集微網消息，資本退溫&疫情影響，AI企業在一級市場的融資難度也相應加大。

自2019年曠視科技赴港交所擬上市后，國內AI企業登錄資本市場的序幕自此拉開，相繼在科創板披露招股說明書，尋求A股市場的資金支持來維持企業發展。

近日，上交所正式受理云知聲智能科技股份有限公司（下稱“云知聲”）科創板IPO申請。與一眾AI企業相同的是，“高投入、高估值、低利潤”特點在其身上也較為明顯。

造血能力尚弱的情況下，云知聲仍然在投入較高的研發來構筑企業技術壁壘。今天，我們就來聊聊這家在AI投資浪潮中被資本追捧的AI企業。

成立8年估值12億美元

集微網了解到，云知聲成立于2012年，至今已經完成8輪融資。據中國恒大研究院發布的《中國獨角獸報告2019》，云知聲的估值為12億美元，位居獨角獸行列。

與已經上市的AI芯片企業寒武紀顯著不同的是，云知聲的技術矩陣呈現“大而全”特征，在人工智能三駕馬車“算法+算力+數據”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學習的小規模GPU集群，隨著計算需求增加和集群規模擴大，2016年基于開源分布式存儲、操作系統和容器化管理技術，構建面向大規模機器學習的超算平臺——Atlas。

截止2019年末，Atlas調度算力已達到10PFLOPS（一億億次浮點運算每秒）。該平臺能實現計算和存儲節點的全自動無人值守擴展，可高效調度數千臺GPU服務器同時參與計算，并支持PyTorch、TensorFlow等各種主流機器學習框架，解決大規模數據的建模與優化問題。

在算法方面，于2012年率先將深度神經網絡（DNN）應用于商業語音識別系統，并在后續的人工智能浪潮中持續進行前沿算法的商業實踐。例如，后來涌現的卷積神經網絡（CNN）、回歸神經網絡（RNN）、端到端序列建模、生成對抗網絡（GAN）、注意力轉換模型（Transformer）、雙向編碼表征轉換模型（BERT）、知識蒸餾（KD）、自監督學習（SSL）等主流技術方法，云知聲都是業界最早的產業實踐者之一。

在數據方面，其在成立之初便從兩方面著力打造其大數據能力，使得語音模型算法訓練形成了“應用—數據積累—弱干預標注訓練—應用”的正向滾動效應。

一方面，于2012年9月推出免費語音云平臺，在為開發者和客戶提供優質服務的同時，積累了來自移動設備、辦公、醫療、車載、家居、電話語音等豐富業務場景下的海量數據。

截止2020年6月30日，云知聲語音云平臺累計服務開發者超過26000位，服務用戶超過2億人次，共計積累1.3億小時的語音數據，總存儲量到2PB以上，高質量訓練數據積累超過600TB。

另一方面，其通過機器選擇分析與人工標注相結合的方式，共計積累1128.58萬小時有效語料，訓練數據積累超過550T，各領域高質量模型訓練數據均超過93%。同時，結合無監督、半監督及遷移學習等技術，實現大規模線上數據的高效模型迭代，持續提升模型精度。

為進一步降低智能語音交互方案的功耗、提升其喚醒的靈敏性，進而滿足更多物聯網設備加載語音交互功能的需求，云知聲自2015年起開始布局人工智能語音芯片，著手開發uDSP 處理器和DeepNet IP技術。

并在此基礎上，其于2018年率先交付人工智能語音芯片——“雨燕”，2019年陸續推出車規級芯片“雪豹”和面向家居領域的第二款升級版芯片“蜂鳥”系列，并啟動具備“圖像+語音”多模態交互功能的芯片“海豚”的研發。

截至目前，“雨燕”、“蜂鳥”系列均已量產（即直接對外銷售），也自用于其部分模組和整機類產品；而“雪豹”已進入產品穩定性測試以及車規測試階段。

上述產品雖然只有短短幾行介紹，但殊不知企業想要在任何一項技術上有所突破，都將付出千倍甚至上萬倍的心血。不光需要投入大量的人力、物力，還需要有大量的資金支持研發，這些，如果沒有資本的大力支持，任何一家初創企業都無法在短期內實現技術突破。

也正是因為其追求“大而全”的技術布局，在披露的招股說明書中，云知聲近三年業績依然處于虧損狀態，且虧損金額還在進一步擴大。

研發投入高于產品營收

招股書披露，2017年、2018年、2019年和2020上半年，云知聲分別實現營業收入6114.07萬元、1.97億元、2.19億元和8468.93萬元；虧損凈額分別為1.74億元、2.14億元、2.92億元和1.12億元。

在營收逐漸增長的背景下，云知聲的凈利潤卻呈現持續擴大虧損的現象。而這，與其較高的研發投入密不可分。

招股說明書顯示，2017年、2018年、2019年和2020上半年，云知聲研發投入分別為9999.83萬元、1.53億元、2.58億元和9242.94萬元，占營業收入額比重分別為163.55%、77.62%、117.78%和109.14%。

報告期內，云知聲累計研發投入占累計營業收入的比重為107.4%。從當前披露的業績情況來看，其當前的營收規模并不足矣支付高額的研發投入。

令其研發投入遠高于營收規模的另一大因素，便是其追求“大而全”的技術路線。

為降低智能語音交互方案的功耗、提升喚醒的靈敏性，云知聲選擇自主研發人工智能語音芯片產品，報告期內分別投入553.09萬元、1166.93萬元、6071.15萬元和1755.8萬元。但就當前產品營收構成來看，芯片產品收入甚微。

與此同時，當前人工智能的落地應用受到場景碎片化的影響，云知聲仍需要進一步進行模塊化改造；因此，其仍然需要進行較大的研發投入。而這些，均需要大量資金支持。

在當前自身造血能力較弱的背景下，云知聲需要繼續借助資本市場的力量，來完成持續的研發投入及維持企業的正常運營工作。

但需注意的是，假設未來云知聲芯片產品足夠成熟，可以規模化部署，但由于其自身業務因素，絕大多數情況下只能為己所用，競爭對手使用的可能性微乎其微。而自身業務規模并不足矣達到規模化量產，這便意味著芯片產品的成本將無法下降。

長久以往，云知聲將陷入無限死循環狀態，智能交互產品價格若無法下降，將逐漸失去市場競爭優勢，未來前景堪憂。

如若此次IPO未能成功，云知聲便要繼續回歸一級市場進行融資；而在當前資本退熱的背景下，還會有資本愿意出手接盤嗎？等待云知聲的，或許是一場關乎生死的艱難抉擇。

責任編輯：lq