「IPO全观察」栏目聚焦首次公开募股公司，报道企业家创业经历与成功故事，剖析公司商业模式和经营业绩，并揭秘VC、CVC等各方资本力量对公司的投资加持。

作者丨巴里

编辑丨关雎

图源丨云知声

12年前，刚创业不到一年的中科大博士黄伟面临一次重大抉择：一家巨头给出了“很多人无法拒绝”的收购价格，甚至能让他早早享受“沙滩游艇”的轻松生活。

但当他征求合伙人梁家恩的意见时，对方提出疑问：“创业还不到一年就卖掉，是不是太怂了？”

这句话点醒了他——他不想轻易放弃，更想和团队一起把事做成。如今，尽管创业让他“累”了13年，但他认为这段经历足够精彩，至少证明了自己和团队坚持的方向没有错。

13年坚持的成果，成为了今年的“港股AGI第一股”。

6月30日，黄伟掌舵的云知声智能科技股份有限公司（以下简称“云知声”）成功在港交所挂牌。云知声IPO发行价定为每股205港元，募资总额约为3.2亿港元，募资净额约为2.06亿港元。

上市首日，云知声的开盘价与IPO发行价持平，盘中一度涨至319.8港元/股。截至当日收盘，云知声的股价报收296.4港元/股，较发行价的涨幅为44.59%，市值约为210亿港元（约合191.6亿人民币）。

成立至今，云知声至少完成10轮融资，背后站着一支庞大的投资队伍，包括挚信资本、启明创投、中网投、京东、360、高通创投等30多家国内外一线投资机构及国家队基金，累计融资额超20亿元。

年入近10亿

两位中科大学霸创业13年

1976年，黄伟出生于一个军人家庭，这使得他的性格坚毅果断、喜欢思考。

他与科大讯飞创始人刘庆峰同为中科大校友，晚三届入学，是刘庆峰师弟。1999年刘庆峰创办科大讯飞时，黄伟仍在攻读学位。

中科大求学期间，黄伟硕士研究医学图像三维可视化，博士攻读语音方向，均属数字信号处理领域。这一从图像到语音的研究路径，为后来多模态大模型的兴起埋下伏笔。

博士毕业后，黄伟进入上海交大生物医学工程博士后流动站。2004年，摩托罗拉与上海交大合作开展博士后项目，他加入摩托罗拉中国研究中心担任资深研究员。

金融危机期间，摩托罗拉将语音识别团队出售给Nuance，黄伟拒绝被收编，于2009年加入盛大网络创新院，并于次年创建语音分院。

他带领的盛大语音团队曾获国际认可：2010 - 2011年，在美国国家标准技术署（NIST）声纹识别评测（SRE）大赛中，团队力压麻省理工、斯坦福研究中心、IBM等对手，在9个单项任务中斩获5项第一，综合指标位列榜首。

2011年，黄伟的师弟梁家恩加入盛大语音分院担任高级研究员。

同年，搭载Siri的iPhone 4s问世，全球智能语音创业浪潮兴起。因盛大创新院战略调整，语音团队从创新院剥离至盛大掌门科技，黄伟与梁家恩于2012年共同创立云知声。

彼时，iPhone 4s搭载Siri引发全球智能语音创业热潮，黄伟敏锐捕捉到智能语音作为人机交互入口的潜力。

云知声创始人&CEO黄伟，摄

2012年7月，云知声成立并推出语音云平台。

创业初期，黄伟掏空积蓄并借款200万元。“买房子贷款都没贷过这么多钱，但为了实现AI梦想，值得。”他回忆道。

云知声定位人工智能底层技术与应用研发，技术演进紧跟行业趋势：从判别式AI的1.0阶段（语音识别、图像识别），到大模型崛起后的生成式AI 2.0阶段，每一步都与行业同频。

黄伟将人类需求总结为“快乐”与“健康”的二元命题：抖音、泡泡玛特满足情绪价值，医疗健康则承载生存刚需。基于此，团队在2013年便进军医疗AI“无人区”——尽管当时多数医院信息化基础薄弱，但提前布局暗合“抢占未来先机”的逻辑。

