[中报]格灵深瞳(688207):格灵深瞳2022年半年度报告
原标题:格灵深瞳:格灵深瞳2022年半年度报告 北京格灵深瞳信息技术股份有限公司 2022年半年度报告 重要提示 一、本公司董事会、监事会及董事、监事、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 截至报告期末，公司累计未弥补亏损为-12,458.70万元。公司尚未盈利且存在累计未弥补亏损的主要原因系前期研发投入大但收入规模较小以及实施股权激励产生大额股份支付费用所致。 公司未来几年将存在持续的研发投入和股份支付费用，未盈利状态可能持续存在且累计未弥补亏损可能继续扩大，公司可能存在短期内无法现金分红，将对股东的投资收益造成一定程度的不利影响，同时有可能会造成公司现金流紧张，对公司业务拓展、人才引进、团队稳定、研发投入、市场开发等方面造成负面影响。报告期内，公司的主营业务、核心竞争力未发生重大不利变化。 公司已在本报告中详细说明公司在经营过程中可能面临的各种风险，敬请查阅本报告“第三节 管理层讨论与分析”之“五、风险因素”相关内容。 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王艳 及会计机构负责人（会计主管人员）杜家芳声明：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 不适用 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..................................................................................................................... 5 第二节 公司简介和主要财务指标 ..................................................................................... 7 第三节 管理层讨论与分析.............................................................................................. 11 第四节 公司治理............................................................................................................ 31 第五节 环境与社会责任 ................................................................................................. 34 第六节 重要事项............................................................................................................ 35 第七节 股份变动及股东情况 .......................................................................................... 59 第八节 优先股相关情况 ................................................................................................. 66 第九节 债券相关情况..................................................................................................... 66 第十节 财务报告............................................................................................................ 67
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：
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
√适用 □不适用
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
