Cydoc 失败拆解：节省 11 分钟的 AI 问诊工具，为什么 7 年只留下 4 个付费客户 (2026)

一句话总结：Cydoc 的智能问诊表在受控研究里把记笔记时间从 17 分钟压到 5.7 分钟，但它没有先证明谁会稳定购买、愿意接入哪套 EHR，以及每位医生能留下多少毛利，最后在 4 个付费客户和 2024 年 27,900 美元收入的规模上关停。1 2

增长判断：Cydoc 的激活信号是真的，商业闭环却没有跟上。研究用户能更快写出质量相近的病历，临床客户也报告节省时间；但获客依赖创始人亲自冷呼、冷邮件和熟人介绍，留存受前台流程和 EHR 影响，收入又被一次性定制项目抬高，订阅收入不足以支付接入和服务成本。1

增长因果链：研究效果带来产品信心，产品信心推迟了真实客户发现；客户发现太晚，团队先做了一个想象中的 AI 原生 EHR；独立入口又没有嵌入现有工作流，客户使用下降、定制需求增加、销售难以复制，最后收入增长追不上每个 EHR 的集成和支持成本。

Part G：增长系统

结论：Cydoc 的 Acquisition 和 Activation 有局部证据，Retention、Revenue、Referral 没有形成可复核的漏斗；「有人愿意试」被过早当成了「市场会自己扩张」。

AARRR 环节	已知事实	数据缺口	可证伪判断
Acquisition	4 个客户分别来自冷呼、冷邮件、熟人介绍和咨询网络；公司还做过 SEO、博客、播客、展会、社交广告和线下拜访。1	各渠道的线索数、获客成本、成交率和销售周期未披露。	任何新渠道若不能在 90 天内稳定带来至少 5 个合格试点，不能称为可复制分发。这个门槛是本期建议，置信度 C。
Activation	患者扫描诊所专属二维码，选择最多 3 个最重要的症状，系统动态提问，再生成医生可复制进 EHR 的病历。1	患者完成率、首次有效病历率、医生复核时间和二维码使用率未披露。	Activation 应定义为「患者完成采集且医生在当次就诊使用病历」，不是「系统生成了一份文本」。
Retention	急诊远程医疗客户后来把更窄的核心功能做进自己的应用；内分泌客户付费但并不常用；家庭诊所换了前台后，员工不再推动二维码流程。1	D7、D30、每位医生的月使用次数、有效就诊覆盖率和净留存未披露。	若连续 30 天有付费但没有真实就诊使用，收入应被标记为风险收入，而不是留存。
Revenue	2023 年首笔订阅收入为 190.36 美元；2024 年总收入 27,900 美元，其中订阅 4,200 美元、心理报告定制 23,700 美元。1	ARPA、毛利、续约率、应收账款和定制项目的真实成本未披露。	2024 年订阅收入只占总收入约 15%，不能把定制开发收入当成 SaaS 复购。
Referral	创始人没有披露转介绍率、自然注册或客户带来的客户。	NPS、邀请率、口碑线索和分享行为未披露。	没有客户主动带来相邻诊所前，Referral 只能算未验证假设。

漏斗的断点不在模型第一次输出，而在第二次真实就诊。Cydoc 的研究证明了受控条件下的效率，客户反馈也证明过单次价值；但「一次节省 10 分钟」没有被转换成「前台每次都愿意推动」「医生每周持续使用」「诊所愿意为整套流程支付更高价格」。2

Part O：市场机会

结论：市场足够大，但 Cydoc 真正能服务的不是所有医疗机构，而是愿意改动接诊流程、拥有明确 EHR 入口、且每位医生的时间节省足以覆盖软件与集成成本的门诊组织。

TAM：医疗文档与前台行政工作

Menlo Ventures 在 2025 年的行业报告中估算，美国医疗行政支出每年约 7,400 亿美元，医疗文档属于约 196 亿美元的医疗 IT 支出；报告还估算 ambient scribe 在 2025 年产生约 6 亿美元收入。这里的数字是投资机构的市场估算，不是 Cydoc 的收入，也不能直接推出 Cydoc 的可得市场。3

对 Cydoc 更有用的 TAM 定义是：所有需要采集病史、生成临床文档、减少医生录入时间的门诊就诊。这个定义比「AI 医疗」窄，也比「所有 EHR 用户」诚实。