2014年，云知声选定医疗、物联网（IOT）两大商业化场景，提出“云端芯一体化”战略。2018年推出边缘交互式AI语音芯片UniOne系列，2023年提供约1300万颗消费级AI语音芯片。

大模型领域，云知声2016年建立Atlas人工智能基础设施，2017年推出基于BERT的大语言模型UniCore，2023年发布拥有600亿参数的自有大模型山海大模型。

据Frost&Sullivan数据，按2024年收入计，云知声是中国第四大AI解决方案提供商，在国内生活AI解决方案市场排名第三，医疗AI服务及解决方案市场排名第四。

截至2024年，客户数量达576家，覆盖华为、美的、格力、京东、北京协和医院、平安集团、吉利汽车等头部企业。

不靠人脉、构建“信任标杆”

拿下中国顶尖医院客户

“每个医生平均每天花三个小时来写病历，现在只需要一个小时。”

云知声通过AI语音+医疗，提升医生工作效率与医疗质量，同时降低医院运营成本。其服务涵盖智能导诊、医学影像辅助诊断及医保支付管理等多场景。

北京协和医院成为了云知声医疗领域首个客户，本质上是云知声希望在行业内形成“标杆效应”，降低新客户的决策门槛。尤其是在ToB领域，灯塔客户的口碑是最直接的市场通行证。

黄伟认为，与中小客户合作，对行业理解容易相对片面，而锚定头部客户的需求更能直击行业终极命题——与协和医院合作使团队深入掌握临床体系与诊疗流程，快速积累行业经验。

这一策略凸显了To B与To C的核心差异：To C依赖产品经理对人性的洞察，To B则需严格遵循“客户需要什么就做什么”的逻辑。

早期，云知声凭借技术硬实力而非人脉资源打动协和医院。

“你早期没有品牌优势、没有客户案例，你越找人，别人越觉得你没有实力，没有人敢合作。”黄伟谈到。

2016年，黄伟每日清晨7点参与协和医院晨会，与信息处、分管副院长及各科室负责人讨论信息化需求。“医院不看学术指标，而是直接在病房测试，各种口音、专业术语都是考验。”

学术指标仅反映生产环境下的语音翻译准确率，而实际应用中，复杂环境（如嘈杂背景、方言口音）与医学专用名词会进一步降低识别准确率，对技术提出更高要求。

黄伟强调，技术落地需通过“自下而上”路径，让医生、科室主任等实际使用者从技术层面认可能力。

通常，To B合作中，头部客户决策极为理性：技术需在复杂场景（嘈杂环境、方言口音、专业术语）中证明稳定性，产品必须直击临床痛点。

服务能力也是To B 合作的核心支撑。

医院要求7×24小时即时响应，系统故障需短时间内解决，这对团队执行力与企业文化提出了更高要求。

招股书显示，2022 - 2024年，云知声医疗业务收入分别为1.1亿元、1.5亿元、2.0亿元，占总收入比例从18.9%稳步提升至21.2%。

其标准化产品模式依托“云端芯一体化”战略：将AI能力模块化，如同预制件搭积木，实现快速场景适配。

云知声在医疗赛道的优势源于“时间杠杆”——当同行仍在为医疗数据与行业认知的“鸡生蛋”困境挣扎时，团队已通过十年临床落地积累上百家医院信任资产。

然而，医疗业务并非易事。

云知声从2013 - 2014年启动战略规划，至2016年才实现产品落地，期间耗时两年多打磨产品：进行PVC测试、医院试用，直至医生将其视为工作刚需，在严肃临床场景中站稳脚跟。

这种扎根垂直领域的耐心与积累，是互联网巨头等平台型公司短期内难以复制的。

这种壁垒在大模型技术切换时尤为显著——老客户仅需从底层将BERT模型升级为山海大模型，即可完成产品迭代，省去了商务成本。

正如黄伟所言，当年在医院走廊抱着服务器调参数的坚持，最终实现了技术升级的“丝滑切换”，而这份穿越周期的耐心，正是AI医疗赛道最稀缺的护城河。

把芯片当做“硬件SDK”

