集微網消息，2月19日，上海證券交易所網站發布了《關于終止對云知聲智能科技股份有限公司首次公開發行股票并在科創板上市審核的決定》，提及云知聲主動撤回科創板申請。

        據悉，云知聲于2020年11月3日遞交招股說明書擬在科創板上市，中金公司擔任保薦機構兼主承銷商，國泰君安為聯席主承銷商。同年12月1日，云知聲收到首輪審核問詢函。

        集微網從云知聲的內部人士獲悉，之所以撤回是出于公司戰略發展因素考慮。考慮到公司未來的發展戰略，經云知聲研究后決定，撤回此次科創板上市申請。

        對于未來是否會繼續IPO，上述人士表示，云知聲并不會放棄IPO，未來會適時考慮重啟IPO的推進計劃。

        與傳統企業不同的是，AI企業一出“生”便受到了各界的追捧，一度被夸上神壇，導致技術落地應用后諸多詬病，市場對AI企業的評價也褒貶不一。

        但任何新技術的市場開荒過程，均需要時間的錘煉，更需要落地應用實踐后真刀真槍的磨練，方能體現其真正價值。

        在這個過程中，有的企業因技術研發實力不足，亦或是陷入資金困境，在市場爆發前夜便一一夭折。

        也有一些企業，精心鉆研技術，不斷打磨技術與場景的適配性，早期便完成了市場開荒的原始積累。因技術的前瞻性以及高落地性，獲得了資本的青睞，為其持續的研發工作提供了堅實保障，云知聲便是其中的一員。

        可喜的是，經過多年的摸爬滾打，云知聲交出了一張不錯的成績單，既沒有辜負資本的青睞，也通過AI技術賦能了更多市場應用，為市場革新升級提供原動力。

        技術矩陣：AI三要素并駕齊驅

        集微網了解到，云知聲的AI技術矩陣在“算法+算力+數據”方面均有涉足。從結果來看，其不論是技術實力還是市場應用，均取得了階段性勝利。

        在算力方面，成立第一年便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，云知聲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，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。

        在此基礎上，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(既直接對外銷售)，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。不僅需要投入大量的人力和物力，還需要有大量的資金支持方能完成，對創業公司而言，實現難度可見一斑。

        而這，也可以側面驗證云知聲強大的生存能力。技術研發不斷突破的同時，在商業化落地應用方面，云知聲也展現出了超強的適應能力。

        市場矩陣：兩大領域開天辟地

        由于AI語音的交互流程、交互邏輯較之于機器視覺更為復雜，決定了其產品應用商業落地的復雜性與難度更高，用戶對于產品性能期待值也更高。

        與此同時，相比機器視覺擁有較為明確的場景應用，語音公司想要生存，不僅需要在技術方面提前布局，反復打磨，更需具備靈敏的商業嗅覺，通過碎片化的場景來提前發現并布局市場機遇，這也尤為考驗AI企業的“市場刨食”能力。

        通過縝密的產品與市場契合度分析，云知聲決定切入智慧醫療領域與智慧住宅和酒店領域。

        2016年，云知聲通過與北京協和醫院合作，率先在國內落地醫療病歷轉寫解決方案，并在行業內被快速推廣。目前，已有超100家醫院上線使用其醫療病歷轉寫解決方案，超過500多家醫院在測試使用。

        病歷質控系統是云知聲在醫療領域推出的第二款智能語音工具產品，以自然語言處理技術、全科臨床知識圖譜為基礎進行構建，旨在提高病歷質控環節的工作效率。

        該系統在2018年12月首次試點后，于2019年6月正式推出，已經獲得了上海市醫療質量控制管理事務中心、東南大學附屬中大醫院、上海交通大學附屬第六人民醫院、浙江臺州恩澤醫院等十余家醫院和管理機構的認可。

        目前，其還在圍繞智慧醫療需求，自主構建大規模醫療知識圖譜，并據此推出智能隨訪等產品，構建并完善醫療智慧物聯解決方案。

        集微網從云知聲處了解到近期國家醫保局緊密出臺DRGS、DIP等系列政策，為響應政策需求和順應行業趨勢，依靠多年在醫療領域的技術沉淀，在醫保病案首頁質控和控費報銷稽核方面，云知聲開始拓展既有的病歷質控產品線，目前已實現落地應用。

        這一舉動，不僅拓寬了云知聲醫療業務的產品矩陣，而且突破了現有智能語音及智慧醫院的市場空間天花板，為其接下來的銷量增長貢獻中堅力量。

        而在智慧住宅和酒店領域，2016年，云知聲以空調語音模組為突破口，率先在白電領域落地智能語音模組，與格力等家電龍頭企業深入合作。目前，其在家電智能語音模組領域的市場占有率達到70%。

        隨著市場培育期的不斷成熟，單一智能產品已經不能滿足用戶的訴求，高度專屬化人工智能綜合解決方案代替標準化產品已成為人工智能行業最為顯著的趨勢之一，云知聲也開始將單一產品升級為綜合解決方案。

        目前，其產品已經拓展形成了覆蓋數十種物聯網設備的語音交互產品系列，可以為客戶提供整體智慧物聯解決方案。

        2019年，云知聲和世茂集團達成戰略合作關系，與世茂集團下屬子公司上海世濱電子商務有限公司按照51%、49%的股權比例合資設立子公司云茂互聯，共同探索“智能+地產”新模式，在酒店、住宅、商辦、社區等場景下落地應用智慧物聯解決方案。

        2020上半年，世茂集團及其旗下公司已經成為云知聲第一大客戶，合作金額超3000萬元，隨著市場應用的不斷落地，未來雙方的合作規模有望進一步擴大。

        小結

        目前，人工智能語音技術已經在物聯網的眾多場景以及不同垂直行業的企業得到廣泛應用，并展現出相較于傳統人機交互模式的顯著優勢。

        隨著人工智能語音技術從感知層面到認知層面不斷升級、完善，將在理解用戶需求、輔助企業決策等領域發揮更大的作用，進一步滲透到更多的應用場景，促進各傳統行業實現“智能化”轉型。

        憑借著多年的研發積累以及對商業市場的敏銳判斷，AI獨角獸云知聲已經在智能語音行業開始嶄露頭角，接下來其也將面臨更為嚴苛的市場考驗。現在的“退”是為了將來更好的“進”，我們也期待其能交出一張更“完美”的答卷。

《電鰻快報》