格灵深瞳：2023年年度报告摘要

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

2023年年度报告摘要

第一节 重要提示1 本年度报告摘要来自年度报告全文，为全面了解本公司的经营成果、财务状况及未来发展规

划，投资者应当到www.sse.com.cn网站仔细阅读年度报告全文。

2 重大风险提示公司已在年度报告中详细阐述公司在经营过程中可能面临的各种风险及应对措施，敬请查阅年度报告第三节“管理层讨论与分析”之“四、风险因素”。

3 本公司董事会、监事会及董事、监事、高级管理人员保证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。

4 公司全体董事出席董事会会议。

5 容诚会计师事务所（特殊普通合伙）为本公司出具了标准无保留意见的审计报告。

6 公司上市时未盈利且尚未实现盈利

□是 √否

7 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因母公司当前累计未分配利润为负，不满足利润分配条件，公司2023年度利润分配方案为：

不派发现金红利、不送红股、不以资本公积金转增股本。以上利润分配方案已经公司第二届董事会第三次会议和第二届监事会第三次会议审议通过，尚需提交公司股东大会审议。

8 是否存在公司治理特殊安排等重要事项

□适用 √不适用

第二节 公司基本情况

1 公司简介公司股票简况

√适用 □不适用

公司存托凭证简况

□适用 √不适用

联系人和联系方式

2 报告期公司主要业务简介

(一) 主要业务、主要产品或服务情况

公司以“让AI造福人类，让世界更安全更宜居更健康”为愿景，专注于将先进的计算机视觉技术、大数据分析技术、机器人技术和人机交互技术与应用场景深度融合，提供面向智慧金融、城市管理、智慧商业、轨交运维、体育健康、元宇宙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，已有效掌握了多模态大模型技术、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、沉浸式交互感知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、智慧商业、轨交运维、体育健康五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，车路协同感知MEC产品已在某市进行交付，同时车载视频违规事件取证产品已在多省市开展试点；智慧金融领域已覆盖农业银行全国各省市的上万家网点，包含智能安保、智能运营、智能风控等多个金融业务场景，同时，公司参与搭建某国有银行总行AI平台，并开始在其他国有银行分支行进行试点；智慧商业领域主要收入来自排名前列的地产类客户，进一步完善的智慧油站产品和解决方案在中国石

化重新启动试点应用；轨交运维领域公司自研的列车智能检测解决方案已在高铁和地铁项目中通过验收，实现落地应用，为列车的安全运维提供保障，在研产品己涵盖轨交机务、电务和工务三大工种；体育健康领域公司发布了深瞳阿瞳目体育训考系统、体感交互系统、体育大数据系统系列产品，研发了深瞳运动宝盒，建设了全流程大规模应用计算机视觉和人工智能进行国家学生体质健康测试统测的标准化考场，智慧校园体育相关产品方案已在全国多个校园试点应用、销售，并成功应用于2023年北京市某区国家学生体质健康考试统测、体育中考场景中，且公司目前正在北京市多区建设体育训考系统。除此之外，公司在元宇宙等领域进行前瞻性的布局，探索元宇宙领域发展运营模式、开发多类型交互内容，公司产品、整体解决方案和基于大模型的行业应用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、智慧商业、轨交运维、体育健康、元宇宙不同领域的客户，提供相应的行业解决方案。

(二) 主要经营模式

1、盈利模式

公司主要从事计算机视觉技术、大数据分析技术、机器人技术和人机交互技术的研发和应用。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；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，在目标市场具备销售的条件时，产品经理建立产品的标准文档、销售价格、实施方案、售后体系，研发团队将大量来自客户实际使用的数据进行处理，快速迭代，提高产品成熟度；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。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。

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，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）销售人工智能产品及解决方案，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；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。

(三) 所处行业情况

1. 行业的发展阶段、基本特点、主要技术门槛

根据国家统计局《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。公司专注于将先进的计算机视觉技术、大数据分析技术、机器人技术和人机交互技术与应用场景深度融合，提供面向智慧金融、城市管理、智慧商业、轨交运维、体育健康、元宇宙的人工智能产品及解决方案，所属行业为人工智能行业中的计算机视觉行业。