即插即用降低客户门槛

物联网业务也同样遵循技术与需求匹配的逻辑。

2014年云知声搭建“云-端-芯”产品体系，2018年推出面向高低端市场的AI语音芯片“雨燕”“蜂鸟”并交付格力。

通过与格力合作，逐步拓展至奥克斯、TCL等客户，2024年芯片出货量达3600万颗且预计持续增长。

黄伟指出，物联网智能化需求不断演进：六七年前汽车尚未普及语音交互，如今10万元级车型已将其作为标配。

基于此，云知声将智能化能力延伸至汽车领域，客户涵盖奔驰、吉利、东风等。他类比触摸屏普及后用户习惯的变化，认为车内、家庭场景的自然语言交互需求将外溢至更多空间，如深圳地铁已实现语音购票。

云知声智能驾舱演示，摄

云知声智慧生活业务是营收主力，解决方案覆盖智能家居（语音控制家电）、车载语音（安全交互）、智慧交通（系统管理）、金融服务（业务提效）、物联网（设备互联）等领域。

招股书显示，2022 - 2024年该业务收入分别为4.9亿元、5.8亿元、7.4亿元，占总收入比例超78%，客户数量从389家增至411家，涵盖中国大型保险集团、深圳地铁20号线等。

云知声AI家居芯片模组，摄

构筑“一横一纵”

开始向其他行业复制

据黄伟介绍，云知声的战略布局可概括为“一横一纵”。

“一横”覆盖消费电子、汽车、家居、酒店等物联网场景，输出通用人工智能能力，如同“高品质的水”满足多元需求——无论用户身份（教授、农民等）或地域（南北差异），只要不涉及专业问题，均可通过该能力服务千行百业。

“一纵”聚焦医疗知识密集型场景，医学的高专业门槛（培养医生需10年以上）使其具备深度挖掘价值。

当前，云知声AI能力正从“医生助手”升级为“医生导师”：早期类似“学生记录、老专家看病”，如今通过山海大模型可在诊疗中实时提醒关键问题、减少漏诊误诊。例如西南某医院，大模型会在问诊时同步提示潜在风险。

值得一提的是，经过2年的发展，2024年山海大模型的收入达到7420万元，客户已达65家。

黄伟指出，“一横一纵”两个战略方向承载着不同的技术与商业价值。

“一横”重在广度——通过通用能力快速覆盖多场景；“一纵”重在深度——以医疗为切入点挑战技术天花板。

医疗业务的核心并非收入规模，而是服务顶尖医院的数量与质量（如协和、友谊医院），这些医院丰富的医学知识库如同“医学图书馆”，医生高频使用产品相当于积累数万名“模型训练师”，这种“内化知识”模式比直接销售更具长期价值。

他强调，医疗的价值不仅在于技术突破，更在于AI辅助甚至超越人类医生的潜力——医生的每一次精准诊断都可能救命，这种社会价值远超收入或毛利的衡量。

目前，纵向的医疗能力已开始向其他知识密集型行业复制，如保险（协助医保局、保险公司审核费用清单）、法律（与国内大律所合作）。其中，保险领域已拓展六七个新客户，进入小规模深耕阶段；法律则是今年初步尝试。

未来，医疗场景仍将是云知声的重点，目标是做到全球技术领先；保险会继续巩固，法律则探索深化，逐步形成独立业务板块。

卖模型是伪命题

只卖基于大模型的产品和方案

过去“Copy to China”模式在互联网时代可行（如搜索引擎、电子支付可直接复制美国模式），但如今美国科技公司的商业模式需结合中国本土实际。

黄伟认为，团队既要借鉴国际经验，也要适应国情差异。

以医疗行业为例，业内常探讨SaaS模式，但医院普遍不接受。

云知声采用“接近SaaS的模式”应对：通过产品化、模块化收费（如按需组合A、B、C等功能模块，底层技术统一），灵活满足客户需求。他类比“做水”——无论客户将“水”制成矿泉水、果汁还是其他饮品，本质是提供底层能力，外界认为的“杂”并非核心问题。

