 Glint-VL 的 开 源 版 本 LLaVA-OneVision-1.5，该模型的训练测试数据、训练测试代码及模型全部开源，在 4B、8B 量级 模型上超过 Qwen2.5-VL。LLaVA-OneVision-1.5 发布后获得业界关注，为业界提供了良好的视觉 语言大模型训练参考，被 InfoQ 评选为“AI 开源明星项目 TOP10”。

随着技术和业务的发展，公司的视觉大模型从图像编码器拓展为图像视频统一编码器 Glint-MVTv2.0。该模型借鉴视频编解码技术（Video Codec），创新性地提出用参考帧和变化帧 的形式统一图像和视频输入形式，同时基于视频前后帧的冗余性剔除无效输入区域，提升编码器 的计算效率，降低显存占用和能耗。该技术已获得业界认可，如微软等已经采用该技术提升其视 觉语言模型的视频表达能力。2026 年 5 月，基于 Glint-MVT v2.0 公司发布了 Glint-VL 的开源版 本 LLaVA-OneVision-2.0，该模型的训练测试数据、训练测试代码及模型全部开源，在 8B 量级模 型上视频分析能力超过 Qwen3-VL。在同等视觉 token 预算下，该模型可以更好地完成视频描述、 事件时序定位、动作计数等任务。

公司的多模态嵌入模型 Glint-ME（Multimodal Embedding）在学术多模态嵌入评测榜单 MMEB 获得第一名。在多模态嵌入方向上，针对多模态嵌入模型数据不足提出的利用图文交错数据生成

训练的方法 RealSyn，提出文本蒸馏和困难负样本强化训练的 UniME，提出局部和全局分别对齐 （DeGLA）的方法解决组合理解的问题，这三项工作已被 ACM MM2025 接收。此外为了弥补 UniME 批次样本内困难负样本采样不足提出全局困难负样本采样的方法 UniME V2，该工作已被 AAAI2026 接收。针对中文图文对数据集缺失的问题，公司发布的包含 1 亿高质量中文图文对中 文视觉-语言预训练数据集 DanQing（丹青），可直接支撑零样本分类、中英跨模态短/长文本检索、 视觉编码器持续预训练三类核心任务。

此外，公司多项核心算法在国际、国内的权威机构或组织举办的算法比赛中多次名列前茅： 公司搭建的基于预训练视觉大模型的行为分析大模型在 OpenFAD23 竞赛的动作分类任务中

获得第一；公司在 2022 年 ECCV PointCloud-CChallenge 点云分割和点云分类两个赛道均获第 2 名；在第一届花样滑冰动作识别挑战赛中公司运用领先的运动姿态分析技术获得了冠军。

公司基于多模态大模型的数据和技术的积累，针对安防场景发布安防垂域大模型 Glint-VL-SE-8B，并基于相关技术积累推进视觉模型训练、模型微调等服务。该模型在人体、车 辆、非机动车等 69 个属性上平均平衡准确率比 Qwen3-VL-8B 高 9.1%，在打电话、倒地、打斗等 事件任务上平均平衡准确率比 Qwen3-VL-8B 高 32.6%。

公司的人脸识别技术在公开数据集 MegaFace 上识别准确率达到 99.1%，公司在公安部治安管 理局亿级人像算法测试中，1 比 1 人像比对测试万分之一误识率下的通过率为 99.97%，5 万样本 比 1 亿级人像比对测试中首位命中率超过 98%，均高于行业平均水平。

公司的车辆识别技术能够对大陆号牌、港澳号牌、非机动车号牌等多种类型的车牌进行多种 尺寸和角度的识别，支持倾斜角度在 45°范围内的车牌，准确率在 99%以上。同时，公司支持的 机动车、非机动车、人体属性识别多达 50 余项，重点属性识别准确率超过 95%，达到国内领先 水平。

（2）技术平台 深耕视觉算法和多模态大模型的同时，公司在端侧视觉 AI 领域不断创新，推出面向视觉算法 和边缘计算的 AI 开发平台 AI Edge Studio，通过公司自研的视觉模型基座 Glint-MVT、Adapter Tuning 训练微调技术及下游任务高效推理组合方案，平台能够快速构建高性能视觉模型，自动适 配多种边缘设备，全面解决视觉应用规模化落地的难题，确保各类边缘业务的稳定可用与高效运 行。从模型生产流程来看，AI Edge Studio 开发平台覆盖从数据采集、标注、训练、评估到部署等 13 个关键环节，实现 AI 应用交付全流程自动化。相较于传统开发方案仅支持基础流程，且需要 算法专家和研发工程师配合，AI Edge Studio 平台实现低门槛、零代码引导算法的全流程开发。借 助平台能力，可以将传统 6-8 周的开发周期压缩至最快 3 小时。在产品功能方面，平台具备数据 采集、数据处理、模型训练、模型管理、模型推理、云边端设备管理六大核心功能，构建一套完 整的算法生产线。平台支持多种视觉任务，例如图片与视频的分类、检测，以及图像分割、语义 分割等，并可以灵活选配不同参数和类别的模型。在自研边缘终端的基础上，平台可适配市场主 流终端设备，解决数据、模型、部署终端割裂的问题，真正实现端到端的项目开发场景闭环。

公司建立了以数据平台与训练平台为核心，涵盖数据采集、数据预处理、数据标注、模型训 练、模型优选等模块的技术平台——深瞳大脑。数据平台支持多源多模态数据的自动收集和清洗 归类，通过构建自动化处理为主、人工标注为辅的标注体系，形成海量增长的标签数据池，有效 节省标注成本，提高了算法模型的研发效率。训练平台则有效提高了模型训练的自动化水平，降 低算法多平台部署应用的迁移难度，为算法高效生产及快速商业化应用奠定了重要基础。公司利 用深瞳大脑对数十亿训练数据进行清洗并基于大规模数据训练大模型，在海量数据下，研发了基 于弱监督的大模型训练算法，节省了大量数据标注资源，提升了少样本场景的准确率。数据、算 法及应用在深瞳大脑内形成人工智能的正向循环，为公司的高效研发创新与产业应用提供了有力 支持。

