2026年，第一家倒闭的AI医疗企业出现了

文 | 医线Insight，作者 | 雨山

近日，《福布斯》的一则消息在硅谷和全球医疗科技圈引发震动：总部位于美国加州的AI心理医疗公司Kintsugi正式宣布：由于资金耗尽，公司不得不解散团队、停止运营。

这家成立于2019年的明星初创企业，曾被视为“用AI破解心理健康难题”的先锋代表。它累计融资超过3000万美元，估值一度突破1.5亿美元，其开发的语音生物标志物技术，能够通过简短的自由式讲话片段检测抑郁和焦虑症状，被业内誉为“心理健康领域的听诊器革命”。

然而，在投入长达4年、超过2亿美元的资源后，Kintsugi最终倒在了FDA审批的“最后一公里”。

创始人兼首席执行官Grace Chang在告别声明中算了一笔账：仅FDA审查流程就花费超过1600万美元，后续还需额外投入100万到400万美元，而公司账上已无钱可烧。

“当你在AI与监管高度严格的医疗领域交叉地带做产品时，风投机构原本期望你在第10年实现1亿美元的年度经常性收入；而在AI与大模型的加速浪潮下，他们现在把这个时间压缩到了3到5年。”Grace Chang在采访中无奈表示，“但在医疗行业，没有获得FDA批准，你甚至连商业化产品都不能卖。这种风投周期与监管周期的根本性错配，给我们这类初创公司带来了巨大的结构性压力。”

Kintsugi的倒闭，标志着一个时代的转折点。它不仅是2026年第一家倒下的AI医疗企业，更是第一代独立临床AI诊断公司泡沫破裂的悲壮里程碑。

毕竟，在资本追捧AI医疗的热潮中，Kintsugi曾光芒四射；但在监管与商业的征程中，它的技术理想最终未能转化为生存能力。

这家公司的故事，折射出AI医疗行业最深刻的矛盾：技术创新速度与医疗监管节奏的错配，资本对快速回报的渴望与医疗产品漫长验证周期的冲突，以及算法精度与临床实用性的鸿沟。

缘起： Kintsugi的创业史与业务图景

要理解Kintsugi的失败，我们必须先回到它的起点，去审视那段曾经无比辉煌的创业故事，以及它试图用技术改变世界的雄心壮志。

在取名上，Kintsugi（金継ぎ）是日本一种修复破损陶器的传统艺术，通过撒上金粉或与金粉混合的漆来修复破损区域。作为一种哲学，它认为破损和修复的痕迹也成为物体的组成部分，而不应该是需要隐藏和伪装的东西——就像瓷器的裂痕、壁画的残缺、皮肤上的伤疤和皱纹，都有它们存在的价值和意义。

2019年，Grace Chang和她的联合创始人将这一哲学理念带入了AI医疗领域。他们创立Kintsugi的初衷，是希望用技术帮助人们正视心理健康的“裂痕”，而不是逃避。

公司的技术核心基于一个深刻洞察：在心理健康评估中，人们常常用“我很好，我没事”来回避面对真实的感受。研究显示，高达60%的咨询者会用这样的表述来掩饰内心的痛苦。

而传统心理评估主要依赖PHQ-9、GAD-7等自评量表和精神科医生访谈，结果受患者自我认知、表达能力和医生主观经验影响显著。

Kintsugi团队发现，声音比文字更难伪装情绪。当人们开口说话时，声调、语速、停顿、能量分布等细微特征，会无意识地泄露内心的真实状态。

这种“语音生物标志物”成为他们技术突破的关键方向。

Kintsugi的核心业务，简而言之，就是“听音识病”。

人们在说话时，声音中包含了海量的信息，除了表面的语义（说什么），还包含了丰富的声学特征（怎么说）。

抑郁症和焦虑症不仅是心理问题，更是神经系统的问题。当人的中枢神经系统受到抑郁或焦虑的影响时，控制发声器官，如声带、喉部肌肉、呼吸节奏的运动神经也会发生微妙的改变。

Kintsugi的研发团队投入了长达四年、数亿资金的投入，建立了一个极其庞大的专有语音数据库。

他们不仅收集了健康人群的语音样本，还收集了大量确诊抑郁症和焦虑症患者的语音样本。通过复杂的深度学习和神经网络算法，Kintsugi的AI模型能够从短短20秒的语音片段中，提取出数以千计的声学特征——包括音高、语速、停顿频率、声音的抖动、微弱的颤音以及梅尔频率倒谱系数等。

