中科视语（北京）科技有限公司：人工智能软件服务、人工智能系统服务…、数字软件与工业服务专精特新企业档案

中科视语（北京）科技有限公司：专精特新“小巨人”产业链深度研报

报告日期： 2026年6月11日

分析师： 庖丁门产业链研究团队

一、企业速览

企业基础信息：公司名称：中科视语（北京）科技有限公司；地区：北京市门头沟区；行业方向：智能驾驶与车载电子；成立时间：2018-04-08；注册资本：1111.1111万元；认定批次：第六批；上市状态：未上市。

一句话总览： 中科视语是一家源于中科院自动化所、专注通用视觉大模型及AI Agent应用的人工智能软件公司，其业务主要定位于“智能驾驶与车载电子”产业链中的“数字软件与工业服务”环节，为下游的交通管理、工业制造及智能驾驶系统提供核心算法与平台化解决方案。

二、主营产品与产业链定位

中科视语的主营业务并非直接生产车载硬件，而是提供人工智能软件、系统及应用开发服务。其核心产品形态包括“通用视觉大模型”和“智能体应用平台”，旨在解决产业链中“感知、认知、决策”环节的算法与数据智能处理问题。

在“汽车与交通装备”这条大产业链中，它处于 “数字软件与工业服务” 这一关键的上游环节。具体而言：

• 上游（原料/部件）： 其研发和运行主要依赖高性能计算芯片（如英伟达GPU、华为昇腾芯片）、云计算资源、服务器集群以及大规模标注好的图像/视频数据集。
• 下游（客户）： 客户群体主要包括：

1. 交通管理部门： 如城市交警、高速公路管理局，采购其算法用于违法抓拍、交通流量分析、车路协同系统。

2. 商用车及特种车辆制造商： 采购其视觉算法，集成到车辆的辅助驾驶或安全预警系统中。

3. 工业制造企业： 采购其视觉大模型，用于产线质检、设备状态监测等非车载场景。

• 产业链关系： 中科视语不直接与博世、Mobileye等一级供应商竞争硬件，而是作为他们的 “算法供应商”或 “软件模块提供商” 。其开发的通用视觉大模型，可以灵活适配到不同硬件平台（如安防摄像头、车载域控制器），是实现“软件定义汽车”和“智能交通”中“大脑”与“眼睛”连接的关键桥梁。

三、核心工序与技术依赖

结合行业共识，一家专注于智能驾驶与工业视觉的AI软件公司，其核心研发“工序”包括：

1. 数据采标与管理： 采集海量的行车、交通场景、工业产品图像及视频数据（典型要求：每日数据量可达数十TB），并对其进行精细化的人工标注（如目标检测框、语义分割、3D点云标注），标注准确率通常要求达到99%以上。

2. 大模型预训练与微调： 基于Transformer架构，利用数千张GPU卡对通用视觉大模型进行预训练。之后，针对特定场景（如夜间行人检测、流水线上的瑕疵识别）进行领域微调，模型参数规模通常在数十亿到百亿级别。

3. 模型压缩与端侧部署： 将庞大的云端大模型通过剪枝、量化、蒸馏等技术，压缩至可在低算力边缘设备或车载芯片（如高通8155、地平线征程系列）上运行的轻量级模型。典型目标：推理耗时在毫秒级（如<30ms），模型体积从GB级压缩至数十MB。

4. AI Agent应用集成： 将多模态感知大模型与知识库、规则引擎结合，构建具有自主决策和交互能力的智能体应用平台，实现从“看懂”到“理解并行动”的跨越。

上游关键供应链（行业共识）：

中科视语的企业定位： 基于其经营范围（涵盖人工智能通用应用系统、人工智能系统服务）和企业简介（强调通用视觉大模型、AI Agent平台），中科视语在该链条中扮演着 “算法集成商” 与 “应用平台开发商” 的角色。它比纯算法公司更贴近行业应用，具备将复杂视觉大模型转化为可落地解决方案的能力，但本身并不直接生产芯片或硬件设备。

四、竞争格局

“智能驾驶与车载电子”下的“数字软件与工业服务”环节（全国样本1578家）是AI领域兵家必争之地，竞争高度激烈，主要集中在北京、上海、深圳等地。

典型竞争对手：

1. 旷视科技（Megvii）：北京企业，AI视觉领域老牌独角兽，业务涵盖智慧物流、手机影像、安防。员工规模数千人，专利数量远超行业均值。资金和人效比远超中科视语，但其近年战略重心偏向于自营机器人硬件和物联网，在算法开放平台上的灵活度可能不如轻量级公司。

2. 北京地平线机器人技术研发有限公司（Horizon Robotics）：北京企业（虽注册在南京但核心研发在京），智能驾驶芯片与算法双轮驱动的代表。已推出征程系列芯片并建立了丰富的算法生态。其直接向主机厂提供“芯片+算法”的交钥匙方案，与中科视语这类纯算法平台公司存在竞合关系。

3. 商汤科技（SenseTime）：香港上市公司，拥有大规模算力基础设施和强大研究团队。在智慧商业、智慧城市、智能汽车（绝影平台）广泛布局。其综合实力是全球级的，对中科视语形成碾压之势，但在特定垂直场景（如交通管理中的利旧摄像头算法适配）的灵活响应速度可能不如中科视语。