2、快速的商业化落地能力和良好的市场口碑

公司凭借高效的算法生产技术以及对各下游行业与应用场景的深度理解，形成了产品快速商 业化落地的能力，并结合自研大模型技术，根据行业客户的需求不断优化、升级核心技术，公司 的主营业务产品在下游主要核心客户的认可程度高，良好的市场口碑为公司市场拓展及持续发展 奠定了重要基础。

智慧金融领域：公司自主研发设计的智能化设备已在大型国有银行各地分支机构推广使用， 目前产品覆盖上万家银行网点，应用于智能安保、智能运营、智能风控等多个金融业务场景。2026 年上半年，公司在持续服务现有客户的同时，在多家银行同步开展采购前 POC 测试。相关产品的 测试效果获得客户认可，部分项目已进入采购或商务洽谈阶段，为后续商业转化和规模化部署奠 定了良好基础。同时，公司持续完善智能体产品能力，形成视觉智能与自主决策型智能体相结合 的金融多模态智算平台产品系列，打造面向银行客户的新一代 AI 综合管理平台。

城市管理领域：公司研发的城市治理系统战狼智能视图大数据系统已经在全国多个省、市、 县的公安机关完成商业落地，形成了可复制的成功模式。该系统搭载的基于新一代视频语言多模 态大模型（VLM）的图文布控、以文搜图、AI 打标、低代码建模引擎等功能，有效解决了公安机 关长尾需求无法快速上线、人工运维成本高企、应急时间响应较长等痛点。同时，公司正在全力 研发基于大语言模型的多智能体系统，以 AI 助手的形态辅助客户快速完成工作任务。报告期内， 公司启动了“文图通解”、“指令流转”及“多任务调度”三项核心 Agent 能力的验证工作，推 动其在视频专班与图侦专班中的实战落地。在交通管理方面，公司研发的车路协同感知 MEC 产 品已完成多省市交付，车载视频记录取证设备、交通事件分析系统等产品已在多个省市规模化应 用，围绕交通治理的多款执法取证装备已在多省市进行试点应用。

政务及特种领域：公司的商业化落地成效显著，依托突出的产品优势与清晰的市场布局，实 现规模化供货与市场份额稳步提升。公司特种领域产品已顺利通过行业严格认证与测试，正式进 入批量供货、规模化交付阶段，形成稳定的供货体系与交付流程，实现“研发-生产-交付”全链

路高效推进，客户覆盖政府机关、特种单位及行业重点央企等。同时，公司以“硬件定制+AI 算 法集成”的合作模式，贴合政务及特种场景个性化需求，提升客户粘性与复购意愿。

2026 年上半年，随着智能体及相关技术的快速发展，公司快速实践，一方面在省级用户中深 化智能体应用，完成项目转化；另一方面将智能体与视觉技术深度融合，推出视觉智能工坊 VE² S，从算法交付的市场角色，转化为算法生产线的市场实践者，目前累计完成公检法、银行等试点 项目 10 余个，覆盖西南、华东、华南、华北等区域，得到用户广泛认可。

3、保持技术不断创新的机制安排和技术储备

公司以技术研发为核心驱动力，建立了研发管理流程、人才储备机制、股权激励机制、知识 产权保护等多项保持技术不断创新的机制安排。公司拥有完整的研发组织架构与创新机制，以用 户需求为核心，采用迭代、循序渐进的敏捷方法进行研发活动，并对整个产品生命周期进行管理， 在过程中不断对执行结果和阶段目标进行总结复盘，通过不断迭代完善产品质量和改进研发过程。

报告期内，公司研发投入 7,147.93 万元，占营业收入比例为 141.76%。公司持续深耕核心技 术，继续实施“多模态大模型技术与应用研究项目”，以巩固公司在技术层面的领先优势；聚焦 面向智慧金融、城市管理、政务及特种、智慧教育等各领域产品和下游应用及部分前瞻性探索项 目的研发，技术储备充足，为公司产品的推陈出新提供了有力支持。

随着技术的不断演进，新需求不断提出，公司将在核心技术上不断创新。Glint-MVT 将从纯 图像预训练模型升级为视频预训练模型，并结合业务上视频流分析场景提升应用效果。针对多模 态大模型使用成本较高的问题，公司也将不断优化模型，结合模型小型化、量化和软硬件结合优 化等技术将多模态大模型普惠应用。

公司在核心算法技术、应用场景等相关技术的前瞻性研究和探索将进一步增强公司的技术积 累，为持续较快发展提供坚实的技术支持。

4、团队优势和人才储备

经过多年发展，公司建立了一支高学历、高水平的研发队伍。截至报告期末，公司研发人员 173 人，占员工总数的 58.45%，核心技术团队由公司创始人、董事长、首席科学家赵勇博士等在 内的 5 人组成，涵盖算法、智能应用、产品设计、硬件开发等多领域的资深人才，公司副总经理 张强先生曾获得军队科技进步二等奖。公司团队拥有丰富的学术知识与研发创新经验，对行业前 沿技术与发展趋势具有深刻认知及判断力，保障了公司核心技术的持续研发创新。

(二) 报告期内发生的导致公司核心竞争力受到严重影响的事件、影响分析及应对措施

□适用 √不适用

(三) 核心技术与研发进展

• 1、 核心技术及其先进性以及报告期内的变化情况 公司推出了面向视觉算法和边缘计算的 AI 开发平台 AI Edge Studio，通过公司自研的视觉模

型基座 Glint-MVT、Adapter Tuning 训练微调技术及下游任务高效推理组合方案，平台能够快速构 建高性能视觉模型，自动适配多种边缘设备，全面解决视觉应用规模化落地的难题，确保各类边 缘业务的稳定可用与高效运行。从模型生产流程来看，AI Edge Studio 开发平台覆盖从数据采集、 标注、训练、评估到部署等 13 个关键环节，实现 AI 应用交付全流程自动化。相较于传统开发方 案仅支持基础流程，且需要算法专家和研发工程师配合，AI Edge Studio 平台实现低门槛、零代码 引导算法的全流程开发。借助平台能力，可以将传统 6-8 周的开发周期压缩至最快 3 小时。在产 品功能方面，平台具备数据采集、数据处理、模型训练、模型管理、模型推理、云边端设备管理 六大核心功能，构建一套完整的算法生产线。平台支持多种视觉任务，例如图片与视频的分类、 检测，以及图像分割、语义分割等，并可以灵活选配不同参数和类别的模型。在自研边缘终端的 基础上，平台可适配市场主流终端设备，解决数据、模型、部署终端割裂的问题，真正实现端到 端的项目开发场景闭环。

