Aidoc

1.1 企业 身份、运营 架构、、 双重 布局

Aidoc 是一家面向企业的临床人工智能软件公司，专注于加快急性医疗系统的诊断决策并减少诊断错误。公司由位于以色列特拉维夫的 Aidoc Medical Ltd. 和纽约曼哈顿的 Aidoc Inc. 共同运营，连接以色列国防体系培养的深度技术工程能力与美国及国际医疗系统的商业分发。平台以 CARE 临床基础模型和 aiOS 企业 AI 操作系统为核心，把影像分诊和临床工作流通知直接嵌入医院 PACS 与 EHR；相比割裂的单点算法，它强调集中式 AI 编排、基于 FHIR 的 Epic 等 EHR 集成，以及从紧急分诊到生成式放射科初稿的完整自动化。[CO001, CO002, CO003, CO004]

1.2 创始 领导层、高管 背景、、 关键人物 依赖

Aidoc 于 2015 年 10 月由 CEO Elad Walach 与以色列国防军 Talpiot 技术项目校友共同创立。Walach 拥有耶路撒冷希伯来大学计算机科学与物理学学士学位、特拉维夫大学计算机科学硕士学位，创办 Aidoc 前曾在以色列空军负责人工智能研究。在其十年管理下，公司从放射科算法原型发展到拥有 400 多名员工、覆盖全球近 2,000 家医院的企业。治理结构仍高度依赖 Walach 的运营与技术背景，同时由北美和欧洲的资深医疗商业团队平衡；公司按 EU-U.S. Data Privacy Framework 合规，并接受美国联邦贸易委员会监督，争议由 JAMS 和 ICDR-AAA 等独立机制处理。[CO005, CO006, CO007, CO008]

1.3 资本化 历史、企业 规模、、 里程碑 演进

Aidoc 在五轮主要融资中持续获得顶级科技和成长股权投资者支持。继 2022 年 6 月完成 $110 million 扩张轮后，公司于 2026 年 4 月完成由 Growth Equity at Goldman Sachs Alternatives 领投的 $150 million Series E，General Catalyst、SoftBank Vision Fund 2 和 NVentures（NVIDIA 的风险投资部门）跟投。已披露累计融资超过 $500 million，为大规模临床基础模型部署提供资金。平台每年支持约 60 million 名患者的临床决策，迄今累计评估超过 120 million 个病例，覆盖 Sutter Health、Wellspan Health 和 Mercy 等网络；但投后估值、准确 ARR、毛利率和净现金消耗仍未公开，构成重大尽调缺口。[CO009, CO010, CO011, CO012, CO013]

1.4 图表

2.1 市场 边界、分类、、 现状 替代方案

急性医疗临床 AI 市场不同于广义医疗企业软件。通用医疗 AI 处理排班、计费、收入周期和供应链等行政事务，而临床 AI 直接处理 CT、X 光等诊断信号，实时影响患者路径。急性系统过去用单点机器学习算法处理卒中和颅内出血分诊，但维护负担、集成复杂度和流程割裂正让采购方排斥这些工具，预算转向连接医疗设备、PACS 和 EMR 的企业级临床 AI 操作系统。现状仍由放射科医生人工阅片、远程放射服务合同和值班专家升级处理主导，同时受到严重人手短缺和积压加剧的影响。[CM001, CM002, CM003, CM004]

2.2 市场 规模测算 视角、增长 驱动因素、、 诊断 需求

企业临床 AI 的可服务市场不能只看一份宽泛软件预测，还要结合急性医院需求、影像检查量和诊断产能约束。美国门诊影像周转时间在 2014 至 2023 年间翻倍以上，急诊 CT 周转最长可增加 150 分钟住院时间；全国每年诊断错误和延误至少造成 400,000 人死亡，因此自动分诊和报告初稿具有紧迫的临床与运营价值。全球数千家急性医院的平台已分析数千万次扫描，早期商业覆盖约 2,000 家机构；2026 年 $150 million Series E 和累计超过 $500 million 的披露资本，显示投资者更看好平台整合而非单点方案。[CM005, CM006, CM007, CM008, CM009]