最关键的是，Kintsugi宣称其技术“只关注声音的声学物理特征，而不去解析语言的具体内容”。

这意味着，无论你是在讲英语、中文还是西班牙语，无论你是在谈论今天的天气，还是在抱怨工作的不顺，只要你开口说话，AI就能在毫秒级的时间内，计算出你的“抑郁指数”或“焦虑指数”。

这不仅在技术上跨越了语言的壁垒，在当时也被认为极大地规避了隐私泄露的风险，因为不需要记录和分析用户的聊天内容。

在此技术基础上，Kintsugi推出了一款面向普通消费者的心理健康App。

该App鼓励用户每天进行语音日记打卡，记录自己的情绪。AI在后台分析用户的语音特征，并实时反馈情绪健康评分。如果系统检测到用户的状态不佳，会通过App内置的认知行为疗法模块提供心理干预，或者建议用户寻求专业的医疗帮助。

示意界面

图片来源：企业官网

这款App在短时间内获得了极高的评价，被苹果App Store多次推荐，并在全球范围内积累了大量忠实用户。其为Kintsugi积累了最原始也是最宝贵的真实世界多语种语音数据。

随着AI模型在临床试验中展现出超越传统问卷的准确率，Kintsugi团队意识到，真正的商业价值和颠覆性力量，在于将这项技术嵌入庞大的医疗保健体系中。

于是，他们推出了核心的企业级产品——Kintsugi Voice API。

这是一款专为医疗机构、远程医疗平台以及健康保险公司打造的临床筛检AI工具软件，具体来说：

在呼叫中心，当患者打电话给医疗客服预约挂号时，客服人员与患者的正常交谈中，Kintsugi Voice就在后台默默运行。无需患者做任何额外的测试，AI就能在通话结束时给出一份心理健康评估报告，提示接线员该患者是否存在潜在的重度抑郁风险，从而实现早期干预。

在远程问诊方面，医生在通过视频或语音进行全科问诊时，屏幕上会实时显示患者的心理健康指数。即使患者是来看胃病的，如果AI提示其抑郁风险极高，全科医生也可以顺便进行心理疏导或转诊。

为了实现这一目标，Kintsugi花费巨资在美国各地顶尖的医疗机构开展多中心临床试验；他们招募了昂贵的医疗合规专家和前FDA官员，试图将其软件打造为医疗器械软件。

同时，Kintsugi还在数据安全、系统集成，比如尝试接入Epic、Cerner等占据垄断地位的电子病历系统上消耗了数以亿计的资金和大量的人员投入。

四年时间，凭借不错的市场可能性，Kintsugi获得了美国国家科学基金会的多次资助，登上了《福布斯》AI 50强榜单。

然而，在这个光鲜亮丽的科技外壳之下，一场足以吞噬整个公司的风暴，正在悄然酝酿。

群雄逐鹿 与监管难题

要深刻理解Kintsugi为何会在2026年耗尽资金并轰然倒闭，我们不能仅仅局限于公司内部的运营，更需要将其放置在广阔的宏观市场和残酷的竞争格局中去审视。

事实上，Kintsugi所处的，是一个看似无限庞大、实则布满暗礁的“伪蓝海”。

首先，不可否认，心理健康是一个拥有万亿级市场潜力的超级赛道。尤其是在经历了全球性的COVID-19大流行之后，人类社会的精神健康状况急剧恶化。

根据世界卫生组织的报告，全球抑郁症和焦虑症的发病率在疫情后飙升了惊人的比例。心理健康服务的需求呈现出爆炸式的增长，而与此同时，全球各地的专业精神科医生和心理咨询师却面临着严重的短缺。

“需求激增+供给严重不足”，在2020年至2023年间吸引了海量的风险资本涌入数字心理健康赛道。AI被视为解决这一供需矛盾的重要解药。

在资本的狂欢期，只要创业公司的BP上写着“AI+心理健康”，就能轻易拿到数千万美元的融资。Kintsugi正是在这一波历史性红利中迅速崛起的代表。

然而，到了2024年底至2026年，宏观经济环境发生了剧变。长期的通货膨胀压力和美联储维持的高利率政策，让全球资本市场进入了漫长的“寒冬”。风投机构不再愿意为“改变世界的宏大愿景”和“长期亏损的科研项目”买单，他们开始严苛地审视每一家AI企业的现金流、年度经常性收入、商业化落地能力和盈利时间表。

