当前位置: 首页 > news >正文

思必驰回复第二轮审核问询,如何与科大讯飞、阿里巴巴“虎口夺食”?

01c2327efeae43585b220e0fa8b942ce.png

937e234ef79ab37f399a15c9c5da1988.png

ac853419f70d458cbad34baaef6a9ac3.png




‍数据智能产业创新服务媒体

——聚焦数智 · 改变商业


3月21日,思必驰科技股份有限公司(以下简称“思必驰”)更新上市申请审核动态,已回复上交所第二轮审核问询函,回复了涵盖关于实际控制人的认定、关于预计持续亏损及关于业务等在内的14项问题。

6053655a4766d3cf7d5d002cea89c92a.png
思必驰IPO进度 资料来源:上交所科创板官网

去年7月,思必驰递交招股说明书,中信证券为其独家保荐人。此次IPO思必驰拟募集资金10.33亿元,具体投向“全链路对话式AI平台建设及行业应用解决方案项目”、“面向物联网的智能终端建设项目”和“研发中心建设项目”,余下用于补充流动资金。

591742785af9fd0fb1ba41d212025e42.png
思必驰募集资金运用计划 资料来源:招股说明书

想要真正了解一个企业,业务板块至关重要。本文就上交所问询函中关注的几个核心问题进行梳理,来揭开思必驰神秘的面纱。

规模快速增长,语音语言类技术服务举足轻重

据公开资料显示,思必驰是一家国内专业的对话式人工智能平台型企业,基于自主研发的全链路智能对话系统定制开发平台和人工智能语音芯片,围绕“云+芯”进行布局,提供软硬件结合的人工智能技术与产品服务,实现普适的智能人机信息交互。

自称拥有“自主研发芯片”的思必驰,也引来上交所好奇,“其芯片是否有自研能力?”

思必驰也做出了说明,表示“2019年正式发布第一代人工智能专用语音芯片TH1520”。TH1520是思必驰针对智能硬件领域的语音交互需求,结合AI算法能力,选择最合适的主流DSP芯片架构后进行自定义设计,最终集成了思必驰全链路智能对话技术并进行模块化封装,并为AI语音算法定制了大量AI加速指令,属于AI专用的双核增强型低功耗DSP芯片。

不仅如此,思必驰还表示,“相较于其他芯片公司采用Arm Cortex A系列芯片,公司自研的AI语音芯片,是AI算法定义硬件的体现,在保证低功耗的同时,算力得到增强,并基于公司智能语音语言技术优势,能够支持更多的创新语音功能,包括声纹辨识,多方言,多语种,直面唤醒等。”

目前TH1520已投产,应用于多款智能家电、智能汽车、消费电子等领域的智能终端,主要应用产品包括海信电视、美的空调、长虹美菱空调、华为-盯盯拍行车记录仪、雅迪电动车等。

另外,上交所还要求思必驰说明相关业务的交付方式、收费模式、收入及占比等情况。

2019年至2021年及2022年上半年,思必驰主营业务收入分别为11,458.47万元、23,656.98万元、30,743.31万元和15,705.68万元,呈现出快速增长趋势,近年来语音语言类技术服务对收入的贡献率持续在50%左右,无疑是最主要收入来源。

d83550bd4a1fe78e9148046f21d640a8.png
思必驰主要产品收入占比情况 数据来源:招股说明书

其中,思必驰语音语言类技术服务又可分为技术授权服务和定制开发服务两种产品形态。

所谓技术授权服务,是将思必驰自主研发的相关技术进行单点或模块化授权给客户使用,同时已针对相关技术申请了专利或形成了部分非专利技术。收费模式包括SaaS云服务、License授权服务。

具体来看,SaaS云服务是思必驰为客户提供以云端公有云调用为主,主要是为客户提供一句话识别、实时识别、录音转写、声纹验证、标准音色的语音合成、语义理解以及对话管理等技术授权服务,按在云端相关技术调用时长或调用并发计费的形式获取服务收益。

