云知声成立于 2012 年，是中国 AGI 技术产业化的先驱之一。公 司专注于在中国销售用于日常生活及医疗相关应用场景的对话式 AI 产品及解 决方案。云知声的业务集中于通过以用户为中心的 AI 解决方案，提升运营效 率、加强决策能力及提供更佳结果，为不同行业的客户提供动力。这些产品和 解决方案的广泛商业应用为公司提供了优质的用户反馈，进而促使作为云知大 脑核心的山海大模型不断迭代。 公司 AI 解决方案的开发主要基于公司专有的中心技术平台云知大脑，该平台 是从智能客户服务及医疗诊断到多语言对话助理等广泛应用的基础。公司的技 术利用持续的人机交互来改善其能力。凭借战略远见，云知声于 2016 年开始 建立 Atlas 人工智能基础设施，在 Atlas AI 基础设施的支持下，公司确保高效 的模型训练及部署，推动迭代及行业特定调整。公司于 2023 年推出了山海大 模型，发布之后，山海大模型又先后拓展了检索增强生成(RAG)、智能体(Agent)、 多模态融合及深度推理（类似 DeepSeek-R1）等技术能力，参数规模也扩大到 千亿以上，保持通用大模型能力在 OpenCompass、SuperCLUE 等多次评测中处 于第一梯队水平。
云知声自成立以来，经历了技术驱动、聚焦场景、规模增长的发展历程。从早 期以智能语音交互技术立身，到深度切入智慧医疗等垂直行业，再到近年来推 出并持续迭代山海大模型。成立短短十余年间，云知声取得了跨越式发展。以 2024 年收入计算：云知声已经成为中国年收入超过 5 亿元的 AI 解决方案提供 商中增速 Top2 的公司；在中国生活 AI 解决方案提供商中排名第三；在中国医 疗 AI 服务及解决方案提供商中排名第四。
1.1 核心管理层行业经验丰富，具备跨学科背景
联合创始人兼 CEO 黄伟是中国科学技术大学博士，曾在摩托罗拉中国研究中 心开发出世界第一款手机声纹认证系统，他曾连续三年参与美国国家标准技术 署（NIST）说话人识别评测（SRE）项目，获主任务第一名，是目前为止唯一 一位在 NIST 评测中连续两年做 Keynote Speaker 的华人。并且黄伟博士还具备 生物医学工程的学科背景，这为云知声开拓智慧医疗的广阔市场奠定了坚实基 础。另一位联合创始人兼 CTO 梁家恩博士同样是 AI 领域的技术专家，梁家恩 博士毕业于中国科学院自动化研究所，专攻模式识别与智能系统专业，提出语 音识别“搜索比对”技术框架，攻克了方言识别难题。
1.2 基本面扎实稳健，增长动能持续释放
“云知大脑” 是公司所有产品与解决方案的核心驱动力，围绕它，云知声构建 了覆盖智慧生活与智慧医疗两大领域的产品组合，并通过“基于模型的产品和 解决方案”模式，实现技术与场景的深度融合。目前公司已在生活及医疗场景 积累大量的优质数据，并与各细分行业的客户建立广泛且深入的合作关系，取 得卡位优势。在智慧生活方面，公司的产品应用于多个垂直领域的数千万台设 备。在智慧医疗领域，云知声已与中国众多头部三级医院建立了广泛深入的合 作关系。在获取大量真实世界的场景及用户反馈的基础上，云知声通过高度自 动化的自我强化，实现 AI 技术的高速迭代，不断提高其感知准确率，进而解 决不同细分行业对 AI 解决方案的碎片化需求。
得益于公司领先的技术竞争力，公司业务规模稳健扩张。2020—2024 年，云知 声营业收入从 2.61 亿元增长至 9.36 亿元，复合增长率高达 37.61%。2025 年上 半年，公司实现营业收入 4.05 亿元，同比增长 20.15%。并且公司来自山海大 模型的业务收入达到 0.99 亿元，爆发性增长 457%，有效验证了公司的技术水平及市场潜力，未来有望维持高速增长。业务稳步扩张离不开云知声对前沿技 术开发的重视，以 2024 年为例公司研发开支 3.70 亿元，占当年营业收入的 39.4%，占当年毛利的 101.53%。我们预计，随着后续公司营收持续增长，规模 效应将逐步显现，亏损有望持续收窄进而实现扭亏为盈。