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项目的情况说明 □适用 √不适用 九、 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 根据中国证监会颁布的《上市公司行业分类指引》（2012年修订）和国家统计局《国民经济行业分类》（GB/T4754-2017），公司属于“软件和信息技术服务业”（行业代码I65）。根据《战略性新兴产业分类（2018）》，公司属于“新一代信息技术产业”中的“人工智能”行业。 自2015年7月国务院印发的《关于积极推进“互联网+”行动的指导意见》将“互联网+人工智能”列入十一项重点行动之一以来，我国出台了一系列重要政策，以把握人工智能发展新阶段国际竞争的战略主动权，促进人工智能行业发展壮大。随着人工智能技术的不断进步与发展，部分技术进入产业化发展阶段，智能应用已成为当前及未来较长发展周期的核心要义。作为战略性新兴产业，人工智能商业模式还在不断摸索与丰富，其正与生产生活的各个领域相融合，有效提升各领域的智能化水平，在带动新产业兴起的同时也为传统领域带来变革机遇，拥有极为广阔的市场前景。目前我国人工智能在政府、金融、互联网、零售等领域的人机对话、远程作业、质控风控、营销运营、决策支持等诸多环节存在不同程度的应用，商业模式主要以项目解决方案交付、一站式产品方案、软件销售、AIoT设备销售、算法授权许可费等多种模式并存。 （二）公司主营业务情况 公司以“让计算机看懂世界，让AI造福人类”为愿景，专注于将先进的计算机视觉技术和大数据分析技术与应用场景深度融合，提供面向智慧金融、城市管理、商业零售、轨交运维、体育健康领域的人工智能产品及解决方案。公司经过多年的技术研发与积累，已有效掌握了基于深度学习的模型训练与数据生产技术、3D立体视觉技术、大规模跨镜追踪技术、自动化交通场景感知与事件识别技术、机器人感知与控制技术等方向的多项核心技术，凭借过硬的技术能力和长期的商业化经验，已成功在智慧金融、城市管理、商业零售、轨交运维四大领域实现落地应用，其中：城市管理领域已覆盖全国多省市的公安局、公安交通管理局、政法委员会等政府机关或企事业单位；智慧金融领域已覆盖农业银行全国各省市的数千家网点；商业零售领域主要收入来自地产类客户；轨交运维领域公司的自研产品在某城市的地铁项目已通过验收，实现落地应用，为地铁的安全运维提供保障。除此之外，公司在体育健康、轨交运维等更多领域进行前瞻性的布局，部分在研产品已成功在客户中开展试点，各类产品和解决方案的研发和落地工作按计划有序推进。公司从客户需求出发，面向智慧金融、城市管理、商业零售、轨交运维、体育健康不同领域的客户，提供相应的行业解决方案。 （三）公司主要经营模式 1、盈利模式 公司主要从事计算机视觉技术和大数据分析技术的研发和应用。公司的盈利来源于向客户提供面向应用场景的人工智能产品及解决方案获得销售收入。公司自主研发的人工智能产品主要包括智源智能前端产品、灵犀数据智能平台及深瞳行业应用平台。人工智能产品既可以单独销售， 也可根据客户需求，将上述产品进行组合以整体行业解决方案向客户交付。 2、研发模式 公司拥有完整的研发组织架构与创新机制，以用户需求为核心，采用迭代、循序渐进的敏捷 方法进行研发活动，并对整个产品生命周期进行管理，在过程中不断对执行结果和阶段目标进行 总结复盘，通过不断迭代完善产品质量和改进研发过程。公司具体的研发过程如下图所示： （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合理科学的解决方案，产品经理、算法工程师、软硬件开发工程师和测试团队密切配合，在产品负责人的协调下进行多次短平快的软件原型迭代，每一次迭代都会在产品实际使用场景中进行反复实验确认，通过与客户持续沟通，调整和优化，确认产品最终形态的各功能模块和参数指标，并明确研发周期。在整个过程中，算法团队负责完成实验场景的建设和数据收集，并进行验证性实验；软件开发团队负责针对应用场景进行原型验证和开发；智能硬件团队负责对硬件产品的相关指标进行可行性实验和评估。 （3）在产品研发阶段，产品经理会将产品多次在客户处进行验证，确保产品交付节点和产品定义与用户预期保持一致；算法和工程团队协同完成算法模型设计开发、数据收集清洗、功能特性开发等工作；测试团队按照产品定义对产品每个开发版本进行验收，并完成自动化测试脚本；智能硬件团队完成新硬件产品的结构设计和工业设计，有效评估外观、材质、散热、电气等特性，并负责设备软件开发和集成，交付少量可以进行测试认证的工程样机。