AI应用迎来重估，云知声在医疗深处重塑新增量

  过去两年，资本市场对人工智能的关注重点一直在变化。

  最早被追逐的是算力。GPU、服务器、光模块等基础设施率先兑现订单和收入；随后，大模型成为新的焦点，参数规模、训练成本和推理能力，成为衡量企业技术实力的重要标准。

  到了今年，市场的关注开始进一步向应用端移动。

  9月，上交所正式发布上证科创板人工智能应用臻选指数，将相关软件和硬件企业单独纳入指数体系。A股、港股市场对于软件、智能体以及行业应用的讨论也明显升温。

  这种变化并不难理解。

  经过过去几年的持续投入，大模型本身已经取得快速进步。资本市场接下来更关心的问题是，这些技术究竟能够进入哪些业务，又能带来多少收入和持续需求。

  换句话说，评价一家公司的标准，正在从“技术够不够强”，增加另一个更现实的维度——技术能不能真正变成生意。

  这也让一批过去长期扎在应用端的企业重新进入市场视野。

  云知声是其中一个比较典型的样本。

  从模型能力走向真实业务

  云知声并不是最近才开始寻找应用场景。

  过去多年，公司已经进入医疗、交通、保险、高端制造等多个行业。相比单纯提供模型能力，其更重要的特点，是把技术进一步放进客户原有的业务流程中。

  这在医疗领域体现得尤其明显。

  医疗并不是一个容易通过通用能力直接解决的行业。

  一名医生做出临床判断，往往需要同时参考病史、检验、影像、用药等大量信息；技术真正进入医院之后，还要适配原有信息系统和诊疗流程，并满足准确性、可追溯性等要求。

  因此，医疗真正考验的，不只是模型知道多少医学知识，而是能不能理解临床业务。

  作为云知声扎得最深的业务之一，云知声在医疗领域已经积累多年。

  目前，公司已经形成覆盖智能病历、病历质控、诊后管理、临床辅助决策、医保基金监管、专病智能体等多个环节的产品和解决方案。截至目前，其智慧医疗相关系统已经进入国内450余家医院，其中超过八成为三甲医院。

  450多家医院带来的意义，也不仅是客户数量。

  医生如何书写病历，不同科室如何完成诊疗，医保规则如何落地，患者在不同阶段如何管理，这些经验都需要在真实项目中逐渐形成。

  进入的医院越多、参与的流程越深，对行业的理解就越具体。

  这也是医疗领域很难在短时间内快速复制的部分。

  U2-Med开始成为医疗业务的底层能力

  在多年项目积累基础上，云知声正在把这些经验进一步沉淀到U2-Med之中。

  U2-Med覆盖医疗、医保、医药等场景，并围绕病历生成与质控、诊后管理、医保及商保等具体任务进行训练和优化。

  从目前披露的评测结果看，在MedBench评测中，U2-Med系列模型在全模态大模型和智能体榜单中取得较领先表现；在“三医综合Benchmark”中，其在病历生成与质控、诊后及用药管理、医保和商保等业务任务上也取得较高得分。

  但相比榜单，更值得关注的是这些能力已经开始进入真实业务。

  比如医保基金监管。

  这类业务并不是简单识别几条规则。系统需要理解医保政策、识别异常行为，同时覆盖事前预警、事中监控和事后追溯等多个环节。

  这意味着技术不再只是给出一个答案，而是开始参与一整套业务流程。

  从这个角度看，云知声在医疗领域正在经历一个明显变化：过去更多是在一个个具体场景中解决问题，现在则开始把长期积累沉淀成更加通用的专业能力。

  而在此基础上，公司又开始往更靠近临床核心的环节推进。

  从辅助医生，到“数字医生”

  格隆汇近期了解到，云知声正在推进数字医生方向的探索，并选择肝脏科作为首个验证场景。

  选择肝脏科有其现实原因。

  慢性肝病、肝硬化、肝癌等疾病往往诊疗周期较长，医生需要综合病史、检验结果、影像资料、既往用药和随访情况作出判断，而且方案还会随着患者情况不断调整。

  这与目前比较常见的医疗产品有所不同。

  过去几年，大量应用主要集中在病历生成、报告解读、知识问答等单点环节，本质上是帮助医生完成某项具体工作。

  数字医生所面对的问题要复杂得多。

  按照目前的探索方向，它并不是简单模拟医生问答，而是希望围绕患者较完整的诊疗过程，持续理解患者情况，并在问诊、检查、辅助判断、方案建议和后续随访等不同环节提供支持。

  因此，肝脏科首先是一个验证场。

  如果能够在这样一个诊疗周期长、信息维度多、专业要求高的场景中稳定运行，验证的就不仅是一款肝病产品，而是一整套进入复杂临床流程的能力。

  云知声的价值，需要换一种方法观察

  这也把问题重新带回资本市场。

  近期应用端重新受到关注，并不是因为应用突然比模型更重要，而是产业走到了新的阶段。

  过去几年，市场更关注算力和模型能力；接下来，真正拉开差距的，可能是谁能够把这些能力做成可复制、可收费、能够持续进入行业的产品。

  医疗尤其如此。

  模型能力只是基础，真正决定一家公司能走多深的，还有行业知识、客户基础、项目经验以及对业务流程的长期理解。这些东西，很难靠一次模型升级迅速补齐。

  对云知声而言，450余家医院的积累、U2-Med的持续迭代，以及数字医生向临床环节进一步延伸，本质上都在回答同一个问题：

  技术优势，最终能不能沉淀成长期商业价值。

  数字医生现在仍处于探索阶段，距离规模化应用还需要更多验证。

  但如果市场接下来更看重技术究竟进入了多少真实业务，那么云知声过去在医疗领域积累的价值，必将值得被重新衡量。