云知声（Unisound） 上市后发布的首份完整年度报告中，最清晰的数字也最容易被误读。这家北京AI公司划入 大模型相关 口径的收入，从 2024年的5187万元增至2025年的6.10亿元，增幅超过十倍，占总收入略高于一半。这是一轮真实的商业化提速，已经超出又一项排行榜主张的范畴。[1]

这组数字所描述的业务，与中国版纯 token API 模式仍有明显差别。云知声的大部分收入，依旧来自把AI能力送过最后几道艰难的交接，接入医院病历系统、地铁服务台、汽车座舱或边缘设备。在2025年的 12.11亿元 收入中，11.89亿元 按时点确认，通常发生在产品或解决方案完成交付并通过客户验收之时；在一段时间内确认的收入只有 2260万元。年度报告把API调用、按 token 计费和订阅列入公司的扩展计划，这些模式目前尚未成为主导引擎。[1]

截至 2026年7月17日，这一区别正是本文档案的核心。云知声的大模型增长确有事实支撑，证据最充分的优势却落在单一基础模型之外：它来自基础模型成为行业热点之前的十年间逐步建立的交付体系。接下来要检验的是，这套体系能否把一次次定制项目的验收节点，转化为可复制、利润率更高的服务。

公司的历史早于聊天机器人周期

云知声创立于 2012年，最初聚焦语音识别。公司2025年招股书称，它在2014年提出云端与芯片结合的架构，2016年开始建设 Atlas AI基础设施，同年开始与家电制造商格力及北京协和医院合作。此后，公司把模型开发、语音与视觉组件、知识图谱、部署工具和边缘SDK纳入名为 UniBrain 的中枢平台。[2]

这段时间线比常见的“AI老兵”标签更能说明问题。语音软件必须经受口音、噪声、延迟、硬件限制和客户系统的考验；医疗软件又叠加了术语、隐私、采购和临床工作流程。这些约束让云知声早在通用生成模型出现之前，就进入了一批客户系统。

模型层随后进入技术栈。招股书称，600亿参数的UniGPT 于2023年5月在UniBrain核心取代UniCore；公司当前材料对全栈技术的表述，仍以Atlas、UniBrain和 山海 大模型家族为主线。[2][3] 2025年6月30日，创始人黄伟与梁家恩敲响港交所铜锣，云知声以9678为股票代码挂牌上市。[4][5] 这套技术栈早于上市，上市则让它的经济账进入公开视野。

收入跃升传递的是交付信号

总收入增长 29.0%，从2024年的9.390亿元增至2025年的12.11亿元。6.10亿元的大模型相关收入增长快得多，但这项口径出自管理层的年报讨论，经审计的IFRS分部披露仍以公司唯一的经营分部为准。它横跨云知声既有业务。公司随后将销售额分为 9.678亿元的“日常生活”收入 与 2.436亿元的医疗收入。“日常生活”业务中，解决方案贡献8.460亿元，产品贡献1.217亿元。[1]

这项会计口径十分重要。“大模型相关”可以涵盖嵌入客户解决方案的模型、智能体（agent）平台、交通领域部署或医疗工作流程，因此6.10亿元涵盖的范围广于按量计费的推理收入。独立报道确认了这一规模和超过十倍的增幅，但公开披露仍未把这项收入清晰拆分为 token、许可证、实施、硬件与持续服务。[1][6]

收入确认方式是第二条线索。全年约 98% 的收入在某一时点确认。这项比例回答收入何时入账；每份合同是否定制、客户关系是否持续，以及公司具体销售什么，仍需各自的证据。它清楚表明，客户验收仍是绝大多数收入落账的财务节点。模型本身即使能够复用，相关收入依然随交付项目取得。

这种安排有其战略优势。通用模型可以替换，供应商一旦熟悉客户的麦克风、数据字段、审批流程、边缘硬件、集成伙伴和故障上报与升级处理流程，替换难度便会增加。它也有上限。每次新部署若都要投入大量工程工作，收入增长与软件业务的可复制性便会脱节。

护城河落在交接环节

医疗业务最能说明交付体系的作用。云知声称，截至2025年底已与近 450家医院 合作；当年医院客户中约 85% 为三级医院，超过三分之一的医院已经连续合作至少三年。它的技术栈从嘈杂的临床语音开始，将对话转成结构化病历，再把医学语言处理与质量控制系统纳入医院工作流程。[1] 这些运营数字由公司披露，尚未经独立成效审计；它们描述了一项新发布模型无法立即复制的既有客户渠道资产。

同一种模式也出现在边缘端。年报称，云知声为一款 30-TOPS 座舱芯片，将车载意图模型蒸馏至 5亿参数量级，响应延迟最低可达 350毫秒。公司还报告称，Swift与Hummingbird AI芯片及模组累计出货量超过 1.10亿。[1] 这两项数字不足以判定模型优劣，所能说明的是，云知声可以根据客户环境，在云端推理、私有化部署、SDK和资源受限的本地硬件之间作出选择。