该阶段产品会发布多个内外部测试版本，在实践中进行快速迭代。 （4）产品发布阶段是在产品完成核心功能开发后，在目标市场进行交付的阶段，产品经理制定产品的标准文档、收集种子客户的市场反馈、记录产品运行状况并制定研发计划，与研发团队一起对产品进行多次迭代来完善打磨产品，大量来自客户实际使用的数据将帮助算法与软件团队快速迭代提高产品完成度；新的硬件产品会在这一阶段进行小批量验证，完成量产导入，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，确保产品的最终质量。这一阶段的完成标志着产品正式版本的发布。 （5）产品运营阶段在产品正式发布后，产品经理结合市场反馈与发展趋势，制定多个后续产 品版本，不断创新推出符合市场需求的产品新版本，以对产品进行持续的运营、维护和改进。 3、采购模式 公司专注于人工智能产品及解决方案的研发和销售，不涉及硬件的直接生产。 针对标准硬件、配件及服务类采购，公司直接向供应商提出待采购产品或服务的需求，供应 商按照指定的时间和地点进行交付；针对定制化硬件，公司采购主要原材料并发货至委外加工厂， 由其进行生产加工。公司选择专业的代工厂，依托其已有的完善的品质控制、生产制造管理和硬 件设施进行专业的代工生产。公司通过新产品导入、质量检验标准发布、生产工艺发布、测试检 验工具发布等方式确保产品生产的有效性、一致性和稳定性。 4、销售模式 公司结合下游行业的业务特点与主要产品的市场定位，制定了直接销售的销售模式，向终端 客户或集成商客户直接销售人工智能产品及解决方案。其中终端客户是指直接使用公司产品及解 决方案的各行业领域客户，包括政府部门、公安机关、企事业单位、金融机构等；集成商是指承 担系统集成、安装部署、运营维护等职能的企业，包括终端客户的项目总包方或其指定的工程服 务商等。公司与客户直接对接需求，通过商务谈判、参与招投标等方式获取订单。公司建立了完 善的直销服务体系，目前已在全国划分了华东、华中、华北、东南、西南、东北、西北七个大区 进行区域化和行业化的矩阵式管理，以提供及时、高效的销售服务。 二、 核心技术与研发进展 1. 核心技术及其先进性以及报告期内的变化情况 公司打造了底层AI技术平台——深瞳大脑，深瞳大脑作为公司核心技术的驱动平台，赋能公 司人工智能产品及解决方案的技术实现。深瞳大脑包含数据平台和训练平台，由数据采集、数据 预处理、数据标注、模型训练、模型优选、数据管理等模块组成。 数据平台支持多源多模态数据的自动收集和清洗归类，通过构建自动化处理为主、人工标注为辅的标注体系，形成海量增长的标签数据池，有效节省标注成本，提高了算法模型的研发效率；训练平台则有效提高了模型训练的自动化水平，降低算法多平台部署应用的迁移难度，为算法高效生产及快速商业化应用奠定了重要基础。目前，公司深瞳大脑可支持数十亿训练数据、数亿类别任务，数十亿参数模型的训练。训练平台生产高质量的算法，推动应用的落地，数据平台收集应用产生的高质量数据又促进算法的提升，从而算法、应用、数据在深瞳大脑系统内形成人工智能的正向循环，为公司的高效研发创新与产业应用提供了有力支持。 （1）基于深度学习的模型训练与数据生产技术 公司自研的海量数据算法生产技术通过自有的核心算法结合大数据平台的分析处理技术，支持在海量数据中进行挖掘，主动触发模型更新训练，有效的提高了算法的准确率和生产率。同时，公司自建的数据标注平台，通过组建具有专业背景的标注团队，用人工标注加AI模型自动化预识别的方法，为算法提供精准的基础训练数据，可覆盖公司内部99%的算法标注任务。 跨平台模型训练技术用于简化AI算法生产，该技术基于自主研发的训练框架，可实现常用业务AI算法的一键式训练，为常见业务中的分类、检测等算法提供便捷快速的实用模型。针对不同应用场景的算法开发，公司自主研发的跨平台模型训练技术可将训练任务管理平台产出的模型自动发布到各种类型的显卡或平台，包括英伟达显卡、嵌入式平台、海思平台、华为Altas计算卡等，无需人工干预，从而达到模型快速高效交付的目的，可有效的降低研发成本，有助于提升产品的市场竞争力。 （2）3D立体视觉技术 3D立体视觉一般通过结构光、激光雷达等特殊传感器采集得到场景的深度信息，再利用深度信息和可见光信息一同计算出场景的三维图像。 多目传感器标定与深度估计技术使用一对成本更为低廉的可见光相机组成双目系统，对场景深度信息进行估算，在达到普通结构光相机精度的同时，提高了相机的可靠性和易用性，并能覆盖更多的结构光相机无法工作的光线条件和场景。基于这项技术的输出，使公司的算法能更好地适应多种不同的场景和目标，进而对人体、物体、场景进行高精度的重建。 