｜GUIDE｜

■当筹码稀缺的故事讲完

■实现AI产业化的路径

■商业模式质量再检验

解禁当日，股价重挫41.19%的云知声，牵动着很多投资者的神经。 

云知声股价走势的意义不止于其自身，它更像一面镜子，照出了AI企业在资本市场上不愿意面对却不得不面对的问题：当筹码稀缺的故事结束，技术叙事还需要接受商业兑现的检验，“AGI”标签还能否支撑长期估值？ 

2025年6月底，云知声登陆港股，被市场称为“港股AGI第一股”。上市初期，在AI概念和稀缺筹码的推动下，公司股价快速上涨，最高触及879港元，对应市值一度超过620亿港元。 

2025年9月，云知声的股价持续下行，再加上解禁的影响，云知声股价最低跌至61.2港元。2026年7月9日，收盘价为73.85港元，总市值约55亿港元，较高点蒸发超过90%。 

解禁带来的抛压只是表象，背后是资本市场对AI企业估值逻辑的深层变化。大模型热潮下，技术故事可以撑起上市初期的想象空间，但长期价值终须回归商业模式和盈利能力的硬考核。 

而云知声面临的压力，其实早有迹象。

01、解禁只是导火索

上市半年后，云知声便开启了密集融资。 

2026年1月16日，云知声首次配售，以每股252港元向不少于六名承配人配售78万股新H股，较前一交易日收市价折让约16%，净募资约1.92亿港元。 

随后，公司于2月、5月分别进行了第二次和第三次配售，配售价格分别为310港元和228港元，折让幅度扩大至17.7%和19.89%，募资净额分别为3.07亿港元、3.8亿港元。而一般情况下，发行价不得较基准价折让20%或以上。 

三次配售累计募资超过8.8亿港元，约为IPO募资净额2.06亿港元的4倍以上。 

对于处于大模型竞争阶段的AI企业而言，研发投入、算力建设和人才投入都需要持续资金支持，融资无可厚非。

云知声创始人黄伟此前曾表示，2023年至2025年是大模型发展的“热身赛”，2026年才进入真正竞争阶段。 

截至2025年底，公司现金及现金等价物约3.4亿元。一般香港主板上市公司上市后，原则上6个月内不得进行新股发行。云知声的首次配售是在上市6个半月左右，持续且急切地融资背后显然有为后续竞争储备粮草的考虑。 

从资金使用方向来看，三次配售的资金，指向了大模型竞赛中最核心的几个环节，包括底层算力基础设施、前沿技术研发、新市场与新场景的开拓。 

但频繁融资还是引发了外界对于其资金使用效率、资源配置能力的质疑。 

公告显示，截至2026年4月30日，1月配售所募约1.92亿港元有55.7%闲置。2月配售所募约3.07亿港元中，已使用约0.07亿港元，超过97%的资金未动。 

对此，新浪证券的文章提出疑问：是战略过于前瞻，需要不断储备资金应对未来，还是当前业务进展不及预期，导致前次资金无法按计划投向？

如果说融资节奏引发了市场疑问，那么U2大模型的发布，则进一步放大了市场对于“技术与商业之间距离”的关注。 

6月8日，云知声发布U2大模型，不盲目堆砌参数，不比拼输出长度，更强调面向真实任务的连续执行能力。U2在国内外权威评测中也取得了亮眼的成绩，有媒体将U2的发布解读为云知声的DeepSeek时刻。 

但这样的“利好”并没有对冲掉当日指数的下跌，公司股价下跌近11%，并跌破发行价205港元。 

过去，AI企业可以凭借模型参数和榜单成绩获得追捧，但随着大模型竞争进入深水区，市场开始把目光更多投向技术与商业之间的那段距离。 

U2在设计理念上确实回应了商业化关切，但从理念到业绩之间仍隔着产品化、获客和规模化落地的漫长链条。

对于云知声而言，U2证明的是技术能力、产品能力，但市场需要看到的是这一能力如何转化为实实在在的收入和利润。 

02、云知声如何通向AGI？ 

当前大模型企业大致形成了两类发展路径。一类更强调基础模型能力，通过提升模型智能上限，扩大模型调用规模；另一类则试图将AI能力嵌入具体产业，通过解决真实业务问题实现商业价值。 

智谱更强调基础模型能力的平台化价值，其核心逻辑是提升模型能力和应用覆盖范围，通过更大的Token使用规模释放价值，其商业逻辑的公式是：AGI商业价值 = 智能上界✖️Token消耗规模。这是一场以“通用性”换取“规模效应”的实验。 

云知声则选择了后一种“产业深潜”路线，试图通过“强基模+深应用”，在医疗、轨交等具体场景里挖掘价值。 

这也是云知声提出“AI公司的行业价值=智能密度✖️Token价值”的原因。在产业侧，客户不仅要求模型懂行，更受限于本地算力资源，一般对部署成本和推理效率也更敏感。因此，云知声强调“智能密度”，即用较小参数、较低成本达到足够高的智能水平，以满足专业场景的高性价比需求。

