Aidoc

1.1 身份、覆盖与产品架构

Aidoc 的公开材料一直把公司定位为临床 AI 厂商，而不是狭窄的放射科算法公司。官方 about 页面称，公司专注于帮助医疗团队优化患者治疗和经济价值；aiOS 与 CARE 页面则显示，这一定位已经从影像分诊扩展到更宽的企业级工作流层。aiOS 被描述为控制平面，负责在医疗系统内运行、编排和治理临床 AI，连接 PACS、EHR、移动端和照护工具。CARE 则被定位为多模态基础模型，让 Aidoc 从单病种工具走向更广的疾病覆盖、自动测量，并最终生成报告草稿。这一点重要，因为它改变了公司的投资逻辑：Aidoc 不再只向放射科医生销售急性发现提醒，而是在销售一个面向多算法部署、照护协同和模型治理的运行层。获取的来源支持其通过 2026 年融资公告形成了清晰的纽约商业姿态，而 Guy Reiner 的官方简介仍明确称其为特拉维夫分部总经理。由此看到的是一家技术根基在以色列、资本市场形象面向纽约、战略围绕企业级部署而非科室级单点方案展开的公司。[CO001, CO006, CO007, CO008, CO009, CO010]

1.2 创始人、领导层与关键人物集中度

对一家私营公司而言，Aidoc 的创始团队得到的公开佐证异常充分。官方领导层简介确认 Elad Walach 为联合创始人兼 CEO，Michael Braginsky 为联合创始人兼 CTO，Guy Reiner 为联合创始人、首席架构师和特拉维夫分部总经理。CTech 2025 年 7 月的报道与这些角色一致，并将公司创立时间追溯到 2016 年。从职能上看，三人仍在支撑核心商业模式：Walach 是对外发言人和融资声音，Braginsky 在技术与融资报道中都以基础模型架构师身份出现，Reiner 对特拉维夫分部的职责则意味着产品和工程执行有很强连续性。公开可见的非创始高管确实存在，但披露远不如创始人完整；本次检索到的记录对创始人领导力最强，对更广泛管理梯队则薄得多。因此，关键人物集中度是一个真实的尽调项，而不是泛泛的创业公司风险提示。Aidoc 的公开材料确实显示组织成熟度在提升，例如明确讨论治理、漂移检测和企业级监控；但公开记录仍未提供完整领导层名单，也无法清楚展示创始人以下的授权分布如何随版本迭代变化。[CO002, CO003, CO004, CO005, CO034, CO035]

1.3 融资历史、投资人组合与估值可见度

Aidoc 的资本路径在过去两年明显提速。官方 2022 年 Series D 公告记录了一轮 $110 million 融资，使累计融资达到 $250 million。到 2025 年 7 月，PR Newswire、Calcalist 和 Globes 均报道了由 General Catalyst 与 Square Peg 领投的新一轮 $150 million 成长融资，NVentures 和数家美国大型医疗系统也参与；PR Newswire 和 Globes 还提到额外 $40 million 循环信贷额度，以及 $370 million 的累计融资总额。随后，2026 年 4 月，Aidoc 和 Goldman Sachs Alternatives 分别宣布由 Goldman 领投的 $150 million Series E，General Catalyst、SoftBank Vision Fund 2 和 NVentures 跟投。2026 年 4 月的材料只称总融资现为“超过 $500 million”，没有给出精确数字。这一区别很重要：它足以证明公司资本化程度很高，却不足以解决估值问题。该点上最强的 2024 年后来源其实是 Globes 2025 年 7 月的采访，Michael Braginsky 明确表示公司不会披露该轮融资估值。因此，在本次报告中，公司是否为私营独角兽仍是实质证据缺口：高融资和规模提升都很清楚，但未获取到 2024-05-20 之后披露估值、足以确认当前独角兽标记的来源。[CO015, CO016, CO017, CO018, CO019, CO020]

1.4 规模信号、具名客户与监管里程碑

Aidoc 公开披露的规模已经足够大，分析公司时应把它视为企业级部署故事，而不是试点阶段厂商。2025 年 CARE 融资稿称，Aidoc 每年在 150+ 个医疗系统中支持超过 45 million 名患者，并预计三年内达到 100 million。2026 年 Series E 材料进一步提高了披露规模，称年度患者病例超过 60 million，累计已分析患者病例超过 110 million，并部署在近 2,000 家医院。这些数字来自公司自报，但支撑它们的客户证据已强于早期轮次。Asklepios 披露了覆盖德国 28 家医院的部署，每月约分析 35,000 张 CT 和 X-ray 图像；Hartford HealthCare 则表示 Aidoc 的 17 个算法部署在三周内上线，覆盖数百万次患者检查。监管记录也很具体，而不是纯叙事。FDA K213721 显示 2022 年脑动脉瘤分诊获批，K231631 显示 2023 年 CAC 量化获批。Aidoc 2025 年和 2026 年新闻稿随后从逐适应症批准转向基础模型叙事：先是 CARE1 的肋骨骨折获批，再到综合体部 CT 分诊获批，把 11 个新适应症与 3 个既有适应症纳入同一工作流。客户证据和监管产出的组合，是后续章节可以把 Aidoc 视为已成规模临床 AI 基础设施公司，而不是单产品创业公司的核心原因。[CO022, CO023, CO024, CO025, CO026, CO027]

