虹软科技首次覆盖：视觉算法为器，开拓AIOT大市场

国金证券研究所

创新技术与企业服务研究中心

通信组孟林团队

投资建议

预计公司2019-2021年营收分别为5.91、8.33、11.14亿元，归母净利润分别为2.15、3.61、4.79亿元，YoY+36.6%、+67.7%、+32.7%。参考可比公司估值，给予公司2020年65倍PE，目标价57.77元，首次覆盖给予“增持”评级。

投资逻辑

计算机视觉是AI领域最具商业化价值的赛道，其中手机视觉是最成熟的应用领域之一。作为AI时代主要入口之一，计算机视觉主要以图像和视频等高维、密集数据为主要处理对象，信息提取程度更深、应用场景更加丰富，商业化价值巨大。IDC预测，2017-2022年中国计算机视觉应用市场规模将实现CAGR 56%的增长至146.1亿元。手机视觉是行业最成熟的应用领域之一，主要受益智能手机摄像的发展，未来在5G换机潮以及摄像头双（多）摄、深摄渗透率提升趋势下有望迎加速发展机遇。在该领域，第三方算法提供商具备技术沉淀和产品化经验方面的优势，未来大有可为。

公司是AI视觉算法领域的领军者，长期发展具备三大竞争优势。公司自2003年起专注于移动摄像的图像处理技术研究，经过20多年发展已打造出较为完整的产品体系，市场认可度高、行业地位领先，客户覆盖国内外各大主流安卓智能手机厂商。我们认为，公司长期发展具备三大竞争优势：1）产品化能力强，能针对不同硬件在有限开发周期内为客户提供“性能-功耗-硬件成本”三方面最优平衡的解决方案；2）算法覆盖面广，已积累大量的成像、图像、色彩领域的经验和技巧并掌握了各类核心AI技术，构建了完整的视觉AI技术体系；3）初步构建产业生态，产业链上下游合作紧密，有助于紧跟产业发展趋势，持续提升产品竞争力及客户需求响应效率。

汽车视觉是未来新蓝海，有望成公司成长新引擎。作为ADAS的主要信息入口，随着汽车智能化的提高，车载镜头的需求量会快速提升，进而将带动汽车视觉应用的快速发展。公司在手机视觉领域积累的AI算法技术具有通用性和延展性，大量模块化的产品和基础支持算法库能够为不同行业的客户提供一站式的解决方案，为公司开拓汽车视觉市场打下了坚实基础。当前，公司针对车辆周围环境探测以及车内安全辅助驾驶都提出了相对完整的解决方案，未来有望充分受益汽车视觉行业发展，延续技术与产品领先优势。

风险提示：下游应用领域与客户过度集中的风险；技术升级迭代风险；新业务开发和拓展风险；市场竞争加剧风险；预收款项风险。

告正文

一、虹软科技：深耕移动摄影图像处理多年，构筑深厚竞争壁垒

1.1公司是移动摄影图像处理领域的先行者，具备多年技术及经验积累

公司盈利模式是向终端厂商收取技术和软件使用授权费。公司将视觉人工智能算法技术与客户特定设备深度整合，通过合约的方式授权给客户，允许客户将相关算法软件或软件包装载在约定型 的智能设备上使用，以此收取技术和软件使用授权费用。

产品收费模式分固定费用模式和计件模式两种。按照业务合同的不同类型划分，公司的主要收费模式可划分为固定费用模式和计件模式两种模式：固定费用模式即按合同约定的软件授权期限收取固定金额的软件授权费用，客户在软件授权期限内，针对某款、某系列的特定设备，可以无限量生产装载有公司算法技术的智能设备；计件模式即在合同约定的软件授权期内按照客户生产的装载有公司算法技术智能设备的数量进行收费，通常情况下公司会与客户就不同生产数量区间，约定阶梯价格，保障双方利益。按计件模式对客户收取软件技术授权费用这一模式在国内企业中相对较为少见，公司能成功运行这一模式体现了市场对公司产品的认可。近三年，公司通过计件模式收费的比重不断提升，主要是因为来自三星、华为、小米等公司的计件模式下的收入逐年上涨所致。

