机器视觉龙头云从科技

人工智能国家队，赋能四大场景智能化升级

历史沿革：人工智能国家队，参与制定多项国家级标准

云从科技孵化于中科院，曾参与制定多项国家级标准。云从科技成立于 2015 年，其创始人 周曦曾带领团队六次斩获世界模式识别、智能识别大赛冠军，并入选“中国科学院百人计划” 建立中科院人脸识别团队。

2015 年中科院宣布云从科技成立，并成为人脸识别远程开户国 家标准起草与制定单位，受托参与人工智能国家标准、行业标准制定，承建国家人工智能基 础资源公共服务平台项目成为中国人工智能产业发展联盟 (AIIA)专家委员会成员。

以人机协同操作系统为基础，赋能四大场景智能化升级。

公司一方面凭借着自主研发的人工 智能核心技术打造了人机协同操作系统，通过对业务数据、硬件设备和软件应用的全面连接， 把握人工智能生态的核心入口，为客户提供信息化、数字化和智能化的人工智能服务；

另一 方面，公司基于人机协同操作系统，赋能智慧金融、智慧治理、智慧出行、智慧商业、数字 城市、泛 AI 等多个领域，为更广泛的客户群体提供以人工智能技术为核心的行业解决方案。

股权结构：纯内资背景的AI公司，控股股东具有特别表决权

常州云从为控股股东，具有特别表决权。根据招股说明书披露，公司控股股东为常州云从， IPO后持股比例为19.78%。公司董事长周曦为常州云从的控股股东，持有其99.88%的股份， 因此为云从科技实际控制人。

由于周曦对经营存在重大影响，为其设臵特别表决权安排，故 将常州云从所持有股份设臵为 A 类股份，每股享有 6 票表决权；其他股东所持股份均为 B 类 股，每股享有 1 票表决权。

因特别表决权设臵安排，常州云从直接持股部分所对应 59.67% 表决权，对公司的经营运作具有绝对的影响力，有效降低了因持股比例分散可能产生的经营 风险。

云从为纯内资的 AI 公司，股东覆盖多家国有及政府基金。不同于 AI 四小龙中其他公司，云 从科技成立至今累计募集资金超过 50 亿元，公司坚持全部为内资股东。

由其股东构成来看， 覆盖国新资本、南沙金控、上海联升、广东创投等多家国有及政府基金。在核心技术国产替 代的背景下，云从作为具备 AI 自主研发能力的公司具有独特优势。

管理团队以技术背景为核心，并形成清晰的职责分工。实控人周曦为公司技术核心人物，具 备扎实的人工智能学术背景，曾毕业于美国伊利诺伊大学电子与计算机工程专业，获得博士 学位，2014 年周曦以中科院“百人计划”的身份被引入回国，从事人工智能领域技术研究。

他担任中科院重庆绿色智能技术研究院智能多媒体技术研究中心主任、电子信息技术研究所 副所长，于 2015 年 3 月创立云从科技，现任云从科技董事长兼总经理、中科院重庆绿色智 能技术研究院博士生导师、上海交通大学博士生导师。

除周曦外，管理团队中李继伟、姜迅 具备扎实的技术从业背景，并分别在计算机视觉、模式识别等基础研究领域与应用产品研发 等方向起到核心作用。

研发人员占比近一半，技术研发更加落地。公司作为人工智能企业，在研发上具有较大的投 入，从组织架构来看，公司研发人员占比超过一半，截止 2022H1，公司共有员工 1141 人， 其中研发人员为 609 人，占比为 53.37%。

从组织体系来看，公司的研发团队主要以周曦、 李继伟、姜迅为核心技术人员，带领其余技术研发人员进行产品与解决方案的技术落地，从 核心技术层的分工可以看出公司对技术落地能力较为关注。

财务分析：营收保持高增长，亏损有所收窄

营收持续保持高增长，亏损幅度有所收缩。随着人工智能应用的逐步落地，2018 年公司的 营收开始实现高速增长，达到 4.84 亿，同比增长 650.21%。

2020 年受到疫情影响，营收增 速略有下滑，但是整体来看公司仍保持了持续高增增速，2021 年公司实现营业收入 10.75 亿，同比增长 42.49%，2018-2021 年营业收入的复合增速是 30.48%。

由于人工智能行业当 前仍处于高研发投入的阶段，导致公司暂未实现盈利，2021 年实现归母净利润为-6.32 亿， 同比下滑 22.32%，相较于 2019-2020 年亏损均有所收缩，表明公司的盈利能力得到一定程 度的改善。

主要提供人工智能解决方案，新基建订单驱动下收入占比进一步提升。按照产品类别分类， 公司主要为客户提供人机协同操作系统、人工智能解决方案两种产品。

2019-2021 年公司人 机协同操作系统的收入占比依次为 22.70%、31.35%、12.55%，人工智能解决方案收入占比 为 73.98%、68.17%、86.87%，公司以提供人工智能解决方案为核心，且其收入占比从整体 来看呈现上升趋势。