1.5 反向信号与未解决证据缺口

本次获取到的最强负面证据不是诉讼或警告信，而是一组技术和市场约束，它们限制了外界应如何激进解读公司的主张。Aidoc 自己的模型卡比营销页更坦率地说明了哪些内容仍不可观测：重要的人口统计属性不在 DICOM 中，因此偏差监测必须依赖代理变量和上市后性能跟踪，而不是完整的直接测量。外部证据也强化了谨慎必要性。2026 年 5 月一项真实世界肺栓塞研究摘要称，Aidoc 算法在 32,501 次扫描中与放射科医生的一致率为 97.8%，但也漏掉了 15% 的确诊 PE 病例，并在多数裁决分歧中落败，说明仍需人类监督。另一个问题来自通用放射 AI 的报销文献：当前支付框架仍很难适配这类产品，因此 Aidoc 的 ROI 叙事可能更多依赖避免错误、提升吞吐和下游照护管理，而不是直接支付代码。对公司层面尽调最重要的是，四个问题仍未解决：当前估值 / 独角兽状态、稳定的当前 FDA 批准数量、可支撑的当前员工数，以及有来源支撑的 170+ 模型数量。因此，本报告把 Aidoc 视为一家资本充足、规模较高且具备重要监管证明点的私营公司，但不把它视为一家估值和覆盖指标可无条件接受、披露已经完整的企业。[CO036, CO039, CO040, CO043, CO044, CO045]

2.1 市场边界与纳入支出

分析 Aidoc 时，应先把它放在放射 AI 工作流市场内，再延伸到相邻的照护协同和跨专科编排层。官方放射科页面明确写到，公司价值从影像工作流中的分诊、优先级排序、定量发现和随访触发开始。照护协同页面随后把视角从放射科医生生产力扩展到多学科决策支持，尤其是肺栓塞等急症场景，时间、沟通和随访管理与影像解读同样重要。这一边界排除了通用 EHR 厂商、影像硬件 OEM 收入、计费软件以及大多数面向消费者的数字健康工具，即便这些系统仍是集成依赖。它也意味着，宽泛的“医疗 AI” TAM 说法会高估相关性，除非能被转换成放射科或急症工作流预算。MarketsandMarkets 和 Emergen Research 仍有用，因为它们确认医院是最大的放射 AI 买方，且以 CT 为中心、工作流属性强的用例主导当前支出。但本章把这些报告视为品类天花板，而不是 Aidoc 可获取市场的直接代理。关键分析动作，是把 Aidoc 的真实市场定义为依附于影像、分诊和下游照护触发的企业级工作流软件，而不是全部诊断 AI，更不是全部医疗 IT。[CM001, CM002, CM003, CM010, CM011, CM016]

2.2 受证据约束的市场规模视角

公开证据足以建立市场边界，却不足以把 Aidoc 的市场压成一个精确的 TAM/SAM/SOM 数字。自上而下视角先看美国医疗服务规模：CMS 报告 2024 年全国医疗支出为 $5.3 trillion，其中医院支出 $1.63 trillion，医生和临床服务 $1.11 trillion。医院数量视角再加上 AHA 的 6,100 家美国医院和超过 900,000 张配备人员的床位。品类视角随后缩窄到放射 AI：MarketsandMarkets 预计全球市场将从 2025 年 $0.76 billion 增至 2030 年 $2.27 billion，CAGR 为 24.5%；Emergen 则称医院在 2024 年约占全球需求的 55%。最后，装机基础视角看 Aidoc 本身：2025 年 CARE 融资稿中的 150+ 个医疗系统，2026 年 Series E 材料中的近 2,000 家医院，以及 Hartford 和 Asklepios 的已验证企业级部署。这些数字说明市场真实存在，也说明 Aidoc 已在具备企业级购买能力的买方子集中占据有意义份额。它们没有揭示的是每家医院、每个模块或每项检查的价格。正因为缺少定价数据，本报告使用低 / 基准 / 高代理区间，而不是假装知道每家医院或每条服务线的干净收入池。[CM006, CM007, CM017, CM018, CM037, CM038]

2.3 买方地图与采用路径

最强的公开部署证据表明，Aidoc 面向大型服务提供机构销售，而不是依赖直接支付方报销或消费者渠道。Hartford HealthCare 把交易描述为围绕跨科室协作、AI 治理，以及放射科、心脏科、血管科、神经科和急诊科的照护延误减少。Asklepios 则把部署放在放射科人手短缺、小型站点支持和 24/7 急诊覆盖的语境下。由此推导的买方地图中，放射科负责人、CMIO、CIO 和医疗系统运营团队都很重要；预算归属会随着产品被作为科室级放射工具还是企业级平台采购而变化。Aidoc 自身营销进一步强化这一点：公司强调一次集成、多算法编排，以及把放射信号延伸到患者管理。这个组合使采用不再只是赢下一场单算法比拼，而是要证明平台能降低影像工作流各环节的摩擦。公开部署证据也显示，采用路径遵循标准企业软件模式：问题识别、集成设计、试点验证，再到全系统铺开。Aidoc 已披露的装机基础足够大，商业问题不再是产品能否走出试点，而是买方预算和治理结构能否支持更广泛的企业级标准化。[CM004, CM005, CM019, CM032, CM033, CM034]

2.4 驱动因素、约束与报销现实

证据库中反复出现三类需求驱动。第一，劳动力压力是真实的：AAMC 仍预测医生短缺会延续到 2036 年，Neiman HPI 和 ACR 也称放射科医生短缺持续存在，且 2020 年后流失明显加速。第二，影像需求继续上升：Neiman 的需求研究预计到 2055 年影像利用率还会增加 16.9% 至 26.9%，老年人对影像的使用占比更高。第三，品类增长仍强：MarketsandMarkets 仍预计全球放射 AI 市场到 2030 年的 CAGR 为 24.5%。这些顺风之外，最清晰的约束是报销。同行评审报销论文和 Radiology Business 文章从不同角度提出同一点：多数影像 AI 工具没有单独付费的 CPT 代码，只有极少数较新的影像 AI 程序达到 Category I 状态。因此，ROI 必须来自吞吐、避免漏诊、减少重复检查或改善下游照护管理，而不是一条清晰的一对一支付流。监管负担是第二个约束。FDA 的 action-plan 和 PCCP 材料显示，自适应医疗 AI 仍需要严格的变更控制、监测和文档。第三个约束是集成摩擦：医院需要能适配旧 PACS/RIS/EHR 环境的系统，而不只是独立算法准确率高。[CM012, CM013, CM020, CM021, CM022, CM023]

