首页一、锐明技术经营：拐点已至，底部反转
全球领先的商用车信息化方案商
锐明技术是以 AI 及视频技术为核心的商用车安全及信息化解决方案提供商，致力于利 用 AI、高清视频和大数据等技术手段，大力发展交通安全及行业信息化产品及解决方案。自 2002 年以来，公司一直聚焦于以视频为核心的商用车监控信息化产品的研发、生产 和销售。公司自 2014 年开始组建 AI 研发团队，打造基于 AI 解决方案。2015 年公司做 出战略调整开始退出固定视频监控领域，专注车载智能安防产品。2017 年公司推出环 卫产品线。2018 年昆明、深圳等地推广使用新型智能渣土车，公司渣土子行业产品热 销。2019 年 12 月 17 日，锐明技术正式在深圳证券交易所挂牌上市。
(资料图)
产品角度：通用监控产品+行业信息化产品
根据产品使用方的不同需求，公司产品可分为商用车通用监控产品和商用车行业信息化 产品（商用车综合监控信息化系统）。商用车通用监控产品以实现车辆内外部环境的公 共安全监控为主要目标，提供包括远程视频监控、车辆位置定位、超速报警、实时报警 联网等通用功能。商用车行业信息化产品以实现企业信息化管理及政府行业监管为主要 目标，在通用监控产品基础上加强了行业应用设计以及软硬件系统拓展，在具备通用监 控功能的同时，为各行业提供丰富的拓展功能。
2022 年，公司商用车通用监控产品实现营收 1.51 亿元，同比-55.93%，主要系海外经 济下行，客户库存产品未完全消耗，市场需求减少导致收入同比下降。此外，该业务 2022 年毛利率为 55.03%，较综合监控信息化产品毛利率高 13.01pct，主要系公司商用车通 用监控产品以境外销售为主，而综合监控信息化产品销售以境内为主。2022 年，公司商用车通用监控产品毛利率较 2021 年提升 1.21pct，主要系材料、人工、制造成本全面 下降所致。
2022 年，公司商用车综合监控信息化系统实现营收 10.49 亿元，同比-13.29%，主要系 国内客观原因政府加大防控力度，交通运输业部分项目推进较慢，导致收入不及预期。 毛利率为 42.02%，同比+5.84pct，主要系高毛利率的公交行业逆势增长，贡献营业收 入高达 2.85 亿元，同比+17.89%。参考 2021 年披露的毛利率水平，公交行业 45.11%， 远高于货运行业的 35.51%和出租车行业的 25.27%。
疫情压制公司业绩，预计23年有望底部反转
行业趋势长期向好，2019 年之前公司营收利润快速增长。伴随监管部门对于道路运输 安全科技保障水平重视度的提升，以及下游客户对安全运营管理能力需求提高的共同驱 动下，车载智能视频监控市场需求持续高景气。同时，公司不断拓宽和深耕不同细分领 域，以及加大境外市场拓展力度。2014-2019年公司营业收入、归母净利润 CAGR分别为 31%、37%。
2020-2022 年，受疫情影响营收利润短期受挫。2020 年，国内经济虽然在全球范围内 恢复最快，但由于政府和社会资金大量用于抗疫，客运类运输公司因疫情原因本身经营 困难，以及疫情带来的社交阻断等各种影响，国内的整个行业市场规模出现了调整。2021 年，国内疫情虽然被有效控制，但经济并未全面恢复。海外部分国家和地区的经济因疫 情影响出现阶段性停摆，经济衰退的情况持续发生。美国加大对中国科技企业的打压力 度，全球供应链、市场环境均受到不同程度的持续影响。在以芯片为首的关键物料持续 涨价、人民币升值、工厂从深圳光明整体跨市搬迁至东莞清溪等重要事项影响下，公司 2021 年的经营受到极大影响，利润自上市以来首次大幅下滑。
2022 年疫情封城对公司业务开展造成严重冲击，由盈转亏。公司商业模式多为项目制， 付费方多为政企客户，因此与宏观环境及财政开支高度相关。此外，公司产品及解决方 案均涉及到线下安装维护操作。在多重不利因素影响下，公司 2022 年经历上市以来首 次亏损。展望 2023 年，疫情政策调整，企业经营环境大幅改善，公司业绩有望好转， 2023Q1 成功扭亏，实现利润 0.24 亿元，已超越 2019Q1 的 0.17 亿元。
