188家医院、8亿营收、2.9亿亏损:微脉的“AI+全病程管理”故事,卡在了“人”上

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
188家医院、8亿营收、2.9亿亏损:微脉的“AI+全病程管理”故事,卡在了“人”上
6285点击    2026-06-02 11:24

188家医院、8亿营收、2.9亿亏损:微脉的“AI+全病程管理”故事,卡在了“人”上


时隔近十个月,微脉再次向港交所递交上市申请,以“中国医院合作模式全病程管理市场第一”的身份冲刺“AI全病程管理第一股”。2023年至2025年,公司营收从6.28亿元增长至8.63亿元,毛利率从18.9%提升至21.7%,毛利率提升、营收持续增长,乍看是一份不错的成绩单。


但招股书的另一组数字撕开了这道面纱:同期净亏损从1.50亿元扩大至2.90亿元,三年累计净亏损6.33亿元;若计入股份支付等非现金因素,公司成立以来累计亏损高达23.44亿元。经营现金流连续三年为负,资产负债率常年超400%。更关键的是,若2026年底前未能完成上市,一份18个月的上市对赌条款将触发优先股投资者的赎回权。在业绩改善与AI叙事之间,微脉的上市之路充满张力。


一个细分市场的“第一”:5.2%的市占率撑得起百亿估值


微脉商业模式的核心是与公立医院深度绑定——在合作医院内设立专属的全病程管理中心,派驻驻场健康管理团队及医疗团队,为患者提供从初诊到康复的全周期管理服务。截至2026年5月,微脉已与188家医院建立深度合作关系,覆盖全国大部分省份的三甲医院网络,累计服务超过54万名患者,派驻了超过376人的专职线下医疗助理团队。


188家医院、8亿营收、2.9亿亏损:微脉的“AI+全病程管理”故事,卡在了“人”上


然而“第一”的含金量需要仔细掂量。根据弗若斯特沙利文数据,在窄小的“医院合作模式”全病程管理细分赛道中,微脉以5.2%的市占率位居第一;但在整个中国全病程管理大市场中,微脉的份额仅为0.71%,排名第三。前五大全病程管理服务商合计市占率仅约6.3%,行业极度分散。这个赛道的天花板也较为有限——2025年,微脉所专注的医院合作模式赛道市场规模仅约91亿元,整体全病程管理市场规模也不过887亿元。要在这样一个分散且受限的市场中撑起7.08亿美元的IPO估值,需要的不只是一个“细分赛道第一”的标签。


收入结构的变化同样值得关注。2023年至2025年,面向个人患者的C端全病程管理收入从4.06亿元降至3.10亿元,两年缩水23.7%,占营收比重从64.8%降至35.9%。取而代之的是机构端全病程管理收入从3100万元猛增至2.20亿元,三年翻了超7倍。B端机构业务虽推高了营收增速,但项目制属性使收入的不稳定性随之增强,前五大客户收入占比从9.3%攀升至24.5%,客户集中度三年翻了近三倍。济宁市第一人民医院的中标案例显示,微脉每笔收入中医院要分走34%。这种依赖医院渠道的B端转型路径,理论上不利于利润空间的长期改善。


亏损的真相:2.9亿账面亏损中,八成是“纸面亏损”


微脉2025年净亏损2.90亿元,但这一数字需要做一次“财务拆解”。亏损的主要推手来自可转换可赎回优先股的公允价值变动——这是一个随公司估值提升而增加的会计科目,2025年该项非现金亏损达2.38亿元,占当年净亏损的81.95%。在IPO后优先股转换为普通股,这项亏损将不再影响经营业绩。剔除这些非现金因素后,微脉2025年经调整净亏损仅为2380万元,较2023年的9910万元收窄超过75%。更关键的信号是,经调整EBITDA在2025年首次转正,约为139万元。


188家医院、8亿营收、2.9亿亏损:微脉的“AI+全病程管理”故事,卡在了“人”上


这些数据表明,微脉的经营基本面实际上正处在边际改善的通道中。但真正让市场担心的,是现金流。2023年至2025年,经营活动现金流净流出分别为8322万元、3947万元、3336万元,虽逐年收窄,仍无法靠主营业务“造血”。截至2025年末,资产总额仅6.53亿元,负债总额却高达29.01亿元,处于资不抵债状态;现金及等价物约1.6亿元,而计息银行借款已达1.69亿元,略有缺口。


“经调整EBITDA转正”通常被解读为经营质量改善的信号,但它的转正恰恰发生在经营现金流仍为负值的阶段——两者之间的矛盾说明,利润口径的好转尚未真实传导到银行账户里。


