云知声在AI投资浪潮中被资本追捧的AI企业

集微网消息，资本退温&疫情影响，AI企业在一级市场的融资难度也相应加大。

自2019年旷视科技赴港交所拟上市后，国内AI企业登录资本市场的序幕自此拉开，相继在科创板披露招股说明书，寻求A股市场的资金支持来维持企业发展。

近日，上交所正式受理云知声智能科技股份有限公司（下称“云知声”）科创板IPO申请。与一众AI企业相同的是，“高投入、高估值、低利润”特点在其身上也较为明显。

造血能力尚弱的情况下，云知声仍然在投入较高的研发来构筑企业技术壁垒。今天，我们就来聊聊这家在AI投资浪潮中被资本追捧的AI企业。

成立8年估值12亿美元

集微网了解到，云知声成立于2012年，至今已经完成8轮融资。据中国恒大研究院发布的《中国独角兽报告2019》，云知声的估值为12亿美元，位居独角兽行列。

与已经上市的AI芯片企业寒武纪显著不同的是，云知声的技术矩阵呈现“大而全”特征，在人工智能三驾马车“算法+算力+数据”方面均有涉足。

在算力方面，其自成立第一年即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，其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，其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。

并在此基础上，其于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（即直接对外销售），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。不光需要投入大量的人力、物力，还需要有大量的资金支持研发，这些，如果没有资本的大力支持，任何一家初创企业都无法在短期内实现技术突破。

也正是因为其追求“大而全”的技术布局，在披露的招股说明书中，云知声近三年业绩依然处于亏损状态，且亏损金额还在进一步扩大。

研发投入高于产品营收

招股书披露，2017年、2018年、2019年和2020上半年，云知声分别实现营业收入6114.07万元、1.97亿元、2.19亿元和8468.93万元；亏损净额分别为1.74亿元、2.14亿元、2.92亿元和1.12亿元。

在营收逐渐增长的背景下，云知声的净利润却呈现持续扩大亏损的现象。而这，与其较高的研发投入密不可分。

招股说明书显示，2017年、2018年、2019年和2020上半年，云知声研发投入分别为9999.83万元、1.53亿元、2.58亿元和9242.94万元，占营业收入额比重分别为163.55%、77.62%、117.78%和109.14%。

报告期内，云知声累计研发投入占累计营业收入的比重为107.4%。从当前披露的业绩情况来看，其当前的营收规模并不足矣支付高额的研发投入。

令其研发投入远高于营收规模的另一大因素，便是其追求“大而全”的技术路线。

为降低智能语音交互方案的功耗、提升唤醒的灵敏性，云知声选择自主研发人工智能语音芯片产品，报告期内分别投入553.09万元、1166.93万元、6071.15万元和1755.8万元。但就当前产品营收构成来看，芯片产品收入甚微。

与此同时，当前人工智能的落地应用受到场景碎片化的影响，云知声仍需要进一步进行模块化改造；因此，其仍然需要进行较大的研发投入。而这些，均需要大量资金支持。

在当前自身造血能力较弱的背景下，云知声需要继续借助资本市场的力量，来完成持续的研发投入及维持企业的正常运营工作。

但需注意的是，假设未来云知声芯片产品足够成熟，可以规模化部署，但由于其自身业务因素，绝大多数情况下只能为己所用，竞争对手使用的可能性微乎其微。而自身业务规模并不足矣达到规模化量产，这便意味着芯片产品的成本将无法下降。

长久以往，云知声将陷入无限死循环状态，智能交互产品价格若无法下降，将逐渐失去市场竞争优势，未来前景堪忧。

如若此次IPO未能成功，云知声便要继续回归一级市场进行融资；而在当前资本退热的背景下，还会有资本愿意出手接盘吗？等待云知声的，或许是一场关乎生死的艰难抉择。

责任编辑：lq