← 返回案例库
官方披露

Bunkerhill Health

帮医院把自己的想法变成生产级 AI agent 的平台,客户包括克利夫兰诊所和斯坦福,累计融资 ¥3.7亿

医疗 AI
访问官网 →
bunkerhill.ai
Bunkerhill Health 官网
👤 创始人 未公开
💰 月收入 ¥3.7亿 月收入
📅 上线时间 —
🌐 国家 / 地区 🇺🇸 美国

产品介绍

这个项目到底是什么、靠什么赚钱

Bunkerhill Health 官网

Bunkerhill:一篇发了 Nature 的算法在笔记本上躺了两年,逼出了一个医疗 AI 平台

产品是什么

Bunkerhill Health 做的是 Carebricks——一个帮医疗系统把自己的想法变成生产级 AI agent 的平台。

医院从来不缺想法。临床主任想提前识别心血管高风险患者,运营想自动处理专科药的事前授权,病理科想自动分流会诊——想法一大堆,但没人有时间和工程能力把它们落地。

Carebricks 的玩法是给医院一个共享底座:

  • agent 能读病历、跨临床与企业数据做推理
  • 能联系患者和医生、生成转诊单和医嘱
  • 能回写进 EHR(电子病历)、支付方门户、登记系统等

医院把自己的问题丢进来,平台就能拼出一个端到端干活的 agent。核心模块叫「推理砖(reasoning brick)」——一个大模型,加上一批从学术中心授权的、经 FDA 认证的工具。

它只服务一类客户,就是医疗系统本身。 客户包括克利夫兰诊所、斯坦福、UCSF、德州大学医学分部(UTMB)、Intermountain Health 等 25 家以上机构。光在 UTMB 一家,就有 22 个 agent 已经上线生产环境。

怎么赚的钱

面向医疗系统的企业订阅。这类客户预算稳定、合同金额高、一旦进了工作流就极难替换。

融资上,B 轮由 Khosla Ventures 领投,累计融资 ¥3.7亿,Sequoia Capital、Felicis、Optum Ventures 和 YC 持续跟投。它还拿到了心内科等方向的 FDA 认证——这在没有自有算法、只做平台的公司里并不常见。

具体营收数字没有公开披露。

流量从哪来

  1. 一个能让人记住的临床故事。在克利夫兰诊所,Bunkerhill 帮他们筛查心血管高风险患者,找出了数千名「风险很高但从未看过心内科」的人——没吃过他汀,或剂量不对。其中一个经典案例:一位警察因为完全无关的原因做了 CT,钙化积分约 400,系统提示了他;他回来复查,最终做了三支血管搭桥手术。这类故事在医疗行业会议上传播的速度,比任何广告都快。
  2. 平台化的复制效应。UTMB 的 AI 负责人把 Carebricks 定为全院 AI 战略后,院内各个科室自己举手说「我也有用例」,从 1 个用例长到 15 个、再到 22 个。一个客户内部自己长出来的增长,获客成本几乎为零。
  3. 只做一类客户,把打法做透。创始人明确说「我们唯一的客户类型就是医疗系统」——这种聚焦让销售话术、产品形态、合规路径都能标准化。
  4. YC + Sequoia + Khosla 的背书链条。在医院采购决策里,投资方名单就是可信度。

站长是谁

Nishith Khandwala,斯坦福计算机本科、人工智能硕士,福布斯 30 岁以下精英,曾在斯坦福 AIMI 中心、计算视觉与几何实验室、斯坦福 AI 实验室做研究。

这家公司不是「想创业」创出来的,是「被气出来」的。

他和联创 David 在斯坦福读计算机时,接到预防心脏病学主任的一个想法——能不能用那些本来因为别的原因拍的胸部 CT,顺带筛出心血管高风险的人,在他们心梗之前就拉进预防性治疗? 算法本身不难,他们做出来了,还发在了 Nature 上。

然后他们花了两年时间试图把这个算法真正用起来,失败了。

就在这期间,他的父亲心脏病发作。后来他们发现,父亲早前的一次扫描其实已经显示动脉有堵塞迹象,但没有任何人跟进处理。那个他们折腾了两年没能落地的想法,本来有可能阻止这件事。