主要原因在于客户为提高软硬件产品的适配性并解决实际痛点，以采购 整体解决方案为主，导致公司人机协同操作系统收入有所减少；同时由于在手新基建订单顺 利执行，推动人工智能解决方案收入大幅增长。

人工智能解决方案毛利率相对较低，导致综合毛利率略有波动。公司人机协作操作系统以软 件开发为主，是高毛利业务，2019-2021 年人机协作操作系统毛利率依次为 89.30%、75.86%、 73.99%。

自 2020 年以来该部分业务中需要调试或者开发的定制化项目占比增加，产生了相对较高的外包服务成本和人工成本，导致毛利率略有下降。

人工智能解决方案通常需要向 客户交付软硬件一体的方案，涉及部分硬件设备采购，因此毛利率相对较低。

2019-2021 年 公司人工智能解决方案的毛利率依次为 23.43%、28.19%、31.34%，从趋势来看，毛利率逐 年上升，主要系自研 AIoT 设备占比提升，采购成本有所下降。

综合来看，因为相对低毛利 率的人工智能解决方案的占比有所提升，导致公司的综合毛利率有所下降，2019-2021 年综 合毛利率依次为 40.89%、43.46%、37.01%。

根据公司公告，2022 年上半年在疫情的压力 下，2022H1 毛利率仍保持在 35.88%，同比仅下降 0.87pct。其中，中山医、衡阳雪亮工程 项目是作为标杆项目打造的，毛利率较低，扣除这两个标杆项目的影响，其他项目的整体情 况还是稳中有进。

深耕智慧治理应用场景，推动营收持续增长。从应用场景来看，公司率先切入智慧治理与智 慧金融场景，后逐步拓展至智慧出行、智慧商业等多元场景。

2021 年公司在智慧治理、智 慧金融、智慧出行、智慧商业四大场景分别实现营业收入为 8.64 亿、1.35亿、0.31亿、0.17 亿，营收占比分别为80.40%、12.58%、2.90%、1.57%，其中智慧智慧业务版块是公司最 核心的业务场景，对营收贡献最大。

从增长趋势来看，得益于政府端对人工智能应用的重视 度加深，2021年公司智慧治理业务收入实现快速增长，同比提升 99.35%，是推动公司营收 增长的核心驱动力；同期智慧金融、智慧出行、智慧商业等收入均有不同程度的下降。

人均创收指标显著提升。从考察效率的人均创收指标来看，2019-2021 年公司的人均创收依 次为 48.64 万、44.88 万、96.03 万，对应 2020-2021 年的同比增速分别为-7.73%、113.98%。

主要原因是公司在人员精简的同时收入规模有显著增加，反映出公司在人员创收层面的效率有所提升。通过横向对比来看，2021 年商汤科技的人均创收为 76.99 万，是低于同期云从 的人均创收。

费用率显著下滑，对比商汤科技销售费用率更高。费用率方面，由于公司 2017 年商业化还 未完全起步，导致费用率比较高，随着 2018 年收入开始逐步增长，整体费用率显著下滑。

2021 年公司销售费用率、管理费用率、研发费用率依次为 26.05%、30.30%、49.67%，分 别下降 10.23pct、16.64pct、26.92pct。

与行业内其他人工智能算法企业类似，为保证技术 的领先性，公司也保持了较高的研发投入，研发费用率是三项费用率中最高。

对比商汤科技， 我们可以发现不同的业务路径导致费用率存在差异，商汤科技更重视底层 AI大模型的投入， 因而研发费用率更高；云从科技更重视业务场景的技术落地与技术方案的交付，因此销售费 用率相对更高。

从营运指标看，2021年公司应收账款周转率为1.71，相较于2020年略有下降，主要原因是 部分项目受疫情影响导致账款审核周期有所拉长；同时公司存货周转率略有所下降。

2021 年公司存货周转率为3.41，相较于 2020 年有所上升，表明公司的库存管理能力略有提升。 整体来看，公司保持着相对较好的资产周转效率。

从现金流情况来看，公司 2021 年经营活动现金流净额为-5.47亿，现金流出相较于 2020 年 略有所扩大；截止 2021 年底，公司账上现金为 8.52亿，较前期略有下降。

整体而言相对 充裕；考虑本次 IPO 募集资金，预计将为公司的运营提供更有力的现金支撑，推动公司研发 端与业务端实现更好的发展。

人工智能应用不断深化，多重合力推动前景广阔

政策层：人工智能上升至国家战略，“十四五”将加速产业落地

全球各国都很重视人工智能，中国尤甚。人工智能引起了全球各国的关注，中国更是将人工 智能上升至国家战略的层面，给予行业的发展强有力的政策支持。

政府不仅从 2015 年人工 智能应用发展初期，就将人工智能写入《中国制造 2025》、《“十三五”规划纲要》等重要政 府文件中，确定了人工智能在我国未来经济发展中的重要作用；

随着人工智能行业的不断 发展，对政策内容也持续进行细化，从顶层设计至创新成果转化路径，再到芯片、开源平台 等技术层面都有相应政策指导，为行业提供了清晰的路径指引。