2.3 买方 分层、采购 路径、、 实施 约束

临床 AI 的企业采购涉及临床专家、放射科领导、医院运营高管和医疗系统 CIO。CIO 与临床工程团队要求 aiOS 这类集中架构，以消除部门 IT 孤岛并满足数据隐私框架；CMO 和急诊负责人则看重吞吐量、住院时长和 PERT、卒中团队等多学科协作的可验证改善。系统还要处理 EU-U.S. Data Privacy Framework 的跨境传输、生成式报告的自动化偏差与临床责任，以及大规模变更管理。合同通常按年订阅，但长期软件替换率和净运营利润率仍缺少证据。[CM010, CM011, CM012, CM013]

2.4 图表

3.1 竞争 格局：直接 同行、在位者、、 单点 方案

急性和诊断医疗的临床 AI 已从单算法竞争演变为多层平台市场。急性放射分诊主要由 Aidoc、Viz.ai 和 RapidAI 三个平台占据商业讨论，三者都称覆盖约 2,000 家医院，表面触达相近，却掩盖了真实账户深度和多重采购。市场还包括企业影像 IT/PACS 厂商、CADt 单点算法开发商，以及 Practice Fusion 等门诊健康 IT。门诊 EHR 主要服务病历和计费，不做影像分诊；PACS 厂商既是集成渠道，也可能成为 AI 工作列表注入的守门人。头部三家差异已从卒中检测准确率转向多专科平台编排、基础模型和机构 EHR 集成。[CP001, CP005, CP006, CP008]

3.2 同行 画像 、 平台 对比 单点-方案 架构

同行架构呈现不同路径。Aidoc 通过 aiOS 和 CARE 基础模型把自有算法与经过审核的第三方模块编排到放射、心脏和神经科；Viz.ai 偏重移动端神经血管协同和专家激活，RapidAI 则建立在卒中 CT/MRI 灌注分析上。独立临床评估显示，CADt 单点厂商正面临商品化和整合压力，因为 CIO 不愿为单个适应症维护定制集成、服务器和供应商合同。平台分诊已带来运营改善：2024 年 SNIS 会议数据称，Aidoc 部署后急性卒中患者从入门到穿刺时间减少 38 分钟。但效果高度依赖扫描仪协议、层厚和重建核，仍需逐站验证，单点厂商常无法支持。[CP004, CP006, CP007, CP008, CP013]

3.3 商业 打包、交易 经济性、、 预算 摩擦

企业临床 AI 的商业采购通常是多年 SaaS 承诺，但价格高度不透明。Aidoc 面向 C-suite 和医院服务线负责人，签署单笔 $500,000 以上的多年合同，并试图在保持 95% 留存的同时让年度支出至少扩大两倍。与 Practice Fusion 发布按医生计费的透明月价和试用不同，企业临床 AI 不公布统一价目表。Aidoc 按算法启用和年度检查量收取订阅费，新增适应症会显著推高机构支出，也迫使医院在没有谈判前基准数据的情况下评估复杂组合。自动分诊的救命和吞吐收益归卒中神经科、血管外科和急诊等服务线，但软件费用通常记在放射科或企业 IT 预算，形成长期错配。[CP002, CP003, CP009, CP011, CP012]

3.4 护城河 持久性、CADt 约束、、 Alert Fatigue 风险

Aidoc 护城河的持久性取决于监管边界、告警疲劳和系统切换成本。其核心许可属于 FDA 的 CADt 分类，只能重排工作列表并通知疑似时间关键发现，不能给出确定诊断或替代认证放射科医生阅片。因此，以减少医生编制或阅片量为前提的 ROI 会在监管审查下失效，每项影像仍须完整人工阅片。模型为避免颅内出血、肺栓塞等致命病变漏报而追求高敏感度，误报会频繁发生；若系统不在本地患者组合中严审阳性预测值，放射科告警疲劳可能在数月内侵蚀信任。切换成本主要来自深度 PACS 集成和 EU-US Data Privacy Framework 下的数据治理，而非算法排他性；商业条款把供应商总责任限制在近期订阅费并否认诊断保证，临床责任仍由医院医生承担。[CP004, CP010, CP012, CP013, CP014]