公司打造了 AI 技术平台——深瞳大脑，深瞳大脑包含数据平台和训练平台，由数据采集、数 据预处理、数据标注、模型训练、模型优选、数据管理等模块组成。数据平台支持多源多模态数 据的自动收集和清洗归类，通过构建自动化处理为主、人工标注为辅的标注体系，形成海量增长 的标签数据池，有效节省标注成本，提高了算法模型的研发效率；通过组建具有专业背景的标注 团队，用人工标注加 AI 模型自动化预识别的方法，为算法提供精准的基础训练数据，同时通过数 据团队对开放数据的收集和挖掘，为公司在海量数据下训练高水平模型做好数据准备；训练平台 则有效提高了模型训练的自动化水平，降低算法多平台部署应用的迁移难度，为算法高效生产及 快速商业化应用奠定了重要基础；训练平台同时支持在海量数据中进行挖掘，主动触发模型更新 训练，可以有效提高算法的准确率和生产效率，并进一步提高产品的交付能力。

（1）多模态大模型技术 公司利用自研的底层 AI 技术平台深瞳大脑对数十亿训练数据进行清洗和预处理，并基于大规 模数据训练数百亿参数的大模型，在海量数据下，研发了基于图像、视频、语言、语音多种模态 的弱监督大模型训练算法，节省了大量数据标注资源。针对海量数据中存在噪声的问题，研发了 标签重写算法，高效地提升了数据质量。上述算法已被国际顶级会议 ICLR2023、ICCV2023、 ECCV2024、ICCV2025 和 NeurIPS2025 接收。公司已在业务中利用该大模型提升少样本场景的准 确率，在复杂场景中效果远优于传统小模型。该系列模型构成了公司视觉大模型系列 Glint-MVT， 并于 2025 年 5 月发布 v1.5。结合高质量的语言模型，公司研发了灵感多模态大模型，该模型能接 受图像、语言等多种模态的输入，能够完成多模态融合理解，提升业务的应用潜力。于 2025 年 9 月，基于 Glint-MVTv1.5 公司发布了 Glint-VL 的开源版本 LLaVA-OneVision-1.5，该模型的训练 测试数据、训练测试代码及模型全部开源，在 4B 、8B 量级模型上超过 Qwen2.5-VL。

LLaVA-OneVision-1.5 发布后获得业界关注，为业界提供了良好的视觉语言大模型训练参考，被 InfoQ 评选为“AI 开源明星项目 TOP10”。随着技术和业务的发展，公司的视觉大模型从图像编码 器拓展为图像视频统一编码器 Glint-MVTv2.0。该模型借鉴视频编解码技术（Video Codec），创 新性地提出用参考帧和变化帧的形式统一图像和视频输入形式，同时基于视频前后帧的冗余性剔 除无效输入区域，提升编码器的计算效率，降低显存占用和能耗。该技术已获得业界认可，如微 软等已经采用该技术提升其视觉语言模型的视频表达能力。2026 年 5 月，基于 Glint-MVTv2.0 公司发布了 Glint-VL 的开源版本 LLaVA-OneVision-2.0，该模型的训练测试数据、训练测试代码 及模型全部开源，在 8B 量级模型上视频分析能力超过 Qwen3-VL。在同等视觉 token 预算下，该 模型可以更好地完成视频描述、事件时序定位、动作计数等任务。

多模态嵌入模型可以将文本和图片表达到同一特征空间，可以应用在图文互搜等场景中。公 司针对这项技术中的数据生成构造、文本否定词、组分缺失、属性、数量、关系等针对性的问题 进行优化，显著提升了图文互搜在应用中的效果，相关技术也形成多篇论文被国际顶级会议接收。 最新模型 UniME 在学术多模态嵌入评测榜单 MMEB 获得第一名。针对多模态嵌入模型，提出利 用图文交错数据生成图文对训练数据的方法 RealSyn 以解决数据不足问题，提出文本蒸馏和困难 负样本强化训练的 UniME，提出局部和全局分别对齐（DeGLA）的方法解决组合理解问题，这三 项工作已被 ACM MM2025 接收。此外为了弥补 UniME 批次样本内困难负样本采样不足提出全局 困难负样本采样的方法 UniMEV2，该工作已被 AAAI2026 接收。针对中文图文对数据集缺失的问 题，公司发布的包含 1 亿高质量中文图文对中文视觉-语言预训练数据集 DanQing（丹青），可直 接支撑零样本分类、中英跨模态短/长文本检索、视觉编码器持续预训练三类核心任务。

跨平台模型训练技术用于简化 AI 算法生产，该技术基于自主研发的训练框架和自主研发的预 训练模型可实现常用业务 AI 算法的一键式训练，为常见业务中的分类、检测、分割等算法提供便 捷快速的实用模型。针对不同应用场景的算法开发，公司自主研发的跨平台模型训练技术可将训 练任务管理平台产出的模型自动发布到各种类型的显卡或平台，包括英伟达显卡、华为昇腾系列 芯片、算能计算平台等，无需人工干预，从而达到模型快速高效交付的目的，可有效地降低研发 成本，有助于提升产品的市场竞争力。基于自主学习的训练平台解决方案，也已经在公司多个重 点项目上线，实施后大量长尾业务的迭代周期大幅缩短，准确率提升效果显著。

（2）3D 立体视觉技术 3D 立体视觉一般通过结构光、激光雷达等特殊传感器采集得到场景的深度信息，再利用深度

信息和可见光信息一同计算出场景的三维图像。

多目传感器标定与深度估计技术使用一对成本更为低廉的可见光相机组成双目系统，对场景 深度信息进行估算，在达到普通结构光相机精度的同时，提高了相机的可靠性和易用性，并能覆 盖更多的结构光相机无法工作的光线条件和场景。这项技术的输出，使公司的算法能更好地适应 多种不同的场景和目标，进而对人体、物体、场景进行高精度的重建。

