AI医疗的下一场竞争，可能不再发生在诊室里的问答框，而是在一张高额医疗账单出现之前。

7月8日，美国医疗科技公司Pearl Health宣布获得1.1亿美元新资金，用于扩展面向美国老年医保市场的AI平台。Pearl Health成立于2020年，总部位于纽约，主要为医生集团、医疗系统和保险支付方提供风险预测、患者管理、费用分析及工作流程自动化服务。它并不直接替代医生诊断，而是尝试帮助医疗机构更早识别高风险患者，在住院、急诊或病情恶化发生前采取行动。

这笔融资也不是一笔简单的“AI故事融资”。1.1亿美元中，5000万美元为股权融资，由Andreessen Horowitz领投，Viking Global Investors、AlleyCorp和Ulysses Capital参与；另外6000万美元则是由Trinity Capital牵头提供的信贷额度。据Axios报道，完成本轮交易后，Pearl Health累计股权融资约1.25亿美元。

AI不再只给医生答案，而是开始管理医疗费用

Pearl Health目前最值得关注的地方，并不是它有没有开发出一个新的医疗大模型，而是它正在把AI嵌入美国医保体系最具体、也最难处理的环节：患者风险、医疗支出和医生工作流程。

按照公司披露的数据，Pearl Health已经覆盖美国40多个州，与超过10000名医疗服务提供者合作，管理超过25万名老年医保受益人的医疗服务，所涉及的年度化医疗支出规模约为36亿美元。该数字此前约为24亿美元，再往前一年约为16亿美元，意味着平台管理的医疗资金规模正在持续扩大。

Pearl Health的AI系统会整合保险理赔数据、电子病历、住院和出院信息以及患者长期健康趋势，判断哪些患者更可能发生再次住院、慢性病恶化或高额医疗支出，并向医生和护理团队给出下一步行动建议。

这些行动可能并不复杂，例如安排年度健康检查、提醒患者复诊、完成出院后的电话随访，或者优先联系近期风险上升的慢病患者。但在覆盖数十万人的医疗网络中，真正困难的并不是发现一个风险，而是每天从海量信息中判断应该先处理谁，并把判断转化为可执行的任务。

Pearl Health下一步还计划推出更多医疗服务协同智能体，自动完成预约、患者联络、出院随访和慢病管理等行政工作。它的目标并不是让AI独立决定治疗方案，而是减少信息整理和任务分配造成的时间浪费，让医生把更多精力放在患者身上。

据公司披露，Pearl Health已经在2025年实现盈利，并预计在2024年至2026年底患者规模增长约3倍，同时带来约5亿美元的医疗系统毛节省。不过，这些节省和增长数据主要来自公司预测，目前并没有看到完整、独立审计的计算口径，因此更适合视为业务目标，而不是已经兑现的最终成绩。

即便如此，盈利之后仍然能够获得6000万美元信贷额度，至少释放出一个信号：资本关注的已经不只是Pearl Health的技术想象空间，也包括它能否依靠稳定收入和现金流承担债务。

医疗AI正在从工具层进入支付层

Pearl Health获得大额融资的真正背景，是美国医疗支付方式正在发生变化。

过去，医院和医生的收入更多取决于提供了多少检查、手术和治疗服务。如今，美国老年医保体系正在逐步扩大按医疗质量和总费用结算的模式。如果医疗机构能够减少不必要住院、重复检查和急诊使用，同时保持或提高医疗质量，就有机会分享节省下来的费用；反过来，如果支出失控，部分机构也需要承担损失。

CMS公布的数据显示，2026年美国老年医保共享节省项目共有511个责任医疗组织参与，覆盖1260万名传统医保受益人；ACO REACH项目则包含74个责任医疗组织、超过12.5万家医疗服务机构，覆盖约170万人。越来越多医疗机构开始承担与医疗质量和总费用相关的双向风险。

与此同时，控费压力仍在继续上升。CMS在2026年公布的预测显示，2025年至2034年，美国Medicare支出预计年均增长7.7%，高于同期整体医疗支出的预计增速。在老龄人口、慢性病和医疗服务价格共同推动下，提前干预高风险患者已经不只是医疗质量问题，也直接关系到医保体系能否承受长期支出。

这也是Pearl Health计划把新资金用于拓展大型医疗系统、保险支付方和Medicare Advantage业务的原因。与单纯收取软件订阅费相比，进入医保风险管理意味着平台能够参与规模更大的医疗资金分配，但同时也要对实际结果负责。

从这个角度看，Pearl Health所代表的并不是又一个帮助医生“看得更快”的AI工具，而是一类开始帮助医疗机构“花得更合理”的基础设施。

过去两年，AI医疗最热的产品主要集中在病历生成、医学问答和辅助诊断。接下来，行业竞争可能进一步向支付、运营和风险管理延伸。谁能够把模型输出变成一次及时随访、一次提前干预，或者一次可以被验证的费用下降，谁才更有可能建立稳定的商业闭环。

当然，这条道路并不轻松。风险预测能否准确、医生是否愿意采用建议、不同医院的数据能否顺利连接，以及医保政策如何调整，都会直接影响平台最终表现。尤其是Pearl Health宣布进入更多风险型业务后，它所承担的责任也将从“提供软件”逐渐变成“对结果负责”。

但这轮融资至少说明，AI医疗正在跨过一个重要分界线：它不再只证明自己能够生成答案，而是开始进入医疗费用、患者结果和支付体系的核心环节。

当AI真正开始对数十亿美元医疗支出的使用方式产生影响时，医疗AI才算从一个工具，变成一门可以持续运转的生意。