《“十四五”数字经济发展规划》将进一步加速人工智能产业落地。2022 年 1 月，国务院印 发《“十四五”数字经济发展规划》提出八项重点任务，从中可以看出“十四五”期间。

在 支撑人工智能发展的算力、数据等底层技术以及企业数字化、政务数字化治理等上层应用层 面等都将得到政策的重点扶持，我们认为《“十四五”数字经济发展规划》将进一步加速人 工智能产业落地，从而带动行业规模的持续壮大。

预计人工智能将发挥基础性作用，未来市场空间广阔。根据艾瑞咨询数据，预计 2021 年人 工智能核心产业规模为 1998 亿，带动相关产业规模为 7695 亿。

随着产业渗透的提升，预 计 2026 年人工智能核心产业规模将达到 6050 亿，复合增速为 24.8%；同期人工智能所带 动的产业规模将达到 2.1 万亿，复合增速将为 22.3%。

我们认为随着人工智能技术的发展与 应用产品的成熟，人工智能将渗透千行百业，发挥类似 “水、电、煤”般的基础性作用， 因此从更长期来看，其市场将更为广阔，将面临持续的增长机遇。

应用层：人工智能全面落地开花，增量来自于行业渗透率提升

政策支持等多重因素推动下，中国人工智能应用场景落地成果显著。政府的有力扶持、国内 强大的数字基建能力叠加广阔的市场体系，中国人工智能应用场景遍地开花。

AI 被广泛应用 至大数据研判、运筹优化、智能风控、人机交互等生产活动的各个环节，特别是在政府、金 融、互联网、交通等行业的渗透率较高。

AI 所发挥的价值已被验证并且正在进入规模化的阶 段；在制造、能源等行业也已经产生了一些标杆案例，待进一步挖掘为典型应用场景。对比 国外在底层架构上的优势，我们认为中国在应用场景上的优势将尤为突出。

政府城市治理与运营、互联网、金融为人工智能应用最为广泛的三大领域。

从下游场景来看， 政府城市治理与运营为最大的应用场景，市场份额接近一半（49%），互联网、金融行业的 市场份额分别为 18%、12%，排名第二、三位。

我们判断上述三大行业是人工智能应用最为 广泛的前三大领域的核心原因在于：所处行业数字基础设施完善，数字化程度较高，数 据易获取，为人工智能的应用提供了丰富的“原材料”；资金实力较为雄厚，具有较强的 付费意愿与付费能力。

云从科技以智慧治理与智慧金融为两大核心应用领域，具体来看与治理、金融有关两大领域 目前在应用人工智能领域方面的发展阶段如下：

智慧治理 政策推动与疫情催化的背景下，各级政府高度关注智慧城市建设，全国 94%、71%的省会、 计划单列市已开展新型智慧城市顶层设计，推动各类智慧城市工程落地。

同时，各级政府已经成为人工智能相关企业最重要客户之一，在智慧城市建设方面 进行了大规模的投入，根据中国信通院测算，2020 年全国智慧城市投资总额达 2.4 万亿元， 同比增长 41.18%。

从 2021Q1 来看，尽管受疫情影响下智慧城市的建设节奏预期将有所放 缓，但超千万的智慧城市的订单数量仍实现了较快的增长，根据智东西数据，2021Q1 超过 千万的智慧城市的订单数量有 220 个，合计金额达到 95.53 亿。

从未来看，我们认为人工智能在智慧城市建设中的应用仍有增长空间，其驱动力预计将主要 反映在三个层面的渗透率提升上：

城市渗透率提升 根据腾讯研究院数据显示，全国 94%、71%的省会、计划单列市已开展新型智慧城市顶层设 计，推动各类智慧城市工程落地。

整体而言考虑到政府预算规模、应用场景的丰富度、数 据等原因，目前智慧城市的建设与项目落地处于以一二线城市为主，正逐步向下沉城市进行 渗透的过程中。

根据智东西数据，2022Q1 智慧城市千万级项目数量排在前三的分别是广东 （23 个）、浙江（21 个）、江西（15 个）；投资总金额排名前三的分别是广东（12.26 亿）、安徽（11.97 亿）、云南（8.63 亿），总体以沿海发达省份为主，部分内陆省份的投资规模也 在显著提升。

应用场景渗透率提升。智慧城市的建设作为系统性工程，在雪亮工程等项目的推动下，安防等场景的智能化升级改 造较早及投资规模较大。

比如根据智东西统计 2022Q1 智慧城市千万级项目细分领域的分布 来看，数量排名前三的细分领域分别是智慧医疗（42 个）、智慧警务或雪亮工程（32 个）、 智慧交通（26 个）

投资总金额排名前三的分别是智慧城市（13.84 亿）、智慧政务或数字政 府（13.67 亿）、智慧警务或雪亮工程（13.48 亿），整体来看安防、政务等建设的投资金额 较大，但是智慧医疗与智慧交通等场景的建设正在逐步兴起。