运动姿态分析技术通过采集不同场景下人体姿态数据，通过自主研发的三维人体姿态估计算 法，能够解决人体关键点数据采集不准确或不稳定的问题。公司基于单目相机的三维重构技术结 合动作模型库及人体运动功能学的特点，优化了使用单目相机获取三维人体关键点的效果，解决 了基于二维人体关键点进行判断的难题，使得运动姿态分析算法在三维人体上做出更为精准的判 断，进而可以应用在体育健康与行为分析领域对人体三维姿态的准确识别与分析。公司在 SiggraphAsia2024 发布了 3D 人体技术的相关论文，基于单个视频进行人体运动捕捉，比单帧估计 的更加稳定准确。公司与浙江大学合作提出了“MotionStreamer”、“Motion-2-to-3”以及“UniVerse” 方法，分别解决了动作的实时交互生成、从大规模二维数据提升三维动作多样性，以及不一致多 视图图像的鲁棒三维重建问题，这三项工作已被 ICCV2025 接收。

运动姿态分析技术在智慧金融领域可以协助银行客户进行员工履职分析与管控，人员重点区 域违规管控（如非授权人进入、员工缺岗等）、人员操作异常管控（如单人加钞、大额现金遗留 等）、人员动作异常管控（如异常倒地、打架、各类防护舱业务等）等项目均达到较高的检测精 度；而在智慧教育领域，该技术可评判用户动作是否完成及标准程度，评判仰卧起坐、引体向上、 跳绳、篮球交替运球、篮球护球训练等 17 项基础测试和训练动作时，也可具备较高水平的检测精 度。公司基于深度学习的点云配准技术已在多个学术数据集上取得第一，通过点云几何结构和基 于 Transformer 的多层特征投票机制提升正确匹配点云比例，提升点云配准精度，在真实业务测试 集上旋转向量误差小于 1 度、平移向量误差小于 0.3mm，该技术对产品落地起到了至关重要的作 用。

（3）自动化交通场景感知与事件识别技术 公司拥有国内领先的车辆识别技术，能够运用高精度目标检测与跟踪技术对大陆号牌、港澳

号牌、非机动车号牌等多种类型的车牌进行多种尺寸和角度的识别，支持倾斜角度在 45°范围内 的车牌，准确率在 99%以上。同时，公司支持的机动车、非机动车、人体属性识别多达 50 余项， 重点属性识别准确率超过 95%。

在对交通场景中车辆进行分析时，公司结合在人脸识别技术上的优势研发了多目标属性识别 与对象关联技术。该技术可以将车内驾驶员与车辆绑定，协助交通管理部门和公安部门查找可疑 人员，提供破案线索。由于车内光线较暗、抓拍受挡风玻璃干扰、司乘人员人脸姿态不受控、人 脸有遮阳板墨镜口罩等遮挡的原因，普通的人脸识别算法识别率都会有较大的下降，公司在人脸 识别技术上的优势可以做到在以上困难环境下仍能达到较高的识别率。

公司研发的交通场景理解及事件检测识别技术，基于自适应交通场景理解和车辆特征识别的 技术能力，无需人工标注，可自动化识别闯红灯、不按导向行驶、不礼让行人等 11 种交通违法场 景，同时结合车辆重识别技术可准确定位车辆位置，实现对交通视频的自动分析、事件预警和违 法事件的自动审核。

（4）大规模跨镜追踪技术

公司拥有完全自研的人脸识别算法和引擎技术，在多种光线条件、人脸角度的场景下都能达 到较高的识别准确度。公司在研发过程中开源了 TrillionPairs 和 Glint360K 两个人脸识别数据集以 及 PartialFC 训练代码，其中 PartialFC 相关论文已被视觉顶尖会议 CVPR2022 接收，推动了行业 技术的发展。公司的人脸识别技术在公开数据集 MegaFace 上识别准确率达到 99.1%。公司在公安 部治安管理局亿级人像算法测试中，1 比 1 人像比对测试万分之一误识率下的通过率为 99.97%， 5 万样本比 1 亿级人像比对测试中首位命中率超过 98%，均高于行业平均水平。

公司研发的百亿级人员聚类技术可支撑上万路摄像头接入并实时完成动态聚类，支持室内场 景和光照、质量和姿态等都不受控的室外复杂场景中的大规模商用。

为了达到上万路摄像头接入并实时完成动态聚类的应用要求，公司研发了海量数据以图搜图 技术。公司研发的以图搜图引擎支持多架构、不同计算设备上的图片检索功能。配合集群可实现 百亿级图片秒级检索的性能。针对上亿特征占用显存巨大的问题，公司研发了短特征技术，利用 该技术能节省至少 4 倍显存，同时召回率达到 99.9%。该技术已广泛应用在公司多个应用场景的 产品及解决方案中。

人脸属性表达技术在公共安全等场景具有广泛应用，同时也能辅助大规模人员聚类。公司研 发的人脸属性包括年龄、性别、表情、姿态、遮挡、模糊等多项属性。该技术使用单模型、多任 务协同训练策略，利用各个属性任务之间的相关性来辅助训练单个模型，可在缩减运算资源的同 时保证每个属性的精度。

公司多场景广覆盖人脸活体识别技术可应用在闸机口等通行相关的场景，公司已积累了千万 级的攻击样本，可防止人员通过打印照片、屏幕、3D 面具等非活体人脸通过闸机。

（5）机器人感知与控制技术

公司稳步推进具身智能相关技术研发和落地。公司将实时定位与建图技术、机械臂视觉反馈 技术、机器人路径规划与自主导航技术运用于工业检测机器人等场景，算法适应性良好，机器人 在该场景中，以最高 1m/s 的速度做无碰撞运动，达到轨交运维应用所需的技术水平。其中，机器 人实时定位与建图技术，又称 SLAM 技术，在室内和半户外场景下拥有良好的定位精度，在结构 化的室内场景下，定位精度可达毫米级，在工业现场的半户外场景下，定位精度可达厘米级。同 时，公司针对 SLAM 普遍算力要求较高的问题做出了优化，完成 SLAM 模块向特定型号嵌入式主 板的迁移和适配工作；机械臂视觉反馈技术，又称手眼协同技术，在机械臂重复性动作的场景中 取得良好效果，得到视觉反馈之后的机械臂定位，较普通机械臂定位的精度有较大提升。同时， 在保证精度的前提下，时间延迟不超过 1 秒，保证了精度和实时性；机器人路径规划与自主导航 技术，包含机器人定点巡逻、远程临场、人员跟随等功能模块，运用于自动化检修场景中。