3.5 图表

4.1 收入 模型、定价 机制、、 商业 打包

Aidoc 主要向医院、IDN 和门诊影像中心销售 B2B 企业订阅 [CI001]。aiOS 作为操作和部署层，把临床算法嵌入 PACS 与 EHR [CI002]。具体美元标价和按扫描收费是保密条款，合同通常按床位量、机构数或服务线算法覆盖，将固定平台费与分级许可结合 [CI003]。标准在线条款把总责任限制在客户此前三个月支付的费用 [CI004]；由于没有公开价目和单机构实际收入基准，合同价值分布无法精确量化 [CI005]。

4.2 市场进入 动作、销售 周期、、 服务 交付 经济性

Aidoc 采用高接触企业直销，并结合临床集成和医疗渠道关系 [CI006]。部署触及急诊、放射、心脏和神经血管流程，受 IT 治理、HIPAA、Data Privacy Framework 合规及医生委员会评估影响，销售周期通常为 9 至 18 个月 [CI007]。服务交付成本包括 AWS、NVIDIA 等云伙伴的算力、CARE 等基础模型研发工程投入和合规维护 [CI008]。公司曾称早期合同 ARR 显著增长，但稳态软件毛利率和每项检查的云算力费用仍是私有且不透明的指标 [CI009]；运营费用主要投向商业团队、临床部署专家和机器学习研究人员 [CI010]。

4.3 资本 充足性、融资 轨迹、、 投资判断 尽调 结论

融资后 Aidoc 资产负债表充足：2026 年 4 月由 Growth Equity at Goldman Sachs Alternatives 领投的 $150 million Series E，使累计披露融资超过 $500 million [CI011, CI012]。外部追踪机构估计员工超过 600 人，意味着较高的月度工资和模型训练成本 [CI013]。Series E 可支撑多年 FDA 申报和 First Read 等产品扩展，但 NRR、GAAP 运营亏损和现金消耗完全不透明，阻碍机构尽调 [CI014]。二级市场价格和历史资本记录零散且未正式核验，完整的信用或股权估值仍需私人财务披露 [CI015]。

4.4 图表

5.1 临床 工作流 、 产品 Line 定义

Aidoc 将技术定位为临床 AI 操作层，用于缓解急诊和住院场景的急性影像积压。它不是自主诊断机构，而是分析影像、标记异常、把危重病例排到放射科工作列表前面，并加快多学科协作。产品包括 CT 分诊算法（颅内出血、肺栓塞、腹部异常等）和用于胸片的 First Read 生成式能力。First Read 可为 100 多种预设影像发现生成初步报告草稿，但最终签字和临床责任仍由认证放射科医生承担。[CE001, CE002, CE003, CE004]

5.2 运营 模型、云 基础设施、、 部署 拓扑

Aidoc 把可扩展的云端模型训练、推理管线与本地医疗系统接口结合。训练和高吞吐推理在 AWS 的 EC2 P3 GPU 实例上运行，匿名影像放在 S3，元数据和运营索引位于 RDS。临床部署支持本地和私有云 VM；例如 One-VA TRM v25.4 批准 Aidoc Desktop Edition 部署到 VA 控制环境的虚拟机和 VAEC。医疗系统通过 aiOS 直接接入 PACS 与 EMR，在不打乱既有软件栈的情况下接收分诊告警。[CE005, CE006, CE007, CE008]

5.3 监管 路径、数据 治理、、 尽调 风险

监管许可和严格临床监督构成 Aidoc 技术护城河与风险基础。2026 年 6 月 25 日，FDA 为 First Read 授予 Breakthrough Device Designation Q260882，覆盖胸片分析中的四项危及生命的发现；但 First Read 仍仅限研究用途，尚未取得 510(k) 或 PMA 上市授权。Aidoc Inc. 依据 EU-U.S. DPF、UK Extension 和 Swiss-U.S. DPF 处理假名化扫描和元数据。商业条款否认网站及第三方内容的所有保证，并把相关责任主张提出前三个月支付的费用设为直接损害上限，最终临床责任仍在医疗服务提供者。[CE009, CE010, CE011, CE012]