未来随着城市智慧化升级改造 的进程逐步推进，将有越来越多场景被纳入其中，甚至开始覆盖越来越多的长尾场景，从而 不断地从全方位开始提升城市的精细化治理能力。

单个应用场景智慧化渗透率的提升。就某个具体场景来看，人工智能应用的渗透率也将逐步提升。

以摄像头智能化为例，根据艾 瑞咨询数据，预计2021 年中国 AI 摄像头出货量为 1888 万，至 2022 年将达到 3458 万，预 计同比增长约83.16%。

其增长的原因在于通常智慧安防的项目是分批次进行智能化升级的， 接入平台的摄像头路数会逐渐增加，同时所承载的智能化功能也将逐渐丰富，以此来适配更 加精细化的管理。

从渗透率角度看，根据 HIS 预测 2021 年中国摄像头安装数量将达到5.6亿台，综合以上两组数据进行测算，中国目前 AI 摄像头渗透率仅为 3.4%，因此从长期来看， 中国 AI 摄像头渗透率仍有大幅提升的空间。

智慧金融。在金融行业方面，智慧金融解决方案的主要需求方为银行与保险，人工智能可以应用在包括 身份识别、智能风控、智能投顾、智能客服等场景中，提供人脸识别、身份核验等服务。

具 体从其发展阶段来看可以分为三个阶段： 在发展初期，人工智能在金融行业的应用主要以风险监测、智能问答等方面有些零星探 索，后续各家银行依托自身数据积累，开始在客服、运营、风控等应用场景开展实践并 取得成效。

以此为基础，各家银行开始加紧建设人工智能技术有关的基础设施与技术平 台，如工商银行的“工银图灵”、中国银行的“中银大脑”等；

在企业级人工智能平台的支撑下，金融行业进一步加快服务模式重塑和业务形态变革， 反映在更流畅的人机交互模式、个性化营销策略以及金融增值服务等方面；

将突破物理网点与时空限制，嵌入更多的线上线下场景，形成以客户为中心，无处不在的金融服务体验。

从行业的观察来看，目前智慧金融正在由第二阶段向第三阶段逐步过渡，我们预计人工智能 与金融的融合将体现在更多元、更深层次的各个方面，仍有非常大的提升空间。

技术层：由单点突破向多点融合发展，或将成为基础设施之一

在互联网发特别是移动互联网发展的推动下，人工智能技术中最重要的三大要素算力、数据、 算法均实现了质的飞跃：

算力：芯片发展遵循摩尔定律，算力得到质的提升。2007 年采 用英特尔酷睿芯片的个人电脑计算速度为每秒 500 亿次浮点运算，是 ENIAC 的 1000 万倍， 体积和耗电量却小了很多；

到 2012 年全球最快的计算机 IBM 的红杉的计算速度为 1.6 亿亿 次，比 19 个月前竟提高了将近 6 倍；

数据：PC 互联网与移动互联网的发展为人工智能 模型训练提供了庞大的数据积累，根据 IDC 预测，全球数据圈将从 2018 年的 33ZB 增至 2025 年的 175ZB；

算法：2006 年 Geoffrey Hinton 和他的学生 Ruslan Salakhutdinov 在《科学》上发表文章，给出多层神经网络更好训练方法，至此神经网络算法才开始真正具 有深度，使深度学习算法能够支持训练更大规模的神经网络。

三重合力推动人工智能在计算机视觉、自然语言处理、知识图谱等单点技术上实现重大突破， 比如 2014 年香港中文大学汤晓鸥教授团队发布 DeepID 系列人脸识别算法准确率达到 98.52%，全球首次超过人眼识别率，突破了工业化应用红线；

根据易观数据，2009 年深度 神经网络算法被应用于语音识别领域时，语音识别准确率突破 90%，至 2016 年百度、搜狗等头部公司都先后宣布其语音识别率达到了 97%。这一阶段，单点技术的突破催生了人工智 能在特定场景的初步应用。

目前人工智能技术应用正在从单点突破向技术融合及业务链条融合的方向过渡。人工智能经 历了对单点技术的聚焦关注后，客户逐渐发现自身的复杂需求难以得到快速响应，转向寻求 获取人工智能综合解决方案。

反映在技术层面表现为由计算机视觉等单点感知向视觉+语音 等多模态感知、从人工智能在单个环节的应用向感知—认识——决策等多个环节进行融合以 及通过提供软硬件一体解决方案以实现对全业务链条赋能等方向发展，形成行业价值闭环。

