项目基本信息
| 项目名称 | 黑尖（Black & Sharp）AI自动随身屈光智能检测仪器 |
|---|---|
| 项目ID | HEALTH-BS-001 |
| 所属行业 | 医疗健康 |
| 项目阶段 | 方案设计 |
| 评估日期 | 2025年11月30日 |
| 评估模式 | 标准评估模式 (1小时) |
| 评估人 | 系统自动评估 |
概要
项目怎么样
综合打分: ⚠️ B级 (59.8/100分)
我们的判断: 有潜力,还缺几个关键信息
建议: 有潜力,需补充关键信息后重新评估
做得好的地方
当前评分偏低，还需要重点改进
要注意的问题
- [执行] 团队行业经验不足3年
- [执行] 尚未开发MVP
雷达图展示项目在4个维度的评分表现，总分59.8/100
投资决策参考（v4.0增强）
建议动作: 观望 – 有潜力但存在风险，建议持续跟踪
估值区间参考:
- 保守估值: ¥2万 (基于方案设计阶段基准)
- 中位估值: ¥4万 (考虑评分60分)
- 乐观估值: ¥9万 (假设关键里程碑达成)
- 估值方法: 阶段基准法 + 评分调整
DD重点检查项:
- 核实团队背景和履历真实性
- 验证客户案例和用户数据
- 核实LTV/CAC等财务指标计算方法
- 评估AI技术方案的可行性和独特性
- 深入了解团队执行力和协作情况
决策置信度: 60%
创业者指南（v4.0增强）
当前阶段验证重点:
- 验证医疗健康行业的痛点是否真实且量化
- 确认AI是解决问题的必要方案，而非锦上添花
- 验证核心用户：(1)6-18岁青少年家庭，需频繁监测视力变化，用于OK镜/阿托品/户外干预效果追踪；(2)大学生/程序员/高频用眼群体，屏幕负荷重，易焦点波动；(3)老年群体，老花/白内障前期屈光波动监测；(4)眼科机构/视光中心，用于家庭远程随访和连续屈光数据库建立。的付费意愿和能力
下一步行动建议:
- 完成技术方案设计和评审
- 确定第一批种子用户来源
- 准备融资材料
医疗健康行业特别关注（v4.0增强）
合规风险评估: 医疗健康行业监管要求较高，建议关注相关法规变化
临床验证进度: 医疗AI产品需要临床验证，建议确认验证阶段和计划
详细分析
各维度得分
| 评估维度 | 实际得分 | 满分 | 得分率 |
|---|---|---|---|
| 行业分析 | 22.9 | 30 | ███████░░░ 76% |
| 商业逻辑 | 23.0 | 40 | █████░░░░░ 57% |
| AI特性 | 13.0 | 20 | ██████░░░░ 65% |
| 团队执行 | 0.8 | 10 | ░░░░░░░░░░ 8% |
| 总分 | 59.8 | 100 | 60% |
详细评分分析
2.1 行业预判分析 (22.9/30.0分)
行业分析（）
| 子维度 | 得分 | 满分 | 评分理由 |
|---|---|---|---|
| 产业链拆解 | 3.0 | 6.0 | 【产业链拆解评分：3.0/6.0】 |
- ✓ 位于产业链中游/应用层(+1.5分)
- ❌… |
| 行业变化洞察 | 6.0 | 6.0 | 【行业变化洞察评分：6.0/6.0】
识别到5个行业关键变化，洞察深度优秀(6.0分)
已识别的… |
| 稳态预判B点 | 2.1 | 5.0 | 【稳态B点预判评分：2.1/5.0】
⚠️ B点4要素仅2个完整，建议补充: 战略路径, 市场格… |
| 行业周期判断 | 3.8 | 5.0 | 【行业周期判断评分：3.8/5.0】
成长后期(增长率25.0%, CR5=15.0%, 格局初… |
