我們走訪全國百強三甲醫院，發現40%都選了同一家AI公司

衡宇 發自 凹非寺
量子位 | 公眾號 QbitAI

來猜一下，AI時代，醫生最哭笑不得的是什么？

越來越多的患者在進診室前，已經習慣先用各類通用型Chatbot查詢癥狀。進診室的時候，不少會帶著AI給的診斷和方案和醫生來場“激情對線”。

• AI都說了，我得的不是這種病！

近一年來，這類場景在全國多地多家醫院反復出現。

原本用于診療判斷的時間，被大量消耗在糾偏、解釋和風險提示上。診室節奏被打亂不說，醫患雙方溝通成本還大大上升了。

這里還是再跟所有人強調再強調：

醫療是嚴肅場景，而通用型大模型并不是圍繞醫療體系設計的，在回答醫療相關問題時，胡說八道（也就是幻覺率）的概率甚至能高達40%。

別說自己不能用通用大模型來給自己看病下診斷了，就連醫院和醫生，在選用垂直領域的醫療AI時，都會極其謹慎。

從行業視角來看，這樣高的門檻，的確給醫療AI帶來了清晰的競爭焦點。

真正能在醫院站穩腳跟的醫療AI公司，必須靠長期場景積累、工程化交付能力，以及可復盤的落地效果。

以此為標尺，我們走訪多地多家醫院，搜集整理出醫院真實部署的一組數據。

其中，在全國百強三甲醫院中，約40%選擇了同一家醫療AI公司——

云知聲。

是的，對于AI明星公司云知聲，是時候更多以“醫療”透鏡來看待了。

醫療AI能否進三甲，已成為最重要的分水嶺

醫療AI的競爭正在從能力展示轉向真實運行。

進入這一階段后，關鍵分水嶺逐漸清晰：能否在醫院（尤其是三甲醫院）長期穩定運行，能否在臨床環境中實現可復盤的效果，能否在多院復制中保持一致性。

這是來自醫院一線的直接現實選擇。

然而醫療AI想要落地，從試點走向常態化運行，往往要跨越幾道難以壓縮的門檻。

首先，醫療決策具有連續性。

問診-檢查-診斷-開處方-治療，每一步都依賴前序判斷，一次偏差，可能引發難以預料的連鎖反應。

因此，輸出穩定性被放在極高優先級。

其次，結果需要被多方體系同時接受。

這么說吧——醫生關注醫學合理性，病案質控關注合規與完整性，醫保系統關注規則與成本控制。

能夠通過其中一關，并不代表能通過完整流程。

更重要的是，醫療錯誤的成本極高。

眾所周知，醫院試錯空間有限，對幻覺和錯誤的容忍度接近于零。不管是相關部門、醫院，還是具體到醫生個人，對一款醫療AI系統/產品“能不能用”“敢不敢用”都有明確而現實的判斷。

這使得大量看起來能力很強的模型，最終高高孤掛在評測榜單，卻在現實世界難以走向規模推廣。

正是在這樣的背景下，能夠長期跑在醫院尤其是三甲醫院的醫療AI大模型，數量迅速收斂。

云知聲屬于其中之一。

截至今年6月，云知聲智慧醫療解決方案已經在全國部署400家醫院，700余家進入測試階段。

其門診病歷生成系統生成的病歷，病歷直接引用率接近90%。

拿大白話來說，每10份生成的病歷中，約有9份，醫生可以一字不改，直接使用。

北京市內多位三甲醫院醫生向我們反饋，這套系統在病歷書寫環節幾乎幫自己省下了近九成的時間成本。

放在醫療這一類低容錯、高責任的場景里，這樣的長期運行指標與實際提效結果，意義遠高于單次演示或短期試點。

而這，只是云知聲在醫療領域產品與解決方案中的一個單點。

公開資料顯示，基于自研醫療大模型山海大模型，云知聲在醫療領域的能力覆蓋病歷語音輸入、病歷質控、單病種質控、門診病歷生成系統、醫療保險支付管理和醫學知識圖譜等。

從長期路線到技術兌現

云知聲并非近期進入醫療賽道。

2016年起，智慧醫療就已經成為驅動云知聲業務的兩駕馬車之一。

早期階段，云知聲圍繞語音病歷等場景，著手解決醫生記錄效率問題；隨后在病歷質控、單病種質控等方向，開始系統性處理醫療質量與合規約束；AI 2.0時代開始，行業技術發展提供了更高的可行性，其目標進一步轉向臨床生產力本身。