公司的机器人虚拟示教技术，能够通过高精度 3D 重建技术，搭建虚拟列车检修空间，构建 一个包含作业坑道、列车、机器人等元素，同时考虑物体碰撞、真实设备性能、环境噪声等因素 的虚拟机器人作业空间。在虚拟空间内进行机器人示教，通过控制虚拟空间中的机器人进行采集

位置确认工作，支持多人协作和远程操作，极大缓解项目实施过程中对真实列车的依赖，提升 3 倍以上的实施速度。

公司的机器人遥感技术则通过将虚拟点位下发给机器人，通过坐标空间变换、运动分解、轨 迹规划等技术，使机器人获取在物理空间中可执行的动作指令，该技术既支持异步动作执行，也 支持在线的虚拟机器人-真实机器人实时动作执行。为了提升机器人自主规划和控制能力，公司自 主研发的多模态大模型作为机器人的大脑，使其逐步向具身智能靠拢。

公司基于 Transformer 模型与扩散模型实现了机器人模仿学习方案，已在单臂与双臂机器人进 行了真机落地。基于自研多模态大模型实现了具身领域的机器人基座模型，其在具身任务和空间 理解的多个榜单表现优异。公司基于基座模型实现端到端的 VLA（视觉语言动作）模型训练，将 在单臂、双臂复合机器上部署。基于基座模型实现 VLN（视觉语言导航）具身模型方案，将在机 器人和无人机等多种构型上进行部署。使用具身基座模型作为机器人感知空间理解任务的大脑， 深度强化学习方案作为控制的小脑，引入 COT（思维链）与自纠正方案，提升机器人通用能力。

（6）视频动作分析技术 公司拥有丰富的视频动作分析经验，经过多年技术积累，搭建了一套从视频预训练到视频动

作识别和时序动作定位的流程。该流程能高效训练各种业务所需的视频动作分析模型。

为了提升视频预训练的效率，公司研发了 V-SWIFT 视频预训练框架，对比开源的训练框架一 次预训练所耗费 GPU 时减少 90%。基于该预训练框架公司只用一台 GPU 服务器一天便能完成一 次视频基础模型的预训练。基于该训练框架，公司探索了事件与对象双层次聚类驱动的统一自监 督方法 UniViT，该方法联合建模视频时空结构与图像细粒度语义，在多项视觉任务上实现最优性 能，该工作已被 NeurIPS2025 接收。随着技术和业务的发展，公司的视觉大模型从图像编码器拓 展为图像视频统一编码器 Glint-MVTv2.0。该模型借鉴视频编解码技术（Video Codec），创新性 地提出用参考帧和变化帧的形式统一图像和视频输入形式，同时基于视频前后帧的冗余性剔除无 效输入区域，提升编码器的计算效率，降低显存占用和能耗。2026 年 5 月，基于 Glint-MVTv2.0 公司发布了 Glint-VL 的开源版本 LLaVA-OneVision-2.0，该模型的训练测试数据、训练测试代码 及模型全部开源，在 8B 量级模型上视频分析能力超过 Qwen3-VL。在同等视觉 token 预算下，该 模型可以更好地完成视频描述、事件时序定位、动作计数等任务。

利用海量数据完成的视频预训练模型有较强的泛化能力，能够在少量特定场景数据微调后适 配到对应场景上。公司在智慧金融、智慧体育和工业检测等业务上已经将视频预训练微调得到的 视频动作识别和时序动作定位模型落地应用，并且大幅提升了模型精度和泛化性。公司在由北京 图象图形学学会、清华大学、蚂蚁安全实验室等机构联合发起的第一届花样滑冰动作识别挑战赛 中，应用了领先的视频动作分析技术获得了冠军。

（7）信息安全及可靠技术 公司控股子公司深圳市国科亿道聚焦国产化高可靠加固计算终端（加固笔记本、三防平板、

国产主板），服务航空航天、特种信创、野外指挥等场景，为国家级高新技术、省级专精特新企

业。核心技术围绕国产信创硬件架构、加固可靠性、终端安全防护、特种电源、轻量化端侧 AI 五大主线。2026 上半年，硬件安全与端侧 AI 成为两大新增核心增长技术，专利重心从结构外观 转向底层电路、安全发明类高价值专利。以专利落地、国产 AI 硬件电路、终端数据安全、多冗 余电源、电磁兼容防护为核心突破方向，新增授权及公布的专利 10 余项，技术路线从单纯 “加 固硬件” 升级为“国产化 + 安全 + 边缘 AI”一体化方案栈。

国家科学技术奖项获奖情况

• □适用 √不适用 国家级专精特新“小巨人”企业、制造业“单项冠军”认定情况
• □适用 √不适用

• 2、 报告期内获得的研发成果 截至报告期末，公司及控股子公司、孙公司共计拥有有效专利（不包含权利终止和转让）137

项、有效软件著作权（不包含权利终止和转让）232 项、其他有效知识产权（不包含权利终止和 转让）3 项。 报告期内获得的知识产权列表

• 3、 研发投入情况表 单位：元

研发投入总额较上年发生重大变化的原因 √适用 □不适用 报告期内，研发投入总额占营业收入比例同比减少 18.45 个百分点，主要原因系本期营业收入同 比增长幅度高于研发费用增长幅度。

