刚刚，港股AGI第一股杀疯了！Agent业务半年进账近5亿，Token收入Q2暴涨500%

刚刚，港股AGI第一股杀疯了！Agent业务半年进账近5亿，Token收入Q2暴涨500% 量子位

刚刚，港股AGI第一股杀疯了！Agent业务半年进账近5亿，Token收入Q2暴涨500%

“怎么没人聊OpenClaw了”、“OpenClaw凉凉”……

正当全网开始“赛博悼念”这个曾带火Agent概念的现象级产品时，有一家公司却凭借Agent业务——

更让人意外的是，Agent业务在这里坐的还不是“小孩桌”，它已经成了这家公司业绩增长的核心引擎。

就在刚刚，“港股AGI第一股”云知声发布2026年中期财报，几组关键数据相当亮眼：

上半年营收5.62亿元，同比增长38.7%，增速较去年同期接近翻倍；

Token业务收入近3000万元，Q2环比增长超500%，业务毛利率超过60%；

OpenClaw还在遭遇成本、稳定性和实际价值的灵魂拷问，云知声却已让Agent进入医疗、保险、城市公共服务等核心业务场景，并赚到了真金白银。

2025年上半年，云知声营收4.05亿元，同比增长20.2%；到了2026年上半年，营收跃升至5.62亿元，同比增长38.7%。

包括智能体应用、智能体平台和综合解决方案，也是目前最大的收入来源。

客户通过公有云API直接调用云知声的大模型矩阵，按Token用量付费。

主要包括语音芯片、模组和车载解决方案，面对行业下行压力，这块成熟业务正在通过海外市场和具身智能等新场景寻找增量。

2026年上半年，云知声智能体业务营收4.78亿元，同比增长35.7%，占整体收入的85.1%。

拆开看，这笔收入由智能体应用、智能体平台和综合解决方案一起撑起。

目前，云知声的智能体应用已经扎进医疗、保险、交通和高端制造等十余个领域。

一个场景跑通，成熟能力还能继续装进智能体平台，从服务一家企业，铺到整个区域和行业。

碰上系统更复杂的大客户，综合解决方案就该出场了，把模型、数据和原有业务系统整体接通。

就这样，应用越扎越深，平台越铺越广，解决方案也越做越完整，企业智能化服务的收入自然水涨船高。

截至目前，云知声已累计服务470余家医疗机构，其中超过八成为三级医院；区域平台层面，完成了52.44万家厦门企业画像治理；进入高端制造后，还推动某新能源车企订单增长10%。

