虹软科技机构调研纪要

调研日期: 2026-05-22 虹软科技股份有限公司是一家领先的计算机视觉算法服务提供商和解决方案供应商,为全球客户提供计算机视觉技术和人工智能技术的商业应用解决方案。公司在杭州、上海、南京、深圳、台北、硅谷、东京、都柏林等地设有商业和研发基地,致力于将先进的计算机视觉技术和人工智能技术应用于智能手机、智能汽车、智能家居、智能零售、互联网视频等各个领域。虹软视觉开放平台支持离线式图像技术,与广大合作伙伴携手推动各类视觉技术应用深入到旅游、教育、政务、出行、社区楼宇、互联网应用等各个领域,引领和推动着视觉技术赋能和落地。在超过20年的发展过程中,虹软聚集了众多的视觉领域专家,并吸纳和培养了来自国内外一流高校的优秀人才作为生力军。虹软将坚持聚焦在技术,注重技术与行业结合的应用经验,融合先进的学术科研力量,为全球的客户和消费者带来真正价值的视觉享受与体验。 第一部分、公司业务战略总览 公司2023年至2025年营业收入与利润均保持了增长态势,同时为了应对高科技行业的技术更新迭代,研发投入也在持续增加。 尽管当前大模型技术(如AI Coding)受到广泛关注,但通用AI短时间难以在所有行业全面深度覆盖。AI技术要深入落地,必须深度理解特定行业,并实现业务的工程化落地。因此,虹软的市场与业务定位在“计算机视觉AI+服务”。 公司三大业务版图 1)移动智能终端业务:整合了智能手机、AI眼镜、运动相机及具身智能机器人业务,目标为“巩固发展”。虽然近期受内存涨价影响,机构预测2026年全球智能手机出货量将下降20%-30%,但公司正通过夯实的技术与新的产品机会,应对新的挑战。 2)车载AI业务:目标为“大力发展”。该业务已开展七八年,目前正处于高速增长周期,期待车载AI业务未来持续高速发展。3)PSAI业务(AI商拍):公司发现纯粹通过云端通用大模型的订阅制输出,往往需要生成大量的图片才能得到一张满意的结果图,无法达到品牌商家苛刻的商业标准。对此,公司依托自研AI技术附加定制化服务,能将业务真正落地交付。目前,此业务正在探索中积极发展。 第二部分、公司主要业务模块进展及创新 (一)移动智能终端业务 该板块的核心产品线已从单一的智能手机,向外延伸至AI眼镜、运动相机与具身智能机器人领域 。 1、智能手机业务:以算法对冲硬件BOM成本的压力 市场挑战:自2025年至2026年,手机存储芯片价格上涨了2倍到6倍,导致手机厂商BOM(物料清单)成本承压,手机整体出货量出现下降。面对这样的背景,手机厂商的主要应对策略与虹软的机会如下: 1)芯片升级:厂商将中端品牌芯片提升至高端,以提升产品溢价。这契合了虹软TurboFusion产品一开始就定位中高端芯片的策略,有助于增加画面产品力。 2)技术下沉:虹软将算法渗透至没有NPU算力的低端平台,扩充了市场覆盖范围。 3)硬件减配与算法替代:通过算法优化(如虹软的TurboFusion的超分辨率技术),能够在单摄放大50倍时依然保持极高画质。这使得厂商有机会将摄像头减配,通过纯软件算法实现长焦功能,从而大大节约BOM成本。 2、计算摄影产品创新: 1)升级景深:针对当前中高端手机主摄光圈越来越大,导致拍摄合影时容易出现“前景实、后景虚”或“前景虚、后景实”的痛点,虹软开发了全景深合成技术。无论景深远近、光圈大小,均能确保合影中所有人脸及户外风光清晰呈现,可达到单反的标配效果。 2)星空拍摄:将传统单反星空拍摄需要的选景、搭建、寻找星星等长达数小时的复杂流程,整合进智能手机。消费者只需不到一分钟,即可拍出斗转星移、人星合影等照片。 3)升级人像:打破过往单纯追求磨皮、瘦脸的参数方案,向追求真实瑕疵、有情绪、有生命力和活力的主观人像质感演进。 4)结合传感器:结合视觉传感器,开发新算法以抓取高速运动物体(如高速旋转的转盘)的细节,实现精准的成像。 