云知声冲击港股IPO，京东与360参投，为国内第四大AI解决方案提供商

港交所近日披露，云知声递表港交所主板申请上市，中金公司、海通国际担任联席保荐人。

综合 | 招股书  编辑 | Echo

本文仅为信息交流之用，不构成任何交易建议

招股书显示，云知声是中国AGI技术的先行者，特别在被视作通向AGI关键路径的大语言模型商业化方面取得成功。交互式AI本质上通过与人类直接和持续交互来运行，受益于自动和不断提升其能力的反馈闭环，并具有最大的AGI商业化潜力。

在2017年Transformer算法及2018年BERT算法在自然语言处理方面取得突破后不久，公司利用公司在交互式AI方面强大的研发专业知识及自成立以来获得的市场洞察力，公司推出首个基于BERT的大语言模型UniCore，作为公司的中心技术平台云知大脑的初始核心算法模型，并为广泛的垂直行业的客户赋能一系列AI解决方案。

云知声战略性地于2016年开始建立Atlas人工智能基础设施，其专注于公司的智算集群，高效地就机器学习工作动态调度强大的算力。其为前沿AI模型的开发、优化和商业化提供重要支撑。公司的智算集群目前拥有超过300PFLOPS的计算能力，以及超过2.6PB的存储容量。

在过去几年UniCore的演进和改良的基础上，公司于2023年推出了一个拥有600亿个参数的自有大语言模型山海大模型，作为公司中心技术平台云知大脑(UniBrain)的新核心算法模型，公司持续迭代该模型。

相较UniCore，山海大模型具有更大的参数及数据规模、生成能力以及强大的多语言及基本知识能力。通过一系列工具增强行业知识、指令调优及强化人类反馈，公司能够将山海大语言模型进一步提升为一个提供全面通用知识和行业特定专业知识的大模型，通过MaaS适配各种应用场景。

云知声为智慧生活和智慧医疗中广泛的应用场景提供了极具竞争优势的产品和解决方案。中国的AI解决方案市场高度分散。根据弗若斯特沙利文的资料，按收入计，云知声是2022年中国第四大AI解决方案提供商，市场份额为0.6%，但在年度收入超过人民币5亿元的企业中增长最快。

同年，按收入计，公司在中国智慧生活及智慧医院行业均排名第三。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，进而支持山海大模型的持续迭代以成为云知大脑的核心。

具体来看，云知声提供可于智慧住宅、商业空间、酒店及交通等智慧生活场景应用的多样化的AI产品及解决方案。企业可以为客户提供由AI解决方案赋能的沉浸式智能产品及服务，从而提升运营效率及服务质量，并减少管理成本。

例如，公司开发了智能语音售票系统，应用于深圳地铁20号线的自动售票机。该系统使乘客可透过语音选择目的地，于售票机选站的平均时间由传统人手约15秒缩短至约1.5秒。该功能提高购票效率，并解决售票机排队造成的拥堵问题，从而改善整体乘客体验及优化地铁站内的交通流量。

于2022年及2023年，智慧生活解决方案已赋能373名及389名客户，包括中国前三大保险集团之一，深圳地铁20号线及厦门软件园。

此外，公司通过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API、定制专有AI技术服务平台及AI模型嵌入式芯片和物联网硬件模块。

于2022年及2023年，公司AI能力的外部用户月调用量峰值分别为9.16亿及9.85亿。同年，公司已分别向开发者和客户销售1280万及2450万颗AI芯片。公司通常根据客户所选择的产品总单价及定制程度厘定产品的最终价格。

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。该等AI解决方案通常作为定制的AI赋能业务系统交付，以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。

例如，在病历质控方面，于应用人工智能之前，传统信息技术解决方案只能就及时性与完整性进行基本质控。然而，随着自然语言理解及临床知识图谱的应用，如今其可以就标准化及合理性进行质控，大幅提升质控的范围及深度，达到接近人工专家质控质量的完成度。

具体而言，自然语言理解技术用于识别实体及从病历文本中提取关系。通过理解该等文件，可以对住院患者的病情变化及诊疗过程进行建模并再现。然后，应用临床知识图谱中储存的知识进行推理，以确定病历文件中反映的诊断及治疗行动是否合理，从而进行深入质控。

该等AI解决方案亦可帮助医务人员提高效率。例如，与打字输入相比，病历语音输入系统将病历输入的速度加快四至六倍；与人工审核相比，病历质控系统将质量审核所需的时间减少80%，因此能全面检查所有医疗记录，而人工审核仅能抽样检查医疗记录。

该等AI解决方案亦有助于防止不合理的医疗开支，支持医改，并提高医疗保险的使用率和效率。于2023年，公司已向167名客户提供AI解决方案。公司通常根据所提供解决方案的功能及执行的客制化程度厘定最终价格。

云知声的Atlas人工智能基础设施是由硬件及可实现网络连接、通信、运营及管理的软件资源组成的基础层。其支持中央技术层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。

Atlas的智算集群目前拥有超过300PFLOPS的计算能力，以及超过2.6PB的存储容量。公司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。其亦优化大型机器学习任务的储存、带宽及算力。就大语言模型而言，特别是公司的智算集群对并行机制进行深度工程效率优化，充分利用计算和带宽资源。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解决方案的核心竞争优势。

云知大脑为中央技术平台层，包括芯片、边缘SDK、公有及私有云部署等多种交付及部署方式。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。

云知大脑由Atlas人工智能基础设施支持，包括核心算法模型及一系列AI组件。核心算法模型自2019年起一直为UniCore，直至其于2023年5月被山海大模型取代。UniCore为公司首个BERT大语言模型。在过去几年UniCore的发展和改良的基础上，山海大模型具有更高的参数及数据规模以及生成能力。经过海量文本及代码预训练，其拥有超过600亿个参数，具有强大的通用能力。

于往绩记录期间，云知声的收入主要来自销售AI产品及解决方案。公司的收入由2021年的人民币（下同）4.56亿元增加至2023年的7.27亿元，复合年增长率为26.3%；公司的毛利由2021年的1.45亿元增加至2023年的2.95亿元，复合年增长率为42.5%；公司于2021年、2022年及2023年的净亏损分别为4.34亿元、3.75亿元及3.76亿元；公司于2021年、2022年及2023年的经调整净亏损（非国际财务报告准则计量）分别为1.72亿元、1.83亿元及1.37亿元。

于往绩记录期间，云知声的客户由2021年的510名增加至2022年的538名以及进一步增加至2023年的555名，主要由于公司提供的多种基于模型的人工智能解决方案及产品增加及其适用行业增加，以及对智能医疗解决方案的需求增加，以及医院内部系统的智能化升级。

根据弗若斯特沙利文的资料，在竞争激烈的人工智能行业中，大量研发投资是推动创新及技术进步的先决条件，在整个行业中普遍存在。尽管经营亏损乃主要由于大量研发成本，云知声认为，公司在改善人工智能技术方面的战略投资将使公司在竞争激烈的人工智能环境中处于有利地位，并为公司的长期成功作出贡献。公司对研发的承诺已展现良好的业绩，于往绩记录期间，公司的收入持续增长。公司的强大技术能力直接导致此增长，且公司预期将继续产生长期效益。

本次云知声香港IPO募集金额将在未来五年被用于提高公司的研发能力；分配用于投资新兴的商业机会，并提高公司的产品在行业垂直场景中的采用和渗透；分配于国际扩张和战略合作；将被分配于营运资金和一般企业用途。