AI推荐生命科学 2026：40 个封顶品类面板及其背后的引用数据

TL;DR

商业负责人截屏了一份关于“最佳超声诊断仪”的回答。里面有十四个名称，却没有一个是自家的。人们的直觉反应往往是将这份名单视为一份市场普查结果——或是公司未入围的某种排名。但事实两者皆非。

VayoMed Research 计算了 40 份公开的“AI 推荐”（AI Recommends）品类报告（包含 541 个存储的推荐品牌位置；经轻度标准化后为 415 个独立名称）以及 188 份公开的品牌报告，获取时间为 2026 年 8 月 15 日。品类快照的时间跨度为 2026 年 2 月 17 日至 6 月 6 日；其中大部分生成于 6 月 6 日。推荐品牌面板​并非原始模型列表​：第二个 Gemini 提取步骤合并了四个回答，按平台数量和提及次数对名称进行排序，并最多存储 15 个。这是一个受跟踪、有上限的数据集，而非网络上每个生命科学回答的实时普查 [1][2]。

数据测量显示：

• ​存储的面板并非上市批准登记簿。​ 诊断超声产品代码 IYN、IYO 和 ITX 包含 2,475 条 FDA 510(k) 记录和 620 个独立申请人。“最佳超声诊断仪”报告存储了 14 个字符串——且其中部分字符串是产品名称（Lumify、Soloscan、DRSONO），而非制造商 [1][3][4]。
• ​设上限面板内部的集中度呈现两种形态。​ 在 415 个独立名称中，有 358 个（86%）仅出现在一个被跟踪的品类面板中。十个标准化名称占据了五个或更多的存储位置：Philips 15、Siemens Healthineers 10、GE HealthCare 10、Medtronic 8、Mindray 6、Canon Medical Systems 6、Roche 5、Abbott 5、Epic Systems 5、NextGen Healthcare 5。这些是面板占用次数统计，而非市场份额 [1]。
• ​存储的 15 个名称的面板并不代表 15 个模型达成一致。​ 在 541 行中，有 211 行（39%）归属于单一平台；有 143 行归属于三个或更多平台。由于数据管道在施加上限前优先考虑多平台共有的名称，因此这些比例描述的是筛选后的面板，而非原始回答中的每一个名称 [1]。
• ​品类回答的引用极少指向存储的推荐品牌域名。​ 在四个模型回答的 1,689 个引用 URL 中，有 209 个（12.4%）解析为推荐品牌自己的网站。十一个落在“权威机构”类别中。另有 372 行（22.0%）是 vertexaisearch.cloud.google.com——这是 Gemini 的接地封装层，而非出版商 [1][5]。
• ​12.4%/98.5% 的对比是描述性的，而非因果性的。​ 另一项在 2026 年 8 月对品牌名称搜索进行的新闻稿研究发现，自有网站引用率为 98.5%。这些研究使用了不同的查询集和采样设计，因此它们展示了与查询语境的强烈关联；它们并未分离出查询类别作为原因 [6]。
• ​该数据集无法检验搜索量与原始列表长度的关系。​ 在 40 个存储面板中，有二十七个触及了数据管道的 15 个名称的上限。aiSearchVolume 字段是一个独立的供应商指标，且上限处的计数属于右截尾数据 [1]。
• ​包含 188 个品牌的面板是一座金字塔，而非普查。​ 提及次数总计 246,397。前 10 个品牌占据了 55.3% 的提及次数；前 20 个占据了 73.4%。二十四个报告的提及次数为零；47 个的提及次数少于十次。可见度得分中位数为 44 [1]。

Google 对 AI Overviews 和 AI Mode 的公开说明是：它们会展示链接，可能使用查询扩展，并且使用与搜索相同的有用内容及技术要求。不存在单独的申请表。我们不会对无法看到的排名算法做出断言 [7]。

运营结论是收敛的。一家在“最佳 X”截图里未被提及的公司，并没有从市场中被抹去。它只是没有出现在某次带有特定日期的模型回答中，或者没有进入该数据管道设上限的衍生面板。能够改善买家和检索系统可获取的公开证据的工作——自有页面、基于源事实的文章、按月更新的公开记录、受监控的查询——才是增长引擎。但这并不是保证一定出现在 ChatGPT 中的承诺。

1. 该数据集的本质与局限

​核心要点：​ 40 份带有日期标注的品类报告与 188 份带有日期标注的品牌报告此前已公开发布。截图仅反映 generatedAt 戳记时刻的观察结果，并非排名、实时抓取或行业普查。

本文中凡未归因于 FDA、Google 或此前 VayoMed 深度研究报告的数据，均源自 2026 年 8 月 15 日对两个公开数据集的一次计算调取 [1][2]：

• ​40 份品类报告​：属于 VayoMed 的“AI 推荐”（AI Recommends）集合。每份报告包含一个查询词（如最佳超声诊断仪、最佳 GLP-1 减肥药物、最佳 FDA 510k 咨询公司及其他 37 个查询词）、一个 generatedAt 生成时间戳、一个衍生出的 recommendedBrands 推荐品牌榜单、存储自 ChatGPT、Claude、Gemini 与 Perplexity 的 llmResponses 大模型回复、这些回复内部包含的引用 URL，以及一个独立的 sourceDomains 来源域名字段。该榜单通过 Gemini 的第二次提取处理生成，跨平台汇总后按平台覆盖数及提及次数进行排序，上限为 15 个。
• ​188 份品牌报告​：针对知名企业。每份报告包含一个可见度得分（文件中为 0–100）、一个总提及次数以及各平台卡片。这些数据构成了 /ai-visibility 处的公开榜单，并非私有审计转储数据。

品类报告的 generatedAt 时间戳高度集中。其中 31 份报告生成于 2026 年 6 月 6 日，8 份生成于 2026 年 2 月 17 日，另有一份（全球超声维修服务）生成于 2026 年 6 月 2 日。生成式回答具有不确定性（non-deterministic）；在 8 月截取的屏幕截图与 2 月标记时间戳的 JSON 文件并不匹配，我们对此坦诚不公。品牌报告则包含更晚的时间戳（若干零提及文件的日期为 2026 年 6 月 25 日）。请将所有列表视为​时间戳标记时刻观察到的结果​，而非当前的实时排名。

llmResponses 内部存储的模型集合覆盖 4 个平台，每个平台包含 40 条回复，共计 1,689 行引用：

引用​数量​属于平台习惯差异。在相同的 40 个查询词中，Claude 输出的引用行数几乎是 ChatGPT 的三倍。将这些引用行混合至同一个数据池中，对于回答“存储的生成回复指向了何处”是有效的；但若用于回答“哪个出版商对 Google 最重要”，则是无效的。

报告本身还存在第二个陷阱。部分 metrics.byPlatform 卡片仅列出了 Google AI Overview 与 ChatGPT，然而底层存储的回答依然包含 Claude、Gemini 和 Perplexity。我们采用的是存储的回复及其引用 URL，并不将摘要卡片视作完整的模型集合 [1]。