| 市场天花板 | 5.0 | 5.0 | 【市场天花板评分：5.0/5.0】
TAM规模优秀(2100.0亿元, +1.0分)
✓… |
| 市场集中度 | 3.0 | 3.0 | 【市场集中度评分：3.0/3.0】
CR5=15.0% (高度分散，机会大，+1.5分)
… |
2.2 商业逻辑评估 (23.0/40.0分)
商业逻辑（）
| 子维度 | 得分 | 满分 | 评分理由 |
|---|---|---|---|
| 需求分析 | 6.5 | 10.0 | 【需求分析评分：6.5/10.0】 |
| 需求分析基础较好，建议补充定量数据 | |||
| 步骤1-用户拆解：有… | |||
| 解决方案 | 3.0 | 8.0 | 【解决方案评分：3.0/8.0】 |
| ️ 解决方案不够完整，建议按5步骤框架补充 | |||
| ✓ 步骤1-… | |||
| 商业模式 | 7.2 | 8.0 | 【商业模式评分：7.2/8.0】 |
| 商业模式完整：3层模型+LTV/CAC+毛利+对标均良好 | |||
| … | |||
| 增长策略 | 2.0 | 7.0 | 【增长策略评分：2.0/7.0】 |
| ❌ 增长策略严重不足，建议重新梳理：渠道→模型→指标→实验→执… | |||
| 壁垒构建 | 4.3 | 7.0 | 【壁垒构建评分：4.3/7.0】 |
| ️ 壁垒构建不够完整，建议扩展壁垒类型 | |||
| ✓ 壁垒覆盖度：… |
2.3 AI特性评估 (13.0/20.0分)
AI项目特殊性评估
| 子维度 | 得分 | 满分 | 评分理由 |
|---|---|---|---|
| 技术依赖度 | 5.0 | 5.0 | 评估模型依赖风险和切换成本 |
| 数据飞轮设计 | 5.0 | 8.0 | 评估数据飞轮的完整性和启动情况 |
| 快速迭代能力 | 0.0 | 4.0 | 【快速迭代能力评分：0.0/4.0】 |
| 行业特定标准：医疗健康行业准确率≥95% | |||
| 应用医疗健康… | |||
| AI必要性 | 3.0 | 3.0 | 评估AI的不可替代性 |
2.4 团队执行力 (0.8/10.0分)
团队能力与资源评估
| 子维度 | 得分 | 满分 | 评分理由 |
|---|---|---|---|
| 行业认知 | 0.3 | 4.0 | 【行业认知评分：0.3/4.0】 |
| ❌ 行业认知不足：1.0年行业经验，缺乏行业积累(0.3/4…. | |||
| 技术能力 | 0.5 | 3.0 | 【技术能力评分：0.5/3.0】 |
| ️ 技术能力不足：技术基础薄弱(0.5/3.0分) |
... |
| 已有成果 | 0.0 | 3.0 | 【已有成果评分：0.0/3.0】
️ 已有成果不足：缺乏客户验证(0.0/3.0分)
… |
交叉验证发现
- ️ 无MVP但行业已成长/成熟，时间窗口紧迫
财务分析
单位经济模型
| 指标 | 数值 | 评价 |
|---|---|---|
| LTV/CAC比率 | 10.00 [^6] | 🌟 优秀 |
| 回本周期 | 3.1月 | 🌟 优秀 |
| 客户生命周期 | 20.0月 | – |
| 月均毛利/客户 | ¥39 | – |
| 健康度评分 | 优秀 | – |
优势:
- LTV/CAC比率优秀 (10.00)
- 回本周期快 (3.1月)
- 毛利率良好 (65.0%)
柱状图对比各维度实际得分与满分，总分59.8/100
折线图展示过去5年行业市场规模增长趋势。复合增长率约30%。
三、分析逻辑透明化
