企業のインテリジェント化サービスが屋台骨を支え、第二の成長曲線が姿を現す
「誰も OpenClaw の話をしなくなった」「OpenClaw はもう終わった」……
かつて Agent という概念を一躍有名にしたこの異例のプロダクトに対して、ネット上で「サイバー追悼」が始まろうとしていたまさにそのとき、ある企業が Agent 事業によって——
儲！か！っ！た！
しかも驚くべきことに、Agent 事業はここでは「子ども向け」の扱いではない。すでにこの企業の業績成長を支える中核エンジンになっている。
つい先ほど、「香港株 AGI 第一号」ともいえる云知声が 2026 年上期の中間決算を発表した。いくつかの主要データが非常に目を引く。
- 上期の売上高は 5.62 億元で、前年同期比 38.7% 増。成長率は前年同期のほぼ 2 倍；
- インテリジェントエージェント事業の売上高は 4.78 億元で、前年同期比 35.7% 増；
- Token 事業の売上高は 約 3,000 万元。第 2 四半期は前四半期比 500% 超の増加となり、事業粗利率は 60% 超；
- リピート売上高の割合は 60% 超、手元のキャッシュフローは 約 10 億元；
- ……
これは、現在の OpenClaw が置かれている状況とは、どこか微妙なコントラストをなしている。
OpenClaw がコスト、安定性、そして実際の価値について厳しい問いを突きつけられている一方で、云知声はすでに Agent を医療、保険、都市公共サービスなどの中核業務シーンに導入し、実際の収益を上げている。
同じく Agent に取り組む企業でありながら、云知声はいったいどのようにして、これを億元規模のビジネスへと成長させたのだろうか。
企業のインテリジェント化サービスが屋台骨を支え、第二の成長曲線が姿を現す
答えはまず、この中間決算報告の中に隠されている。
決算資料を最後まで確認して、最も直感的に感じる変化は、云知声の成長スピードが上がったことだ。
2025 年上期、云知声の売上高は 4.05 億元で、前年同期比 20.2% 増だった。それが 2026 年上期には 5.62 億元まで伸び、前年同期比 38.7% 増となった。
わずか 1 年で、売上高の成長率は 20.2% から 38.7% へと上昇し、ほぼ 2 倍になった。
この加速はどのようにして実現したのだろうか。
まずは、今回の中間決算で云知声があらためて区分した 3 つの主要収益分野を見てみよう。
-
1 つ目は企業インテリジェント化サービス。導入・実装による収益だ。
インテリジェントエージェントのアプリケーション、インテリジェントエージェント・プラットフォーム、総合ソリューションなどが含まれ、現在最大の収益源となっている。
-
2 つ目は今年新たに加わった Token 事業。モデル呼び出しによる収益だ。
顧客はパブリッククラウド API を通じて云知声の大規模モデル・マトリクスを直接利用し、Token の使用量に応じて料金を支払う。
-
3 つ目はエッジ AI 事業。端末の量産化による収益だ。
主に音声チップ、モジュール、自動車向けソリューションなどが含まれる。業界全体が下押し圧力を受ける中、この成熟事業は海外市場や具身知能などの新たなシーンから成長余地を探している。
事業構造と収益の質を踏まえると、特に注目すべきシグナルは 3 つある。
注目点 1：企業インテリジェント化サービスが屋台骨を支える
最も目立つのは、もちろん Agent だ。
2026 年上期、云知声のインテリジェントエージェント事業の売上高は 4.78 億元で、前年同期比 35.7% 増。全体売上高の 85.1% を占めた。
この売上高を支えているのは、インテリジェントエージェント・アプリケーション、インテリジェントエージェント・プラットフォーム、総合ソリューションの 3 つだ。
しかも、この 3 つは相互に連動する仕組みになっている。
最も直接的なのは、Agent を実際の現場に送り込み、仕事をさせることだ。
現在、云知声のインテリジェントエージェント・アプリケーションは、医療、保険、交通、高度製造など 10 を超える分野に深く入り込んでいる。
1 つのシーンで実績を上げれば、その成熟した機能をさらにインテリジェントエージェント・プラットフォームへ組み込み、1 社へのサービスから地域全体、さらには業界全体へと展開できる。
システムがより複雑な大口顧客には、総合ソリューションの出番だ。モデル、データ、既存の業務システムを全体として接続する。
こうして、アプリケーションは現場に深く根付き、プラットフォームはより広く展開され、ソリューションもより完全なものになる。企業インテリジェント化サービスの収益が自然に伸びていくのも当然だ。