License授权服务是思必驰为客户提供以“云端+本地”综合算法为主,主要是为客户提供对话式AI单点技术和模块化技术授权服务,License授权服务属于标准化服务,客户下载SDK后,需到服务端获取授权证书,通过密钥管理控制该授权证书的使用模块和有效时间。客户在其产品系统中安装SDK并正常运行后则代表验收,后续客户根据需求以订单形式下单。以客户购买的云端或本地端使用量按照阶梯价获取收益。

而定制开发服务,是思必驰根据客户提出的针对特定场景的终端产品需求或应用服务需求,定向设计并开发对话系统,包括私有云部署、打通控制服务、引入长尾内容以打造特定的AI技能,并提供相关配套的AI模组硬件、AI终端智能硬件。收费模式为,思必驰为客户提供单点、模块化或整体交付的定制化开发服务,在定制成果交付客户并经客户验收后确认收入。

人工智能大行业高景气度,凭借差异化打法小有成就

思必驰规模快速增长,与人工智能大行业的高景气度不无关系。

根据《中国银行宏观观察2022年第41期》指出,人工智能产业链中,底层基础层是人工智能产业基础,主要包括AI芯片等硬件设施及大数据、云计算等计算系统技术的数据资源和基础设施;核心技术层是人工智能产业的核心,以模拟人的智能相关特征为出发点构建技术路径,主要包括算法理论、开发平台和应用技术;产品应用层是人工智能产业与传统产业部门深度融合的延伸,通过集成一类或多类人工智能基础应用技术,面向特定应用场景需求而形成软硬件产品或解决方案。

8d3af3dfd7c18fc2ba2769abe68718b5.png

人工智能行业产业链结构 数据来源:中国银行宏观观察2022年第41期。

但值得一提的是,思必驰从人工智能核心技术层切入,但缺乏基础层的计算力及支撑性服务的硬件平台,上交所也关注到了这点。

思必驰首先给出了明确答案,“不会对核心竞争力和持续经营能力有重大不利影响”,并从行业发展趋势入手给出了解释。

算法、算力、数据共同助推,AI行业投资热度高以及政策大力支持等多方因素推动下,AI产业高速增长。根据艾瑞咨询预测,2025年人工智能核心产业规模预计达到4,532.6亿元;2025年人工智能带动产业规模预计达到16,648.3亿元。

22b81243ff329169b576cd25e43e0e90.png
2019-2025年中国人工智能产业规模 数据来源:艾瑞咨询

人工智能与实体经济的结合越来越多,与应用场景的深度结合将产生更大的商业价值,近几年,人工智能语音语言技术在各行业的应用已十分广泛,下游领域包括家电、汽车、消费电子、金融、物流、房产、政务、医疗等。2020年智能语音技术在各垂直行业应用的核心产品规模达到57.70亿元,带动相关产业规模达317.70亿元,预计2025年核心产品规模达到159.1亿元,带动相关产业规模达到875.1亿元。

e73eec5a9ce2c10df2e30857e127aee4.png

2019-2025年中国智能语音垂直行业应用核心产品及带动相关产业规模 数据来源:艾瑞咨询。97

根据IDC报告显示,2021年思必驰在中国人工智能之语音语义市场份额排名第四,占比约3%,行业前三位分别为科大讯飞(占比11%)、阿里(占比7%)和百度(占比6%)。虽然思必驰较行业龙头还有一定差距,但相比2020年的第六已经有所提升。

尽管与互联网巨头头科技企业相比,思必驰的确存在竞争劣势,但在技术储备和业务重点布局上展开差异化竞争成为破圈“杀手锏”。

思必驰与科大讯飞应用场景较为接近,与寒武纪的应用场景存在极大差异,与云从科技、云天励飞、虹软科技相比,虽应用场景有重叠,但技术方向截然不同,思必驰是从智能语音语言交互技术为主,而另外三家是以计算机视觉为主。相对于科大讯飞的广泛布局,思必驰将物联网领域相关业务作为发展重点,聚焦于车和家两个场景,积极扩大业务规模和寻找新的市场机会,以长远利益为目标,不断提高市场占有率。