2.5 反向证据及其对采用节奏的含义

这个市场中最有用的反向证据是实际问题，而不是耸动故事。Aidoc 的真实世界肺栓塞研究摘要就是一个好例子：97.8% 的一致率听起来很强，但算法仍漏掉了 15% 的确诊 PE 病例，并在多数裁决分歧中落败，医院因此无法负责任地把 AI 当作放射科医生替代品。这与其说是产品失败，不如说是在提醒市场：价值主张是分诊和工作流支持，不是自主阅片。报销证据也指向同一方向。如果多数急症放射 AI 用例无法获得单独付费的 CPT 代码，买方就会继续靠运营节省和临床风险降低来证明采购合理性，而不是靠直接科目报销。这会拖慢采用，因为企业软件预算、IT 资源和临床治理委员会都必须先相信效率与安全叙事，产品才能规模化。Aidoc 当前装机基础说明，这道门槛对成熟医疗系统可以跨过；但它也意味着未来增长取决于能否赢下中央工作流预算、证明集成 ROI，并展示基础模型治理可以被长期信任。换句话说，这个品类已经跨过可信度门槛，但尚未跨过无摩擦预算门槛。[CM025, CM026, CM027, CM028, CM029, CM030]

3.1 竞争版图与现状替代方案

Aidoc 并不处在一个边界整齐的单一品类中。它的产品栈从受监管的放射科分诊开始，延伸到 aiOS 编排，再进入照护协同和下游随访。因此，真正的对比对象包括 Viz.ai 这样的直接临床 AI 同行，Enlitic 和 Nanox.AI 这样基础设施优先的影像厂商，PathAI 和 Paige 这样相邻病理基础模型玩家，以及已经掌握 PACS、归档、路由和安全审查的既有影像 IT 厂商。独立行业报道也强化了这一点：医院越来越为工作流集成和企业级价值买单，而不是为孤立的点算法买单。 现状替代方案仍很强。ACR 的 ARCH-AI 计划把影像 AI 部署界定为持续的治理和质量保证纪律，而不只是一笔软件采购。Radiology Business 也认为，许多医疗系统如果看不到 AI 在放射科之外改善企业运营，仍难以证明采购合理性。实际采购中，这意味着既有 PACS、工作列表和院内治理仍是 Aidoc 的真实替代品，尤其当医院可以在现有基础设施上渐进添加 AI，而不是替换其工作流层时。 [CP001, CP002, CP003, CP004, CP031, CP032]

3.2 直接临床 AI 同行

Viz.ai 是最清晰的同类竞争对手，因为它把影像触发检测与下游照护团队动员结合起来，并且已经进入大型医疗系统部署。它营销 50+ 个 FDA 批准算法，把自己定位为照护协同平台，而不是单一用途工具，也有公开证据显示其完成独角兽规模融资。这使 Viz.ai 成为最直接的标尺，用来判断在更多厂商增加算法广度后，Aidoc 能否继续保持急症照护协同差异化。 Enlitic 和 Annalise/Harrison.ai 的竞争方式不同。它们的信息更强调影像数据标准化、工作流效率和广泛发现覆盖，而不是全系统照护协同。Nanox.AI/Zebra 又处在另一条相邻赛道：它把 AI 和软件与更宽的影像网络、硬件议程结合起来。这些同行很重要，因为即使它们没有完全复制 Aidoc 跨专科运行层的叙事，也可能在模态广度、算法数量或医院工作流嵌入上挤压 Aidoc。 [CP005, CP006, CP008, CP009, CP010, CP011]

3.3 病理进入者与工作流既有厂商

PathAI 和 Paige 不是放射优先，但它们仍然重要，因为它们争夺同一笔企业 AI 预算和治理注意力。两家公司都主打病理基础模型、工作流工具和大型数据资产；也都在 2025-2026 年成为收购目标，凸显工作流加模型这一层已经具备战略价值。它们与 Aidoc 的关系，不在于一套病理产品能替代急症放射分诊，而在于医院高管越来越把 AI 作为跨服务线的运行层决策来评估。 更持久的分发威胁来自既有影像 IT 厂商。Nuance/Microsoft、Sectra、Fujifilm、AGFA、GE 和 Intelerad 都把 AI 部署营销为既有影像基础设施的延伸，经常强调单一合同上线、云 PACS 或嵌入式编排，而不是单个算法。一旦医院相信工作流层应承载多个第三方模型，既有厂商就会凭装机基础、采购熟悉度和集成控制权获得杠杆；而 Aidoc 仍必须逐个账户赢下来。 [CP017, CP018, CP019, CP020, CP021, CP022]

3.4 商业化、切换成本与护城河耐久性

Aidoc 仍拥有一组真实竞争资产。官方材料显示，其能力覆盖放射科分诊、企业级编排和照护协同；2025 年融资材料还显示，客户已经在 aiOS 上运行第三方模型。这支撑了一个判断：Aidoc 正从单算法厂商走向操作系统。战略上这很重要，因为医院越来越希望减少供应商数量，并获得更一致的治理。 但护城河并非绝对。多供应商编排正在成为基本要求，而不是独特能力。Fujifilm 营销开放编排和 50 多个已验证算法，Nuance/Microsoft 借既有工作流合同销售更轻松的部署，Sectra 加 GE/Intelerad 则能把 AI 与更宽的影像基础设施打包。独立报道也清楚指出，报销和直接 ROI 对许多影像 AI 仍然狭窄。因此，当医疗系统重视集成随访、偶发发现和企业 AI 治理时，Aidoc 可以赢；但在采购由既有工作流控制权主导，或医院把 AI 视为 PACS 内功能而不是新运行层的场景中，Aidoc 很脆弱。 [CP006, CP007, CP021, CP023, CP026, CP029]

