云知声正式推出山海知医慧保大模型，致力于以智能技术推动医疗保险领域高质量发展，构建全新的数字化智能化生态系统。

医疗数据浩瀚如海，医保业务规则繁复多变。作为关乎国家与民众利益的重要组成部分，医保和商保对精准性、合规性、安全性和可追溯性的要求极高。如何利用人工智能技术深入理解复杂病历，并有效管理医疗保险基金和商业保险风险？云知声给出了一份满意的答案。

该模型基于自主研发的通用大模型基础架构，整合了海量真实的临床数据资源，涵盖了社保医保领域的合规监管与资金安全、商保场景的风险管理和精细化理赔流程。通过“一套模型、双域赋能”的策略，推动医疗保障体系向智能化迈进。

同时，云知声山海知医慧保大模型现已全面接入Token Hub平台，提供标准化的API接口，支持一键式服务接入和灵活调用，并采用按需计费模式，加速了人工智能在保险行业的广泛应用。

专注于行业深耕，从底层革新智慧保险的核心能力

这个定制化的医疗保险大模型依托云知声自有的多模态通用大模型构建而成，在面对高价值场景的严格要求时实现了全面的技术架构升级：

基础架构：以自主研发的多模态通用大模型作为核心，采用“基础认知平台+特定领域微调（SFT）+偏好学习（DPO）”的训练流程。建立了一套包含医保专家、临床医生和审核员在内的三重对齐机制，确保输出结果既精准又符合监管规范。

业务能力：针对医疗保险全过程的核心场景设计了一系列功能模块，涵盖政策咨询、智能审计、合规监督、风险评估以及理赔支持等，并通过多模态语义理解和医疗专用解析技术提高处理效率和准确度。

数据更新机制：构建了行业级别的知识库体系，能够实时检索并动态更新最新的医保及商保政策法规信息，确保模型始终保持最新监管要求的同步性。

在实际业务测试中，云知声山海知医慧保大模型相较于同参数量级的产品，在多个方面表现出显著优势：医疗能力、医保知识理解、编码对齐能力和业务处理效率均有明显提升。例如，医保政策问答准确率提高了12.6%，复杂规则解析更加精确；医保编码匹配准确性提升了23.4%，增强了代码的一致性和标准化水平；医保业务操作效率提高6.5%，病历合规审核更为高效可靠；基础医疗能力增强5.4%，医学知识理解与推理持续优化。总体来看，模型在关键环节上实现了可量化的性能突破。

双场景深度应用，促进医保商保的高质量发展

在国家民生保障和商业保险风控领域，AI技术需具备高可信度、精准性、安全性及合规性的特点。山海知医慧保大模型凭借其对医疗文本的理解能力、单据解析技术和政策知识更新机制，打通了从数据认知到业务决策的关键环节，以“技术+场景”的模式推动行业变革。

在医保领域：实现监管方式的革新，强化基金安全

该大模型在医保基金监督管理方面取得了显著进展。它能够处理包括电子病历和检查报告在内的大量非结构化数据，并通过自主阅读诊疗记录与医疗费用明细进行精确比对，快速识别违规行为。

案例一：深入解析病历内容，发现超出规定范围的用药情况

在医保审核中，对于药物使用的限制条件进行了严格的检查。模型可以自动分析患者的历史病例和当前住院记录，确定是否符合药品使用的规定。

案例二：通过理解病历信息，进行DRG分组识别违规行为

在按疾病分类付费（DRG/DIP）的审核中，系统能够根据病历内容判断实际应归属的病组，并精准区分相似病例，防止医保资金被不合理地套取。

案例三：智能解读报告单，支持健康咨询服务

随着医保服务向健康管理转型，模型通过多模态理解能力解析各类医疗资料，为参保人提供健康宣教和慢病管理等增值服务。

今年初，云知声中标江苏省省级医保垂直大模型及智能体应用项目。该项目在监管端构建了全天候的“AI审计官”体系，在民生服务方面推出了智能健康服务平台，形成了“基金监管+民众服务”的双轮驱动模式，并为全国其他地区提供了可借鉴的经验。

