【量子位 2025年12月24日讯】当通用AI大模型因医疗场景“幻觉率高达40%”屡遭诟病时，一家本土AI企业已悄然占据全国百强三甲医院近四成市场。12月23日，据量子位走访调研及多方权威数据确认，云知声凭借自研医疗大模型“山海·知医”及全场景解决方案，成为全国40%百强三甲医院的共同选择。截至2025年6月，其智慧医疗方案已落地400家医院，700余家进入测试阶段，门诊病历生成系统直接引用率近90%，帮医生节省九成文书时间，成为医疗AI从“概念演示”走向“临床刚需”的关键样本。
值得关注的是，就在调研期间，云知声同步发布山海·知医5.0版本，通过“双核心架构+三层数据范式”将医疗任务幻觉率压降至3%以内，在MedBench 4.0权威评测中包揽医疗智能体、大语言模型、多模态模型三项第一，力压GPT-5、Gemini等国际顶尖模型，重新定义医疗AI的“专业门槛”。
破局医疗AI落地难题：三大核心门槛筛选出“三甲级玩家”
医疗场景的特殊性，让AI落地远比其他领域更具挑战。全国百强三甲医院在选择医疗AI时，往往将“稳定性、合规性、低容错”作为核心标准，这也形成了三道难以逾越的门槛：
-
连续决策的稳定性门槛：医疗诊疗是“问诊-检查-诊断-治疗”的连续流程，一步偏差可能引发连锁风险。例如某三甲医院曾试用某AI病历系统，因无法关联患者既往病史，导致诊断建议与历史治疗方案冲突，最终停用。而云知声的门诊病历生成系统，能自动整合患者电子健康档案（EHR）、检查报告等多源数据，生成的病历与临床路径匹配度超95%，北京协和医院医生反馈“系统输出稳定，极少出现逻辑矛盾”；
-
多方体系的合规门槛：一款医疗AI需同时满足医生（医学合理性）、病案科（合规完整性）、医保局（成本控制）的多重要求。以医保审核为例，云知声的DRG/DIP支付管理系统，既能识别病历中的“诊断编码错误”（如将“2型糖尿病”误标为“1型糖尿病”），又能预警“过度医疗”（如术后不必要的检查项目），已助力中国人保财险搭建全国性核赔风控平台，2025年上半年相关业务收入同比激增1386.8%；
-
近乎零容忍的容错门槛：医疗错误的成本极高，三甲医院对AI幻觉率的接受度通常低于5%。通用大模型40%的幻觉率在医疗场景完全不可用，而云知声通过“生成-校验”双步机制，在病历质控、影像分析等任务中实现3%以内的幻觉率——例如在肺结节影像诊断中，系统会自动比对历史影像数据、临床症状，生成“诊断依据+不确定性提示”，避免单一依赖模型判断。
山海·知医5.0技术拆解：双核心+三层数据，让AI像专家一样思考
云知声能获得三甲医院认可，核心在于其医疗大模型的“临床适配性”。最新发布的山海·知医5.0，通过四大技术突破实现从“智能工具”到“临床协作者”的跨越：
-
双核心架构，覆盖多模态诊疗需求：采用“医学文本大模型+医学多模态大模型”并行设计，既能处理病历、医嘱等文本数据，又能解析X光、CT、MRI等影像，甚至支持语音问诊实时转写与分析。在东南大学附属中大医院的试点中，该系统可同步读取患者的“CT影像+主诉文本+既往用药史”，生成包含影像病灶标注、鉴别诊断建议的综合报告，医生诊断效率提升40%；
-
三层金字塔数据范式，筑牢精准底座：底层“高置信度医学知识图谱”（覆盖本硕博教材、诊疗指南）提供硬性事实约束；中层“全科医学文档库”（超1000万份标注病历）训练模型专业表述能力；高层“专家诊疗轨迹”（采集300余名副主任以上医师的诊疗逻辑）通过强化学习（RLVR）将隐性思维转化为模型推理策略。这种数据体系让模型在复杂病例中实现“多跳推理”，例如面对“腹痛患者”，系统会先排查“急性阑尾炎”“胆囊炎”等常见病因，再结合“是否有外伤史”“血常规指标”缩小范围，模拟人类医生的诊断思路；
