10亿融资！联影加码医疗AI赌局

近日，上海联影智能医疗科技有限公司（以下简称 “联影智能”）成功完成 A 轮融资，总规模10亿元人民币。在影像AI仍未跑通商业闭环的当下，联影智能成为少数逆势“加码”的玩家。这不仅是资本对一家医疗AI企业的投票，更是一场由联影集团主导的战略深水试探：将AI写入设备、嵌入临床、串起生态，试图构建下一代医疗智能平台的操作系统。

而这场AI路径之争，远非靠产品数量或大模型参数就能取胜。从“全谱全栈”的产品思路，到“影像+智能体”的闭环生态，再到以医院为落地核心的智能部署，联影智能的下注方式，透露出一个中国头部医疗企业对AI时代重构的底层理解。

这轮融资的意义，不在于钱，而在于它背后，那场悄然重启的AI医疗竞赛。

# 融资背后，不只是钱的事

这不是联影智能第一次拿到10亿元。

早在2024年底，联影医疗及其早期投资人以10亿元的价格进行股权收购，使联影智能投后估值达到百亿级别。而2025年初，联影医疗又连续增资联影智能，4个月内追加近1亿元资金。直到本次A轮正式完成，领投方换成了易方达、上国投资管，联影依然继续跟投。

这轮看似“市场化”的融资，其实是一次由内而外、长期筹备的体系性再下注。它既是资本对联影智能技术实力的认可，也映射出联影集团对“AI能力”作为核心护城河的再确认。

更重要的是，这一节点发生在行业情绪普遍保守的当下。

影像AI尚未跑通清晰的盈利模型，部分创业公司已逐步“边缘化”；同时，医院对软件付费的意愿下降、政策集采趋严，使“AI不赚钱”成为行业普遍现实。在这样的背景下继续砸钱，联影赌的，显然不是一两个爆款产品，而是一整套可自我进化的智能医疗操作系统。

# 从诊断出发，一条走得最远的AI路线

联影智能成立于2017年底，创始团队几乎是“开局即天花板”：核心成员来自西门子医疗、UNC医学院，长期深耕影像AI算法与临床应用。背靠联影医疗的设备渠道与临床数据，联影智能一开始就站在了“落地优先”的路径上，目标不是写论文，而是实打实地嵌入医院场景。

从最早的AI阅片工具、肺结节检测，到如今覆盖心脑血管、肿瘤、骨科、卒中等疾病的100+产品，联影智能的策略从未偏离：“从最容易落地的地方起步，从使用频率最高的部位切入”。截至2024年底，其产品已获得22张NMPA二类证、12张三类证，另有15款应用拿到FDA认证，13款获CE认证。

这套组合拳之所以跑得快，背后是联影医疗提供的“天然飞轮”：大量装机设备与实时生成的临床数据、医生反馈，为AI算法提供了稳定的训练场，也为落地提供了硬件载体。相比市面上其他靠To B销售或平台集成实现商业化的AI企业，联影智能的路径更“内生”、也更完整。

不仅如此，联影还将AI的边界逐步拓展到治疗、管理与科研多个环节。除了诊断层面的联影智能，联影还陆续孵化了联影智融、联影智元等公司，布局术中导航、手术路径规划、设备质控等场景。它的AI能力已经不再局限于“识别病灶”，而是试图完成“从发现问题，到解决问题”的闭环。

在2023年的一次公开采访中，联影智能联席 CEO 周翔提到：“AI最终不会停留在某一个节点，而是要赋能整个流程。从扫描前、扫描中到扫描后，每个环节都可以更高效。”

这条路线看似平凡，但正是因为它始终围绕临床逻辑推进，才更容易跑得扎实。不是为了AI而AI，而是把AI当作医生用得上的工具。这也是联影智能能从“辅助诊断”出发，走到“全流程智能”的底层逻辑。

# 产品跑得快，商业模式却没跟上

联影智能的AI产品跑得足够快，但账面上的数字并不轻松。

根据公开财报数据，2023年联影智能营收为2.54亿元，亏损1.36亿元。即便其产品证书数量、落地场景在业内均处于前列，也难以回避一个行业共识：医疗AI，特别是影像AI，依然没有找到清晰的商业闭环。

问题的症结并不复杂。

首先，医院普遍对软件付费意愿不高。尤其是在经济下行周期叠加医保控费的大背景下，“提升效率”型AI产品难以获得预算倾斜。在很多公立医院，软件类采购依然处于灰色地带，支付路径不清晰，决策流程复杂。

其次，大多数影像AI产品依然是“单病种、单功能”的形态，只解决某一个环节的问题，而医生需要的，是可以支持多病种识别、流程协同的一整套解决方案。以肺部为例，仅肺部疾病就超过200种，大多数AI产品无法覆盖全部场景，医院往往要集成多个厂家的产品，体验割裂、维护困难。

