“怎麼沒人聊OpenClaw了”、“OpenClaw涼涼”……
正當全網開始“賽博悼念”這個曾帶火Agent概念的現象級產品時，有一家公司卻憑藉Agent業務——
賺！錢！了！
更讓人意外的是，Agent業務在這裡坐的還不是“小孩桌”，它已經成了這家公司業績增長的核心引擎。
就在剛剛，“港股AGI第一股”雲知聲發佈2026年中期財報，幾組關鍵資料相當亮眼：
上半年營收5.62億元，同比增長38.7%，增速較去年同期接近翻倍；
- 智能體業務營收4.78億元，同比增長35.7%；
- Token業務收入近3000萬元，Q2環比增長超500%，業務毛利率超過60%；
- 復購收入佔比超過60%，手握近10億現金流；
- ……
這和OpenClaw當下的處境形成了一種微妙的反差：
OpenClaw還在遭遇成本、穩定性和實際價值的靈魂拷問，雲知聲卻已讓Agent進入醫療、保險、城市公共服務等核心業務場景，並賺到了真金白銀。
同樣是做Agent，雲知聲究竟是怎麼把它做成了一門億級生意？
企業智能化服務撐起基本盤，第二增長曲線冒頭
答案，首先就藏在這份半年報裡。
把財報翻完，最直觀的一個變化是：雲知聲，跑得更快了。
2025年上半年，雲知聲營收4.05億元，同比增長20.2%；到了2026年上半年，營收躍升至5.62億元，同比增長38.7%。
一年時間，收入增速從20.2%衝到38.7%，接近翻倍。
這輪提速是怎麼來的？
先看雲知聲在本次半年報中重新劃分的三大收入類股：
第一塊是企業智能化服務，賺落地的錢。
包括智能體應用、智能體平台和綜合解決方案，也是目前最大的收入來源。
- 第二塊是今年新增的Token業務，賺模型呼叫的錢。
客戶通過公有雲API直接呼叫雲知聲的大模型矩陣，按Token用量付費。 - 第三塊是端側AI業務，賺終端規模化的錢。
主要包括語音晶片、模組和車載解決方案，面對行業下行壓力，這塊成熟業務正在通過海外市場和具身智能等新場景尋找增量。
結合業務結構和收入質量來看，有三個訊號尤其值得敲黑板。
看點1：企業智能化服務撐起基本盤
最顯眼的當然是Agent。
2026年上半年，雲知聲智能體業務營收4.78億元，同比增長35.7%，佔整體收入的85.1%。
拆開看，這筆收入由智能體應用、智能體平台和綜合解決方案一起撐起。
而且，這三塊背後還是一環套一環的玩法。
最直接的，就是把Agent送進真實場景幹活。
目前，雲知聲的智能體應用已經扎進醫療、保險、交通和高端製造等十余個領域。
一個場景跑通，成熟能力還能繼續裝進智能體平台，從服務一家企業，鋪到整個區域和行業。
碰上系統更複雜的大客戶，綜合解決方案就該出場了，把模型、資料和原有業務系統整體接通。
就這樣，應用越扎越深，平台越鋪越廣，解決方案也越做越完整，企業智能化服務的收入自然水漲船高。
截至目前，雲知聲已累計服務470余家醫療機構，其中超過八成為三級醫院；區域平台層面，完成了52.44萬家廈門企業畫像治理；進入高端製造後，還推動某新能源車企訂單增長10%。
看點2：新增長曲線已經冒頭
主業撐起基本盤後，Token業務也開始加速起量。
2026年上半年，雲知聲Token業務收入近3000萬元，同比增長約760%。其中，第二季度收入超過2500萬元，環比增長超500%，業務毛利率超過60%。
這項業務今年幾乎從零起步，體量暫時不大，增長曲線卻相當陡。
背後的原因也不複雜。
模型這頭，以雲知聲U2為核心的大模型矩陣，已經具備直接服務生產場景的性能和穩定性。
市場那頭，越來越多企業開始通過API呼叫模型，並接受按量付費的Token計價方式。