这一逻辑在U2模型上得到了体现，相比一味追求万亿参数，U2以不到3000亿参数的规模，试图在特定场景下实现更优的效能比。 

理论上，在这个过程中，通用基座不断吸收垂直领域的知识，变得越来越专业，垂直应用也会因为通用基座能力的提升，变得越来越强，形成正循环。 

以医疗为例，医疗AI需要进入医生和医院的工作流程。真正能够落地的医疗AI，需要理解专业医学知识，处理私域数据，同时满足医疗行业对于安全、合规和可靠性的要求。这意味着，通用模型提供的是基础智能能力，而行业应用仍需要结合场景经验和行业Know-how。 

过去，云知声长期围绕语音识别、自然语言处理、人机交互等领域进行技术积累，并持续布局医疗、物联网等垂直场景。相比于后来进入大模型领域的企业，云知声希望依靠长期行业经验形成差异化。

仍以医疗领域为例，云知声已经服务超过400家三甲医院和超过500家企业客户，并积累了大量真实业务数据。 

但这份“深厚积累”在商业化层面却呈现出了另一面：项目制交付。不同医院的业务流程、系统环境差异巨大，AI企业不得不投入大量人力进行定制化开发。项目越多，团队越忙，但没有规模效应。 

云知声寄希望于大模型打破这一死结。 

大模型时代，企业可以通过统一模型底座和智能体框架，将部分能力模块化、标准化，从而降低交付成本，提高复制效率。 

黄伟曾举例，公司保险理赔审核系统过去需要较长周期的定制开发，而基于大模型能力后，客户经过简单配置即可上线，交付周期从3个月缩短至1周，成本降低约80%。 

如果这一模式能够成立，云知声希望实现的不只是AI项目增长，而是商业模式的变化：从依靠项目交付获得收入，转向通过标准化产品和智能能力持续创造价值。

其实，不同AGI路线最终都需要回答同一个问题：技术能力如何转化为商业回报。基础模型路线需要证明模型规模能够带来持续调用价值，而产业智能路线则需要证明行业积累能够转化为可复制的产品和收入。 

这一点也是市场真正关注的问题。 

03、“龙虾”引起的焦虑背后

从2025年的经营数据来看，云知声距离“可复制的产品和收入”还有相当距离。 

2025年，云知声收入12.11亿元，同比增长29%。需要单独拿出来讲的是，2025年，云知声的大模型相关收入同比增长超10倍。 

但云知声的整体收入主要来源于面向政企客户的AI解决方案项目（如智慧轨交、智慧座舱的语音全链路方案、医疗信息化等），多属于典型的项目制系统集成业务。

比如，智慧生活板块中“解决方案收入”占比约 69.8%，这类业务一般按合同履约进度或验收时点确认收入，具有明显的阶段性或一次性特征。 

项目制的特点是“一锤子买卖”或“阶段性交付”，难以沉淀为可持续的订阅收入。 

客户留存率的数据也可以佐证。以核心的智慧医疗业务为例，客户留存率从2022年的70.4%下滑至2024 年的53.3%。53.3%的留存率意味着，近半数客户在项目周期结束后，并未转化为长期用户。 

进一步看，这种旧模式带来了财务脆弱。 

一方面，政企项目回款周期极长。2025年底，云知声应收账款达到7.8亿元，占资产总额的一半以上，2022年—2024年，应收账款周转天数在250天—290天，2025年周转速度有明显的提升，但回款时间仍接近200天，这意味着，公司做生意，要先替客户垫资半年。 

另一方面，公司一直在亏损，2022—2025年，亏损额分别为3.7亿元、3.8亿元、4.5亿元、3.3亿元。 

不管是从现金流的角度来看（2024年和2025年经营活动净额分别为-3.2亿元和-2.1亿元）还是从盈利的角度来看，云知声都没有自我造血的能力。

云知声在年报中明确提及“正积极探索以API调用、Token计费等模式构建经常性收入体系”，可以说还处在由重转轻的过程中。 

API调用、Token计费等模式的典型是代表 Agent（智能体）形态的“龙虾。 

抓住“龙虾”机会的一个案例是智谱。 

智谱的业务中也有相当比例是项目制落地方式，定制化特点突出。得益于更早的平台化布局以及龙虾的爆火，智谱的业务变得更轻、更标准化，商业化方面也不再是线性增长。截至2026年3月，智谱MaaS平台ARR约17亿元，过去一年增长约60倍。同时，API业务毛利率从3.3%提升至18.9%，业绩又成为了股价的催化剂。 

龙虾也是黄伟最近的一次危机感。 

当龙虾爆火时，黄伟很焦虑，因为发现团队反应迟缓。“后来我反思了一下，不是他们不想动，是现有的组织架构是按原来的业务模式设计的，没有多余的人和脑子来想这个事。” 

黄伟这番话，道出了云知声当下的深层矛盾：技术已经迭代到了2.0，但支撑技术的组织架构依然停留在1.0。

而组织架构往往要适配于其业务形态与盈利模式。对于云知声而言，“龙虾”带来的焦虑不应只是一次组织架构的检讨，更应成为商业基因重塑的契机。毕竟，在AGI的长跑中，技术决定了起跑的速度，但商业模式的质量，才能决定跑多远。 

免责声明 ：本文涉及有关上市公司的内容，为作者依据上市公司根据其法定义务公开披露的信息（包括但不限于临时公告、定期报告和官方互动平台等）作出的个人分析与判断；文中的信息或意见不构成任何投资或其他商业建议，市值榜不对因采纳本文而产生的任何行动承担任何责任。