完成1亿美元D1轮融资后，云知声如何继续深耕医疗市场？

最近一年，曾经在资本市场上吸金无数的AI独角兽们，正在面临前所未有的压力。全球股市处于高位阶段，上市窗口期稍纵即逝。而AI独角兽们的上市计划，却并不顺利。

例如，2021年2月，冲击科创板上市的AI独角兽企业云知声，就低调撤回了IPO申请。对此，云知声官方给出的原因是「出于公司战略发展因素考虑」。

暂停上市计划，或将给这些AI独角兽带来新的资金压力。但在一级市场，AI初创企业仍然算得上不错的投资标的。日前，云知声就宣布已启动由挚信资本领投，启明创投、磐谷创投跟投的D轮融资。目前，其已完成D1轮次近1亿美元的交割。

这意味着，此前撤回IPO的云知声，正在寻找新的融资节奏，并继续其在医疗、物联网及芯片领域的商业化探索。而在未来，这家以语音技术起家的AI独角兽，也将在商业化变现的道路上寻找更多可能。

医疗缘何成为AI最佳落地领域？

营收有限，研发投入巨大，亏损几乎成为了所有AI独角兽的共同现状。因此，寻找能够让AI实现大规模商业化落地的场景，已经成为了AI独角兽们的共同使命。

云知声也不例外，在众多细分行业赛道之中，医疗成为了云知声重点落地的领域。事实上，在第三次AI产业浪潮之中，AI医疗一直备受政策鼓励与市场肯定。

例如，在2017年，国务院发布的《新一代人工智能发展规划》就指出，要推广应用人工智能治疗新模式、新手段，建立快速精准的智能医疗体系。2018年，国务院印发了《国务院办公厅关于促进「互联网+医疗健康」发展的意见》，指出要开展基于人工智能技术、医疗健康智能设备的移动医疗示范，实现个人健康实时监测评估、疾病预警、慢病筛查、主动干预等。

36氪此前发布的《AI医疗行业研究报告》指出，医疗健康是AI最火热的投资领域之一，其热度仅次于金融服务。2018年，AI医疗市场规模就已达到200亿元。投资咨询平台灼识咨询则预测，2019年至2024年，中国智慧医疗市场的复合增长率有望达到67.2%。

作为一家以语音技术起家的AI企业，云知声切入医疗赛道的突破口，是语音病历录入。

在国内，「写病历」是许多新入职医生的主要工作。中国大型医院巨大的诊疗量，常常让年轻的住院医师们需要加班加点录入病历。而在门诊，专家和主治医师们的工作压力更大，10分钟看完一名患者是很多大型医院的常态，医生在病历录入上每节省一分钟，就能让更多的患者享受到更好的医疗服务。

而语音病历录入则解放了医生的双手，大大提升医生的工作效率。云知声招股书显示，该产品的语音准确度高达95%，可以使医生的录入效率提升40%，每天节省1.5-2个小时的时间。

以语音病历录入作为支点，云知声开始探索AI在医疗市场的更多可能。例如，在帮助医生录入病历的基础上，AI是否可以审阅病历内容，帮助医生寻找病历中可能出现的错误？答案，自然是肯定的。

云知声的AI病历质控解决方案，可以在形式与内涵两方面审查病历质量，辅助医生完成准确、可靠的病历文件。例如，当出现病历遗漏主诉、既往病史、过敏史等信息，或医生未根据病情变化添加相应判断、处理记录等情况时，AI病历质控产品可以自动给出修改意见，辅助医生完成病历。

事实上，在大型医疗机构，医疗质控是极为重要的环节之一。质控考核直接与科室与医生的效益挂钩，而质控管理缺失甚至可能导致医疗纠纷的发生。然而，医疗质控天然存在着滞后性，往往只能成为一项「事后补救措施」。而AI医疗质控产品的出现，则改变了这一现状，将质控流程前置化，甚至成为一种近乎实时的医疗质量检测手段。

云知声AI质控产品在某医院泌尿外科的应用结果显示，其准确率为85.6%，召回率为73.8%，与人工质控的重合度为63.4%，AI质控产品正在成为人类医生的好帮手。云知声招股书称，公司目前的智慧医疗产品已经落地于北京协和医院等近百家三甲医院。

构建AI医疗壁垒

与众多AI落地场景不同的是，医疗是一个高度专业的行业。AI企业在医疗领域的深耕细作，往往也能帮助其建立一定的行业壁垒。这种行业壁垒并不仅仅局限于技术壁垒，也包括场景与产品的壁垒。

如今，在AI医疗赛道上，AI企业们在底层技术能力上已经出现了同质化趋势，但在产品路线及市场定位上，AI企业仍然存在着不同的选择。而云知声更多关注的，是院内医疗市场的辅助决策类产品。

例如，语音病历录入就是一个相对基础的细分市场。在这一市场，AI企业需要掌握医学领域大量的专业词汇、专属名词，并完成针对医疗领域的定制适配，才能更好地服务于专业医疗人士。

在云知声的语音病历录入产品中，AI可以将符号自动补齐，例如，「血压一百二八十」，会转写为「BP：120/80 mmHg」。AI还可以将术语标准化，例如「白细胞十四点五」，会自动标化为「WBC：14.5×10^9」；「血氧八十六」，会自动标化为「SpO2：86%」。

此外，不同科室对于同一发音的名词也存在着不同的解读，例如，「fashao」一词在内科会被优先解读为「发烧」，而在皮肤科则会被有限解读为「发梢」。

不难看出，AI企业要想进军AI医疗这一巨大的市场，必须在医学领域深耕细作，解决医疗领域最基础也最复杂的know how问题。云知声IoT事业部总裁谢冠超对36氪透露，目前云知声医疗业务团队已经引入了十余位具有临床执业医师资格的医生，此外，云知声还与外部医院进行了深入合作，邀请医院协助开发医疗服务产品。