現在までに、云知声は累計 470 以上の医療機関にサービスを提供しており、その 8 割超が三級病院となっている。地域プラットフォームでは、厦門市の 52.44 万社の企業プロファイル整備を完了。高度製造分野への参入後は、ある新エネルギー車メーカーの受注を 10% 増加させた実績もある。
注目点 2：新たな成長曲線がすでに姿を現している
本業が屋台骨を支える中、Token 事業も急速に規模を拡大し始めている。
**2026 年上期、云知声の Token 事業の売上高は約 3,000 万元で、前年同期比約 760% 増となった。**そのうち第 2 四半期の売上高は 2,500 万元を超え、前四半期比で 500% 超の増加、事業粗利率は 60% を超えた。
この事業は今年、ほぼゼロからスタートしたばかりだ。現時点での規模はまだ大きくないものの、成長曲線は非常に急だ。
背景にある理由は、それほど複雑ではない。
モデル側では、云知声 U2 を中核とする大規模モデル・マトリクスが、すでに実際の業務シーンに直接対応できる性能と安定性を備えている。
市場側では、API 経由でモデルを呼び出し、使用量に応じて Token 単位で課金する企業が増えている。
モデルの準備が整い、市場側の従量課金に対する受容も徐々に進んだことで、2 つの力が結びつき、Token 事業の収益は自然に加速した。
Agent 事業が、云知声が導入・実装によって収益を上げられることを証明したものだとすれば、Token 事業はさらに次のことを示している。
顧客はすでに、云知声のモデル能力そのものに対して、実際にお金を支払い始めている。
注目点 3：リピート売上高が 6 割超、成長の粘り強さが増す
売上高の伸びが速くても、その収益を持続的に得られるかどうかを見なければならない。
2026 年上期、云知声の全体売上高に占めるリピート売上高の割合は 60% を超え、顧客単価も大幅に上昇している。
リピートにつながる仕組みは、実のところ理解しやすい。
Agent が中核業務プロセスに組み込まれると、顧客はさらに適用シーンを拡大し、インテリジェントエージェント・プラットフォームをアップグレードし、モデル機能を追加で利用するようになる。双方の関係も、単発の納品から継続的なサービスへと移行していく。
産業 AI 企業にとって、新規プロジェクトを 1 件獲得しただけでは、製品が売れたことしか証明できない。顧客が継続的に購入して初めて、Agent が実際に価値を生み出しているといえる。
売上高の 6 割超がリピートから生まれているという事実の意味は明白だ。これは云知声の成長に、さらなる確実性をもたらしている。
さらに、顧客同士の間で口コミ効果が生まれやすい点も見逃せない。現在までに、云知声の 2026 年の契約額は前年同期比 65% 増、受注残は 15 億元超に達している。
この 3 つの変化を合わせて見ると、云知声の上期の成長ロジックは非常に明確だ。
企業インテリジェント化サービスが売上規模を支え、Token 事業が第二の成長曲線を生み、リピート売上高が事業の持続性を支える。
加えて、成長は売上高だけに表れているわけではない。
2026 年上期、云知声の粗利は 1.86 億元となり、前年同期比 42% 増加した。38.7% だった売上高の成長率を上回るペースだ。
一方、親会社株主に帰属する損失は 2.37 億元まで減少し、前年同期比で 20.2% 縮小した。
売上規模の拡大に伴い、純損失率も前年同期比で 31 ポイント超縮小している。
粗利の伸びはさらに速く、損失額と損失率はそろって低下している。事業運営が改善していることは、もはや明白だ。
ただし、云知声は現時点でもまだ黒字化を実現していない。
この結果自体は、それほど意外ではない。国内外の AI 企業では資金調達が相次ぎ、売上高も悪くないように見えるが、黒字化への道のりは決して容易ではない。
OpenAI は直近四半期の売上高が前四半期比 18% 増となった一方、営業損失は 93 億ドルから 123 億ドルへと拡大した。
Anthropic も長年にわたって猛進を続けてきたが、調整後営業利益が初めて黒字となったのは、今年の第 2 四半期になってからだ。
一方は依然として巨額の資金を燃やし続け、もう一方はようやく黒字ラインに触れたばかり。この 2 社の世界的な AI 大手の状況を見れば、赤字がこの業界で珍しくないことは十分に分かる。
誰もが理解しているように、現時点で赤字かどうかよりも重要なのは、損失曲線がどちらへ向かっているかだ。
売上高の増加に伴って損失も拡大しているなら、成長には依然として大きなコストがかかっていることを意味する。売上高が加速し、損失が継続的に縮小しているなら、事業の収益化がこれまでの先行投資を回収し始めたことを意味する。
