企业智能化服务撑起基本盘，第二增长曲线冒头
“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——
赚！钱！了！
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；
- 智能体业务营收 4.78 亿元，同比增长 35.7%；
- Token 业务收入 近 3000 万元，Q2 环比增长 超 500%，业务毛利率 超过 60%；
- 复购收入占比 超过 60%，手握 近 10 亿元现金流；
- ……
这和 OpenClaw 当下的处境形成了一种微妙的反差：
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。
同样是做 Agent，云知声究竟是怎么把它做成一门亿级生意的？
企业智能化服务撑起基本盘，第二增长曲线冒头
答案首先就藏在这份半年报里。
把财报翻完，最直观的一个变化是：云知声，跑得更快了。
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%。
一年时间，收入增速从 20.2% 冲到 38.7%，接近翻倍。
这轮提速是怎么来的？
先看云知声在本次半年报中重新划分的三大收入板块：
-
第一块是企业智能化服务，赚落地的钱。
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。
-
第二块是今年新增的 Token 业务，赚模型调用的钱。
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。
-
第三块是端侧 AI 业务，赚终端规模化的钱。
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。
结合业务结构和收入质量来看，有三个信号尤其值得关注。
看点 1：企业智能化服务撑起基本盘
最显眼的当然是 Agent。
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共同撑起。
而且，这三块背后还是一环套一环的玩法。
最直接的，就是把 Agent 送进真实场景干活。
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，拓展到整个区域和行业。
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%。
看点 2：新增长曲线已经冒头
主业撑起基本盘后，Token 业务也开始加速起量。
**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%。
这项业务今年几乎从零起步，体量暂时不大，增长曲线却相当陡。
背后的原因也不复杂。
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：
客户已经开始为云知声的模型能力本身，真金白银地买单了。
看点 3：复购收入占比超六成，增长更有韧性
收入跑得快，还得看这些钱能不能持续赚。
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。
复购的逻辑其实也很好理解：
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，客户与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。
三项变化放到一起，云知声上半年的增长逻辑已经很清楚了：
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。
另外，增长也不只体现在营收上。
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%。
随着收入规模扩大，净亏损率也同比收窄超过 31 个百分点。
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。
不过还是要说一句，云知声目前仍未实现盈利。
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。
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。
云知声呈现出的，正是后一种趋势。
一家中国 AI 公司，跑出 Palantir 式商业路径
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，并让客户愿意持续使用，这里头都大有门道。
而这两点，恰好对应了云知声的“强基模＋深应用”战略。
至于靠什么把模型与应用串成一门规模化生意？
答案指向了一套颇具 Palantir 色彩的产业 AI 商业模式。
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。
这类生意面临一个共同难题：
企业客户千差万别，交付天然很重，这门生意怎么做大？
从 Palantir 的发展路径中，可以看到一种思路：
- 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。
用重交付换来行业经验，再靠平台把经验变成一门可以复制的生意。
当我们把这套逻辑放回云知声，一些看似矛盾的数据也就说得通了。
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”。
它背后是一套同样强调沉淀与复用的三层架构。
△图片由 AI 生成
最底下，是基座能力层。
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。
而判断一个行业模型是否好用，至少要看两件事：
它够不够聪明，以及它是不是真的懂业务。
**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”。
升级自然得烧钱。
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。
这笔钱和这群人，最终共同托起了最新旗舰 U2。
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。
这一层由业务运行平台和智能体平台共同支撑。
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%。
最上面，则是价值运行层。
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。
到了这一层，衡量标准也突然变得很朴素：
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）。
病历质控这件事，医院一直挺头疼的。
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。
云知声来了之后呢？
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，并给出修改提示。
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。
这个案例跑完，云知声这套模式如何落地，已经很清楚了。
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。
△图片由 AI 生成
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。
而顺着这条路径，Agent 怎么赚钱，答案也逐渐清晰起来。
OpenClaw 没有消失，不能赚钱的 Agent 才会消失
赚钱这件事，说难也难，说不难也不难（尖叫跑开.jpg）。
至少从云知声身上，可以总结出几条挺实在的经验：
第一，找到值得付费的场景。
什么叫值得付费？不外乎满足三大黄金标准：
问题出现得足够频繁，出错代价足够高，解决效果还能算得清。
像病历质控、保险理赔、医保审核这些，基本都属于这类场景。
第二，赚钱的口子得足够多。
场景找到了，接下来就得想清楚：这笔钱怎么收？
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。
听起来只是多开几个收费入口，做起来却不容易。
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。
也难怪云知声在公开信息中多次强调：
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。
第三，让每一单都成为下一单的起点。
Agent 生意里的复利，可以概括成两个方向：
横向复制，纵向深挖。
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。
但不管怎样，有一件事反正是越来越确定了：
AI 行业，是时候认真谈钱了。
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：
活干没干完？时间省没省？钱花得值不值？明年还续不续？
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和复购曲线。
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。
热度退潮，就等于 Agent 的故事结束了？
先别急着抬走。
新鲜感散去之后，Agent 才真正从热搜走进商业价值的考场。
OpenClaw 没有消失，Agent 也不会。
真正会消失的，是那些只会消耗 Token，却不能创造价值的 Agent。