公司发展历程与关键转折 - 公司创始人薛翀于2016年创业，初期开发基于知识图谱的“问诊系统”，并曾通过接入护士提供线上问诊服务实现盈利，但认为该模式劳动密集而转型 [32][33][34] - 2017年底，公司转向基层医疗SaaS赛道，为浙江省约8000家基层诊所提供带有临床决策支持功能的电子病历系统，并与第三方检验中心互联，形成了软件销售与分佣的商业模式，至2021年已实现数千万收入和一定利润 [35] - 2022年遭遇资本寒冬，原定5000万融资无法到账，公司收缩战线，但决定保留一支10人小队探索AI创新业务，成立“Π实验室” [6][36][37] - 2022年底ChatGPT的出现，解决了医疗数据非标、结构化处理难的问题，使公司的AI智能病历业务得以突破 [10][11] - 2025年，公司AI新业务签约年度经常性收入增长12倍，达到六七千万元，并连续获得3轮融资，2026年签约合同额有望达1.5亿元 [7] 核心产品与业务模式 - 核心AI产品为“无感病历自动书写”，通过语音识别结合大模型理解推理，在医患自然对话中自动生成结构化病历，旨在解放医生双手 [9][10] - 产品价值不仅在于提升医生效率，还包括病历质控与风险预警，例如通过比对耗材数据与医生口述，自动生成匹配的手术记录以解决医保扣费问题 [12] - 公司业务分为两大方向：一是对标美国Abridge的AI智能病历业务，二是对标美国OpenEvidence的医生“AI智能助理”产品，旨在解决医生在科研与疑难杂症诊疗中的信息处理痛点 [7][15][16] - 商业模式坚持由直接受益方付费的原则，即医院解决问题由医院付费，医生使用产品由医生付费，不依赖“羊毛出在猪身上”的药企数字化营销模式 [18][19][20] - 公司开发的诊所SaaS系统也要求诊所直接为软件服务付费，而非依赖导流佣金 [19] 市场竞争与公司优势 - 公司认为医疗AI应用层的主要机会属于创业公司，而非传统医疗信息化厂商或大厂，因后者可能投入不足或决策流程缓慢 [14] - 面对医院部署开源大模型的竞争，公司通过“后训练”将医疗垂直大模型参数压缩至7B，在生成精度和速度上具备优势，且能更好与医院业务流结合 [13] - 相较于仅做语音识别的“感知型AI”产品，公司采用语音+大模型推理的双重架构，在病历要点提取的准确率上更高，形成了竞争壁垒 [13] - 公司已订阅多个国际核心医学数据库并达成应用协议，为开发医生AI助理产品奠定了基础 [15] 产品理念与创新逻辑 - 公司创始人认为产品创新是商业世界中最大的杠杆，能带来10倍、百倍乃至千倍的增长，远高于营销带来的线性增长 [5][28][29] - 检验创新的核心标准是直接服务的用户是否愿意付费，公司坚持产品必须解决医生足够痛的问题，使其愿意直接买单 [8][30] - 公司认为中国医生是具有强支付能力和意愿的优质客户群体，其支付意愿取决于产品是否解决了让其“焦头烂额”的核心痛点 [22][23][24] - 公司推广策略强调产品力驱动，医生版APP未做推广便实现自然增长，计划通过学术会议和新媒体渠道进行精准推广 [17] 行业洞察与需求分析 - 在医疗场景中，顶级医院医生对常见病诊疗已烂熟于心，更需要的不是临床决策支持，而是能自动书写病历、录入数据的工具，以及处理疑难杂症时的深度辅助工具 [14][16] - AI在医疗场景的价值发挥点主要有二：一是在门诊场景做“无感”病历记录，替代助理；二是在病房场景，辅助医生对疑难杂症进行深度研究和决策 [16] - 真正的用户需求是能解决医生“焦头烂额”瞬间的产品，例如快速获取最新治疗方案、一键无感记录专病案例等，伪需求则无法形成商业闭环 [24][25][26][27]