与此同时，云知声招股书指出，借助NLP技术，通过大量的医学教材、临床病例和临床指南，云知声构建了一个大规模、高质量的医学知识图谱。目前，该知识图谱已经覆盖了近60万个医学概念、近300万个医学术语、近400万个关系。在此基础上，云知声在CHIP 2019（第五届中国健康信息处理学术会议）临床术语标准化任务评测中成功夺冠，并在「大规模知识图谱构建关键技术与应用」中获得科学技术进步一等奖。

在谢冠超看来，医学AI的开发、训练过程，与人类医生的培养过程极其相似：一个医生首先需要在医学院里学习基础医学知识，再在医院完成实习、规培等流程，才能具备独立的诊疗资格；而「AI医生」同样如此，它也要通过大量的医学教材、临床病例及指南建立自己的知识图谱。而无论是人类医生，还是AI医生，都需要不断学习最新文献、临床指南，更新自己的医学知识，才能更好地服务患者。

而在AI医疗从业者眼中，AI医生现阶段承担的角色，更像是「全科医生」——现阶段的AI医生可能不够专业，甚至永远无法替代人类专科医生，但它完全可以承担类似导医分诊、病历审阅、医务质控等工作，辅助医生完成日常工作，提升医院的运行效率，并最终提升患者的诊疗效果与就医体验。

因此，与大型三甲医院相比，乡镇社区等基层医院其实更需要AI医生的帮助。在发达省市三甲医院只招博士生的同时，国家卫建委发布的《中国卫生健康统计年鉴》（2018年数据）却显示，中国执业医师中本科及本科以上学历占比仅有65%。低年资、低学历、大全科是许多基层医院医生的常态，对他们而言，AI医生的辅助能力就显得格外重要。

在现阶段，三级医院仍然是AI医疗服务的主要客户。而目前，国家正在积极推进整合基层医院与二、三级医院的医联体建设，基层医院也开始逐步受益于AI医疗服务。在未来，随着AI医疗服务的不断深入，也将会有越来越多的医院、医生、患者，体会到AI医疗服务的便利。

在院内AI医疗布局的基础之上，云知声积累了丰富的AI医疗能力。与此同时，云知声也开始将这些能力引入院外医疗市场。以医院作为支点，云知声也推出了针对院外场景的AI智能随访系统。此前，平安好医生也宣布与云知声达成合作，引入云知声的AI医生服务。

「云-端-芯」一体化——AI公司新模式

自2016年以来，医疗就成为了云知声重点投入的商业化赛道之一。事实上，云知声早在公司成立之初的2012年，就迅速完成了由「算法企业」向「云服务企业」转型的商业化起步阶段。而此后，云知声在商业化领域追求的目标，则是「云-端-芯」的一体化服务能力。

2015年，云知声启动了AI语音芯片项目。2018年，云知声的首款AI语音芯片「雨燕」完成流片。目前，云知声的「雨燕」「蜂鸟」系列芯片已开始量产、销售，而面向车机系统的「雪豹」芯片则已完成流片，并进入了测试阶段。

值得注意的是，云知声的芯片发布时间节点没有明显的时间规律。事实上，云知声也并非是一家传统意义上的「芯片企业」。它的芯片战略及产品路线图，直接服务于企业自身业务战略，即赋能现有场景下的产品与业务，提升业务毛利率。这与传统芯片企业的「卖芯片」模式存在着本质区别。

在2015年以前，云知声的算力平台、语音模组，大多外采高通等品牌芯片，成本相对较高，且供应链不可控。在这一背景下，云知声提出了「云-端-芯」一体战略，通过自研芯片降低采购成本，提升供应链自主性。

与传统芯片相比，云知声的AI芯片搭载了自研的神经网络加速器及相关IP，并具备更低的功耗。以云知声旗下主打低功耗的「蜂鸟M」芯片为例，其工作模式下的功耗仅有150mW，仅为一般通用芯片的十分之一。此外，对于云知声自身而言，自研芯片的物料成本也更低。

在芯片的基础上，云知声也推出了整合芯片的计算平台/模组解决方案。例如，针对白电产品，云知声推出了白电语音模组产品，可以让家电产品具备5米内的高精度语音交互能力，以服务家电厂商。

谢冠超对36氪表示，云知声的芯片战略主要为产品战略服务：「我们不会把云知声定义为一家传统芯片公司，而是将芯片服务于我们的客户场景之中。」

具体而言，云知声会根据客户需求，选择最适合的产品交付模式。在硬件层面上，云知声的硬件模组可能会采用自研芯片，也可能会外采芯片。而与此同时，云知声也会对外销售一部分芯片给其他AI企业或客户。在智慧物联市场，「云-端-芯」的一体化战略也让云知声在硬件层面上就能与用户形成更深的绑定。

对于云知声而言，在更好地服务终端客户之外，自研芯片也提升了自身供应链的稳定性。此外，云知声此前发布的招股书显示，在规模化推广自研芯片产品后，云知声也获得了更高的毛利率。而随着自研芯片计划的不断推进，云知声的「云-端-芯」战略也将愈加清晰。

在「云-端-芯」的产品服务模式之下，云知声正在围绕各个行业总结出自己的行业玩法，也开始为各个行业的智能化添砖加瓦，创造出新的社会价值。

例如，在医疗行业，云知声建立了一个相对完善的临床知识图谱，在介入云知声病案AI审核系统后，某试点医院的违规行为核减金额较此前出现了数倍的增加。AI在帮助医院提升效率的同时，也为国家的医保控费工作做出了巨大贡献。也许，这也是AI未来的社会价值所在——在提升社会运作效率的同时，也能承担更多责任。