（1）行业发展阶段和基本特点

人工智能行业的产业链可分为基础层、技术层、应用层。基础层涉及数据、算力、AI模型生产工具和硬件基础设施为人工智能系统提供最基础、最底层的业务服务，是人工智能发展的重要基石。技术层主要通过基础层的算力、数据支持，进行海量模拟训练和机器学习建模，为人工智能提供核心的算法与应用技术，主要包括以深度学习为代表的机器学习算法，计算机视觉、自然语言处理等方向的关键技术，及伴随着大模型技术的发展产生的CV（计算机视觉）、NLP（自然语言处理）等领域大模型和多模态大模型。技术层是人工智能发展的核心，对应用层的智能化发展起到决定性作用。

应用层则是基于基础层与技术层，为企业级用户、政府机构用户、大众消费者用户提供面向特定应用场景需求而形成的软硬件产品或解决方案。人工智能应用广泛，可有效赋能下游领域实现人工智能应用，为其转型与发展注入强劲新动能。

人工智能行业的产业链结构如下图所示：

资料来源：参考iResearch、Frost & Sullivan等发布的资料整理根据国家标准化管理委员会指导编制的《人工智能标准化白皮书（2018版）》，计算机视觉是使用计算机模仿人类视觉系统的科学，让计算机拥有类似人类提取、处理、理解、分析图像以及图像序列的能力。根据解决问题的不同，计算机视觉可分为计算成像学、图像理解、三维视觉、动态视觉和视频编解码五大类，具体情况如下表所示：

资料来源：《人工智能标准化白皮书（2018版）》从功能来看，根据中国科学院大数据挖掘与知识管理重点实验室发布的《2019年人工智能发展白皮书》，计算机视觉主要功能包括图像获取、预处理、特征提取、检测/分割、高级处理等，具体功能如下图所示：

资料来源：《2019年人工智能发展白皮书》人工智能领域持续追求对技术的创新及增进，注重机器学习等技术的推进，其应用场景在近年的发展中，逐步变得更加多样化，对AI的需求也逐渐从单一功能转向为多维度、多思维、多模态以及多场景，AI从单点应用到多元化、从通用场景到行业特定场景，一直在迅速发展。2023年是人工智能发展的重要一年，大模型和生成式人工智能的发展带动了人工智能领域的范式转换，给各行业带来新的赋能，引领企业和产业迈入智能创新的新阶段。对于AI企业而言，在本轮人工智能浪潮下，垂直领域的数据、面向落地场景的模型优化、工程化的解决方案，或是建立竞争优势的关键。

目前，全球各主要经济体都在加强对人工智能领域的支持，推动技术的发展和下游场景的落地应用，如：美国发布了《National Artificial Intelligence Research And DevelopmentStrategic Plan 2023 Update》,推动研发投资，鼓励人才培养和产业合作，其在大模型产业的技术和生态建设方面具有优势，并正在加速对各下游行业进行渗透；欧洲处于对安全和隐私等问题的考量，通过了全球首部人工智能领域的全面监管法规《人工智能法案》；我国的《新一代人工智

能发展规划》明确指出了到2030年我国新一代人工智能发展“三步走”的战略目标，十四五规划中明确提出“推动互联网、大数据、人工智能等同各产业深度融合”，《生成式人工智能服务管理暂行办法》的生效则为人工智能的发展和安全间的平衡提供重要参考。2023年2月，中共中央、国务院印发了《质量强国建设纲要》，提出加快大数据、网络、人工智能等新技术的深度应用，促进现代服务业与先进制造业、现代农业融合发展；2024年2月，国务院国资委召开“AI赋能 产业焕新”中央企业人工智能专题推进会，强调中央企业要把发展人工智能放在全局工作中统筹谋划，加快布局和发展人工智能产业，深入推进产业焕新，进一步深化开放合作，开展AI+专项行动，加快重点行业赋能，构建一批产业多模态优质数据集，打造从基础设施、算法工具、智能平台到解决方案的大模型赋能产业生态；2024年3月，《2024年国务院政府工作报告》提出深化大数据、人工智能等研发应用，开展“人工智能+”行动，打造具有国际竞争力的数字产业集群，这是“人工智能+”首次被写入政府工作报告中，体现了国家对数字经济和人工智能产业的重视。各地方政府也在持续加大在人工智能相关领域的投资，印发相关政策不断推进人工智能产业的发展，如《北京市促进通用人工智能创新发展的若干措施》《湖北省推进人工智能产业发展三年行动方案(2023-2025年)》《广东省关于加快建设通用人工智能产业创新引领地的实施意见》等。