Google AI Overview 是一个真实的展示界面，Google 官方说明了 AI Overviews 与 AI 模式如何与搜索联动：它们会展示支持性链接，可能会针对子主题发起查询扩展（query fan-out），并要求网页在常规搜索技术规则下已被收录且具备摘要资格（snippet-eligible）。并不需要特殊的额外优化，同样适用以用户为中心的高质量内容标准（people-first content bar）[7][8]。该数据集并未像存储 ChatGPT 和 Claude 引用那样存储 AI Overview 的引用 URL。当我们讨论“回答引用了什么”时，指的正是这 4 个已存储大模型回复内部的 1,689 个 URL。

这 40 个查询词并非全生命科学领域语言的随机抽样。它们是 VayoMed 此前已公开追踪的品类提示词：影像硬件、数字医疗软件、诊断平台、临床运营工具、法规咨询服务、合同研究组织（CRO）、一项制药类查询、一项生物制品类查询。选词本身就代表一项研究发现：在存在对比博客的品类中，“最佳 X”（best X）搜索引擎的表现更像对比博客引擎；而在 Drugs.com 及世界卫生组织（WHO）页面普及的领域，其表现则更像药品单篇指南（drug-monograph）引擎。详细清单如下：

在 40 个榜单中，有 27 个刚好包含 15 个名称，因为 15 是存储上限。观察到的下限为 6（CT、MRI、GLP-1）；存储长度的中位数为 15；范围在 6–15 之间；总计 541 行 [1]。数量为 15 的数据属于右删失（right-censored）：原始并集可能更长。数量低于 15 的数据同样取决于二次提取器的召回率。

这些报告的公开副本属于证据层，而非最终产品本身。读者无需付费购买任何服务，即可打开超声品类报告及底层的品牌报告 [2][9]。但读者不能做的是：将 6 月的快照视作当前排名、从设有上限的榜单中推导原始模型列表长度，或是将 sourceDomains 指标简单相加至引用计数中——这最后一个错误将在第 6 节中详述。

2. 候选名单并不等同于注册登记库

​核心要点：​ 在三个诊断用超声产品代码中，共有 620 个独立的 510(k) 申请人，而单项衍生名单中仅包含 14 个名称字符串。该名单规模远小于 FDA 申请人集合，且并非抽样自该集合。

FDA 510(k) 属于上市前通告。实质等同性判定指令仅​许可（clears）​医疗器械进行商业分销；它并非批准（approve）该医疗器械 [10]。诊断用超声系统及探头通常归属于三个分类产品代码之下，且这三个代码常共同出现在同一次申报中 [4][11][12]：

这三类均属于 II 类放射学医疗器械。我们提取了 FDA 可下载的 510(k) 文件，并统计了产品代码为 IYN、IYO 或 ITX 的每一行记录：共计 ​2,475 条记录，包含 620 个独立的申请人名称字符串​ [3]。该申请人数量并不代表 620 家独立公司——子公司、名称变更以及“Inc.”等变体拉高了这一数值——但它是公开的备案注册库，也是该行业中最接近基数（denominator）的数据来源。

在 2026 年 6 月 6 日生成的“最佳超声仪”报告中，列出了 14 个字符串 [9]：

请将该表格视为源自四代模型的​数据管线产物​，而非制造商普查统计。

​公司名称与产品型号（SKU）混存于同一名单中。​ Lumify 是飞利浦（Philips）的一款手持超声，映射于 philips.com，且仅归因于 Perplexity。Soloscan 和 DRSONO 是产品品牌字符串，而非 510(k) 记录行中所记载的申请人名称。GE 和 GE HealthCare 属于同一家公司，之所以被拆分，是因为我们的标准化工具合并了“GE Healthcare”/“GE HealthCare”，但保留了孤立的“GE”未做处理。Butterfly 和 Butterfly Network 是同一家公司，被重复统计了两次。Canon 以“Canon”形式出现，而非“Canon Medical Systems”。这些均是由二级提取器恢复的词元（tokens），并非经过清洗的原始设备制造商（OEM）注册名录。

​模型共识度极低。​ 在所有存储的四款模型中，仅迈瑞（Mindray）同时被全部提及。Clarius 被三款模型提及。在 14 个字符串中，有五个仅出现在单一平台上。截图 Claude 的买家与截图 ChatGPT 的买家看到的绝非相同的 14 个名称。

​存储的引用来源并未指向 510(k) 注册库。​ 存储的 ChatGPT 回答引用了一篇《Medical Design & Development》产品公告以及两条 Reddit 帖子。存储的 Claude 回答引用了 todopocus.com、marcroftmedical.com、ultrasoundportables.com、elzhen.com、pref-med.com 上的手持超声盘点文章，以及 DRSONO 自家的“Top 5 Clinical Ultrasound Machines”博客。存储的 Gemini 回答的引用 URL 几乎完全是 vertexaisearch.cloud.google.com/grounding-api-redirect/... 包装链接，其显示标题指向翻新器械及经销商网站（sentinelimaging.net、heartmedical.com、probomedical.com）。这些附加的引用仅揭示了一个对比/经销商圈层，而非 PMN96CUR.ZIP 中的申请人列；它们并不能证明哪些未露出的来源影响了模型的生成结果 [3][9]。

我们将这 14 个字符串与 510(k) 申请人名称进行了模糊匹配。多家现有头部企业匹配成功（Mindray、Philips Ultrasound、Siemens Medical Solutions、Samsung Medison、GE、Clarius、Butterfly Network、FUJIFILM Sonosite）。而 Lumify、Soloscan 和 DRSONO 则无法匹配为申请人字符串——因为它们本身就不是申请人字符串。我们并不是说模型“忽视了 606 家超声厂商”。我们的结论更为精确且更具实用价值：​存储的名单规模远小于 FDA 申请人集合，且并非抽样自该集合。​

针对手术机器人（robot / 计算机辅助手术分类名称）扩大检索范围后，得出 3,170 条 510(k) 记录行和 1,004 个申请人，对比 AI 提出的 15 个名称。该检索范围过于宽泛——拉取了许多不属于医院采购人员所理解的“手术机器人”范畴的器械——因此我们未将其作为主标题探讨。但在趋势方向上，它与超声领域如出一辙：模型给出的答案是一份简短的 SKU 与平台列表，而非获批上市的普查名录。

与此相邻的深度研究问题是，在获得上市许可​之后​，公司自身官方网站上的情况如何。在 2026 月的商业就绪度审计中，60 个首次获批的非美国 510(k) 申请人中有 56 个可以关联到官方域名，但仅有 27 / 60 在界定的页面集合中能找到最新获批的产品词条，且仅有 3 个能找到 510(k) 编号（K-number）[13]。一家公司完全可能已在注册库中备案并拥有官方网站，但依然未能向 AI 模型提供任何可供引用的检索内容。这也是候选名单与普查名录截然不同的另一半原因。