可以看到，云知聲在醫療領域的演進與中國醫療信息化、智能化進程高度同步，是醫療AI領域一名實打實的老兵。

12月20日，國家人工智能應用中試基地（醫療）浙江開園并發布年度重大成果，首發測評了30款主流大模型的MedAIBench測評榜，遴選發布了10款優秀國產模型。

其中，云知聲山海大模型入選。

就在昨天，云知聲發布了最新的階段性成果山海·知醫 5.0。

在模型架構層面，山海·知醫 5.0采用“醫學文本大模型+醫學多模態大模型”并行的雙核心體系。

現在的山海·知醫 5.0，能夠同時處理結構化信息、醫學文本、影像與多源輸入。

模型能力跨模態，意味著它能像人類醫生一樣接收更多的信息，并根據多模態信息進行醫學推理。

在數據體系上，云知聲創新提出并落地了“結構化圖譜—半結構化文檔—過程化軌跡”的三層金字塔數據范式。

底層的高置信度醫學知識圖譜，提供穩定認知框架。

在后訓練階段，將離散的醫學實體與其屬性關系映射為硬性約束條件，確保底座能力的絕對精確。

中層的全科醫學文檔知識庫補充專業細節，在集聚海量文本數據的同時，通過長上下文窗口訓練與結構化的高密度語義對齊，使模型習得醫學領域的專業表述范式與細粒度語境理解能力。

高層的專家臨床診療軌跡采集了資深醫生在真實診療場景中的多輪問診邏輯、檢查決策路徑及鑒別診斷過程。

在這一層，山海·知醫 5.0利用微調（SFT）與基于可驗證獎勵的強化學習（RLVR）技術，將醫學專家的隱性思維鏈（CoT）轉化為模型的顯性推理策略。

簡單來說，這層數據賦予了山海·知醫 5.0處理復雜臨床任務的規劃能力與工具調用能力，使其能夠像人類專家一樣進行多跳推理與動態診療。

三層數據各自承擔不同角色，并通過統一的數據治理與對齊機制形成閉環，從而實現事實約束-語義理解-邏輯推理的全棧能力躍升，顯著降低了模型在醫學復雜場景中的幻覺。

在后訓練階段，山海·知醫 5.0將智能體能力內化訓練進了模型體系。

團隊構建了基于任務級獎勵函數的強化學習對齊框架。

同時為進一步抑制幻覺，團隊創新性引入“生成-校驗”技術范式，在醫學任務的多步推理的過程中實施步進式循證監督，最終將特定醫療任務下的幻覺率壓降至3%以內。

針對醫療場景下針對長周期、全流程患者診療數據的復雜性，山海·知醫 5.0團隊使用了一種分層式混合記憶架構，能夠根據信息的重要性和穩定性決定使用哪一類記憶。

這種能力組合，使模型在復雜場景中更接近臨床思維路徑。

云知聲的綜合技術能力，早前就已經體現在權威評測結果中。

在醫療行業，上海人工智能研究院牽頭建設的MedBench 4.0是國內主流醫療大模型評測平臺。

它圍繞真實醫療任務設計，涵蓋診療推理、醫學知識覆蓋、多模態理解與復雜決策等維度，被視為衡量醫療模型“是否具備臨床潛力”的重要參考。

2024年起，云知聲各代山海大模型就在醫療領域穩居第一梯隊。SuperCLUE團隊發布的《中文大模型基準測評2024上半年報告》顯示，山海大模型在醫療領域評測表現超越了GPT-4。