知其然知其所以然：本章节展示每个评分维度的详细推理过程。包括：。
- 评分依据（观察到什么 → 为什么这样判断 → 得出什么结论）
- 对标案例（类似项目的实际结果）
- 风险提示（潜在问题和缓解措施）
- 改进建议（具体的优化方向）
产业链拆解深度 – 详细推理过程
得分: 3.0/6.0 (50%)
评分依据（知其然知其所以然）
步骤1：项目在产业链中处于什么位置？
- 观察到：产业链位置：中游应用层
- 为什么：位于中游，连接上下游，有一定议价能力
- 结论：产业链位置得分：1.5/2.0
- 分数影响：+1.5分
步骤2：对产业链价值流的分析深度如何？
- 观察到：描述长度：16字，分析深度：无分析
- 为什么：未提供产业链价值流分析
- 结论：价值流分析得分：0.0/1.5
步骤3：对上下游有多强的议价能力？
- 观察到：关键词：[]，识别到0项
- 为什么：弱议价能力。缺少独特性，处于被动地位
- 结论：议价能力得分：0.0/1.0
步骤4：被替代或绕过的风险有多大？
- 观察到：风险信号：[]，发现0项
- 为什么：低替代风险。未发现明显替代威胁，壁垒较强
- 结论：替代风险得分：1.0/1.0（反向评分）
- 分数影响：+1.0分
步骤5：能占据产业链多大的价值份额？
- 观察到：市场集中度CR5：15.0%，分散市场
- 为什么：市场分散，有机会占据较大价值份额
- 结论：价值占比得分：0.5/0.5
- 分数影响：+0.5分
对标案例
案例：有赞（电商SaaS中游）（相似度70%）
- 产业链位置：中游，连接微信生态和商家
- 议价能力：中，依赖微信生态
- 价值占比：中，年费+交易抽佣
- 结果：港股上市，但被微信官方工具挤压
- 启示：中游需要打造不可替代性，否则易被平台绕过
⚠️ 风险提示
议价能力不足（严重度：中，概率：高）
- 证据：未发现独特性关键词，可能被上下游挤压利润
- 缓解办法：建议打造差异化能力，提升不可替代性
关键洞察
- 产业链位置：中游应用层，总体评分3.0/6.0（50%）
- 产业链位置较优，有利于价值捕获
改进建议
- 增强独特性，提升议价能力（如技术专利、独家资源）
市场天花板 – 详细推理过程
得分: 5.0/5.0 (100%)
评分依据（知其然知其所以然）
步骤1：可获得市场（SOM）规模有多大？
- 观察到：SOM：50.0亿元，大型市场
- 为什么：SOM 50-100亿。可支撑百亿级公司。
- 结论：市场天花板得分：4.0/5.0
- 分数影响：+4.0分
步骤2：市场漏斗的转化率是否合理？
- 观察到：TAM→SAM转化率：23.8%，SAM→SOM转化率：10.0%
- 为什么：总转化率2.4%。转化率合理
- 结论：市场规模估算可信
对标案例
案例：字节跳动（信息流广告）（相似度60%）
- SOM：数千亿级市场
- 市场份额：20-30%
- 增长率：30%+
- 结果：估值超2000亿美元
- 启示：大市场+高增长=指数级机会
关键洞察
- 市场天花板：大型市场（SOM 50.0亿），评分4.0/5.0
- 市场空间充足，值得长期投入
AI必要性 – 详细推理过程
得分: 3.0/15.0 (20%)
评分依据（知其然知其所以然）
步骤1：AI是否不可替代？
- 观察到：关键词：[‘无法’。 ‘无法实现’]，强必要性。
- 为什么：传统方法明确不可行，AI是唯一解
- 结论：不可替代性得分：5.0/5.0
- 分数影响：+5.0分
步骤2：AI相比传统方法有什么优势？
- 观察到：优势维度：[‘效率’, ‘个性化’。 ‘实时’, ‘规模化’]，显著优势。
