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，创业邦摄

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，创业邦摄

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，创业邦摄

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。

本文为创业邦原创，未经授权不得转载，否则创业邦将保留向其追究法律责任的权利。如需转载或有任何疑问，请联系 editor@cyzone.cn。