在日常生活场景，云知声提供可应用于交通、商业空间、酒店及住宅等应用场 景的多样化 AI 产品及解决方案，以提升人们日常生活的便利性和品质。此外， 公司通过模型即服务（“MaaS”）向开发者和企业按需要提供 AI 大语言模型能 力。主要产品包括基于公有云的 AI 能力应用程式介面（“API”），使不同的应 用程式能够相互通信、定制专有 AI 技术服务平台及 AI 模型嵌入式芯片和物联 网(IoT)硬件模块。2025 年上半年云知声智慧生活客户数量为 309 名，每名客户 收入 108.4 万元，同比增长 20.1%。 基于大模型及物联平台的基础核心能力，云知声提供日常生活解决方案，连接 音箱、集中式语音控制屏、人脸识别设备及多模态交互屏等物联网设备。通过 不同层次的设备和服务的互联，公司为跨垂直行业（包括住宅、商业空间、酒 店及交通）的不同的场景提供一站式解决方案。云知声的解决方案将一致性及 高效率的标准化解决方案与满足特定客户需求的适应性解决方案相结合。公司 与多家大型国企持续深入合作交通、商办等多领域智能化业务；客户包括国内 知名汽车企业，同时作为端侧 AI 技术提供商，联合知名外企共同助力多家中 国知名车企出海。 云知声日常生活板块项下的产品主要包括芯片、模块及 API。AI 芯片是能够执 行影像辨识、自然语言处理及机器学习等 AI 任务的半导体，AI 模块是与 AI 芯 片整合并经其增强的硬件设备及组件。截至报告期末，云知声已开发并销售 AI 芯片及 AI 模块产品，除现有语音控制功能外，亦支持更多功能的整合，如蓝 牙及主控。截至 2025 年上半年，公司 AI 芯片累计销量近 1 亿颗。公司在日常生活领域实现 AI 解决方案及 AI 芯片等产品的稳健增长，充分彰显了云知声强 劲的市场竞争力。
在医疗场景，云知声提供 AI 赋能医疗解决方案，如病历语音输入、病历质控、 单一疾病质控及医疗保险支付管理。可规范医疗服务流程和决策，从而减少医 疗失误，提高医疗服务质量并保障患者权益。其中病历语音输入系统将病历输 入的速度加快四至六倍，病历质控系统将质量审核所需的时间减少 80%。目前 云知声已覆盖全国 30%百强三甲医院，包括北京协和医院等知名标杆客户。
2025 年上半年，云知声智慧医疗业务实现销售收入 0.70 亿元，同比增长 22.28%， 占公司总收入比重为 17.3%。智慧医疗业务每名客户收入 101.3 万元，同比增长 116.2%。并且公司持续拓宽智慧医疗业务边界，拓展保险行业的医疗相关理赔 审核服务，签约多家客户，实现收入增长近 14 倍，达到 996 万元。
2.1 前景广阔的万亿级成长行业
AI 是计算机科学的一个分支，旨在赋能机器模拟人类智能和认知功能，与学习、 推理和解决问题有关。AI 分为两个主要阶段，即训练和推理。AI 模型在训练 阶段学习分析预先确定的数据集，并在推理阶段根据新的数据进行预测，以输 出可操作的结果。 通用 AI（亦称为强 AI 或深度 AI）赋予机器如同人类一样思考、理解、学习及 应用其智慧以解决复杂问题的能力。实现 AGI 的潜在方法为使用大规模预训练 多模态基础模型。例如 GPT 等先进的大语言模型使机器能够更准确地执行语 言相关的任务，从而在 AI 行业的多个领域取得突破，为人机交互开辟新的可 能性。 AI 解决方案是随时可用的自动化分析 AI 程序，能够产生准确和有意义的洞察， 应对新的业务趋势和客户需求。AI 解决方案可以通过硬件、软件或云计算服务 来部署。AI 解决方案行业产业链结构较为清晰，产业链上游为 AI 芯片与半导 体、服务器、数据服务、存储等；产业链下游为行业解决方案、终端产品与运 营。上游毛利率最高，但资本开支大；中游规模效应显著；下游靠场景渗透和 持续运营盈利。