- 为什么：AI在多个维度有明显优势
- 结论：技术优势得分：5.0/5.0
- 分数影响：+5.0分
步骤3：是否有数据支撑AI的有效性？
- 观察到：数据相关：[]，数据缺失
- 为什么：未提供数据支撑
- 结论：数据支撑得分：0.0/5.0
对标案例
案例：DeepMind AlphaFold（蛋白质折叠预测）（相似度80%）
- AI必要性：传统方法需数月，AI只需数分钟
- 准确率：90%+，远超传统方法
- 影响力：Nature封面，诺奖级突破
- 结果：彻底改变生物学研究范式
- 启示：强AI必要性+显著性能提升=颠覆性创新
关键洞察
- AI必要性评分：10.0/15.0（67%）
- AI必要性充分，值得投入
商业模式健康度 – 详细推理过程
得分: 7.2/10.0 (72%)
评分依据（知其然知其所以然）
步骤1：客户经济价值（LTV/CAC）是否健康？
- 观察到：LTV=1200.0元，CAC=120.0元，比率=10.0，优秀
- 为什么：LTV/CAC≥3，经济模型健康
- 结论：LTV/CAC得分：3.0/3.0
- 分数影响：+3.0分
步骤2：毛利率是否健康？
- 观察到：毛利率=65.0%，良好
- 为什么：毛利率≥50%，可接受
- 结论：毛利率得分：1.5/2.0
- 分数影响：+1.5分
对标案例
案例：Zoom（视频会议SaaS）（相似度75%）
- LTV/CAC比率5 (健康)-7倍
- 毛利率80% (优秀)+
- 回本周期：6-9个月
- NRR：130%（净留存率）
- 结果：疫情期间市值破千亿美元
- 启示：优秀的单位经济模型=可增长
关键洞察
- 商业模式健康度：LTV/CAC=10.0，毛利率=65.0%
- 商业模式健康，具备可性
透明化分析总结
本章节通过详细展示评分推理过程，帮助理解：
- 每一分是怎么来的：从观察到的事实 → 判断逻辑 → 最终结论
- 为什么这样评分：参考同类项目的实际结果。避免主观臆断。
- 存在哪些风险：提前识别潜在问题，提供缓解措施
- 如何改进优化：给出具体、可执行的改进建议
这种透明化分析，让评估结果更可信、更可操作。
对标案例分析（v4.0增强）
基于项目特征动态匹配的行业对标案例
成功案例参考
推想科技 (医疗健康 – 成长期)
- 相关度: 75%
- 成功因素: 临床验证, 医院渠道, 技术积累
- 可借鉴: 重视临床验证; 建立医院合作关系
关键启示
- 成功经验: 重视临床验证
专业框架深度分析（v4.0增强）
基于20+专业评估框架的多维度分析
框架评估总览
| 指标 | 数值 |
|---|---|
| 综合得分 | 52.5 / 80 |
| 得分率 | 65.6% |
| 评估框架数 | 5个 |
| 跳过框架数 | 2个 |
各维度评分:
- 行业分析: 🟢🟢🟢🟢🟢🟢🟢⚪⚪⚪ 26.5/35 (76%)
- 商业逻辑: 🟡🟡🟡🟡🟡⚪⚪⚪⚪⚪ 7.5/15 (50%)
- AI特性: 🟡🟡🟡🟡🟡🟡⚪⚪⚪⚪ 13.5/20 (68%)
- 团队执行: 🟡🟡🟡🟡🟡⚪⚪⚪⚪⚪ 5.0/10 (50%)
各框架评分详情
行业分析
🟡 产业链拆解框架: 12.5/20 (62%)
| 维度 | 得分 | 评价 |
|---|---|---|
| 上游议价能力 | 2.5/5 | △ 数据不足，使用默认评分 |
| 下游议价能力 | 2.5/5 | △ 数据不足，使用默认评分 |
| 价值链占比 | 5.0/5 | ✓ 毛利率65.0%，处于价值链核心环节 |
| 可替代性 | 2.5/5 | △ 数据不足，使用默认评分 |
🟢 市场天花板评估: 14.0/15 (93%)