模型準備好了，市場的付費習慣也逐漸成熟，兩股力量碰到一起，Token業務收入自然加速躥升。
如果說Agent業務證明雲知聲能靠落地賺錢，那麼Token業務則進一步說明：
客戶已經開始為雲知聲的模型能力本身，真金白銀地買單了。
看點3：復購收入佔比超六成，增長更有韌性
收入跑得快，還得看這些錢能不能持續賺。
2026年上半年，雲知聲整體收入中，復購收入佔比超過60%，客單價也在顯著提升。
復購這事兒的邏輯其實也很好理解：
Agent進入核心業務流程後，客戶往往還會繼續擴展應用場景、升級智能體平台、呼叫模型能力，雙方的合作也從一次性交付走向持續服務。
對產業AI公司來說，簽下一個新項目只能證明產品賣出去了，客戶持續採購才能說明Agent確實創造了價值。
超過六成收入來自復購，背後蘊含的意義不言自明，這也讓雲知聲的增長多了一層確定性。
而且客戶和客戶之間還容易形成口碑效應，截至目前雲知聲2026年合同額同比增長65%，在手訂單超過15億元。
三項變化放到一起，雲知聲上半年的增長邏輯已經很清楚了：
企業智能化服務撐起收入規模，Token業務提供第二增長曲線，復購收入則托住業務的持續性。
另外增長也不只體現在營收上。
2026年上半年，雲知聲實現毛利1.86億元，同比增長42%，跑得比38.7%的營收增速還快。
與此同時，公司擁有人應佔虧損降至2.37億元，同比縮小20.2%。
隨著收入規模擴大，淨虧損率也同比縮小超過31個百分點。
毛利跑得更快，虧損金額和虧損率同步下降，經營改善的趨勢已經相當直觀。
不過還是要說一句，雲知聲目前仍未實現盈利。
這個結果倒也不算太意外，海內外AI公司融資滿天飛、收入看起來也不差，但要想盈利還真挺難的。
OpenAI最新季度營收環比增長18%，經營虧損卻從93億美元擴大至123億美元；
Anthropic狂奔多年，直到今年Q2才首次實現調整後經營利潤為正。
一個還在大把燒錢，一個剛剛摸到盈利線，兩家全球頭部AI公司的表現足以說明，虧損在這個行業並不稀奇。
大家也都清楚，比起當下虧不虧，更值得關注的還是虧損曲線往那裡走：
收入增長、虧損跟著擴大，說明增長依然昂貴；收入提速而虧損持續縮小，則意味著商業化開始接住前期投入。
雲知聲呈現出的，正是後一種趨勢。
一家中國AI公司，跑出Palantir式商業路徑
稍微總結一下這份財報，雲知聲持續增長的邏輯，說到底離不開兩點：
一是模型得夠強。模型不夠強，不管直接做成API，還是封裝成專業Agent，都很難換來持續呼叫和付費。
二是得做好應用服務。怎麼把模型送進客戶的工作流，並讓客戶願意持續用，這裡頭都大有門道。
而這兩點，恰好對應了雲知聲的“強基模＋深應用”戰略。
至於靠什麼把模型與應用串成一門規模化生意？
答案，指向了一套頗具Palantir色彩的產業AI商業模式。
Palantir由彼得·蒂爾等人於2003年創立，專門幫助各類組織用資料和AI解決實際問題。
之所以在這裡提到它，是因為它提供了一個觀察產業AI商業化路徑的典型樣本。
這類生意面臨一個共同難題：
企業客戶千差萬別，交付天然很重，這門生意怎麼做大？
從Palantir的發展路徑中，可以看到一種思路：
step 1：派工程師深入客戶現場，摸清資料、流程和業務規則；
- step 2：把這些經驗裝進Ontology，畫成一張AI能看懂、能操作的“業務地圖”；
- step 3：借助Foundry平台，把這些能力嵌入實際工作流，讓資料分析進一步轉化為業務行動。
第一個項目確實很重，但到了第二家、第三家同類客戶，已有的行業知識和功能模組便能直接復用。