SAM：能承受流程变化的门诊买方

Cydoc 的实际产品需要患者拿手机扫二维码，前台推动完成，医生查看生成结果，最后复制或同步进 EHR。SAM 必须扣掉不允许患者自助采集、没有合适 EHR 入口、或医生每月使用量不足以覆盖成本的机构。

Menlo 的调查显示，医疗系统的 AI 采购周期从传统 IT 的平均 8.0 个月缩短到 6.6 个月，门诊机构从 6.0 个月缩短到 4.7 个月；但这只说明买方在加速试用，不代表每个试点都会续约。3

SOM：一条 EHR、一种专科、一个可量化动作

Cydoc 更合理的 SOM 应是一组使用同一 EHR、同一接诊流程的门诊组织，而不是「所有医生」。创始人在复盘中提出过一条事后假设：把价格提高到每席位每月约 170 美元，先做 2 至 3 个 EHR 集成，并集中销售给同一类小型或中型急诊门诊。这个方案没有被实际验证，不能写成历史结果。1

本期建议的市场闸门，置信度 C：12 个月内，在同一 EHR 生态拿到 5 个付费机构；每家至少有 3 名医生连续 8 周使用；每次就诊的文档完成时间中位数减少 8 分钟以上；合同毛利覆盖集成、支持和模型成本。少任何一项，SAM 只是故事，不能进入规模化销售。

Part S：战略定位

结论：Cydoc 把自己定位成 AI 原生 EHR，却先卖一个必须绕开现有 EHR 才能使用的工具；战略愿景和第一笔订单之间缺少一条短路。

Cydoc 最初想做带 AI 原生数据库和开发平台的完整 EHR，但资金只有创始人的 MD/PhD 年 stipend 级别，于是先从自动采集病史开始。这个「先做窄楔子，再靠利润扩展成系统」的想法本身合理，问题是团队没有把窄楔子的买方、分发和接口条件先锁死。1

客户真正要的是一次就诊内的可用病历，不是一个更完整的历史、用药、过敏和体格检查界面。创始人直到 2023 年和真实医生交流后，才发现第一位客户主要想要 HPI，也就是现病史部分。团队前面写了很多客户并不需要的界面，后面又把 AI scribe 和心理报告生成加入产品，希望功能变多后销售会变容易。1

这是一种典型的顺序错误：把产品宽度当作销售能力的替代品。产品定位应该从「AI 原生 EHR」降到「某类门诊的病史采集与文档完成」，先证明一个工作流能在既有系统里重复发生，再谈系统替代。

Part C：竞品分析

结论：Cydoc 的主要对手不是另一个智能问诊表，而是已经嵌入 EHR 的环境听写产品、EHR 自带功能，以及客户自己做的窄版本表单。

方案	入口与核心动作	已公开的防守点	Cydoc 的相对位置
Cydoc	患者扫码回答动态问题，生成病历，医生复制或转入 EHR。1	动态问题、知识图谱和专利；但急诊客户用更窄的版本自行复刻了核心流程。	采集入口轻，系统边界重；独立产品的价值会被 EHR 摩擦削弱。
Abridge	在就诊现场捕捉医患对话，生成临床文档，并直接集成 Epic；官方称其平台覆盖 28+ 语言、50+ 专科和 200 多个大型医疗系统。4	大型机构分发、EHR 集成、语言与专科覆盖、可追溯证据。	Cydoc 的患者前采集与 Abridge 的环境听写不是同一产品，但争夺的是同一份文档预算。
Nabla	环境听写与听写生成结构化临床笔记，支持多种 EHR，并将结构化内容直接写入模板；官方称 Nabla Connect 可在数天而不是数月内接入 EHR。5	多 EHR 接口、结构化输出、编码建议和工作流嵌入。	说明集成不是附加项，而是临床 AI 的核心产品能力。
Suki	实时捕捉就诊、生成专科笔记，再将相关部分同步回 EHR；同时延伸到编码、临床推理和患者摘要。6	从文档扩展到下游收入循环和临床助手，降低单一功能被替代的风险。	Cydoc 若只卖一个动态问诊表，功能价值容易被客户内部工具或 EHR 功能压平。
Epic AI Charting	Epic 在 2026 年 2 月发布内置 AI Charting，直接听取就诊对话、起草病历并根据对话排队医嘱。7	既有系统记录、权限、用户入口和数据上下文。	Cydoc 不能把「独立应用」当成默认优势，必须用更窄、更强的临床动作换取接入理由。