3.5 展示

4.1 收入模式和定价信号指向企业软件，而不是透明交易定价

从各个角度看，Aidoc 的公开商业姿态都由企业销售牵引。产品页面描述了它与 PACS、EHR、排班、报告和照护协同工作流的深度集成；AWS Marketplace 页面则称该产品只通过私下报价提供。这是协商式企业合同的典型特征，而不是自助软件或标准化按检查结账流程。Aidoc 的变现面看起来也比单一放射科分诊模块更宽：aiOS 治理多个模型，放射科产品嵌在既有影像工作流中，照护协同层则把价值延伸到患者随访和跨专科触发。 缺失的内容同样重要。官方页面不发布标价、按检查费率或分部收入结构。本次找到的唯一具体公开定价信号，是一个可靠性较低的第三方评论页面，估计首年成本为 $50,000 到 $150,000 以上，并称每次安装起价约 $50,000。作为包装代理，这个信号有方向性价值，但还不足以支撑投资测算。可辩护的结论是，Aidoc 的行为像带实施工作和工作流粘性的企业 SaaS / 站点许可软件，而实际成交价格和收入确认仍未披露。 [CI001, CI002, CI003, CI004, CI005, CI006]

4.2 资本历史可见，但估值支撑仍不完整且内部不一致

相比已披露的经营指标，Aidoc 最新融资记录要新得多。公司在 2023 年称，一轮 $110 million Series D 使总融资达到 $250 million。2025 年，一份 PRNewswire 新闻稿描述了 $150 million 融资加 $40 million 循环信贷额度，并称总融资为 $370 million。随后在 2026 年 4 月，Aidoc 和 Goldman Sachs 称一轮 $150 million Series E 使总融资超过 $500 million。单独看，每份公告对新增轮次都清楚。合在一起看，累计总额无法干净对上，因此建模已融资资本时，最安全的方法是逐轮相加，而不是相信标题式累计融资总额。 估值证据更薄。Calcalist 报道称，2025 年轮次的估值高于上一轮；Globes 则称公司不会披露收入或该轮估值。这样一来，2024 年后的记录支持动能，却不足以给出数字化公允价值判断。实际含义是，即便经过 2026 年 Series E，公开证据目前也不能确认 Aidoc 的精确估值或当前独角兽状态。 [CI010, CI011, CI012, CI013, CI014, CI015]

4.3 单位经济逻辑可信，但公开数字止步于客户价值证明和外部基准

Aidoc 的公开价值叙事可信。官方材料和投资人评论把产品与住院时长缩短、放射科效率提升、诊断延误减少，以及医疗系统可衡量财务回报联系起来。这很重要，因为影像 AI 单靠报销仍难以证明自身价值。独立市场报道称，只有少数影像 AI 应用具备有意义的报销，且除非收益覆盖更广的医院网络，否则 ROI 往往站不住。Aidoc 自己的销售话术与这一现实一致：产品被作为工作流基础设施和照护协同销售，而不只是一个可报销的影像分析小组件。 公开证据止步的地方，是厂商 P&L 内部。公司没有披露毛利率、CAC、回本周期、NRR 或现金转换。为了锚定经济逻辑，本次最好的公开基准是 GE 计划收购 Intelerad 的交易，它意味着成熟的工作流层影像软件可以产生约 90% 经常性收入和超过 30% adjusted EBITDA 利润率。Nanox 提供相反的警示样本：一家上市影像 AI 公司仍可能只有很小的软件收入、亏损和持续融资需求。Aidoc 可能位于这两个极端之间，但公开证据没有显示具体位置。 [CI019, CI020, CI021, CI022, CI023, CI026]

4.4 结论：需求信号强，投资测算文件弱

以当前证据看，Aidoc 的财务画像强于早期算法厂商，但弱于一家足以完整测算的后期软件公司。2025 年融资、2026 年 Series E 和广泛部署主张说明市场拉力有意义，也降低了短期财务困境风险。Series E 之后的新闻流仍保持活跃，Aidoc 强调新客户部署、欧洲产品扩张和一位全国知名 CMO 加入，而不是释放收缩信号。产品覆盖、集成深度和企业级包装都符合经常性、高切换成本软件特征。相邻 AI 诊断领域的公开可比交易——Viz.ai 的独角兽融资、Roche 收购 PathAI，以及 Tempus 收购 Paige——也显示战略买家和成长投资人愿意为工作流、数据和模型资产的组合付费。 但对财务买家最在意的每一项指标，文件仍不完整。收入、ARR、毛利率、烧钱速度、现金、债务、CAC、回本周期和 NRR 都未披露。公开定价不透明。公司自己的总融资数字在官方新闻稿之间相互冲突。2024 年后的记录也仍未公开确认数字化估值或当前独角兽状态。因此，正确的财务立场是：认可商业化质量和平台相关性，但在管理层打开账本之前，对利润率路径、估值支撑和资本充足性保持明确谨慎。 [CI014, CI015, CI030, CI031, CI034, CI035]

4.5 展示

5.1 aiOS 平台架构与运行模式

Aidoc 的核心产品不只是一组点算法库，而是 aiOS，一个面向临床 AI 的企业级操作系统。aiOS 页面明确把平台描述为在医疗系统内运行、编排并治理临床 AI 的层，并用一次集成支撑多个工作流。实际含义是，医疗系统不需要把每个算法都部署成独立小组件。aiOS 会组织影像和元数据输入，判断哪些模型应该运行，在患者和检查语境中交付输出，并在系统层面提供治理、监控和结果跟踪。 这套架构以工作流为先。Aidoc 称 aiOS 使用文本数据、扫描元数据和像素分析来决定哪些扫描应接受哪些 AI 处理，然后把疑似发现推送到 PACS、EHR、移动端和照护团队工作流。Aidoc 也把 aiOS 定位成开放生态层，而不是封闭产品孤岛：外部模型托管是明确设计目标，多家独立 2025 年来源也称，多数客户已经在该平台上托管非 Aidoc 模型。这使 aiOS 更接近医院 IT 的 AI 控制平面，而不是单一用途放射科应用。 公开部署案例支持平台叙事。Hartford HealthCare 在三周内初步上线，Mercy 在 50 个设施中标准化 aiOS，Asklepios 完成了覆盖 28 家医院的部署。这些案例说明，产品已经从试点阶段的科室工具进入企业级实施模式。剩余注意点在于，Aidoc 官方网站仍营销“规模最大的 FDA 批准算法组合”，却没有发布当前官方数字化组合总数，因此描述广度时必须谨慎。 [CE001, CE002, CE003, CE004, CE005, CE006]