在同一天生成的便携式超声姊妹查询中，列出了 15 个字符串，并重复了同样的混淆：Mindray、Philips、Clarius、Butterfly Network、Butterfly、GE HealthCare、GE，以及 Exo、Sonoscanner、Clarius Mobile Health、Philips Healthcare、Fujifilm Sonosite、DRSONO、EchoNous、Suresult。其中 Clarius 有三个标签，Philips 有两个，Butterfly 有两个，GE 有两个。模型只是在列出从手持超声盘点文章中检索到的内容，而并未对企业股权关系树进行归并梳理 [1]。

3. 集中度的两种表现形式

​核心要点：​ 在设上限的衍生面板中，86% 的独立名称仅出现在一个被追踪类别中，有 10 个名称占据了 5 个或更多席位。该指标衡量的是面板重复出现度，而非企业专业化程度或市场份额。

在 40 个查询中，共有 541 个推荐品牌席位。在合并了一份简短的明显对应品牌对——Philips / Philips Healthcare、GE Healthcare / GE HealthCare、Siemens / Siemens Healthineers、Abbott / Abbott Laboratories、Roche / Roche Diagnostics、Canon / Canon Medical Systems、Epic / Epic Systems——之后，共有 ​415 个独立名称​。其中 358 个（86%）仅出现在一个被追踪类别中。57 个出现在两个或更多类别中。10 个占据了 5 个或更多席位 [1]。

在面板内部，这 358 个仅涉及单一类别的名称构成了长尾分布：手持产品 SKU、账单软件供应商、510(k) 咨询公司和数字病理平台。其中某些可能属于专业厂商；设上限的数据无法证实这一点。某个名称仅出现一次，也可能是因为提取器遗漏了某种变体，或者另一次出现低于 Top-15 的截断线。稳妥的结论在于重复出现度，而非企业业务焦点。

重复出现的名称则是支柱。

席位数与查询数之所以存在差异，是因为同一份报告有时会同时列出“Philips”与“Philips Healthcare”、“Epic”与“Epic Systems”、“Abbott”与“Abbott Laboratories”。轻度归一化合并了​字符串​，但在单个查询同时给出两种变体时，仍会对​席位​进行重复计数。因此，Philips 的 15 个席位跨越了 12 个独立查询：CT、数字病理学、超声维修、医疗器械公司、MRI、PACS、患者监护、便携式超声、顶尖器械公司、超声诊断仪、呼吸机、X光。这依然展现了一个跨类别的影像与监护业务体系，而非 15 个独立的市场。

Abbott 的 5 个席位跨越了 3 个查询。Epic 的 5 个席位跨越了 3 个软件查询。NextGen 的 5 个席位则对应 5 个不同的数字医疗查询，且不存在单查询内的重复列出。因此，该图表采用的是​存储席位​轴，而非类别轴。少数席位属于同一面板内部的名称变体重复；“独立查询数”列揭示了这一效应。

在 5 个及以上席位数这一界限下方，占据 2 至 4 个席位的名称展现出了更为清晰的产品系列脉络。Tebra 和 AdvancedMD 各出现在 4 个数字医疗查询中（电子健康档案 EHR、医疗软件、医疗账单管理、诊所管理）。Johnson & Johnson 出现在器械、手术机器人及“顶尖器械公司”中。Thermo Fisher 和 Illumina 出现在实验室器械与分子诊断查询中。Clarius、Butterfly Network 和 DRSONO 各出现在两个超声查询中——SKU 层级与 OEM 层级并存重复。Emergo by UL 则出现在两个咨询类查询中。这体现的是业务相邻度（adjacency），而非对市场的全面统治。

该图表旁应当附有三项方法论局限说明，而非将其隐藏于脚注中。首先，归一化尚不完全：Butterfly 与 Butterfly Network、GE 与 GE HealthCare、Stryker 与 Stryker Corporation、athenahealth 与 Athenahealth 仍作为独立名称存在。其次，我们未将具体 SKU 合并至母公司下（如 Lumify → Philips、Hugo RAS → Medtronic、Mako → Stryker）。第三，在进行此项跨类别统计之前，每个面板均已完成了排序和设上限处理。我们保留提取出的原始字符串展示，是因为它们是已发布报告中所存储的真实数据，而非为了精确复现每一条原始回答。

具备商业洞察的解读并不是“AI 偏爱西方”。数据表明了一种相关性：重复出现的名称往往存在于引用了对比测评出版商、经销商及软件汇总盘点的回答中。语料库并不能证明是这些页面直接导致其被纳入面板，且 Top-15 排序本身也更青睐从更多平台中提取出来的名称。

4. 共识名称与单平台名称

​核心结论：​ 在已存储的前 15 个榜单中，541 行中有 211 行（39%）归属于单一模型，有 143 行归属于三个或更多模型。每个榜单的单平台占比中位数为 40%。这些数值是在优先排列多平台名称的排序后得出的描述性数据。

每个推荐品牌行均存储了 mentionedBy 字段——即四个已存储模型中是哪一个提及了该字符串。汇总 541 行数据 [1]：

中位数类目的列表中有 40% 的名称来自单一模型。平均值也处于类似区间。相较于平均值，极值情况更具参考价值。

​截断榜单内呈现高单平台占比。​ best FDA 510k consulting firms：15 行中有 12 行为单平台；仅有 1 行达到 3 个及以上。best pharmacovigilance software：15 行中有 12 行。global ultrasound repair：15 行中有 11 行，且达到 3 个及以上的行为零。best PACS systems 与 best practice management software：15 行中有 10 行。内窥镜系统：15 行中有 9 行，且达到 3 个及以上的行为零。这些榜单显示出保留行在不同模型间的跨模型重合度较低；但它们并不能表明某个模型为了凑满 15 行而进行了“填充”。

​低单平台占比。​ GLP-1 药物、胰岛素泵、CT 扫描仪、MRI 扫描仪、分子诊断、实验室设备供应商、CRO 及法规咨询机构在已存储榜单中的单平台行数均为零。这些榜单篇幅更短（6–13 行），且展现出更高的一致性。数据集能够描述这一模式；但无法确定造成该模式的原因究竟是“公共共识规范”、提取器行为还是回答格式所致。

超声领域居于中间水平：14 行中有 5 行为单平台，14 行中有 2 行被 3 个及以上平台提及（迈瑞 Mindray 和 Clarius）。如果在“ChatGPT 列表”中找不到某位创始人，其可能会出现在 Gemini 上，或以 SKU 字符串的形式存在，抑或在所有平台上均未出现。单张截图只是特定模型在单日的一个样本。

