音响人工智能（AI）解决方案公司迪普利宣布，已开始为多轴机器人的异常诊断提供基于声音的预知保养解决方案，旨在基于制造现场的音响数据扩展其在机器人预知保养市场的业务领域。 迪普利在1日表示，已向全球先进部件制造商的多轴输送机器人提供了预知保养用的‘听音AI’解决方案。这是迪普利首次在机器人预知保养领域提供解决方案。 听音AI是一种实时分析制造现场声音以判断设备异常的音响AI解决方案。迪普利此前已将听音AI应用于电机、齿轮、轴承等驱动部件的质量检测，以及连接器、螺栓等的紧固声检测。 迪普利基于分析70种以上声音类型的经验和自我收集的超过15TB的制造音响数据，正在扩大其在预知保养领域的应用范围。目前，迪普利与多家全球企业正在进行听音AI技术验证（PoC），此次已完成针对全球大型制造商的多轴输送机器人的健康技术验证并实现实际供应。 此次供应的听音AI能够通过声音诊断多轴机器人在检查和输送先进部件时电机和减速机的异常情况。迪普利分析机器人负载与产生的声音之间的关系，并追踪部件的老化趋势，以提供早期识别异常迹象的指标。 该系统通过安装在机器人驱动部件上的麦克风检测正常声音与异常声音的差异，并对其进行评分以自动判断异常情况。它被设计为能够在多台机器人同时运行的宽频噪声环境中提取异常迹象。听音AI还应用于显示用原材料输送设备的轴承异常声检测。 迪普利计划未来进一步提升基于声音的预知保养技术。目前，该技术在检测到异常声音时提供通知，未来将发展到诊断发生故障的轴并预测剩余寿命（RUL）的阶段。基于此，迪普利还将讨论扩大预知保养应用线和向其他工厂扩展应用范围的方案。 迪普利代表李秀智表示：“虽然利用机器人进行自动化流程的趋势迅速增长，但机器人预知保养仍处于需要高度技术的阶段。听音AI已经证明了基于声音的预知保养的可能性和合理性，并实现了实际供应。”※ 本报道经人工智能（AI）系统翻译与编辑。

迪普利是一家通过人工智能（AI）分析制造现场声音，以管理质量和安全的企业。起初的出发点是婴儿的哭声，但现在已经扩展到分析汽车零部件等制造现场的机械声和连接声，正在拓展工业音响AI市场。 在30日于首尔麻浦区的迪普利办公室，李秀智代表表示：“可以认为迪普利是一家为自动化工厂提供听觉模块的公司。”他认为：“在机器人逐渐变得像人类的时刻，仅靠视觉是不够的，听觉模块将会发挥作用。” 李代表选择音响AI作为业务的起点是基于“信号处理”。他毕业于KAIST电子工程专业，之后在首尔大学脑认知科学专业专攻脑电波信号处理。他解释说，虽然脑电波和声音看似是不同的数据，但在技术上是相似的领域。他表示：“从大方向来看，声音和脑电波都是信号处理的领域。”随着频率划分和预处理技术的发展，最近AI与深度学习的结合使得“能够以更高的分辨率分析更多的信号”。 李代表将声音分析技术的发展比作相机的进步。他指出，过去模糊的图像通过高分辨率的发展能够读取更多信息，声音同样因为AI技术的发展而创造了细致分析的环境。 迪普利并非一开始就关注制造现场。2020年，他们推出了通过AI分析婴儿哭声的应用程序“WAAH”。在亲自抚养孩子的过程中，他发现仅凭哭声很难判断孩子的需求，这一经历成为了商业的起点。 李代表回忆道：“我也有一个孩子，发现很难理解孩子的表达。”他认为：“如果收集大量数据进行分析，可能会有效。”有经验的父母可以在一定程度上区分饥饿或不适，但对于初次育儿的人来说，利用数据的想法应运而生。 然而，在进行B2C业务的同时，迪普利也在思考如何将积累的技术应用于合适的领域。最终，考虑到作为技术基础创业团队的身份和现有技术能力，他们决定转向B2B。李代表表示：“我们是一个技术基础的创业团队，至今积累了很多技术。”他认为：“我和共同创始人都是工程背景，因此B2B更适合我们。” B2C与B2B的差异在于商业模式。李代表解释道，在面向消费者的业务中，提升用户界面（UI）和用户体验（UX）以及在线营销非常重要，而在制造业中，进入现场验证技术和建立信任的过程则至关重要。 李代表表示：“B2C和B2B在根本上感觉非常不同。”他提到，在B2C阶段，“有很多团队专注于提升消费者的便利性UI·UX方面，并进行了大规模的在线营销。”而在制造领域，“通过展会或可信的报道来建立信任度则显得尤为重要。” 