运动姿态分析技术通过采集不同场景下人体姿态数据，通过自主研发的三维人体姿态估计算法，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3D重建与立体视觉分析技术主要应用在轨交运维场景，该技术将离散的局部列车零部件数据进行融合和重构，得到列车标准模型。将几何模型分析、深度学习等技术运用到列车标准模型、点云数据、图片等多维度数据，进行零部件匹配和故障诊断。目前，公司产品已覆盖列车常见的190余种故障项点，项点处理速率超过20,000个/小时，在高级重要性项点的故障诊断成功率大于95%，对于高精度测量的项点，测量精度到达亚毫米级别。 （3）自动化交通场景感知与事件识别技术 公司拥有国内领先的车辆识别技术，能够运用高精度目标检测与跟踪技术对大陆号牌、港澳号牌、非机动车号牌等多种类型的车牌进行多种尺寸和角度的识别，支持倾斜角度在45°范围内的车牌，准确率在 99%以上。同时，公司支持的机动车、非机动车、人体属性识别多达50余项，重点属性识别准确率超过95%。 在对交通场景中车辆进行分析时，公司结合在人脸识别技术上的优势研发了多目标属性识别与对象关联技术。该技术可以将车内驾驶员与车辆绑定，协助交通管理部门和公安部门查找可疑人员，提供破案线索。由于车内光线较暗、抓拍受挡风玻璃干扰、司乘人员人脸姿态不受控、人脸有遮阳板墨镜口罩等遮挡的原因，普通的人脸识别算法都会有较大的下降，公司在人脸识别技术上的优势可以做到在以上困难环境下仍能达到较高的识别率。 公司研发的交通场景理解及事件检测识别技术，基于自适应交通场景理解和车辆特征识别的技术能力，无需人工标注，可自动化识别闯红灯、不按导向行驶、不礼让行人等11种交通违法场景，同时结合车辆重识别技术可准确定位车辆位置，实现对交通视频的自动分析、事件预警和违法事件的自动审核。 （4）大规模跨镜追踪技术 公司拥有完全自研的人脸识别算法和引擎技术，在多种光线条件、人脸角度的场景下都能达到较高的识别准确度。公司在研发过程中开源了TrillionPairs和Glint360K两个人脸识别数据集以及PartialFC训练代码，其中PartialFC相关论文已被视觉顶尖会议CVPR2022接收，推动了行业技术的发展。公司的人脸识别技术在公开数据集MegaFace上识别准确率达到99.1%。公司在公安部治安管理局亿级人像算法测试中，1比1人像比对测试万分之一误识率下的通过率为99.97%，5万样本比1亿级人像比对测试中首位命中率超过98%，均高于行业平均水平。 公司研发的百亿级人员聚类技术可支撑上万路摄像头接入并实时完成动态聚类，支持室内场景和光照、质量和姿态等都不受控的室外复杂场景中的大规模商用。 为了达到上万路摄像头接入并实时完成动态聚类的应用要求，公司研发了海量数据以图搜图技术。公司研发的以图搜图引擎支持多架构、不同计算设备上的图片检索功能。针对检索频率高实时要求强的场景，以图搜图引擎支持英伟达全系显卡以及华为计算卡的图片检索。针对检索频率低实时要求不强，但图片数量较大的场景，单机可实现上亿人脸图片秒级返回，集群可实现数十亿级图片秒级返回。针对海量图片检索场景，以图搜图引擎实现了单机检索30亿人脸图片 20秒内返回结果的性能。配合集群可实现百亿级图片数十秒检索的性能。该技术已广泛应用在公司多个应用场景的产品及解决方案中。 人脸属性表达技术在公共安全等场景具有广泛应用，同时也能辅助大规模人员聚类。公司研发的人脸属性包括年龄、性别、种族、表情、姿态、遮挡、模糊等多项属性。该技术使用单模型、多任务协同训练策略，利用各个属性任务之间的相关性来辅助训练单个模型，可在缩减运算资源的同时保证每个属性的精度。 公司多场景广覆盖人脸活体识别技术可应用在闸机口等通行相关的场景，公司已积累了千万级的攻击样本，可防止人员通过打印照片、屏幕、3D面具等非活体人脸通过闸机。 （5）机器人感知与控制技术 公司将实时定位与建图技术、机械臂视觉反馈技术、机器人路径规划与自主导航技术运用于轨交运维机器人等场景，算法适应性良好，机器人该场景中，以最高1m/s的速度做无碰撞运动，达到轨交运维应用所需的技术水平。 其中，机器人实时定位与建图技术，又称SLAM技术，在室内和半户外场景下拥有良好的定位精度，在结构化的室内场景下，定位精度可达毫米级，在工业现场的半户外场景下，定位精度可达厘米级。同时，公司针对SLAM普遍算力要求较高的问题做出了优化，完成SLAM模块向特定型号嵌入式主板的迁移和适配工作；机械臂视觉反馈技术，又称手眼协同技术，在机械臂重复性动作的场景中收到良好效果，得到视觉反馈之后的机械臂定位，较普通机械臂定位的精度有较大提升。同时，在保证精度的前提下，时间延迟不超过1秒，保证了精度和实时性；机器人路径规划与自主导航技术，包含机器人定点巡逻、远程临场、人员跟随等功能模块，运用于自动化检修场景中。 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 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 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：元