在这一大背景下，Kintsugi这种需要高昂研发成本、漫长临床验证周期的重资产型AI医疗模式，其面临的资本压力呈指数级上升。

更重要的是，虽然Kintsugi在“语音生物标志物”这一细分技术点上具有先发优势，但如果把视角放大到整个“AI+心理诊断与干预”赛道，竞争早已白热化。

在这条赛道上，Kintsugi有四类对手：

第一类对手，是直接对标的“语音与面部表情”识别企业。比如总部位于波士顿的Sonde Health同样在这个领域深耕多年，且其业务不仅局限于心理健康，还向如哮喘、慢阻肺等呼吸系统疾病的语音筛查延伸，产品线更为丰富。

此外，Ellipsis Health等公司也在利用语音进行生命体征和心理状态的监测，甚至有一些初创公司将语音分析与面部微表情捕捉结合起来，提供多模态的诊断方案，这让仅仅依赖单一语音特征的Kintsugi在技术上显得不再那么“独一无二”。

第二类对手，是切入诊疗全流程的“AI数字疗法”平台，如Woebot Health和Wysa，这两家公司主打的是“AI对话机器人”。

它们不仅能通过文字或语音与患者互动，进行自然语言处理以评估抑郁程度，更重要的是，它们直接提供基于认知行为疗法的干预治疗。对于医疗机构和患者来说，“诊断+治疗”的闭环产品显然比单纯的“筛查工具”更具吸引力。

第三类对手，是掌握渠道资源的数字健康平台。在B2B市场，Lyra Health、Spring Health等已经成长为估值数十亿美元的庞然大物。它们与全球500强企业建立了深厚的合作关系，为企业员工提供全面的心理健康福利平台。这些平台本身汇聚了成千上万的咨询师，它们完全可以通过并购一些小型的AI技术团队，将“语音筛查”功能集成到自己的巨无霸系统中，从而对Kintsugi这种单一的技术供应商形成降维打击。

第四类对手，是科技巨头的暗中发力。到了2025—2026年，苹果、谷歌等科技巨头在健康领域的布局已经极其深远。苹果早已利用iPhone和Apple Watch的底层传感器，如运动、睡眠、语音等数据探索心理健康算法。

当巨头们将心理健康监测作为智能手机和操作系统的“系统级基础设施”免费提供时，独立的第三方AI筛查软件将面临彻底的边缘化。

最重要的是，Kintsugi的战略重心是做B端医疗市场，这本是一个理性的选择。但在美国医疗体系中，存在一个极其复杂的三角关系：医院医生、患者以及保险公司或政府这种买单方。

Kintsugi的技术确实很棒，能够在短短20秒内告诉医生患者有抑郁症。但在现实中，这就引出了一个极其尴尬的“商业闭环缺失”。

对于医院和全科医生来说：医生们已经超负荷工作，每次看诊时间只有十几分钟。Kintsugi的AI在后台提示“该患者有80%概率患有重度抑郁”，医生看了之后能怎么办？医院根本没有足够多的精神科医生可以转诊接盘。

而且，一旦AI发出了这种高危警报而医生没有采取有效行动，一旦患者发生意外，医生和医院将面临巨大的法律诉讼风险。因此，很多医生对引入这种“只会提出问题，不能解决问题”的筛查工具不仅不热心，反而带有强烈的抵触情绪。

对于保险公司这类买单方来说，传统的医生花30分钟给病人做一份PHQ-9问卷，是可以向保险公司申请报销的。但是，Kintsugi这种“在后台默默运行20秒的AI语音评估”，目前在主流医保体系中根本没有对应的收费代码。

这就意味着，医疗机构如果采购了Kintsugi的软件，只能自己掏腰包承担软件使用费，如SaaS订阅费或API调用费，而无法将这项成本转嫁给保险公司。

不能帮医院创收，还要增加医院的成本，这就注定了Kintsugi在向医院进行商业销售时，面临着难以逾越的鸿沟。

在拥挤的技术赛道中无法建立绝对护城河，在复杂的医疗利益分配中无法找到合理的付费方，Kintsugi终于在这四年的拉扯中，走到了崩溃的边缘。

明星企业陨落的 启示与警示

4年时间，2亿资源的投入。这笔开销究竟是如何被消耗殆尽的？一家曾经拥有顶尖技术和光环的AI医疗明星企业，为何在商业化落地的前夕轰然倒地？

医线Insight认为，导致失败的直接原因：烧钱速度与商业变现的严重错位。

要知道，开发一款消费级的心理健康App，只需要几名工程师和几个月的时间。但是，开发一款能够被临床医生信任并在医院系统中运行的“医疗级AI工具”，其成本是呈指数级上升的。