| 维度 | 得分 | 评价 |
|---|---|---|
| TAM规模 | 5.0/5 | ✓ TAM达2100.0亿，超大市场空间 |
| 市场增速 | 4.0/5 | ✓ 年增速25.0%，快速增长 |
| 市场集中度 | 5.0/5 | ✓ CR5仅15.0%，分散市场，进入机会多 |
商业逻辑
🟡 需求三问验证: 7.5/15 (50%)
| 维度 | 得分 | 评价 |
|---|---|---|
| 需求真实性 | 2.5/5 | △ 数据不足，使用默认评分 |
| 需求强度 | 2.5/5 | △ 数据不足，使用默认评分 |
| 可解决性 | 2.5/5 | △ 数据不足，使用默认评分 |
AI特性
🟡 AI必要性三问: 13.5/20 (68%)
| 维度 | 得分 | 评价 |
|---|---|---|
| 问题复杂度 | 3.5/7 | △ 数据不足，使用默认评分 |
| 数据护城河 | 7.0/7 | ✓ 拥有独有数据源，数据飞轮形成 |
| AI能力独特性 | 3.0/6 | △ 数据不足，使用默认评分 |
团队执行
🟡 团队完整度评估: 5.0/10 (50%)
| 维度 | 得分 | 评价 |
|---|---|---|
| 创始人背景 | 2.0/4 | △ 数据不足，使用默认评分 |
| 团队完整性 | 1.5/3 | △ 数据不足，使用默认评分 |
| 执行记录 | 1.5/3 | △ 数据不足，使用默认评分 |
框架分析建议
优势领域:
- ✅ 市场天花板评估 (93%)
阶段建议: 建议完善商业模式设计，明确目标客户
三、风险评估
执行风险
- 团队行业经验不足3年
- 尚未开发MVP
- 未获得付费客户
饼图展示各维度得分占比，总分59.8/100，评级B
财务仪表盘展示3个关键指标：LTV/CAC=10.0，回本周期=3月，毛利率=0%
四、行动建议
建议做什么
- 项目有潜力,需补充关键信息
- 重点改进低分维度
- 建议优化商业模式,重点关注LTV/CAC比率
- 建议增强AI技术壁垒,建立数据飞轮
决策触发器
什么情况该止损
- 8周未达首单且用户复用<3次
- 技术方案无法实现关键功能
- 关键供应商服务中断且无替代方案
- 监管政策变化导致业务不合规
什么情况可以加注
- 出现用户自发传播(NPS>50)
- 被客户纳入标准工作流程
- 单位经济模型优于预期(LTV/CAC>5)
- 毛利率>70%且CAC回收期<3个月
五、接下来怎么做
| 时间节点 | 目标 | 成功标准 | 状态 |
|---|---|---|---|
| 2周 | 完成MVP并获得首批20个试点用户 | 20个活跃用户,日留存率>30% | 进行中 |
| 8周 | 达成首单或用户复用≥3次 | 至少1个付费客户或单用户使用≥3次 | 进行中 |
| 6个月 | 验证商业模式,达到10个付费客户 | 10个付费客户,LTV/CAC>3 | 进行中 |
六、项目原始资料
解决什么问题
中国青少年近视率52.7%～80%，每年平均增长50-100度。家长对孩子视力变化完全没有连续数据。医院验光一次150-300元，一年仅去1-2次远远不够。变化期的孩子真正需要的是每周测一次，出现风险及时预警。传统验光依赖医院设备。成本高（150-300元/次）、耗时长、无法连续监测。手机App无法提供准确屈光数据。市场缺少’可感知真实屈光变化’的随身产品。EyeQue类产品主观操作太多、精度不稳定、没有AI辅助判断机制。核心痛点：2.5亿0-14岁儿童家庭每年需要至少4次验光。总支出约1500-6000亿元。但无法实现连续监测和早期预警。