根据 Frost&Sullivan 的资料，在经济增长和客户需求不断变化的推动下，中国 的 AI 解决方案市场从 2019 年的人民币 422 亿元增加至 2024 年的人民币 1,804 亿元，复合年增长率为 33.7%。预计 2030 年将达到人民币 11,749 亿元，2024 年至 2030 年的复合年增长率为 36.7%。
中国 AI 解决方案市场受多重驱动因素的推动，首先是科技进步。在计算能力、 建模方法、数据质量及数量方面的进步将塑造 AI 的未来，推动更智能、更交 互、更强大的 AI 系统的发展。计算能力的提高，如更强大的 GPU 和量子计算 的潜在突破，可以增强以更低成本构建更强大 AI 的能力。全球数据量的指数 级增长和 5G 技术的商业化将为训练 AI 算法提供充足的数据集，以多元化训 练提高准确性并实现 AI 更广泛的应用。此外，深度学习方法的演变推动了 AI 模型的进步，提高了各种 AI 相关领域的性能和准确性。 其次是市场教育，AI 解决方案的接受程度将不断增长。AI 技术可以通过标准 化对不同类型、不同质量、不同来源的海量数据的分析流程来提高数据处理效 率，因此在各行业得到广泛应用，帮助企业降低成本、提高效率。由于 AI 技 术在重复性任务自动化方面带来的高效率和决策的准确性，除了日常生活场景 外，其在金融投资和医疗诊断等领域也愈发得到广泛采用。 最后是政策驱动，AI 解决方案需求的增长得到政府利好政策的进一步支持，中 国从中央到地方已广泛实施 AI 行业发展计划及激励措施。例如《互联网+人工 智能三年行动实施方案》旨在支持神经网络芯片的开发，以促进 AI 技术在中 国的应用。《国家新一代人工智能标准体系建设指南》强调了制造、交通运输等 重点行业对 AI 标准的需求。《北京市促进通用人工智能创新发展的若干措施》 专注于建立 AGI 的能力（包括大语言模型），并促进 AGI 的能力于各个行业 （如医疗）的应用。
2.2 细分领域众多，广阔市场有待开拓
按垂直领域划分 AI 解决方案市场主要可分为，物联网 AI 解决方案、医疗 AI 解决方案、消费 AI 解决方案和金融 AI 解决方案等细分领域。 物联网：物联网（loT），是一个由传感器、处理能力、软件和其他技术组成的互相关联的系统，在没有人为干扰的情况下通过网络传输数据。物联网人工智 能的 AI 解决方案通过物联网将 AI 分析技能与数据收集结合起来，强化工作流 程和风险管理。2024 年中国物联网 AI 解决方案市场规模 710 亿元，预计到 2030 年将达到 5461 亿元，复合增长率约为 40.5%。 医疗：医疗 AI 服务及解决方案主要由医疗服务 AI、疾病诊断和治疗 AI、医药 研发 AI 及其他由 AI 赋能的新兴解决方案组成。2024 年中国医疗 AI 解决方案 市场规模约为 99 亿元，预计到 2030 年将达到 1465 亿元，复合增长率约为 41.7%。 其他：AI 解决方案还被应用于金融、零售、教育、农业、电信和能源等行业。
AI 解决方案市场可根据供应商类型进行分类，主要包括 AI 解决方案提供商（主 要提供基于机器学习的 AI 解决方案），传统数字解决方案提供商及系统集成商 等。其中 AI 解决方案提供商在技术研发方面拥有更大优势，使其更有利于保 持市场竞争力及推动业务扩张。与传统数字解决方案提供商相比，AI 解决方案 提供商受惠于广泛的 AI 模型以及深入的行业和客户覆盖，得以进行跨领域创 新，创造更具竞争力和多样化的跨行业垂直领域。根据 Frost&Sullivan 的资料， 按 2024 年收入计算，中国 AI 解决方案市场高度分散，CR5 约为 14.7%。
