共计 1248 个字符，预计需要花费 4 分钟才能阅读完成。
近日，一家名为「谛声科技」的工业声学 AI 监测技术研发商宣布完成了过亿元人民币的 D 轮融资。这一轮融资由北京市先进制造业基金领投，多家机构跟投。资金将主要用于技术研发、海外市场扩展以及产业链资源整合。
「谛声科技」成立于 2017 年，核心团队源自中国科学院声学研究所，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。公司自主研发了麦克风阵列硬件、AI 声纹识别算法，并建立了自有工业设备声学数据库，业务范围涵盖了电力、轨道交通、能源等多个领域，客户包括国家电网、中车、港铁等知名企业。
谛声科技的技术核心在于研究设备发声传播的机理，利用非接触方式收集设备运行时的声学信号。通过超过 100TB 的故障声音数据库对 AI 识别算法进行训练和优化，其中包含了 50 多种电网场景、37 种轨交场景以及上百种工业制造场景。这使得该公司能够实现对运行中的设备进行早期预警并提出维护建议，从而取代传统的手动巡检和接触式传感器方案。
声学 AI 监测被认为是推动工业设备智能化转型的关键路径之一。相比传统的维护方法，声学监测无需直接接触设备即可穿透物理障碍识别内部问题，比如变压器的直流偏磁现象、内部松动情况，甚至是高铁轮对轴承裂纹等问题。
在全球范围内，丹麦 BK、以色列 3D Signals 等公司早已涉足这一领域，但由于数据安全性、本地化适应性及成本等因素的影响，这些国外产品的市场份额在国内相对较小。据中商产业研究院预测，基于声学技术的设备监测市场规模将在不久后达到 3500 亿元以上。
尽管如此，在复杂工业环境下有效数据的获取与标准化处理依然是一个挑战。设备工作环境中的噪音干扰较大，声学特性容易受到温度、湿度以及机械构造差异的影响，这给精确识别带来了困难。
「谛声科技」最初是从中国科学院声学研究所承接横向课题开始发展的，他们选择了电网、轨道交通等具有较高垄断性和充足预算的行业作为突破口。创始人丁东亮指出：“中国的工业设备技术路线与国外有所不同，例如特高压电网布局的独特性和高铁轮对设计的特殊性，这意味着我们需要重新构建适合本地需求的声学特征模型。”
丁东亮还提到，未来行业竞争的重点将集中在数据闭环能力和场景迁移效率上。为了进一步扩大业务范围，公司正计划进军汽车 NVH 测试、超声波监测等新兴领域，并借助港铁的合作关系向东南亚市场迈进。
此外，丁东亮强调，前端硬件与后端系统的协同作用对于行业的进步至关重要。谛声科技自主研发的远场定向麦克风阵列已经在多个工业场合得到应用，配合 AI 降噪算法可以从复杂的声场中提取有用信息；而后端数据库经过长达十年的数据积累，涵盖了电力、轨道交通等领域超过 170 种故障案例，并且通过与中国电科院、铁科院的合作建立了分级诊断体系。举例来说，在国家电网的一个特高压变电站项目中，他们的设备识别变电设备异常声纹样本的准确率超过了 90%，涉及的问题包括重过载、直流偏磁、内部松动以及冷却器异常声响等。
截至目前，「谛声科技」已经推出了变压器声纹监测系统、高铁走行部异音检测设备以及声像仪等一系列核心产品。