持股计划彰显公司发展信心
公司于 2023 年 4 月 24 日发布员工持股计划，旨在建立和完善劳动者与所有者的利益 共享机制，改善公司治理水平，提高员工的凝聚力和公司竞争力，调动员工的积极性和 创造性，促进公司长期、持续、健康发展。本计划的实施有利于员工利益与股东利益保 持一致且实现二者利益长期深度的绑定，有利于稳定和鞭策团队，从而促进公司业绩持 续稳定发展。 本计划考核年度为 2023-2024 年两个会计年度，每个会计年度考核一次，根据业绩考核 目标完成情况核算公司层面解锁比例。2021 年公司净利润为 0.16 亿元，若参考持股计 划中考核标准目标值（Am），则 2023-2024 年净利润考核目标值为 0.40 和 0.61 亿元。
公司于 2021、2022 年分别实行了两期股权激励计划，并于 2023 年发布第一期员工持 股计划。我们根据公司公告情况进行测算，若 2023-2025 年上述三期员工激励计划均可 顺利实施，将带来股份支付费用上限分别为约 5002 万元、2495 万元、457 万元。
二、行业开拓：遍地开花，各自精彩
公司车载视频监控产品正逐步向全面智能化的第三代“智能车载视频监控产品”发展， 主要服务于车载移动场景的各类商用车辆，细分业务领域不断拓宽，目前重点布局如货 运重卡、公交、校车、出租车、渣土等场景。此外，公司成立前装事业部，旨在把握汽 车电子电动化、智能化的发展趋势，与已有商用车战略客户深化合作的同时，积极布局 新的目标客户。
货运：主动安全，守护交通
货物的顺畅流通是现代交通与国民经济的命脉，全球 1.2 亿+辆货车运载着超过 60%的 货物，效率、合规、安全是货运行业的核心。但道路上随处可见的货物运输车却历来存 在着司机驾驶习惯不良、自身车辆盲区大、行驶周期长、运输任务紧等问题，由此带来 了一系列道路交通安全隐患，尤其是大型商用车辆。全球每年约有 60 万人死于道路碰 撞事故，而大型商用车是造成大量人员死亡的主要原因之一，据伦敦交通局(TfL)统计， 虽然重型货车(HGV)只占伦敦市内所有车辆行驶里程的 4%，但骑车人死亡事故的 50% 和行人死亡事故的 23%都是它们导致的，道路交通安全任重而道远。 公司推出由智能视频终端系统、驾驶员行为监测系统、高级辅助驾驶系统、盲区行人监 测系统、安全驾驶舱监测系统、防偷油系统和防货物丢失损坏系统等组成的货运主动安 全解决方案。
公交：数字监测，优化管理
公交作为能够缓解交通压力、减少交通事故、改善交通环境、降低环境污染的重要出行 方式，在城市交通中扮演着不可或缺的角色。如何利用新一代的智能和数字化技术手段 提高运营效率、提升服务水平、保障公共安全，是当前公交行业发展的全新挑战。 针对公交行业，公司提供一整套由车载监控终端系统、安全驾驶舱智能监测系统、驾驶 员行为监测系统、高级驾驶辅助系统、斑马线行人礼让系统、盲区行人监测系统、反恐 抓拍系统、公交客流统计平台组成的智能化公交解决方案，可通过对公交信息资源的深 度利用，优化公交线路、站点设置、排班调度等，进一步提高公交的综合管理水平。
校车：实时预警，智能取证
校车领域最大的安全隐患源自于校车停靠时，下车学生与校车侧后方来车均处于驾驶员 盲区范围。公司校车安全智能化解决方案，由车外的智能化终端套件、声光提醒装置以 及视频服务云平台组成。解决方案中的智能化终端，对校车停车后的左后方所有车道进 行实时检测，通过 AI 技术，一旦发现有车辆通过，会及时的通过声光提醒，提醒周围学 生，同时也会通过声光警告，提醒后方车辆停车，从而保护学生安全。 公司校车安全智能化解决方案，新增了与部分国家地区执法系统的对接，不仅能通过 AI 技术及时对车上人员进行安全警示，同时还可以对此违章车辆的违章行为进行完整记录， 配合视频云平台，对违章车辆和违章行为进行有效监控和识别并形成有效证据链，为违 规车辆处罚提供法律依据。
出租：运营监控，管理闭环