我们认为未来随着人工智能应用在政务、商业、生活等场景的渗透率的不断提升，人工智能 技术将日益成为“水、电、煤”般的基础性设施，持续赋能体验的升级。

产业链：业务链条复杂，衍生出两种不同的商业路径

人工智能产业链主要分为基础层、技术层、应用层三个层级，其中：基础层以数据、算 力、算法为核心；

技术层是建立在基础层的核心能力之上，通过打造一套人工智能系统 使机器能够像人类一样进行感知与分析。

其中最关键的领域包括计算机视觉（图像识别与分 析）、语音识别与自然语言处理技术（语音识别与合成）、机器学习与深度学习（分析决策及 行动）等；

应用层是将技术能力与具体场景相融合，帮助企业/城市管理者等客户降本增 效，目前主要应用的场景有泛安防、金融、医疗、自动驾驶等领域。

在上述三个层级之外， 通常面向终端时还涉及硬件交付，如摄像头、服务器、芯片等，所以人工智能产业链涉及业 务方众多。

整体而言，人工智能产业的发展仍处于初级阶段，从针对某个项目的落地来看，通常既需要需要考虑与业务场景的融合，又需要从技术层面具备适应业务场景变化的能力。

同时还需要 保证与硬件设备具有较高的兼容性，以及落地施工的工程能力，所涉及的业务链条较长，对 于单一的公司很难做到对多元的业务场景和完整的产业链条的兼顾。

导致人工智能企业目前 很难同时在技术领先性、规模化与商业化等维度之间做到很好的平衡，所以目前我们看到 AI 四小龙等人工智能算法企业多处于亏损状态。

我们观察到行业中目前主要有两种业务模式：由系统集成商面向终端客户提供服务，其 中人工智能企业聚焦于算法与模型生产等核心技术环节提供高毛利的软件服务 。

这需要持续 大规模的研发投入与 AI 基础设施建设，以保证技术的领先性，如同商汤科技所推出的 SenseCore 的大模型装臵，通过大模型来实现低成本、高效率的模型量产；

聚焦于某一 垂直场景，由人工智能企业向终端客户或者系统集成商提供软硬件一体的综合解决方案，由 于涉及部分硬件的采购，会导致人工智能企业的毛利率相对较低。

这种模式下能够提高人 工智能解决方案的交付能力，获得更好的客户体验，从而有利于持续获客，如云从科技聚焦 于智慧治理、智慧金融领域，以提供软硬件一体的解决方案为主，2021 年人工智能解决方 案的营收占比达到 86.87%。

技术：源于人脸识别技术，从单点走向综合产品矩阵

持续拓宽技术广度与深度，重点融合人机协同

从计算机视觉出发，不断拓展核心技术的广度与深度。创始人周曦为公司的核心技术人物， 其学术研究领域主要是计算机视觉方向，并在回国后创建了中科院重庆绿色智能技术研究 院〃智能多媒体技术研究中心。

该研究中心主要从事机器视觉与模式识别领域的理论与产业 应用研究，并成功研发出国内首套“人脸识别支付”系统、人证合一人脸验证系统。

因此周 曦在计算机视觉方向具有深厚的学术与实践积累，所以 2015 年周曦创立云从科技时，公司 以计算机视觉为基础，从人脸识别技术出发进行业务布局。

目前跨镜追踪、3D 结构光人脸识别、双层异构深度神经网络和对抗性神经网络技术等 AI 技 术处于世界先头水平。

成立至今，公司在核心技术方面不断进行广度与深度的探索，从广度 上，逐步向泛人脸技术（3D 人脸、ReID、活体检测等）、其他感知技术（语音识别、动作 识别、OCR 等）、认知和决策技术（自然语言处理、知识图谱等）逐级拓展。

在持续的行业 实践过程中，逐步形成相对完整的技术链条；从深度上，除了单点技术不断挑战更高指标、 更多应用场景之外，技术结合方面也有很多进展。

如：公司自主研发的跨镜追踪、3D 结构 光人脸识别、双层异构深度神经网络和对抗性神经网络技术等人工智能技术均处于业界领先 水平。

云从科技聚焦于技术层与应用层，在芯片、算法等基础层持开放态度。如前所述，人工智能 架构可以分为基础层、技术层、应用层三层。

目前行业中人工智能企业在这几个层级上所覆盖的业务广度存在差异，云从科技聚焦于技术层与应用层，通过对人工智能技术的积累与深 刻理解。

重点提供计算机视觉、语音识别等技术能力，并将其沉淀在人机协同操作系统之中， 基于此提供面向不同行业应用的技术解决方案。

在基础层中，由于 Tensor Flow、Pytorch 等 开源算法体系等框架已经较为成熟，因此公司主要基于开源算法体系，未进行算法框架的自 研以及芯片的开发等业务。

公司强调人机协作，将知识中台融入算力算法平台。基于多年的技术积累与行业经验的持续 迭代，公司目前已经沉淀出底层支撑平台人机协同操作系统（CWOS）。

与其他平台不同在 于，云从科技在传统的人工智能生态之上引入人类经验与知识，通过自主研发打造人机协同 操作系统，并基于操作系统推出多应用场景的人工智能解决方案。

属于相对综合性的产品服 务，涉及到人工智能生态链中基础层的硬件设备设计、技术层的人机协同算法开发以及应用 层的智慧治理、智慧出行、智慧商业、智慧金融等行业智能化解决方案。

从而提高决策的严 谨性，逐步推动公司的人机协同操作系统从人机交互向人机融合和人机共创三个层次不断演 进。

人机协同是对模型不可解释性的补充，在部分场景具有必要性。我们认为目前不同行业的应 用场景中客户对机器的依赖度与信任度存在差异，部分行业如工业质检等领域，计算机取代 人力一方面能够提高效率 。

