前中科院声学所团队创业，这家公司以声学AI技术打开千亿级市场 | 36氪首发

近日，工业声学AI监测技术研发商「谛声科技」宣布完成过亿元人民币的D轮融资，北京市先进制造业基金领投，赛富资本，交银资本，国新国政，金盘资本等机构跟投。本轮资金将用于技术研发、海外市场拓展及产业链资源整合。至此，「谛声科技」累计融资数亿元，历史投资方包括中国移动旗下北京中移数字新经济产业基金、联想创投、祥峰中国等。

「谛声科技」成立于2017年，核心团队来自中国科学院声学研究所成员，专注于通过非接触式声学监测技术为工业设备提供故障预测与健康管理服务。公司自研麦克风阵列硬件、AI声纹识别算法及建立自有工业设备声学数据库，业务覆盖电力、轨道交通、能源等领域，客户包括国家电网、中车、港铁等头部企业。

其技术原理主要是研究设备发声传播机理，使用非接触方式采集设备运行的声学信号，通过超100T故障声音数据库对AI识别算法进行训练迭代（含50余种电网场景、37种轨交场景、百余种工业制造场景），实现对运行中设备的早期预警与维护建议，替代传统人工巡检和接触式传感器方案。

声学AI监测被视为工业设备智能化转型的重要路径。传统维护依赖人工经验或侵入式传感器，前者效率低且难以覆盖复杂场景，后者需侵入式安装并存在较高的改造成本和安全隐患。声学监测通过捕捉设备振动与噪声信号，可在非接触状态下穿透物理遮挡识别内部故障，例如变压器直流偏磁、内部松动等、高铁轮对轴承裂纹、轮对多边形等。

全球范围内，丹麦BK、以色列3D Signals等企业较早布局该领域，但受数据安全、本地化适配及价格因素制约，海外产品在国内垄断行业渗透有限。中商产业研究院预计， 基于声学技术的设备监测市场规模将于近年超过3500亿元，是一块巨大的蓝海市场。

然而，在复杂工业场景下的有效数据获取与标准化处理方面，仍存在一定的痛点。设备运行环境噪声干扰大，声学特征易受温度、湿度及机械结构差异影响，传统方案难以实现精准识别。

「谛声科技」团队早期从中科院声学所的横向课题切入，选择电网、轨交等垄断性强、预算充足的行业建立壁垒。“国内工业设备的技术路径与海外存在差异，例如中国特高压电网的布局、高铁轮对结构特殊性，导致声学特征模型需本土化重构。” 「谛声科技」创始人丁东亮认为，未来行业竞争将聚焦于数据闭环能力与场景迁移效率。公司计划拓展汽车NVH测试、超声波监测等新场景，并借助港铁资源布局东南亚市场。

丁东亮告诉36氪，基于此，行业的主要突破点关键在于前端硬件与后端系统的协同。其团队自研的远场定向麦克风阵列已经在多个工业场景中部署，搭配AI降噪算法从复杂声场中提取有效信号；后端数据库历时十年积累，涵盖电力、轨交等领域超170种故障场景，并通过与电科院、铁科院合作形成分级诊断体系。例如在国网某特高压变电站项目中，其设备识别变电设备异常声纹样本的准确率达90%以上，如重过载、直流偏磁、内部松动、冷却器异响等。

目前，「谛声科技」已推出变压器声纹监测系统、高铁走行部异音检测设备、声像仪等核心产品。