公司发展历程与关键转折 - 公司于2016年由医生背景的创始人创立，早期探索在线问诊系统，但认为该模式是劳动密集型业务，与愿景不符，后将该业务转出[43][44][45] - 2017年底，公司转向为基层诊所提供带有临床决策支持功能的电子病历SaaS系统，并与第三方检验中心合作，至2021年在浙江拥有约8000家付费诊所客户，实现数千万收入和一定利润[46][47] - 2022年遭遇资本寒冬，一笔5000万融资无法到账，公司收缩战线，但决定保留一支10人团队独立探索AI创新业务，成立“Π实验室”[5][48][49] - 2022年底ChatGPT的出现解决了数据对齐难题，使公司的AI产品探索迎来转机[11] - 2025年，公司连续获得创新医疗等投资方的3轮融资，AI新业务签约年度经常性收入增长12倍，达到六七千万元，2026年签约合同额有望达1.5亿元[6][7] 核心产品与业务模式 - 核心AI产品之一是“无感病历自动书写”，通过环境感知技术“听”取医患对话，结合大模型的理解与推理能力，自动生成结构化病历，旨在解放医生双手[10][12] - 产品不仅提升效率，还帮助医院进行病历质控和风险预警，例如通过比对耗材数据与医生口述，自动生成匹配的手术记录，以解决医保核查痛点[15] - 公司推出了医生版“全诊通”APP，旨在成为医生的“AI智能助理”，对标美国公司OpenEvidence，通过自然语言进行医学文献精准检索与智能分析[7][20] - 公司坚持由直接用户付费的商业模式，认为检验产品价值的标准是“直接服务的用户愿不愿意付费”，例如医院解决问题就由医院付费，帮医生解决痛点就让医生买单[8][27][40] - 公司不认同“羊毛出在猪身上”的商业模式，认为药企可以作为付费方之一，但核心逻辑必须直面终端客户并直接转化[26][27][29] 市场竞争与公司策略 - 公司认为其竞争力在于拥有可演示的现成产品，而非停留在PPT概念阶段[7] - 面对医院部署开源大模型的冲击，公司通过大量“后训练”将医疗垂直大模型参数压缩到7B，在生成精度和速度上建立优势，从而更易承接医院AI落地业务[16] - 公司认为语音技术大厂的产品多停留在感知转录阶段，而医疗场景需要理解与推理；传统医疗信息化厂商虽有入口优势，但真实投入较低[17] - 公司认为未来真正的机会属于专注于应用层的创业公司，而非决策流程复杂的上市公司[18] - 面对行业内卷与同质化竞争，公司的策略是坚持通过“产品创新”来保持领先，认为这是商业世界中最大的增长杠杆[37][38] 目标市场与用户洞察 - 公司产品首先在约1000多位基层医生用户中升级试用并获得积极反馈，随后推向医院市场[13] - 公司认为顶级医院医生在常见病诊疗中不需要临床决策支持系统，更需要能写病历、录数据的工具，以及在治疗疑难杂症时的辅助工具[17][22] - 针对医生端产品推广，公司认为产品力是关键，只要产品足够强，用户会主动选择，其医生版APP未做推广便已实现自然增长[23] - 公司认为中国医生是具有很强支付能力和意愿的优质客户群体，如果医生不愿付费，说明产品未解决其核心痛点[8][30][31] - 公司识别出医生的真需求是解决让他们“焦头烂额”的问题，例如快速获取最新治疗方案、一键无感记录病案等，从而节省时间、避免熬夜[32][33][34] 技术路径与行业趋势 - 公司早期基于知识图谱开发问诊系统，但互动存在“机械感”[44] - 大模型的出现解决了海量非标信息数据结构化的人力消耗难题，成为公司AI业务发展的关键“锤子”[11][14] - 公司开发了语音识别与大模型推理的双重架构，以提高病历要点提取的准确率[17] - 为在中国开发类似OpenEvidence的产品，公司已订阅多个国际核心学术数据库并达成应用协议，以在发挥AI价值的同时保护原文版权[21] - 公司观察到AGI时代带来爆发式增长，使其成为一个值得研究的样本[8]