5.2 CARE 基础模型与解决方案广度

CARE（Clinical AI Reasoning Engine）是 Aidoc 从单病种算法走向可复用临床基础模型的下注。Aidoc 的基础模型页面称，CARE 使用真实世界多模态数据训练，不仅覆盖影像，也覆盖文本、EHR 字段、化验和生命体征。2026 年 1 月体部 CT 获批，是该模型不再停留在概念层面的最强公开证明点。Aidoc 官方新闻稿和 Diagnostic Imaging 的独立摘要都称，此次获批把 11 个新批准适应症与 3 个此前已批准适应症合并进一个工作流，形成 14 个适应症的体部 CT 分诊产品。 FDA 的 K252970 摘要提供了最具体的技术细节。获批设备是 BriefCase-Triage: CARE Multi-triage CT Body，这是一款面向胸部、腹部和骨盆增强及非增强 CT 的工作流分诊和通知产品。FDA 文件列出的 11 个新发现包括憩室炎、腹盆腔脓肿、阑尾炎、肠缺血 / 肠壁积气、梗阻性肾结石、小肠梗阻、大肠梗阻、脾损伤、肝损伤、肾损伤和骨盆骨折。Aidoc 新闻稿还报告称，在 FDA 审查研究中，11 个新适应症的平均敏感性为 97%，平均特异性为 98%。 在综合体部 CT 获批之外，Aidoc 产品页面也显示了既有产品栈的临床广度。神经页面捆绑了血管闭塞、CT 灌注、脑动脉瘤、颅内出血、颈椎骨折和椎体压缩性骨折工作流。VTE 页面从肺栓塞延伸到偶发 PE、DVT 和 IVC 滤器管理。主动脉页面把急性主动脉夹层分诊与动脉瘤随访结合起来。合在一起，这些页面支持一个围绕 PE、ICH、主动脉夹层、骨折和颈椎发现的真实工作流组合。仍不够清楚的是当前官方总组合数量：公开来源支持广度，但 Aidoc 自己的网站没有发布已调和的总数。 [CE007, CE008, CE009, CE010, CE011, CE012]

5.3 集成、编排与企业级部署

Aidoc 的产品主张一直强调嵌入临床医生已经使用的系统。aiOS、VTE 和主动脉页面都描述了 PACS、EHR 与移动端交付，并在影像分诊之上叠加照护协同。VTE 页面尤其明确：aiOS 摄取多模态数据，把提醒路由到 PACS、EHR 和移动工作流，并在同一运行层中呈现实验室、生命体征、影像复核和 PERT 沟通。主动脉页面对跨科室聊天、移动复核和 EHR 连接的照护触发也提出了类似主张。 FDA 摘要显示了这一设计的监管边界。K252970 是工作流分诊和通知产品，不是诊断软件；用户仍需在 PACS 中阅读完整影像并使用专业判断。这一边界重要，因为它解释了 Aidoc 如何把 AI 深度嵌入运营工作流，同时仍将软件定位为优先级排序和协同层，而不是自主诊断代理。 部署证据显示 Aidoc 可以支持不止一种运行模式。FDA 摘要在 CARE 体部 CT 获批中描述了云环境中的基于 Linux 的服务器。Aidoc 的 AWS 页面营销在 AWS 上符合 HIPAA 的企业级部署；Asklepios 部署则称实施采用安全的云端方法，并配合本地部署 aiOS 平台，以满足 GDPR 和既有放射系统约束。合在一起，公开记录支持的是可配置的云加企业集成模式，而不是单一不可变部署架构。 [CE004, CE006, CE014, CE015, CE018, CE020]

5.4 信任、安全、安保与合规

Aidoc 的信任姿态比典型创业 AI 厂商的公开表面成熟得多。质量页面称，Aidoc 运行在通过 MDSAP 和 ISO 13485 认证的 QMS 下，并符合 FDA QSR、EU MDR、ISO 14971 和 IEC 62304。更重要的是，该页面明确重申，公司分诊和通知解决方案不是诊断软件，也不旨在替代临床医生对完整影像的复核。这是对产品边界条件有价值的公开承认。 安全方面，Aidoc 称其对齐 NIST Cybersecurity Framework，并在 AWS 和 Azure 上运行，使用 EDR、加密、SIEM 和 CSPM 等控制。AWS 合作页面还单独把产品营销为符合 HIPAA、面向企业部署。这些说法不能替代客户信任中心审计或经审阅的 SOC 报告，但确实显示 Aidoc 正把自己呈现为医院级、受监管的软件厂商，而不是轻量科室 AI 应用。 BRIDGE 框架在控制和认证之外增加了治理视角。Aidoc 把 BRIDGE 定位为与 NVIDIA、医疗系统和行业伙伴共同制定的路线图，用于有韧性、负责任地采用 AI。它有用，并不是因为证明了技术优势，而是因为它说明 Aidoc 理解：多模型部署成功与治理和运行纪律同样相关，不只是算法准确率。公开缺口在于，BRIDGE 描述的是原则和协作，而不是逐客户接入第三方模型的精确标准。 [CE021, CE022, CE023, CE024, CE027, CE036]

