医渡科技:烧钱研发➡️价值变现，路在何方？
医渡科技:十年融资百亿港元，依然未盈利，是商业模式之殇还是赛道之困？
要点
医渡科技作为港股AI医疗第一股，自2014年成立以来累计融资超百亿港元，但截至2025财年（2024年4月1日至2025年3月31日）仍未实现整体盈利，累计亏损达14.66亿元人民币。
2025财年，公司营收7.15亿元，同比下降11.4%，亏损虽同比收窄38.9%至1.35亿元，但核心业务仍未实现盈利。
在医疗AI赛道高速增长的背景下（预计2028年市场规模达1600亿元），医渡科技需要在保持技术领先优势的同时，加速向SaaS订阅模式转型，深化医险协同，并在专科领域建立壁垒，方能实现从"烧钱研发"到"价值变现"的跨越。
一、公司概况与行业背景
1.1 公司业务布局与核心竞争力
医渡科技成立于2014年，2021年在港交所上市（股票代码：02158.HK），是中国领先的医疗AI解决方案提供商。公司基于自主研发的医疗数据处理平台YiduCore，为医院、药企、政府和保险机构提供大数据和人工智能解决方案，主要业务分为三大板块：
1. 大数据平台和解决方案(AI for Medical)：面向医院和卫健委，提供数据治理、专病库建设、科研平台和智能诊疗系统等服务，2025财年实现收入3.46亿元，同比增长10.3% 。
2. 生命科学解决方案(AI for Life Science)：为药企提供临床研究、真实世界证据研究和数字化解决方案，2025财年实现收入2.47亿元，同比下降23.7% 。
3. 健康管理平台和解决方案(AI for Care)：参与"惠民保"产品设计运营，为保险公司提供数字化服务，2025财年实现收入1.22亿元，同比下降28.0% 。
公司的核心竞争力在于其数据处理能力和AI技术积累。截至2025年3月31日，YiduCore累计处理和分析了超过60亿份经授权的医疗记录，覆盖超4000家医院，已沉淀对上万种疾病的理解洞察，疾病知识图谱基本覆盖所有已知疾病，专病库覆盖超过90个病种 。公司自研的医疗垂域大模型在MedBench、国家卫健委分导诊能力评测等多项垂类大模型标准化测评中排名第一 。
1.2 医疗AI行业发展现状
AI医疗是当前AI技术应用的重要赛道，通过深度学习、自然语言处理等前沿技术，AI医疗能够对海量医疗数据进行高效分析与处理，为不同医疗场景带来智能化解决方案。根据行业数据，2025年我国AI医疗行业规模有望达到1160亿元，预计到2028年市场规模可能达到1600亿元 。
AI在医疗中的应用非常广泛，主要包括辅助诊断、临床决策、健康管理、药物研发以及医疗机器人等场景。其中，AI辅助诊断是当前应用最为成熟的领域之一，影像辅助诊断、病理分析等细分领域已涌现出大量成熟技术 。2025年以来，北京、广东、浙江等12个省市率先开展AI医疗服务价格试点，探索"技术难度+应用价值"的定价模型，为AI医疗商业化落地提供了政策支持 。
然而，AI医疗行业仍面临诸多挑战，包括定价机制缺失、支付体系不健全、数据合规成本高等问题。据不完全统计，目前获得NMPA认证的AI医疗产品超300个，但纳入地方医疗服务价格项目的不足50个，定价空白导致技术价值难以转化为商业收益 。
二、财务表现分析：增收不增利的十年
2.1 十年融资百亿，累计亏损超14亿元
医渡科技自2014年成立以来，累计融资超过100亿港元，详见下图:
然而，尽管获得了大量资金支持，公司至今仍未实现整体盈利。截至2025财年，公司累计亏损已达14.66亿元人民币 。
2025财年，公司实现总收入7.15亿元，同比下降11.4%；公司拥有人应占亏损1.18亿元，同比减少39.58%；每股亏损0.11元 。虽然亏损幅度有所收窄，但距离盈利仍有较大差距。
2.2 业务板块表现分化明显
医渡科技三大业务板块表现分化明显：