但现实困局的另一面，是被AI“激活”的潜在需求。

在与天津医院放射科合作的案例中，联影智能推出的下肢力线分析AI将测量时间从15分钟缩短至5秒，不仅提升效率，更使原本“嫌麻烦而不做”的测量请求激增2-3倍。医生没有因为AI被替代，反而因AI拥有了更多时间去做更有价值的事。

又如在湖北枝江市，联影的一体化卒中AI系统已在6个乡镇部署，实现基层医院对缺血性脑卒中的初步筛查能力，帮助挽救了30余位突发病例。这种“软性医疗资源”的下沉，正在逐步打破医疗能力配置的结构性失衡。

换句话说，联影智能面临的不是没有价值，而是如何让价值更被“看见”和“买单”。它选择的破局方式，是另辟蹊径——押注下一阶段AI演进的核心技术方向：影像大模型与多模态智能体。

# 大模型出牌，联影的技术底牌够不够？

当越来越多的影像AI企业困在单点产品、难以扩展的商业模型中，联影试图用一种更具系统性的方式“重开一局”——影像大模型。

2024年，联影正式发布uAI影智大模型平台（又称“元智”医疗大模型），在业内率先提出“多模态底座+多场景智能体”的组合模式。不同于市面上多数从语言起步、再延伸到医疗的通用大模型路线，联影选择从自身最熟悉的影像数据出发，深耕视觉、影像、语音、文本、混合模态五大“底座模型”，底层即为医疗而生。

其中，“混合模态”能力尤为关键。以联影开发的uAI MERITS多元手术智能体为例，它可融合术中视频、术者语音、术野图像等多源信息，实现术中定位、机械臂协同、语音指令操控等一体化操作，已率先在颌面外科手术中实现AI+AR引导的皮瓣移植临床应用。

联影的构想远不止于此。

围绕这些底座模型，联影正在打造一组可以像“数字员工”一样工作的AI智能体（Agent），从放射诊断到电子病历，再到设备管理、患者服务、术后康复，几乎涵盖全院所有流程。以放射智能体为例，仅一次CT扫描，便能对37种胸腔常见疾病完成自动识别，准确率达92%，高于业内现有SOTA模型10%以上。

这一切组成了联影所说的“智能飞轮”：设备作为数据入口，大模型作为认知中枢，智能体作为执行单元，三者相互连接、不断循环优化。AI不再是简单的插件，而是形成一个可自我进化的智能生态系统。

在这个架构下，联影也提出了“元医院”概念——一个全院级无感智能系统，AI存在但不打扰，医生无需改变习惯，却能获得智能协助。这不仅是对“大模型能做什么”的一次具体回答，也是在临床场景中探索“AI如何真正落地”的试验田。

技术层面上，联影拥有十余年积累的数千万级医学影像数据和高质量标注体系。配合自主研发的影像重建算法、设备协同系统与部署平台，联影确实具备构建医疗领域“专用操作系统”的条件。

问题是，条件足够，但路径仍难。

大模型不是万能解药。模型再强，也要面对医院部署的现实挑战：服务器性能、数据安全、医生培训、医保支付路径……这些问题不是算法能解决的，但联影的优势在于，它不仅有模型，还有设备、数据、场景与渠道。

这是它仍被行业看好的原因——技术之外，它有能力把AI带到真正的临床一线。

# 这场AI赌局，谁能赢到最后？

医疗AI行业，从来不缺看起来“很美”的故事，但真正能走通的路，目前还不多。

2025年，AI的叙事已从参数竞赛走向场景落地，从“谁模型大”变成“谁生态强”。联影选择的，是一条最重、但也最具平台化潜力的路径——自建底座、自控数据、内嵌设备、绑定场景。它不是工具型公司，而是试图打造医疗AI时代“操作系统”的平台型公司。

这也解释了，为什么在整个AI市场趋冷、影像AI陷入瓶颈的节点，联影反而越投越重。它押注的，从来不是单一产品的爆款可能，而是生态级别的协同效应。

从设备入院开始，AI贯穿扫描、识别、诊断、质控、管理、随访乃至康复；从数据获取、模型训练，到本地部署、算力优化，几乎每一个环节都有联影自己的系统。“自建闭环”的路径决定了它起步慢，但一旦建成，就难以被复制。

然而，也必须看到，联影押注的这条路代价极高。

AI模型每次迭代都需要算力、数据、人力的持续投入；智能体从影像科走向院级乃至院外，既考验平台能力，也对组织协同能力提出更高要求；设备与AI系统深度绑定在提升效率的同时，也意味着生态拓展存在天然限制。

在这个意义上，联影不是“最灵活”的那一个，也不是“最轻快”的那一个。但在医疗这个讲究安全性、流程闭环和全局掌控的行业里，它可能是最适合扛起重建者角色的那个。

正如联影集团董事长薛敏所说：“大模型的竞争，已经从拼参数进入比生态协同和场景落地的下半场。”

这场赌局，远未结束。AI真正重塑医疗的那一天，可能也不会由某一次产品发布、某一个融资轮次决定。但那些敢于把重注押在长期价值上的玩家，或许才更接近真正的答案。