5.5 成熟度、生态方向与技术风险

Aidoc 最强的技术信号不只是监管活动，而是在真实医疗系统中的平台成熟度。到 2026 年 4 月下旬，公司和独立媒体都在描述每年分析 60+ million 个患者病例，并部署到近 2,000 家医院。在客户故事层面，Mercy、Hartford 和 Asklepios 提供了直接证据，显示 Aidoc 能从初始协议走到运营部署，而不会被困在单站点试点中。AI 算法、ML 平台、后端、DevOps、云平台和基础设施产品等岗位招聘，也进一步说明公司仍在持续投入企业级产品路线图。 路线图很激进。Aidoc 称 CARE 将扩展到 CT 和 X-ray 工作流，自动生成报告草稿也是近期目标。这些方向契合公司反复使用的“从像素到报告草稿”表述，以及其基础模型能把多年路线图压缩到更短周期的主张。但这些路线图事项仍是前瞻性的，尚未在公开生产部署中得到广泛证明。 因此，主要尽调风险集中在证明深度，而不是表面广度。公开来源没有给出已调和的官方组合数量，CARE 的独立多站点基准仍薄，公司也没有为其描述的 69% 外部模型生态发布详细的第三方模型接入或治理准则。产品看起来已达到企业级且真实存在，但面向市场的叙事走在了公开记录中的参考架构和基准语料之前。 [CE025, CE026, CE027, CE028, CE029, CE030]

5.6 展示

6.1 规模、地域与客户覆盖

Aidoc 的公开客户叙事有两层：一个宽泛的规模叙事，以及一组更窄的直接具名证明点。在最宽口径上，Healthcare IT Today、Fierce Healthcare、MedCity News 和 HLTH 的 2025 年独立报道重复了公司自报数字：每年在 150+ 个医疗系统中服务超过 45 million 名患者。Aidoc 2026 年 4 月的官方稿和 PRNewswire 稿随后描述了近 2,000 家医院、每年分析超过 60 million 个病例，以及累计分析超过 110 million 个病例。这些数字显然很大，但分母不能互换：医院、医疗系统、年度患者和年度病例衡量的是采用的不同侧面。 具名证明的地域更偏向美国大型一体化交付网络和一家欧洲大型私营运营商。获取的公开来源直接确认了 Hartford HealthCare、Mercy、Sutter Health、WellSpan、Yale New Haven、Renown Health / Carson Tahoe、Temple Health、Advocate Health 和 Asklepios。独立文章还将 Mount Sinai、Northwell 和 University of Miami 列为合作伙伴或用户，但这些更像规模引用，而不是完整记录的部署案例。最稳妥的解读是，Aidoc 拥有广泛平台触达和有意义的参考客户密度，但公开披露客户清单远比 150+ 或 2,000+ 这样的原始规模指标所暗示的要薄。 [CU001, CU002, CU003, CU004, CU018, CU019]

6.2 具名部署与参考客户质量

抓取来源里，最强的具名企业级部署证据来自 Hartford HealthCare。Aidoc 官方上线公告和 HIT Consultant 均称，Hartford 三周内完成初始上线，部署 17 个获 FDA 许可的算法，覆盖数百万次检查，并扩展到放射、心脏、血管、神经和急诊工作流。Mercy 是最清晰的多站点实施参考：Aidoc 公开案例称，aiOS 已在 Mercy 全部 50 家设施运行，同时上线十多个用例，并已分析数百万张影像。 这两家之外，Sutter Health 公开描述了一项多年期战略合作：aiOS 嵌入其照护体系，Sutter 也成为 Aidoc 的西海岸枢纽。Asklepios 给了 Aidoc 重要的欧洲证明点，28 家医院上线，每月分析约 35,000 张 CT 和 X 光影像。Yale New Haven 是量化程度最高的服务线案例之一，因为其肺栓塞响应工作流给出了具体的高级治疗和漏触发激活指标。Renown/Carson Tahoe 与 Temple Health 则说明，Aidoc 的公开证据并不局限于放射科叙事：公司正在向高管买家销售中枢-辐射式卒中编排和企业 AI 操作系统价值。 [CU005, CU006, CU007, CU008, CU009, CU011]

6.3 量化结果与工作流采用证据

Aidoc 最好的公开结果证据来自工作流提速和照护升级指标，而不是合同或收入指标。Yale New Haven 的 PE 响应案例尤其有用，因为它把 Aidoc 关联到临床上重要的结果：合适的高级治疗使用约增加 40%，约 70% 原本会漏掉的潜在激活被识别出来。Cedars-Sinai 也出现在 Aidoc 的 VTE 页面上，是另一个量化站点：PE 照护的治疗启动时间缩短 7 小时（41%），住院时长减少 26%。 Renown Health / Carson Tahoe 补充了卒中网络案例：door-in-door-out 时间缩短 32 分钟，大血管闭塞转运在约六个月后快了大约 30%。Mercy 的公开部署案例给出的不是照护事件百分比，而是运营规模指标，包括已分析 2.4 million 张影像、249,000 项被标记检查，以及门诊诊断时间缩短 90%。WellSpan CEO 也提到一年内分析超过 200,000 个病例。这些都是有意义的工作流证明，但口径并不统一。有的是公司主导案例，有的是站点提供的内部数据，没有一个能替代标准化的跨客户队列。 [CU010, CU013, CU014, CU016, CU017, CU019]

6.4 扩张信号、黏性与持久性缺口

公开客户证据显示，Aidoc 往往先以平台层落地，再扩展到更多服务线。Sutter 公告强调多年期基础设施和共同开发，而不是一次性算法。Hartford 公告提到 12 个月内走向更完整的企业级实施。Mercy 自己的案例称，平台标准化让它能从少数孤立 AI 工具扩到更大规模。Healthcare IT Today 和 Fierce 都引用 Aidoc 的说法：69% 客户已经在 aiOS 上运行非 Aidoc 模型，这意味着买方可能越来越把 Aidoc 当作多供应商 AI 资产的治理和编排层。 这种平台黏性叙事方向上利好，但公开持久性证据仍然偏薄。抓取来源没有披露净收入留存、总留存、客户 logo 留存或续约队列数据，也没有公开集中度披露来说明少数企业级系统是否贡献了过大的 ARR 或病例量。因此，虽然公开足迹显示 Aidoc 可以在复杂系统内部扩张，承销客户质量所需的经典 SaaS 持久性指标仍然缺位。 [CU003, CU024, CU025, CU029, CU030, CU031]