这一模式支撑了云知声度过艰难时期：疫情期间项目制模式（依赖线下沟通、长周期交付）难以为继，标准化模块交付却让企业持续运营。

云知声的核心战略是2014年确定的“云端芯一体化”：专注做产品而非项目，既能支持私有化部署（如医疗场景），也能适配公有云需求（如车载场景），满足差异化要求。

如今，DeepSeek的爆发对行业而言有着多重意义。

在黄伟看来，首先证明中国本土团队的科技创新能力——百人规模团队可在技术上抗衡海外百亿美金投入的巨头；其次完成全民大模型科普，客户从被动接受转为主动寻求应用，“不用大模型就out”成为共识。

实际上，市场分层早已明确：

有AI能力的客户无需服务；没有AI能力的客户是核心目标；中间层客户尝试自建团队，用免费开源模型三个月后效果仅从60分提升至75分，远未达行业95分及格线，最终因成本高、场景适配差回归专业团队。

这种“自己干花3000万，外包花1000万”的成本对比，推动企业理性选择。

“卖模型就是个伪命题。”黄伟指出，有技术的企业早已用开源模型自建体系（DeepSeek免费版性能超多数采购产品），没技术的企业即便拿到模型也难以驾驭。

因此，云知声从不卖模型，只卖基于山海大模型的产品和解决方案。

AI创业者要忘掉博士标签

做一个真正商业组织的CEO

常有人问黄伟“什么时候更难”，他的回答是“明天更难”——创业的艰难是持续的，每一天都充满挑战。

他笑称，若早知创业如此辛苦，当初或许不会选择这条路。

但他强调，创业本质上需要理想主义：

若一开始就把路径规划得清晰周全，或许根本不该开始，因为创业本就是“九死一生”；而一旦启动，就必须具备长期主义的心态，像张一鸣说的“延迟满足感”，即便当下取得成绩，也需保持清醒，因为后续可能面临狂风暴雨。

而所谓乐观，不过是熬过明天的结果——不乐观，便撑不过当下。

他坦言自己原本性格谨慎，但军人家庭的成长背景赋予他骨子里的坚韧——遇到困难时，他总愿咬牙坚持。

黄伟的经验是，每一次克服困难的过程，不仅是解决问题，更会提升克服困难的能力，包括技术、手段和心力；随着能力提升，面对中等困难时再顶一顶就能解决，能力进一步提升，心态也更坚韧。

就像打怪升级，最初并未预料到创业会有这么多困难。

阶段性困难是企业的普遍挑战，但只要努力坚持，总会有朋友信任支持。这让黄伟相信，“每到绝处总能逢生”。

他特别提醒，年轻创业者如今面临的挑战远超十年前，需避免“唯技术论”——博士学历、论文成果仅是起点，而非终点，应忘掉“博士”标签，真正以商业组织CEO的身份思考，将技术、产品、商业深度融合。

创业的征途上，孤独本是常态。许多心绪，如深海潜流，难与团队言说，更无法向外人道明，唯有独自沉淀，默然消化。

黄伟自有一套与自我和解的方式：泳池里的往返划水，是与水流对话，涤荡疲惫；偶尔沉浸于音乐的褶皱里，任旋律抚慰心神；或是独往古寺，在晨钟暮鼓中寻一份澄明；亦或与三五好友围坐，茶香袅袅间闲话家常。

这些细碎的瞬间，皆是他调整状态的隐秘出口。

最后，他感叹，创业本就是一场漫长的修行，需以全维度的能力去丈量征途。唯有不断走出安逸的樊篱，在千头万绪中寻得技术、商业与自我状态的微妙平衡，方能在时代的浪潮中，稳稳接住每一次挑战。