-
智能体能力内化，适配复杂任务流：不同于传统AI的“被动响应”，山海·知医5.0能主动拆解临床任务。例如在“慢病管理”场景中，系统可自动生成“用药提醒-血压监测-并发症预警”的全流程计划，甚至联动可穿戴设备同步数据，北京友谊医院顺义院区使用后，糖尿病患者随访依从性提升28%；
-
分层记忆架构，应对长周期诊疗：针对肿瘤、慢病等长周期疾病，系统会根据信息重要性分类存储——“患者过敏史”等稳定信息长期保存，“阶段性检查结果”动态更新，避免因数据过载导致的判断偏差。在乳腺癌术后随访中，该功能可自动对比不同时期的影像数据，早期发现复发迹象的准确率达89%。
商业落地验证：400家医院+116%客单价增长，医疗AI进入“兑现期”
技术实力最终需靠商业落地验证。云知声在医疗领域的深耕，已形成“规模+价值”双增长的商业闭环：
-
覆盖广度：从三甲到基层的全场景渗透：在百强三甲医院中，除北京协和、友谊医院等顶级机构，云知声还进入30%的区域龙头三甲医院（如浙江省人民医院、四川省华西医院），同时向下覆盖200余家基层医院。针对基层医疗资源薄弱的特点，其“智能问诊助手”可通过语音交互引导医生完成规范问诊，帮助乡镇卫生院将病历合格率从65%提升至92%；
-
客户价值：单客户收入翻倍，从单点到全栈：2025年上半年，云知声医疗业务客单价从46.9万元飙升至101.3万元，增幅116.2%。核心原因是医院从“单一模块采购”（如语音病历）转向“全栈解决方案”（如病历生成+质控+医保审核）。例如某省级三甲医院初期仅采购门诊病历系统，后续追加影像报告生成、手术记录助手模块，年度投入从50万元增至120万元；
-
政策与资本双重加持：国务院最新发布的《关于加快场景培育和开放推动新场景大规模应用的实施意见》，明确鼓励“辅助诊断、远程医疗”等医疗AI场景，而云知声2025年6月港股上市后，凭借清晰的落地路径获得资本认可——参考美国医疗AI独角兽OpenEvidence（估值120亿美元，专注医生个人工具），云知声的“医院全场景解决方案”模式更符合国内医疗体系需求，商业化潜力被持续看好。
行业启示：医疗AI的“真价值”不在榜单，而在诊室
云知声CEO黄伟的观点颇具代表性：“客户不会为榜单买单，只会为能解决临床痛点的产品付费。”在医疗AI行业从“技术竞赛”转向“价值竞赛”的当下，云知声的实践给出三个关键启示：
-
长期主义优于短期炫技：从2016年切入语音病历，到2025年推出多模态大模型，云知声九年深耕医疗场景，积累的不仅是数据，更是对医疗流程、政策规则的理解；
-
工程化能力决定落地成败：医疗AI不是“模型参数竞赛”，而是“数据治理+系统集成+临床验证”的工程化比拼——云知声能同时对接医院HIS、EMR、PACS系统，解决数据孤岛问题，这是很多纯技术公司难以企及的；
-
从“替代医生”到“赋能医生”：优秀的医疗AI不是要取代医生，而是成为“高效协作者伙伴”。云知声的系统始终保留医生最终决策权，例如在病历生成后，会用“红色标注不确定信息”“蓝色提示补充建议”，既提效又不越界。
随着山海·知医5.0的落地，云知声计划进一步拓展“专科智能体”（如心血管、神经科）、“患者端服务”（如慢病管理、术后随访）等场景。对于医疗AI行业而言，云知声的案例证明：只有沉下心解决诊室里的真实问题，才能在“医疗AI验货期”真正站稳脚跟。