1.2 产品化能力强、算法覆盖面广、初步构建产业生态，三大竞争优势助力公司长期发展

产品化能力强。视觉算法厂商需要针对每一款智能设备的不同硬件特点，在有限的开发周期内，为客户提出有针对性的解决方案，帮助客户的智能设备在“性能-功耗-硬件成本”三方面达到最优平衡。公司提供的相关算法针对各个主流硬件平台（比如高通、联发科、三星和展讯等等）在性能上做深入优化，技术具有很高的通用性和延展性，并且凭借对行业演进规律的理解，形成了大量模块化的产品和基础支持算法库，进而能够为不同行业的客户提供性能、功耗、硬件成本达到最优平衡的一站式的解决方案，并缩短产品开发周期。

公司在先进技术的产品化上有着丰富的经验，例如：2003 年，公司在性能有限的移动终端设备上实现了人脸特征点检测、人脸检测和人脸表情检测等功能；2004 年，公司在该类终端上完成了图像增强算法的落地，实现了去模糊、去噪和暗光拍摄三大功能；2015年，虹软科技协助手机厂商发布了业界第一款 RGB+Mono 方案的后置双摄头手机。公司强大的产品化能力能够促进视觉人工智能技术在智能手机、智能汽车、物联 （IoT）等领域落地，从而开拓更多业务领域 。

算法技术领先，解决方案覆盖面广。公司自成立起一直与影像产业的发展、消费者的需求和影像科技创新紧密相连，并在这个过程中积累了大量的成像、图像和色彩领域的经验和技巧，这些经验和技巧难以通过投入资金和招募人才来快速获得，构成了公司在视觉人工智能领域的核心竞争力。根据公司官 及招股说明书，公司已掌握了诸如人体识别、物体识别、场景识别、图像增强、三维重建和虚拟人像动画等各类核心技术，构建了完整的视觉人工智能技术体系，且公司对相关算法技术的理论基础、实现方法等有着较为深入的理解和实践，在算法基础上，提出了单摄、多摄包括单多摄组合的众多解决方案。全面的产品系列有助于公司进入不同场景。

初步构建产生生态，产业链上下游合作紧密。摄像头的性能不但与硬件设备，如手机平台主芯片、摄像头传感器、相机模组、镜头密切相关，而且与视觉人工智能算法、辅助软件等密切相关。其中硬件设备决定了摄像头性能的下限，算法和软件决定了摄像头能力的上限。公司坚持与产业链上下游的主流公司开展合作交流，并与之建立了长期、紧密、稳定的合作关系：公司与高通、联发科、展讯等芯片平台厂商长期合作，针对芯片平台优化，不断提高视觉人工智能技术算法产品与移动芯片的适配性，促进研发思路协同统一；公司亦与索尼传感器、三星半导体、格科微、舜宇光学、信利等各大传感器及摄像头模组厂建立了业务交流或合作关系，为其提供搭建多摄像头校准等技术方案。作为第三方算法提供商，与产业链合作伙伴建立长期、紧密、稳定的合作关系有助于公司紧密跟踪产业发展趋势，持续提升产品竞争力、提高客户需求效率，从而为客户提供高性价比的解决方案。

二、手机视觉：计算机视觉最成熟的应用领域之一，充分受益智能手机摄像发展

2.1计算机视觉行业综述：AI行业最具商业化价值的赛道

计算机视觉是国内外AI企业最集中的领域，商业成熟度较高。从AI企业的应用技术方向分布来看，计算机视觉技术企业在全球AI企业中占比约40%，在国内占比约46%；无论国外还是国内，计算机视觉都是AI企业最集中的领域。从市场规模来看，2017年计算机视觉市场占全球AI市场总规模的16.9%，排在语音识别之后；而国内计算机视觉市场占AI市场的34.9%，排名第一。国内外计算机视觉的市场规模差异要远大于企业分布差异，说明国内计算机视觉公司的总体盈利能力较其他AI领域的公司较强，商业成熟度较高。

计算机视觉是AI领域应用场景最丰富、商业化价值最大的赛道。目前，AI技术处理的数据类型不外乎四类：文字、语音、图像和视频。从信息维度来看，从文字到视频维度是递增的，文字的信息维度最少、包含的信息量也最少，视频的信息维度最多、包含的信息量最大。反映在数据量占比上，以线上数据为例，根据Cisco的研究，到2022年全球线上视频流量占总流量的比例将从2017年的75%上升到82%，说明线上数据将越来越被视频数据所主导。信息维度更高加之数据量更大，因此以图像和视频为主要处理对象的计算机视觉要比以文字或语音为主要处理对象的其它AI技术具有更加丰富的应用场景和商业化价值。