为了让Kintsugi Voice达到临床诊断的标准，并在复杂的种族、性别、年龄和语种群体中都保持高准确率，公司不得不斥巨资招募最顶尖的机器学习科学家、神经心理学家、精神科权威专家。

同时，医疗数据极其敏感和昂贵。为了训练和微调模型，Kintsugi必须通过合规的渠道，如符合HIPAA法案的脱敏数据提供商、大型医院的临床试验项目购买海量的、带有高质量医生标注的真实患者语音数据。

此外，为了获得美国FDA的审批，Kintsugi开展了漫长且极其昂贵的多中心临床试验。从招募受试者、支付给合作医院的高昂合作费，到聘请专业的CRO进行数据管理和统计分析，每一步都在消耗大量资金。

导致失败更深层的原因，是临床核心痛点的误判。这是Kintsugi在产品定位上犯下的最致命的错误。

创始人或许高估了“客观诊断”在精神心理科的实际价值。如前所述，医疗系统真正缺乏的，并不是“发现病人”的手段，而是“治疗病人”的方法。

在一个精神科医生平均需要等待几个月才能预约上的医疗环境中，Kintsugi的AI工具就像是一个效率极高的“报警器”。它在几秒钟内就诊断出100个重度抑郁症患者，但由于医生资源匮乏，这100个患者根本得不到及时的治疗。

对于医院管理者来说，购买这样一个“只会增加排队人数和潜在医疗事故风险，却无法提供治疗解决方案”的昂贵软件，显然是不明智的。这导致Kintsugi在很多医院仅仅停留在“小规模试点”阶段，无法转化为长期的大规模商业合同。

当迟迟无法证明产品的商业价值和规模化盈利能力时，投资人的耐心便耗尽了。

Kintsugi的解散，不应仅仅被视为一家公司的个体悲剧，它更是整个AI医疗行业在2026年的一次集体阵痛，是一面照妖镜，折射出了当前赛道中普遍存在的几个致命盲区。

第一个盲区是AI技术能力不等于商业模式闭环

Kintsugi的团队无疑是极度优秀的，他们的语音生物标志物技术在学术界和技术圈堪称惊艳。但这恰恰是许多硅谷技术型创始人的通病：过度迷恋技术指标的领先，比如宣称模型的准确率提升了几个百分点，而忽视了医疗行业的本质规律。

在医疗健康领域，“好用”并不等于“好卖”。如果不能清晰地回答以下三个核心的商业问题：

为谁创造了明显的经济价值？即是否降低了医院的成本？

谁来为这项技术买单？

这项技术如何无缝融入医生现有的、极其紧张的工作流程中？而不是增加医生的负担。

那么，无论再炫酷的AI大模型、再精准的多模态识别技术，最终都难逃实验室的象牙塔，或者成为资本狂欢后的一地鸡毛。

第二个盲区是“伪B端市场”的幻觉。

许多AI医疗初创公司在C端受挫后，都会像Kintsugi一样转向B端，试图做医疗机构的SaaS供应商。但在医疗这个极度保守、利益链条固化且受高度监管的行业里，“卖软件”远远比在互联网行业卖SaaS要艰难得多。

医疗机构采购软件不仅看重功能的先进性，更看重生态的成熟度、长期维护的稳定性以及法律责任的界定。

在没有明确的收费模式的情况下，试图让医院为一项纯粹的“筛查工具”额外掏钱是极其困难的。未来在AI医疗赛道上能够活下来的企业，必定是那些能够深入医疗体系毛细血管，比如不仅能筛查，还能通过AI进行长期干预和疗效评估的综合型玩家。

究其本质，仅仅做产业链上的一个“孤立的AI环节”，极易被替代或抛弃。

Kintsugi虽然倒下了，但他们用4年时间、数亿资源和无数顶尖人才的智慧，趟过了“语音生物标志物临床化”这条极其艰难的河流，他们留下的海量科研数据、关于临床落地的经验教训，甚至那些走过的弯路，都将成为后来者继续攀登AI医疗这座高峰的宝贵基石。

2026年第一家医疗AI企业的倒闭，或许正是行业从狂热的泡沫期走向理性成熟期的阵痛标志。于其他AI医疗企业而言，在吸取了诸如Kintsugi这类先行者的血泪教训之后，未来将更加务实地敬畏医疗体系的复杂性，更加聪明地将AI技术与现实临床工作流深度融合。

AI终将深刻改变人类的生命健康图景，而Kintsugi将作为2026年一个悲壮的注脚，永远留存在AI医疗的拓荒史中。