36氪獲悉，北京諦聲科技有限責任公司（以下簡稱“諦聲科技”）宣布完成近億元的B輪融資，本輪領投方為清新資本，野草創投與金泉投資共同參與本輪投資。諦聲科技合伙人常煒熙表示，本輪融資資金將主要用于產品研發和市場推廣等業務方向。
諦聲科技是36氪長期關注的企業（https://36kr.com/p/883381540652297），其成立于2018年，并在2018年、2019年和2020年先后完成了三輪融資。諦聲科技作為一家企業級聲學AI技術服務商，通過麥克風陣列和聲學信號處理能力打造了多款設備監測產品和相關服務平臺，能為工業智造、能源、電力、軌道交通客戶提供AI智能聲學故障檢測、運維等多元化解決方案。
諦聲科技創始人丁東亮表示，在機械設備復雜，精密儀器眾多的工業場景中，聲音信號具有豐富的信息量，是評估設備工作狀態的重要參數指標之一。在AI技術快速發展的今天，諦聲團隊希望能在電力，軌交具體應用場景下持續深挖，解決實際場景的一些痛點問題。
(資料圖)
在電力領域，以新能源為主體的新型電力系統建設，對電力輸配環節的安全性、可靠性提出了更高的要求。中國國家電網每年斥資700-900億，大力建設智能檢測及運維系統。聲學特征檢測不同于傳統的電學、光學、化學或溫度特征檢測，它在故障早期即可識別設備內部的鐵芯、繞阻、線圈等結構件的松動問題，因此不僅能實現故障定位，還能降低事故發生率。
但在過去，聲學檢測受到成本、技術、數據庫方面的制約，一直未能在電力場景實現大規模產業化應用。諦聲團隊自研硬件和算法，作為電科院的合作伙伴，開展大規模聲學檢測數據采集和AI故障預警示范項目，實現了非侵入式的高精度聲紋采集、識別和預警，完美覆蓋50+種故障類型和故障等級判斷，實現業界第一的準確率。
此外，諦聲科技研發了動車走行部異音監測系統、發電廠故障檢測系統、聲像儀等終端產品，均為無接觸安裝，并已經成功應用于鐵路系統、能源系統等場景。從技術核心上來說，諦聲科技的產品實力來源于其硬件、軟件兩部分。
硬件方面，諦聲科技打造了麥克風陣列技術壁壘，通過一定數量的麥克風組成陣列，用來對聲場的空間特性進行采樣并處理，實現聲源定位、去混響、聲信號增強、盲源分離等功能，能在嘈雜的環境下準確識別故障音。相關數據顯示，諦聲科技的遠場拾音麥克風陣列極限定位距離可達1km。
軟件方面，諦聲科技自研了聲學算法并擁有強大的鐵路系統與電力系統故障算法模型。據了解，目前諦聲科技已建立了37種鐵路系統故障模型、50余種電網系統故障模型以及百余種工業系統故障模型，形成了一定的技術壁壘，具備針對特定工業場景定制開發高可靠性的麥克風陣列系統解決方案的能力。
通過軟硬件結合，諦聲科技最終通過終端設備部署和SaaS平臺為客戶提供解決方案。常煒熙表示“諦聲科技是少有的在鐵路和電網系統建立相對完整的聲學故障模型的企業，我們花費了多年的精力來完成這項工作，為的是能將檢測準確度不斷提升，避免誤報，保證系統的正常運行。”
從行業角度看，目前鐵路系統或電網系統并沒有相關的聲學檢測標準，這在一定程度上遲滯了行業發展。合伙人劉哲表示，目前諦聲科技正在參與建立中國國家電網聲紋檢測標準，這項標準將很快出臺，并對全行業設備檢測精度、測試方式等方面提供評判標準。
聲學檢測由于其特殊性和技術高門檻，目前國內從事相關產品的企業并不太多，除了一些創業公司或民營企業外，還有一部分高效和科研院所在從事相關產品的研發。但隨著聲學檢測在多個行業的應用，其市場體量也會逐漸增加，這或許會給相關企業或機構帶來一定程度的利好。
清新資本龔芷以表示，十四五期間新型電力系統的建設，離不開以智能硬件為底座的堅實電網。我們看好諦聲團隊通過云邊端軟硬件融合方案，構筑工業級AI聲學檢測技術的寬廣護城河，率先實現在電力標準化場景的大規模落地，并將不斷拓寬應用場景邊界，最終成為工業級AI聲學檢測專家。
野草創投董事總經理馬馳認為：
聲紋監測作為現代工業設備綜合性維護方案的一種，其技術門檻遠高于視覺監測。同時，其應用場景較視覺監測更加多樣化。技術底層來源于中科院聲學所的諦聲科技，通過數年的技術打磨，其基于麥克風陣列的聲學監測方案，很好的應用在了各種工業場景的缺陷檢測領域。特別是在承載著國計民生的電網、鐵路兩大領域，諦聲科技與相關主管單位經過數年的不斷實驗驗證與實地測試，形成了完整的故障采集樣本并建立了相應的故障模型分析系統，構建了極高的技術壁壘。
伴隨“十四五”萬億投資強度的電網及鐵路數字化、智能化的改革步伐，諦聲科技的商業價值將快速放大。作為野草創投在硬科技領域的又一布局，我們相信未來諦聲科技將成為國內聲紋監測領域的龍頭企業。
