近日，云知声与某头部财险集团达成基金监管系统项目合作。双方将依托云知声自研U2-Med三医大模型、智能稽核算法与医保业务知识，共同构建覆盖事前预警、事中监控、事后追溯的一体化智能监管方案，辅助识别基金使用异常与潜在风险，助力医保基金安全、规范、高效运行。

此前，云知声曾中标该财险集团医保基金监管Agent、医保知识智能问答Agent两项重点项目，持续探索智能体技术在医保监管与公共服务场景中的应用。此次项目签约，是云知声专业医疗AI能力服务医疗保障体系建设的又一实践，将助力提升医保基金监管的智能化、精细化水平，进一步拓展大模型在医疗保障领域的应用价值。

覆盖基金使用全周期，打造一体化智能风控体系

医保基金监管链条长、维度广，横跨政策规则、临床诊疗、费用结算等多个环节。面对动态迭代的医保政策、复杂多变的诊疗行为与海量业务数据，如何高效甄别风险、锁定异常线索、为线下核查提供可信依据，一直是基金监管工作的核心痛点。

传统审核模式多依赖固定规则引擎与人工复核，面对需要综合病历、诊断、处方用药、检查项目、费用明细交叉研判的复杂场景，单一指标匹配很难还原完整诊疗逻辑，不仅容易出现线索遗漏，也持续加重审核人员的工作负荷。

针对行业痛点，云知声将垂类医疗大模型与智能稽核算法深度融合，打通医学知识库、医保政策库与业务规则库，对诊疗文书、结算单据等多源异构数据做关联推理分析，自动挖掘潜藏风险，为审核人员输出高质量核查线索与佐证材料。

整套方案贯穿基金使用全流程：在业务前端前置风险预警，在业务过程中捕捉异常变化，在业务结束后汇聚相关证据，支撑回溯核查，助力医保监管从事后被动核查向全周期、主动式、智能化管控转变。

夯实三医大模型底座，让监管读懂医学逻辑与医保规则

医保监管不仅要判断费用是否符合支付规则，还需理解诊疗行为背后的医学逻辑。一项检查、一张处方或一笔费用是否合理，往往需要结合患者病情、诊断依据及相关政策进行综合分析。

云知声三医大模型U2-Med基于自研U2-Flash基座模型构建，融合医疗、医保（含商保）、医药领域的专业知识，能够理解病历、检查报告、处方单据、政策条款等专业内容，并开展信息提取、关联分析与辅助推理，为医保审核、商保理赔等业务提供技术支撑。在OpenAI推出的HealthBench Full和HealthBench Hard两项医疗对话能力评测中，U2-Med分别取得73.67分和61.07分，均位列本次参评模型第一。

为推动医疗AI从单点问答走向连续诊疗过程理解，云知声还构建了医疗世界模型U2-Med-World，通过重建真实诊疗轨迹、生成模拟诊疗情境，支持U2-Med在交互中学习主动追问、动态更新判断与识别潜在风险。

面向基金监管场景，U2-Med的专业理解能力有助于连接医学知识与医保规则：既分析费用与支付规则之间的关系，也关注诊断、治疗、检查、用药等环节之间的关联，辅助发现潜在异常，提升核查线索质量。

从医学知识理解到医保业务分析，云知声持续推动大模型能力与行业规则、业务流程相结合，让专业AI更好地服务实际业务处理。

深耕影像识别与医保结算，积累专业技术与实践能力

医保业务涉及不同类型的数据和任务，既需要理解病历、政策和费用信息，也需要结合影像等材料开展专业分析。围绕这些需求，云知声持续积累医疗AI技术与场景实践能力。

在医学影像领域，云知声参与组建的桂医桂电云知联创队、X Vision探索者队，在2026全国医保影像AI识图大赛“基于胸部X光的多种疾病智能检测”赛道中，分别获得自有模型组、自建模型组一等奖，展现了公司在医学影像识别与多任务协同方面的技术积累。

在医保结算领域，云知声与北京协和医院联合研发的“基于大模型的DRG结算清单智能生成方案”，获得2024全国智慧医保大赛总决赛一等奖。该方案面向病历理解、编码和结算清单生成等环节，探索大模型在医保支付管理中的应用。

从医学影像识别到医保结算管理，云知声持续推动AI技术与实际业务需求结合，为医疗保障领域的智能化建设积累技术与实践经验。

深化三医场景应用，助力医疗保障智能化发展

诊疗服务、医保支付与保险保障等业务场景各有侧重，也对医学知识理解、风险识别和业务处理能力提出了相通的要求。推动专业AI能力与不同场景相结合，有助于更好地回应医疗健康与保障服务需求。

此次与头部财险集团合作，是云知声将三医大模型与行业实践应用于医保基金监管的进一步探索。面向未来，云知声将持续深化大模型、多模态与智能体技术应用，推动专业AI能力更好地融入相关业务场景，助力医保基金安全使用与医疗保障服务提质增效。