研究与市场信号也解释了竞争强度。Menlo 报告估算 ambient scribe 2025 年已有 6 亿美元收入，同时指出门诊买方未来三年更换供应商的意愿达到 67%；这意味着市场有预算，但单纯的笔记生成并不等于高转换成本。3

Part P：产品设计

结论：Cydoc 的算法和交互把「采集」做轻了，却把「进入临床记录」留给了用户；真正应该设计的是从患者回答到医生签字的完整闭环。

它的理想流程有五步：

患者用手机扫描诊所二维码。
选择今天最重要的症状或病情，最多 3 项。
系统根据主诉动态生成问题，尽量用点击代替输入。
系统把问答转成医生可以使用的现病史或临床笔记。
医生复核，并把结果送入既有 EHR 和后续诊疗动作。

前四步有研究支持，但研究边界很窄。原始研究只纳入 18 名医学生，让他们面对标准化病人完成三种记录任务；从零写病历平均需要 17 分钟，使用 Cydoc intake form 平均 5.7 分钟，研究报告称速度提高 2.98 倍。研究同时明确，下一步仍需在真实门诊、由执业临床人员验证。2

所以不能把 2.98 倍写成医院生产环境的 ROI。真实产品还要回答：患者是否愿意在前台完成流程，生成的病历是否需要大量修改，医生是否愿意每次复核，结果能否直接写入 EHR，以及不同专科是否需要单独维护知识图谱。

AI scribe 研究也提醒了同一个产品边界。相关综述指出，生成式 scribe 可能出现幻觉、遗漏、说话人归因错误和上下文误读；在临床场景里，低比例错误也可能带来高风险，因此必须有验证、审计和人工责任链。8

Cydoc 的产品改法不是继续堆功能，而是把最后一公里做成可观测指标：每次就诊的采集完成率、医生接受率、人工修改字符比例、写入 EHR 的成功率、7 天内的后续动作和错误回滚次数。没有这组数据，产品团队看到的只是「生成得快」，买方承担的却是「记录是否可信」。

Part E：商业模式

结论：Cydoc 的单位经济在最接近客户的地方就已经不成立：小诊所愿意支付的价格接近每位医生每月 100 美元，而加入 AI scribe 后仅托管和 AI 成本就约 70 美元，剩下的钱还要支付销售、支持、研发和集成。

Cydoc 的收入结构很能说明问题。2024 年 27,900 美元收入中，订阅只有 4,200 美元，心理报告定制有 23,700 美元。后者可以证明客户愿意为特定结果付钱，却不能证明标准化 SaaS 能持续续费。1

创始人还记录了三笔容易被忽略的成本：

小型诊所倾向于支付低于每月 100 美元的价格，而 AI scribe 加入后，每位医生的托管和模型成本约 70 美元。
单个 EHR 集成约需 4,000 至 6,000 美元；由于客户使用的 EHR 不集中，几乎每个潜在客户都可能需要单独集成。
心理机构提出潜在的每月 5,000 美元合同，团队先以亏损做定制开发，最后发现对方实际能使用该产品的心理师数量远小于最初口径，合同没有兑现。

如果每月只剩 30 美元覆盖集成费用，4,000 美元集成成本需要约 133 个月才能回收，且还没有计算人工和销售费用。这个算术不是精确财务模型，但足以证明价格、使用量和接口成本三者无法同时保持原状。1

Menlo 的行业数据说明，大买方会为可信的医疗 AI 支付溢价，但也说明医疗组织正在偏好能快速交付、低风险、直接接入现有系统的产品。3 Cydoc 同时选择了小诊所的低价和多 EHR 的高集成复杂度，既没有规模预算，也没有接口规模。

Part L：洞察提炼

结论：Cydoc 的失败不是「医疗 AI 没有价值」，而是验证了高价值场景里，顺序、接口和价格比模型复杂度更早决定生死。

1. 研究有效，不等于采购有效

因果链：受控研究减少记录时间 → 客户看到单次效率价值 → 客户仍要改变前台和 EHR 流程 → 改变成本超过单次节省 → 续约和使用不稳定。

研究只回答了「能不能更快写」，没有回答「谁负责推动患者采集、谁负责复核、谁支付集成」。Cydoc 的研究成果应该被当作 Activation 证据，而不是 Revenue 证据。置信度 A。

