今天小編分享的互聯網經驗：前中科院聲學所團隊創業，這家公司以聲學AI技術打開千億級市場，歡迎閱讀。
文 | 林晴晴
編輯 | 袁斯來
36 氪獲悉，近日，工業聲學 AI 監測技術研發商「谛聲科技」宣布完成過億元人民币的 D 輪融資，北京市先進制造業基金領投，賽富資本，交銀資本，國新國政，金盤資本等機構跟投。本輪資金将用于技術研發、海外市場拓展及產業鏈資源整合。至此，「谛聲科技」累計融資數億元，歷史投資方包括中國移動旗下北京中移數字新經濟產業基金、聯想創投、祥峰中國等。
「谛聲科技」成立于 2017 年，核心團隊來自中國科學院聲學研究所成員，專注于通過非接觸式聲學監測技術為工業設備提供故障預測與健康管理服務。公司自研麥克風陣列硬體、AI 聲紋識别算法及建立自有工業設備聲學數據庫，業務覆蓋電力、軌道交通、能源等領網域，客戶包括國家電網、中車、港鐵等頭部企業。
其技術原理主要是研究設備發聲傳播機理，使用非接觸方式采集設備運行的聲學信号，通過超 100T 故障聲音數據庫對 AI 識别算法進行訓練迭代（含 50 餘種電網場景、37 種軌交場景、百餘種工業制造場景），實現對運行中設備的早期預警與維護建議，替代傳統人工巡檢和接觸式傳感器方案。
聲學 AI 監測被視為工業設備智能化轉型的重要路徑。傳統維護依賴人工經驗或侵入式傳感器，前者效率低且難以覆蓋復雜場景，後者需侵入式安裝并存在較高的改造成本和安全隐患。聲學監測通過捕捉設備振動與噪聲信号，可在非接觸狀态下穿透物理遮擋識别内部故障，例如變壓器直流偏磁、内部松動等、高鐵輪對軸承裂紋、輪對多邊形等。
全球範圍内，丹麥 BK、以色列 3D Signals 等企業較早布局該領網域，但受數據安全、本地化适配及價格因素制約，海外產品在國内壟斷行業滲透有限。中商產業研究院預計， 基于聲學技術的設備監測市場規模将于近年超過 3500 億元，是一塊巨大的藍海市場。
然而，在復雜工業場景下的有效數據獲取與标準化處理方面，仍存在一定的痛點。設備運行環境噪聲幹擾大，聲學特征易受溫度、溼度及機械結構差異影響，傳統方案難以實現精準識别。
谛聲科技團隊早期從中科院聲學所的橫向課題切入，選擇電網、軌交等壟斷性強、預算充足的行業建立壁壘。" 國内工業設備的技術路徑與海外存在差異，例如中國特高壓電網的布局、高鐵輪對結構特殊性，導致聲學特征模型需本土化重構。" 「谛聲科技」創始人丁東亮認為，未來行業競争将聚焦于數據閉環能力與場景遷移效率。公司計劃拓展汽車 NVH 測試、超聲波監測等新場景，并借助港鐵資源布局東南亞市場。
丁東亮告訴 36 氪，基于此，行業的主要突破點關鍵在于前端硬體與後端系統的協同。其團隊自研的遠場定向麥克風陣列已經在多個工業場景中部署，搭配 AI 降噪算法從復雜聲場中提取有效信号；後端數據庫歷時十年積累，涵蓋電力、軌交等領網域超 170 種故障場景，并通過與電科院、鐵科院合作形成分級診斷體系。例如在國網某特高壓變電站項目中，其設備識别變電設備異常聲紋樣本的準确率達 90% 以上，如重過載、直流偏磁、内部松動、冷卻器異響等。
目前，「谛聲科技」已推出變壓器聲紋監測系統、高鐵走行部異音檢測設備、聲像儀等核心產品。
