医疗AI：有人卖贵50%，有人卖不动

医疗AI一直是个慢生意。

不管外面的大模型炒得多热，只要去跟医院做生意，就得按公立机构的规矩来。采购流程按年算，系统出了错谁也担不起责任。医疗AI的残酷之处在于，窗口期正在关闭。2016年就开始泡在医院里的公司，和2023年大模型热潮后才入场的玩家，拿到的不是同一张门票。

翻看同行的财报，大家普遍过得艰难：做眼底筛查的鹰瞳科技，2024年营收降了两成至1.56亿元，亏了2.55亿元，自2019年以来累计亏损已近9亿元。推想医疗等影像AI公司，普遍困在“拿证-进院-降价”的同质化循环里，渠道成本吞噬了大部分利润。

但云知声刚刚发了2025年的财报，有几个数据和行业整体温度对不上。

财报显示，云知声智慧医疗业务一年进了2.44亿元，涨了22.3%。更与同行趋势背离的是，它由医院端往外延伸的业务收入翻了4倍，测算下来直接把医疗客户的客单价拉高了53.2%。在同行普遍降价抢单子、靠硬件搭售度日的环境里，一家AI公司把单价卖贵了一半，营收还在两位数往上走。

这笔账不能光看大模型的技术参数。剥开大模型的外衣，我们只看最实在的商业账本：它究竟把代码卖给了谁？凭什么能卖得贵？这种赚钱的办法，换个省份还能不能接着用？

01

外部困局：卖不上价的同行

前几年做医疗人工智能的，基本都在亏钱，核心原因在于产品卖不上价。

之前的标准套路是：公司花几千万买一批脱敏的CT片子，训练一个看肺结节的算法，去药监局排队拿个证，然后让各地销售去敲医院信息科的门。

但信息科主任的算盘打得很精。一家三甲医院每年的IT预算卡得很死，买一套几十万的软件，要么能帮医院多赚钱，要么能省下真金白银。一个肺结节AI，顶多帮影像科医生省两分钟看片时间，医院根本没法因为用了AI就向病人多收50块钱检查费。这就叫缺乏真实的买单动力。

特别是在各地医保局全面推行按病种付费改革后，医院看一个病人的医保报销额度被彻底锁死。医院各科室都在拼命缩减开支。既然不能创收，这类边缘辅助工具往往第一批被砍掉预算，或者逼着AI公司去当大型核磁共振设备厂商的免费添头。

哪怕是好不容易把设备推进了医院，政策的达摩克利斯之剑也随时会落下。以鹰瞳科技为例，2024年7月1日，国家药监局一纸新规禁止销售未获第三类医疗器械认证的激光近视治疗仪。这一个政策变动，让鹰瞳科技一次性计提商誉减值4320万元及亏损拨备2370万元，直接吞噬了全年利润。政策监管的不可预测性，让这类硬件依赖型的AI医疗公司如履薄冰。

停留在看片子、做简单的导诊机器人，AI公司就永远碰不到医院最值钱的资产，医生的临床诊疗逻辑。进不去医生的核心工作系统，就拿不到真实的用药习惯和处方数据。拿不到新数据，算法就只能原地踏步。最后，所有做单点工具的公司只能在同质化的红海里拼底价。

02

核心入口，时间堆出的信任

云知声的做法不一样，它直接去切医院里最敏感、也最具垄断性的资产，病历数据的生成入口。

这不是简单的“信息化”。病历是医院的数据主权，涉及患者隐私、诊疗责任、医保合规三重红线。一家外部公司要在这个环节嵌入AI，需要的不只是技术，而是让三甲医院信息科敢把系统接进内网的信任资产，这得靠年复一年驻场打磨、处理过无数真实医疗纠纷的履历堆出来。

医院的内网是物理隔绝的。外面那些通用大模型一遇到门诊病历立马抓瞎。真实病房里，医生打字经常连词成句、中英混排，甚至带点只有本院医生才懂的习惯用语。AI想看懂，必须拿每天正在发生的真实病例来喂。

云知声在这个赛道铺了几年。财报里有几个硬指标：接了全国近450家医院，近85%是三级医院，超过三分之一的客户合作了三年以上。

常年待在北京友谊医院、协和这些三甲医院的系统里，云知声攒下了1002万个医学关系和519万个医学术语。这不是维基百科上抄来的名词解释，而是每天都在发生的实战经验。比如，一个患有糖尿病并发症的老人因为骨折住院，骨科医生开的止痛药会不会和内分泌科的降糖药起冲突？AI能在医生敲下回车键之前查出来。这是实际可量化的价值。