这也是为什么“我如何才能进入 ChatGPT 推荐榜单”是一个错误的目标设定。ChatGPT 的 40 个已存储回答附带了 251 个引用；Claude 的 40 个回答附带了 741 个引用。四个模型的并集是一个与任何单一模型的列表截然不同的对象。花钱去追逐单张截图，本质上是在针对非确定性并集中的一次随机抽样进行优化。

Google 自身的官方文档已明确告知网站所有者，不要期待存在单独的 AI-Overview 申请流程：获选资格取决于索引编制、摘要资格以及优质实用内容 [7][8]。本文中的四个 LLM 列表就更算不上什么申请流程了。它们只是基于检索器返回的任意内容所生成的输出。

5. 存储回答实际引用的内容

​核心要点：​ 在品类回答的引用中，有 12.4% 指向存储的推荐品牌官网；22% 为 Gemini 的 Vertex 封装页面；权威域名共有 11 行。另一项独立的品牌词查询研究显示，官网引用占比为 98.5%。这一对比差距显著，但并不构成受控因果测试。

这 1,689 条引用数据行是存储的模型回答实际附带的 URL。我们通过域名启发式规则对其进行了分类归包：优先对 Gemini 的 Vertex 封装页面进行分类；其次，与存储的推荐品牌域名相匹配的主机算作品牌官网；接着，通过简短列表覆盖权威机构、期刊、新闻通讯社、点评网站、维基百科、YouTube、Reddit、社交平台和对比博客主机；其余所有内容归为 other_web [1]。

三项解读，按其对商业计划的影响程度从高到低排列。

​首先，官网引用占比在此处为 12.4%，而在另一项独立的品牌词查询研究中为 98.5%。​ 在 8 月 2026 日的新闻稿基准测试中，针对某生命科学品牌跨 6 个生成式平台进行的 1,440 个关键词检索显示，在 458 条引用数据行中，有 451 条（98.5%）指向该品牌的官网。在该项检索中，4 条新闻通讯社引用均出现在针对该公司​名称​的查询中；而该研究中的无品牌品类查询未产生任何新闻稿引用 [6]。这一对比具有参考价值，但两个数据集在品牌、查询集、生成平台及采样方式上存在差异。它支持了关于查询上下文的假设，但未能证明仅改变查询类型就会导致占比从 12.4% 变化为 98.5%。

这一对比正是本文作为公关论文补充而非替代品的原因所在。新闻通讯社分发能够为经批准的语言表述建立稳定、公开的副本。在这些观察中，新闻通讯社 URL 在“最佳 X”引用中非常罕见，自有网页在独立的品牌词查询样本中占据主导地位，而第三方对比主机在品类回答周围十分常见。这是一种规划信号，而非保证发布任何单页就能改变模型输出的承诺。

​其次，被引用次数最多的单一主机并非出版商。​

1,689 条中的 372 条（22.0%）是 vertexaisearch.cloud.google.com 上的 Gemini grounding 重定向链接。Google 在文档中将“Grounding with Google Search”（使用 Google 搜索进行 grounding）描述为返回支持性链接的检索步骤；此文件中的存储 Gemini 回答将这些链接展示为 grounding-API 重定向 URL，其显示标题有时会标出底层出版商的名称 [5]。将此封装页面误认为是“Google 是出版商”属于理解偏差。将其误认为是 372 个额外的 FDA 页面则是更严重的误读。它只是 Gemini 的引用传输载体。将其剥离后，剩余的主机列表均为对比网站、市场调研机构、二手影像设备经销商、维基百科、YouTube 以及培训出版商。

封装页面下命名的主机才是品类回答实际的检索邻域：

• ​medsoftwares.com​（21）与 ​getreskilled.com​（15）是软件培训/供应商名录出版方。
• ​verifiedmarketresearch.com​（20）、​marketsandmarkets.com​（18）以及 ​researchandmarkets.com​（9，恰好未入榜）是付费市场调研页面，在“最佳[品类]市场”相关搜索中占据排名。
• ​blockimaging.com​（19）是一家发布选购指南的二手与翻新影像器械经销商。超声和CT解答借用了经销商的内容。
• ​ultrasoundportables.com​（9）与 ​sonoransurplus.com​（9）在手持和库存/二手渠道中也呈现出相同的模式。
• ​quanticate.com​（14）和 ​elexes.com​（9）是获得推荐的品牌，其​自有​网站作为引用来源出现——这相当于12.4%这一分类的微型缩影，主要集中在咨询和CRO搜索查询中，在这些查询中，“最佳X”页面通常由评估名单上的机构撰写。
• ​drugs.com​（12）之所以出现，是因为GLP-1查询属于药品专论查询，而非器械推荐列表查询。

被标记为 comparison_blog 的分类仅有 12 行，原因在于分类器中的主机列表较短。许多盘点推荐文章落入了 other_web 分类。在分离出 372 行包装层数据后，还剩 ​976​ 行剩余数据：经销商博客、SaaS汇总、厂商撰写的“前 10 强”文章（包括DRSONO引用drsono.com）以及未标记的主机。若进行人工打标则会改变饼图切片占比。能够成立的论断是描述性的：在这一品类解答语料库中，第三方页面非常常见。

​第三，权威来源匮乏，而 11 行的分类中绝大部分是 PMC。​ 分类器在检测期刊​之前​，会将任何包含 nih.gov、fda.gov、who.int 及类似字样的主机视为权威来源。在 11 行权威来源数据中，有九行是 pmc.ncbi.nlm.nih.gov，一行是 accessdata.fda.gov（FDA 的认可 510(k) 第三方评审机构列表，在咨询类查询中被引用），一行是世界卫生组织（WHO）的 GLP-1 问答 [14][15]。在应用该规则后，peer_review 中仅剩三行——全部为 nature.com。FDA.gov 并未出现在主机排行榜上。在“最佳超声机”搜索中，510(k) 准入/上市许可页面作为引用来源几乎不可见，这与第 2 节一致：模型并未在读取注册数据库。

12.4% 的官网/自有站点数据属于​域名后缀启发式推断​，而非法律实体匹配。这可能会低估区域或分销商域名，并高估通用域名上的无关主机。我们通过在品牌域名后缀匹配之前对 Vertex 包装层进行分类，修正了先前的排序缺陷；该修正将七个包装层 URL 从先前的官网/剩余分配中移出。修正后的计数为 209 / 1,689。

新闻与发稿电讯（wire）合计为 21 行（1.2%）。这一比例属实且偏小。这符合公关研究论文的观察结论，即联合分发长尾域名并未作为 AI 引用来源出现，而自有页面在​品牌类​查询中则有所体现 [6]。品类查询也不会突然开始引用美通社（PR Newswire）等通稿副本。

谷歌对网站所有者的指南依然是任何人所能坦诚宣称的上限：按常规规则在搜索中展现；AI 功能随后可能会浮现支持性链接；在 Search Console 中进行测量；不要凭空捏造独立的排名产品 [7][8]。