在业务转型过程中，组织也经历了一次大幅缩减。为了婴儿哭声分析业务增加了人手，但在停止该业务后又减少了人员，最终由李代表、共同创始人及两名同事共四人重新开始B2B业务。之后，组织再次扩大，目前有27名员工，其中约三分之二为开发人员，分别负责AI算法和产品开发。 迪普利在制造现场发现的问题是依赖“人耳”的质量检查的局限性。在汽车零部件制造现场，长期以来通过听声音来检查产品是否移动、连接器和螺栓是否正常连接。 然而，人工听取的检查难以留下客观数据。检查者的熟练程度和状态可能影响判断，追踪不良判断的依据也不易。李代表指出：“在传统汽车行业中，都是通过人耳来检查的，但现在仅靠人耳已难以客观判断。”他认为，必须留下证据和资料并将其数据化，“我们正在经历将这些转变为系统的过程。” 迪普利的工业音响AI解决方案“Listen AI Industrial”被用于汽车电机、执行器、轴承等的质量检查，以及连接器和螺栓连接声的检查。目前每小时超过1.8万个产品实现100%在线检查，累计音响数据超过52万小时，20TB以上。 在这个过程中，李代表特别关注的是“数据”。在制造线上，每天生产数百到数万个产品，产生的声音与产品信息一起被积累。他表示：“在量产环境中，某些生产线每天生产几百个，而某些生产线则多达几万个。”这些生产线的声音会被完整记录，并与产品信息关联，数据化。 这不仅仅是简单地收集声音。它能够连接正常产品与不良产品的声音、声音来源于哪个产品、生产时点和工艺信息等。因此，李代表将现场积累的数据视为迪普利的竞争力。他强调：“这样的数据持续积累是非常重要的资产。” 音响AI在制造业中的应用背景也与汽车产业的变化有关。随着电动车的普及，车辆本身变得安静，对小的连接或异常声音的质量管理变得重要。过去依靠人耳确认的微小差异，现在需要通过数据进行区分和记录。 李代表承认音响AI相比于视觉AI仍然是一个较小的市场。然而，他认为，随着制造现场的自动化，不仅需要视觉，还需要负责其他感官的传感器。他表示：“音响AI可能是一个相对较小的领域，但我认为它是视觉的第二感官。”他进一步预测：“如果制造行业继续朝着自动化系统发展，音响AI将在多种传感器模态中发挥重要作用。” 迪普利也在基于国内制造业的应用案例，瞄准全球市场。2025年，他们向H集团旗下的国内和墨西哥业务提供了Listen AI Industrial，2026年则向全球汽车电机制造企业交付了解决方案。目前在全球30个工业现场运营该解决方案。 今年6月，迪普利获得了来自Dev Sisters Ventures、Soo Investment Capital和Nautilus Investment的2.5亿韩元新投资，并在8月被选为中小企业部TIPS一般轨道。 到目前为止，迪普利专注于提升特定生产线的性能，未来将致力于提高同一产品的整体完成度，以便更多制造企业能够快速使用。李代表表示：“如果之前专注于提升单一生产线的技术性能，现在将致力于提升基本产品力，以便更多客户能够使用。”他指出：“缩短导入时间和安装时间将降低成本，使更多客户能够使用。” 进入全球制造企业也是重要目标。李代表表示，当前公司规模每年增长约三倍，并表示将专注于快速增加客户的实际导入，而非投资融资或上市（IPO）。 李代表对迪普利的最终愿景非常明确。他希望AI不仅能替代人类的视觉，还能使机器理解人类听觉的领域。 李代表将迪普利的方向描述为“制造工业机器人耳朵的公司”。他表示：“在自动化工厂中，过去主要是视觉模块，而在机器人逐渐变得像人类的时刻，听觉模块也变得必要。”他希望成为提供听觉模块的公司。※ 本报道经人工智能（AI）系统翻译与编辑。

