夜雨聆风AI超声软件公司，这几年到底发生了什么？它们中的大多数，已经不再以原来的方式存在。
2025年全球AI超声市场规模已达23.5亿美元（MarketsandMarkets数据），预计2030年将增长至68.8亿美元，CAGR达24%。尽管赛道保持高速扩张，但独立软件公司的生存状态却急剧分化。
从2018前后的爆发式增长，到资本持续涌入，再到2022年起融资明显收缩，公司数量快速减少，部分团队消失、部分并入设备厂商，少数仍在坚持，却逐渐边缘化。到2026年，国内仍有20-30家公司留在这个赛道，但真正持续投入、形成业务闭环的，已不足10家。而在欧美，这一轮收缩来得更早、也更彻底，独立软件公司几乎已不再作为一个独立群体而存在。
从当初的百家争鸣、资本热捧，到如今的理性整合与临床入口之争，这个行业的故事虽还在继续，只是大多数公司，已经换了一种活法。与其再去解释“为什么会这样”，不如先把一件更实际的事情讲清楚：这些公司，现在到底以什么状态存在？
（AI超声行业发展趋势折线图2018-2026）
四层状态地图
抛开技术路线与产品能力差异，整个行业经过五年洗牌，AI超声软件领域的格局大致收敛为四种状态：退出、被吸收、独立软件、主动转型。每一类状态背后，都对应着一条截然不同的生存路线。
第一类：已经退出临床路径的公司
这类公司已基本退出行业竞争，不再参与市场实际运作。典型特征很明确：无产品迭代、无设备绑定、停留在demo阶段。本质上，这类公司从未真正进入临床系统。
早期一批以论文驱动的超声AI团队（部分源自学生孵化项目）、以及部分专注胎儿与心脏领域的通用影像AI公司等，均属此类代表。
这类公司多诞生于早期算法驱动阶段，问题不出在技术本身，而是从一开始就未进入临床系统。
第二类：被设备厂商吸收的公司
这类公司虽然没有消失，但已不再作为独立软件公司的身份存在。它们或被设备厂商收购，或深度绑定嵌入设备体系，AI模型最终成为设备的标配功能，商业化路径完全依赖设备厂商的销售体系。从商业形态看，这是目前唯一被市场验证可长期走通的路径。
典型代表包括三星（Samsung）收购的Sonio公司、以及国内部分嵌入迈瑞、联影医疗等头部设备厂商体系的算法团队。
本质上看，这类公司完成了核心转变：从主动争夺临床入口，转向放弃独立入口、依托设备生态实现落地。
第三类：仍作为独立软件存在的公司
这一类，目前仍在行业里活跃。它们依然保持独立品牌，但必须依赖设备生态才能生存。典型如BrightHeart、以及德尚韵兴，均以插件或SaaS方式，对接GE 、 Philips 、 Mindray 多家设备体系。
它们参与市场竞争，却始终不掌握临床入口控制权。因此，这类公司的核心问题不在技术，而是位置——从一开始就不在影像系统之内，结构上注定无法拥有入口。
通常，它们仅在特定场景或细分应用中形成局部生存空间，无法实现通用能力的扩展。表面仍在增长，但从结构上看，是最容易被替代的一层。
（四层状态地图示意图）
第四类：正在主动转型的公司
与第三类不同，这一类公司不再以“独立软件商业化”为目标，也不再执着于在AI超声单一领域构建商业闭环，而是重新定义自身的行业位置。
其转型路径清晰，常见方向包括多模态能力扩展、平台化建设，以及从产品向服务型升级。
这一类的核心特征是，不再以AI超声作为主要的叙事核心，而是将其纳入更大的影像能力体系，主动争夺数据与临床流程控制权。
代表性公司如数坤科技、深睿医疗。前者以医疗垂直类大模型为核心，持续强化超声、CT、MR等多模态协同的平台能力；后者通过多模态影像大模型布局，实现从单点AI工具向数据驱动的平台化能力延展。
从区域来特征来看，这一层级呈现明显差异。在欧美市场，临床入口已经被设备锁定；在中国，入口仍在设备之外短暂开放。也正因为这一窗口期的存在，中国市场成为少数仍可能重构临床入口结构的区域。
行业地图一览（2026最新分布）
通过这个表格，把这四种状态放在一起看，整体分布呈现一个更清晰的趋势：能稳定存在的公司，已经不再是单一软件形态；仍以软件存在的，多集中在局部场景；而真正具备持续能力的，则在向设备或平台迁移。也正因为如此，哪些仍停留在独立软件形态的公司，反而成为这个行业中最不稳定的一层。
AI超声软件公司，几乎没有一家，是以独立AI软件公司形态稳定走到今天。
三种活法
从结果倒推，前述四种生存状态的分化，最终可总结为三种可能的活法：设备化、数据平台、流程重构。
它们表面是公司选择不同的发展方向，核心本质是争夺行业不同层级的入口控制权，实现技术在临床场景的真正落地与长期使用。
可以简化为三种方式：
设备化：控制物理入口（控制设备掌握核心使用场景） 流程重构：控制临床行为（即深度嵌入医生工作流） 数据平台：提供认知能力（即仅输出辅助决策信息）
在价值与竞争力方面，三者并不对等。而这种差异也直接决定了企业的长期生存能力。
设备化，是目前唯一被验证可以稳定存在的路径，但代价是失去独立性，成为设备体系的一部分。
流程重构，是最难的一条路，需要改变医生的固有行为习惯，但一旦跑通，就真正具备不可替代性。
而数据平台，则停留在认知层，可以被临床使用，但很难对场景或行为形成掌控力，因此最容易被整合或边缘化。
从这个角度看，大多数AI超声公司的问题，并非技术能力不足，而是始终没有进入控制临床行为的层级，无法真正融入临床场景、实现长期稳定的使用。
（三种活法路径示意图）