2021年02月23日 | 云知声主动撤回了科创板上市申请

2月19日，上海证券交易所网站发布了《关于终止对云知声智能科技股份有限公司首次公开发行股票并在科创板上市审核的决定》，提及云知声主动撤回科创板申请。

据悉，云知声于2020年11月3日递交招股说明书拟在科创板上市，中金公司担任保荐机构兼主承销商，国泰君安为联席主承销商。同年12月1日，云知声收到首轮审核问询函。

集微网从云知声的内部人士获悉，之所以撤回是出于公司战略发展因素考虑。考虑到公司未来的发展战略，经云知声研究后决定，撤回此次科创板上市申请。

对于未来是否会继续IPO，上述人士表示，云知声并不会放弃IPO，未来会适时考虑重启IPO的推进计划。

与传统企业不同的是，AI企业一出“生”便受到了各界的追捧，一度被夸上神坛，导致技术落地应用后诸多诟病，市场对AI企业的评价也褒贬不一。

但任何新技术的市场开荒过程，均需要时间的锤炼，更需要落地应用实践后真刀真枪的磨练，方能体现其真正价值。

在这个过程中，有的企业因技术研发实力不足，亦或是陷入资金困境，在市场爆发前夜便一一夭折。

也有一些企业，精心钻研技术，不断打磨技术与场景的适配性，早期便完成了市场开荒的原始积累。因技术的前瞻性以及高落地性，获得了资本的青睐，为其持续的研发工作提供了坚实保障，云知声便是其中的一员。

可喜的是，经过多年的摸爬滚打，云知声交出了一张不错的成绩单，既没有辜负资本的青睐，也通过AI技术赋能了更多市场应用，为市场革新升级提供原动力。

技术矩阵：AI三要素并驾齐驱

集微网了解到，云知声的AI技术矩阵在“算法+算力+数据”方面均有涉足。从结果来看，其不论是技术实力还是市场应用，均取得了阶段性胜利。

在算力方面，成立第一年便搭建了面向深度学习的小规模GPU集群，随着计算需求增加和集群规模扩大，2016年基于开源分布式存储、操作系统和容器化管理技术，构建面向大规模机器学习的超算平台——Atlas。

截止2019年末，Atlas调度算力已达到10PFLOPS（一亿亿次浮点运算每秒）。该平台能实现计算和存储节点的全自动无人值守扩展，可高效调度数千台GPU服务器同时参与计算，并支持PyTorch、TensorFlow等各种主流机器学习框架，解决大规模数据的建模与优化问题。

在算法方面，于2012年率先将深度神经网络（DNN）应用于商业语音识别系统，并在后续的人工智能浪潮中持续进行前沿算法的商业实践。

例如，后来涌现的卷积神经网络（CNN）、回归神经网络（RNN）、端到端序列建模、生成对抗网络（GAN）、注意力转换模型（Transformer）、双向编码表征转换模型（BERT）、知识蒸馏（KD）、自监督学习（SSL）等主流技术方法，云知声都是业界最早的产业实践者之一。

在数据方面，云知声在成立之初便从两方面着力打造其大数据能力，使得语音模型算法训练形成了“应用—数据积累—弱干预标注训练—应用”的正向滚动效应。

一方面，于2012年9月推出免费语音云平台，在为开发者和客户提供优质服务的同时，积累了来自移动设备、办公、医疗、车载、家居、电话语音等丰富业务场景下的海量数据。

截止2020年6月30日，云知声语音云平台累计服务开发者超过26000位，服务用户超过2亿人次，共计积累1.3亿小时的语音数据，总存储量到2PB以上，高质量训练数据积累超过600TB。

另一方面，通过机器选择分析与人工标注相结合的方式，共计积累1128.58万小时有效语料，训练数据积累超过550T，各领域高质量模型训练数据均超过93%。同时，结合无监督、半监督及迁移学习等技术，实现大规模线上数据的高效模型迭代，持续提升模型精度。

为进一步降低智能语音交互方案的功耗、提升其唤醒的灵敏性，进而满足更多物联网设备加载语音交互功能的需求，云知声自2015年起开始布局人工智能语音芯片，着手开发uDSP 处理器和DeepNet IP技术。

在此基础上，于2018年率先交付人工智能语音芯片——“雨燕”，2019年陆续推出车规级芯片“雪豹”和面向家居领域的第二款升级版芯片“蜂鸟”系列，并启动具备“图像+语音”多模态交互功能的芯片“海豚”的研发。