3、终端品类延伸:向外延伸的三大产品线 1)AI智能眼镜(边缘视觉):IDC预测,2026年全球智能眼镜市场出货量将突破2,368.7万台,搭载摄像头的AI眼镜出货比例不断增加。以AI眼镜为代表的新一代智能终端,作为AI时代数据与交互的总入口,正在推动人机交互模式的演进。 智能眼镜面临极大的物理约束:适合长期佩戴的重量必须控制在40克到50克左右,同时需要全天候电池续航。针对此需求,虹软深度定制了低功耗计算资源解决方案,能显著改善夜景拍摄下的动态范围、色彩与细节画质。 2)运动相机:根据Grand View Research发布的行业研究报告,2025年全球运动相机市场规模约为72.72亿美元,并预计到2033年将增长至约180.44亿美元,2026年至2033年期间复合年增长率约为12.1%。目前,不仅头部手持相机“玩家”在升级计算平台,一线手机厂商也正凭借供应链和影像理解优势切入此赛道。 由于核心功能依然是相机拍摄,虹软能够以积累深厚的研发技术,将手机计算摄影产品线迁移至运动相机上,提供画面颜色、镜头防抖等画质改善支持。 3)智能具身机器人:2025年,公司实现最核心视觉感知算法、引擎在民用机器人领域的实际落地应用,重点解决机器人“小脑”感知 (如:行走稳定等)。2026年虹软重点探索机器人“大脑”的灵活性(方案涵盖视觉能力拓展、环境导航感知、人机自然交互、大脑感知精准操控四大核心引擎包)。 (二)车载AI业务 该业务自2018年起步,确立了“先舱内后舱外,先国内后国外,立足视觉AI智能赋能合作伙伴(Tier 1)”的战略部署。 1、全球安全法规驱动“强制标配”:安全法规正推动智能安全功能从推荐性走向全面标配化。 1)欧洲市场:欧盟通用安全法规(GSR)在2022年、2024年设定了关键节点。自2026年7月起,所有在欧盟国家上牌的车辆,必须搭载DMS(驾驶员监测)和ADAS功能,否则无法获批销售和上牌。这使得2025年起相关技术成为出口欧洲车型的标配。同时,由于车辆研发周期长,欧洲车企目前已在为2028年落地以及2029、2032年的新标准进行预研。 2)中国市场:中国此前的商用车DMS主要为后装且非强制。但自2025年1月1日起,中国工信部对智能网联汽车的ADAS及DMS提出了强制性技术要求;2028年1月,AEB也将成为强制性要求。 3)美国市场:美国高速公路交通安全管理局已发布法规,自2029年9月1日起,在美销售汽车必须搭载ADAS、行人检测AEB及儿童舱内检测等功能。 2、虹软的核心竞争优势 1)成本与效率优势:作为一家中国公司,主要研发力量集中在杭州,相比海外友商,在研发与人力成本上具有极大优势。 2)平台预研能力:由于具备系统级的设计封装经验,虹软不仅能支持高算力平台(如端到端所需的大模型),还能在小域控、低端一体机硬件上实现高阶效果。通过与高通、TI、NXP等芯片厂家长期合作,虹软将基础算法与硬件系统结合进行联调预研,使得合作伙伴能直接利用参考设计快速量产,大幅缩短上市时间、降低开发成本。 3)全栈感知闭环:具备涵盖舱内(人脸、疲劳、婴儿)及舱外(行人、自行车、机动车、交通标志、红绿灯)的全栈感知算法能力。4)海外本土化响应:为了满足高端品牌车厂的极高服务要求,虹软已在德国建立子公司,提供贴近客户的支持。 3、前瞻性创新产品矩阵 1)E-NCAP 2026合规方案:支持副驾驶安全带正确佩戴检测及碰撞高危异常坐姿检测。 2)舱内外感知深度融合:打破舱内舱外孤岛。当舱外ADAS感知到行人过马路或紧急刹车风险时,系统通过统一的三维物理坐标系,并结合舱内DMS来分析驾驶员视线方向。如果驾驶员视线并未看向前方危险源,系统将进行强力警示,并调节AEB紧急制动时机;若驾驶员已注意前方,则减少误报打扰。 3)非接触式健康监测:在驾驶员突发身体不适时通过视觉技术监测心率变化和呼吸频率等深层生理特征,及时感知风险,并予以提示,保障行车安全。 (三)PSAI(AI商拍)业务 该业务专注于服饰行业的商业视觉内容生成,旨在用确定性的交互服务赋能时尚市场的视觉供给。 1、业务切入点与大模型的“最后一公里”痛点 为何选择服装行业:2025年智能商拍作为AI电商内容生产的核心场景,在技术迭代与降本需求的双重驱动下进入规模化落地期。根据 头豹《2025年AI电商行业词条报告》,2020年至2024年,AI电商行业市场规模由239.27亿元增长至504.45亿元,期间年复合增长率20.50%。预计2025年至2029年,AI电商行业市场规模将由638.24亿元增长至1382.81亿元,期间年复合增长率21.32%。根据淘宝平台调研,30%的受访卖家已使用过AIGC,其中有50%左右的卖家认为AI技术在开店、发品、内容直播、广告营销、客服服务等环节发挥了作用,可帮助其自动识别商品卖点、形成直播切片等,使其短视频制作成本下降50%。智能商拍作为核心分支,成为渗透率提升最快的AI应用方向之一,行业价值已得到验证。服装作为高频快消品,市场规模可观、产品SKU繁多,且该品类对版型、面料、色彩的设计还原需求极高,是视觉和技术门槛最高的类目。 通用大模型的缺陷:通用大模型的图片生成,目前存在难以控制和约束的“最后一公里”问题。通用大模型生成的图片常伴随“AI硅胶”感,无法精准还原面料、辅料细节,且经常出现物品尺寸偏差、服装长短生成错误,以及放大后面料图案失真的问题。还有在美学和光影上的欠缺,导致通用模型生成的图大多数停留在好看的标准,但不能满足严格的商用要求。 2、从工具订阅走向“生成式AI交互服务” 鉴于大模型的随机性,虹软逐渐摸索出符合客户的商拍服务模式,就是向品牌提供“全托管的交互服务模式”。公司通过专门的交付工作室和TSI Mesh生产力平台,结合AI初稿生成和专业AI修复工具,向客户交付满意的高质量成片。 3、行业渗透与交付体量:公司AI商拍业务已累计覆盖超1000个品牌(包括户外、运动、儿童、羽绒、商务等服装品类)。 第三部分、提问与回答环节 Q1: PSAI研发如何反哺智能手机?端侧大模型进展如何? A:目前,端侧大模型应用整体仍处于相对早期阶段,端侧大模型运用在手机端更难,但端侧的价值在于时效性和安全性,无需网络也能运行,且大量数据不需要上传云端。云端大模型已高度成熟,而端侧部署难点在模型大小、显存、功耗、性能、授权和特征对齐。端侧生成技术历经Stable Diffusion、SDXL、双模态/图像表征+Embedding等阶段。公司PSAI现在主要在云端实现,但公司内部在尝试通过特征压缩、低维表示、类似PCA的主成分思想等方式减少端侧计算和存储消耗(如:把与图像生成最相关的特征保留,丢弃无关空间,以降低使用成本 )。公司在计算机视觉中的长期积累可以用于端侧大模型优化。 Q2: AI Coding对算法人员和程序员影响是否分化? A:AI Coding对目前通用应用软件、逻辑性较强的程序,帮助更为明显,虽然公司积极鼓励研发人员试用AI Coding,但对虹软这种追求极致性能、功耗和平台优化能力的端侧算法,替代难度更高。 核心原因主要有三个方面:第一,端侧算法工程优化大量涉及汇编、底层库和平台细节,而AI Coding生成代码可能很长但不可控;第二,端侧算法可规则化部分不一定需要大模型,不可规则化算法又需要人对数学和边界条件把关;第三,端侧算法要面对不同平台、不同芯片和统一功能自动执行,AI Coding没有办法在这些环境里面起到有效作用。 优秀程序员有时是把十行代码写成两行,但虹软常常要把一百行拆成几百行甚至上千行,以便精确控制机器运作、整数/浮点运算、科学函数、功耗和性能。常规AI工具往往以完成任务为目标,不会考量计算资源损耗,因此与端侧极致优化还有距离。 A:对于商拍图要求不高、价格敏感的小微商户,会更多使用通用AI工具和套壳应用,这部分确实非常卷。 公司PSAI的机会在于通过品牌客户服务过程中沉淀的差异化数据和垂类能力,形成通用模型做不到