2026年上半年，云知声Token业务收入近3000万元，同比增长约760%。其中，第二季度收入超过2500万元，环比增长超500%，业务毛利率超过60%。

模型这头，以云知声U2为核心的大模型矩阵，已经具备直接服务生产场景的性能和稳定性。

市场那头，越来越多企业开始通过API调用模型，并接受按量付费的Token计价方式。

模型准备好了，市场的付费习惯也逐渐成熟，两股力量碰到一起，Token业务收入自然加速蹿升。

如果说Agent业务证明云知声能靠落地赚钱，那么Token业务则进一步说明：

2026年上半年，云知声整体收入中，复购收入占比超过60%，客单价也在显著提升。

Agent进入核心业务流程后，客户往往还会继续扩展应用场景、升级智能体平台、调用模型能力，双方的合作也从一次性交付走向持续服务。

对产业AI公司来说，签下一个新项目只能证明产品卖出去了，客户持续采购才能说明Agent确实创造了价值。

超过六成收入来自复购，背后蕴含的意义不言自明，这也让云知声的增长多了一层确定性。

而且客户和客户之间还容易形成口碑效应，截至目前云知声2026年合同额同比增长65%，在手订单超过15亿元。

企业智能化服务撑起收入规模，Token业务提供第二增长曲线，复购收入则托住业务的持续性。

2026年上半年，云知声实现毛利1.86亿元，同比增长42%，跑得比38.7%的营收增速还快。

与此同时，公司拥有人应占亏损降至2.37亿元，同比收窄20.2%。

毛利跑得更快，亏损金额和亏损率同步下降，经营改善的趋势已经相当直观。

这个结果倒也不算太意外，海内外AI公司融资满天飞、收入看起来也不差，但要想盈利还真挺难的。

OpenAI最新季度营收环比增长18%，经营亏损却从93亿美元扩大至123亿美元；

Anthropic狂奔多年，直到今年Q2才首次实现调整后经营利润为正。

一个还在大把烧钱，一个刚刚摸到盈利线，两家全球头部AI公司的表现足以说明，亏损在这个行业并不稀奇。

大家也都清楚，比起当下亏不亏，更值得关注的还是亏损曲线往哪里走：

收入增长、亏损跟着扩大，说明增长依然昂贵；收入提速而亏损持续收窄，则意味着商业化开始接住前期投入。

稍微总结一下这份财报，云知声持续增长的逻辑，说到底离不开两点：

一是模型得够强。模型不够强，不管直接做成API，还是封装成专业Agent，都很难换来持续调用和付费。

二是得做好应用服务。怎么把模型送进客户的工作流，并让客户愿意持续用，这里头都大有门道。

Palantir由彼得·蒂尔等人于2003年创立，专门帮助各类组织用数据和AI解决实际问题。

之所以在这里提到它，是因为它提供了一个观察产业AI商业化路径的典型样本。

step 1：派工程师深入客户现场，摸清数据、流程和业务规则；

step 2：把这些经验装进Ontology，画成一张AI能看懂、能操作的“业务地图”；

step 3：借助Foundry平台，把这些能力嵌入实际工作流，让数据分析进一步转化为业务行动。

第一个项目确实很重，但到了第二家、第三家同类客户，已有的行业知识和功能模块便能直接复用。

一家不到500人的AI公司，能够承接数亿元的智能体业务，显然靠的不是“人海战术”。

不管最终卖的是Token、API，还是一整套行业解决方案，模型本身好不好用，始终是第一道门槛。

前者考验的是基模能力。自2023年推出首个自研通用大模型以来，云知声一直在持续升级这颗“大脑”。

仅2026年上半年，云知声的研发投入便达到2.84亿元，占研发、销售和管理费用总和的78.5%。

公司327名研发人员，占员工总数的67.7%，相当于每三个人中就有两人在搞研发。

作为一款原生智能体模型，U2已在多项行业公认的Agent评测中跻身全球第一梯队。

更关键的是，凭借稀疏MoE架构，U2虽然拥有2600亿总参数，单次却只需激活约100亿，在保证能力的同时，也兼顾了速度和成本。

以U2为底座，云知声又进一步形成了覆盖医疗、语音和视觉的模型矩阵。

是否懂业务拼的则是行业积累，所谓懂业务，不是给模型塞几份行业资料、接一个知识库就够了。

它还得知道业务里有哪些对象、流程怎么运转、规则如何约束，以及下一步该执行什么动作。

这正是云知声过去十多年深耕医疗、物联、交通等场景积累下来的东西。

如今，这些经验被进一步拆解为17个子集和61个细分类别，把原本散落在业务系统、操作手册和从业者脑中的知识，变成模型可以计算和调用的业务资产。

借用Palantir的说法，这相当于为每个行业画出一张“业务地图”。

地图有了，下一步就是把Agent组装出来，这就来到了智能构建层。

业务运行平台负责把客户的业务流程、数据和规则接进来，给Agent划清行动边界；智能体平台则负责选择模型、连接知识库、调用工具，再把一连串任务编排起来。

也正是在这一层，上一单积累的能力，会变成下一单可以直接调用的模块。

比如为一家医院开发病历质控Agent时，病历解析、问题识别等通用模块都可以先沉淀下来，等到了下一家就不用重复造轮子。

目前云知声智能体平台UniAgentOS已经沉淀1773个实例智能体，单个模块最高复用119次，项目实施成本占比也从去年同期的21%降至17%。

Agent搭出来之后，还得真正进入客户的工作流，与医生、审核人员和经办人员协同完成任务，并从一次次使用结果中继续调整。

活干得怎么样？替客户省了多少时间？降低了多少成本？客户还愿不愿意继续付费？

这些问题，只有把Agent真正放进客户的工作流里，才能得到答案。

气氛都烘托到这里了，那不得顺手跑一个典型真实案例（doge）。

某大型三甲医院每天产生数百甚至上千份出院病历，每份动辄30多页。

以前主要靠几名质控人员人工抽查，一页页翻、一条条对，忙不过来是常态，最终连一半病历都覆盖不到。

他们先用医疗大模型和覆盖47.5万医学实体的知识图谱，让Agent读懂病历和规范，再打通HIS、EMR、LIS等医院系统，让它自己读取病历、检查问题、找出缺陷，再给出修改提示。

