认识一家ai公司|《赢在AI+》|灵境声学:AI 全景声,解决硬件过剩的行业难题(一)

最近在看cctv2播出的《赢在AI+》，看到了前沿的科技发展，各行各业的ai公司，各种各样的项目，有些通俗易懂，有些搭配视频能懂，有些是根本听不懂。感觉自己要长脑子了。

选手们介绍的时候我都觉得好牛啊，然后听评委介绍就觉得更牛了，因为评委们眼光毒辣，有丰富的经验，对其行业也了解，能提出问题和质疑，有的甚至是颠覆，不愧是精英中的精英。

当然，看的时候我是一块海绵，但是隔行如隔山，我会有疑惑听不懂的地方，也会对某个行业准则、标准产生兴趣。并且我想换工作了，感觉自己在村里呆太久了，世界已经发展到这个程度了，我却还在满足于最原始的生产力。这太割裂了，我不想这样。

那就从一点一滴开始学起吧，就有了这个系列的更新吧。去学习认识ai技术、公司，去了解其他行业发展。不懂有什么用，但是先做了再说。因为周末看的是第九期，所以先从第九期公司开始更新。基本思路是公司基本面→技术壁垒→盈利模式→竞争对手情况→财务情况→机会与风险。内容都来源于网上，然后加点我个人理解和想法，有错一定会改。

灵境声学

汽车堆了二十几个喇叭，却听不出影院环绕声？核心痛点不是硬件不够强，而是全景声内容极度稀缺。灵境声学想靠AI 把普通立体声，毫秒级变成全景声，打破海外音频算法长期垄断。

【AI智库团85.2分，投资团打分为84.2分，该项目最终得分为85分】

一、公司基本面

股权上，刘少鹏持股10%，实控人为胡京生（通过奇艺科技咨询（苏州）有限公司持股 90%）。子公司苏州灵境影音持股 82%，另 18% 由科创板公司上声电子（688533.SH）于 2024 年 4 月战略投资取得。

二、技术壁垒

1）全景声毫秒级转制 拿原生环绕声做 AB 对照训练，AI 学习立体声与环绕声差异；普通立体声毫秒级输出全景声，替代传统 23 天人工专业制作流程；兼容国产 Audio Vivid、HDR Vivid 国家音视频标准；拿到中美澳多国发明专利，打破海外三维声算法垄断。

2）高精度音频分离能力 市面普通工具大多只能分离 4~7 种乐器；U-MIX 可以做到36 种音乐声音高精度分离，独有影视音频分离，把视频里台词、背景音乐、环境音效、拟音拆成独立音轨，SDR 分离指标业内领先；面向 AI 短剧、音视频剪辑、演出、教学等场景。

3）差异化硬件适配方案车载：一车一模型，针对每台车喇叭布局、声学特性单独微调，前装、后装市场都覆盖；低算力设备（电视、机顶盒）：提供嵌入式模组，通用接口即插即用，端侧本地实时完成全景声转制，不用依赖云端大算力，降低硬件落地门槛。

挨个大白话翻译一下：

啥叫“毫秒级全景声转制”？

先搞懂两个基础东西：

普通立体声（我们平时看短视频、老电影、网上绝大多数片源）：就2 个声道，左、右喇叭。你听到的人声、背景音乐、鸟叫枪声全部揉在这两条音轨里面。听的时候分不清 “声音从头顶来、背后来、侧面来”。

真正的全景声（杜比影院那种）：声音是“分开的”，飞机轰鸣可以从你身后飞过，下雨声音从头顶下来。但！全景声片子不是随便来的，要专业工程师、昂贵工作站，手工一点点把人声、脚步声、环境音拆开，重新分配给几十个喇叭。做一部片子要 23 天，花钱巨多。

那毫秒级转制到底干了啥？拿网上随便一个普通双声道老电影/ 短视频，不用人工工程师干活，AI 一瞬间自动算完，直接输出 “可以模拟四面八方发声” 的全景声效果。

传统老方案：

老电影（立体声2 轨）→ 找音频工程师，人工拆人声、拆枪声、拆环境音 → 手工分配给各个喇叭 → 花 23 天工时 → 得到全景声版本。 

👉 缺点：网上亿万个短视频、老影视剧，不可能全部花钱人工改，成本扛不住。硬件（汽车一堆喇叭、家庭电视音响）再好，没有全景声片源，只能听普通立体声，白堆硬件。

灵境U-MIX AI 这套方案🤖：

普通2 声道立体声（随便什么网上视频）喂给 AI 模型

1.AI 学过大量 “真正的全景声电影” 长什么样，知道什么是人说话、什么是爆炸、什么是环境背景音；2.毫秒瞬间自动拆分各个声音，自动判断：这个声音该放背后，这个声音放头顶，这个放侧面；3.直接输出适配喇叭的全景声信号；边看边算，实时输出，不用提前花几天加工片子。

举个车载例子：你车装18个喇叭，但你手机投屏播放的是普通老电视剧，原本只有左右声音。开启这个 AI 之后，不用重新下载全景声版本电视剧，播放的一瞬间 AI 立刻算完，电视剧声音就变成环绕感，仿佛声音从车窗四周传过来。

啥叫“一车一模型”🚗？

每台车喇叭位置不一样：有的高音在A 柱、有的在顶棚，不同车型车内空间大小不一样。 同样一段 AI 全景声输出，直接丢给所有车，有的车听着刺耳，有的车环绕感弱。 所以 “一车一模型”：针对每一款车单独微调 AI 参数。保证在这台车狭小车厢里面，环绕听感舒服，不会出现声音错位。

三、盈利模式

👉 B 端（给车企、电视音响品牌这些公司）：稳拿基础收入把自家 AI 全景声模型授权卖给车企、电视、音响厂商，帮他们做声音适配；同时接内容转制的单子，把普通视频转成全景声，靠这块拿到稳定现金流，拓展合作渠道。

👉 C 端（普通用户）：做工具拉大量用户推出本地播放器，还有 2026 年 4 月上线的 umixaudio 创作工具，面向个人创作者卖订阅：最低 15 元 / 月，最高 179 元 / 月。目标到 2027 年攒够 1000 万注册用户。

更不完了，后面三个部分下次写。。。还有别的资料没查完，这个评委点到的问题很犀利，说到版权问题，以及和音响公司的竞争关系。这都是值得思考和研究的点。