用重交付換來行業經驗，再靠平台把經驗變成一門可以複製的生意。
當我們把這套邏輯放回雲知聲，一些看似矛盾的資料也就說得通了。
一家不到500人的AI公司，能夠承接數億元的智能體業務，顯然靠的不是“人海戰術”。
它背後是一套同樣強調沉澱與復用的三層架構。
△圖片由AI生成
最底下，是基座能力層。
不管最終賣的是Token、API，還是一整套行業解決方案，模型本身好不好用，始終是第一道門檻。
而判斷一個行業模型是否好用，至少要看兩件事：
它夠不夠聰明，以及它是不是真的懂業務。
前者考驗的是基模能力。自2023年推出首個自研通用大模型以來，雲知聲一直在持續升級這顆“大腦”。
升級自然得燒錢。
僅2026年上半年，雲知聲的研發投入便達到2.84億元，佔研發、銷售和管理費用總和的78.5%。
公司327名研發人員，佔員工總數的67.7%，相當於每三個人中就有兩人在搞研發。
這筆錢和這群人，最終共同托起了最新旗艦U2。
作為一款原生智能體模型，U2已在多項行業公認的Agent評測中躋身全球第一梯隊。
更關鍵的是，憑藉稀疏MoE架構，U2雖然擁有2600億總參數，單次卻只需啟動約100億，在保證能力的同時，也兼顧了速度和成本。
以U2為底座，雲知聲又進一步形成了覆蓋醫療、語音和視覺的模型矩陣。
是否懂業務拼的則是行業積累，所謂懂業務，不是給模型塞幾份行業資料、接一個知識庫就夠了。
它還得知道業務裡有那些對象、流程怎麼運轉、規則如何約束，以及下一步該執行什麼動作。
這正是雲知聲過去十多年深耕醫療、物聯、交通等場景積累下來的東西。
如今，這些經驗被進一步拆解為17個子集和61個細分類別，把原本散落在業務系統、操作手冊和從業者腦中的知識，變成模型可以計算和呼叫的業務資產。
借用Palantir的說法，這相當於為每個行業畫出一張“業務地圖”。
地圖有了，下一步就是把Agent組裝出來，這就來到了智能建構層。
這一層由業務運行平台和智能體平台共同支撐。
業務運行平台負責把客戶的業務流程、資料和規則接進來，給Agent劃清行動邊界；智能體平台則負責選擇模型、連接知識庫、呼叫工具，再把一連串任務編排起來。
也正是在這一層，上一單積累的能力，會變成下一單可以直接呼叫的模組。
比如為一家醫院開發病歷質控Agent時，病歷解析、問題識別等通用模組都可以先沉澱下來，等到了下一家就不用重複造輪子。
目前雲知聲智能體平台UniAgentOS已經沉澱1773個實例智能體，單個模組最高復用119次，項目實施成本佔比也從去年同期的21%降至17%。
最上面，則是價值運行層。
Agent搭出來之後，還得真正進入客戶的工作流，與醫生、稽核人員和經辦人員協同完成任務，並從一次次使用結果中繼續調整。
到了這一層，衡量標準也突然變得很樸素：
活幹得怎麼樣？替客戶省了多少時間？降低了多少成本？客戶還願不願意繼續付費？
這些問題，只有把Agent真正放進客戶的工作流裡，才能得到答案。
氣氛都烘托到這裡了，那不得順手跑一個典型真實案例（doge）。
病歷質控這事兒，醫院一直挺頭疼的。
某大型三甲醫院每天產生數百甚至上千份出院病歷，每份動輒30多頁。
以前主要靠幾名質控人員人工抽查，一頁頁翻、一條條對，忙不過來是常態，最終連一半病歷都覆蓋不到。
雲知聲來了後呢？
他們先用醫療大模型和覆蓋47.5萬醫學實體的知識圖譜，讓Agent讀懂病歷和規範，再打通HIS、EMR、LIS等醫院系統，讓它自己讀取病歷、檢查問題、找出缺陷，再給出修改提示。
上線後，單份病歷稽核時間被壓縮至10秒以內，質控覆蓋率提升至100%，人工效率提升80%以上。
