人需要定期体检，机器当然也不例外，在制造业加快数字化进程，迈向工业4.0的背景下，工业设备的安全与预测性维护受到越来越多的关注。很多大型企业不仅产线庞大，而且设备众多，一旦运维出现突发问题，损失巨大，而对于电力、铁路、能源等行业的大型关键装备，其运转状态更是关乎国计民生。

随着人工智能、语音识别技术的不断进步，工业设备的“听音识病”正在成为可能。设备在运行时会产生声音和振动信号，就像人的指纹一样具有辨识特征，这种包含有显著特征的声学信号被称之为声纹，当设备产生缺陷或发生故障后，其声纹也会随之改变，这即是声学监测的原理。

记者注意到，目前这一新兴赛道簇拥着老牌科技公司、新兴创业企业等多个玩家，可以为工业设备提供高精度、预测性、实时性的故障诊断及预测性维护服务。

工业设备的隐患排查与定期检修最早主要依赖人力，需要经验丰富的师傅一个个敲、一个个听，判断哪里有问题，而对于山上、地下等不易巡检的地方，人工维护难度非常大。

近年来，技术的进步使得市面上检修手段丰富起来，如红外、热敏、振动传感器等，但这些方案大多用于故障发生后的维修定位，很难起到故障预防的作用，一些后装式入侵式监测传感器容易给设备带来二次伤害，此外，使用多种不同类型的传感器、硬件接口和软件协议，系统颇为复杂，铺设和维护的工作量很大。

谛声科技合伙人常炜熙告诉记者，声音作为最基础的物理量，是评估设备工作状态的重要参数指标之一，与上述监测方案相比，声学监测具备非接触式测量、通用性强、能够较快部署、易于发现早期故障等特点，在当前市场环境下，声学监测方案能够覆盖大部分常见的设备故障，尤其是封闭结构件的机械类问题，包括周期性转动的齿轮故障、轴类故障等，以及高压气体泄漏定位相关问题方面，声学监测优势更是明显。

祥峰投资执行合伙人李伟也十分看好声学监测的应用与前景。“传统的铁路以及电力等行业的检测维修，大多是通过人工辅以部分检测设备周期性地进行检修及零部件更换，或者遇到实际故障时再进行拆卸维修，安全隐患高且检修成本高。采用声音实时在线监测方式既可以做到实时状态监测，又可以对潜在故障做到预防性维护，不仅极大提高了安全性，同时能够很好地节省人工及检修成本。”李伟表示，声学监测在铁路设备运维、电力系统运维，工业设备预防性维护等行业都具有较大市场空间。

成立于2017年的谛声科技创始团队来自中国科学院声学研究所，在硬件方面，谛声科技突破了麦克风阵列技术壁垒，将一定数量的麦克风组成阵列，对声场的空间特性进行采样处理，实现声源定位、去混响、声信号增强、盲源分离等功能，提高了在嘈杂的环境下故障音的识别准确率。在软件方面，谛声科技自研了声学算法，目前已建立了50种以上铁路系统故障模型，针对电网系统故障模型迭代了4次，可以识别不同场景下通用的十余种故障；建立了百余种工业系统故障模型并分别完善对应的声纹数据库，以上模型基于数据验证的综合识别准确率可达95%以上。通过软硬件结合，谛声科技最终为客户提供包括声学监测在内的一站式整体解决方案。

常炜熙向记者介绍称，目前国内在工业声学监测领域的企业主要有两类，一类是基于智能语音及计算机视觉的科技公司，在消费类产品逐渐成熟后拓展业务覆盖工业监测场景。另一类是像谛声科技这样的创业公司，利用新技术建立起相对完整的声学故障模型，专注于工业设备的智能化运维。

常炜熙判断，未来各企业的竞争重点将围绕数据和应用场景展开，能够不断拓宽应用场景边界，积累更大数据量和故障模型分析系统的企业将脱颖而出。

铁路、电网、能源等基建场景是谛声科技正在着力拓展声学监测应用场景，其已建立起铁路系统与电力系统故障算法模型。常炜熙表示，对于这类客户而言，安全性是其关注的首要因素，其故障监测需求强烈，声学监测相较其他解决方案更适合，不仅场景丰富而且通用性好，产品能够在同一行业较快推广复制，发展空间也很大。未来除了声学监测，谛声科技还将在音视频联动方面进行多元探索，与机器视觉结合，发掘更多机器听觉的潜力和应用价值。