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 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 公司掌握计算机视觉领域的核心算法技术，已形成了基于深度学习的模型训练与数据生产技术、3D立体视觉技术、自动化交通场景感知与事件识别技术、大规模跨镜追踪技术和机器人感知与控制技术五大技术方向并拥有多项自主知识产权；公司的人脸识别、车辆识别等核心算法在国际、国内的权威机构和组织举办的算法比赛中多次获得第一。其中：公司的人脸识别技术在公开数据集MegaFace上识别准确率达到99.1%，公司在公安部治安管理局亿级人像算法测试中，1比1人像比对测试万分之一误识率下的通过率为99.97%，5万样本比1亿级人像比对测试中首位命中率超过 98%，均高于行业平均水平；公司的车辆识别技术能够对大陆号牌、港澳号牌、非机动车号牌等多种类型的车牌进行多种尺寸和角度的识别，支持倾斜角度在45°范围内的车牌，准确率在99%以上。同时，公司支持的机动车、非机动车、人体属性识别多达50余项，重点属性识别准确率超过95%，达到国内领先水平。 公司建立了以数据平台与训练平台为核心，涵盖数据采集、数据预处理、数据标注、模型训练、模型优选等模块的底层AI技术平台——深瞳大脑，有效提高了算法模型的研发效率及自动化水平。数据平台支持多源多模态数据的自动收集和清洗归类，通过构建自动化处理为主、人工标注为辅的标注体系，形成海量增长的标签数据池，有效节省标注成本，提高了算法模型的研发效率；训练平台则有效提高了模型训练的自动化水平，降低算法多平台部署应用的迁移难度，为算法高效生产及快速商业化应用奠定了重要基础。数据、算法及应用在深瞳大脑内形成人工智能的正向循环，为公司的高效研发创新与产业应用提供了有力支持。 经过多年持续研发的优化，公司的训练任务管理平台产出的模型可无需人工干预，自动发布到各种类型的显卡或平台，包括英伟达显卡、嵌入式平台、海思平台、华为Altas计算卡等，从而达到模型快速高效交付的目的。除了该项基于深度学习的模型训练与数据生产技术之外，公司还形成了3D立体视觉技术、自动化交通场景感知与事件识别技术、大规模跨镜追踪技术和机器人感知与控制技术的技术方向，掌握了跨平台模型训练技术、海量数据生产技术、多目传感器标定与深度估计技术、运动姿态分析技术、人脸识别算法和引擎技术等多项核心技术。 2、快速的商业化落地能力和良好的市场口碑 公司凭借高效的算法生产技术以及对各下游行业与应用场景的深度理解，形成了产品快速的商业化落地的能力，并根据下游客户的需求不断优化、升级核心技术，公司的主营业务产品在下游主要核心客户的认可程度高，良好的市场口碑为公司市场拓展及持续发展奠定了重要基础。公司成立至今陆续开发了皓目行为分析仪、边缘计算设备、视图大数据平台、车辆360动态图像监测系统等核心产品，并在智慧金融、城市管理、商业零售、轨交运维等领域得到应用。公司自主研发设计的皓目行为分析仪、边缘计算设备在农业银行各地分支机构推广使用，使得公司金融领域的收入快速增长；公司研发的边缘计算设备2018年一经推出就在中国石化的智慧油站项目中得到快速应用；2020年新冠肺炎疫情爆发之初，公司在短时间内，利用人工智能和双光谱成像等技术积累，迅速推出双光温测智能识别设备与应用系统，快速、精确、安全地进行体温测量与核查，及时助力疫情防控；公司的轨交运维解决方案在多个城轨和机车领域的试点项目进入研发、测试或交付验收阶段，有效提高了检修效率，保证了列车的运行安全，其中，自主研发的车辆360动态图像监测系统已经成功在地铁线路上实现落地应用。公司的体育健康业务产品在多地校园场景进行试点，通过智慧化训练场改造以及一体化的交互设备部署，汇总学生体育运动数据，并进行自动化的教学分析、评价、指导，识别学生个体差异，帮助各地学校进行智慧体育课、课后服务、课后体育作业的场景建设，助力学校分层教学，构建基于人工智能的智慧体育新型教学模式。 