（2）主要技术门槛

公司所属人工智能行业属于技术密集型行业，行业进入壁垒高，产品具有高技术含量、高附加值等特点，企业需拥有高效的研发创新和产业应用能力，头部企业拥有深厚的技术积累和不断进行先进技术探索的机制，在经营方面需拥有不同业务场景的快速商业化落地能力和良好市场口碑，对企业的研发、销售等业务管理能力均有较高的要求。

2. 公司所处的行业地位分析及其变化情况

在AI算法层面，公司的核心算法多次在国内外人工智能算法竞赛中夺冠，达到行业领先水平；公司在研发过程中向学术界开源了TrillionPairs和Glint360K两个人脸识别数据集，开源了PartialFC训练代码，推动了行业技术的发展；同时，公司承担了国家科技部、北京市科学技术委员会等多项人工智能技术应用的重大科研项目，与北京航空航天大学一起获批国家人工智能产教融合创新平台建设项目，并与全国信息安全标准化技术委员会、中国安全防范产品行业协会、中国信息通信研究院、中关村标准化协会、国家工业信息安全发展研究中心、中国电子工业标准化技术协会、中关村智慧城市产业技术创新战略联盟、中关村中安公共安全视频智能应用技术联盟等单位开展多项标准化制定工作。

在AI应用层面，公司已将核心算法技术运用在主营产品中，形成了面向智慧金融、城市管理、

智慧商业、体育健康、轨交运维、元宇宙等领域的人工智能产品及解决方案，并根据下游客户的需求不断优化、升级核心技术，确保持续的技术创新。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。

人工智能下游的应用领域众多，目前与公司同行业的人工智能企业在下游应用领域的布局方面各有侧重，未来市场空间较大。公司作为计算机视觉领域的创新型人工智能企业之一，目前尚处于产业化与市场拓展的快速发展阶段，在多个人工智能细分应用领域中已较早完成了产品布局，未来在新应用领域的业务拓展将持续提升公司的市场份额和竞争地位。

3. 报告期内新技术、新产业、新业态、新模式的发展情况和未来发展趋势

经济的高质量发展，需要新质生产力的推动，而只有依靠政府、社会和全行业的共同努力和探索，才能够发挥人工智能作为新质生产力的最大价值。近年来，人工智能已成为科技创新的关键领域和数字经济时代的重要支柱，在国家及地方多项政策和资金支持下，各行各业的企业都在积极拥抱大模型和生成式人工智能的发展趋势。据IDC数据，中国企业对生成式人工智能的接受度普遍较高，67%的中国企业已经开始探索生成式AI在企业内的应用机会或已经开始进行相关资金投入。我国人工智能技术和产业蓬勃发展，进入了新的发展阶段，应用场景也在不断的拓宽、融合和多元化发展，产业结构逐渐完善，面对下游应用场景和客户的不同业务需求和标准，AI产业链也将会一步成熟分化。2023年，人工智能加速向行业应用和城市渗透，在互联网、电信、政府、金融和制造业等行业的应用渗透率居前，成为企业寻求提升用户体验和保持竞争力的重要能力。我国人工智能领域在企业、专利和论文数量等方面都进入国际领先行列，自主研发的开源深度学习框架、开源工具集、开源应用软件、开源社区快速发展。借助政策支持、算力水平提升、数据获取渠道广、行业应用场景丰富以及科研实力增强等优势，我国人工智能企业在技术创新与快速商业化方面形成了良好的发展环境，在基础大模型方面取得一定成绩，但仍需加大在基础性技术方面的原创性突破，夯实底层模型和算法能力。

数据、算力和算法是人工智能发展的三驾马车，而大模型和生成式AI的快速发展则对数据、算力和算法提出了更高的要求，人工智能越来越需要依赖“大数据、高算力、强算法”的支持。在数据层面，人工智能技术需要大量的标注数据，而高质量数据是大模型性能和价值观的基石，随着训练和迭代模型等所需数据规模的不断增长，数据服务走向深度定制化，高质量知识集在加速构建，2023年12月，国家数据局等17部门联合印发《“数据要素×”三年行动计划（2024—2026年）》，进一步凸显数据赋能经济提质增效作用的作用。在算力层面，中国信息通信研究院数据显示，截至2023年6月底，我国在用标准机架超过760万架，算力总规模达197EFLOPS，居全球第