6.5 客户采用注意事项与反向信号

主要提醒在于，规模说法一部分扎实，一部分依赖叙事。“150+ 家医疗系统”“45M 名患者”“近 2,000 家医院”和“每年 60M 个病例”听起来都像客户数量口径，但衡量的不是同一件事。公开来源证明客户关系的直接程度也不同。Hartford、Mercy、Asklepios、Sutter 和 Yale 是强抓取参考；Cedars-Sinai 是工作流研究站点；Temple 是高管买方证言；媒体列出的 Mount Sinai、Northwell 或 University of Miami，证明力弱于详细案例。 抓取集中最清晰的反向公开来源是 ITQlick，它指出企业级实施昂贵、定价透明度有限、对小型诊所集成负担重。该来源声誉较低，且本身使用 AI 辅助，因此应被视为弱提醒信号，而不是决定性负面。比目录评价更重要的是公开来源没有显示的内容：没有续约队列，没有集中度表，也没有抓取来源直接确认用户要求的一些名称，例如 NYU Langone、Mayo Clinic 或 University of Rochester Medical Center。这些是尽调缺口，不是否证。 [CU020, CU021, CU022, CU023, CU024, CU025]

6.6 证据展项

7.1 监管、法律与临床安全风险

Aidoc 最严肃的风险仍是受监管设备负担与临床责任暴露叠加。公司确实有监管资产：其质量页面称已对齐 MDSAP、ISO 13485、EU MDR 和 FDA 质量体系，Aidoc 又在 2026 年 1 月宣布，基于 CARE 基础模型打造的综合分诊产品获得新的 FDA 许可。这些都是有意义的进入壁垒，但也把 Aidoc 推进一个制度环境：模型更新、新适应证和文档标准每年都更关键。FDA 2025 年 1 月生命周期指南和 2025 年 8 月 PCCP 指南都指向更严格的 AI 赋能设备软件证据预期，尤其是模型上线后继续演进时。Aidoc 自己的 BRIDGE 框架承认，信任、合规和工作流纪律是采用的前提；这在方向上让人安心，但不能替代具体产品的变更控制证据。 临床责任是伴随风险。Aidoc 的价值主张是在急诊和急性工作流中更快升级关键发现，因此一次漏检、延迟或带偏差的优先级排序失败，都可能从普通软件缺陷变成患者伤害事件。同行评议文献仍将偏见和泛化性列为医学影像 AI 的未解问题，尤其是产品跨站点、跨人群迁移时。因此，正确的承销姿态不是“Aidoc 不受监管”，而是“Aidoc 已受监管、正在扩张，也因此越来越暴露在把监管和上市后安全做好所需的成本之下”。[CR001, CR002, CR003, CR004, CR005, CR006]

7.2 安全、隐私、报销与采购风险

Aidoc 公开材料指向一个严肃但只部分披露的控制环境。安全页面提到 NIST CSF 和 AWS 托管，数据传输通知称 Aidoc 已获得 EU-U.S.、UK 和 Swiss DPF 框架认证。这是有用的基线证据，但不同于看到当前 SOC 2、HITRUST、渗透测试、事件响应或 BAA 细节。在医疗采购中，保障细节缺失与已知弱点几乎同样重要，因为它会拉长安全审查，也让数据泄露下行更难定价。HHS OCR 2026 年勒索软件和解案说明，HIPAA 执法是持续且运营层面的，不是理论风险。 报销风险又放大采购风险。独立放射科来源和 ACR 都指出，AI 报销仍落后于获 FDA 许可工具的数量，因为大多数影像 AI 产品仍绑定 Category III 跟踪代码，而不是可持续、与支付挂钩的 Category I 经济性。即使没有直接报销，Aidoc 仍可像 Advocate Health 和 Novant 所显示的那样靠 ROI 销售；但这让每笔企业销售更依赖本地预算归属、工作流重设计，以及可衡量吞吐量或结果改善的证明。这条路能走通，但与有清晰报销支撑的护理标准相比，采用更慢、黏性更强，也更受 CFO 审视影响。[CR013, CR014, CR015, CR016, CR017, CR026]

7.3 合作伙伴、平台与竞争风险

Aidoc 的运营模式与外部平台深度交织。这部分是优势：公司称 aiOS 不绑定供应商，已集成 PACS/VNA/EHR 工作流，并可在 Epic App Orchard 中使用，这正是医院想要的工作流可信度。Aidoc 还与 AWS 合作，有多年期投资支持 CARE 基础模型开发。这些关系降低商业化摩擦，让 Aidoc 比狭窄算法供应商更像企业级公司。 同样的关系也制造集中度风险。如果 Epic 调整姿态，OEM 或转售渠道表现不佳，或 AWS 经济性变化，Aidoc 的部署动作会很快削弱。既有技术栈内部的竞争强度也在上升：Microsoft 面向 Epic 环境销售 Dragon 和 Azure AI，Oracle 推出面向文档和工作流的临床 AI 智能体，Epic 自身也把 AI 定位为嵌入其软件全线。若医院足够看重急性影像分诊和跨团队编排，愿意购买专门层，Aidoc 仍能赢；但这是定价权问题，不是保证成立的护城河。实际结论是，Aidoc 的伙伴姿态是重要缓释项，但应先被视为暴露地图，其次才是护城河。[CR018, CR019, CR020, CR021, CR022, CR023]