3、保持技术不断创新的机制安排和技术储备 公司以技术研发为核心驱动力，建立了研发管理流程、人才储备机制、股权激励机制、知识产权保护等多项保持技术不断创新的机制安排。公司在研项目涵盖基础算法技术研发和智慧金融、城市管理、商业零售、轨交运维、体育健康各领域产品和下游应用的研发，技术储备充足，为公司产品的推陈出新提供了有力支持。公司拥有完整的研发组织架构与创新机制，以用户需求为核心，采用迭代、循序渐进的敏捷方法进行研发活动，并对整个产品生命周期进行管理，在过程中不断对执行结果和阶段目标进行总结复盘，通过不断迭代完善产品质量和改进研发过程。公司高度重视新技术的研发，专门设立有负责行业相关先进技术的前瞻性探索与研发创新的部门，由公司创始人赵勇博士主导。 在轨交运维领域，公司的3D重建与立体视觉分析技术解决了传统算法中误差较大的问题，让计算机视觉技术运用于轨交检修的落地应用成为可能；在体育健康领域，公司的3D立体视觉技术使得设备成本降低的同时，提高了可靠性和易用性，同时运动姿态分析技术通过采集不同场景下人体姿态数据，通过自主研发的三维人体姿态估计算法，能够克服人体关键点采集不准不稳的难题；此外，公司基于3D立体视觉技术自研了大规模沉浸式人机交互系统，提供在大场景中的人体动作姿态感知、六自由度游戏装备感知等能力，未来可应用于沉浸式互动游戏、赛事、发布会和展会等领域。 4、团队优势和人才储备 经过多年发展，公司建立了一支高学历、高水平的研发队伍。截至报告期末，公司研发人员为227人，占员工总数的比重为59.89%。其中，硕士及以上学历人数为69人，占研发人员比重为30.40%。公司的核心技术团队由公司创始人、董事长兼总经理赵勇博士等在内的7人组成，涵盖算法、智能应用、产品设计、硬件开发等多领域的资深人才，拥有丰富的学术知识与研发创新经验，对行业前沿技术与发展趋势具有深刻认知及判断，保障了公司核心技术的持续研发创新。 报告期内，公司累计研发投入 5,710.11万元，占营业收入的比重为 48.73%，研发投入同比增加。公司在核心算法技术、应用场景相关技术均有前瞻性的研究和探索，公司人工智能关键技术及在体育健康、轨交运维等更多领域的研发与探索，将进一步增强公司的技术积累，为持续较快发展提供坚实的技术支持。 (二) 报告期内发生的导致公司核心竞争力受到严重影响的事件、影响分析及应对措施 □适用 √不适用 四、 经营情况的讨论与分析 报告期内，公司保持了良好的增长势头，加大交付和推广力度，验收订单量增加，实现营业收入11,718.25万元，同比增长62.33%，实现归属于上市公司股东的净利润-1,256.16万元，亏损同比收窄77.93%，归属于上市公司股东的扣除非经常性损益的净利润-1,439.93万元，亏损同比收窄73.70%，主要系报告期内公司收入增加及股份支付费用减少，盈利水平提升；经营活动产生的现金流量净额-630.51万元，同比明显好转，主要系应收账款回款增加。公司在不断夯实已商业化落地业务的同时，持续加强各领域研发投入，报告期内，公司研发投入5,710.11万元，占营业收入比例为48.73%，研发投入同比持续增长，截至报告期末研发人员数量为227人，同比增长48.37%，研发团队加速构建，持续在核心算法技术、应用场景相关技术进行前瞻性的研究和探索，为公司持续较快发展提供坚实支撑。 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 五、 风险因素 √适用 □不适用 （一）技术升级及产品迭代的风险 公司所处的人工智能行业技术升级及产品更新换代速度较快，且随着物联网、5G、云计算、大数据等新技术的快速发展，人工智能技术与其他新技术的融合运用将进一步推动行业的技术创新和产品升级，因此持续研发新技术、推出新产品是行业内公司在市场中保持优势的重要手段。 如果公司未能及时准确地把握技术发展趋势，或者公司的技术研发进展滞后于下游市场需求，或者公司同行业竞争对手率先在相关领域取得重大突破，推出更先进、更具竞争力的技术和产品，造成公司未能顺利对技术及产品进行持续的迭代和升级，或者无法通过持续创新研发出具有商业价值、符合市场需求的新产品，将导致公司错失新的市场商机，对公司未来业务发展造成不利影响。 （二）关键技术人员流失、技术人才不足的风险 人工智能行业系典型的技术密集型、人才密集型行业，关键技术人员是人工智能公司生存和发展的关键，也是获得持续竞争优势的基础，更是保持不断研发创新的重要保障。截至报告期期末，公司的研发人员数量为227人，占公司员工总人数的比例为59.89%。随着行业规模的扩张及竞争格局的演变，人工智能公司对优秀技术人才的争夺将日趋激烈，此外，随着公司业务规模的持续增长、下游用户需求不断升级，对人工智能技术先进性的要求日趋提升。