符合行业发展规律,未来市场空间有望进一步扩大

上交所还关注到,在“群雄逐鹿”的人工智能语音市场,随着玩家的不断涌入,思必驰固有的缺乏基础层计算力及支撑性服务硬件平台等弊端,要求说明这些是否实质影响其核心竞争力和持续经营能力。

思必驰从发展战略和方向进行了说明,表示“这是符合物联网时代智能硬件和场景化人工智能发展的行业趋势的”,近年相关的市场空间显著扩大并在持续增长,语音及对话交互的渗透率和普及率持续提升,行业客户和终端用户认知接受度明显增强,多行业语音及对话交互智能化需求处于高速扩张之中。

围绕智能语音语言技术,思必驰已形成了覆盖音频信号处理及分析、语音及说话人识别、语音合成、自然语言理解及分析、知识图谱、问答及自然语言生成、对话管理及智能推理决策、多模态交互等闭环人机对话的完整技术链条。这些关键核心技术,在技术赋予机器认知、感知和学习功能的过程中,能够实现标准化、自动化和模块化,具有较强的通用性,能够与应用场景快速结合。

不仅如此,考虑到应用场景的复杂性和多样性,思必驰还针对智能语音语言核心技术体系完成了模块化的拆分与整合,不断沉淀产品和解决方案的通用能力,并开发通用性中间件(DUI中台),形成标准化的开发模式,以此提高技术成果的复用率、降低整体开发成本、全面提升其核心技术面对各应用情景的规模化定制能力。DUI中台已定制支持14种芯片架构,产生16,000多个场景化对话技能,支持数亿设备终端的智能语音交互,积累了大量场景化定制经验,以及潜在的AI硬件客户群体。

未来,思必驰还表示,将围绕智能语音语言技术,不断提升语音产品解决方案能力,加快物联网智能终端市场的持续规模化以及数字政企行业的落地速度。

总结

当然,思必驰也给出了未来具体布局方向。

重点布局物联网“车+家”场景,提升规模化能力和市场占有率。要知道,物联网领域是思必驰产品的重点及优势应用领域之一,以智能终端客户为主,涵盖智能家电、智能汽车、消费电子,同时一直将物联网领域相关业务作为发展重点,聚焦于车和家两个场景,积极扩大业务规模和寻找新的市场机会,以长远利益为目标,不断提高市场占有率。

加快数字政企市场的落地速度,提升场景化集成综合方案能力。结合数字政企智能助理软件产品和软硬一体化的产品能力,思必驰大力发展场景化集成的综合方案能力,并从智能终端类客户逐渐拓展至数字政企类客户合作,目前已实现金融服务、交通物流、地产酒店、政务民生、医疗健康等行业场景下的应用突破。

加强AI终端建设,提升市场综合竞争力。当前思必驰AI终端均系围绕家居生活、汽车驾驶、商旅办公三大场景展开,业务领域较为集中,且与其重点业务领域一致。

若思必驰成功上市,在资本助力下,或许能加快赶超头部企业的进度。

文:恒远 / 数据猿

e8d14046a5c12de13d1af2ecb4e75684.jpeg

bde8612a6126372b9a6c7e689fd698a5.png

739ca56a2b5b9ef36827363cad1762bf.png

e6a22472e0447798e2cbe0a9590dbeb8.png

aff9e017e9b242f695f328f0a1c67a37.png

相关文章:

思必驰回复第二轮审核问询,如何与科大讯飞、阿里巴巴“虎口夺食”?