1. 大数据平台和解决方案：2025财年实现收入3.46亿元，同比增长10.3%，是唯一实现正增长的业务板块。截至2025年3月31日，公司知名医院客户总数为110家，监管机构及政策制定者的客户总数为44家 。
2. 生命科学解决方案：2025财年实现收入2.47亿元，同比下降23.7%。公司服务的活跃客户数量为132家，前20大客户的收入留存率为87.51%，头部20家跨国药企中，有16家为医渡的客户 。
3. 健康管理平台：2025财年实现收入1.22亿元，同比下降28.0%，创四年新低。主因是公司将惠民保项目收缩至GDP前15名城市，放弃下沉市场扩张 。
2.3 费用控制初见成效，现金流压力仍大
2025财年，医渡科技在费用控制方面取得一定成效：
- 销售及营销费用同比下降33.4%，减少金额约7000万元
- 研发费用同比下降19.9%，减少金额约4600万元
- 合计费用减少约1.16亿元
公司持续推动降本增效，年度亏损由2024财年的2.19亿元降至1.34亿元，经营现金流净流出同比缩窄23.8%至2.49亿元，运营效率有所提升。然而，公司经营活动现金流净额已连续三年为负，现金流压力仍然较大。
值得注意的是，公司2025财年的全口径净现金流为净流出约6,990万元人民币，主要依靠投资活动净现金流入3.12亿元（主要来自美元结构化存款的高利息）来弥补经营现金流缺口 。这种"靠利息维持经营"的模式可持续性存疑。
三、商业模式分析：项目制依赖与商业化困境
3.1 项目制驱动的增长天花板
医渡科技的收入结构以定制化项目为主，2025年大数据平台及解决方案收入3.46亿元（占比48.4%），生命科学解决方案2.47亿元（34.5%），健康管理平台1.22亿元（17.1%） 。这种项目制商业模式虽然能建立技术壁垒，但存在明显的增长天花板：
1. 复制扩张难度大：定制化项目需要针对每个客户的具体需求进行开发，难以标准化复制。例如，某省级卫健平台项目需投入200人团队耗时18个月，单项目毛利率仅38%，远低于SaaS模式的70%以上 。
2. 回款周期长：公司客户集中在医院（105家顶级医院）、药企（71家）和政府（40个监管机构），这类客户通常采取预算制采购，付款周期普遍超过12个月。此外，公司应收账款周转天数从2023年的158天延长至2025年的182天，进一步加剧流动性压力 。
3. 抗风险能力弱：项目制收入受宏观经济和政策影响较大。2025财年，生命科学解决方案收入同比下降23.7%，主要受CRO行业需求变化影响；健康管理平台收入同比下降28.0%，与公司主动收缩惠民保业务有关 。
相比之下，采用订阅制商业模式的微医控股在2025年上半年实现营收30.8亿元，同比增长69.4%，其中AI医疗服务收入28.41亿元，同比增长97.3%，占总收入比重超九成 。该公司通过健康管理会员服务（2024年会员费收入14.4亿元，客单价3600元/年）实现了收入的快速增长。
3.2 缺乏闭环生态与支付方绑定
医渡科技尚未建立可持续的支付链条，这是其商业模式的另一大短板。公司参与的"惠民保"项目覆盖4000万用户，但主要提供数据服务，未深度介入保险产品设计与理赔分成 。
相比之下，微医控股的商业模式重要盈利源自医保节余。在由多家医院组成的健共体体系内，医保局根据单人的就诊费用为微医的健康管理会员服务制定预算，若预算有盈余，微医则可与健共体内的医疗机构分摊节余 。这种"医保付费"模式为微医提供了稳定的收入来源。
此外，微医通过AI健康管理会员服务（2024年会员费收入14.4亿元）和区域医疗平台下沉（县域级数字医疗平台签约率年增200%，单县年均收入超3000万元）建立了多元化的收入结构。截至2025年6月，微医已覆盖约110万健康会员，该模式成效显著，2024年6月至2025年6月，天津健共体多项疾病管理指标提升，全病种健康管理盈余率提高 。