另一方面也可以将人们从重复的劳动中解放出来，因此应当充分 应用人工智能技术。

是在部分场景如医疗、金融等复杂领域，由于人工智能模型很多时候 为黑盒算法，其不可解释性导致客户在进行业务决策仍需要人工干预，因此公司在技术层融 入知识平台，并强调人的经验的重要性，使其产品在部分场景或具有特殊优势。

由CWOS延伸至轻舟平台，打造差异化两大产品体系

人机协同操作系统与轻舟平台两大产品体系已形成。

公司目前以人机协同操作系统为核心， 一方面根据不同应用场景客户需求提供的多种人机协同应用产品和整体操作系统，服务于客 户单点业务效能提升和整体业务场景智能化升级；

另一方面也包括轻量化且功能全面的“轻 舟平台”（即通用服务平台），通过开放式地引入生态伙伴共同开发AI应用及配套SaaS服务， 使人工智能服务惠及更广泛的各行业客户。

由此形成两大产品体系，分别面向差异化的客户 需求，提供相应的服务能力，实现客户增长的同时，提高商业化变现效率。

CWOS：迭代至3.0版本，主要服务于大客户定制化解决方案

以行业基础版操作系统出发，人机协同操作系统已迭代至 3.0 版本。公司从 2015 年成立开 始积累技术沉淀。

从重点布局的智慧金融、智慧治理、智慧出行、智慧商业行业版基础操作 系统（如视图汇聚分析平台、集成生物识别平台、智能云平台等）出发。

通过迭代升级抽取 共性功能需求和系统技术，优化整合为贯通多应用领域的通用人机协同操作系统，并基于不 同阶段操作系统开发了丰富的匹配客户智能化升级需求的应用产品。

经过技术沉淀，目前公 司的人机协同操作系统已经开发至 3.0 版本，并且开发出火眼人脸大数据、活体检测软件、 OCR 识别软件等丰富的行业应用产品。

围绕人机协同操作系统延展，公司目前可以面向客户提供基础操作系统、基于人机协同操作 系统的应用产品和核心组件以及技术服务等不同的产品。

其中：基础操作系统：基础操作系统即人机协同操作系统本身，一般交付给具有研发能力的企业和第三方软件厂商，由客户二次开发后投入使用；公司通常会提供一套API和SDK，作为应用开发接口供开发者使用；

应用产品：应用产品指基于人机协同操作系统研发的应用产品，部署到客户生产环境即 可投入使用解决具体业务问题。

应用产品主要通过直接调用 API 或者集成 SDK 的方式使用 人机协同操作系统的各项 AI 能力和系统资源，必须依托云从人机协同操作系统才能运行实 现相关功能。

业务开展过程中，如客户前期已购买人机协同操作系统，可单独购买应用产品 拓展可应用功能；如客户未购买过操作系统，则同时销售操作系统和应用产品，保证相关应 用产品能够有效运行。

报告期内，公司向客户销售应用产品通常包括基础操作系统及其应用 软件；

核心组件：核心组件指人机协同操作系统内可以独立交付的功能模块，通常是封装了核 心 AI 能力的软件包，主要交付给研发实力强、对软件管控要求较高的客户，由客户集成到其自有系统中使用，基本不涉及进行定制化开发。

公司还在人机协同操作系统软件产品销售以外，提供公有云服务、风控服务和智能化 运维服务，其中公有云服务主要分为 SaaS 服务、委托需求定制服务两类，风控服务和智能 化运维服务也以项目定制化为主。

CWOS 是公司产品的基础与核心，主要服务于大客户的定制化解决方案。公司目前主要与各 个行业的头部客户开展合作，为客户提供从提升单点业务效能、解决全业务闭环需求、到建 立开放生态实现全行业赋能等多种解决方案。

基于客户所处的行业类型与需求不同，公司主 要以人机协同操作系统为基础，提供相应的定制化解决方案，以满足客户的特定需求。

目前 公司的人机协同操作系统已经基于不同的行业需求衍生出许多相对标准化的系统，如提高 AIoT 设备连接能力的智能云平台、侧重城市级数据融合的融智云平台、融合多种生物识别技 术的集成生物识别系统等。

轻舟平台：由CWOS衍生而来，重点面向中小客户提供轻量服务

公司立足于人机协同操作系统，推出了以“轻舟平台”为代表的通用服务平台和以“千帆计 划”命名的生态体系合作伙伴计划，其中： “轻舟平台”——轻量化通用型服务平台。

“轻舟平台”集合了云从核心 AI 算法集合、AIoT 设备接入与管理能力等高阶功能模块与 API、SDK 开发套件。

“轻舟平台”提供两种产品形态：一种为软硬一体的一体机或服务器， 可满足标准化人机协同能力和应用部署；

另一种为私有化或公有云部署的纯软件系统，可满 足客户已有硬件构架基础上灵活组合选配人机协同能力和应用的需要。

“千帆计划”——生态体系合作伙伴计划。“千帆计划”是公司以“轻舟平台”为基础构建的生态体系合作伙伴计划。

公司以“轻舟平 台”提供的开源 AI 核心技术底座为基础，广泛赋能独立软硬件供应商、行业或平台云服务 商等合作伙伴。

具体运营模式上分为两种：第一种为通过区域增值服务伙伴或行业独立软件 /硬件服务商转售“轻舟平台”相关产品；第二种为云服务模式，通过自主运营或者与运营商、 云服务商合作以提供 SaaS 服务的模式向客户提供独立 AI 应用及配套的 SaaS 服务。