二。然而，随着大模型和生成式AI的爆发，模型参数量不断升级，对算力的需求也在持续递增，因此算力基础设施建设成为关键环节。2023年2月，中共中央、国务院印发《数字中国建设整体布局规划》，指出系统优化算力基础设施布局，促进东西部算力高效互补和协同联动；2023年10月，工业和信息化部、中央网信办、教育部等六部门联合印发的《算力基础设施高质量发展行动计划》提出了计算力、运载力、存储力和应用赋能方面的目标，其中到2025年，算力规模超过300 EFLOPS，智能算力占比达到35%。在算法层面，超大规模预训练模型成为热点，推动人工智能技术效果不断提升，继续朝规模更大、模态更多的方向发展。伴随深度学习、强化学习、迁移学习等多种技术的发展，多模态大模型正在成为人工智能领域的发展趋势之一，其能够实现视频、图像、文本、语音、语言等模态之间的统一表示和相互生成，使得单一自然语言处理或计算机视觉模型发展成语言文字、图形图像、音视频等多模态、跨模态模型，基于技术的不断突破，多模态大模型将拓展在各行业场景中的融合应用，且大模型所具备的更强的泛化能力，也可在一定程度上解决人工智能公司在下游场景的产品标准化问题，推动更高效率的产品开发。作为在人工智能行业技术成熟度较高、商业化进程较快的细分领域，计算机视觉技术从最初的静态人脸识别和光学字符识别起步，逐渐扩展到了人脸识别分析、活体检测、人体识别分析、物体检测识别、行为识别分析等诸多方向，应用场景也从较早的城市管理、金融、互联网、商业零售等领域，扩展到轨道交通、医疗健康、元宇宙、人机交互等创新领域。神经网络和深度学习是计算机视觉的基石，而数据、算力和算法三驾马车的发展极大拉动了计算机视觉技术的发展。海量的应用场景数据为计算机视觉算法提供训练基础，使得算法精准度提升，让机器实现更为精准的视觉识别；人工智能芯片的发展大幅提升了数据处理速度，缩短了计算过程和模型架构调整时间，为计算机视觉的发展提供了算力支持；深度学习算法的发展提升了计算机视觉准确度。目前计算机视觉企业的技术成熟度均已达到较高水平，在大部分应用场景下，各企业的技术水平都已经可以较好的满足用户需求，且行业内各企业根据自身经营战略和发展情况，都不同程度的加强了在大模型和生成式AI领域的产业布局，拓展通用类大模型、任务大模型以及行业大模型的应用领域，不断探索商业价值，因而未来计算机视觉企业间的竞争将从技术领先性竞争逐步转向以拓展落地场景和理解用户需求为核心的综合服务能力竞争。

3 公司主要会计数据和财务指标

3.1 近3年的主要会计数据和财务指标

单位：元 币种：人民币

3.2 报告期分季度的主要会计数据

单位：元 币种：人民币

季度数据与已披露定期报告数据差异说明

□适用 √不适用

4 股东情况

4.1 普通股股东总数、表决权恢复的优先股股东总数和持有特别表决权股份的股东总数及前 10

名股东情况

单位: 股

存托凭证持有人情况

□适用 √不适用

截至报告期末表决权数量前十名股东情况表

□适用 √不适用

4.2 公司与控股股东之间的产权及控制关系的方框图

√适用 □不适用

4.3 公司与实际控制人之间的产权及控制关系的方框图

√适用 □不适用

4.4 报告期末公司优先股股东总数及前10 名股东情况

□适用 √不适用

5 公司债券情况

□适用 √不适用

第三节 重要事项1 公司应当根据重要性原则，披露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。

报告期内，公司实现营业收入26,228.58万元，归属于母公司所有者的净利润-9,033.32万元，归属于母公司所有者的扣除非经常性损益的净利润-9,726.47万元。

2 公司年度报告披露后存在退市风险警示或终止上市情形的，应当披露导致退市风险警示或终止上市情形的原因。

□适用 √不适用