人工智能（AI）技术正在受到关注，它能够通过声音识别异常现象，从而发现机械故障。这项技术通过分析机器声和连接声等微小差异，判断制造现场产品的异常情况。 音响AI公司迪普利成立于2017年，由毕业于KAIST电子工程专业并在首尔大学获得脑认知科学硕士学位的李秀智代表创办。她曾在首尔大学医院担任研究员，并担任医疗企业的产品总负责人，随后创立了迪普利，致力于音响AI技术的开发。 迪普利的核心解决方案是工业音响AI“Listen AI Industrial”。该系统实时分析制造现场量产线上的机器声和环境声，检查电机、执行器、轴承等驱动部件的质量，或判断连接器和螺栓的连接状态。 以往，熟练的检验员常常依赖自身的听觉来判断异常情况，而Listen AI则通过数据分析来实现。公司表示，这是一种量化声音基础的质量和连接检查的解决方案，减少了对熟练工人个体判断的依赖。 迪普利目前已积累超过52万小时的音响数据，数据量超过20TB。这相当于178名熟练检验员在一年内每天工作8小时所需的听音量。Listen AI基于这些数据，实时分析量产线上的产品声音。 目前，该系统每小时能够对超过1.8万件产品进行100%的在线判定。公司表示，按年计算，分析的产品数量超过1.5亿件。每件产品的声音可以在0.1秒内做出判断。 此外，依赖人耳的检查局限性也得以降低。通过减少检验员的熟练度或疲劳度对判断的影响，安装和运营无声室的成本也降低了60%。尤其是在制造现场，连接不良可能导致后续产品召回，因此对量化检查体系的需求非常充足。 该解决方案目前正在汽车制造现场扩大应用范围。2025年5月，迪普利开始向H集团的子公司在国内和墨西哥的现场供货，今年1月又向全球汽车电机制造企业提供了解决方案。目前，迪普利的解决方案在包括H集团子公司、全球汽车电机制造商效能电气、韩国铁路等在内的全球30个行业现场运行。 迪普利还在积极拓展海外制造现场。公司与英国当地合作伙伴签署了Listen AI的独家销售合同，开始进军欧洲市场。在北美，迪普利正在美国南部的“电池带”地区（如乔治亚州、阿拉巴马州和田纳西州）扩大制造现场的引入，计划在年内在该地区引入3个以上的制造现场解决方案。 随着制造现场无人化进程的加快，迪普利认为音响AI的应用场景也将不断增加。随着越来越多的工厂使用机器人进行连接器或螺栓的连接，立即判断连接结果的需求也在增加。因此，迪普利正在将Listen AI与视觉检测结合，扩展为多模态AI。 ※ 本报道经人工智能（AI）系统翻译与编辑。

人形机器人投资格局正在发生变化。过去，资金主要集中在机器人身体的关节和驱动装置等硬件上，而最近，投资则转向开发手、耳、眼、鼻等人类感官的人工智能（AI）技术的初创企业。 根据30日初创企业联盟发布的《2026年物理AI初创企业地图》，在149家国内物理AI初创企业中，机器人企业占70家，约占总数的47%。近期的投资趋势也从单纯制造人形机器人的企业扩展到开发听觉、视觉、触觉等感官AI技术的初创企业。 今年上半年，开发制造现场人形机器人的Holiday Robotics通过A轮融资获得了1550亿韩元的资金，标志着大规模投资的持续。最近，资金也流入那些使人形机器人能够像人一样感知周围环境并进行工作的感官技术公司。 一个典型的例子是开发机器人手（抓手）技术的Tesolo。Tesolo在6月获得了B轮融资，虽然投资规模未公开，但其已向三星电子、LG电子、Delta Electronics等公司供应多关节机器人手，并在包括美国和日本在内的19个国家出口产品，显示出其商业化竞争力。为了使机器人能够像人手一样稳定地抓取和操作各种形状的物体，抓手技术被认为是关键。 在听觉AI领域，投资也在持续。音响AI初创企业Diply在6月获得了2.5亿韩元的投资。Diply开发了能够通过声音判断制造现场机械故障或零部件质量的“ListenAI”。目前，该技术已应用于工厂质量检查、设备故障检测和安全管理，未来若应用于人形机器人，将有望实时识别基于声音的危险情况或机械故障。 在视觉AI领域，Superb AI在去年底通过Pre-IPO融资获得了14亿韩元。该公司基于图像和文本共同理解的视觉语言模型（VLM），已在制造现场的质量检查和风险检测中得到应用，未来计划扩展为能够执行实际行为的视觉、语言、行为（VLA）模型。 此外，开发嗅觉基础模型的Ilias AI和学习触觉数据的Sixth Sense等公司也获得了近期投资。尽管嗅觉和触觉AI仍处于初期市场，但由于人形机器人需要像人类一样利用五感，这些技术被认为是必不可少的，因此相关初创企业的关注度也在上升。 业界普遍认为，作为制造强国的韩国在感官AI领域具备较强的竞争力。因为韩国在智能工厂、汽车、半导体等多个制造现场积累的数据为感官AI的高度发展提供了良好的环境。※ 本报道经人工智能（AI）系统翻译与编辑。