市场格局上，科技巨头把控基础层，初创企业领跑应用层。计算机视觉架构从下至上：1）基础层——核心芯片被Intel、Nvidia等传统芯片厂商把控，新型芯片厂商尚未崛起，规模应用有待时日；开源平台以谷歌的Tensorflow、Facebook的Caffe等为主，其它企业的深度学习框架多为二次开发；2）技术层——算法，初创企业占优；云计算，几乎被AWS、Google Cloud、Azure、阿里云等垄断；3）应用层——垂直行业龙头占据场景，技术层初创企业向上渗透。根据IDC，2017年中国计算机视觉应用市场总规模约为15.5亿元，商汤、旷视、依图、云从“四小龙”市场份额共计达69.4%，至2022年中国计算机视觉应用市场规模将达到146. 1亿元人民币。

目前中国计算机视觉算法企业在技术水平、商业化程度以及融资能力（估值）上均领先于国际同行。技术上，近年来中国计算机视觉头部算法企业在国际性图像识别竞赛如ImageNet、FRVT、MSR IRC等中频繁摘得桂冠；商业化上，根据公开 道，商汤、旷视、云从等在2017年均已实现盈利，而国际初创企业同行如EverAI等尚处于净投入阶段；另外，从估值上看，CV四小龙均已达到数十亿美元估值，而国外尚没有仅靠人脸识别、图像识别就估值破十亿美元的初创企业。

企业核心竞争壁垒，中短期看是技术能力和产品化能力，长期看是生态构建能力。中短期来看，包括人脸识别、人体识别、图像识别等在内的主要计算机视觉技术均基于使用神经 络的深度学习算法，算法的优劣和迭代速度将直接取决于算法设计人员的知识和经验储备。ImageNet竞赛中神经 络隐含层数对图像识别准确率的影响最能说明问题：从10年至15年，随着神经 络隐含层数的增多，图像分类Top-5错误率随之显著降低，但与此同时算法设计的复杂度越来越高，对技术人员的要求也越来越高。

此外，计算机视觉技术在场景中落地时需要企业具备大量的除算法以外的know how，例如在软硬件结合以及保护终端用户隐私上的 知识和经验等。现阶段，掌握技术的AI人才（尤其是顶级人才）主要分布在高校及科研院所，产业内的人才供应不足，加之多数场景下计算机视觉的落地能力不足，人才的争夺与落地能力的竞争将决定企业的发展速度。

但是，技术层面，随着自动机器学习技术AutoML的出现，机器学习模型的设计门槛随之降低AutoML已经被谷歌应用于CIFAR-10高度基准测试数据集，并且训练出了与手工设计不相上下的模型。我们认为，随着AutoML技术的成熟，算法设计的门槛将越来越低，但相应的，算力的重要性会越来越明显，长期来看有可能成为计算机视觉企业的核心竞争力之一。

产品层面，我们认为，随着竞争的加剧，成功的企业不仅要具备大量的跟技术落地相关的know how，还必须能够主动地挖掘甚至创造需求，具备类似苹果在智能手机上的理解力。这就要求企业在纵向上能够主导整个产业链，横向上能够接入更多开发者和场景，因此长期看生态构建能力将成为主要竞争壁垒。

2.2智能手机视觉：计算机视觉最成熟的应用领域之一

2.2.1计算机视觉与智能手机行业深度融合，5G换机潮及摄像头创新将加速行业发展

目前，智能手机是计算机视觉出货量最大的前端设备，智能手机消费市场已经成为推动计算机视觉产业发展升级的重要因素。

5G换机潮将至，2020年智能手机出货量有望恢复增长。5G智能手机会缩短换机周期，迎来新一轮换机潮，预计2019年5G手机出货量500-600万台。明年六大终端厂商均会推出5G旗舰机，预计全年5G手机出货量将超1.5亿台，2020年智能手机出货量有望达到14.16亿部，同比增长6.0%。从长期来看，亚非拉等新兴地区智能手机仍有替换功能机的需求，但目前智能手机渗透率已经达到80%以上，未来智能手机出货量不太可能出现持续性高增长态势，预计保持2-4%的复合增速，极限出货量将会达到18-19亿部。