出租车由于其便利性、快捷性和舒适性，已经成为颇受大众青睐的出行方式。随着国内 经济控制环境的全面放开，出租车的复工复产，车辆违规问题、安全问题、出行效率问 题逐渐成为困扰市民出行、行业管理的难题。司机代班、计价作弊、异常聚集等违规行 为难以避免；因疲劳驾驶、超速、司机不良驾驶习惯等导致的重大安全问题事故屡屡发生等行业监管难题。为解决行业顽疾，提高行业服务水平，优化司乘体验，公司出租解 决方案应运而生。 公司的出租信息化管理解决方案，以行业需求为导向，以 AI 技术和大数据技术为基础， 以云边端一体化技术为支撑，打造一套集行业应用与风险管理于一体的智能行业解决方 案，实现运营监管、安全监控相结合的闭环管理系统，推动出租车出行更加安全、便捷、 高效。
渣土：违规整治，消除隐患
随着工业化、城市化进程的加速，建筑行业也步入了快速发展阶段，相伴而产生的建筑 垃圾日益增多，而运载建筑垃圾的运输车辆对城市环境和人民群众生命安全带来了巨大 的安全隐患。因疲劳驾驶、超速、超载及盲区疏忽等造成的重大人员伤亡事故屡屡发生； 无证运输、偏离线路等违规行为难以避免；偷倒、乱倒、抛洒滴漏等乱象，严重威胁城 市道路环境卫生。公司渣土解决方案应行业痛点而生，聚焦工程运输车辆“两点一线” 运输全过程，构建智能终端与监管平台结合的闭环管理系统，力求在使用场景运用大数 据、深度学习等先进技术，为安全、高效、绿色的城市建设保驾护航。
其他：事前预防+事中提醒，保护出行安全
安全政策的高压催生了商用车前装安全法规件的普及，公司进入了国内卡车、客车的多 家合格供应商目录，相关产品实现了规模化列装，为安全域产品和智能座舱域控制器产 品的列装使用奠定了良好的用户基础。 中国铁路和城轨交通持续保持快速发展趋势，随着运营规模的增长，运营安全的压力也 越来越大。因此，规范司机驾驶行为，辅助司机智能驾驶在铁路和城际轨道交通的未来 发展中显得尤为重要。目前的轨道交通安全运营管理仍然是事后取证模式，普遍采用人 工转储车载监控视频至本地，再由人工进行筛选和分析视频，需要耗费大量的人力物力。 公司的轨道交通解决方案提供由司机手势识别系统、车载设备检测系统、司机行为检测 系统、前方路况监测系统、车载主机构成的一站式解决方案，能够做到对危险驾驶行为 进行事前预防和事中提醒，为轨道交通安全保驾护航。
三、AI赋能：化“被动防御”为“主动预警”
受限于光学器件分辨率、视频数据存储、3G/4G 网络传输等技术局限，传统安防产品多 为被动式应用，主要用于事后取证，对于事中响应、事前预防作用较小；而基于 5G 大 带宽&低时延、AI 技术的智能安防依托对超大带宽&低时延的 5G 车联网络对海量视频 数据的快速学习，可完成行为模式的推断和预测，使得视频监控系统从“被动防御”向 “主动预防”转变，实时主动发现安全风险并为用户解决问题，可有效管理疲劳驾驶等 道路安全风险，降低交通事故发生率。公司 AI 技术针对车外、车内、特殊应用场景均有 布局。
车外应用：报警预警系统，防患于未然
车外应用场景主要包括：FCW 前车碰撞报警系统、UFCW 虚拟保险杠报警系统、LDW 车道偏离报警系统、PCW 行人碰撞预警系统。 FCW 前车碰撞报警系统（ForwardCollisionWarning）：通过目标检测和回归算法，精 准定位行驶区域中的车辆位置信息，搭配测距和建模体系以及车道线感知信息，可以实 时监控驾驶中的碰撞风险，主要负责较大车速（speed>20KM/H）下的碰撞预警。能在 危险发生前 2.7s 及时发出报警信号，有效避免车辆追尾等交通事故的发生，纠正司机 跟车较近和超速驾驶等危险行为。
UFCW 虚拟保险杠报警系统（UrbanForwardCollisionWarning）：主要负责城市道路 低速情况（speed＜30km/h）下的碰撞报警。通过车辆检测和特征点追踪等计算机视觉 手段，可以在跟车盲区下提供可靠的前车定位信息，对近距离跟车行驶中的碰撞风险进 行实时监控，在碰撞发生前及时发出预警信号，避免追尾事故的发生。