“AI”的成色:AI究竟是核心引擎,还是营销包装


微脉在招股书中反复强调其AI技术底座CareAI——中国首批AI医疗管理平台之一,采用多智能体系统与混合模型架构,已覆盖超过120个病种。CareAI平台的数据基础并不薄弱:截至2026年4月,自建语料库已包含超20.1亿个token,其中中文超16.4亿、英文超3.7亿,均来自合规医学教科书、临床指南等医疗资源。理论上,AI可以显著提升个案管理师的人效,从管理50-70名患者扩展至500名,这构成了微脉“AI提效”叙事的逻辑支撑。


188家医院、8亿营收、2.9亿亏损:微脉的“AI+全病程管理”故事,卡在了“人”上


然而,研发开支的走势讲述着另一个故事。2023年至2025年,公司研发费用分别为3991万元、2981万元、3813万元,绝对金额常年不足4000万元,2024年甚至同比下滑;研发费用率从6.35%持续下滑至4.42%。与之形成对比的是,同期院内驻场医护人员成本从6240万元飙升至1.67亿元。AI尚未大规模承担提效功能前,微脉的业务扩张不得不依赖更高的人力投入来覆盖不断扩大的合作版图。


毛利率的提升并没有增强议价能力,而是来自成本结构的内部调整——院内成本从2.19亿元降至1.70亿元,与此同时自建医护人员成本翻倍。AI叙事与现实之间的落差,是微脉在估值定价时最敏感的风险点。CareAI平台的技术壁垒确实存在,但在收入结构和经营成本中,人依然是最大变量。


2026年底前的“背水一战”


微脉的上市之路,远比账面上的数字紧迫。据招股书披露,首版招股书曾出现重大数据差错,将2024年毛利错误披露为-1.29亿元;首次递表于2025年12月失效,2026年4月更新财务数据后二次递表。本次递交的数据中,微脉披露完成800万美元E轮融资,投后估值7.08亿美元。


更严峻的是隐藏在对赌条款下的资本博弈。招股书显示,若2026年底前未能完成上市,优先股投资者即可恢复行使赎回权。2025年末,可转换可赎回优先股负债已达22.99亿元,占负债总额的近八成。公司目前已与主要优先股投资者就延长赎回权进行沟通,但若上市进程再次受阻,公司将面临巨额清偿压力。对于现金流仅约1.6亿元、仍处于亏损通道的微脉来说,这不是一个可承受的情景。


188家医院、8亿营收、2.9亿亏损:微脉的“AI+全病程管理”故事,卡在了“人”上


全病程管理赛道前景依然广阔——预计到2030年中国市场规模将飙升至3654亿元,年复合增长率达32.7%。微脉面临的竞争也在升温:传统医疗IT企业如卫宁健康、创业慧康可基于已嵌入医院的系统以模块集成方式低成本切入;互联网医疗巨头如京东健康、阿里健康、平安好医生凭借数据、算力和资本优势形成“降维”压力。在供需两端压力下,微脉能否在AI技术壁垒和人力重资产投入之间找到平衡,以及能否在10月前通过聆讯完成上市,是一场考验其财务治理、战略定力与技术可行性的三重博弈。


文章来自于"AI医疗观察",作者 "胡乔皓 Andy"。

AITNT-国内领先的一站式人工智能新闻资讯网站
AITNT资源拓展
根据文章内容,系统为您匹配了更有价值的资源信息。内容由AI生成,仅供参考
1
AI代理

【开源免费】Browser-use 是一个用户AI代理直接可以控制浏览器的工具。它能够让AI 自动执行浏览器中的各种任务,如比较价格、添加购物车、回复各种社交媒体等。

项目地址:https://github.com/browser-use/browser-use


2
AI数据分析

【开源免费】DeepBI是一款AI原生的数据分析平台。DeepBI充分利用大语言模型的能力来探索、查询、可视化和共享来自任何数据源的数据。用户可以使用DeepBI洞察数据并做出数据驱动的决策。

项目地址:https://github.com/DeepInsight-AI/DeepBI?tab=readme-ov-file

本地安装:https://www.deepbi.com/

【开源免费airda(Air Data Agent)是面向数据分析的AI智能体,能够理解数据开发和数据分析需求、根据用户需要让数据可视化。

项目地址:https://github.com/hitsz-ids/airda

3
智能体

【开源免费】AutoGPT是一个允许用户创建和运行智能体的(AI Agents)项目。用户创建的智能体能够自动执行各种任务,从而让AI有步骤的去解决实际问题。

项目地址:https://github.com/Significant-Gravitas/AutoGPT


【开源免费】MetaGPT是一个“软件开发公司”的智能体项目,只需要输入一句话的老板需求,MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色,包括产品经理 / 架构师 / 项目经理 / 工程师,MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。

项目地址:https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md

4
AI医疗影像

【开源免费】MONAI是一个专注于医疗影像分析的深度学习框架,它可以让医院高效、准确地从医疗影像数据中提取有价值的信息,以辅助医生进行诊断和治疗。

项目地址:https://github.com/Project-MONAI/MONAI?tab=readme-ov-file