2.3 日常生活场景驱动物联网 AI 解决方案市场迅速增长
物联网是指一个由物体组成的网络，这些物体配备了传感器、软件和其他技术， 目的是通过互联网与其他设备和系统连接并交换数据。该系统将传感器接收到 的数据发送到数据中心或云端进行处理和分析，并采取相应自动操作。 物联网AI解决方案通过从物理设备收集数据来优化工作流程和加强风险管理。 利用 AI 分析能力，物联网 AI 解决方案可以根据其对趋势和模式的分析报告日 常情况，从而应用于远程监控、质量控制等各种定制化的应用场景中。使用物 联网 AI 解决方案可以优化决策流程、提高效率以及降低运营成本。 物联网 AI 解决方案（包括一站式日常生活 AI 解决方案、制造 AI 解决方案和 政府安全 AI 解决方案）为商业和政府部门的数字化赋能。日常生活 AI 解决方 案尤其重要，覆盖广泛的应用场景。日常生活 AI 解决方案包括住宅、商业空 间、酒店及交通等解决方案，是物联网行业 AI 解决方案中最突出的领域，根 据 Frost&Sullivan 的资料，中国 AI 解决方案提供商提供的日常生活 AI 解决方 案的市场规模由 2019 年的人民币 30 亿元增加至 2024 年的人民币 105 亿元， 复合年增长率为 28.9%，预期 2030 年将达到人民币 1,496 亿元，2024 年至 2030 年的复合年增长率为 41.0%。
AI 技术的进步提升了物联网设备的智能化，带动市场需求增加。直至 2022 年， 基于规则的物联网系统主要促进人与物体或空间之间的交互，例如通过特定的 语音命令实现人车交互。大语言模型的最新发展为 AI 能力带来了重大且持续 的改进。多样化的背景知识令有关模型能够从模糊的指令中推断用户意图并生 成特定情景下的反馈。例如，带有大语言模型的智能家居控制提供了与物联网 设备快速无缝的交互体验，显著减轻了用户负担并提高用户满意度。 5G 网络为 AI 能力在物联网设备上更大规模的广泛应用奠定了基础。5G 网络 凭借其低延迟、超高速和广泛连接的优势，为物联网网络提供了更高效的信息 传输渠道。5G 网络的高数据吞吐量优化了数据传输和恢复的真实性，显著提 高了物联网网络内的视频质量和传输速度。 在 5G 技术被广泛应用的推动下，数据的增长规模和复杂性已经超过了网络技 术设施能力的容量，需要全分布式的 AI 系统。边缘计算的增长使得全分布式 的 AI 服务成为可能，让边缘设备能独立处理智能数据，使资源更靠近用户。 由于存储和计算能力不再局限于云端，这种利用就近资源的独立处理减少了延 迟并提高了数据隐私度。得益于近距离且提升的处理速度，进一步降低了数据 通信和存储成本，从而促进了物联网 AI 解决方案的行业应用。 由于不同制造商的物联网应用和碎片化特性，带来了与兼容性及互连性相关的 挑战。因此，物联网 AI 解决方案的发展需要一站式、平台化的物联网 AI 解决 方案来实现应用场景的有效拓展。
确保在利用数据进行产品优化及个性化与维护用户隐私和安全之间取得平衡， 对 AI 公司日益重要。从用户角度而言，更强的保护措施有助于增强 AI 公司与 其客户之间的信任及认可。为了促进用户隐私，将实施包括自我主权身份在内 的安全措施。此外，政策和法规的总体趋势亦在不断规范物联网 AI 解决方案 的数据隐私及信息安全。 物联网 AI 解决方案结合了 AI 和物联网的能力和效率，使其适合用分布式的智 能系统解决具体问题。从日常生活 AI 解决方案到制造及零售 AI 解决方案，各 行业正逐渐转向物联网 AI 解决方案。物联网 AI 解决方案的广泛采用推动了技 术的进一步发展。利用先进的 AGI 技术，可提升物联网 AI 解决方案的能力以 实现人机交互，使其在更广泛的应用场景中获得用户认可。