3.3 数据合规成本与商业化边界
医疗数据涉及隐私保护，公司需投入大量资源满足《数据安全法》等要求。例如，某三甲医院数据治理项目中，数据标注与脱敏成本占项目总成本的35%，且需定期接受第三方审计 。此外，数据跨境流动受限（如香港子公司无法直接使用内地医疗数据），制约国际化拓展。
面对《个人信息保护法》的挑战，医渡科技投入15%研发费用构建联邦学习+多方安全计算合规体系，已通过中国信通院专项评测，可支持跨机构数据共享与模型训练 。这种合规投入虽然必要，但也增加了公司的运营成本。
值得注意的是，政策层面的突破已显现端倪。2025年以来，北京、广东、浙江等12个省市率先开展AI医疗服务价格试点，探索"技术难度+应用价值"的定价模型 。以广东省为例，其将AI辅助诊断项目分为A、B、C三级，分别对应基础筛查、精准诊断和治疗方案优化，价格区间设定为80-380元/次，同时明确医保报销比例不低于60% 。这种"分级定价+医保衔接"的模式有望为医渡科技等AI医疗企业提供更清晰的商业化路径。
四、赛道特性分析：技术验证周期与市场培育挑战
4.1 医疗AI的技术验证周期长
与消费级AI不同，医疗AI需通过NMPA认证（如肺结节AI检测需III类医疗器械证），平均审批周期2.5-3年。医渡科技肝癌诊疗智能体"小肝人"虽已临床应用，但尚未获得正式注册证，影响大规模推广 。
相比之下，平安好医生的AI问诊系统因定位为辅助工具，只需完成算法备案，商业化速度更快。这表明，不同类型的医疗AI产品在监管要求和商业化路径上存在显著差异。
技术验证周期长导致医疗AI企业需要持续投入研发资金，而短期内难以获得回报。医渡科技2025财年毛利率提升至42%，但研发费用率仍高达35%（约2.5亿元），主要投向大模型研发与AI中台建设 。尽管AI诊疗助手已在30余家三甲医院落地，辅助服务患者超2.6万人次，但技术转化为规模化收入仍需时间。
4.2 支付方分散与价值认知差异
医疗AI的受益方包括患者、医院、药企和医保局，但各方支付意愿不一。例如，基层医院对AI辅助诊断的采购预算有限，而药企更愿为缩短研发周期（如AI药物晶型预测从数月降至数周）支付溢价 。
政策层面，国家医保局已将AI辅助诊断纳入医疗服务价格项目，但明确"不得单独收费"，需绑定主诊疗项目（如影像检查） 。这意味着医渡科技无法通过技术溢价直接变现，只能通过提升医院效率间接获取收益。例如，北京某三甲医院引入AI病历结构化系统后，医生日均处理病历量提升40%，但医院节省的人力成本并未转化为对医渡的额外支付 。
相比之下，部分地区已开始探索更灵活的支付模式。例如，东莞市试点AI医疗专项医保支付，将AI辅助诊断、慢性病管理等服务纳入东莞医保支付试点，按单次服务成本的30%-50%报销 。同时，推行"以效付费"采购模式：医院采购AI产品时预留30%尾款，根据临床效果（如诊断准确率提升幅度）分期支付 。这种创新性支付模式有望加速AI医疗的商业化进程。
4.3 政策支持与市场竞争的双重挤压
政府虽出台《"人工智能+"行动》等政策支持AI医疗发展，但公立医院采购倾向于性价比更高的国产替代方案。卫宁健康、创业慧康等传统医疗IT厂商通过"系统+AI"捆绑销售，压缩医渡科技的市场空间 。例如，某地级市智慧医院项目中，卫宁健康报价比医渡低20%，并承诺免费提供基础AI功能 。
从行业对比来看，AI诊断行业上市公司2025年上半年普遍面临营收下滑和亏损扩大的压力：
这表明，AI医疗行业整体仍处于投入期，多数企业尚未实现盈利。医渡科技面临的挑战在一定程度上是行业共性问题，但公司营收下滑幅度（-11.4%）大于部分同业，反映出其商业模式的特殊性挑战。
五、破局路径：从技术导向到临床价值导向
5.1 转型SaaS化与订阅制
