文 观察者网心智观察所
经过多年不懈奋斗，在上一轮人工智能热潮中崭露头角的云知声智能科技股份有限公司（以下简称云知声）成功踏足香港交易所。该企业在6月30日于港交所主板正式挂牌，股票代码为09678.HK，发行价为每股205港元。
此次募集资金总额约为2.06亿港元，与2020年冲刺科创板时规划的91亿元人民币计划相比，差距甚远。然而，考虑到云知声截至2024年末，投资人赎回的债务累计已达33亿元人民币，而公司账面上的现金及等价物仅有1.56亿元人民币，其成功上市仍堪称关乎存亡的巨大成就。
2021年2月，云知声作为科创板的先行者，毅然决定撤回其上市发行申请，上海证券交易所随即终止了对其的上市审核程序。随后，该公司将目光转向了港股市场，分别在2023年6月、2024年3月以及2025年3月三次向香港交易所提交了上市申请，最终成功实现了上市梦想。
港股IPO市场显著升温，无论是通过常规途径还是借助特专科技公司18C机制，已有众多国内AI企业提交了上市申请。与云知声等企业相似，它们能否抓住这一有利时机进入资本市场，为早期投资者开辟退出路径，这对企业自身及其创始人个人的前途命运都极为关键。
项目制之困
云知声作为该领域“腰部”竞争者的典型，其招股书中透露的内容充分展现了我国行业生态的成长状况。最为显著的问题是，在商业模式上过度依赖项目而非产品，并且在B端和G端结算压力传递的过程中，这种模式导致了收入难以确认和回款困难这一普遍问题。
数据显示，云知声在2024年的应收账款周转天数竟高达277天，贸易应收款项更是达到了5.59亿元之巨，而减值拨备则高达2.41亿元。即便弗若斯特沙利文的数据显示，以收入为标准，云知声在中国医疗AI解决方案领域位居第四，但其市场份额却仅有科大讯飞的十分之一，与行业领军者的议价能力相比，差距甚远。
更为令人忧虑的是，尽管2024年的营收额达到了9.39亿元，但核心客户的数量却几乎保持不变——医疗领域的客户数量始终稳定在160家左右，而日常生活领域的重点客户数量甚至出现了减少，从78家降至了71家。与此同时，新兴的医疗专业领域企业，例如鹰瞳科技，已经在数千家医疗机构中展开了服务，并由此形成了显著的规模优势。
这种客户获取困难、款项回收困难的问题，实质上揭示了项目制模式存在的基本不足。每个项目都需进行大量的个性化开发，这使得标准化产品的形成变得困难，更别提实现大规模的复制。随着客户需求的日益多样化，云知声不得不不断投入资源以满足定制化的开发需求，然而这种做法不仅增加了服务的成本，同时也拉长了款项回收的时间。
从财务数据观察，该模式的缺陷已充分显现。2024年，云知声的五大客户贡献了26.7%的营收，其中绝大多数是项目集成商；曾经的最大企业客户世茂集团已不复存在——该客户的经营困境使得云知声不得不计提2630万元的坏账准备；而且，双方已经走上了法律诉讼的道路。
特别值得关注的是，在云知声2024年的研发投入中，相当一部分资金流向了第三方外包，他们聘请的第三方服务商负责处理公司用于训练模型和提升技术的大量数据。这种对外包的高度依赖，揭示了其核心技术的防御能力不足，同时也加剧了项目制模式下的成本负担。从某种程度上讲，云知声更像是一家“技术整合商”，而非一家真正的技术创新型公司。
一体化之变
在这种状况下，就算有幸获得进入二级市场的“救命稻草”，那些缓过神来的腰部玩家们也应当深思熟虑他们未来的发展方向。
那些在上一轮人工智能热潮中诞生的企业，迫切需要对其依赖的传统、全面自研、重资产的经营模式进行革新。
以云知声为例，据招股书透露，其智算集群的算力大约为184 PFLOPS，这在今年的国内智算中心中已显得平凡无奇。相较之下，国内现行的集群算力项目，规划算力动辄高达1000 PFLOPS甚至更高，云知声的算力规模显得极为有限。即便按照其募资计划，将30%的资金用于硬件扩充，在当今业界看来，这也只是杯水车薪。
尤为重要的是，随着开源的DeepSeek通过优化模型结构以及提升数据品质，大幅削减了训练费用，其模型成本甚至仅为OpenAI等对手的十分之一，且性能与顶级闭源模型相媲美，这瞬间让云知声引以为傲的拥有600亿参数的海山大型模型失去了光彩。公司不得不与DeepSeek实现深度合作，这也使得其年度研发投入显得相对尴尬。
山海大模型所面临的困境蕴含着深刻的象征意味。在2023年推出之际，云知声将其定位为“年内通用能力有望与GPT并驾齐驱”的千亿参数级别的大模型。然而，DeepSeek的技术成就揭示了“规模庞大并非等同于智慧卓越”的道理，高效的技术工程设计与算法优化或许比单纯的算力投入更具优势。若杭州某企业能在极低的成本下达到卓越的性能水平，那么以往所倡导的“高投入、高资产”的经营理念便不再适用。
从产业发展的角度来看，小规模模型阶段中，垂直整合具有一定的合理性；然而，进入大规模模型时代，对于大多数企业来说，从头开始研发基础模型既缺乏必要性也缺乏可行性。这种从整合走向分工专业化的趋势是不可避免的；中小型企业或许应当将有限的资源投入到通用或特定行业的应用开发中，这或许才是它们真正的出路。
硅谷的实践或许能为我们提供有益的启示。OpenAI一旦确立了大型模型基础设施的核心地位，众多小型企业和个人开发者便纷纷开始利用其API功能在应用领域寻求商机。DeepSeek凭借其开源模型和商业模式的创新，实现了开源社区和商业市场的双重突破，为中小企业开辟了另一种技术发展道路。相较之下，那些仍旧执着于“重复造轮”的企业，往往在残酷的市场竞争中逐渐被边缘化。
云知声所面对的抉择实则并不繁杂。它可以选择继续在基础设施领域与行业巨头正面交锋，亦或是毅然决然地转向应用层的差异化竞争策略。考虑到其目前1.56亿元的现金储备以及技术优势，后者显然是更为实际可行的道路。对于深度学习时代的传统参与者而言，能否成功实现战略转型，才是确保其长期存续的关键所在。
结语
云知声的首次公开募股历程，本质上是对时代演变的深刻记录。它从语音识别的辉煌时期，跨越到大模型带来的颠覆性转折，在这家企业的成长历程中，AI行业经历了多次的兴衰更迭。虽然募资2.06亿港元或许能暂时减轻财务压力，但更深层次的问题实则在于商业模式需要根本性的改变。
目前的AI产业布局已较为清晰：在基础设施领域，少数巨头占据了主导地位；而在应用领域，中小企业则拥有巨大的创新空间。若云知声能够摒弃对全栈技术的执着，专注于特定垂直领域的应用创新，或许能够在这一变革中寻找到属于自己的立足之地。值得关注的是，云知声在上市首日便受到了市场的热烈追捧，这反映出资本市场对其转型发展的未来仍抱有较高的期望。在技术变革的浪潮中，无论怎样，适应变化的能力始终比占据先机更为关键。