包括语音、视觉及文本在内的多模态交互，通过扩大 AI 的应用范围，显著推 动物联网 AI 解决方案的增长。物联网系统未来的功能需要在多个设备之间同 步，以完成综合任务。系统将提供多模态交互，包括语音、视觉和文本，以满 足多样化的用户需求。
2.4 医疗 AI 解决方案市场潜力巨大
目前中国的医疗提供者包括医院、基层医疗机构（如社区卫生服务中心、农村 卫生服务中心和村诊所）和其他医疗机构，其中医院的作用最为重要，占医院 总数 10.1%的大型三级医院集中了绝大部分医疗资源。根据国家卫健委的数据， 2020 年每位病人就诊的平均时间达到 180 分钟，但其中只有 4.4%（8 分钟）用 于诊断过程。AI 医疗解决方案可以提高诊断和治疗的效率及质量。例如，采用 医疗转写解决方案的医生花在写病历上的时间更少，有更多时间用于病人沟通。 此外，疾病诊断和治疗 AI 解决方案可以提高检查的效率。 医疗 AI 服务及解决方案主要包括医疗服务及治疗 AI、药品研发解决方案 AI 及其他 AI 赋能的新解决方案。具体而言，医疗服务 AI 是在优化医疗程序、提 高诊断和治疗质量、确保医院高效管理方面具有潜力的主要领域之一。
医疗 AI 服务及解决方案市场有着较高的进入壁垒。首先，需要拥有具有不同 领域专业知识的多学科人才，如医学、医疗保健服务、技术及公共政策，复合领域人才的缺乏是新进入者面临的首要挑战。其次是数据和技术壁垒，医疗转 写解决方案等产品，依赖于准确和完整的医疗知识图谱基础。资金壁垒同样是 行业进入者面临的挑战，医疗 AI 服务及解决方案提供商需要在生产、研发、 品牌推广、渠道建设、商业化等方面投入大量的资金。由于一些医疗 AI 服务 及解决方案对于数据积累的严格要求，需要较长的研发周期，新进入者面临严 重的资金限制。最后，与医院建立合作关系存在较高壁垒。医疗 AI 服务及解 决方案的商业化成功取决于能否尽早与医疗机构及地方主管部门建立稳定、高 度交互的合作伙伴关系。 中国医院医疗服务 AI 及解决方案的市场规模由 2019 年的人民币 11 亿元增加 至 2024 年的人民币 99 亿元，复合年增长率为 54.3%。根据 Frost&Sullivan 的 数据，于 2028 年，中国医疗 AI 服务及解决方案市场预计将达到人民币 1,485 亿元，2024 年至 2030 年的复合增长率为 56.6%。其中，中国医疗服务及治疗 AI 的市场规模由 2019 年的人民币 11 亿元增加至 2024 年的人民币 95 亿元， 复合年增长率为 55.0%。医疗服务及治疗 AI 市场预计将达到人民币 1,382 亿 元，2024 年至 2030 年的复合增长率为 56.3%。中国具有机器学习能力的医疗 服务及治疗 AI 解决方案提供商的市场规模由 2019 年的人民币 2 亿元增加至 2024 年的人民币 60 亿元，复合年增长率为 90.7%，并预期将于 2023 年达到人 民币 1,130 亿元，2024 年至 2030 年的复合年增长率为 63.2%。
