产业 AI 的竞争，正在从能力展示进入价值交付阶段。

2026 年，人工智能产业的关注重点继续向应用价值迁移。模型推理、长上下文、多模态和代码能力快速进步，智能体开始进入真实工作流，企业对大模型的期待也从生成内容延伸至执行任务、交付结果。

在这一阶段，模型能力仍是基础，但进入业务流程、理解行业 know-how 和持续创造业务价值的能力，正在成为更具决定性的竞争变量。

云知声正是产业 AI 加速走向业务深处的代表厂商。2026 年上半年，云知声实现收入 5.62 亿元，同比增长 38.7%；毛利 1.86 亿元，同比增长 42.0%；客户复购收入占比超过 60%。

整体来看，云知声三大业务中，企业智能化服务作为基本盘持续增长，Token 业务快速放量，端侧 AI 进一步拓展收入边界。

01  

营收增长 38.7% 背后，业务结构正在发生变化

云知声已经形成由企业智能化服务、模型调用和端侧 AI 共同构成的收入结构，覆盖云端与终端、项目与调用等不同商业形态。

从业务构成看，企业智能化服务仍是云知声的基本盘。2026 年上半年，该业务实现收入 4.78 亿元，同比增长 35.7%，占总收入的 85.1%，这部分业务覆盖医疗、保险、交通、高端制造等十余个领域。

增长最快的板块来自大模型调用 Token 业务。报告期内，该业务实现收入 2,976.6 万元，占总收入的 5.3%。其中，第二季度收入超过 2,500 万元，环比增长超过 500%；根据管理层披露，其毛利率超过 60%，显著高于公司整体水平。由此，Token 调用成为连接模型能力与标准化收入的重要出口。

海外市场正在成为端侧 AI 业务的新增长点。端侧 AI 业务同期实现收入 5,379.8 万元，占总收入的 9.6%；海外芯片出货量同比增长 50%，显示国际市场需求加速释放，为端侧 AI 业务打开新的增长空间。

客户复购收入占比超过 60%，客户黏性与持续经营能力得到验证。在首个场景完成落地并形成效果验证后，客户可以围绕模型升级、智能体扩展、业务流程深化及跨部门复制产生后续需求。

云知声由此将合作范围从单一场景延伸至更多部门和任务，通过持续调用、产品升级和新增服务释放客户全生命周期价值。较高的复购收入占比，也为公司收入增长带来更强的延续性。

毛利增速高于收入，财务模型持续改善。2026 年上半年，云知声实现毛利 1.86 亿元，同比增长 42.0%，增速高于同期收入增速；毛利率由 32.3% 提升至 33.1%。随着收入规模扩大和业务结构优化，公司单位收入的毛利贡献有所增强。

02  

强基模：以高智能密度承载复杂产业任务

2026 年 6 月，云知声发布新一代通用基座大模型 U2。U2 采用快慢思考融合的稀疏 MoE 架构，总参数规模 2,600 亿，单次激活约 100 亿参数，以较低激活规模承载复杂任务，在模型能力和推理成本之间寻求平衡。

产业场景中的任务往往横跨多套系统，涉及多项业务规则和多个决策节点，对模型的持续规划、工具调用和过程纠错能力提出了更高要求。U2 原生集成需求理解、任务拆解、工具调用、过程纠错和结果验收等能力，可以自主推进 100 步以上的复杂工作流，完成从任务理解、执行到结果校验的完整链路，为大模型进入企业核心业务流程提供能力基础。

围绕 U2，云知声形成了 " 通用基座、行业模型、多模态模型 " 的能力矩阵。

在行业模型方面，U2-Med 面向医疗、医保和医药领域，U2-RadiMed 聚焦医疗影像，将通用模型能力与行业知识、专业数据和业务规则结合，提升模型在高门槛医疗场景中的专业能力与适配效率。

在多模态能力方面，U2-ASR 延续云知声在语音领域的积累，U1-OCR 负责识别和解析非结构化文档，将语音、文本和文档等信息转化为可计算、可审计的数据，为复杂任务的理解、分析和执行提供数据基础。

云知声将 " 高智能密度、高 Token 价值 " 作为模型发展方向。高智能密度强调模型能力与计算开销之间的效率，即在较低的单次参数激活规模下，保持较强的推理与任务执行能力。

同时，高智能密度进一步支撑高 Token 价值，当模型能够通过需求理解、任务拆解、工具调用和过程纠错完成更复杂的业务任务时，Token 所承载的价值也由信息生成延伸至流程执行和业务结果。在医疗审核、保险理赔、交通运营等关键业务节点中的一次调用，所承载的任务复杂度和商业价值，会远高于通用问答中的一次调用。

Token 业务 2026 年第二季度收入超过 2,500 万元，环比增长超过 500%，为云知声的 " 强基模 " 提供了初步的商业验证。随着模型进入更多高价值业务环节，模型能力可以通过调用量形成持续收入，并逐步改善公司的收入结构。

03  

深应用：让大模型进入业务流程和行动闭环

云知声的 " 深应用 " 体系由业务数字化映射、智能构建和价值运行三层构成。这三层分别解决模型如何理解企业业务、如何连接企业资源并构建智能体，以及如何在真实流程中持续运行和创造价值的问题，由此形成从业务理解到任务执行、再到反馈优化的完整链路。

在业务数字化映射层，UniOps 将企业运行机制转化为模型可以理解的业务地图。平台对业务对象、流程、规则和动作进行结构化表达，为模型提供统一的语义框架、业务关系和行动边界，使模型能够理解企业如何运转。