云知声が示しているのは、まさに後者のトレンドだ。
1 社の中国 AI 企業が、Palantir 型のビジネスモデルを実現
この決算報告を少しまとめてみると、云知声が持続的な成長を続けている理由は、突き詰めれば 2 つに集約できる。
**1 つ目は、モデルが十分に強力であることだ。**モデルの能力が不足していれば、API として直接提供するにせよ、専門 Agent としてパッケージ化するにせよ、継続的な利用や支払いにつなげるのは難しい。
**2 つ目は、アプリケーションサービスをしっかり提供することだ。**モデルを顧客のワークフローに組み込み、顧客に継続的に使ってもらうには、さまざまな工夫が必要になる。
そしてこの 2 つは、云知声の「強力な基盤モデル＋深いアプリケーション」という戦略にちょうど対応している。
では、モデルとアプリケーションをどのように結びつけ、規模化可能なビジネスへと変えているのか。
その答えは、Palantir を思わせる産業 AI のビジネスモデルにある。
Palantir はピーター・ティールらによって 2003 年に設立され、さまざまな組織がデータと AI を活用して現実の課題を解決できるよう支援している。
ここで同社を取り上げるのは、産業 AI の収益化の道筋を考えるうえで、典型的な事例を提供しているからだ。
この種のビジネスには、共通する難題がある。
企業顧客は千差万別で、導入・実装には本質的に大きな負荷がかかる。このビジネスをどうやって拡大するのか。
Palantir の成長過程からは、1 つの考え方が見えてくる。
- Step 1：エンジニアを顧客の現場に深く送り込み、データ、プロセス、業務ルールを把握する；
- Step 2：そこで得た知見を Ontology に組み込み、AI が理解・操作できる「業務マップ」として可視化する；
- Step 3：Foundry プラットフォームを活用し、こうした能力を実際のワークフローに組み込み、データ分析を業務上のアクションへと変換する。
最初のプロジェクトは確かに負荷が大きい。しかし、2 社目、3 社目の同業顧客へ展開する段階になると、蓄積した業界知識や機能モジュールをそのまま再利用できる。
重い導入・実装によって業界知識を蓄積し、プラットフォームを通じて、その知識を複製可能なビジネスへと変える。
このロジックを云知声に当てはめると、一見すると矛盾しているように見えるデータも理解できる。
従業員 500 人未満の AI 企業が、数億元規模のインテリジェントエージェント事業を請け負えるのは、明らかに「人海戦術」によるものではない。
その背景には、蓄積と再利用を同じように重視した 3 層構造がある。
△画像は AI によって生成
最下層にあるのは、基盤能力層だ。
最終的に販売するものが Token、API、あるいは業界向けの総合ソリューションであろうと、モデルそのものが使いやすいかどうかは、常に最初の関門になる。
そして、ある業界向けモデルが使いやすいかどうかを判断するには、少なくとも 2 つの点を見る必要がある。
十分に賢いかどうか。そして、本当に業務を理解しているかどうかだ。
**前者で問われるのは、基盤モデルの能力である。**2023 年に初の自社開発汎用大規模モデルを発表して以来、云知声はこの「頭脳」のアップグレードを続けてきた。
当然ながら、アップグレードには資金が必要だ。
2026 年上期だけで、云知声の研究開発投資は 2.84 億元に達し、研究開発費・販売費・管理費の合計の 78.5% を占めた。
同社の研究開発人員は 327 人で、全従業員の 67.7% に相当する。つまり、3 人に 2 人が研究開発に携わっている計算になる。
この資金と人材が、最新のフラッグシップモデル U2 を支えている。
ネイティブなインテリジェントエージェント・モデルである U2 は、業界で広く認められている複数の Agent 評価において、世界のトップクラスに位置している。
さらに重要なのは、スパース MoE アーキテクチャを採用している点だ。U2 は総パラメータ数 2,600 億を備えながら、1 回の処理でアクティベートするのは約 100 億にとどまる。能力を維持しながら、速度とコストも両立している。
U2 を基盤として、云知声は医療、音声、ビジョンをカバーするモデル・マトリクスも構築している。
**業務を理解しているかどうかを左右するのは、業界での蓄積だ。**業務を理解するというのは、業界資料を何種類かモデルに入力し、ナレッジベースを接続すれば済むという話ではない。
業務にどのような対象が存在し、プロセスがどう動き、ルールがどのような制約を課し、次にどのアクションを実行すべきかまで把握していなければならない。