摄像头是智能手机创新最大的细分模块。近几年，终端厂商的创新方向主要是摄像头、屏幕、无线充电三大领域。摄像头是其中最重要的一个方向，数量上从单摄到双摄到三摄到华为P30 Pro的四摄，功能上从单一的像素提升发展成大光圈、超广角、潜望式长焦、TOF等特色镜头的引入，摄像头是智能手机行业最具投资前景的环节。

双摄持续渗透，2019年三摄加速在旗舰机中应用。2017年，双摄方案开始在智能手机旗舰机中开始使用，当年全球渗透率约为15%左右；2018年，双摄方案大规模在中低端机型中渗透，全球渗透率快速提升至45-50%，但是2018年新增的双摄方案多为“1+1”方案，即终端向模组厂采购两个摄像头，自己或者外包给第三方做算法以及校正；2019年，六大品牌都会在旗舰机中采用三摄方案，而且三摄很有机会朝2000-3000元的中端机型渗透，保守预计19年三摄智能手机的出货量将会超过2亿台。

2020年TOF摄像头将大规模放量。3D摄像头作为三维信息的采集入口，必将成为智能手机的标配。TOF作为3D摄像头两大主流方案之一，相较于结构光具有成本低、工作距离远、结构简单三大优势。2019年TOF首次在华为P30 Pro和三星S10 两大旗舰机上使用，根据国金创新研究中心的数据，华为P30 Pro在2019年4月-6月国内合计销量达到244.46万台，与2018年旗舰机P20 Pro同期销量相比大幅增长58.7%。我们预计明年开始TOF摄像头将会大规模在智能手机后置摄像头上采用，同时旗舰安卓智能手机或将在前置摄像头上新增TOF。利用深度摄像头，实现人脸检测、人脸跟踪、人脸识别、性别检测、年龄检测、肤色检测等功能，基于基础技术叠加各类识别及跟踪算法的需求将会进一步提升。

2.2.2第三方手机视觉算法提供商有望持续受益智能手机摄像发展

目前来看，对于视觉算法自研还是外购，手机厂商采取了不同的策略：苹果手机一直使用自研视觉处理技术，而安卓手机品牌中三星、华为、小米、OPPO、VIVO等均采用的是部分自研，部分外购算法。例如，华为的Mate系列采用第三方算法厂商的视觉算法，而华为的Nova系列（主打青春高颜值，主要面向女性客户）则是采用自研视觉算法。

自研视觉算法的优势在于软硬适配程度更高。算法开发能力较强的龙头手机厂商会基于其手机硬件开发AI算法。例如，Nova3搭载了华为自主研发的海思麒麟970处理器，在内置NPU智能单元的辅助下，Nova3能够实现发散式的信息处理和存储，从而让AI运算性能得到大幅提升。通过基于NPU+CPU开发AI视觉算法，Nova3能够实现性能更好但是功耗更低的拍照功能。

第三方手机视觉算法提供商的优势在于技术沉淀深厚、产品化经验丰富。手机视觉算法的核心在于图像处理技术，图像处理需要在对处理场景深刻理解的基础上提炼出具体需求，例如哪些图像特征是需要突出的、哪些色彩是需要增强的等等，然后针对具体需求进行大量重复的数据训练，进行不断推导和平滑。因此，第三方手机视觉厂商的护城河在于掌握大量的关于成像、图像和色彩领域的经验和技术诀窍，因此能针对每一款智能设备的不同硬件特点，在有限的开发周期内，为客户提出有针对性的解决方案，帮助客户实现“性能-功耗-硬件成本”最优平衡。

第三方视觉算法厂商，国内主要有虹软科技、商汤科技和旷视科技等，国外主要有CorePhotonics Ltd、Morpho Inc、EyeSight Technologies Ltd.等。