7.4 执行、领导力与投资否决条件

Aidoc 的执行风险随规模上升。到 2026 年 1 月，公司称 aiOS 已超过 100 million 个已分析患者病例；到 2 月和 4 月，公司公开宣传在德国、荷兰、南加州和 Advocate Health 的多站点部署。这是产品市场匹配证据，但也意味着实施质量、上市后监测和客户成功纪律比早期算法阶段更重要。领导力方面，Aidoc 在 2026 年显著补强班底，任命前 AMA 主席 Jesse Ehrenfeld 为首席医疗官；领导层页面也显示，其高管团队比纯粹以创始人为中心的初创公司更成熟。即便如此，Elad Walach 仍是公司公共叙事和融资姿态的中心，因此关键人风险降低了，但没有消失。 最有用的投资者姿态，是提前定义否决条件。若 Aidoc 遭遇具名患者伤害或执法事件、失去特权互操作访问、因报销和预算归属持续模糊而无法转化试点，或无法让模型变更治理与 FDA 预期保持一致，投资逻辑就应重新评估。公司 2026 年大额 Series E 融资缓释了现金跑道风险，但也意味着未来融资和退出预期会被放到更高证明门槛下评判。[CR028, CR032, CR033, CR034, CR035, CR036]

8.1 建议与估值立场

Aidoc 看起来是有真实牵引力的真实品类参与者，但公开证据仍不足以支持可投资的价格判断。公司可以拿出新的 FDA 许可、具名企业部署、超过 100 million 个已分析患者病例，以及 AWS、Goldman Sachs Alternatives、General Catalyst、SoftBank Vision Fund 2 和 NVentures 的战略支持。这足以排除 Aidoc 只是概念股故事的轻率看法；但还不足以让投资者盲目支付溢价私募估值。 核心问题是估值不透明。2024 年后公开融资报道确认了更多资本和更强投资人支持，但没有给出清晰的当前投后估值。这意味着公众无法把今天隐含的私募价格换算成收入倍数、经利润率调整的倍数或经优先权调整的回报。我的立场因此是继续研究 / 观察。若内部指标强，Aidoc 可能值得溢价；但今天的公开证据支持好奇，不支持确信。由于 2024-05-20 之后的当前估值未披露，Aidoc 的独角兽身份应视为未确认标签，而非已验证事实。[CV003, CV011, CV012, CV038, CV039, CV043]

8.2 融资历史与公开来源真正确认的内容

Aidoc 最后一个完全公开、披露金额的轮次，是 2022 年 6 月宣布的 $110 million Series D。该公告清楚披露了轮次规模和累计融资额，但没有披露投后估值。此后的公开证据不是更透明，而是更不透明。Aidoc 2026 年 4 月 Series E 新闻稿披露新增 $150 million 融资，累计融资超过 $500 million。2025-2026 年独立媒体报道也描述了追加或更高融资，但仍没有锁定当前投后价值。 这种不对称很重要。投资者常假设后续轮次会自动澄清价格发现；Aidoc 的公开记录恰好相反。它证明资本继续进入、投资人阵容改善、公司仍在推进；但没有证明新投资人实际支付的价格、股权结构如何变化，或标题估值能否经受公开市场或战略收购方的现实检验。换句话说，Aidoc 的融资历史现在是强赞助证据，却是弱价格证据。[CV001, CV002, CV003, CV004, CV009, CV010]

8.3 可比估值锚点

Aidoc 最干净的公开锚点，不是另一个不透明私募轮，而是高溢价公开 AI 倍数与主流医疗 IT 倍数之间的差距。按引用的 2026 年锚点，Tempus 是溢价异常值，市值 / 收入约 9.0x。RadNet 和 GE HealthCare 更接近 2x-3x，Phreesia 和 Health Catalyst 则低得多。信息很直接：公开市场愿意为差异化医疗 AI 和数据规模付溢价，但只有当收入规模和质量可见时，溢价才会变得持久。 私募可比公司给出类似但更细的故事。Viz.ai 和 Abridge 显示，品类领先的医疗 AI 公司可以获得丰厚融资支持。PathAI 2026 年 Roche 交易和 Paige 2025 年出售给 Tempus 说明，并非每个临床可信的 AI 资产都会像独立平台那样定价。对 Aidoc 来说，这意味着上行情景真实存在，但证明负担也真实存在。没有披露经济指标时，理性做法是把可能价值放在这些可比区间内框定，而不是把私募稀缺性当成自证。[CV013, CV014, CV015, CV017, CV020, CV023]

8.4 乐观、基准与悲观估值区间

由于当前私募价格未披露，正确的情景框架应看退出价值，而不是当前内在价值。乐观情景下，Aidoc 把现有企业牵引力和基础模型叙事转化为数亿美元经常性收入，同时保住医疗 AI 溢价倍数。这可以支撑中等个位数十亿美元退出区间。基准情景下，Aidoc 证明自己是有价值但并不例外的医疗工作流平台，指向较低个位数十亿美元结果。悲观情景下，报销摩擦、EHR 原生竞争或当前部署的弱商业化，把 Aidoc 推向 1x-4x 的公开医疗 IT 走廊。 情景逻辑并不是 Aidoc 必须失败才配得上更低估值；而是即便是好公司，如果资本市场正常化快于运营证据到来，也可能跑输溢价私募定价。Rock Health 和 Cooley 都把 2025-2026 年数字健康市场描述为集中且选择性强，这一点尤其成立。正确问题不是“Aidoc 能值很多钱吗？”而是“在溢价标记站得住之前，Aidoc 必须跨过怎样的收入和质量门槛？”[CV033, CV034, CV035, CV036, CV040, CV041]

8.5 尽调问题与投资逻辑失效触发器

最重要的尽调项最简单：当前价格是多少？没有这个数字，即便最好的可比分析也只是合理性测试。第二个阻碍是收入质量——ARR、利润率、留存、付费使用转化和优先股堆叠。如果这些指标强，Aidoc 可能合理享有溢价；如果表现平庸，公开可比区间会迅速压缩估值论证。 这直接引出投资逻辑失效触发器。在 2025-2026 年不透明背景下，平轮或下轮会是红旗，说明早期私募标记跑在基本面前面。无法把标志性部署转化为付费扩张，会以更慢速度讲同一个故事。如果报销或既有工作流供应商继续阻碍医院为 Aidoc 分配持久预算，公司看起来就更像有用功能层，而非高溢价独立平台。在这些问题回答前，正确收尾姿态是有纪律的好奇，而不是急切。[CV037, CV039, CV043, CV045, CV046]