医渡科技已推出AI中台2.0，支持医院自主构建智能体，未来可借鉴微软Azure模式，按API调用量或用户数收费。若能将单个医院客户的年ARPU从当前的约200万元提升至500万元（通过订阅制+增值服务），收入稳定性将显著增强 。
公司新一代数据中心Eywa已升级至5.0版本，深度融合大模型与医院数据平台，构建覆盖全场景的智能运营管理体系。通过大模型赋能多模态数据治理，数据流转速度提升，采集、治理、质控效率提高4倍以上，大幅降低人力与算力成本 。这种标准化产品的推广有望减少对定制化项目的依赖。
此外，医渡科技还推出了"灵析智管"运营管理智能体与新一代AI智能科研产品"灵析智研"，助力医院运营效率提升30%，加速科研成果产出 。这些标准化产品若能实现规模化推广，将有效提升公司的盈利能力。
5.2 深度绑定支付方与险企合作
医渡科技可探索"效果付费"模式，如与保险公司约定，通过AI健康管理降低的医疗费用中提取10%-15%作为分成。例如，某试点项目中，AI血压监测使高血压患者急诊率下降30%，对应医保支出减少约200万元/年，公司可从中获得20万元收益 。
在健康管理领域，医渡科技已参与"惠民保"项目，覆盖4省12市，截至2024年9月，相关客户数达2,400万人 。未来可进一步深化与保险公司的合作，将AI健康管理服务与商保结合（如糖尿病数字疗法降低并发症发生率22%），打开新的盈利空间 。
相比之下，微医控股通过与政府部门合作，协同当地多家基层医疗机构建立数字健共体，拓展针对慢病的健康管理会员服务，其盈利模式的重要来源是医保节余分成 。这种与支付方深度绑定的模式值得医渡科技借鉴。
5.3 聚焦高价值场景与专科突破
医渡科技可聚焦肝癌、肺癌等重大疾病的AI诊疗市场，联合顶尖医院成立专科AI联盟，通过"数据共享+技术输出"模式，快速复制成功经验 。例如，与中山大学肿瘤防治中心合作的肿瘤智能助手日均使用量超800次，若能在全国50家肿瘤医院推广，年收入有望突破5亿元 。
公司已推出国内首个肝癌诊疗智能体"小肝人"，由中国科学院院士、东南大学医学与生命科学部主任滕皋军教授领衔，深度学习肝癌领域最新权威指南和专家共识 。这类专科专病深度穿透的产品有望形成差异化竞争优势。
此外，医渡科技还与广东医科大学附属医院联合推出了"美易智能体"，将AI技术应用于医美领域，拓展了业务边界 。这种多元化场景拓展有助于分散风险，找到新的增长点。
六、风险提示
1. 短期关注指标：
收入结构变化：SaaS订阅模式收入占比提升情况
研发投入方向：AI大模型研发与商业化应用的平衡
现金流改善：经营性现金流净流出的收窄速度
2. 技术风险：医疗AI技术迭代快，公司若不能保持技术领先，将面临市场份额流失风险。
3. 商业化风险：AI医疗产品商业化路径仍不明确，政策落地进度可能低于预期。
4. 现金流风险：公司经营活动现金流净额已连续三年为负，若转型不及预期，可能面临资金链压力。
5. 行业竞争风险：传统医疗IT厂商加速AI布局，互联网巨头也在医疗AI领域加大投入，市场竞争加剧。
6. 政策风险：数据安全和隐私保护政策趋严，可能增加公司合规成本。
7. 估值风险：公司当前估值主要基于赛道稀缺性，若盈利时间表大幅延后，可能面临估值调整压力。
七、结论
医渡科技的亏损根源在于重技术投入、轻商业闭环的商业模式，而医疗AI赛道的长周期特性加剧了这一矛盾。尽管面临支付体系、数据合规等挑战，但行业增长潜力（2032年市场规模700亿美元）与政策红利（医保赋码提速）仍为其提供战略机遇。
从行业角度看，AI医疗正处于从"技术突破"到"商业化落地"的关键转折期，2026年有望整体对接落实的医疗服务价格项目立项指南，将成为破解行业商业化难题的核心抓手。在技术创新与制度完善的双重推动下，AI医疗有望真正实现从"赋能医疗"到"重塑医疗"的跨越 。
以上内容不作为投资建议。