6. sourceDomains 并非引用

​核心要点：​ YouTube 的 15,444 项 sourceDomains 指标与 1,689 个引用 URL 是不同的字段。将它们相加会捏造出虚假结论。供应商提供的 sourceDomains 指标的确切含义和采集方法并未通过这些 JSON 文件得出，因此本报告不会将其重新标记为开放网络流行度。

每个品类报告都存储了带有 mentions 计数的 sourceDomains[]。在 40 个文件中进行汇总后，该叠加层数据主要被大型消费者和招聘主机所占据 [1]：

该字段紧随其后的主机为 Reddit（约 8,800 个）、Indeed、维基百科（Wikipedia）、LinkedIn、ZipRecruiter、福布斯（Forbes）、GoodRx、美国劳工统计局（BLS）以及 PMC。在缺乏本研究数据包中供应商文档的情况下，这些数值无法被解读为搜索量、引用次数，抑或是主题讨论分布的完整图谱。它们仅为一个独立的存储指标，并非附加在解答上的 URL。

大语言模型（LLM）解答中作为​引用来源​主机的 YouTube 仅有 18 行（1.1%）。而作为 sourceDomains 叠加层的 YouTube 则有 15,444 次提及。将这两句表述混为一谈会得出“AI 引用 YouTube 15k 次”的结论，而本文件并未显示这一点。Reddit 在引用来源中仅占 9 行，相比之下其在叠加层中的提及数则达数千次。Indeed 和 ZipRecruiter 作为引用来源几乎不存在，却在叠加层中占据主导地位，原因在于“最佳医疗软件”和“最佳诊所管理软件”等检索词渗透到了招聘网站的语言范畴中。

我们将这两个字段保留在独立的图表中，是因为那种诱导性的错误解读极具吸引力。供应商指标体量巨大；而引用层则是附加在存储解答上的更小、且可直接核查的 URL 集合。该集合包含对比类主机、372 个包装层，以及占比 12.4% 的官网/自有站点分类。

如果供应商向您展示了一个标有数万次“AI 提及”的仪表板图块，请询问这究竟是哪一个字段。如果排名第一的域名是 YouTube，而查询词是“最佳超声机”，您看到的很可能是叠加层数据。如果排名第一的域名是经销商博客或 Vertex 重定向链接，您看到的才是引用数据。

7. 188个品牌的提及率金字塔

​核心结论：​在VayoMed包含188份品牌报告的公开样本库中，提及率前10的品牌占据了246,397次被追踪提及总数的55.3%。其中有二十四份报告的提及数为零。入选样本库并不等同于具备可见度，而在品牌报告中具备可见度，也不等于能进入细分品类的候选名单。

这188份文件均系公开资料。它们构成了一个​样本库​：即VayoMed已在追踪的企业，且偏向于已存在于语料库中的公司。赛默飞世尔（Thermo Fisher）获得42,177次提及，并不意味其占据了生命科学行业17%的份额；这仅代表赛默飞世尔占​该样本库提及总量​的17%（42,177 / 246,397）。样本库的构成属于方法论层面发现，而非干扰因素 [1][2]。

前20个品牌的份额为73.4%。在这些文件划定的0–100分值范围内，可见度得分的中位数为44。这些得分是追踪快照中的客观观测值，而非我们出售的排名。

接下来的十个品牌包括 QIAGEN、Boston Scientific、Agilent、Stryker、GE HealthCare、Bio-Rad、Becton Dickinson、ResMed、Grifols、Fujifilm。这与细分品类既有头部企业的重合是局部性的：Philips、Medtronic、Abbott、Roche、GE HealthCare 在两边均有出现。Thermo Fisher 和 Quest 在​品牌报告​金字塔中占据主导地位，是因为该样本库涵盖了生命科学工具及诊断领域的企业，而40个“最佳X”查询对此类企业仅略有涉猎。礼来（Eli Lilly）出现在这里，是因为 GLP-1 属于该品类集且礼来是被追踪品牌；礼来并不是15品类中的影像医疗器械头部企业。不同的问题，对应着不同的集中度。

这24份零提及报告均已公开。在25年6月2026日的时间戳标记下，包含 SIUI、Landwind、Sonostar、Aohua Endoscopy、Wandong、Jafron Biomedical、Shandong Weigao、Sansure Biotech、Getein Biotech 等公司——其中许多是总部位于中国的医疗器械及 IVD 制造商。它们之所以进入样本库，是因为它们属于与FDA相关的商业实体，而非因为英文 AI 回答中已经对它们展开了讨论 [16]。在该追踪窗口内的零提及并非一种道德判断，而是一项客观度量：在报告背后的被追踪查询中，已存档的显示页面未提及该品牌名称。

更精准的商业要点在于​品牌报告与细分品类候选名单之间的差距​。Chison Medical 的公开品牌报告记录了137次提及和45的得分（并非为零），但 Chison 依然未能出现在14个超声品牌名称字符串之中 [17][9]。SonoScape 的公开报告记录了4次提及和15的得分，但 SonoScape 同样未进入该候选名单 [18]。SIUI 的公开报告则记录了0。三家影像医疗器械 OEM 厂商，三种不同的提及强度，但在“最佳超声诊断仪”（best ultrasound machines）这一查询上却面临共同的结果：未被提及。获得准入资格与入选样本库，并不代表就能自动锁定品类榜单中的席位。

我们在本文中不会公布未公开的具体客户账户得分。本节中提及的所有公司均已拥有公开报告。这一金字塔反映的正是公开样本库的真实面貌。未列入这188家的公司并非“低于零分”，而仅仅是不在当前这张表格中。

8. 为什么该数据集无法用于检验搜索量与列表长度的关系

​核心要点：​ 在存储的 40 个面板中，有 27 个触及了报告生成管线设定的 15 个名称上限。这些观测值属于右删失数据，因此无法支持“搜索量能够或不能预测原始答案列表长度”的说法。

被追踪的 aiSearchVolume 字段是随每个快照一同存储的供应商指标。研究数据包对其数据采集方法的界定尚不够充分，因此不能将其直接视作流量。更重要的是，recommendedBrands 管线会对每个模型的回答进行二次 Gemini 提取、汇总名称、按平台数量和提及次数排序，并返回 brands.slice(0, 15)。因此，存储计数为 15 代表“在上限截断前检索到了 15 个或更多”，而非“模型恰好生成了 15 个”。该表格适用于数据质量审计，而非相关性检验 [1]：

GLP-1 面板存储了 6 个高一致性行，而咨询类面板存储了 15 行，其中有 12 个单平台行。这种对比在​已发布的面板内部​是真实存在的。然而，未可知的是咨询类的非截断并集情况、二次提取器对 GLP-1 的召回率，以及这两组提示词是否触发了具有可比性的回答格式。引用环境（citation neighborhoods）也各不相同：GLP-1 包括 Drugs.com、WHO（世界卫生组织）、新闻采编室和 Nature，而咨询类的回答则包含事务所官网和“最佳”推荐文章 [14]。这些观测结果可用于指导定性复核，但无法证明搜索量是背后的驱动因素。