2. 独立入口是分发负债，不是产品优势

因果链：二维码让 Cydoc 不必先接入 EHR → 前台需要额外推动 → 新员工接手后流程停止 → 患者采集量下降 → 医生感受不到价值。

如果产品必须依靠员工额外记住一个入口，它就要么自动进入既有系统，要么给推动者明确收益。Cydoc 两者都没有公开证明。置信度 A。

3. 专利保护不了一个客户能硬编码的核心动作

因果链：复杂知识图谱提高研发难度 → 客户只需要自己常用专科的固定问题 → 用普通表单加文本生成即可复刻 → 专利和系统复杂度没有转化成客户切换成本。

真正的技术护城河必须让替代方案在成本、质量或速度上明显落后。复杂，不等于难以替代。置信度 A。

4. 定制收入会遮住订阅失败

因果链：定制项目带来一次性现金 → 团队把资源转向单个客户 → 预期大合同没有发生 → 标准产品被延误 → 管理层更晚看到真实毛利。

本期建议所有定制合同在开发前写出三个数字：客户预付覆盖的成本、承诺订阅的生效日期、未达成时的退出条款。没有这三项，定制收入只能按项目收入管理，不能放进 ARR 叙事。置信度 C。

5. 医疗 AI 的最后一公里必须被量化

因果链：文档时间减少 → 医生可处理更多就诊或更早下班 → 机构获得可见收益 → 买方愿意续约；任何一环没有数据，时间节省就只是演示指标。

Cydoc 已经有单次时间节省数据，缺的是跨机构、跨专科、跨 EHR 的连续数据。AI scribe 领域的公开讨论也把错误、同意、审计和责任列为部署条件，而不是合规附录。8

Part D：决策分析

结论：如果今天重做 Cydoc，第一笔钱应投入在 20 次真实客户访谈、一个 EHR 的深度集成和可收费试点，而不是更完整的 AI 原生 EHR。

给创始人的继续 / 停止规则

闸门	继续条件	停止或转向条件
客户发现	20 个目标机构完成访谈；至少 5 家在产品完成前愿意预付试点或签署有金额的意向。门槛为本期建议，置信度 C。	只有「很感兴趣」和免费试用，没有付款或流程承诺。
工作流	同一专科、同一 EHR 的 5 家机构连续 8 周使用；患者完成率超过 70%，医生接受率超过 80%。门槛为本期建议，置信度 C。	价值依赖某一个技术先锋医生或某一名前台员工。
产品质量	每次生成病历的人工修改时间低于手写节省时间；错误、遗漏和回滚有审计记录。	只能展示平均速度，不能展示真实病历的复核成本。
集成回收	每个 EHR 集成在 12 个月内由合同毛利回收，且合同把集成成本、维护费和退出权写清楚。	单个客户的月度贡献不足以在 12 至 18 个月内回收接口成本。
商业	订阅收入至少覆盖模型、托管、支持和销售成本；定制开发由客户预付，不计入核心 ARR。	订阅占比持续低于总收入的 50%，增长主要来自亏损定制。门槛为本期建议，置信度 C。
融资	现金 runway 覆盖最慢的采购周期和至少一次集成返工。	需要靠下一轮融资解释当前毛利缺口，且没有已签付费合同。

给投资人的三个追问

论文里的效率提升，是否在真实执业医生、真实患者和真实 EHR 中复现过？
这家公司卖的是病历生成，还是能被前台、医生和 EHR 同时接受的工作流？
每增加一个客户，新增的是可复用的收入，还是一个新的专科、接口和定制项目？

Cydoc 的失败边界很窄，却足够有用：它不是证明自动化病史采集没有价值，而是证明「有价值的功能」必须以正确顺序进入市场。先找到同一流程里的 20 个真实买方，再做一个可回收的接口；先让订阅毛利成立，再扩展到 scribe、报告和 EHR；先测第二次就诊，再谈 AI 原生系统。Cydoc 在研究里赢得了 11 分钟，在经营里输掉的是把这 11 分钟稳定地变成现金的路径。