在商业保险领域：降本增效，提升理赔审核效率

通过引入山海知医慧保大模型，云知声帮助保险公司提高运营效率并控制成本。此外，在处理交通事故相关的医疗费用时，该系统能有效识别与事故无关的治疗行为。

案例一：重疾认定

U1-OCR-Med：解决行业难题，打造文档解析技术优势

案例二：既往症识别

在医保和商保业务中，纸质单据类型多样且复杂，而市面上大多数通用大模型难以准确处理这些文件。云知声自研的U1-OCR-Med模型专门解决了这一问题。

山海知医慧保大模型结合U1-OCR-Med技术，在医疗文档识别、信息抽取和结构化解析方面表现出色，能够有效解决纸质材料处理难的问题，并提高了业务流程效率。

多维度指标领先：在文书分类、票据提取、病历分析及卡证识别等关键任务中，模型准确率远超通用大模型标准，具备强大的跨场景适应能力。

创新架构设计：采用解耦式结构感知框架，使模型能够同时学习文本语义和版面特征；引入坐标增强的多页注意力机制，解决了病历跨页信息处理中的难题。

业务快速响应：支持Schema级字段灵活配置。无需重新训练模型即可适应各省市医保政策的变化，大大降低了维护成本。

构建商业生态系统，推动医疗保障数智化转型

云知声已经建立了完整的AI医疗商业闭环，在全国范围内与近450家医院合作，其中A++级医院覆盖率接近35%。通过持续的数据积累和模型优化，形成了一套高效的商业模式。

AI公司的商业价值在于智能密度和Token的有效性而非数量。山海知医慧保大模型专注于高效数据训练、精准路由技术和动态量化压缩技术，在有限算力下实现了最大化的业务智能输出；在Token Hub平台上坚持按有效价值计费原则，确保每次调用都能直接服务于核心决策点。

目前，云知声的保险SaaS服务已全面上线，为医院、医保局和保险公司提供全方位的一体化云端解决方案。通过开放API接口与灵活计费模式，降低了行业AI应用门槛，帮助合作伙伴快速构建智能系统，共同打造医疗保障数智生态系统。

未来，云知声将继续深入探索医疗和保险领域，不断优化模型技术和提升智能服务能力，以更加开放的生态体系和专业的解决方案助力中国医疗保障系统的数字化转型。推动其迈向高效、精准且普惠的新发展阶段。

技术价值以商业落地为锚点。云知声已构建起完整的医疗AI商业闭环：依托全国近450家合作医院（其中A++级医院覆盖率近35%），凭借亿级真实临床病历持续反哺模型训练，形成“顶级医院数据沉淀→行业领先医疗/医保大模型打磨→医保/商保/区域医政全场景延伸”的良性商业飞轮，驱动相关业务持续高速增长。

AI公司商业价值＝智能密度（更小的模型更强的智能）×token的价值（而不是token的数量）。山海知医慧保大模型摒弃“盲目堆砌参数量与调用次数”的传统路径，转而聚焦“高价值Token”的深度挖掘。通过高效数据训练、精准路由技术与动态量化压缩等技术，在同等算力下实现更高密度的业务智能输出；在Token Hub平台，我们坚持“按有效业务价值计费”，让每一次Token调用都直击医保审核、商保风控的核心决策节点。这种“高密度智能×高价值Token”的乘数效应，不仅大幅降低险企与医保局的算力与集成成本，更让AI投入产出比（ROI）实现指数级跃升。

当前，云知声保险SaaS服务已全面上线，以“知医慧保大模型+医疗OCR+智能风控”为核心，为医院、医保局、保险公司提供智能审核、风险管控、快速理赔、基金监管一体化云端服务。通过Token Hub平台开放API与轻量化计费模式，大幅降低行业AI应用落地门槛，助力合作伙伴快速搭建专属智能体，共建医疗医保数智生态。

未来，云知声将持续深耕医疗、保险垂直领域，不断迭代优化模型技术、升级智能服务能力，以更开放的生态、更专业的解决方案，助力中国医疗保障体系完成数智化转型，迈向高效、精准、普惠的全新发展阶段。