竞争维度与中科视语的位置：

• 专利维度： 该赛道中位数专利为89件，而中科视语“未知”件。这通常意味着专利数量显著偏少，可能是其知识产权布局的短板。在强调技术壁垒的AI行业，这会是其在招标或融资评价中的减分项。
• 其他竞争维度： 主要集中在模型能力（准确率、泛化能力）、交付能力（算法与各类硬件适配的成熟度）、解决方案的垂直深耕度、以及成本控制。中科视语的“通用视觉大模型”和“AI智能体”定位，使其在灵活性上具备优势，但在单一应用场景的深度打磨和经验积累上，可能不如那些在“智慧交通”或“工业质检”领域做了10年的老牌公司。

五、护城河判断

基于现有数据，对中科视语的护城河进行审慎评估：

• 技术壁垒： 低。 “未知”件的专利数量是其最大的技术软肋。虽其官宣“通用视觉大模型”和“AI Agent”概念，但行业内几乎头部公司均有类似布局。公司真正的技术壁垒可能在于其模型在不同场景下的部署效率、成本优化和数据迁移能力，而非底层原创技术的独创性。其存在被算法大厂快速复制、超越的风险。
• 客户壁垒： 中低。 数字软件与工业服务环节，面对交通、工业等长周期客户，存在一定的客户验证周期（典型6-18个月）。一旦完成集成，切换成本（主要是数据量积累和模型定制化）较高。但若无法持续提供高性价比的算法服务，或核心技术人员流失，客户极有可能在二期、三期项目中选择其它供应商。未披露任何标杆客户名单，使得这种客户粘性的实际强度难以评估。
• 规模壁垒： 未知。 “未披露”的员工规模传递出模糊信号。在AI行业，50人以下通常是技术验证或小规模交付状态；200-500人是以营收为导向的成熟商业化阶段。人数规模决定了其能同时并行几个大型项目、能否支撑起24小时的技术响应团队。规模不明确，意味着市场对其交付能力的信心不足。
• 认定价值： 中等。 2024年第六批专精特新“小巨人”的认定，是对其在特定细分领域（通用视觉） 技术实力的官方背书。在当前政策环境下，该荣誉的直接价值包括：更容易获得地方政府研发补贴与税收减免、提升在国企/央企客户的招标评分、增加银行贷款信用评级。但与2020-2021年相比，政策支持已有所递减，更多地是从“身份象征”转向“责任担当”（要求企业在产业链关键环节“补短板”“填空白”）。

六、风险与机会

• 行业风险：

1. 数据闭环成本高昂： 智能驾驶和工业视觉对数据的采集、清洗、标注、仿真成本极高。商业化落地过程中，模型对罕见场景（Corner Case）的泛化能力提升缓慢，导致ROI不达预期，投资方和实际用户耐心有限。

2. 车厂自研趋势加剧： 头部车企（如比亚迪、特斯拉、蔚小理）及一级供应商（博世、大陆）正在大力自研全栈算法，挤压第三方独立算法公司的生存空间。中科视语若无法深度绑定某个大客户或占据特定细分场景（如利旧摄像头路侧感知），被替代的风险很高。

3. 行业标准和法规不确定性： L3级以上智能驾驶的监管法规、数据跨境安全、道路测试牌照的发放等政策更新，可能直接改变市场需求节奏，造成投入产出的不匹配。

• 公司风险：

1. 知识产权风险： 公司“未知”件的专利数量，大概率远低于行业89件的均值。这可能意味着其核心技术缺乏有效的专利保护，容易陷入技术抄袭或被迫进行专利防御战，技术护城河薄弱。

2. 资本与规模信号弱： 员工规模“未披露”、营收“未披露”、只有存续状态的投资信息，均表明公司可能仍处于早期商业化阶段。其1111.11万元的注册资本在AI行业属于极低水平，抗风险能力和大规模扩产能力非常有限。未上市的状态也限制了其融资渠道。

• 机会窗口：

1. 交通数字化转型的存量改造市场： 中国大量的存量摄像头（利旧设备）智能化水平低，通过“AI软件盒子”或云端算法进行成本极低的升级改造是一个巨大的市场机会。中科视语若能凭借其通用大模型极强的泛化能力，高效适配各类老旧品牌摄像头，有望在“城市全息路口”、“高速公路数字化”等项目中获得差异化优势。

2. AI Agent与工业制造的深度融合： 公司明确了“AI Agent”方向。在工厂的“无人工厂”和“柔性产线”建设中，传统的机器视觉无法处理复杂、多变的工序。具备自然语言交互能力、自主学习和任务拆解能力的视觉AI Agent，可以作为“虚拟质检班长”，指挥多个视觉工位协同作业，这是一个蓝海市场。

结论： 中科视语身处一个机遇与挑战同样巨大的赛道。其“通用大模型+AI Agent”的战略切口精准，拥有“小巨人”官方背书。但核心技术护城河较弱（专利数量未知）、人员与财务数据不透明，是当前最需要警惕的信号。它的未来取决于能否快速在一个垂直领域（如交通利旧改造）建立起产品口碑和客户粘性，并以此吸引关键人才与资本，否则极易湮没在巨头林立的AI红海中。