对于 510(k) 咨询，发布的面板是一个​看似完整实则经过截断的​ 15。管线可能提取到了更多名称，但在排序后予以舍弃。其 12 个单平台行仍然表明保留名称之间的重合度较低，但仅凭此数据成果无法观察到是否存在“填充（padding）”现象。

医疗软件存储了 15 个名称，其中仅有 3 个跨 3 个及以上平台的行。诊务管理软件存储了 15 个名称，跨 3 个及以上平台的行为 0。这支持了关于​保留面板一致性​的说法，而非需求如何改变列表长度。

CT 和 MRI 各存储了 6 个名称，且均无单平台行。超声存储了 14 个名称，其中包含 5 个单平台行。合理的解释包括回答格式、提取器行为、名称标准化以及可用数据源集。本数据集无法对这些因素加以区分。

因此，对于未在面板中列出的公司，首要的诊断环节是管线本身：检查原始回答、保留所有提取出的名称、记录各模型的推荐顺序，并在解除 15 上限约束的情况下重新运行。只有在此之后，团队才应去检验供应商搜索量指标、回答格式、品类类型或引用环境是否与列表长度存在相关性。在完成该重运行之前，本文将搜索量和存储面板规模视为两个相互独立的描述性指标。

9. 未上榜公司究竟在构建什么

​核心要点：​ 品类解答引用第三方页面。品牌解答引用官方自有网站。核心工作是让这两个层级同时成立——官网、基于源事实的页面、每月公开记录以及受监控的查询——而不是去购买 ChatGPT 排名。VayoMed 将其作为一个每年 $24,000 的全托管引擎运行。发布节奏是有保障的，但能否展现则不予保证。

让我们从这张截图说起。榜上无名的公司通常在做以下四件事之一，而这四种情况在本数据集以及我们先前发表的两篇论文中均可明确区分。

​已在注册登记册中，但未进入精选名单。​ 超声领域的 620 个申请者与 14 个字符串形成对比。对于大多数获批器械而言，这是常态 [3]。

​拥有网站，但尚未包含检索器可利用的商业证据。​ 在 510(k) 之后的审计中，在 60 个首次申请的非美国申请者中找到了 56 个官方域名，在 49 个可访问网站中的 46 个上找到了联系渠道，而在 60 次限定范围的审计中，新获批的产品词仅出现在 27 次中。K 号仅出现在其中 3 个网站上 [13]。当模型被要求推荐“最佳超声系统”时，绝不会检索一个从未提及系统名称、适应症或获批情况的主页。谷歌关于 AI 功能的指南在这一点上也极为直接：重要内容必须以文本形式提供；并不存在额外的 AI 概览表格 [7][8]。

​出现在品牌面板中，但依然未进入品类榜单。​ Chison（提及 137 次）、SonoScape（提及 4 次）、SIUI（提及 0 次）：三份公开的影像报告，在包含 14 个名称的超声精选名单中占用率为零 [17][18][16][9]。品牌查询可见度与品类查询占用率是两种截然不同的衡量标准。仅优化前者（即“对我们名称的提及”）可能会让“最佳 X”层级完全不受影响。

​通过发稿机构发布新闻稿，并期望这些副本能成为品类引用。​ 公关研究在品牌查询方面得出了相反的结论：98.5% 的引用指向官方自有网站；在抽样的引用证据中，307 个联合分发尾部域名中的引用数为零。新闻通稿副本只有在有人已经按名称搜索该公司时才会获得引用 [6]。该数据集的品类引用中，新闻/通稿仅占 1,689 中的 21。新闻分发是一种公开记录工具，而不是品类推荐清单层级。

那么，如果一家未上榜的公司想要改变本文件所衡量的引用邻域，它究竟应该​发布​什么？该引用邻域非常明确：经销商采购指南、手持超声综述、软件“前 10 名”文章、市场调研落地页、维基百科（Wikipedia）、偶尔出现的 PMC 综述，以及品牌自身的域名（前提是该域名已拥有检索器可引用的页面）。公司无法控制 Block Imaging 的编辑排期，但完全可以控制在其自家域名上是否存在一个可引用的、基于源事实的页面，其形式与那些平台已引用的内容格式保持一致——系统系列、适应症、外形尺寸、服务覆盖范围、准确的上市准入表述（获批/cleared，而非批准/approved）[10]——以及第三方公开记录是否重复了相同的实体事实，从而让品牌查询有落地承接之处。

这是一个系统，而不是某种排名作弊手段。这一闭环正是 VayoMed 已作为六项服务运行的体系，而非某种“AI 可见度”SKU [19][20]：

这六项服务分别是：网站建设、网站运营、LinkedIn 页面与内容、域名组合、内容引擎与 GEO 监控，以及每月公关。LinkedIn 和域名在本文件中未作为引用主机出现；但它们依然是买家（及模型）可以进行实体一致性比对的公开记录的一部分。我们并不声称它们能“帮您登上 ChatGPT”。

协调成本论文根据美国劳工统计局（BLS）的中位数数据，重新计算了自建内部团队的替代方案：一个切实可行的 1.5 名全职员工（FTE）配置每年需耗费 $220,888；论文同时给出了坦诚的局限：大多数公司绝不会花这笔钱，而是把碎片化的工作分配给已有本职工作的人 [21]。$24,000 买不到 1.5 个 FTE 的专注度。它买到的是一套产品化的系统。深度的监管、临床及 MLR 审核工作仍由客户承担。内容遵循客户的审核流程，而非取代该流程 [20]。

本数据集所明确禁止的两个承诺如下：

• 我们不会保证在包含 15 个名称的榜单中占据席位、获得 AI 推荐、排名、流量或潜在客户。榜单是动态变化的。39% 的席位仅由单一模型给出。快照均带有特定日期。
• 我们不会仅仅因为本周的论文探讨的是 AI Recommends 报告，就把 VayoMed 重新定义为一家 AI 可见度供应商。报告是验证界面，服务方案本身才是引擎。

如果某家公司只需要包含 40 个查询的仪表盘，可以免费查阅公开报告 [2]。而如果某家公司希望运营整个公开证据闭环——网站、文章、公关发布节奏、监控——那才是针对每年 $24,000 方案的深入沟通。别人精选名单的截图只是表象，缺少可引用的页面才是需要解决的实质工作。