5.4 图表

6.1 客户 分层 、 企业 商业 Structure

Aidoc 面向多院区 IDN、学术医疗中心、三级医疗系统和处理大量急性影像的医生服务机构。CMIO、放射科主任和医院高管通常按企业客户层级谈判全院或全系统订阅；区域社区医院也可通过集中式远程放射网络或 Radiology Partners 等外包管理方接入。付款方和采购方要求 ICH、PE、卒中等急症路径证明 ROI。合同规模从单点五位数到 IDN 七位数不等，导致不同层级的续约和采购障碍。[CU001, CU002, CU003, CU004]

6.2 采用 轨迹 、 部署 规模 Across Health Systems

从 2021 年约 500 家医疗中心起，Aidoc 到 2026 年已扩展到超过 1,000 个美国医院站点和全球近 2,000 家医院。平台年处理量约 60 million 个病例，历史累计超过 120 million 至 150 million 项检查。德国 Asklepios Group 在 28 家医院完成 aiOS 部署，每月约处理 35,000 次 CT 和 X 光。被动后台 PACS 集成无需放射科医生主动登录，在执行标准化分诊协议的系统中保持超过 90% 的参与度；但覆盖 30 个美国州的公开数据仍缺少客户级历史 cohort 和年度量。[CU005, CU006, CU007, CU008]

6.3 指定 客户 证明 、 联盟 治理

客户案例显示 Aidoc 深入美国顶级医疗机构和国际学术中心。2026 年 8 月，12 家每年服务近 20 million 名患者的美国医疗系统与 Aidoc 共建 Diagnostic AI Consortium，治理诊断 AI 性能、流程集成和上线后监控。欧洲 OLVG 与瑞典 Region Skåne 的部署覆盖 10 家医院和超过 3,000 次急诊 CT 血管造影，证明其在创伤和卒中路径中的生产使用；Radiology Partners 也在合作医院部署 Aidoc，以支持护理团队并加快急诊管理。[CU009, CU010, CU011, CU012]

6.4 留存 持久性、流失 风险、、 商业 集中度

Aidoc 虽覆盖广泛，但商业持久性和客户集中度仍需重点尽调。每站点约 $50,000 的年度起价让小型社区医院难以承受；月均少于 200 次急性 CT 时，摊销成本超过每次 $20。公开论坛几乎没有独立医生对 Aidoc 的讨论，采购似乎主要由行政和高管推动。若 DICOM 告警只能推送到 EHR 收件箱、无法双向回写报告，未集成流程会加剧告警疲劳。Aidoc 尚未公开 NRR、GRR、logo churn 或客户集中度，需审计师直接核验 ARR 分布和多年合同稳定性。[CU013, CU014, CU015, CU016]

6.5 图表

7.1 风险态势与论点失效条件

最大风险是临床和监管执行能否在大规模部署下稳定运行。Aidoc 称覆盖近 2,000 家医院、每年约 60 million 个病例；Harvard Business School 较早案例则独立记录 2023 年超过 900 家医院、20 个算法和 17 项 FDA 许可。这些数字不代表安全结果，却意味着模型、流程或报告控制一旦失效，影响面会很广。公开部署口径从 900 多家医院和影像中心，到 1,600 多家医疗中心，再到近 2,000 家医院，日期和分母不同，不能当作干净的增长序列。若发生重大患者安全事件、必要授权被拒或收窄，或客户无法证明医生覆盖、监控和升级可靠，投资论点应被打破。[CR001, CR003, CR004, CR005, CR006, CR007, CR008]

7.2 监管、legal、、 privacy exposure

First Read 获 FDA Breakthrough Device Designation，但 Aidoc 的联合公告明确称其仍在研究、尚未获批。这使授权范围和时间成为门槛，而非已完成里程碑。隐私通知称服务可能处理假名化扫描、报告、元数据、使用日志和产品分析，并向云、身份及托管处理商传输；虽提供 FTC 监督及投诉或仲裁路径，却是公司证据，不是独立控制审计。现有证据没有监管命令、法院案卷、召回登记或独立核验的事故历史；在这组有限材料中缺失，不等于不存在。[CR007, CR009, CR010, CR011]