上线后，单份病历审核时间被压缩至10秒以内，质控覆盖率提升至100%，人工效率提升80%以上。

10秒、100%和80%，这些都是可以直接验收的业务结果，也是客户持续付费的理由。

当病历解析、规则核验等能力可以复用到更多医院，这门重交付的生意也就有了规模化的可能。

再把Palantir这把尺子拿出来，两者最大的区别也随之浮现：

Palantir自己不押注某一个基础模型，客户需要什么，它就接入什么，再负责把模型、数据和业务流程串起来。

云知声则把模型这颗“大脑”也握在自己手里，底层有U2通用基模，上面还有医疗等行业模型、语音与文档多模态能力，甚至一路延伸到了端侧芯片。

怎么说呢，两条路线各有优劣，但从模型与行业协同的深度来看，把模型乃至整套技术栈握在自己手里，更有条件让项目反馈直接进入模型迭代，形成长期复利。

很显然，云知声正在验证一条具有Palantir特征、由自研模型驱动的产业AI路径。

数据敏感的客户要私有化部署，追求快速上线的客户更适合订阅平台，调用需求灵活的客户则愿意按Token付费。

模型、平台和Agent既要能拆开单独卖，也要能随时组装成完整方案，背后考验的是整套能力能否真正产品化。

公司实现从能力底座到价值交付的端到端全链条服务闭环，每一层能力既可作为整体解决方案交付，也可拆解为标准化产品单独销售，既支持私有化部署，也支持公有云API与Token调用。

横向复制指的是把一个行业做透。每完成一个项目，知识、流程和功能模块持续沉淀下来，下一家做得更省。

纵向深挖则是把一个客户做深。Agent一旦进入客户的核心流程，合作往往会从一个任务延伸到更多部门和场景。

一个摊薄交付成本，一个抬高单客价值，两股力量叠加，Agent生意的复利飞轮才真正转起来。

当然，这几条也只能算阶段性总结，Agent商业化远没有标准公式，剩下的还得交给一个个真实场景验证。

大模型阶段看参数，Agent阶段看工具调用，如今新鲜感退去，客户关心的问题越来越现实：

模型能力依然重要，但它已经变成起点。这也是云知声这份财报值得关注的地方。

它用自研模型保证Agent能够干活，用行业积累让Agent懂得怎么干，再用平台把交付经验复制出去，最终通过解决方案、订阅和Token调用持续收费。

“强基模＋深应用”由此形成闭环，并从一句战略口号变成了财报中的收入、复购曲线。

写到这里，回头再看开头那场关于OpenClaw的“赛博悼念”，其实挺有意思。

真正会消失的，是那些只会消耗Token，却不能创造价值的Agent。

650亿美元！IPO前夕，Anthropic营收底牌曝光2026-08-18

WorkSwarm：引领办公智能体新范式，让AI从一个助手，进化为一支与你并肩作战的团队2026-08-16

“B站教AI”爆火后，北航90后副教授何静回应一切2026-08-16

大模型收入暴涨1076%，港股AGI第一股首份年报：一年狂揽12亿，属实把商业化玩明白了

ChatGPT上岗医疗还有多远？哈佛教授亲测表现接近医生，云知声被曝打造行业版

云知声山海知医慧保大模型重磅发布：以高密智能深耕高价值场景，重构医疗保险数智新生态

技术深度揭秘｜云知声U1-OCR架构升级 + API 开放，重构 OCR 3.0 时代

匿名牛来大模型被扒出智谱血缘，也有人怀疑Cursor拿开源GLM训的

英伟达AI服务器将涨价15%！1GW数据中心成本激增50亿美元

量子位 QbitAI 版权所有©北京极客伙伴科技有限公司 京ICP备17005886号-1