未来受益于政策驱动，智慧医疗解决方案渗透率将持续提升。2018 年中国政府 提出了《电子病历系统应用水平分级评价管理办法（试行）》，规定了不同等级 电子病历系统的标准，并对三级医院提出了具体要求，作为 AI 应用发展的依 据。根据《办法》，所有三级医院应将其信息系统升级到 4 级（定义为支持全院 信息共享）或以上，以实现系统间的信息共享并支持初步决策。中国电子病历系统应用仍处于相对初级阶段，2022 年参与评级的医院中，8%达到 5 级（定 义为支持统一数据管理），1.6%的医院达到 6 级（定义为支持全流程医疗数据 闭环管理），0.3%的医院达到 7 级（定义为实现医疗安全质量管控）。鉴于配备 先进电子病历系统的医院数量较低，且政策的持续鼓励，提供医疗 AI 服务及 解决方案的公司有较大发展潜力。 医疗保险开支的上升，导致对于智能医疗开支控制解决方案的需求持续增长。 中国基本医疗保险基金的收入由 2019 年的人民币 24,421 亿元增加到 2022 年 的人民币 30,698 亿元，复合年增长率为 7.9%。支出由 2019 年的人民币 20,854 亿元增加到 2022 年的人民币 24,432 亿元，复合年增长率为 5.4%。规范治疗模 式防止保险欺诈的必要性愈发强烈。 大语言模型的最新技术进步已证明在提高医疗中基于知识及语言的模型能力 方面特别有效，利用大语言模型并借助 AI 赋能的医学推理，医疗 AI 解决方案 可作为独立自主的从业者运作，并具备参与各种医疗场景的知识及技能，尤其 是医疗保健服务。因此，基于知识及语言的医疗 AI 解决方案预计将成为未来 几年医疗 AI 服务及解决方案市场增长的主要驱动力。
3.1 体系化的技术竞争力
云知声 Atlas AI 基础设施由硬件及可实现计算、储存、连接、调度及管理的软 件资源组成。其支持公司的中央技术平台云知大脑以及云知大脑的核心算法模 型山海大模型的开发、优化及运营。云知声战略性地于 2016 年开始建立 Atlas AI 基础设施，其专注于公司的智算集群，就高效机器学习工作动态调度强大算 力。Atlas 的智算集群目前拥有超过 184PFLOPS 的计算能力，以及超过 10PB 的存储容量，而两者均可在不中断训练任务的情况下进行扩展。云知声的智算 集群可高效动态地调度数千个 GPU 进行并行计算，并无缝执行动态扩张，以 满足不断变化的业务需求。其亦能为大型机器学习任务优化资源使用率，例如 储存、带宽及算力，解决其重大并行计算的需求。智算集群强大的算力、高效 动态的调度和可扩展性，是公司推进AI解决方案及数据飞轮的核心竞争优势。 云知大脑为中央技术平台，具备高通用性、适应性及高效性。可透过芯片、边 缘 SDK、公有及私有云部署来交付。该中央技术平台赋能公司的 AI 应用解决 方案，开发者在此构建、测试及管理 AI 应用解决方案。云知大脑包括山海大 模型及一系列 AI 组件，其中，山海大模型是云知声 2023 年 5 月从基于 BERT 的大语言模型 UniCore 升级 GPT 架构而来，经过海量文本及代码预训练，得到 更高参数量、更强生成能力，具有强大通用能力的大模型。发布之后，山海大 模型又先后拓展了检索增强生成(RAG)、智能体(Agent)、多模态融合及深度推 理（类似 DeepSeek-R1）等技术能力，参数规模也扩大到千亿以上，保持通用 大模型能力在 OpenCompass、SuperCLUE 等多次评测中处于第一梯队水平。以 此为基础打造的专家级医疗大模型，在 2025 年 5 月的 MedBench 医疗综合评 测中获得第一名，并突破严肃场景下的规模化应用瓶颈，带动大模型相关业务 高速增长。