7.3 运营、临床质量与安全控制

Aidoc 自己的 First Read 公告把错误、不一致和自动化偏差列为生成式报告风险，并以医生监督和最终批准作为防护。这说明公司识别了风险，但没有披露误报、漏报、覆盖、监控阈值、回滚、正常运行时间或事故响应表现。网站条款只适用于网站，且不保证无漏洞、网络攻击或病毒，不能当作临床产品 SLA。公司还称放射 AI 供应商必须证明医生 ROI，吞吐改善仍处于早期；续约韧性因此取决于临床可靠性和实际经济价值，而非部署数量。[CR008, CR013, CR014, CR016]

7.4 伙伴、财务与执行依赖

平台模式有两层依赖。Harvard 案例称 Aidoc 托管自有及合作伙伴算法，当前网站则列出经审核的第三方算法开发商和原始设备制造商；隐私通知还列出云、身份、日志、分析和研究数据处理商。因此尽调要检验合同责任、版本与验证控制、替代权、停机升级和双方基础设施的审计覆盖。2026 年 4 月公告的 $150 million Series E 和超过 $500 million 融资不等于可用现金，也没有披露消耗或 runway；资本充足性、客户集中度、利润率和伙伴集中度仍只能靠私有证据回答。[CR002, CR010, CR012, CR015]

7.5 图表

8.1 建议 、 证据 边界

基于公开证据，建议继续研究，而不是买入或放弃。Aidoc 2026 年 4 月融资公告可信地证明了投资者支持和较大部署规模，却没有提供建立入场判断所需的价格或经营指标。材料只披露融资额和历史累计融资，没有投后估值、每股价格、出售比例、清算优先权、收入、利润率、留存或现金余额。融资额不等于当前可用现金，医院部署也不等于收入。由于缺失数据直接影响决策，建议置信度为中等；任何数字估值的置信度都很低。价格敏感的决策还需 股权结构表、轮次文件、审计财务和客户级经济数据。[CV001, CV002, CV004, CV012, CV013, CV014]

8.2 融资 背景、Thesis、、 Anti-Thesis

投资论点是，新机构资本可围绕已有安装基础扩展适应症、自动影像报告草稿和 aiOS 部署。Aidoc 称 Series E 由 Growth Equity at Goldman Sachs Alternatives 领投，General Catalyst、SoftBank Vision Fund 2 和 NVentures 参与，新资本将支持这些产品和部署方向。反论点是，没有收入质量、毛利率、留存、实施成本、集中度和现金消耗证据，公开规模不能转化为持久股权价值。EBN 报道的较早 $20 million 融资说明公司能获得资本，却不说明资本效率；超过 $500 million 的累计融资同样只是融资历史，不是估值或资产负债表指标。[CV001, CV002, CV003, CV004, CV005, CV013]

8.3 情景 、 可比 框架

公开证据只能支持方向性情景，不能支持可靠的美元区间或收入倍数。乐观情景要求 Aidoc 把产品投入和广泛部署转化为已验证的经常性增长、强留存、软件式贡献利润率和清晰的优先股堆叠；基准情景是假设继续采用但经济性和入场条款未定，因此仍无法计算回报；悲观情景则是商业化无法覆盖模型、集成、监管和支持成本，或高级优先股堆叠在普通股之前吸收退出收益。指定对比页把 Aidoc 放进宽泛 AI 研究集合且评论数为零，不是可用估值基准；审阅池中没有公开可见的上市公司、私募轮或并购交易观察能提供可比分母、增长率、利润率或交易倍数。[CV003, CV004, CV010, CV011, CV012, CV015]

8.4 流动性、退出 准备度、、 最终 尽调 门槛

EquityZen 描述的 Aidoc 份额来自基金向现有股东购股，而不是已披露的一级发行定价。其列出 IPO、合并、收购等公司退出，或符合条件的 Express Deal 两条流动性路径，但都不能确定特定 Aidoc 证券的时间、可得性或收益。隐私通知还显示假名化影像、报告、元数据、日志和分析带来的持续运营义务及转移责任。最终尽调应检验安全义务、监管成本、客户集中度、现金 runway 和完整优先权瀑布；若已验证的经济性无法支撑产品与合规投入，或入场条款缺乏下行保护和目标回报，论点即告失效。[CV006, CV007, CV008, CV009, CV010, CV014, CV015]

8.5 图表