10秒、100%和80%，這些都是可以直接驗收的業務結果，也是客戶持續付費的理由。
當病歷解析、規則核驗等能力可以復用到更多醫院，這門重交付的生意也就有了規模化的可能。
這個案例跑完，雲知聲這套模式如何落地，已經很清楚了。
再把Palantir這把尺子拿出來，兩者最大的區別也隨之浮現：
Palantir自己不押注某一個基礎模型，客戶需要什麼，它就接入什麼，再負責把模型、資料和業務流程串起來。
雲知聲則把模型這顆“大腦”也握在自己手裡，底層有U2通用基模，上面還有醫療等行業模型、語音與文件多模態能力，甚至一路延伸到了端側晶片。
怎麼說呢，兩條路線各有優劣，但從模型與行業協同的深度來看，把模型乃至整套技術堆疊握在自己手裡，更有條件讓項目反饋直接進入模型迭代，形成長期複利。
△圖片由AI生成
很顯然，雲知聲正在驗證一條具有Palantir特徵、由自研模型驅動的產業AI路徑。
而順著這條路徑，Agent怎麼賺錢，答案也逐漸清晰起來。
OpenClaw沒有消失，不能賺錢的Agent才會消失
賺錢這事兒吧，說難也難，說不難也不難（尖叫跑開.jpg）。
至少從雲知聲身上，可以總結出幾條挺實在的經驗：
第一，找到值得付費的場景。
什麼叫值得付費？不外乎滿足三大黃金標準：
問題出現得足夠頻繁，出錯代價足夠高，解決效果還能算得清。
像病歷質控、保險理賠、醫保稽核這些，基本都屬於這類場景。
第二，賺錢的口子得足夠多。
場景找到了，接下來就得想清楚：這筆錢怎麼收？
資料敏感的客戶要私有化部署，追求快速上線的客戶更適合訂閱平台，呼叫需求靈活的客戶則願意按Token付費。
聽起來只是多開幾個收費入口，做起來卻不容易。
模型、平台和Agent既要能拆開單獨賣，也要能隨時組裝成完整方案，背後考驗的是整套能力能否真正產品化。
也難怪雲知聲在公開資訊中多次強調：
公司實現從能力底座到價值交付的端到端全鏈條服務閉環，每一層能力既可作為整體解決方案交付，也可拆解為標準化產品單獨銷售，既支援私有化部署，也支援公有雲API與Token呼叫。
第三，讓每一單都成為下一單的起點。
Agent生意裡的複利，可以概括成兩個方向：
橫向複製，縱向深挖。
橫向複製指的是把一個行業做透。每完成一個項目，知識、流程和功能模組持續沉澱下來，下一家做得更省。
縱向深挖則是把一個客戶做深。Agent一旦進入客戶的核心流程，合作往往會從一個任務延伸到更多部門和場景。
一個攤薄交付成本，一個抬高單客價值，兩股力量疊加，Agent生意的複利飛輪才真正轉起來。
當然，這幾條也只能算階段性總結，Agent商業化遠沒有標準公式，剩下的還得交給一個個真實場景驗證。
但不管怎樣，有一件事反正是越來越確定了：
AI行業，是時候認真談錢了。
大模型階段看參數，Agent階段看工具呼叫，如今新鮮感退去，客戶關心的問題越來越現實：
活幹沒幹完？時間省沒省？錢花得值不值？明年還續不續？
模型能力依然重要，但它已經變成起點。這也是雲知聲這份財報值得關注的地方。
它用自研模型保證Agent能夠幹活，用行業積累讓Agent懂得怎麼幹，再用平台把交付經驗複製出去，最終通過解決方案、訂閱和Token呼叫持續收費。
“強基模＋深應用”由此形成閉環，並從一句戰略口號變成了財報中的收入、復購曲線。
寫到這裡，回頭再看開頭那場關於OpenClaw的“賽博悼念”，其實挺有意思。
熱度退潮，就等於Agent的故事結束了？
先別急著抬走。
新鮮感散去之後，Agent才真正從熱搜走進商業價值的考場。
OpenClaw沒有消失，Agent也不會。
真正會消失的，是那些只會消耗Token，卻不能創造價值的Agent。(量子位)