研发投入资本化的比重大幅变动的原因及其合理性说明

□适用 √不适用

4、 在研项目情况 √适用 □不适用

单位：万元

备注：项目 1 的累计投入金额超过募集资金累计投入金额的部分为研发费用间接费用的分摊。

• 5、 研发人员情况 单位：万元 币种：人民币

• 6、 其他说明

□适用 √不适用 四、 风险因素 √适用 □不适用 (一) 业绩大幅下滑或亏损的风险

报告期内，公司实现营业收入 5,042.35 万元，较上年同期增长 18.72%，实现归属于上市公司 股东的净利润-9,500.61 万元，归属于上市公司股东的扣除非经常性损益的净利润-10,561.91 万元。 若未来宏观经济环境与市场环境发生不利变化，或主要客户预算削减、大额订单未能延续等，公 司可能面临营业收入增速放缓甚至大幅下滑的风险。与此同时，鉴于公司所处行业技术迭代迅速、 竞争激烈及商业化落地的迫切需求，公司必须维持高强度的研发投入以保持核心竞争力。若未来 行业竞争加剧、客户偏好转变或面临降价压力，可能导致公司毛利率下行，加之公司为拓展新应 用场景可能增加销售费用，若公司无法及时优化成本结构、提升商业化落地效率或开拓新的高增 长盈利点，公司可能面临净利润持续亏损的风险。 (二) 核心竞争力风险

1、技术升级及产品迭代的风险

公司所处的人工智能行业具有技术升级及产品更新换代速度极快、颠覆性强的特征。随着物 联网、5G、云计算、大数据、大模型及智能体（Agent）等前沿技术的爆发式演进，技术融合与

创新节奏显著加快，且技术路线的选择及产品化落地亦存在高度不确定性。公司特种领域业务， 若向民用市场渗透，存在品牌认知度不足、成本控制压力、技术适配后商业化周期长且存在不确 定性等风险。若公司未能准确预判行业的发展趋势、新技术的研发方向以及市场需求等，导致技 术研发进展滞后、关键攻关失败或研发成果无法有效转化为商业产品，公司可能面临技术迭代受 阻、新产品推出不及预期的风险。此外，若同行业竞争对手率先在核心领域取得突破，推出更先 进、更具竞争力的技术和产品，公司可能面临错失新机遇甚至现有市场份额被侵蚀的严峻挑战， 从而对公司未来的经营与业务发展产生不利影响。

2、关键技术人员流失、技术人才不足的风险

人工智能行业属于典型的技术密集型与人才密集型行业，关键技术人员不仅是公司生存和发 展的关键，是维持竞争优势的基础，更是保持不断研发创新的重要保障。截至报告期末，公司研 发人员 173 人，占员工总数的 58.45%。随着行业规模的快速扩张及竞争格局的演变，人工智能公 司对优秀技术人才的争夺将日趋激烈，同时，随着公司业务领域的拓展及下游应用场景的深化， 市场对技术先进性、算法迭代速度的要求日趋提升，对公司人才梯队的厚度与质量提出了更高挑 战。若无法建立并执行具有长期竞争力的薪酬体系、激励机制、职业发展通道及企业文化，导致 在人才竞争中于发展前景、薪酬福利及工作环境等方面丧失吸引力，公司可能面临核心技术人员 流失或关键岗位人才引进受阻的风险，从而可能导致公司研发进度滞后、产品迭代放缓，削弱公 司的技术壁垒与产品创新能力，对公司的可持续发展造成不利影响。

3、知识产权受到侵害或泄密的风险 人工智能行业属于技术密集型行业，专利、软件著作权、商标、商业秘密及其他知识产权是 公司构建竞争壁垒、维持技术优势及实现商业成功的核心资产。公司的核心技术是公司保持市场 竞争力的重要支撑，相关知识产权的保护对公司的发展尤为重要。公司自设立以来，一直重视在 知识产权保护方面的投入，目前已建立知识产权保护机制，综合运用专利申请、软著登记、保密 协议、竞业禁止条款等多种手段，力求在促进创新的同时防范技术外泄。然而，仍不能排除未来 与竞争对手产生知识产权纠纷、公司的知识产权被侵权、个别竞争对手采取恶意诉讼拖延公司业 务开展、个别公司员工由于对知识产权的理解出现偏差导致出现非专利技术侵犯第三方知识产权， 以及公司部分尚处于研发过程中的非专利技术发生泄密的风险；如果发生知识产权纠纷或泄密， 公司可能需要通过法律诉讼等方式维护自身权益，由此可能需承担较大的法律和经济成本，而诉 讼结果也存在一定的不确定性，将对公司的生产经营、研发进展造成不利影响。 (三) 经营风险

1、收入波动的风险

公司终端客户以大型国有企业为主，其采购流程决策链较长、审批程序相对复杂，易受宏观 经济波动、财政预算周期、政策导向及内部战略调整等公司无法控制的外部因素制约。上述因素

的变动可能导致项目立项延期、实施周期被大幅拉长甚至在公司已投入大量研发及实施资源后出 现项目终止或取消的情形。若公司未能持续获得主要客户的订单、在存量市场竞争中被替代，或 新市场拓展进度不及预期以弥补存量缺口，公司可能面临收入出现较大波动的风险，进而对公司 的经营发展及财务状况等产生不利影响。

2、公司新业务拓展与新产品落地不及预期风险

公司已在智慧金融、城市管理、政务及特种、智慧教育等领域实现商业化落地，但各业务场 景的商业化落地进度仍受多种因素影响。未来在拓展新领域、开发多元化解决方案及延伸市场边 界的过程中，公司仍面临诸多挑战。受技术研发滞后、交付能力不足、客户对新产品的接受程度 及合作关系变动等因素影响，可能导致公司面临新产品不能较快规模化生产或被市场接受，或商 业化效益不及预期无法弥补前期投入的风险。向新领域及境外市场的业务拓展将带来更高的运营 复杂程度，包括对陌生监管环境与数据合规要求的适应成本、地缘政治与汇率波动的影响以及跨 文化运营的潜在障碍，若因环境适应不力或执行偏差等原因导致扩张受阻，可能导致公司财务损 失、声誉受损及资源浪费等，进而对公司的财务状况、经营业绩及未来发展前景产生不利影响。 (四) 财务风险

