99.9%之后，云知声的估值逻辑变了

判断一家公司是不是真的变了，最简单的方法，不是听它怎么讲战略，而是看收入从哪里来。

云知声给出了一组很陡的数据。

2024年，大模型相关收入占产品收入的5.5%。

2025年上半年，42.4%。

2026年上半年，99.9%。

两年时间，从5.5%到99.9%。

同期，公司营收达到5.62亿元，同比增长38.7%。

这意味着，云知声不是在原来的语音和芯片业务旁边，多长出了一条大模型业务。

而是主营收入本身，已经几乎完成了一次切换。

如果市场对它的第一印象还停留在语音识别和AI芯片，那么真正值得讨论的问题已经不是“云知声的大模型业务增长得怎么样”。

而是：

市场是不是还在用上一代公司的框架，理解一家已经换了收入结构的公司？

多数公司的“转型”，往往先发生在战略口径里。

业务名称变了，产品包装变了，但真正贡献收入的，依然是旧业务。

云知声这次不同。

2026年上半年，智能化企业收入4.78亿元，占总收入85.1%；Token业务接近3000万元；端侧AI收入接近5380万元。

三块业务已经构成了今天收入的主体。

曾经最具辨识度的语音识别和AI芯片，反而很难再作为独立收入板块从财报中被辨认出来。

这说明，大模型对云知声而言已经不再是“第二曲线”，而越来越接近新的基本盘。

但更值得研究的是，它为什么能在两年内完成这么快的切换。

答案其实并不神秘。

云知声不是从零开始做一家大模型公司。

它把过去十几年攒下来的东西，重新装进了大模型。

医疗领域，公司已经服务400余家医疗机构；政务领域积累了大量真实业务场景；仅医疗知识图谱就覆盖1018万个医学概念、533万个医学术语。

这些客户关系、行业Know-how和数据资产，在语音时代可能只是项目能力。

到了大模型时代，它们变成了训练、后训练和智能体落地的生产资料。

这也是为什么，云知声和许多从零起步的大模型创业公司有一个天然差异：

别人先有模型，再找场景。

云知声是先有场景，再把模型装进去。

这种路径在全球市场并不陌生。

Palantir过去长期被理解成政府项目制软件商，真正发生重估，是AIP把过去多年积累的客户和行业能力重新组织成了AI平台。

它没有抛掉历史包袱。

反而把历史积累重新变成了AI时代的资产。

云知声今天面对的也是类似的问题。

业务切换已经发生。

市场标签还没有完全切换。

收入变成大模型，只能证明转型发生了。

更重要的问题是：

这是不是一门更好的生意？

云知声这份中报里，真正值得看的，是另外一组数据。

上半年研发开支2.84亿元，同比增长69%。

与此同时，老客户复购及增购收入占比已经超过60%；销售及营销开支4191万元，增速低于收入增速；实施成本从21%下降到17%，需求调研周期从30天缩短到15天。

公司还披露，已经积累1773个实例智能体，同一模块最高复用119次。

这些数字放在一起，比单独看收入增速更有意义。

它说明云知声正在从一种典型的项目制增长，向“能力复用”切换。

传统AI项目的增长方式很简单：

多一个客户，多一套方案，多一组实施团队。

收入增长，人力和交付成本也跟着增长。

本质上是一门线性生意。

但模型和智能体真正应该创造的价值，是让一套能力被反复使用。

同一个模块做出来，不只服务一家医院；

同一套模型训练完成，也不只服务一个项目。

研发投入发生在前面，收入却可以在后面不断复用。

如果这件事成立，公司的经营模型就会发生变化：

收入增长，不再要求销售和交付成本同比例增长。

这才是大模型最重要的商业意义之一。

也因此，云知声上半年虽然仍然大幅增加研发投入，但毛利增长已经快于收入增长，亏损率也在明显改善。

这里真正值得看的，不是某一个财务指标。

而是一个趋势：

技术投入开始转化成经营效率。

这与过去“烧更多钱，换更多规模”的逻辑，是两件完全不同的事。

如果把视野放到整个大模型行业，这种变化会更清楚。

2026年上半年，几家大模型公司已经开始交出不同的商业化答案。

智谱更接近模型能力直接变现的路线。

通过Token、API和模型服务，把技术能力本身出售出去。它需要证明的是：

前沿模型能不能直接成为一门足够大的基础设施生意。

MiniMax走的是另一条路。

从C端产品快速获取全球用户，再不断向订阅和企业市场延伸。它需要回答的是：

巨大的用户规模，最终能不能转化成稳定且高质量的收入。

云知声则更接近第三种路线。

它没有把大模型单独从产业场景中抽离出来，而是把模型能力嵌入原有医疗、政务等高价值场景，通过智能体、行业解决方案以及Token共同变现。

它证明了：

过去十几年形成的行业资产，能不能在大模型时代获得更高的复用率。

三条路没有必要现在就分胜负。

但它们已经意味着，中国大模型的商业化正在出现明显分叉。

过去大家回答的是同一道题：

谁的模型更强？

现在开始回答的是不同的题：

谁能把模型卖出去？

谁能把用户留下来？

谁能把一份模型能力反复卖很多次？

这也是行业竞争真正开始复杂起来的标志。

过去三年，大模型行业最重要的变量几乎都是技术变量。

参数规模、Benchmark、上下文长度、推理能力、Coding、Agent。

市场首先需要确认一件事：

中国公司能不能做出世界一流的大模型。

但当越来越多模型进入相近的能力区间之后，新的问题一定会出现。

技术能力最终如何进入财务报表？

因为对于一家商业公司而言，Benchmark永远只是中间变量。

真正的结果变量只有几个：

客户愿不愿意付钱；

付完一次以后会不会继续买；

一套能力能不能服务更多客户；

收入增长的时候成本是不是同步增长；

规模扩大之后利润率有没有改善。

换句话说，下一阶段真正决定大模型公司价值的，可能已经不只是“智能有多强”。

而是：

一份智能，可以被多高效地生产，又能被多少次重复出售。

这也是为什么，Palantir这类公司的意义不只是一个估值对标。

它更重要的启示在于：

当AI能力真正进入客户流程，并开始改善收入质量和经营效率之后，市场才会重新理解一家公司的性质。

对于中国大模型公司而言，同样如此。

智谱要证明模型本身可以规模化变现。

MiniMax要证明用户可以规模化变现。

云知声要证明行业积累可以被模型规模化复用。

表面上看，是三家公司在走三条不同的路线。

再往深一层看，它们其实都在回答同一个问题：

大模型除了更聪明之外，究竟能不能让一家公司变得更高效？

这可能才是2026年之后，大模型行业真正的分水岭。

上一阶段，市场寻找的是最聪明的模型。

下一阶段，市场会越来越寻找：

谁能把智能，变成一门更好的生意。

免责声明

本文所涉上市公司及相关主体内容，系作者基于其依法公开披露的信息进行的独立分析与判断。相关信息来源包括但不限于公司定期报告、临时公告、投资者关系活动记录及其他官方公开渠道。文中观点仅代表作者个人研究结论，不构成任何形式的投资建议、财务咨询或交易决策依据。读者据此做出的任何投资或商业决策，应自行承担相应风险。商业不许冷不对本文内容的准确性、完整性或时效性作出任何明示或暗示的保证，亦不承担因引用或依赖本文内容而产生的任何直接或间接责任。

— THE END —

喜欢这篇文章？ 点个赞 ， 点在看 ， 转发分享