与 CWOS 提供定制化项目不同，轻舟平台目前主要面向中腰部客户提供服务。不同于头部 客户每年有大量的预算进行业务体系的改造升级，目前市场上还存在许多中腰部客户希望借 助人工智能的技术进行效率提升。

相对而言其对技术的深度要求没有那么高，且预算相对较 小，因此公司通过轻舟平台，以 Saas 等方式提供给中腰部客户，既满足客户的效率，同时 也提高了产品的收益。

“轻舟平台”与“千帆计划”当前收入贡献相对较小，预计未来需求广泛。从公司发展阶段 来看，目前仍以 CWOS 所服务下的大客户解决方案为主要的营收贡献点。

“轻舟平台”与“千 帆计划”的收入贡献相对较少，根据招股说明书披露，2020 年，“千帆计划”已经与 10 家 合作伙伴开展合作，实现收入 745.89 万元。

考虑到人工智能对不同行业改造升级的渗透 率不断提升，我们预计对人工智能软件的需求将逐步渗透至中腰部客户，甚至是中小企业， 人工智能将作为各行各业所需的基础，届时“轻舟平台”与“千帆计划”的产品体系 有望释放增长潜力。

应用场景：重视项目产业落地，打造强交付产品体系

云从科技提出人工智能三浪理论，认为现阶段 AI 行业已进入第一浪末期并开启技术第二浪的时代，即从单点技术突破向 AI 工程学升级，核心价值在于为客户提供基于场景与技术的 闭环：

一浪：以计算机视觉、语音识别等为代表的单点技术实现突破，催生了人工智能在特定 场景的初步应用。

二浪：人工智能经历了对单点技术的聚焦关注，客户逐渐发现自身的复杂需求难以得到 快速响应，转向寻求获取人工智能综合解决方案以实现对全业务链条的 AI 赋能，形成 行业价值闭环。

三浪：随着人工智能与实体产业深度融合，将以用户体验的革命性提升为主要驱动因素， AI 将尝试以人类与机器智能交互嵌入所有业务流程，联通线上线下数据，进行智能流量 的再分配，大幅优化人类与智能的协同体验。

赋能四大场景客户，深度探索行业Know-how

聚焦于四大场景，赋能头部客户智能化升级

公司以自主研发的人机协同操作系统及其应用产品和 AIoT 硬件设备为基础，早期公司以智 慧金融、智慧治理行业场景为切入，逐渐拓展到智慧出行、智慧商业等更广泛的应用场景。

目前已经形成四大行业解决方案： 智慧金融：覆盖了 AI 技术、行业产品、流程优化、业务咨询在内的多种客户诉求，从数 字化客户互动、运营管理、风险管理、金融服务网络等多个维度对金融业务赋能，满足 了不同发展阶段金融客户的智慧转型需要；

智慧治理：以校园、医院、机关单位、社区、街面、商圈、酒店、园区、景区等多个场 景的治理需求为牵引，通过构建两大闭环，实现业务的全面智能化；

智慧出行：连接 AIoT 智能交互终端，打通融合机场、航空公司、轨道交通等交通领域业 务数据，通过专家知识模型和智能化分析决策能力，打造“从门到门”的全流程、跨场 景的智慧出行体系；

智慧商业：以行业应用为导向，把握商业场景人-货-场关键基点，打造面向购物中心、商 业连锁、汽车、餐饮、商超便利等综合智能解决方案，赋能商业客户建设感知、认知到 决策的智能商业闭环，创造更高效的商业社会与更美好的消费体验。

服务近千家客户，覆盖行业内多个头部客户。截至 2021 年 12 月 31 日，在智慧金融领域， 公司为包括中国工商银行、中国建设银行、中国农业银行、中国银行、邮储银行和交通银行 等超过 100 家银行为代表的金融机构提供产品和技术服务，推动全国众多银行网点进行人工 智能升级；

在智慧治理领域，云从科技产品及技术已服务于全国 30 个省级行政区政法、学 校、景区等多类型应用场景；

在智慧出行领域，公司产品和解决方案覆盖北京首都国际机场、 大兴国际机场、上海浦东机场、上海虹桥机场、广州白云机场、重庆江北机场、成都双流机 场、深圳宝安机场等包括中国十大机场中的九座重要机场在内的上百座民用枢纽机场，日均 服务旅客达百万人次；

在智慧商业领域，产品及服务已辐射汽车展厅、购物中心、品牌门店 等众多应用场景，为全球数亿人次带来智慧、便捷和人性化的 AI 体验。

与头部客户建立联合实验室，深度探索行业 Know-how。人工智能赋能行业的解决方案中， 如何将人工智能应用于行业中，通过何种方式反向优化人工智能算法模型等技术与行业 Know-how 的之间的不匹配、不同步一直是影响项目落地的核心痛点。