‍数据智能产业创新服务媒体——聚焦数智 改变商业3月21日,思必驰科技股份有限公司(以下简称“思必驰”)更新上市申请审核动态,已回复上交所第二轮审核问询函,回复了涵盖关于实际控制人的认定、关于预计持续亏损及关于…...

基于Spring、SpringMVC、MyBatis的汽车租赁系统设计

文章目录 项目介绍主要功能截图:前台首页汽车信息列表汽车租赁留言反馈个人信息管理后台汽车类型管理汽车信息管理租赁信息管理用户管理续租信息管理归还信息管理保险信息管理违章登记管理部分代码展示设计总结项目获取方式🍅 作者主页:Java韩立 🍅 简介:Java领域优质创…...

读《刻意练习》后感,与原文好句摘抄

第一章,有目的的练习 所谓“天真的练习”,基本上只是反复的做某件事情,并指望只靠这种反复的练习,就能够提高表现和水平。 有目的练习的四个特点 有目的的练习具有定义明确的特定目标有目的的练习是专注的有目的的练习包含反馈…...

华为OD机试用java实现 -【选座位】

最近更新的博客 华为od 2023 | 什么是华为od,od 薪资待遇,od机试题清单华为OD机试真题大全,用 Python 解华为机试题 | 机试宝典【华为OD机试】全流程解析+经验分享,题型分享,防作弊指南华为od机试,独家整理 已参加机试人员的实战技巧本篇题解:选座位 题目 疫情期间需要大…...

国产蓝牙耳机怎么挑选?口碑最好的国产蓝牙耳机

蓝牙耳机已经成为现代人生活中必不可少的设备之一,因此市场上涌现出了众多的品牌和型号。但是,在这个竞争激烈的市场中,哪些品牌的蓝牙耳机更受欢迎呢?以下是几款口碑不错的蓝牙耳机品牌。 一、南卡小音舱蓝牙耳机 推荐系数&…...

seaborn从入门到精通03-绘图功能实现02-分类绘图Categorical plots

seaborn从入门到精通03-绘图功能实现02-分类绘图Categorical plots总结参考关系-分布-分类分类绘图-Visualizing categorical data图形级接口catplot--figure-level interface导入库与查看tips和diamonds 数据分类散点图参考分布散点图stripplot分布密度散点图-swarmplot&#…...

❤️独特的算法❤️:一文解决编辑距离问题

编辑距离问题 题目关键点115. 不同的子序列 - 力扣(LeetCode)*dp数组定义,情况讨论583. 两个字符串的删除操作 - 力扣(LeetCode)两个字符串删除,情况讨论多加一种72. 编辑距离 - 力扣(LeetCode…...

三次样条样条:Bézier样条和Hermite样条

总结 What is the Difference Between Natural Cubic Spline, Hermite Spline, Bzier Spline and B-spline? 1.多项式拟合中的 Runge Phenomenon 找到一条通过N1个点的多项式曲线 ,需要N次曲线。通过两个点的多项式曲线为一次,三个点的多项式曲线为二…...

Redis面试题 (2023最新版)

文章目录一、Redis为什么快?1、纯内存访问2、单线程,避免上下文切换3、渐进式ReHash、缓存时间戳(1)渐进式ReHash:(2)缓存时间戳:二、Redis合适的应用场景常用基本数据类型&#xff…...

基于springboot实现家乡特色食品景点推荐系统【源码+论文】分享

基于springboot实现家乡特色推荐系统演示开发语言:Java 框架:springboot JDK版本:JDK1.8 服务器:tomcat7 数据库:mysql 5.7 数据库工具:Navicat11 开发软件:eclipse/myeclipse/idea Maven包&…...

Spring MVC 启动之 HandlerMapping

在上一篇文章中,我们介绍了 Spring MVC 的启动流程,接下来我们将发分多个篇章详细介绍流程中的重点步骤 今天我们从 HandlerMapping 开始分析,HandlerMapping 是框架中的一个非常重要的组件。它的作用是将URL请求映射到合适的处理程序&#x…...