怎么解决
黑尖是一款微光路学+双缝虚拟物距扫描+AI自动对焦识别+多角度散光轴位估计智能随身屈光检测器。核心技术采用’红绿线重合法’，通过调整虚拟物距使红绿线重叠。反推屈光度。通过9个不同角度重复测试，计算散光度数和轴位。硬件包含双缝针孔、偏振滤光、平行光管、15mm微光学透镜。连接手机后，用户按按钮使红绿线合并，30秒内完成检测。可检测近视度数(S)、远视度数、散光度数(C)、散光轴位(Axis)、屈光变化趋势(△S/△C)、疲劳屈光波动指数(FVI)。已购置3D打印机可进行三维成型。
为什么要用AI
AI在本项目中承担关键的自动判断和数据分析角色。具有不可替代性。(1)AI自动对焦识别：传统验光需要验光师手动判断红绿线重合点。主观性强、误差大。AI通过计算机视觉算法自动识别最佳合焦位置，消除人为误差。提升精度。(2)多角度散光轴位估计：9个主子午线的数据需要复杂的数学模型融合。AI通过多模态融合算法(屈光+行为+时间)自动计算最优散光度数和轴位。(3)连续趋势预测：AI通过RefractiveTrendNet模型分析用户历史数据。预测近视进展趋势，提供个性化预警。(4)疲劳屈光波动指数(FVI)计算：AI实时监测多次测量的波动。判断视疲劳程度，这是传统验光无法实现的。(5)角度合焦评分模型：对每个角度的测量质量进行评分。自动筛选可靠数据。没有AI，这些功能需要专业验光师人工完成。成本高、效率低、无法规模化。
和别人有什么不同
与传统验光和竞品的核心差异：(1)vs医院综合验光仪：精度虽高但成本高(单次150-300元)、耗时长(30-60分钟)、无法家用。黑尖599-899元一次性投入，30秒完成，可随时随地使用。(2)vs眼镜店电脑验光：快速但易受疲劳影响、不连续。黑尖通过AI连续趋势模型补偿疲劳误差。提供周/月/季度趋势图。(3)vs手机App屏幕方法：只能估位置无法测屈光。黑尖通过硬件光学附件+双缝虚拟物距，实现真实屈光度测量。(4)vs EyeQue：主观操作多(用户手动调整红绿线)、精度不稳定±0.5D，黑尖AI自动识别+多角度扫描+角度合焦评分。精度可达±0.25D，并提供数据稳定性评分。(5)独有创新：疲劳屈光波动指数(FVI)、眼健康数字孪生报告、与’启明同学近视防控系统’B端对接能力。技术壁垒：微光路学设计+9角度散光扫描算法+AI多模态融合+连续趋势预测模型。
商业模式
- 卖给谁: 核心用户：(1)6-18岁青少年家庭。需频繁监测视力变化。用于OK镜/阿托品/户外干预效果追踪；(2)大学生/程序员/高频用眼群体。屏幕负荷重，易焦点波动；(3)老年群体。老花/白内障前期屈光波动监测；(4)眼科机构/视光中心。用于家庭远程随访和连续屈光数据库建立。
- 怎么收费: 硬件销售+订阅混合
- 单价: 749.0元
- 获客成本(CAC): 120.0元 [^5]
- 客户生命周期价值(LTV): 1200.0元 [^4]
- LTV/CAC比率: 10.00 [^6]
- 毛利率: 65.0% [^7]
- 回本周期: 3.0个月
技术方案
- 核心技术: 微光路学（micro-optics）+ 双缝虚拟物距扫描 + AI自动对焦识别 + 多角度散光轴位估计。核心机制：红绿线重合法（Red-Green Line Convergence）。通过改变红绿线虚拟位置使其重叠，反推屈光度。光学系统包含：双缝针孔、右偏振滤光、狭长管平行光束、15mm微光学透镜。
- 模型依赖: 自研AI模型（Auto Refraction AI + Meridian Score Model + RefractiveTrendNet）