为解决这一痛点，云 从在与头部客户合作的过程中，采用深度赋能的关系，与合作客户建立联合实验室，通过客 户的深厚经验与自身的技术相结合，以提高项目落地的可行性。

以金融行业为例，根据搜狐 新闻报道，2021 年 8 月云从与建设银行苏州分行签署合作框架协议，将共同设立金融创新联合实验室，针对智能多方信息验证、自动机器学习、自动构建知识图谱应用、智能支付、 智能决策、智能营运等场景应用展开探索。

自研硬件设备占比提升，推动软硬件解决方案毛利率提升

参与自研智能 AIOT 设备，具备为客户提供软硬一体解决方案的能力。针对不同应用场景下 的特定需求，部分情况下需要公司提供软硬一体解决方案，除了软件部分之外，公司也为客 户提供相应的硬件产品。

其一方面来自于第三方硬件，一方面来自于公司自研的智能 AIoT 设 备。智能 AIoT 设备主要为公司自主研发或与供应商联合开发的硬件产品。

公司主要参与 AI 算法开发、硬件设计等核心环节和生产环节质量控制，委托外部合作伙伴实施硬件加工、生 产、组装等非核心生产环节。

形成面向四大商业领域丰富的硬件产品矩阵。目前公司面向智慧四大应用领域所提供的主要 的 AIOT 设备有 20 种，包括面向安防场景的智能安防一体机、智能抓拍相机等。

面向金融 领域的比邻星红外双目活体安全模组，面向机场等交通场景的智慧航显、智慧通关一体机， 以及商业场景的刷脸支付盒子、天官视频人脸门控机等。

自研 AIOT 设备贡献收入快速提升，推动毛利率提升。通过对软硬一体服务合同进行拆分， 其中2019-2021年来自于公司自研AIOT 设备所贡献的收入分别为9683.9 万、16544.22 万、 23378.88 万，2020-2021 年同比增速分别为 70.84%、41.31%。

根据公司公告，2021 年智 能 AIOT 设备的毛利率为 28.39%，而第三方软硬件毛利率仅为 5.36%，自研智能 AIOT 设备 的占比提升将推动公司软硬件组合方案整体毛利率提升，2021 年软硬件组合毛利率为 30.97%，较 2020 年提高 3.96pct。

打造强交付能力产品体系，协同产生链生态日益成熟

我们认为云从科技能够与服务行业内众多大客户达成合作的核心在于：形成了完整的从 产品研发到产品交付的组织架构体系，能够更好的满足客户的使用体验；

提供差异性产 品解决方案覆盖不同类型的客户，比如面向不同客户分别提供围绕人机协同操作系统的解决 方案、围绕轻舟平台的解决方案。

完整的从产品研发到产品交付的组织架构体系

3+5 的研发模式，保证技术前沿性与项目的及时落地。公司打造了“3 个支点+5 大研发中心” 的技术研发架构，其中3个支点指重庆智能绿色研究院、上海交通大学、上海脑科学与类脑 研究中心联合实验室，通过与其展开人工智能领域相关研发项目合作，旨在提升公司在人工 智能基础核心技术的研究能力；

5大研发中心指公司在广州、重庆、上海、苏州和成都五地 研发中心，为公司内部技术研发核心力量。通过“3+5”的研发架构体系，公司既能保证技术的领先性，又能够保证研发与产品具有强相关，提高研发效率，能实现项目的及时落地。

技术中台与产品和解决方案部分工明确，打造清晰的产品交付体系。公司技术研发主要由技 术中台（感知研究院、数据研究院、AI 平台中心和硬件产品中心）负责执行，前台业务线下 属产品和解决方案部在产品设计开发方面提供行业经验和技术支持。

技术中台重点推进算法 引擎、大数据分析技术、人机协同操作系统和 AIoT 设备及模组研发。产品和解决方案部主 要基于云从人机协同操作系统针对金融服务、城市治理、交通出行、商业零售等应用场景进 行具体产品的定制化设计开发，打造契合客户具体场景需求的解决方案。

打造差异化产品体系，多渠道触达终端客户

公司以人机协同操作系统为基础，主要面向客户提供软件产品或针对不同行业的客户提供人 工智能解决方案，通常是用直销模式，面向终端客户或者系统集成商，整体而言其客户相对 较为成熟，预算较为充足。

为进一步拓宽所覆盖的用户，公司采用“轻舟平台+千帆计划” 的模式打造面向经销渠道的产品体系，在保证了产品优质性与通用性的基础，主要面向新兴 客户，可以有效的扩大面向客户群体。

公司目前已经形成了成熟的产业链协同模式，打通了从底层技术、平台产品到销售合 作伙伴的选择上均已较为成熟，具备项目落地能力逐步具备可复制性，有望进一步推动人工 智能生态的建设，从而形成正反馈以推动业绩提升。