1、营业收入及利润下滑的风险

报告期内，公司营业收入较去年同比增长，但归母净利润亏损幅度同比扩大。若未来出现宏 观经济和市场环境发生不利变化、客户采购预算削减、下游应用领域认可程度和产品销售情况不 达预期、大额订单未能延续等情况，公司将面临营业收入增速放缓甚至大幅下滑的风险。为保持 技术领先性及核心竞争力，公司需维持高强度的研发投入。若行业竞争加剧引发产品价格下行压 力，导致毛利率受损；或未来公司因新场景拓展导致销售费用激增，而研发成果未能及时转化为 商业价值、成本结构优化滞后，可能导致公司面临净利润持续亏损的风险。此外，公司下游客户 的支付能力与宏观经济景气度及财政政策高度相关，若未来宏观经济环境波动，导致客户财政预 算收紧、支付能力下降或内部付款审批进一步滞后，公司可能面临应收账款回收困难、坏账计提 金额增加的风险。

2、收入季节性波动的风险

公司的收入存在季节性特征，第四季度营业收入占全年主营业务收入的比重较高。其中：（1）

终端客户收入主要集中在第四季度，主要原因系公司终端客户以大型国有企业为主，因其实行预 算管理和集中采购制度，通常在年初制定预算和采购计划，年中开始陆续下单，年末验收，因此 收入主要集中在第四季度。（2）公司集成商客户收入主要集中在下半年，主要原因系集成商的终 端客户主要为各地政府机构、事业单位及大型国有企业等，集成商客户较多在上半年进行项目规 划、试点及预算，下半年进行实施及验收，因此集成商客户下半年收入占比较高。公司销售收入 的季节性波动对公司资产流动性和正常生产经营活动有一定的影响。

3、毛利率波动的风险

公司毛利率受宏观环境、行业竞争、原材料价格、公司收入结构、项目类型、软硬件收入占 比等多重因素影响。若影响公司毛利率的因素出现较大不利变化，且公司未能通过产品创新、成 本控制、供应链优化或业务结构调整等方式有效应对，公司的毛利率可能存在大幅波动的风险， 进而对公司的盈利能力、经营业绩等产生不利影响。

(五) 行业风险

公司所处的人工智能行业正从“技术探索”迈向“规模化商用”，随着技术的快速迭代及客 户智能化升级需求的延展，公司在核心技术商业化落地及市场拓展等方面面临一定不确定性。随 着国家“人工智能+”行动及战略性新兴产业政策的深入，市场竞争维度逐步从单一技术比拼升级 为全生态链博弈。在特种行业领域，尽管客户粘性相对较高、行业准入门槛较严，但企业需持续 满足 GJB 认证及技术迭代的高要求，且面临着具备更强资金实力和渠道优势的潜在竞争对手的冲 击。若未来国家产业政策发生重大不利调整，市场竞争加剧，公司技术研发滞后或无法满足动态 合规标准等情况，可能导致公司竞争优势削弱及市场份额流失，从而对公司经营状况和盈利能力 造成不利影响。

(六) 宏观环境风险

公司目前主要客户集中在智慧金融、城市管理、政务及特种、智慧教育等领域，该等领域的 客户所在的行业与宏观经济、行业政策等紧密相关，对宏观经济波动的敏感度较高。尽管目前宏 观经济稳步发展，但若宏观经济出现波动或增速减慢，可能影响公司下游客户的业务需求，从而 可能导致公司业务收入面临波动的风险。此外，公司已被美国商务部列入“实体清单”，但由于 目前公司收入主要来自境内，且已制定国产器件替代的产品方案并在大部分产品中已完成国产替 代，因此暂未受到国际贸易摩擦的重大不利影响，但可能会对公司未来在人工智能前沿理论及学 术研究和国际学术交流以及境外业务拓展产生一定不利影响。

五、 报告期内主要经营情况 具体内容详见本节“二、经营情况的讨论与分析”。 (一) 主营业务分析

1、 财务报表相关科目变动分析表 单位：元 币种：人民币

营业收入变动原因说明:主要系本期持续拓展市场，城市管理等领域收入增长所致； 营业成本变动原因说明:主要系本期硬件产品销售业务占比增加所致； 销售费用变动原因说明:主要系本期股份支付费用及职工薪酬增加所致； 管理费用变动原因说明:主要系本期职工薪酬减少与办公面积调整导致的折旧金额减少所致； 财务费用变动原因说明:主要系本期购买结构性存款增加，收益计入投资收益，利息收入同比减少； 研发费用变动原因说明:无重大变化； 经营活动产生的现金流量净额变动原因说明:主要系本期销售商品收到的现金同比增加以及支付 的职工薪酬同比减少所致； 投资活动产生的现金流量净额变动原因说明:主要系本期投资收回的现金流增加所致； 筹资活动产生的现金流量净额变动原因说明:主要系本期新增借款所致；

2、 本期公司业务类型、利润构成或利润来源发生重大变动的详细说明

□适用 √不适用

(二) 非主营业务导致利润重大变化的说明

□适用 √不适用

(三) 资产、负债情况分析 √适用 □不适用

• 1、 资产及负债状况 单位：元

其他说明 无

2、 境外资产情况

□适用 √不适用

3、 截至报告期末主要资产受限情况

√适用 □不适用

单位：元 币种：人民币

4、 其他说明

□适用 √不适用

(四) 投资状况分析 1、 对外股权投资总体分析

• □适用 √不适用

• (1) 重大的股权投资

□适用 √不适用

• (2) 重大的非股权投资

□适用 √不适用

• (3) 以公允价值计量的金融资产

√适用 □不适用

单位：元 币种：人民币

证券投资情况 √适用 □不适用

单位：元 币种：人民币

注：报告期内，公司参股公司驭势科技于 2026 年 5 月 20 日在香港联合交易所主板上市，公司持有驭势科技 11,677,930 股股份，限售期为驭势科技上市 后 12 个月。前述股份均为公司参与发起设立取得的，根据企业会计准则的相关规定，公司将持有的该部分驭势科技的股权指定为“以公允价值计量且其 变动计入其他综合收益的金融资产”，在财务报表中列报为“其他权益工具投资”，该项投资的公允价值变动均将计入其他综合收益，不会影响公司当 期净利润及扣除非经常性损益后的净利润。驭势科技上市后的二级市场股价可能受宏观环境、行业政策、市场环境及企业经营业绩等多重因素影响，其 未来的股价波动，可能导致公司该项投资的公允价值随之波动，进而影响公司总资产及净资产的规模，敬请投资者注意投资风险。