公司发展历程与关键转折 - 公司创立于2016年，创始人为医生出身，早期开发基于知识图谱的“问诊系统”，并曾通过整合护士资源提供线上问诊服务，实现盈利但业务模式偏劳动密集型[24][25] - 2017年底，公司转向为基层诊所提供带有临床决策支持功能的电子病历SaaS系统，并与第三方检验中心合作，至2021年在浙江拥有约8000家付费诊所客户，实现数千万收入和一定利润[26] - 2022年遭遇资本寒冬，原计划的5000万融资无法到账，公司被迫收缩战线，但做出关键决策：将成熟的基层SaaS业务拆分以维持基本盘，同时保留一支10人团队独立探索AI创新业务[1][27][28] - 2022年底ChatGPT的出现，为大模型技术应用于医疗场景提供了关键“锤子”，使公司早期探索的AI病历书写等方向面临的数据结构化难题迎刃而解[5] - 2025年，公司AI新业务取得突破，连续获得包括创新医疗在内的3轮融资，并成功中标广安门医院、常州市第一人民医院等项目[2] - 2025年，公司AI新业务的签约年度经常性收入增长12倍，达到六七千万元，2026年签约合同额有望达1.5亿元[2] 核心产品与业务模式 - 核心AI产品为“无感病历自动书写”，通过语音识别和大模型理解，在医患自然对话环境中自动生成结构化病历，旨在解放医生双手[5] - 产品已从基层诊所推广至大型医院，初期为约1000多位基层医生用户升级该功能并获得积极反馈[6] - 产品价值不仅在于提升医生效率，还包括病历质控和风险预警，例如通过比对耗材数据与医生口述，自动生成匹配的手术记录，帮助医院解决医保核查扣费痛点[7] - 公司推出了医生版“全诊通”APP，作为AI智能助理，功能对标美国公司OpenEvidence，旨在通过自然语言进行精准医学文献检索与分析，提升医生科研与疑难杂症诊疗效率[11][12] - 公司坚持由直接用户付费的商业模式，即产品服务于医院就由医院付费，服务于医生就由医生付费，不依赖“羊毛出在猪身上”的药企数字化营销模式[15][16] - 公司认为中国医生是具有支付能力和意愿的优质客户群体，产品商业化的核心在于解决医生“焦头烂额”的真实痛点[17][18] 技术路径与竞争策略 - 公司采用“语音+大模型推理”的双重架构，专注于医疗场景的理解、推理与结构化处理，而非简单的语音转写[9] - 面对医院初期部署DeepSeek等开源大模型的冲击，公司通过“后训练”将医疗垂直大模型参数压缩至7B，在生成精度、速度和与医院业务流结合方面展现出优势[8] - 公司认为医疗AI应用层的主要竞争机会属于创业公司，而非传统医疗信息化厂商或互联网大厂，因后者存在决策流程长、投入谨慎或产品逻辑停留在感知阶段等问题[9][10] - 应对行业同质化竞争的策略是持续进行“产品创新”，并将其视为商业世界中最大的增长杠杆，认为其能带来远超营销的指数级增长[21][22] - 衡量创新有效性的核心标准是直接用户是否愿意为之付费，这被视为检验产品价值与形成商业闭环的关键[3][22] 市场洞察与发展规划 - 公司发现，对于大型医院医生而言，常见病诊疗已无需辅助决策，其核心需求是能写病历、录数据的“干活工具”以及诊疗疑难杂症时的深度辅助工具[10][12] - 公司产品推广依赖产品力驱动的自然增长，而非高额市场费用，并计划通过学术会议、新媒体渠道及2026年春节期间的“国际版”APP升级进行精准推广[13][14] - 公司发展主线始终是运用科技替代医生的重复性机械劳动，将医生从繁重工作中解放出来，这一理念源于创始人自身的临床经历[29][30]