如果公司不能持续加强对原有关键技术人才的激励和保护力度，或者不能持续引进新人才应对内部研发需要，或者在人才市场的竞争中在发展前景、薪酬、福利、工作环境、激励制度等方面无法保持持续吸引力，则面临关键技术人员流失、技术人才不足的风险，进而导致在技术研发、产品创新方面有所落后，对公司技术优势的维持和新产品的持续研发造成不利影响。 （三）知识产权受到侵害或泄密的风险 人工智能行业属于技术密集型行业，为了保持技术优势和竞争力，防止技术外泄风险，已掌握先进技术的行业内优势企业通常会通过申请专利、登记软件著作权等方式设置较高的进入壁垒。 截至报告期末，公司拥有20项发明专利、6项实用新型专利及93项软件著作权，公司的核心技术是保持市场竞争力的重要支撑，相关知识产权的保护对公司的发展尤为重要。公司自设立以来，一直重视在知识产权保护方面的投入，但仍不能排除未来与竞争对手产生知识产权纠纷、公司的知识产权被侵权、个别竞争对手采取恶意诉讼拖延公司业务开展、个别公司员工由于对知识产权的理解出现偏差导致出现非专利技术侵犯第三方知识产权，以及公司部分尚处于研发过程中的非专利技术发生泄密的风险；如果发生知识产权纠纷或泄密，公司可能需要通过法律诉讼等方式维护自身权益，由此可能需承担较大的法律和经济成本，而诉讼结果也存在一定的不确定性，将对公司的生产经营、研发进展造成不利影响。 （四）公司在智慧金融领域及商业零售领域规模化落地场景较为单一，客户集中度较高以及收入波动的风险 公司智慧金融领域及商业零售领域的规模化落地场景较为单一，客户集中度较高，如果出现主要客户的生产经营状况、采购预算计划、供应链体系等发生变化，公司未能持续获得主要客户的订单或公司与该等客户合作关系被其他供应商替代，或者公司无法有效开拓新客户资源及落地新应用场景，公司收入将存在较大波动的风险，从而对公司的经营发展、财务状况等产生不利影响。 （五）公司在体育健康、轨交运维等领域的商业化落地不及预期的风险 报告期内，公司的主营业务收入主要来自于城市管理、智慧金融、商业零售三大领域，在体育健康、轨交运维等领域进行了前瞻性的业务布局，部分产品及解决方案已进入客户验证或落地实施阶段。但新业务场景的商业化落地进度受制于多种因素，例如公司出现相关技术研发进展滞后、交付能力不足、客户对产品的接受程度和推广进度较弱等情形，将可能导致新产品不能较快规模化生产或被市场接受，或者商业化效益不及预期无法弥补前期投入，将会对企业的盈利水平和未来发展产生不利影响。 （六）公司在未来一定期间可能无法盈利或无法进行利润分配的风险 公司 2022年 1-6月实现营业收入 117,182,479.12元，归属于上市公司股东的净利润-12,561,582.98元，归属于上市公司股东的扣除非经常性损益的净利润-14,399,315.55元，截至报告期末，公司累计未弥补亏损为-124,586,994.65元。公司尚未盈利且存在累计未弥补亏损主要原因系前期研发投入大但收入规模较小以及实施股权激励产生大额股份支付费用所致。公司未来几年将存在持续的研发投入和股份支付费用，如果公司经营取得的利润无法弥补经营开支和股份支付费用摊销，则可能导致公司未来一定期间无法盈利或无法进行利润分配的风险。未盈利状态可能持续存在且累计未弥补亏损可能继续扩大，公司可能存在短期内无法现金分红，将对股东的投资收益造成一定程度的不利影响，同时有可能会造成公司现金流紧张，对公司业务拓展、人才引进、团队稳定、研发投入、市场开发等方面造成负面影响。 （七）收入存在季节性波动的风险 公司的收入存在明显的季节性特征，第四季度营业收入占全年主营业务收入的比重较高。其中：（1）终端客户收入主要集中在第四季度，主要原因系报告期内公司终端客户以农业银行为主，农业银行属于大型国有企业，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投标，下半年进行安装部署及验收，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及其引起的公司营业收入、净利润、经营性活动净现金流在全年不均衡的分布，将对公司资产流动性和正常生产经营活动造成一定的不利影响。 （八）应收账款回收困难的风险 随着公司经营规模扩大，公司应收账款规模总体上有所增加。报告期末，公司应收账款账面价值为22,753.48万元。公司应收账款规模的增加，加大了公司的经营风险。如果经济形势恶化或者客户自身发生重大经营困难，公司将面临应收账款回收困难的风险。 六、 报告期内主要经营情况 具体内容详见本节“四、经营情况的讨论与分析”。（未完）  |