在智能构建层，UniAgent OS 将模型能力与企业资源连接起来。平台调用模型、知识库、工具和业务系统，承担智能体构建、任务编排、运行监控和多模型路由，使业务地图中的规则与流程能够转化为可执行任务。

在价值运行层，智能体与 FDE 团队共同推动 AI 进入真实业务流程。智能体围绕 " 规划、决策、执行、反馈 " 完成连续任务，并根据运行结果持续调整；FDE 团队进入客户一线，将具体需求转化为业务地图、模型能力、智能体模块和流程方案。由此，客户现场成为效果验证、模型迭代和业务资产沉淀的共同入口。

深应用的价值已经开始反映在客户的经营指标中。在新能源汽车营销场景中，云知声将销售、培训、交付和售后流程沉淀为技术 SOP，并通过营销智能体推动客户小定订单增长约 10%；在区域医保场景中，智能经办体系使业务办理时间缩短 58%、人工投入减少 65%；在保险风控场景中，智能审核方案帮助客户减少赔付支出约 13 亿元，控费率提升 3 个百分点。

根据以上案例显示，模型能力已经进入营销转化、医保经办和保险审核等关键业务流程，产业 AI 的价值也由技术能力进一步转化为可量化的经营结果。

爱分析认为，云知声这条路径与 Palantir 模式类似。Palantir 通过 Ontology 建立现实业务的数字映射，并由 FDE 深入客户现场，让数据、决策和行动形成闭环；而云知声的业务资产体系、UniOps 业务地图、UniAgent OS 智能体平台及 FDE 模式，也在解决数据语义、业务逻辑和实际行动之间的连接问题。

04  

强基模与深应用相互强化，项目经验开始沉淀为资产

强基模扩大应用能力，深应用产生真实反馈，项目经验沉淀为可复用资产，资产复用提升交付效率并带来复购与 Token 调用，新的业务反馈再进入模型和产品体系。由此，资产复利成为 " 强基模、深应用 " 协同运转后的商业结果。

强基模首先提升深应用的能力上限。当模型的理解、规划和工具调用能力增强，智能体可以处理更复杂的业务规则和更长的工作流程，从辅助环节逐步进入营销转化、医保经办、保险审核等核心场景。

深应用也为模型能力演进提供真实反馈。项目执行过程中形成的行业数据、业务知识、流程规则和任务结果，可以进入模型后训练与能力优化。模型由此持续理解更具体的业务语境，应用体系也能够承载更高价值的任务。

经过真实项目验证的能力，还可以进一步转化为标准模块。截至业绩发布会披露时点，UniAgent OS 已经沉淀 1773 个实例智能体，单个智能体模块最高被重复调用 119 次。每个经过项目验证的智能体，都可以成为后续项目的能力单元，模块复用使项目经验具备了数字资产属性。

资产复用已经开始反映到交付效率。根据业绩发布会披露，云知声业务实施成本占收入的比例，由 2025 年上半年的约 21%，下降至 2026 年上半年的约 17%；需求调研周期由 30 天缩短至 15 天；产品上线节奏由按月提升至按周；项目验收效率提升 40%。

此外，员工总数由 2025 年末的 480 人增至 2026 年 6 月末的 483 人，人员规模基本稳定，收入仍实现 38.7% 的增长，平台能力与工具沉淀正在释放人效。

项目经验的复用范围，也在由单一企业向行业和区域扩展。根据 2026 上半年财报，厦门人工智能公共服务平台完成 52.44 万家企业画像治理，实现政策、资金要素与企业需求的智能匹配；江苏医保智能经办体系将医保业务进行智能化分流，经办人力投入下降约 65%。企业场景中形成的数据治理、流程编排和智能经办能力，由此进入城市级和省级公共服务平台。

医疗行业则体现了长期深耕带来的知识积累。云知声累计服务超过 470 家医疗机构，业绩发布会披露的当年服务客户中，超过八成为三级医院。辅助诊疗、病历生成、病历质控和医保审核等能力持续沉淀，为模型提供高质量业务反馈，也为相似场景的规模化复用创造条件。

综上可见，云知声业务能力由此可以形成一条持续循环：强基模扩大应用能力，深应用产生真实反馈，项目经验沉淀为可复用资产，资产复用提升交付效率并带来复购与 Token 调用，新的业务反馈再进入模型和产品体系。

05  

从能力闭环走向商业闭环

随着 Agent 进入核心业务，企业软件、业务流程、组织分工和商业模式会同步演进。

在这套体系中，项目能够形成两类资产：模型、技能和智能体构成智能资产，业务对象、流程、规则和 SOP 构成业务资产。这两类资产进入后续项目后，可以缩短需求分析和应用建设周期，减少重复开发，提升同一套能力服务更多客户的效率。

复购收入占比超过 60%，说明部分客户已经沿着更多部门、流程和任务持续扩展。Token 业务快速增长，则为模型能力提供了按量计费的商业出口。项目、复购、资产复用和 Token 调用逐渐连接，云知声的增长动力也由单一项目拓展为多种收入机制共同驱动。

从更长周期看，强基模决定智能上限，深应用决定价值深度，资产复用决定商业模式的规模效应。当模型能力与真实业务持续循环，每一次项目交付都可以为下一次增长积累生产资料。

产业 AI 未来的竞争，将同时考验模型的能力上限与企业的应用深度。对于云知声而言，下一阶段的关键，是让 " 强基模、深应用 " 在更多客户和场景中持续复制，并进一步转化为更高的收入质量与经营效率。