10. 研究方法与局限性

​品类语料库。​ 涵盖 VayoMed 公开的“AI Recommends”数据集中的 40 份 JSON 品类报告，获取于 2026 年 8 月 15 日。generatedAt（生成时间）范围介于 2026 年 2 月 17 日（8 份报告）至 2026 年 6 月 6 日（31 份报告），另加 2026 年 6 月 2 日（1 份报告）。所用字段：query、metrics（包括 aiSearchVolume 和 byPlatform 卡片）、recommendedBrands[]（name、domain、mentionedBy、mentionCount）、llmResponses[].citations[]、sourceDomains[]。公开副本：vayomed.com/ai-visibility [1][2]。recommendedBrands 是通过 Gemini 从四个回答中的每一个进行二次提取建立的，随后进行聚合，按平台数量和提及次数排序，并通过 slice(0, 15) 进行截取限制。这是一个衍生分析组，并非原始回答中名称的逐字记录或完整列表。

​品牌语料库。​ 包含 188 份公开品牌报告，不含 best/ 系列。提及总数为 246,397；可见度分数为存储值（中位数为 44）。多份零提及报告带有 2026 年 6 月 25 日的时间戳。本研究属于抽样分析组，而非全量普查。

​标准化与截尾处理。​ 正则表达式归并了一短列企业名称对（Philips, GE HealthCare, Siemens Healthineers, Abbott, Roche, J&J, Boston Scientific, Medtronic, Intuitive, Stryker, Olympus, Canon Medical Systems, Mindray, FUJIFILM, Epic Systems）。处理不完全的项：Butterfly / Butterfly Network、GE / GE HealthCare、Stryker / Stryker Corporation、athenahealth / Athenahealth 仍处于分离状态。产品 SKU 未并入母公司。达到或超过 5 次的计数均为 ​标准化后的存储槽位占用数​；Philips 的 15 个槽位横跨 12 个不同的查询，因为部分报告同时列出了“Philips”和“Philips Healthcare”。27 个分析组触及了 15 行的上限，因此普及率和单平台份额受限于保留的前 15 行，并偏向于多平台品牌。

​引用来源。​ 来自 ChatGPT（251）、Claude（741）、Gemini（373）、Perplexity（324）的共计 1,689 行 URL 数据。主机域名分桶（Host bucketing）采用后缀启发式规则结合关键词列表。Gemini 的 vertexaisearch.cloud.google.com 包装器在品牌域名匹配前完成分类（372 行）；recommended_brand_site 为 209（12.4%）；other_web 为 976。authority（11）在期刊规则之前优先对 nih.gov 触发，因此 11 条记录中有 9 条为 PMC，1 条为 FDA accessdata，1 条为 WHO。comparison_blog 为一个简短的允许列表。sourceDomains 的值从不计入引用计数，且本报告不会推断其未公开说明的收集语义。

​FDA 数据对比。​ 可下载的 510(k) 文件，产品代码为 IYN、IYO、ITX：包含 2,475 行数据，620 个唯一的申请人字符串，获取于 2026 年 8 月 15 日 [3][4]。申请人字符串未按企业家族进行去重处理。手术机器人分类名称网络（3,170 行 / 1,004 个申请人）因过于宽泛而未列为核心结论。

​平台卡片。​ 部分报告的 metrics.byPlatform 仅列出了 Google AI Overview 和 ChatGPT。存储的 llmResponses 仍包含四个模型。AI Overview 的引用 URL 未与 LLM 引用数组同步存储；我们不会虚构这些数据。

​局限性。​ 快照带有具体日期；生成内容具备非确定性；推荐品牌分析组为经过二次模型提取且上限为 15 的结果；得分并不等同于排名；188 个品牌属于有偏分析组；40 个查询词为 VayoMed 的追踪数据集，并非涵盖所有生命科学领域的文本；我们未对 976 个剩余主机域名进行人工标注；我们并不声称集中度是不公的、具因果关系或付费购买的。Google 未公布 AI Overviews 或 AI Mode 背后的排名函数机制 [7]。

常见问题解答

为什么 ChatGPT 总是推荐相同的医疗器械品牌？

在 40 个被追踪的“最佳 X”查询中，415 个唯一名称中的 358 个仅出现在单个被截取限制的品类分析组中，而 10 个标准化名称则占用了 5 个或更多存储槽位——Philips、Siemens Healthineers、GE HealthCare、Medtronic、Mindray、Canon Medical Systems、Roche、Abbott、Epic Systems、NextGen Healthcare [1]。其回答引用了对比博客、经销商指南、市场调研页面以及 Gemini 包装器，而非 FDA 申请人文件。这揭示了衍生分析组中的重复出现现象，但并不能说明模型选择某个具体名称的背后原因。

如何让我的医疗器械产品在 ChatGPT 或 Google AI Overviews 中获得引用？

Google 公布的 AI Overviews 和 AI Mode 规则即为其搜索（Search）规则：已被收录、具备摘要资格、以人为本的优质内容。不存在单独的申请途径 [7][8]。在本数据集中，品类回答引用已存储推荐品牌自身官网的概率为 12.4%；而另一项针对品牌查询的公关（PR）研究得出的比例为 98.5% [1][6]。实际的落地工作在于打造可供引用的自有网页以及第三方公开记录，并基于具体日期的快照进行衡量——而非购买展示槽位。VayoMed 不会销售“保证出现在 ChatGPT 中”的付费服务。

AI 的“最佳超声”列表是否等同于通过 FDA 准入的超声制造商？

否。IYN / IYO / ITX 包含 2,475 条 510(k) 记录及 620 个唯一的申请人；而 2026 年 6 月 6 日的超声报告存储了 14 个字符串，混杂了 OEM 厂商（Philips、GE HealthCare、Mindray）与产品 SKU（Lumify、Soloscan、DRSONO），并对 Butterfly / Butterfly Network 以及 GE / GE HealthCare 进行了重复计算 [3][9]。一份 510(k) 指令仅代表对医疗器械予以许可准入；其并不等同于批准该产品，也不会自动将申请人纳入衍生推荐分析组中 [10]。

为什么我的竞争对手出现在了 Gemini 上，却没出现在 ChatGPT 上？

在受限的衍生分析组中，541 行中的 211 行（39%）属于单平台独有，且中位数分析组的单平台份额为 40% [1]。超声领域的 14 个字符串中包含 5 个仅出现于单一模型的行。咨询与药物警戒分析组中有 80% 属于单一模型。单张截屏仅代表单个模型在特定日期的结果；而存储的分析组则是跨四个回答的二次提取汇总，二者属于截然不同的分析对象。

发布新闻稿能让企业进入“最佳医疗器械”的 AI 回答中吗？

在针对品牌词的查询中，2026 年 8 月的 PR 研究显示，98.5% 的引用来自品牌自身的官网，而在采样的引用证据中，307 个辛迪加发稿尾部域名为零 [6]。在本文档包含的品类查询中，新闻/电讯稿在 1,689 个引用中仅占 21 个（1.2%）[1]。每月发布新闻稿能形成一份持久且符合合规审定表述的公开记录。但它并不是“最佳 X”类回答所采借的对比博客层。VayoMed 承诺的 PR 保证在于内容产出与分发的节奏，而非媒体采纳率或 AI 推荐版位 [19]。