我们预计，像华为、三星这样的头部厂家，其高端机或有特殊定位的手机会转向或者维持使用自研视觉算法。但是，整体来讲，手机厂商自研视觉算法的历史并不长，在场景经验的积累上远不够丰富，依靠技术能实现的功能还较为单一。此外，手机视觉算法能力的提升需要投入大量研发的人力物力，手机厂商难以在短时间内将算法性能提升至专业第三方视觉算法厂商的水平。因此，我们认为，第三方视觉算法厂商凭借强大的产品转化能力、覆盖全面的解决方案等优势，在智能手机摄像领域仍然具备强大的相对优势，未来有望持续受益智能手机产业的发展。

2.3公司是国内手机视觉领域领军者，产品体系完善、客户优质

公司具有较为完整的手机视觉解决方案体系。根据手机视觉AI算法技术的特点，公司的手机视觉又分为智能单摄视觉解决方案（以下简称“智能单摄”）、智能双（多）摄视觉解决方案（以下简称“智能双摄”）及智能深度摄像解决方案（以下简称“深度摄像”），每种解决方案下又对应多种系列产品，通过将各产品进行打包组合，可以为客户提供全方位的解决方案，满足客户各种需求。

受益行业发展趋势，智能双（多）摄和深度摄像解决方案占比提升。目前，手机视觉解决方案中智能单摄收入占比最高，驱动因素为单摄、双（多）摄智能手机出货量以及手机搭载的摄像头数量和功能数量的增加；智能双（多）摄收入占比次之，驱动因素为双（多）摄智能手机的出货量、手机搭载的摄像头数量和功能数量的增加；深度摄像去年开始才产生一定收入，驱动因素为3D摄像头数量、功能数量等的增加。随着双（多）摄手机渗透率的提升以及摄像头的升级，公司智能双（多）摄和深度摄像解决方案合计占比呈上升趋势，2018年已达40%。

客户优质，市场地位领先。公司手机视觉主要客户已涵盖三星、华为、小米、OPPO、维沃（vivo）、LG、索尼、传音等全球知名手机厂商。客户范围覆盖了国内外各大主流智能手机领域厂商。根据 IDC 统计，2018 年全球出货量前五的手机品牌中，除苹果公司完全采用自研视觉人工智能算法外，其余安卓系统手机的主要中高端机型均有搭载公司智能手机视觉解决方案。

三、汽车视觉：未来新蓝海，公司成长新引擎

车载摄像头是 ADAS 的信息入口。智能驾驶将为光学镜头市场注入新的动力，电动化和智能化将成为未来汽车的发展方向。根据自动驾驶和无人驾驶在自动化程度的不同，美国国家公路交通安全管理局（NHTSA）将自动驾驶功能分为 5 个级别。NHTSA认为自动驾驶技术可以把人为失误引发的车祸事故率降低 94%。在智能驾驶中，最关键的电子零部件就是车载摄像头，这决定了自动驾驶汽车对付灯光、雾、灰尘、大雨等干扰的传感分析精确性，是实现众多预警、识别类高级辅助智能驾驶（ADAS）功能的基础。随着汽车智能化和各国政策推动，车载摄像头市场空间将实现快速增长。

随着汽车智能化的提升，车载镜头的需求量将会快速提升。视觉应用被视为实现自动驾驶进程中下一项重要的舒适与安全功能。此外，它已成为自动驾驶和 ADAS 应用的标准，可实现传感器融合技术。此技术结合并处理从车载摄像头和雷达收集的信息，以识别汽车周围的环境。预计所有汽车都将配备 360 度全景环视系统。此外，后视镜将被车载摄像头所取代，自动驾驶将需要驾驶员监控功能来提高安全性。基于车载摄像头的电子后视镜将实现对象检测、视角修改及缩放功能。驾驶员监测将有助于构建安全、自动驾驶 3 级及以上的车辆（在某些情况下仍需驾驶员进行干预），并能够监控常规车辆中驾驶员的注意力集中情况。根据 VDA 的预测，L2 汽车平均需要 1 个摄像头，而 L3 将需要 4 个摄像头， L4/L5 则将需要 8 个摄像头，智能汽车车载镜头未来将会进入高速增长的成长期。