衍生品投资情况

□适用 √不适用

(4) 私募股权投资基金投资情况

√适用 □不适用

单位：万元 币种：人民币

其他说明 无

(五) 重大资产和股权出售

□适用 √不适用

(六) 主要控股参股公司分析 √适用 □不适用

主要子公司及对公司净利润影响达 10%以上的参股公司情况 √适用 □不适用

单位：万元 币种：人民币

注：（1）上表中深圳市国科亿道科技有限公司总资产、净资产、净利润是以合并日的公允价值为基础进行调整后数据。 （2）上表中深圳市国科亿道科技有限公司与北京开云智联科技有限公司的财务数据，均系包含其下属控股子公司的合并报表数据。

报告期内取得和处置子公司的情况 √适用 □不适用

其他说明

• □适用 √不适用

(七) 公司控制的结构化主体情况

• □适用 √不适用 六、 其他披露事项
• □适用 √不适用

第四节 公司治理、环境和社会

一、公司董事、高级管理人员和核心技术人员变动情况 √适用 □不适用

公司董事、高级管理人员和核心技术人员变动的情况说明 √适用 □不适用

公司独立董事刘倩女士因个人原因决定辞去第二届董事会独立董事及第二届董事会各专门委 员会相关职务，辞职生效后将不再担任公司任何职务。具体内容详见公司于 2026 年 5 月 23 日在 上海证券交易所网站（www.sse.com.cn）披露的《格灵深瞳关于公司独立董事离任的公告》（公 告编号：2026-014）。

经公司第二届董事会提名委员会资格审查，并经第二届董事会第二十四次会议审议通过，董事会 提名谢纪刚先生为公司第二届董事会独立董事候选人，并同意谢纪刚先生经公司股东会选举成为公司 独立董事后接替刘倩女士担任公司第二届董事会提名委员会召集人、薪酬与考核委员会委员、审计委 员会委员及战略委员会委员，其任期自股东会审议通过之日起至第二届董事会任期届满之日止。该事 项已经公司于 2026 年 7 月 15 日召开的 2026 年第二次临时股东会审议通过。具体内容详见公司分别于 2026 年 6 月 30 日、2026 年 7 月 16 日在上海证券交易所网站（www.sse.com.cn）披露的《格灵深瞳 关于补选第二届董事会独立董事并调整董事会专门委员会委员的公告》（公告编号：2026-019）、《格 灵深瞳 2026 年第二次临时股东会决议公告》（公告编号：2026-022）。

公司核心技术人员的认定情况说明

• □适用 √不适用

二、利润分配或资本公积金转增预案 半年度拟定的利润分配预案、公积金转增股本预案

三、公司股权激励计划、员工持股计划或其他员工激励措施的情况及其影响 (一) 相关股权激励事项已在临时公告披露且后续实施无进展或变化的 √适用 □不适用

(二) 临时公告未披露或有后续进展的激励情况 股权激励情况

• □适用 √不适用 其他说明
• □适用 √不适用 员工持股计划情况
• □适用 √不适用 其他激励措施
• □适用 √不适用 四、纳入环境信息依法披露企业名单的上市公司及其主要子公司的环境信息情况
• □适用 √不适用 其他说明
• □适用 √不适用 五、巩固拓展脱贫攻坚成果、乡村振兴等工作具体情况
• □适用 √不适用

第五节 重要事项

一、承诺事项履行情况 (一) 公司实际控制人、股东、关联方、收购人以及公司等承诺相关方在报告期内或持续到报告期内的承诺事项 √适用 □不适用

二、报告期内控股股东及其他关联方非经营性占用资金情况

□适用 √不适用

三、违规担保情况

□适用 √不适用

四、半年报审计情况

• □适用 √不适用 五、上年年度报告非标准审计意见涉及事项的变化及处理情况
• □适用 √不适用 六、破产重整相关事项
• □适用 √不适用 七、重大诉讼、仲裁事项
• □本报告期公司有重大诉讼、仲裁事项 √本报告期公司无重大诉讼、仲裁事项

八、上市公司及其董事、高级管理人员、控股股东、实际控制人涉嫌违法违规、受到处罚及整改 情况

• □适用 √不适用

九、报告期内公司及其控股股东、实际控制人诚信状况的说明

√适用 □不适用 报告期内，公司及其控股股东、实际控制人诚信状况良好，不存在未履行法院生效判决、所负数 额较大的债务到期未清偿等情况。

十、重大关联交易 (一) 与日常经营相关的关联交易

• 1、 已在临时公告披露且后续实施无进展或变化的事项

□适用 √不适用

• 2、 已在临时公告披露，但有后续实施的进展或变化的事项

□适用 √不适用

• 3、 临时公告未披露的事项

• □适用 √不适用

(二) 资产收购或股权收购、出售发生的关联交易

• 1、 已在临时公告披露且后续实施无进展或变化的事项

□适用 √不适用

• 2、 已在临时公告披露，但有后续实施的进展或变化的事项

□适用 √不适用

• 3、 临时公告未披露的事项

□适用 √不适用

• 4、 涉及业绩约定的，应当披露报告期内的业绩实现情况

• □适用 √不适用

(三) 共同对外投资的重大关联交易

• 1、 已在临时公告披露且后续实施无进展或变化的事项

□适用 √不适用

• 2、 已在临时公告披露，但有后续实施的进展或变化的事项

□适用 √不适用

• 3、 临时公告未披露的事项

• □适用 √不适用

(四) 关联债权债务往来

• 1、 已在临时公告披露且后续实施无进展或变化的事项

□适用 √不适用

• 2、 已在临时公告披露，但有后续实施的进展或变化的事项

□适用 √不适用

• 3、 临时公告未披露的事项

• □适用 √不适用

(五) 公司与存在关联关系的财务公司、公司控股财务公司与关联方之间的金融业务

• □适用 √不适用

(六) 其他重大关联交易

• □适用 √不适用

(七) 其他

• □适用 √不适用 十一、 重大合同及其履行情况 (一)托管、承包、租赁事项
• □适用 √不适用

(二)报告期内履行的及尚未履行完毕的重大担保情况 √适用 □不适用

单位： 元 币种： 人民币