行业背景与挑战 - 通用型大模型在医疗场景中存在高幻觉率问题，回答医疗相关问题时胡说八道的概率高达40%[4] - 患者使用通用Chatbot自查后与医生对线，打乱诊疗节奏，增加了医患沟通成本[1][2][3] - 医疗决策具有连续性且错误成本极高，医院对AI的幻觉和错误容忍度接近于零，这使得医疗AI落地门槛极高[13][14][15][18] 医疗AI的竞争焦点与分水岭 - 医疗AI竞争从能力展示转向真实运行，能否在三甲医院长期稳定运行并实现可复盘效果成为关键分水岭[10] - 成功的医疗AI公司需依靠长期场景积累、工程化交付能力及可复盘的落地效果[7] - 大量能力强的模型停留在评测榜单，难以在现实世界规模推广[19] 云知声的市场地位与部署规模 - 在全国百强三甲医院中，约40%选择了云知声的医疗AI解决方案[9] - 截至今年6月，云知声智慧医疗解决方案已在全国部署400家医院，另有700余家进入测试阶段[22] - 其门诊病历生成系统生成的病历，直接引用率接近90%，即每10份中约有9份医生可一字不改直接使用[23][24] - 系统已覆盖除外科外的医院全科室场景[59] 云知声的产品效能与客户反馈 - 病历生成系统为北京多位三甲医院医生节省了近九成的时间成本[25] - 系统在生成速度与准确率之间保持稳定平衡，能自然嵌入医生工作流[58] - 客户价值显著提升，每个医疗客户收入（客单价）从2024年同期的46.9万元大幅增长至101.3万元，增幅达116.2%[67] 云知声的技术与模型演进 - 公司自2016年起布局智慧医疗，演进与中国医疗信息化进程高度同步[30][31] - 基于自研医疗大模型“山海大模型”，能力覆盖病历语音输入、质控、医保支付管理及医学知识图谱等[27] - 最新发布的山海·知医 5.0采用“医学文本大模型+医学多模态大模型”双核心体系，能处理结构化信息、文本、影像等多源输入[34][35] - 创新提出“结构化图谱—半结构化文档—过程化轨迹”三层金字塔数据范式，以降低模型幻觉[37][41] - 通过后训练技术将特定医疗任务下的幻觉率压降至3%以内[42] 技术评测表现 - 在MedBench 4.0评测中，云知声UniGPT-Med系列模型在大语言模型、多模态大模型、智能体三个榜单均位列第一[46][47] - SuperCLUE报告显示，山海大模型在医疗领域评测表现超越了GPT-4[45] 商业化进展与财务表现 - 医疗业务表现突出，2025中期报告显示该业务收入达0.70亿人民币，同比增长22.3%，占总收入17.3%[66] - 业务增长具备可见性，公司对2026年的增速判断明显高于2025年[76] - 产品通过标准化形态交付，支持跨院复制，增长路径清晰可持续[62][63] 公司发展态势与外部环境 - 公司于今年6月30日在港股上市，上市公司身份为医院决策提供了重要信任背书[70][72] - 政策层面支持医疗AI应用场景创新，国务院办公厅发文要求加快高价值应用场景培育和开放[78][79][80] - 资本市场开始为“医疗AI进入临床工作流”定价，2025年美国新晋AI独角兽有55%来自医疗AI赛道[82] - 海外对标公司OpenEvidence（旨在打造医生专用ChatGPT）估值在短期内从10亿美元飙升至120亿美元[83]