投资评级 - 维持"推荐"评级 [4][7] 核心财务表现 - 2025年上半年营业收入4.10亿元，同比增长7.73%，归母净利润0.89亿元，同比增长44.06% [1] - 第二季度营收2.01亿元，同比增长2.08%，归母净利润0.39亿元，同比增长42.42% [1] - 预计2025-2027年营收分别为10.11亿元、12.74亿元、16.18亿元，归母净利润分别为2.34亿元、3.13亿元、4.44亿元 [4] - 2025年8月26日收盘价对应市盈率91倍、68倍、48倍 [4] 移动智能终端业务 - 实现收入3.39亿元，同比增长2.23% [2] - Turbo Fusion技术提升影像处理效率并降低系统负载与功耗，改善夜景、逆光、长焦等场景画质 [2] - AI眼镜领域通过算法与硬件深度融合强化视觉交互体验，与多家头部厂商签约并完成量产落地 [2] 智能汽车业务 - 实现收入0.65亿元，同比增长49.09% [3] - 舱内核心产品（驾驶员安全辅助系统、乘员安全辅助系统）完成多轮技术迭代并批量出货至海内外客户 [3] - 前装软硬一体车载视觉解决方案Tahoe产品在欧洲豪华品牌车型完成量产交付 [3] - 舱泊一体解决方案在客户项目完成POC技术验证 [3] AI视觉创新 - 升级新一代视觉大模型ArcMuse2025 V1.1 [4] - PSAI新增AI试鞋、商品换色、高清改尺寸等功能，聚焦服饰行业需求 [4] - 产品入驻淘宝、京东、亚马逊等主流电商平台，累计服务数十万中小商家，合作头部服饰品牌超300家 [4] 增长驱动因素 - 移动智能终端和智能汽车业务受益于新兴市场复苏 [4] - 智能商拍蓝海市场有望开启新增长曲线 [4]

公司融资与资金用途 - 西湖智能视觉科技完成超五千万元Pre-A轮融资 由东方富海独家投资 [1] - 资金将用于深化技术产品矩阵 推进产能建设 加速全球化布局 [1] - 此前公司已获得由中科创星领投 西湖科创投和西湖创新基金跟投的数千万元天使轮融资 [1] 公司背景与技术定位 - 公司成立于2022年 提供集感存算一体的成像系统解决方案 [1] - 依托西湖大学科研平台 通过底层光学硬件和算法突破推动智能成像系统革新 [1] - 专注于研发基于人工智能计算成像的新一代机器视觉感知系统 [1] 核心产品与技术优势 - 主要产品聚焦高光谱成像系统 高速相机和3D成像系统 [1] - 目标开发低成本 低功耗 低带宽 高通量的智能视觉成像系统 [1] - 已构建三大核心技术矩阵：视频级高光谱成像 万帧级超高速动态捕捉 微米级3D成像 [4] - 视频级高光谱成像实现单次曝光获取完整高光谱数据立方体 显著提升成像速度与效率 [4] - 万帧级超高速动态捕捉满足极端高速场景精准观测需求 [4] - 微米级3D成像提供超高精度三维视觉感知能力 [4] 技术突破与行业价值 - 计算成像技术通过联合优化光学硬件与算法 突破传统光学成像速度慢 功耗高 易受运动目标影响等痛点 [3] - AI技术突飞猛进促进计算成像落地应用 公司基于AI+光学实现新突破 [3] - 无人机挂载公司产品可高效获取1.5平方公里范围内每一点的光谱信息 [3] - 单次曝光可获取光谱 三维偏振 视频等多维信息 重塑医疗早筛 工业质检 消费电子 自动驾驶等领域 [3] 研发投入与团队实力 - 公司年均研发投入占比超60% [4] - 研发团队包含10名博士和4名硕士 在相关领域具有深厚研究经验积累 [4] - 创始人袁鑫博士发表学术论文近300篇 谷歌学术引用超13000次 H指数59 申请专利30余项（已授权15项） [2] 市场前景与发展规划 - 计算成像技术是下一代智能感知的核心引擎 赛道至少是千亿级市场 [3] - 三年规划基于现有三大核心技术持续拓展产品线 加强技术纵深 保持领先优势 积极开拓国际市场 [5] - 五年规划搭建标准化生产线 提升规模化交付能力 推动计算成像领域标准制定 [5] 投资机构观点 - 东方富海认为公司技术将多维信息编码至二维空间 再利用AI算法重构 获得更多观测维度 [6] - 产品在半导体检测 低空 安防等领域具有广阔应用前景 [6] - 希望融资加快产品规模化量产 推动机器视觉行业向高维智能成像升级 [6]

数据集创新 - 联合发布高精度多模态数据集Real-IAD D³ 涵盖RGB图像、伪3D光度立体图像和微米级精度3D点云数据 [1][3] - 数据集包含20个工业产品类别、69种缺陷类型 总计8450个样本 其中正常样本5000个、异常样本3450个 [4] - 点云精度达到0.002毫米 显著高于MVTec 3D-AD的0.11毫米和Real3D-AD的0.011-0.015毫米 [4] 技术突破 - 提出多模态融合检测方法D³M 整合2D、伪3D和3D数据提升检测性能 [6] - 在图像级异常检测指标(I-AUROC)上达到0.890 像素级异常检测指标(P-AUROC)达到0.901 全面优于单模态和双模态方法 [9] - 生成的分割图在细节和准确性上优于其他方法 在连接器外壳女性类别中达到0.999的I-AUROC和0.911的P-AUROC [9] 行业应用价值 - 解决传统2D图像检测缺乏深度信息和现有3D检测细节捕捉不足的行业痛点 [4] - 为工业制造质量控制提供更可靠的解决方案 推动工业异常检测领域发展 [12] - 该研究是Real-IAD系列第二篇工作 首篇工作已被CVPR2024收录 形成持续技术输出体系 [13] 数据规模扩展 - Real-IAD系列数据集包含30类对象 每类含5个拍摄角度 总计150K高分辨率图像 规模达主流数据集十倍以上 [16] - 具有更大的缺陷面积和缺陷比例范围 能更好区分不同方法性能 满足各种工业异常检测研究设置 [16]