現在打開MedBench官網，依舊是云知聲的UniGPT-Med系列模型三榜奪魁。

這類評測結果，更多是在技術層面對模型能力給出證明。

對于榜單成績這個事兒，云知聲CEO黃偉的態度一貫清晰。

此前他就在多個場合強調，榜單具備縱向和橫向意義，有助于理解模型能力進化與行業位置。但醫療To B客戶的決策，并不建立在榜單之上。

“客戶不會為榜單買單。”黃偉如是說。

百強三甲醫院，為技術和產品持續買單

真正值得討論的問題回到一個現實層面：客戶在為云知聲的什么能力買單？

答案離不開兩個關鍵詞，一個是“長期積累”，另一個是“組合優勢”。

首先是長期數據積累帶來的專家級價值。

云知聲醫療模型的數據源，長期沉淀于真實醫療場景，覆蓋不同科室、不同病種和不同診療階段。

這種積累，讓模型對醫學語言、臨床路徑和隱性規則具備更深理解，也讓輸出結果更接近醫生的真實書寫與判斷習慣。

對醫院而言，這類能力意味著系統初用就好用，并且越用越好用。

其次，是對醫療業務本身的深度理解與工程實戰經驗。

醫療AI產品和解決方案并不是孤立的技術問題，背后其實是一個復雜的系統工程，涉及HIS、EMR、質控、醫保規則以及醫生個人工作習慣。

在十年如一日的落地過程中，云知聲逐步摸清了不同科室醫生的真實需求，也清楚哪些環節值得自動化，哪些地方必須保留人工確認。

這種來自一線的理解，直接體現在產品設計和交付方式上，降低了醫院在引入新系統時的適應成本。

△此圖片由AI生成

在性能層面，“快”和“準”同時成立，是其飽受認可的另一個關鍵點。

醫療場景節奏緊湊，系統響應速度直接影響醫生是否愿意使用；而準確率又決定了醫生是否敢用。

云知聲的醫療AI在生成速度與準確率之間保持穩定平衡，使其能夠自然嵌入醫生的工作流，不會弄巧成拙，反而成為醫生日常工作流里的額外負擔。

此外，從部署情況看，系統已經覆蓋除外科外的醫院全科室場景。

這種覆蓋深度，意味著其產品已經成為醫院日常運行的一部分。一旦進入這一狀態，醫院對系統的依賴度和粘性都會與日俱增。

梳理到這兒你應該發現了，在云知聲這兒，臨床驗證、工程化能力、可復制交付與商業兌現，在同一體系內成立。

更重要的是，這些能力并未停留在單點，而是通過標準化產品形態交付，支持跨院復制。

這種讓業務增長能脫離項目制的能力，路徑更加清晰，也更具可持續性，在醫療AI領域尤為關鍵。

如上，在醫療AI領域，云知聲妥妥是一家能夠實現跑通+使用+復制+營收的公司。這套能力也已經開始反映在商業層面。

今年8月，云知聲發布《2025中期業績報告》。

半年報數據顯示，醫療業務表現突出，收入0.70億，同比增長22.3%，占總收入17.3%。

同時，客戶價值提升明顯，每個醫療客戶收入（客單價）從2024年同期的46.9萬元大幅增長至101.3萬元，增幅達116.2%。

這樣的能力和成績，無疑證明了一點——

云知聲是當前醫療AI領域中極具代表性的頭號專業型玩家，是業內討論醫療AI時，繞不開的樣本。

政策與需求同向，海外已給出估值參照

今年6月30日，云知聲在港股上市。

上市并不只是融資工具層面的變化，更意味著品牌信用、客戶認知以及組織運轉方式的整體升級。

對于醫療這樣的嚴肅行業而言，上市公司身份本身就是一層重要的信任背書，它會直接影響醫院在引入新技術、新系統時的決策節奏。

圍繞上市后的發展路徑，量子位聯系到了云知聲CEO黃偉本人。

他明確表示，上市之后，公司已經設定了更高的業務增速目標，收入增長將來自多個方向，包括業務規模的持續擴大、單一客戶價值的提升，以及產品類別的不斷拓展。

隨著業務進入更成熟階段，產品落地邏輯也在逐漸清晰。

云知聲的醫療AI相關產品及解決方案，將持續圍繞高頻場景形成穩定的交付節奏。背后的核心驅動力，依然來自技術與產品本身的成熟度——這一點，在醫療這樣決策周期長、系統替換成本高的行業中尤為關鍵。

黃偉進一步透露，從業務側的反饋來看，公司在手訂單與客戶溝通情況，已經為接下來一到兩年的增長提供了較為明確的可見性。

基于當前的訂單結構與客戶擴展節奏，公司對2026年的增速判斷，明顯高于2025年。

還有多位接近云知聲的知情人士向我們表示，云知聲部分客戶在完成初期部署之后，開始持續追加模塊與使用場景，業務推進呈現出明顯的“由點到面”擴展趨勢。

可以說，隨著產品從單一功能向多模塊延展，單個客戶的價值不斷放大，云知聲的增長來源也逐步顯現出復利特征。

在更大的外部環境中，這一趨勢也得到了政策層面的呼應。

11月，國務院辦公廳又發布了《關于加快場景培育和開放推動新場景大規模應用的實施意見》。

《意見》提出，要加強關鍵核心技術攻關和推廣應用，加快高價值應用場景培育和開放，更好滿足科技、產業、消費、民生、治理、全球合作等各領域發展需要。

此外還指出，要“創新健康咨詢、問診指引、輔助診斷、遠程醫療、用藥審核等醫療應用場景”。

另一邊，資本市場也已經開始為“醫療AI真正進入臨床工作流”這一事實定價。

2025年，醫療AI成為Tier One基金最重要的AI投資賽道，美國新晉AI獨角獸有55%就來自醫療AI賽道。

具體的最新消息，旨在打造醫生專用ChatGPT的AI公司OpenEvidence，估值在本月已經來到120億美元。

論業務，OpenEvidence提供的AI能力是toC的，僅僅面向醫生個人；但論速度，要知道今年2月，OpenEvidence的估值只有10億美元，才剛邁入獨角獸之列。

是不是快得有點離譜？其實背后的邏輯并不復雜。

當AI能夠穩定嵌入醫療日常流程，持續被高頻使用，并且形成明確付費關系時，其商業價值自然會被重新評估。

這套定價邏輯放回國內，同樣成立。不同之處在于，國內醫療AI的估值體系仍在構建過程中，市場對兌現路徑的要求更為嚴格。

技術實力是否過硬，落地規模是否真實，增長是否具備可持續性，都會被反復審視。

但可以確定的是，市場最終會獎勵那些能夠拿出可驗證臨床滲透率，以及可預期增長曲線的公司。

參考鏈接：
[1]https://www.gov.cn/gongbao/2025/issue_12406/202511/content_7048926.html
[2]https://medbench.opencompass.org.cn/leaderboard
[3]https://mp.weixin.qq.com/s/JCD8raaxvWnzX7TzZZHpAw