これはまさに、云知声が過去 10 年以上にわたって医療、IoT、交通などのシーンに深く関わる中で蓄積してきたものだ。
現在、こうした知見はさらに 17 のサブセットと 61 の細分類へと分解され、業務システム、操作マニュアル、現場担当者の頭の中に散在していた知識が、モデルで計算・呼び出し可能な業務資産へと変換されている。
Palantir の表現を借りれば、これは各業界の「業務マップ」を描くことに相当する。
マップができたら、次は Agent を組み立てる番だ。ここでインテリジェント構築層へと進む。
この層は、業務実行プラットフォームとインテリジェントエージェント・プラットフォームによって支えられている。
業務実行プラットフォームは、顧客の業務プロセス、データ、ルールを取り込み、Agent の行動範囲を明確にする。インテリジェントエージェント・プラットフォームは、モデルの選択、ナレッジベースとの接続、ツールの呼び出しを担い、一連のタスクをオーケストレーションする。
そしてこの層において、前の案件で蓄積された能力が、次の案件でそのまま呼び出せるモジュールへと変わる。
たとえば、ある病院向けに診療録品質管理 Agent を開発する場合、診療録の解析や問題の特定といった汎用モジュールをあらかじめ蓄積しておけば、次の病院では同じものを一から作り直す必要がない。
現在、云知声のインテリジェントエージェント・プラットフォーム UniAgentOS には、すでに 1,773 個の実用 Agent が蓄積されている。単一モジュールの再利用回数は最大 119 回に達し、プロジェクト実施コストの割合も前年同期の 21% から 17% へ低下した。
最上層に位置するのは、価値実行層だ。
Agent を構築した後は、実際に顧客のワークフローへ組み込み、医師、審査担当者、業務担当者らと協力してタスクを遂行させなければならない。そして、利用結果を積み重ねながら継続的に調整していく。
この層に入ると、評価基準は途端にシンプルになる。
仕事はうまくできているか。顧客の時間をどれだけ節約できたか。コストをどれだけ削減できたか。顧客は今後も料金を支払う意思があるか。
こうした問いに答えられるのは、Agent を顧客のワークフローへ実際に組み込んだときだけだ。
ここまで雰囲気を盛り上げたのだから、ついでに典型的な実例も見てみよう（doge）。
診療録の品質管理は、病院にとって長年の悩みの種だった。
ある大規模な三級甲等病院では、毎日数百件から千件以上の退院診療録が作成される。1 件あたり 30 ページを超えることも珍しくない。
以前は数名の品質管理担当者が手作業で抽出検査を行い、ページを 1 枚ずつめくり、項目を 1 つずつ照合していた。処理しきれないのが常態で、最終的にカバーできるのは診療録全体の半分にも満たなかった。
そこに云知声が導入された。
まず、医療大規模モデルと 47.5 万の医学エンティティをカバーするナレッジグラフによって、Agent に診療録と規範を理解させた。続いて HIS、EMR、LIS などの病院システムを接続し、Agent が自ら診療録を読み取り、問題を確認し、欠陥を特定したうえで修正案を提示できるようにした。
導入後、1 件の診療録の審査時間は 10 秒未満に短縮され、品質管理のカバー率は 100% に向上。作業効率は 80% 以上改善した。
10 秒、100%、80%。これらはいずれも直接検収できる業務上の成果であり、顧客が継続的に料金を支払う理由でもある。
診療録解析やルール検証などの機能をより多くの病院で再利用できれば、この導入負荷の大きいビジネスにも、規模化の可能性が生まれる。
この事例を見ると、云知声のモデルがどのように実際の現場へ導入されるのかは、すでに明らかだ。
ここで再び Palantir という物差しを当ててみると、両社の最大の違いも浮かび上がる。
Palantir は特定の基盤モデルに賭けることはしない。顧客が必要とするモデルを接続し、そのうえでモデル、データ、業務プロセスをつなぎ合わせる。
一方、云知声はモデルという「頭脳」も自社で保有している。基盤には U2 汎用基盤モデルがあり、その上には医療などの業界モデル、音声・文書のマルチモーダル機能がある。さらに端末向けチップにまで展開している。
どちらのアプローチにも長所と短所はある。しかし、モデルと業界の連携の深さという点では、モデルそのもの、さらには技術スタック全体を自社で握るほうが、プロジェクトからのフィードバックをモデルの改善へ直接反映し、長期的な複利効果を生み出しやすい。
△画像は AI によって生成