医疗行业从不缺好点子,缺的是把点子变成能真跑起来的东西的能力。 Bunkerhill 就是从这个挫败里长出来的。

这个案例能学到什么

第一,真正的痛点往往不是「没有好算法」,而是「好算法烂在论文里」。他自己的算法发了 Nature 还是推不动。如果你能把「最后一公里」这段路铺好,光是帮别人落地现成的成果就够吃一辈子。

第二,别卖点解决方案,卖平台。Bunkerhill 没有去卖「心血管筛查」这一个功能,而是卖一个能让医院自己长出一百个功能的底座。说服客户买一个东西很难,让他自己造十个容易得多。

第三,从身边最痛的那件事出发。父亲的经历不是鸡汤,是最硬的市场验证——一个真实的、有后果的、你自己经历过的问题,才是你最该做的产品。

第四,强监管行业里,牌照和认证不是障碍,是护城河。拿到 FDA 认证很痛苦,但一旦拿到,后来者要花同样的时间。别绕开合规,把合规做成壁垒。

第五,深度比广度值钱。一个客户跑了 22 个 agent,比 22 个客户各跑 1 个值钱得多——因为它证明了可复制性,也意味着极高的替换成本。

来源与数据

  • 站点:https://bunkerhill.ai
  • 融资:公司公告与行业媒体报道,B 轮由 Khosla Ventures 领投,累计融资 ¥3.7亿;Sequoia Capital、Felicis、Optum Ventures、YC 跟投
  • 产品:Carebricks 平台(推理砖 + FDA 认证工具库),已取得心内科等方向 FDA 认证
  • 客户:克利夫兰诊所、斯坦福、UCSF、德州大学医学分部(UTMB)、Intermountain Health 等 25 家以上机构;UTMB 已有 22 个 agent 上线生产
  • 创始人背景:Nishith Khandwala,斯坦福 CS 本科 + AI 硕士,福布斯 30 岁以下精英,曾任职斯坦福 AIMI 中心;YC W19 批次
  • 起源:其在斯坦福参与开发的冠状钙化评分算法曾发表于 Nature,但两年未能落地临床;其父心脏病发作后发现早前扫描已显示异常
  • 数据来源:DGTL Voices 播客(2026-07)、This Week Health 专访、Healthcare AI Guy 公司深挖

一句话总结

一个斯坦福 AI 研究员的算法发了 Nature 却在笔记本上躺了两年推不动,直到他父亲心梗才明白问题不在算法——Bunkerhill 卖的不是某个 AI 功能,是把医院里那些憋了几十年的想法真正跑起来的那条路。

给别人的启发

别人做对了什么,你能直接抄的部分

1

真正的痛点往往不是「没有好算法」,而是「好算法烂在论文里」——他自己的 Nature 级算法在笔记本上躺了两年

2

别卖点解决方案,卖平台——让客户自己长出一堆用例,比你说服他买一个容易十倍

3

从身边最痛的那件事出发,创始人父亲的经历就是最真实的市场验证

4

医疗这类强监管行业,牌照和认证不是障碍,是护城河

5

一个客户的 15 个用例,比 15 个客户各 1 个用例值钱

✓
收入可验证

官方披露:公司/创始人自己公布的数字

其他信息

营收模式
面向医疗系统的 agentic AI 平台(Carebricks)订阅,按机构合同收费;已取得心内科等方向的 FDA 认证
流量来源
医疗系统企业直销 + 标杆客户背书(克利夫兰诊所、斯坦福、UCSF、UTMB、Intermountain 等 25 家以上机构)+ 临床成果故事(找出数千名从未看过心内科的高风险患者)
数据口径
公司公告与行业媒体报道(B 轮 Khosla Ventures 领投、累计融资 ¥3.7亿);创始人公开访谈(DGTL Voices 播客、This Week Health、Healthcare AI Guy);金额按汇率折算为人民币(1 美元≈6.72 元)。
原文链接

同类案例