大语言模型山海大模型是云知大脑的核心。它决定了系统的认知及业务处理能 力，也是云知声基于 MaaS 的业务模式的关键。山海大模型是由云知声自研的 训练和推理一体化框架，经过 10T 级别的数据和代码预训练和百万级指令数据 后训练而成。通过深度融合跨模态信息并结合深度推理能力，山海大模型实现 了三方面的突破：一是支持高效混合推理模式，可自动针对不同难度的问题进 行推理模式的切换；二是拓展多模态融合，支持图音文等多源信息的输入；三 是可以接入模型上下文协议(MCP)。这种能力升级使山海大模型可高效赋能医 疗、交通等垂直领域的智能体(Agent)开发，将行业解决方案的构建週期缩短 40% 以上，并支持模型在持续反馈中实现迭代优化，形成“感知 — 决策 — 行动” 的业务闭环。
行业知识图谱是认知智能的核心组成部分，其与山海大模型结合可有效提高产 业知识的准确性和可靠性，大幅降低大模型固有的幻觉现象，解决严肃场景下 的产业应用问题。各种行业的专业知识、人们的日常生活常识、建筑空间的各 种规则都可以结构化及图谱化。在执行人机互动或任务时，大语言模型可以基 于 GraphRAG 技术，结合知识图谱中的内容，让系统做出更合理、有效及具体 的回应。例如，在公司新研发成功的门诊病历生成系统中，就利用了医疗知识 图谱中的疾病与症状等相关描述信息，大幅提高了门诊病历生成的质量，使得 医生对基于 AI 生成的病历的引用率达到 85%以上。 多模态感知与生成技术，已经有效整合到山海语音大模型中，显著提升语言理 解和情感表达能力。通过大模型蒸馏技术，可将模型参数压缩到 0.5B 以内，构 建端云结合的智慧座舱解决方案，将交互响应时间压缩到 300ms 以内，并在国 内车企成功交付。依托山海语音大模型，快速拓展多语言智能语音交互能力， 支持国内知名空调品牌等智能家电出海，并获国际领先技术认证。
云知声开发了一个独特的一站式物联网互联系统，就特定应用场景将所有相关 空间、装置、使用者和服务进行互联，重新定义人、事、物之间的有机互动。 该系统主要用于生活场景。以智能家庭为例：该系统的终端是各种物联网设备， 包括电灯、空调和风扇等执行设备，以及温度计、动作侦测器和烟雾侦测器等 感测器。该系统的中心是物联网系统，终端和中心透过互联网等相互连接。该 系统还包括与终端用户互动的各种终端及与运营商（倘有）打交道的各种业务 系统。例如，使用者感觉太冷，透过语音对互动终端说需要提高温度，系统会 理解使用者的意图并调节温度。同时，不同位置的温度感测器会透过互联网不 断向物联网中心传输资料。人工智能中心根据知识图谱判断，即使按照使用者 的要求调节了温度，某些区域的温度仍可能异常。因此，它会自动发出异常警 报，指挥特定的维护人员检查并解决问题。
3.2 研发投入及反馈闭环推动技术及产品优化
云知声持续重视前沿技术开发，布局未来业务场景。近年来，云知声研发投入 占毛利润比例持续超过或接近 100%。2025 年上半年公司投入研发资金 1.68 亿 元，主要用于大模型技术迭代升级和场景应用拓展。公司研发团队规模 312 人， 占雇员总数的 68.7%。云知声山海大模型在最新 MedBench 评测中获得第一名， 综合得分 93.1 分，其中医学语言理解高达 122.3 分，充分展现了云知声的技术 领先优势。与完全采用开源模型或缺乏自研大模型能力的纯应用开发商相比， 当面临需要深度定制模型核心模块以解决行业特定难题时，云知声的竞争优势 尤为显著。后续公司有望在保证技术创新的前提下，受益于规模效益的显现， 实现研发费用率的持续下降。
云知声构建了 “自我强化闭环” 体系。在这个体系中，技术应用产生的反馈 数据会反哺模型训练，持续优化模型性能；而性能提升后的模型又能推动业务 场景的进一步拓展，产生更多高质量数据。这种良性循环不仅能高效提升模型 性能，还能消除模型重建的需求，更重要的是，无需大量人工干预，极大降低 了技术落地的成本与门槛，是云知声的技术能够快速商业化的关键原因之一。
4.1 大模型持续迭代构筑智能体生态