IHS 预测，全球车载镜头出货量将从 2014 年的 4080 万颗增长到 2020 年的8270 万颗，复合增速 19.8%

公司掌握的视觉AI算法技术具有通用性和延展性，手机视觉领域的技术积累有助于公司开拓汽车视觉市场。多年来，公司积极致力于将视觉人工智能算法与行业应用相结合，凭借先进的学术科研力量、强大的产品开发能力以及卓越的工程实施能力，公司形成大量模块化的产品和基础支持算法库，能够为不同行业的客户提供一站式的解决方案，为未来应用领域的拓展打下了坚实基础。借助手机视觉领域的技术积累，公司在汽车视觉领域针对车辆周围环境探测以及车内安全辅助驾驶都提出了相对完整的解决方案。目前，公司智能驾驶视觉解决方案已包括车内安全驾驶预警、驾驶员身份识别、车内安全辅助、辅助驾驶预警、自动泊车等众多产品且在不断完善中，未来有望延续手机视觉领域的领先优势。

四、盈利预测与估值分析

4.1盈利预测

收入假设：

手机视觉：公司在手机视觉领域处于领军地位，受益5G换机潮以及手机摄像头向双（多）摄、深摄发展趋势，智能手机对AI视觉算法的需求从量和复杂度两个维度将均有所提升，公司手机视觉业务发展有望维持较高增速。预计公司手机视觉业务2019-2021年营收同比增速分别为25%、30%、25%。

汽车及IoT视觉：摄像头是ADAS的信息入口，随着汽车智能化的提升，车载镜头的需求量将会快速提升。公司掌握的视觉AI算法技术具有通用性和延展性，手机视觉领域的技术积累有助于公司开拓汽车视觉市场，未来汽车视觉业务也将实现高速发展。而IoT行业当前正处于发展初期，公司IoT视觉业务正在进行早期市场拓展，预计将逐步实现落地。预计公司汽车及IoT视觉业务2019-2021年营收同比增速分别为600%、200%、100%（增速较高主要原因为基数较小）。

其它业务：公司IPO募投项目中的“光学屏下指纹解决方案开发及产业化项目”规划期为两年，该项目着眼于研究前沿的光学屏下指纹技术，同时适用于高低端智能手机，未来在智能门锁、智能汽车等领域也有较大的发展机会。2019年中 中，公司提到已完成屏下光学指纹的识别算法原型，屏下指纹识别引擎已经具备高产量生产能力。我们保守估计2020-2021年公司分别能够实现0.25亿、0.5亿营收。

毛利率假设：

手机视觉业务：随着智能手机摄像的发展，手机视觉算法复杂度提升，因此公司手机视觉产品单价有望提升，从而带动毛利率提升。预计2019-2021年毛利率分别为94.8%、95.2%、95.7%。

汽车及IoT视觉业务：参照中科创达汽车及IoT业务毛利率水平，综合考虑公司该业务仍处在市场拓展阶段，保守预计公司汽车及IoT业务2019-2021年毛利率分别为45%、47%、50%。

其他业务（屏下指纹）：参照汇顶科技屏下指纹业务毛利率水平，综合考虑公司该业务仍处在市场拓展阶段，保守预计公司屏下指纹业务毛利率在50%左右。

费用率假设：考虑到公司产品化程度较高，伴随业务发展未来有望充分受益规模效应，整体费用率将呈下降趋势。短期内，主要考虑公司人员增长情况预测当期费用变化情况。

综上，预计公司2019-2021年营收分别为5.91/8.33/11.14亿元，归母净利润分别为2.15/3.61/4.79亿元，同增36.6%/67.7%/32.7%。

4.2估值分析

公司主要从事AI视觉技术的研发和应用，A股上市公司中并无直接的竞争对手和业务一致的可比公司。我们选取具有AI业务的科大讯飞以及主要下游为智能手机行业的中科创达进行分析比较，参考两家公司PE及PEG水平，给予公司2020年65倍PE，对应市值区间为234.5亿元，对应股价区间为57.77元，首次覆盖给予“增持”评级。

五、风险提示

下游应用领域与客户过度集中的风险：2018年，公司96%以上的业务收入来自于智能手机视觉解决方案，前五大客户收入占比达59%，应用领域与客户集中度较高，若智能手机出货量持续下降，公司主要客户采购量减少，将导致公司业绩下滑。

技术升级迭代风险：AI视觉行业技术升级迅速，产品更新换代频繁，市场对技术与产品的需求不断提高，如果公司不能正确判断和及时把握行业的发展趋势和技术的演进路线，则无法持续保持技术和产品的领先地位，将导致公司 下降。