LDW 车道偏离报警系统（LaneDepartureWarning）:通过语义分割算法，识别当前行 驶区域的车道标识线，再利用计算机视觉技术处理，当车速大于 50km/h，驾驶员无意 识偏离车道时（司机未打转向灯），系统发出报警，提示驾驶员注意安全驾驶。可以有效 防止因驾驶员因注意力不集中或疲劳驾驶而引起的车道偏离碰撞事故，同时还能够有效 纠正司机不打转向灯变道等不规范驾驶行为。PCW 行人碰撞预警系统（PedestrianCollisonWarning）:利用行人检测计算机视觉技 术，对车前方行人、骑行路人等目标进行侦测，选取关键行人目标，根据车辆速度和目 标距离信息，综合决策，向司机发出报警信息，从而避免行人碰撞事故的发生。
车内应用：交通数据可视化，运维管理更透明
车内应用场景主要包括：DSM 检测系统、智能驾驶舱、人群密度及过道超员、语音识 别、客流人数统计。 DSM 检测系统：主要包含疲劳驾驶监测、抽烟监测、接打电话监测、分心驾驶监测以及 异常状态监测五大基础功能。利用 DSM 摄像头获取的图像，通过视觉跟踪、目标检测、 动作识别等技术对驾驶员的驾驶行为及生理状态进行实时检测。当驾驶员发生疲劳、分 心、打电话、抽烟等危险情况时，在系统设定时间内报警以避免事故发生。DSM 系统能 有效规范驾驶员的驾驶行为、大大降低交通事故发生的几率。 智能驾驶舱：通过目标检测算法、人体关键点检测算法，分析司机行为，判断其在行驶 过程中是否有玩手机、单双手离把等违规行为，通过分类、分割算法识别司机是否系安 全带，实现安全出行。
人群密度及过道超员：针对客运车辆和公交站台，以头肩为识别目标，利用高精度自研 人头检测算法，统计同一画面中的瞬时人数，实时监控上下车和车内乘客数量，分析站 点客流量、车内超载情况，为线路规划、站台设计提供参考依据。 语音识别：前端通过音频降噪、去混响、去回声等手段提升音频质量，后端通过 LSTM、 HMM、WFST 等编解码手段进行处理，在音频复杂的情况下，也能实现音频输入到文字 输出的转换。通过 ASR、KWS、wake-up 等手段，完成对司机语言行为的监管和特定 车技指令的下发。
客流人数统计：P2 客流仪，以 TOF 成像技术为基础，采用 3D 人体检测及运动跟踪技 术，有效捕获镜头范围内的所有人体目标实时运动轨迹，对轨迹数据进行分析，实现更 高准确度的客流统计。快速获取客流统计的同时有效保护乘客的隐私。P3 客流仪，以 图像深度学习检测技术为基础，有效检测图像中的人体目标，同时通过运动跟踪技术获 取人体目标的实时运动轨迹，对轨迹数据进行分析，实现更高准确度的客流统计。
特殊场景：针对细分场景，解决行业客户痛点
特殊应用场景主要包括：手势识别、垃圾分类、渣土抛洒。 手势识别：通过关键点检测、手势分类算法结合连续帧判断策略，判断火车经过检测点 时，是否按照规定进行手势交互，实现全程智能监管，节约后期回看录像的人力成本和 时间成本。 垃圾分类：通过目标检测算法，语义分割算法，分析用户垃圾投放行为，对用户投放垃 圾进行语音提醒，同时可以识别用户是否把垃圾乱丢到地面，实现垃圾分类文明投放。
渣土抛洒：使用深度学习语义分割技术，自动检测出车辆在运送渣土等建筑废料的过程 中，出现的滴漏、抛洒等情况，同时计算出大致的抛洒面积，便于事后清扫，保证城市 道路环境的干净整洁。同时也能用智能图像分析技术，来判断渣土车的闭合、空重等状 态，以及判断渣土类型，进而有效解决渣土车超载、超速、沿途泼洒等行业痛点问题。
四、盈利预测
AI、V2X、5G 等新兴技术驱动车载视频监控，从“被动防御”向“主动预防”升级，锐 明未来有望持续充分受益商用车信息化市场发展。2020-2022 年，公司在国内外的经营 均受到疫情的严重影响，于 2022 年录得上市后首次亏损。随着防疫政策转变，我们预 计政企客户对于商用车信息化产品的需求有望恢复，企业经营环境的改善也利于公司在 承接客户需求后迅速开展业务。2023 年营收利润有望快速修复，重新回归高速增长状 态。我们预计公司 2023-2025 年归母净利润为 0.81/1.60/2.80 亿元，对应 PE 为 60/30/17 倍。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
关键词：
营业执照公示信息