集微網(wǎng)消息，資本退溫&疫情影響，AI企業(yè)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(nèi)AI企業(yè)登錄資本市場的序幕自此拉開，相繼在科創(chuàng)板披露招股說明書，尋求A股市場的資金支持來維持企業(yè)發(fā)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(chuàng)板IPO申請。與一眾AI企業(yè)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(fā)來構(gòu)筑企業(yè)技術(shù)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(yè)。

成立8年估值12億美元

集微網(wǎng)了解到，云知聲成立于2012年，至今已經(jīng)完成8輪融資。據(jù)中國恒大研究院發(fā)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(jīng)上市的AI芯片企業(yè)寒武紀顯著不同的是，云知聲的技術(shù)矩陣呈現(xiàn)“大而全”特征，在人工智能三駕馬車“算法+算力+數(shù)據(jù)”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(guī)模GPU集群，隨著計算需求增加和集群規(guī)模擴大，2016年基于開源分布式存儲、操作系統(tǒng)和容器化管理技術(shù)，構(gòu)建面向大規(guī)模機器學習的超算平臺——Atlas。

截止2019年末，Atlas調(diào)度算力已達到10PFLOPS（一億億次浮點運算每秒）。該平臺能實現(xiàn)計算和存儲節(jié)點的全自動無人值守擴展，可高效調(diào)度數(shù)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(guī)模數(shù)據(jù)的建模與優(yōu)化問題。

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

在數(shù)據(jù)方面，其在成立之初便從兩方面著力打造其大數(shù)據(jù)能力，使得語音模型算法訓練形成了“應用—數(shù)據(jù)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(fā)者和客戶提供優(yōu)質(zhì)服務的同時，積累了來自移動設備、辦公、醫(yī)療、車載、家居、電話語音等豐富業(yè)務場景下的海量數(shù)據(jù)。

截止2020年6月30日，云知聲語音云平臺累計服務開發(fā)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(shù)據(jù)，總存儲量到2PB以上，高質(zhì)量訓練數(shù)據(jù)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(jié)合的方式，共計積累1128.58萬小時有效語料，訓練數(shù)據(jù)積累超過550T，各領(lǐng)域高質(zhì)量模型訓練數(shù)據(jù)均超過93%。同時，結(jié)合無監(jiān)督、半監(jiān)督及遷移學習等技術(shù)，實現(xiàn)大規(guī)模線上數(shù)據(jù)的高效模型迭代，持續(xù)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(lián)網(wǎng)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(fā)uDSP 處理器和DeepNet IP技術(shù)。

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(xù)推出車規(guī)級芯片“雪豹”和面向家居領(lǐng)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(tài)交互功能的芯片“海豚”的研發(fā)。

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

上述產(chǎn)品雖然只有短短幾行介紹，但殊不知企業(yè)想要在任何一項技術(shù)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(fā)，這些，如果沒有資本的大力支持，任何一家初創(chuàng)企業(yè)都無法在短期內(nèi)實現(xiàn)技術(shù)突破。

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

研發(fā)投入高于產(chǎn)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(xiàn)營業(yè)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(xiàn)持續(xù)擴大虧損的現(xiàn)象。而這，與其較高的研發(fā)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(fā)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(yè)收入額比重分別為163.55%、77.62%、117.78%和109.14%。

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

令其研發(fā)投入遠高于營收規(guī)模的另一大因素，便是其追求“大而全”的技術(shù)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(fā)人工智能語音芯片產(chǎn)品，報告期內(nèi)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(chǎn)品營收構(gòu)成來看，芯片產(chǎn)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(fā)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(xù)借助資本市場的力量，來完成持續(xù)的研發(fā)投入及維持企業(yè)的正常運營工作。

但需注意的是，假設未來云知聲芯片產(chǎn)品足夠成熟，可以規(guī)?；渴?，但由于其自身業(yè)務因素，絕大多數(shù)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(yè)務規(guī)模并不足矣達到規(guī)?；慨a(chǎn)，這便意味著芯片產(chǎn)品的成本將無法下降。

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

如若此次IPO未能成功，云知聲便要繼續(xù)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(guān)乎生死的艱難抉擇。

責任編輯：lq