如果无法保证 AI 推荐，VayoMed 到底销售什么？

全托管式全球增长引擎：网站建设与运营、LinkedIn、域名、每年 110–180 篇具备权威文献佐证的高质量文章、每月 1 篇全球分发的新闻稿，以及针对追踪查询的 AI 可见度监测。单包服务，每年 $24,000，服务期 12 个月，覆盖 40+ 个市场 [19][20]。/ai-visibility 处的公开报告是展示类似本报告中集中度数据的证明窗口。它们并非独立的排名产品。我们不保证排名、AI 推荐、流量或潜在客户线索。

结论：榜单只是检索，注册库才是普查，官网依旧是核心资产

在方法学局限之外，有四项结论依然成立。

​第一，精简榜单并非合理的基数分母。​ 相对于 620 个 510(k) 申请人而言，14 个超声产品名称字符串绝非市场排名。这只是一个篇幅简短、混合了不同 SKU 且引用了第三方数据的生成结果。大多数已获批的制造商均未榜上有名。这本身就是符合预期的常态。

​第二，市场集中度呈现为“头部支柱+长尾分布”的格局。​ 86% 的名称仅出现过一次。10 个名称占据了 5 个以上的席位。纠结于“我们为什么没能成为飞利浦”，与思考“我们为什么没能进入我们实际销售的这一细分品类榜单”，完全是两码事。

​第三，引用层是企业无需掌控大模型本身即可优化的环节。​ 本语料库中有 12.4% 的引用来自企业官网（另有 22% 为 Gemini 外壳包装）；而在另一项针对品牌词查询的研究中，官网引用的比例高达 98.5%。经销商与综述类平台则出现在剩余的引用来源中。企业能够自主决定是否建立准确、有价值的自有页面；但无法直接操纵大模型是否检索或引用这些页面。

​第四，现有的数据处理流程无法解答关于榜单长度的问题。​ 经过二次提取与排序后，27 个评估面板均触及了 15 个名称的硬性上限。在对生成数量和榜单长度做出任何定论之前，应取消上限限制，并在保留各模型原始输出顺序的前提下重新运行。不过，现有的保留数据行依然能够准确反映每个已发布面板内部的一致性。

客户或内部发来的截图仍会接踵而至。求真务实的应对之道，是系统评估该截图属于哪类查询、出自哪个模型、引用了哪些站点，以及企业自身的公开证据是否具备被检索到的条件。进而将“官网-页面-公开记录-监测”打造为一个闭环整体系统。这才是每年 $24,000 的增长引擎。出现在包含 15 个名称的榜单上，只是下游可能观察到的一个结果，绝非最终的交付物。

---

来源

1. VayoMed 对 40 份公开“AI推荐”品类报告及 188 份公开品牌 AI 可见度报告的分析（品类 generatedAt 时间戳为 2026 年 2 月 17 日 – 2026 年 6 月 6 日，绝大多数为 2026 年 6 月 6 日；品牌报告包含更晚的时间戳）。计算调取时间为 2026 年 8 月 15 日。方法详见方法学。公开副本：AI 可见度报告。

2. VayoMed，生命科学 AI 可见度报告，访问于 8 月 2026 日。

3. 美国食品药品监督管理局，可下载的 510(k) 文件 — 对产品代码 IYN、IYO 及 ITX 的 VayoMed 分析（包含 2,475 条记录；620 个独立申请人字符串），访问于 2026 年 8 月 15 日。

4. 美国食品药品监督管理局，产品分类：IYN — 系统，成像，脉冲多普勒，超声（21 CFR 892.1550，II 类器械），访问于 8 月 2026 日。

5. Google Cloud，基于 Google 搜索的 Grounding（在存储的 Gemini 引用 URL 中观察到的 Vertex AI / Gemini grounding 重定向为 vertexaisearch.cloud.google.com），访问于 8 月 2026 日。

6. VayoMed 研究部，医疗器械新闻稿发布基准 2026：六次营销活动的实际成效，2026 年 8 月 10 日（品牌词查询引用全扫描：98.5% 来自官网）。

7. Google 搜索中心，AI 功能与您的网站（AI Overviews、AI 模式、查询扩展，与搜索遵循相同的技术及有用内容要求），访问于 8 月 2026 日。

8. Google 搜索中心，创作有用、可靠、以人为本的内容，访问于 8 月 2026 日。

9. VayoMed，最佳超声机 — AI推荐品类报告（generatedAt 时间戳为 2026 年 6 月 6 日；包含 14 个推荐名称字符串），访问于 8 月 2026 日。

10. 美国食品药品监督管理局，上市前通知 510(k)（实质等同性指令即代表该器械获得“准入”），访问于 8 月 2026 日。

11. 电子版美国联邦法规，21 CFR 892.1560 — 超声脉冲回波成像系统（产品代码 IYO），访问于 8 月 2026 日。

12. 电子版美国联邦法规，21 CFR 892.1570 — 诊断超声换能器（产品代码 ITX），访问于 8 月 2026 日。

13. VayoMed 研究部，通过 510(k) 之后，买家真的能找到你吗？医疗科技商业化就绪度审查，2026 年 7 月 21 日。

14. 世界卫生组织，肥胖症：GLP-1 疗法（在存储的 ChatGPT GLP-1 引用中被引用），访问于 8 月 2026 日。

15. 美国食品药品监督管理局，现行经过 FDA 认可的 510(k) 第三方审查机构名单（针对 510(k) 咨询类查询，存储的 Perplexity 引用中出现的 FDA 主机），访问于 8 月 2026 日。

16. VayoMed，SIUI AI 可见度报告（被提及 0 次；得分 0；公开面板），访问于 8 月 2026 日。

17. VayoMed，Chison Medical AI 可见度报告（被提及 137 次；得分 45；公开面板），访问于 8 月 2026 日。

18. VayoMed，SonoScape AI 可见度报告（被提及 4 次；得分 15；公开面板），访问于 8 月 2026 日。

19. VayoMed，生命科学全托管式全球增长引擎（$24,000/年；六大服务；40+ 个市场；公关保障涵盖发布频率与分发渠道），访问于 8 月 2026 日。

20. VayoMed，生命科学内容引擎（每年 110–180 篇基于溯源依据的文章；支持客户审核流程），访问于 8 月 2026 日。

21. VayoMed 研究部，自建增长引擎需要多少成本，2026 年 7 月 27 日。

​原创分析：​ 保留 40 份品类报告和 188 份品牌报告作为公开 VayoMed AI 可见度快照；引用主机归类分桶、品牌名称标准化、510(k) IYN/IYO/ITX 对比以及提及金字塔份额计算于 2026 年 8 月 15 日完成。本报告附带发布的图表数据文件保留了展示的每一个数据系列。