基于YOLOv5的停车位检测系统(清新UI+深度学习+训练数据集)

摘要:基于YOLOv5的停车位检测系统用于露天停车场车位检测,应用深度学习技术检测停车位是否占用,以辅助停车场对车位进行智能化管理。在介绍算法原理的同时,给出Python的实现代码、训练数据集以及PyQt的UI界面。博文提供了完整的Py…...

【Linux系统编程】5.vim基本操作命令

目录 跳转到指定行 命令模式 末行模式 跳转行首 跳转行尾 自动格式化代码 大括号、中括号、小括号对应 光标移至行首 光标移至行尾 删除单个字符 删除一个单词 删除光标至行尾 删除光标至行首 替换单个字符 删除指定区域 删除指定1行 删除指定多行 复制一行 …...

主流机器学习平台调研与对比分析

梗概 本报告主要调研目前主流的机器学习平台,包括但不限于Amazon的Sage maker,Alibaba的PAI,Baidu的PaddlePaddle。对产品的定位、功能、实践、定价四个方面进行详细解析,并通过标杆对比分析提出一套机器学习平台评价体系&#x…...

作业帮基于明道云开展的硬件业务数字化建设

今天由我代表作业帮来介绍公司在低代码平台应用的一些经验和心得。我今天分享的内容包含两部分,一个是作业帮硬件的介绍,另一个是基于明道云的系统能力建设,也是我们自己总结的经验,希望能给大家带来一些启发。 一、关于作业帮 …...

位图及布隆过滤器的模拟实现与面试题

位图 模拟实现 namespace yyq {template<size_t N>class bitset{public:bitset(){_bits.resize(N / 8 1, 0);//_bits.resize((N >> 3) 1, 0);}void set(size_t x)//将某位做标记{size_t i x / 8; //第几个char对象size_t j x % 8; //这个char对象的第几个比特…...

在 Python 中将天数添加到日期

使用 datetime 模块中的 timedelta() 方法将天数添加到日期中&#xff0c;例如 result_1 date_1 timedelta(days3)。 timedelta 方法可以传递天数参数并将指定的天数添加到日期。 from datetime import datetime, date, timedelta# ✅ 将天数添加到日期 my_str 09-24-2023 …...

vue3知识点

一、vue3带来了什么&#xff1f; 1.性能的提升 打包大小减少41% 初次渲染快55%&#xff0c;更新渲染快133% 内存减少54% 2.源码的升级 使用Proxy代替defineProperty实现响应式 重写虚拟DOM的实现和Tree-shaking 3.拥抱TypeScript Vue3可以更好的支持TypeScript 4.新的特性 4.1.…...

一行代码生成Tableau可视化图表

今天给大家介绍一个十分好用的Python模块&#xff0c;用来给数据集做一个初步的探索性数据分析(EDA)&#xff0c;有着类似Tableau的可视化界面&#xff0c;我们通过对于字段的拖拽就可以实现想要的可视化图表&#xff0c;使用起来十分的简单且容易上手&#xff0c;学习成本低&a…...

链表——删除元素或插入元素(头插法及尾插法)

目录 链表的结点由一个结构体构成 判断链表是否为空 键盘输入链表中的数据 输出链表中的数据 返回链表的元素个数 清空链表 返回指定位置的元素值 查找数据所在位置 删除链表的元素 插入元素 建立无头结点的单链表 建立有头结点的单链表&#xff08;头插法&#xff…...

Prompt Tuning、P-Tuning、Prefix Tuning的区别

一、Prompt Tuning、P-Tuning、Prefix Tuning的区别 1. Prompt Tuning(提示调优) 核心思想:固定预训练模型参数,仅学习额外的连续提示向量(通常是嵌入层的一部分)。实现方式:在输入文本前添加可训练的连续向量(软提示),模型只更新这些提示参数。优势:参数量少(仅提…...

