EliseAI完成3.5亿美元F轮估值40亿美元：从公寓租赁切进诊疗前台，ARR两年破2亿美元

估值两年从22亿到40亿美元：一家公寓租赁自动化公司走到了诊所前台

影响分析 × 投资人与产业分析师 ｜ 事实报道 × AI技术供应商/创业者 ｜ 行业观察

2026年9月29日，EliseAI宣布完成3.5亿美元F轮融资，估值40亿美元，由a16z与Bessemer Venture Partners联合领投。相较2025年8月E轮的22亿美元估值，一年出头近乎翻倍。撑起定价的是2026年6月突破2亿美元的ARR与连续五年同比翻倍：平台覆盖全美约六分之一的公寓单元，每月处理约500万次通话与消息。但必须说清楚——公司起家于住房租赁自动化，四年前才进入医疗；9月推出的Apollo，才是这条曲线能否延伸出去的关键变量。

开场：40亿美元估值背后，是一条从公寓前台走到诊所前台的路径

EliseAI的业务起点并不在医疗。它的第一块业务是住房租赁运营自动化，替公寓运营商承接咨询、预约与催缴；医疗线是四年前才切入的第二战场。讨论估值时必须先摆明这层出身：它不是从第一天就以临床为对象训练的医疗AI公司，而是把通话与消息自动化的能力从租赁前台平移到了诊疗前台。

从投资视角看，这种出身本身是一项可被定价的优点。公寓前台与诊所前台的运营问题高度同构：来电量大、重复度高、响应时效直接决定转化或履约率，人力成本占比不低。两者共享的底座不是医学知识，而是对话理解、意图判断、日程调度与系统写入。能力若能迁移而不必重建，第二条增长曲线就不必重付一遍研发与试错成本。

增长曲线本身足够硬，这是本轮定价最直接的凭据。2026年6月ARR突破2亿美元、连续五年同比翻倍，两项均可复核；上一轮融资落在2025年8月，2.5亿美元，估值22亿美元。这个节奏传递的信号是增长未见减速，而非估值跑到数据前面。也要承认，翻倍会随基数抬升而衰减，五年连翻是接下来最难维持的纪律。

3.5亿美元怎么花：第二个工程中心与agentic方向

资金用途的官方口径是三条：扩大自动化覆盖范围，扩充北美工程、部署与销售团队，并在旧金山设立第二个工程中心。三条并列起来看，重心落在交付能力而非市场声量——部署团队的扩张通常出现在产品跑通后、需把合同转化为真实使用率的阶段；第二个工程中心则意味着研发组织要从单一地点转向双中心。

另一条线索指向得更为明确，即向agentic方向加速产品化。这里要先区分两类自动化：一类是在既定流程里填空式执行，系统被触发时给出预设回复；另一类是把目标交给系统，由它自行规划步骤、调用工具并闭环。后者要求的是任务拆解、状态跟踪、异常处理与权限控制，而不是单纯的语句生成。

这也解释了为何本轮之后立刻扩工程团队。这类产品的难点集中在可靠性工程端：如何限制模型的行动边界、如何在失败时留下可追溯的执行痕迹、如何把长时任务拆成可回滚的步骤。这些能力难以采购，通常必须自建。第二工程中心的设立与Apollo的推出几乎同时发生，指向同一件事：产品重心正从应答转向执行。

2亿美元ARR的来源结构：一半仍是住房

ARR突破2亿美元是本篇最硬的数字，也是最需要拆开看的数字。按现有公开信息，公司的基本盘仍是住房租赁：平台支撑全美约六分之一的公寓单元，累计超过3000万美国人使用过其技术，每月处理约500万次通话与消息。这三项指标的口径都不指向医疗场景，都以住房侧的规模为单位。

医疗侧贡献占比在公开信息中并未给出。这是一个必须标注的缺口：若2亿美元中相当部分仍由住房业务贡献，用医疗AI的估值倍数去对标整个公司，定价依据就不完全成立；若医疗线已接近或超过一半，则意味着跨行业迁移在四年内完成了一次真实的商业化。现有材料不足以判断哪一种成立。

审慎的读法是把本轮定价理解为对双引擎组合的定价，而非对单一医疗线的定价。旁证来自投资方：Bessemer Venture Partners合伙人Sameer Dholakia进入董事会，评价集中于公司对住房运营的理解力与AI工程能力的组合，而非医疗专业性。这等于承认能力叙事仍以运营自动化为核心。CEO Minna Song把扩张路径概括成围绕客户的具体运营问题展开。

Apollo登场：从自动回复到自动执行

Apollo是公司在9月推出的首个agentic AI助手，官方表述为可在平台内执行任意任务。措辞的关键在「执行」二字：产品形态不再是预设意图与预设回复之间的映射，而是把平台内可用操作开放给具备规划能力的执行体。客户买下的不再是一批话术模板，而是实际被替代掉的工时。

从AI技术供应商的视角，这一步的取舍都落在计价方式上。按席位订阅收费，客户节省的人力与公司收入没有直接换算关系，价值捕获只能靠销售话术；若转向按完成任务计费，收入模型明显改善，但系统要为每个结果负责，可靠性问题会从体验层面抬升到合同层面。官方并未披露Apollo的计费方式与任务成功率。

另一个待解的问题是合规边界。医疗场景下的自动执行一旦涉及预约改期、账单问询、保险核验乃至写入临床系统的动作，都需要明确的操作留痕与责任归属。住房侧的经验在此只能部分复用：租赁客服出错的代价是一笔租金或一个差评，诊疗前台出错的代价可能是一次被延误的就诊。这条差异无法靠工程能力抹平。

冷静观察：跨行业复用是真能力还是估值叙事，要看医疗线的留存能不能单独打平

公允的评价应当分两层。第一层在能力面：对话理解、意图识别、日程调度、系统写入与异常处理，这些模块确实可以跨场景复用，公司在住房侧积累的规模——每月约500万次通话与消息——本身就是训练与调优的原料。这一点难以否认，也是多数单点起家的医疗AI公司不具备的优势。

第二层在估值面。能力可复用不等于收入可复用，更不等于医疗业务能独立撑起40亿美元定价。判断标准并不复杂：医疗线的净收入留存能否自行打平销售与交付成本，客户是否在不绑定住房业务的前提下续约，客单价与合作深度是否在抬升。这些数据目前看不到，关于协同效应的判断都该保留折扣。

同样要留意叙事与现实的错位：同时服务公寓运营商与医疗机构，意味着两套合规要求、两套客户成功方法与两套销售话术，组织复杂度会随业务线增加而上升，而这恰是双引擎公司最容易低估的一项成本。本轮资金投向里的部署团队扩张，某种程度已提前承认了这一点。

3.5亿美元换来一年出头的估值翻倍，对一级市场而言是一次明确投票，投的是自动化能力的可迁移性，而不是某一套临床专家系统。这条判断要成立，需要公司下一轮公开医疗线的独立留存数据——那一组数字才真正决定今天的40亿美元是一次定价，还是一次预判。

---

原文链接：Digital Health News

千方医数集编辑部 出品