明らかに、云知声は、自社開発モデルを原動力とする、Palantir の特徴を備えた産業 AI の道筋を検証しつつある。
この道筋をたどると、Agent をどのように収益化するのか、その答えも徐々に見えてくる。
OpenClaw は消えていない。消えるのは、稼げない Agent だ
稼ぐというのは、難しいようで難しくなく、難しくないようでやはり難しい（叫びながら走り去る画像）。
少なくとも云知声の事例からは、いくつか非常に実践的な教訓をまとめられる。
第一に、料金を支払う価値のあるシーンを見つけること。
料金を支払う価値があるとは、どういうことか。結局のところ、次の 3 つの黄金基準を満たすかどうかだ。
問題が十分な頻度で発生し、ミスした場合のコストが十分に高く、解決効果を数字で測定できること。
診療録の品質管理、保険金請求、医療保険の審査などは、基本的にこの条件に当てはまる。
第二に、収益化の入り口を十分に多く用意すること。
シーンを見つけたら、次に考えるべきは、その料金をどう徴収するかだ。
データに敏感な顧客にはプライベート環境への導入が適している。迅速な導入を求める顧客には、サブスクリプション型のプラットフォームが向いている。柔軟な呼び出しを必要とする顧客は、Token 単位の従量課金を選ぶだろう。
単に課金の入口をいくつか増やせばよいように聞こえるが、実際には容易ではない。
モデル、プラットフォーム、Agent は、それぞれ単独で販売できると同時に、必要に応じて完全なソリューションへ組み立てられなければならない。問われているのは、能力全体を本当にプロダクト化できるかどうかだ。
云知声が公開情報の中で、次の点を繰り返し強調しているのも不思議ではない。
同社は、基盤能力から価値提供までのエンドツーエンドの一貫したサービス体制を構築している。各層の能力は、総合ソリューションとして提供できるだけでなく、標準化された製品として分割して単独販売することも可能であり、プライベート環境への導入にも、パブリッククラウド API と Token 呼び出しにも対応している。
第三に、1 件ごとの案件を次の案件の出発点にすること。
Agent ビジネスにおける複利効果は、2 つの方向にまとめられる。
横方向への展開と、縦方向への深掘りだ。
横方向への展開とは、1 つの業界を徹底的に開拓すること。プロジェクトを 1 件完了するたびに、知識、プロセス、機能モジュールを継続的に蓄積し、次の顧客ではより少ないコストで導入できるようにする。
縦方向への深掘りとは、1 社の顧客との関係を深めることだ。Agent が顧客の中核プロセスに入ると、協業は 1 つのタスクから、より多くの部門やシーンへと広がっていく。
一方は導入コストを薄め、もう一方は顧客単価を引き上げる。この 2 つの力が重なって初めて、Agent ビジネスの複利のフライホイールが本格的に回り始める。
もちろん、これらも現段階での暫定的な総括にすぎない。Agent の収益化に標準公式は存在せず、残された課題は一つひとつの実際のシーンに委ねて検証していくしかない。
それでも、確実性を増していることが 1 つある。
AI 業界は、そろそろ本気でお金の話をするべき時期に来ている。
大規模モデルの時代にはパラメータ数が注目され、Agent の時代にはツール呼び出しが注目される。今や目新しさが薄れ、顧客が気にすることはますます現実的になっている。
仕事は本当に完了したのか。時間は節約できたのか。支払った費用に見合う価値はあったのか。来年も契約を更新するのか。
モデルの能力は依然として重要だ。しかし、それはすでに出発点にすぎない。ここが、この云知声の決算報告が注目に値する理由でもある。
自社開発モデルによって Agent が仕事をこなせるようにし、業界で蓄積した知見によって Agent に仕事の進め方を理解させ、プラットフォームによって導入・実装の経験を横展開する。そして最終的に、ソリューション、サブスクリプション、Token 呼び出しを通じて継続的に課金する。
「強力な基盤モデル＋深いアプリケーション」はこうして一つの循環を形成し、単なる戦略スローガンから、決算報告に表れる売上高とリピートの成長曲線へと変わった。
ここまで書いて、冒頭で触れた OpenClaw をめぐる「サイバー追悼」をあらためて振り返ると、なかなか興味深い。
ブームが去れば、Agent の物語も終わるのだろうか。
慌てて片付ける必要はない。
目新しさが薄れた後にこそ、Agent は検索トレンドから、ビジネス価値を問う試験の場へと本格的に進む。
OpenClaw は消えていない。Agent も消えない。
本当に消えるのは、Token を消費するだけで、価値を生み出せない Agent だ。