【人工智能】神经网络的优化器optimizer(二):Adagrad自适应学习率优化器

一.自适应梯度算法Adagrad概述 Adagrad&#xff08;Adaptive Gradient Algorithm&#xff09;是一种自适应学习率的优化算法&#xff0c;由Duchi等人在2011年提出。其核心思想是针对不同参数自动调整学习率&#xff0c;适合处理稀疏数据和不同参数梯度差异较大的场景。Adagrad通…...

Vue3 + Element Plus + TypeScript中el-transfer穿梭框组件使用详解及示例

使用详解 Element Plus 的 el-transfer 组件是一个强大的穿梭框组件&#xff0c;常用于在两个集合之间进行数据转移&#xff0c;如权限分配、数据选择等场景。下面我将详细介绍其用法并提供一个完整示例。 核心特性与用法 基本属性 v-model&#xff1a;绑定右侧列表的值&…...

【位运算】消失的两个数字(hard)

消失的两个数字&#xff08;hard&#xff09; 题⽬描述&#xff1a;解法&#xff08;位运算&#xff09;&#xff1a;Java 算法代码&#xff1a;更简便代码 题⽬链接&#xff1a;⾯试题 17.19. 消失的两个数字 题⽬描述&#xff1a; 给定⼀个数组&#xff0c;包含从 1 到 N 所有…...

如何在看板中有效管理突发紧急任务

在看板中有效管理突发紧急任务需要&#xff1a;设立专门的紧急任务通道、重新调整任务优先级、保持适度的WIP&#xff08;Work-in-Progress&#xff09;弹性、优化任务处理流程、提高团队应对突发情况的敏捷性。其中&#xff0c;设立专门的紧急任务通道尤为重要&#xff0c;这能…...

页面渲染流程与性能优化

页面渲染流程与性能优化详解&#xff08;完整版&#xff09; 一、现代浏览器渲染流程&#xff08;详细说明&#xff09; 1. 构建DOM树 浏览器接收到HTML文档后&#xff0c;会逐步解析并构建DOM&#xff08;Document Object Model&#xff09;树。具体过程如下&#xff1a; (…...

今日科技热点速览

&#x1f525; 今日科技热点速览 &#x1f3ae; 任天堂Switch 2 正式发售 任天堂新一代游戏主机 Switch 2 今日正式上线发售&#xff0c;主打更强图形性能与沉浸式体验&#xff0c;支持多模态交互&#xff0c;受到全球玩家热捧 。 &#x1f916; 人工智能持续突破 DeepSeek-R1&…...

IoT/HCIP实验-3/LiteOS操作系统内核实验(任务、内存、信号量、CMSIS..)

文章目录 概述HelloWorld 工程C/C配置编译器主配置Makefile脚本烧录器主配置运行结果程序调用栈 任务管理实验实验结果osal 系统适配层osal_task_create 其他实验实验源码内存管理实验互斥锁实验信号量实验 CMISIS接口实验还是得JlINKCMSIS 简介LiteOS->CMSIS任务间消息交互…...

【数据分析】R版IntelliGenes用于生物标志物发现的可解释机器学习

禁止商业或二改转载&#xff0c;仅供自学使用&#xff0c;侵权必究&#xff0c;如需截取部分内容请后台联系作者! 文章目录 介绍流程步骤1. 输入数据2. 特征选择3. 模型训练4. I-Genes 评分计算5. 输出结果 IntelliGenesR 安装包1. 特征选择2. 模型训练和评估3. I-Genes 评分计…...

【7色560页】职场可视化逻辑图高级数据分析PPT模版

7种色调职场工作汇报PPT&#xff0c;橙蓝、黑红、红蓝、蓝橙灰、浅蓝、浅绿、深蓝七种色调模版 【7色560页】职场可视化逻辑图高级数据分析PPT模版&#xff1a;职场可视化逻辑图分析PPT模版https://pan.quark.cn/s/78aeabbd92d1...