在北京友谊医院，这套系统嵌进工作流后，带来的变化非常直接。它将单院区病历生成量提升十余倍，将病历审查覆盖度从不足5%提升至100%，缺陷查准率达到90%以上。过去靠人工抽查根本管不过来的错漏病历，现在被机器全量筛查了一遍。当AI变成医生每天上班必须打开的生产力工具时，它就成了医院信息科第二年必须续费的常规项目。这是它能在医院端稳住基本盘的核心。

03

定价权转移，商保与医保买单

光靠医院那点信息化预算，撑不起客单价53.2%的暴涨。中国单体医院的IT预算有严格上限，买套软件顶天了几十万。云知声真正赚到钱的地方，是把医院里跑通的业务逻辑，卖给了资金池更大的商保和医保局。

这是那“4倍延伸增长”的真正出处。

更关键的是，买单方的议价能力发生了根本性逆转。医院信息科买软件，要层层比价、走政府采购流程。保险公司买风控能力，算的是“投入产出比”——只要AI能多拦下1%的骗保，省下的钱就够付三年服务费。从被预算卡脖子到按效果付费，云知声卖的不再是软件许可，而是风险定价能力。

既然AI能看懂三甲医院的病历，知道什么病该开什么药，它反过来就是一个最严苛的“核保审查员”。这几年，商业保险公司每年因为过度理赔和骗保损失惨重。靠几十个核保员人工翻看几百页的住院清单，速度慢还容易漏查。

云知声把大模型接进商保系统，一秒钟能扫几百份理赔单。一个普通的骨折保守治疗，单子上却开了一堆昂贵的中药注射液和超适应症的高价理疗？AI立刻拦截。2025年，云知声的商保智能体平台审核了超260万件理赔订单，控费率提升至约20%，为合作保险公司实现超10亿元级别的增量成本管控。保险公司保住了利润，买单自然痛快，客单价就这样被拉高了。此外，针对那些买不起大型整套系统的中小保险机构，他们还顺势推出按订单付费的灵活机制，硬是把一锤子买卖做成了经常性的收入账本。

到了2026年初，他们又拿下了全国首个省级医保垂直大模型项目，江苏省医保大模型项目。这笔账的性质变了。以前是ToB，赚一家医院几十万的采购费。现在是ToG，做全省医保资金盘子的底层监管审核。客户的付费能力大了一个量级，营收总盘子的数字自然就翻上去了。

04

人力壁垒：交付成本的代价

拿着大医院的数据练兵，做成模型卖给医保局赚控费的差价。逻辑很顺，但在实际落地做生意时，依然有躲不掉的麻烦。

拿下全国首个省级医保大模型是个开局。但全国30多个省份，每个地方的医保系统全是不一样的烟火。江苏可能用的是东软搭的底座，到了山东可能就是当地供应商几十年前敲的老系统。各个市的DRG扣费权重和疾病编码标准更是千差万别。江苏的模型拿去四川，根本没法直接跑通。

这就意味着，每进一个新省份，云知声都得重建一套本地化交付能力，从熟悉当地医保规则的工程师，到与老旧系统对接的实施团队，这是医疗信息化行业的共性成本，不是某一家公司能绕开的。

这种重度依赖人力的交付方式，在财报上体现为行业典型的成本结构，任何从标准化软件向定制化解决方案转型的公司，都要经历毛利率的阶段性波动。云知声2025年的毛利率从38.8%降至36.1%，恰恰印证了其业务升级的真实发生。

医保系统的非标性，意味着所有玩家都要为每个新省份重建本地化交付能力。云知声现在养的这支熟悉各省医保规则的实施团队，是十年积累的先发优势，而非临时拼凑的外包队伍。2026年江苏省项目的真正价值，不仅在于这一个省的订单，更在于验证了一套可迁移的方法论，哪些字段可以标准化封装、哪些接口能够复用、哪些地方的医保局愿意为效率溢价买单。

云知声2025年经营现金流为负2.12亿元，但这是医疗AI行业从“项目制”向“平台化”跃迁期的典型特征。上市后的两次配售（2026年1月1.97亿+2月3.12亿），为这一战略转型储备了充足的资金支持。

05

在同行普遍亏钱的当下，云知声的财报确实算是一个阶段性进展。它证明了做医疗AI不一定非得困在几十万的工具采购包里，只要找准商保和医保这些愿意为降本增效掏真金白银的客户，代码仍能维持较高定价。

医疗AI的账，云知声已经算清了第一步：用十年时间换一张进核心系统的门票，用门票换数据，用数据换模型，用模型换定价权。

第二步的账本正在打开，2026年看江苏省项目能否提炼出可迁移的方法论，将先发优势转化为规模效应。当同行们还在评估入场时机时，云知声已经在定义这个赛道的游戏规则，这就是先发者的时差，能不能变成差距，2026年见分晓。

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、天眼查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