截至目前，“雨燕”、“蜂鸟”系列均已量产（既直接对外销售），也自用于其部分模组和整机类产品；而“雪豹”已进入产品稳定性测试以及车规测试阶段。

上述产品虽然只有短短几行介绍，但殊不知企业想要在任何一项技术上有所突破，都将付出千倍甚至上万倍的心血。不仅需要投入大量的人力和物力，还需要有大量的资金支持方能完成，对创业公司而言，实现难度可见一斑。

而这，也可以侧面验证云知声强大的生存能力。技术研发不断突破的同时，在商业化落地应用方面，云知声也展现出了超强的适应能力。

市场矩阵：两大领域开天辟地

由于AI语音的交互流程、交互逻辑较之于机器视觉更为复杂，决定了其产品应用商业落地的复杂性与难度更高，用户对于产品性能期待值也更高。

与此同时，相比机器视觉拥有较为明确的场景应用，语音公司想要生存，不仅需要在技术方面提前布局，反复打磨，更需具备灵敏的商业嗅觉，通过碎片化的场景来提前发现并布局市场机遇，这也尤为考验AI企业的“市场刨食”能力。

通过缜密的产品与市场契合度分析，云知声决定切入智慧医疗领域与智慧住宅和酒店领域。

2016年，云知声通过与北京协和医院合作，率先在国内落地医疗病历转写解决方案，并在行业内被快速推广。目前，已有超100家医院上线使用其医疗病历转写解决方案，超过500多家医院在测试使用。

病历质控系统是云知声在医疗领域推出的第二款智能语音工具产品，以自然语言处理技术、全科临床知识图谱为基础进行构建，旨在提高病历质控环节的工作效率。

该系统在2018年12月首次试点后，于2019年6月正式推出，已经获得了上海市医疗质量控制管理事务中心、东南大学附属中大医院、上海交通大学附属第六人民医院、浙江台州恩泽医院等十余家医院和管理机构的认可。

目前，其还在围绕智慧医疗需求，自主构建大规模医疗知识图谱，并据此推出智能随访等产品，构建并完善医疗智慧物联解决方案。

集微网从云知声处了解到近期国家医保局紧密出台DRGS、DIP等系列政策，为响应政策需求和顺应行业趋势，依靠多年在医疗领域的技术沉淀，在医保病案首页质控和控费报销稽核方面，云知声开始拓展既有的病历质控产品线，目前已实现落地应用。

这一举动，不仅拓宽了云知声医疗业务的产品矩阵，而且突破了现有智能语音及智慧医院的市场空间天花板，为其接下来的销量增长贡献中坚力量。

而在智慧住宅和酒店领域，2016年，云知声以空调语音模组为突破口，率先在白电领域落地智能语音模组，与格力等家电龙头企业深入合作。目前，其在家电智能语音模组领域的市场占有率达到70%。

随着市场培育期的不断成熟，单一智能产品已经不能满足用户的诉求，高度专属化人工智能综合解决方案代替标准化产品已成为人工智能行业最为显著的趋势之一，云知声也开始将单一产品升级为综合解决方案。

目前，其产品已经拓展形成了覆盖数十种物联网设备的语音交互产品系列，可以为客户提供整体智慧物联解决方案。

2019年，云知声和世茂集团达成战略合作关系，与世茂集团下属子公司上海世滨电子商务有限公司按照51%、49%的股权比例合资设立子公司云茂互联，共同探索“智能+地产”新模式，在酒店、住宅、商办、社区等场景下落地应用智慧物联解决方案。

2020上半年，世茂集团及其旗下公司已经成为云知声第一大客户，合作金额超3000万元，随着市场应用的不断落地，未来双方的合作规模有望进一步扩大。

小结

目前，人工智能语音技术已经在物联网的众多场景以及不同垂直行业的企业得到广泛应用，并展现出相较于传统人机交互模式的显著优势。

随着人工智能语音技术从感知层面到认知层面不断升级、完善，将在理解用户需求、辅助企业决策等领域发挥更大的作用，进一步渗透到更多的应用场景，促进各传统行业实现“智能化”转型。

凭借着多年的研发积累以及对商业市场的敏锐判断，AI独角兽云知声已经在智能语音行业开始崭露头角，接下来其也将面临更为严苛的市场考验。现在的“退”是为了将来更好的“进”，我们也期待其能交出一张更“完美”的答卷。