Atlas连接着这些层次。招股书将其描述为2016年开始建设的计算、存储、网络、调度和管理基础设施，上层是UniBrain，再上层是应用。[2] 相比“老语音厂商加聊天机器人”，这样的公司形态更为连贯。语音、模型、芯片、知识图谱、智能体和交付团队，各自以不同方式把同一种能力送入范围明确的工作流程。

然而，形态连贯距离护城河证据还有差距。医院数量对应覆盖面，使用强度需要另一组数据；芯片出货量是累计值，当前活跃设备数需要单独披露；特定座舱配置下的延迟只适用于该配置，跨车型准确率需要另行验证；旗舰部署代表个案，平均安装成本需要整体数据。公开记录最充分地证明了各层的存在及其共同产生的收入；产品层面的单位经济性和经独立评估的成效，公开资料仍较单薄。

增长仍带有集成交付的经济特征

财务报表说明了这一区别的重要性。2025年，销售和服务成本上升 34.8%，快于收入增速。毛利润有所增加，毛利率却从 38.8%降至36.1%。云知声称，拓展垂直大模型与智能体综合解决方案所产生的阶段性成本，是毛利率下降的部分原因。研发开支为 3.807亿元，IFRS净亏损为 3.295亿元。公司披露的经调整净亏损剔除了可赎回负债利息和上市开支等项目，数额为1.265亿元。[1]

现金流不受这些会计调整影响，指向同一幅图景。2025年经营活动现金净流出 2.128亿元，较2024年的3.190亿元收窄，仍处于净流出状态。现金及现金等价物增至3.412亿元，主要因为融资活动净流入4.830亿元，其中大部分来自股票发行与银行借款。贸易应收款增至 7.814亿元，2024年为5.592亿元；另有一名客户贡献全年收入的10.7%。[1]

这些事实为大模型收入跃升划定了解读范围。云知声成功为增长筹得资金、收窄亏损，并借助既有客户渠道，把大模型相关销售扩展到大得多的规模。这份增长能否依靠自身经营现金流、带动毛利率上升并减少交付与回款之间的资金占用，仍有待后续报表回答。

下一份报告要经受三项检验

第一项是 收入质量。云知声称，希望扩大API、按 token 计费及订阅收入。[1] 有用的证据将是公开披露的收入构成：大模型收入中有多少来自按用量计费或经常性收入，有多少随解决方案验收确认；在一段时间内确认的收入，能否从2025年的低基数显著提高。若下一份报告只给出更大的“大模型相关”总额，需求可以得到确认，可复制性仍待收入构成来验证。

第二项是 交付杠杆。如果同一套模型和智能体组件能够在不同医院、地铁运营商或汽车项目之间复用，收入增速应当开始超过服务成本增速。毛利率、实施时间、应收账款周转天数、经营现金流和续约率，会比另一项自报的基准测试胜绩更清楚地显示这项转变。

第三项是 外部验证。最有力的证据应把客户续约与经独立测评的工作流程成效放在一起：在公开的复核方案下减少病历缺陷，在问题解决质量保持不变的情况下缩短响应时间，或在明确的车辆测试集上可靠完成离线状态下的意图处理。云知声年报列出若干代表性结果，在客户或评估者公开测试条件和基线之前，这类由供应商选择的案例只能提供方向性参考。[1]

比“语音公司变成LLM公司”更有意味的结论，范围其实更窄。云知声正尝试把多年少受关注的集成工作，转化为基础模型的分发体系。2025年业绩显示，客户已在可观规模上为这套组合付费。下一项证明应从模型规模转向交付端：经常性收入、更好的利润率与现金表现，以及一套可以在客户之间复用、避免为每位客户重新搭建的交付体系。

来源

1. 云知声智能科技股份有限公司，《2025年年度报告》（2026年4月29日发布）——经审计收入、业务组合、利润率、亏损、现金流、收入确认时点、客户集中度、运营指标及管理层的2026年计划。
2. 云知声智能科技股份有限公司，《全球发售招股章程》（2025年6月20日）——公司时间线、Atlas与UniBrain架构、UniGPT沿革、上市前财务基线、客户及交付模式。
3. 云知声，“公司介绍”——关于Atlas基础设施、UniBrain平台、山海大模型、公司历史及当前应用技术栈的官方说明。
4. 启明创投，“投资企业云知声成功在香港交易所上市”（2025年6月30日）——上市背景及现场真实照片的来源。
5. 北京市科学技术委员会、中关村科技园区管理委员会，“北京企业云知声正式登陆香港交易所”（2025年7月1日）——关于上市时间线、创始人及公司技术栈的中文一手资料。
6. 《经济观察报》，“云知声2025年营收达12.11亿元，大模型业务突破6亿元”（2026年3月28日）——对公司首份年度业绩的独立中文商业媒体报道。