新业务开发和拓展风险：目前公司正积极拓展智能汽车以及其他IoT设备上的AI视觉业务，如果新领域产品开发或市场推广效果不佳，或者出现其他不利因素，将可能导致公司新业务开发失败，从而对公司未来的经营业绩产生不利影响。

市场竞争加剧：近年来涌入AI视觉行业的公司不断增多，行业竞争加剧，头部公司已经开始渗透智能手机视觉等领域。如果公司不能持续有效地制定并实施业务发展规划，保持技术和产品的领先性，则将受到行业内其他竞争者的挑战，从而面临市场竞争加剧而导致的毛利率下滑和市场占有率下降的风险，进而影响公司的经营业绩和发展潜力。

预收款项风险：近两年，公司来自于中小手机厂商的预收款项快速增长，若未来中小手机厂商的市场份额、盈利能力可能下降，可能导致公司预收款项下降，进而影响公司的现金流情况。

附：财务分析

所处行业特性以及公司的经营模式决定了公司综合毛利率较高。公司近三年综合毛利率平均在93%以上。公司毛利率较高，主要原因为公司计入营业成本的主要为技术人员的工资薪金及相关费用，而技术人员数量占公司总人数比例较低，因此营业成本占总收入比例较低。跟可比公司中科创达相比，公司授权许可的相关算法软件或软件包一般无需实体硬件的生产、包装及运输，产品模块化程度很高、且技术具有很高的通用性和延展性，只需少数负责产品整合的技术人员即可完成后续产品整合销售，后续项目成本投入较低，因而毛利率较高。

收入快速增长，盈利有待改善。2017、2018年，公司营收同比增速分别为32.6%/32.4%，业务仍处快速增长阶段。净利润方面，16年投资收益占净利润比率达90.98%， 2017、2018年有所改善，上述比率下滑至11.33%/7.37%，不过非经常性损益对盈利仍有较大影响。综合营收及盈利情况判断，公司当前仍处于成长期，盈利情况有待改善。

收入依赖大客户，未来手机视觉业务面临议价能力减弱等风险。近三年，公司前五大客户收入占比呈明显上升趋势，2018年已达58.64%。我们认为，公司前五大客户收入占比提升与全球智能手机市场集中度提升趋势一致，未来随着智能手机市场出货量进一步向头部厂商集中，公司在智能手机视觉解决方案业务上的收入会更加依赖大客户，议价能力减弱、主要客户采购量减少等风险将有所提升。

从费用率和人均创收、人均毛利的角度，公司产品化特征明显，受益规模效应。16-18年，公司除研发费用以外的期间费用率持续降低，主要是由于管理费用、销售费用同比增速低于营收增速。公司的销售费用和管理费用主要为销售人员、管理人员的工资薪金以及相关服务费用，在员工工资基本保持稳定的情况下，费用率降低符合公司软件授权业务为主的盈利模式和和以大客户为主的销售模式。此外，随着营收规模增大，公司人均创收及人均毛利也表现出提升趋势。

应收账款处于合理范围但存在减值风险，预收账款主要来自中小手机厂商。公司应收账款整体处于合理范围内，2016-2018年应收账款占总营收比率分比为14%/19%/17%，其中一年以内到期的应收账款占比分比为97.33%/98.20%/90.08%。我们注意到2018年末公司应收账款前五名客户中，第一名为“乐视移动智能信息技术（北京）有限公司”，鉴于当前乐视正处于困境，该笔应收账款可能面临无法回收的风险。此外，公司近两年预收款项快速增加，2018年期末预收账款占当年营业总收入的29%，远高于可比公司中科创达，主要来自于魅族、格力、HTC等中小手机厂商。

销售现金回收情况良好。公司近两年经营活动现金流状况改善明显，2017-2018年经营性净现金流与净利润比分别为1.12/1.58。销售商品、提供劳务收到的现金与营业收入基本匹配，销售商品、提供劳务收到的现金与营业收入比分别为 0.94/0.98/1.27。

以上内容节选自国金证券已经发布的证券研究 告，具体分析内容（包括风险提示等）请详见完整版 告。若因对 告的摘编产生歧义，应以完整版 告内容为准