- 数据来源: 用户自测数据 + 医院验光数据（对标校准） + 时间序列行为数据
- 数据规模: 预计每用户每月4-12次测量。年均48-144条数据点。
- 数据飞轮: 有
团队情况
- 核心成员数: 1人
- 行业经验: 1.0年
- 技术能力: 已购置3D打印机。可进行光学部件三维成型。具备产品设计和PRD文档能力。
- 试点用户: 0个
- 付费客户: 0个
本报告由AI项目评估系统自动生成
生成时间: 2025-11-30 11:45:41
作者: huanwang.org
数据来源与引用
本章节列出报告中所有数据的来源。确保评估过程的透明度和可追溯性。
市场规模 – 数据来源
[1] 用户提供
- 数据点：SOM: 50.0亿元
- 来源：项目申报材料 – market.som
- 可靠性：高（一手数据、官方数据、实测数据）
- 验证方法：用户填写，未经外部验证
- 说明：建议核实关键数据的真实性
[2] 用户提供
- 数据点：TAM: 2100.0亿元
- 来源：项目申报材料 – market.tam
- 可靠性：高（一手数据、官方数据、实测数据）
- 验证方法：用户填写，未经外部验证
- 说明：建议核实关键数据的真实性
市场结构 – 数据来源
[3] 用户提供
- 数据点：CR5: 15.0%
- 来源：项目申报材料 – market.market_concentration
- 可靠性：高（一手数据、官方数据、实测数据）
- 验证方法：用户填写，未经外部验证
- 说明：建议核实关键数据的真实性
商业模式 – 数据来源
[4] 用户提供
- 数据点：LTV: 1200.0元
- 来源：项目申报材料 – business.ltv
- 可靠性：高（一手数据、官方数据、实测数据）
- 验证方法：用户填写，未经外部验证
- 说明：建议核实关键数据的真实性
[5] 用户提供
- 数据点：CAC: 120.0元
- 来源：项目申报材料 – business.cac
- 可靠性：高（一手数据、官方数据、实测数据）
- 验证方法：用户填写，未经外部验证
- 说明：建议核实关键数据的真实性
[7] 用户提供
- 数据点：毛利率65.0% (优秀)
- 来源：项目申报材料 – business.gross_margin
- 可靠性：高（一手数据、官方数据、实测数据）
- 验证方法：用户填写，未经外部验证
- 说明：建议核实关键数据的真实性
单位经济模型 – 数据来源
[6] 系统计算
- 数据点：LTV/CAC比率10.00 (健康)
- 来源：系统计算：LTV / CAC
- 可靠性：高（一手数据、官方数据、实测数据）
- 验证方法：基于输入数据计算：LTV=1200.0元, CAC=120.0元
行业标准 – 数据来源
[8] 行业标准
- 数据点：医疗AI诊断准确率要求≥95%
- 来源：行业标准：NMPA医疗器械AI软件审批指南
- 可靠性：高（一手数据、官方数据、实测数据）
- 验证方法：行业公认标准
- 说明：国家药品监督管理局 2019年发布
数据可靠性说明
| 等级 | 说明 | 示例 |
|---|---|---|
| 高 | 一手数据、官方数据、实测数据 | 用户提供的实测数据、官方财报 |
| 中 | 行业报告、公开资料、合理推测 | 行业研究报告、公开新闻 |
| 低 | 估算数据、间接推导、存在假设 | 市场估算、间接推测 |
| 未知 | 来源不明或未验证 | 来源不明的数据 |
本报告由AICompass v4.0增强版生成
增强功能: 自适应内容深度 | 投资决策参考 | 动态对标案例