2025 年上半年，云知声来自山海大模型的业务收入达到 0.99 亿元，爆发性增 长 457%，山海大模型已愈发成为云知声的业务增长引擎。展望未来，云知声 将持续加大对山海大模型的研发投入，不断提升其性能和应用能力。随着参数 规模的进一步扩展，山海大模型的语言理解、生成和推理能力将显著增强，将 在更多复杂及严肃场景下能够提供更加准确、高效的服务。随着云知声持续增 强山海大模型在多模态融合方面的研发，语音、图像、文本等多种信息模态的 深度融合，将为使用者提供更加自然、智能的人机交互体验。 山海大模型将有效支持云知声实现 SaaS 与 Agent 平台化转型。云知声正成功 从传统的、定制化程度高的项目制模式，转向提供标准化 SaaS 和智能体（Agent） 平台的模式。一次研发，多次复用，将显著降低公司边际研发成本，带来更高 的利润率。并且一旦客户的业务流程基于云知声的 API 或平台构建，转换成本 将带来巨大的客户黏性。
4.2“Agent 智能化”与“SaaS 平台化”双轨并行
Agent 智能化，专科诊疗领域。云知声通过技术重构医疗流程、生态整合区域 资源，正推动医疗 AI 从单点工具向系统性生产力升级。在专科诊疗 Agent 方 面，公司针对特定疾病（如肿瘤、心血管病）构建专科智能体，整合多模态数 据（影像、基因、病历）辅助诊断；在全病程管理 Agent 方面，公司为慢病患 者提供用药提醒、健康监测、并发症预警。在医院运营 Agent 方面，公司开发 适用于病历质控、DRG 医保审核、排班优化等多种应用场景的智能体。随着 Agent 数量的提升，云知声客户触达范围及合作深度将不断提升，显著促进智 慧医疗业务销售收入增长。 SaaS 平台化，抢占基层医疗市场。目前云知声正探索 SaaS 新型云端访问服务以 及订阅等分层付费模式，相较于传统 MaaS 模式（Model As A Service，模型即服 务）成本和代价较高的局限性。SaaS 模式有望降低医疗机构智能化准入成本， 进一步向广大市/县域基层打开市场空间。根据国家发改委的数据，截至 2020 年底，我国县级医院有 1.68 万所，市场前景广阔。
4.3 智慧生活业务持续扩张
除了物联网等日常生活使用场景外，云知声智慧生活业务还覆盖了智慧轨交 （如深圳地铁语音售票机）、智慧机场（如厦门高崎机场）、智慧座舱等场景。 云知声凭借深厚的技术积累和前瞻性的战略布局，打造了极具竞争力的智慧座舱解决方案，构建起稳定高效的“车端－云端”协同架构，为用户提供全流程 的智能语音交互服务。在车端，ECNR 技术通过降噪、回声消除、声源定位及 蓝牙通话等一系列功能，确保在复杂的行车环境下也能清晰准确地采集用户语 音；声纹识别（VPA）技术能够精准识别用户身份，为身份验证和个性化服务 提供有力支撑；语音唤醒（KWS）可快速响应特定唤醒词，让系统随时处于待 命状态，及时触发交互；多模态输入融合了语音与手势等信号，拓宽了交互维 度，使交互更加自然流畅。目前云知声智慧座舱解决方案已广泛应用于上汽智 己 L6、吉利睿蓝、吉利星瑞、吉利博越 L、吉利领克、极石等多款车型，为用 户带来更智能、安全、便捷的驾驶体验。 在企业服务方面，云知声成功开发了企业内部使用的智能体(Agent)数字专家， 从目前技术趋势发展来看，智能体(Agent)的发展遵循能力逐步演进的逻辑，从 “辅助业务”、“自主业务”逐步走向“通用智能”，因此通过基于智能体(Agent)的 数字专家在赋能传统岗位的同时，也将高效批量地创造新的岗位，这将为公司 的智能体(Agent)应用提供更为广阔空间。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
