據36氪報道，近日，諦聲科技宣布完成6000萬A輪融資，本輪投資由祥峰投資領投，聯想創投跟投。融資資金主要用于產品研發，希望與投資方達成戰略合作目的，擴展產品銷售體系和海外業務。

諦聲科技分別在2018年和2019年完成天使輪和Pre-A輪融資。天使輪融資近千萬人民幣，由英諾天使與臻云創投領投，創勢資本、AC資本與燕清資本跟投。Pre-A輪融資達到千萬級，投資方為達晨財智和新微資本。

成立于2018年初的諦聲科技，是一家領先的企業級聲學AI技術服務商，也是國內首家具備多麥克風陣列復雜聲場環境信號處理核心能力的商業級團隊。諦聲科技以模塊化聲陣列產品矩陣、平臺級數據模型能力，結合行業聲紋數據，為高精設備、工業制造提供高精度、預測性、實時性的故障診斷及預測性維護服務，目前在軌道交通、電力、工業制造、安防等多個行業和應用場景都有實際落地案例。

工業設備監測與故障定位的需求和優勢

在工業生產中，生產安全的巡檢是一個必不可少的環節。無論是加工大廠還是地方小廠，都需要具有工程經驗的師傅進行人工巡檢，保障生產安全和開機順利。近年來，隨著人口紅利減少，年輕人越發不愿意進入工廠打工，而原有的工程師群體隨著年齡偏大，工作效率開始逐漸降低。需求逐漸增長，符合需求的工程師群體卻逐漸減少。因此，通過機器輔助生產安全巡檢，預測生產器械可能存在的隱患，提高工程師的效率變得勢在必行。

為實現設備監測和健康評估，對故障進行診斷定位，諦聲科技通過軟件+矩陣化硬件的聲學產品模塊，對交通、電力、能源、制造業等不同工業場景進行預測性維護。聲學軟硬件解決方案如何建立核心壁壘，幫助客戶進行預測性維護？諦聲科技CEO丁東亮給出以下三點答案：

一、時代背景：國際上，圍繞聲學開發的To B工業級別產品已有很長的發展史，以BK technology為代表的企業擁有超過70年的歷史，積累了大量的項目經驗和數據。然而，由于工業發展階段存在差異以及政策等原因，國際上的知名企業并沒有將發展重心放在中國市場，因此存在工業場景不適配、售后溝通不流暢等問題，導致中國市場存在大量空白。近年來，隨著MEMS傳感器成本不斷降低、技術高速發展，基于新型MEMS陣列的信號處理方式和深度學習等前沿算法，為中國的后發企業彎道超車提供機會。在軌道交通以及能源等中國作為世界龍頭的細分工業領域，諦聲科技未來有成為國際領先企業的可能。

二、技術積累：由于工業生產環境非常復雜，聲學算法模型也必須有相應的匹配，因此聲學故障監測也有諸多細分領域，對設備認知和原始數據模型都有一定要求。如在完全沒有積累的細分領域開展一個新項目，需要以年為單位計算數據收集和研發時間。在確定一個聲學故障監測業務前，前期的項目經驗與模型訓練數據積累可以達到60%的工作量。諦聲科技創始團隊來源于中科院聲學所，在校時期已經有一定的研發經驗和項目積累。當前諦聲科技已收集37種鐵路系統故障模型，電網50余種，工業百余種，形成了故障數據庫的技術壁壘。目前諦聲科技的遠場拾音麥克風陣列極限定位距離可達10km，50m內的局放定位分析誤差在20cm。

三、產品迭代：工業細分場景諸多，決定了以一款產品通吃的模式是不可行的。因此，緊跟用戶需求和技術發展進行產品迭代升級，是預測性檢測行業比拼的核心之一。諦聲科技擁有專門的產品供應鏈團隊，緊密連接研發與客戶，滿足客戶對產品的需求。當前諦聲科技建立了“平臺+模型+行業設備聲音庫”的產品矩陣，以邊緣計算和智能網關為底層，通過通用聲紋識別模塊、通用型麥克風陣列以及核心人工智能算法，實現對各工業應用場景的設備智能健康管理。

核心技術

千萬級客單價，業務高速增長

當前諦聲科技在交通、能源、電力等工業場景的收入來源非常均衡。平均客單價也達到千萬級，從2018年至今保持業務量保持高速增長。在國內業務基礎之上，諦聲科技目前在歐洲、日本等區域也在開展合作，已產生了部分業務訂單。

諦聲科技在創立之初就進行了大量的調研，對國際知名企業的財務報表和技術路線進行了深入研究分析，了解聲學預測性維護在不同工業場景的前景，并最終結合團隊的技術背景和優勢確認了相應的發展路線。軟硬件結合的銷售模式也更符合中國用戶的喜好，當前的業務情況也印證了前期調研的結果。

諦聲科技目前共有50余人的團隊，研發：產品：項目的人員比例約在2：3：4的狀態，整體團隊框架已搭建起來，為了滿足這兩年客戶需求的高速增長，產品與項目團隊還在逐漸擴招。

丁東亮表示，當前行業發展最大的難點還是建立起客戶對聲學預測性維護的認知。聲學預測性維護市場雖然廣闊，但發展年限相對較短。頭部的工業場景客戶都有相關的了解，因此雙方的配合也很好。但如果要推廣到更多的客戶，就需要做更多的基礎性科普工作，幫助更多客戶了解行業所能提供的價值。

在諦聲科技看來，當前無論是技術還是成本，都是聲學預測性維護發展的好時機。技術角度來說，當前的非聲學物聯網 傳感器發展還不夠成熟，運用在工業場景存在云端通訊數據流量較大，故障識別技術門檻較高等問題。基于云計算的物聯網設備當前仍有一定延遲，當前在時效性要求較高的工業場景并不如邊緣計算好用。當前諦聲科技的硬件成本主要在麥克風陣列和芯片，這部分成本將隨著MEMS傳感器的發展和工業技術芯片的規模化使用而逐漸降低。

產品結構

賽道分散，前景廣闊

諦聲科技COO常煒熙告訴36氪，設備故障監測的賽道非常廣闊并且分散，并且有震動監測、超聲波探傷、聲學檢測等細分賽道。由于工業場景分散，無論是頭部的工業大廠還是區域的小工廠，只要有工業設備的工廠就對設備故障監測有需求，因此市場非常廣闊，只靠頭部幾家企業肯定無法覆蓋所有市場。同時，工業的分散場景和中國的大市場也決定了行業當前集中度并不高，每個企業仍有充分的發展空間。

祥峰投資合伙人李偉表示：“利用遠場拾音技術，針對工業設備進行工作狀態的實時監測以及預測性維護，有著廣闊的市場空間和前景。公司在聲學領域有較深的積累，具備從麥克風陣列設計、聲音信號處理到特定場景聲紋故障數據庫構建的整體解決方案能力，已經在多個行業完成了產品的商業化落地和批量出貨。我們相信，團隊未來能夠鞏固并拓展不同的應用場景，并在該領域扮演重要的角色。”

聯想集團高級副總裁、聯想創投集團總裁賀志強表示：“作為聯想集團的全球科技產業CVC，聯想創投非常重視工業數字化和智能化發展新機會，諦聲科技在非接觸工業檢測方面建立起核心技術壁壘，填補著國內圍繞聲學開發的To B工業級別產品的空白，其在數據智能和產業融合方面的經驗與理解，也為聯想生態和業務鏈合作創造著無限可能。未來，我們將發揮聯想創投的CVC優勢，聯動聯想全球資源與諦聲科技共同成長，共創產業價值。”

責任編輯：lq