圖片由AI生成

「AI會搶醫生飯碗嗎？」2025年，這個縈繞醫療圈多年的疑問仍被反覆提起，但從業者的答案愈發一致——「不會」。醫療行業的強監管體系已為AI劃定「輔助者」的清晰定位，推動AI醫療告別「概念炒作」的青澀期，踏入政策與市場雙輪驅動的實質發展期。

過去一年，醫保局首次將AI輔助診斷納入立項指南，「十五五」規劃為智慧醫療發展指明方向，五部門圈出8大應用場景、24項具體舉措，為「AI+醫療」的落地鋪好了清晰路線；而AI影像覆蓋率超80%成為最成熟的落地板塊，AI製藥讓研發週期縮短40%、資金成本節省10%，細分場景技術落地的深度與廣度遠超以往，行業規模將在2025年觸及千億元的新高度。

熱鬧之下，成長的煩惱也在冒頭。醫療數據「多而不優」，支付體系尚待完善，多數企業仍未找到穩定的盈利路徑……帶着這些行業焦點，我們對話了健康元、商湯醫療、明視腦機三家產業鏈公司的高層，從技術滲透、瓶頸破解到商業化探索，描摹出AI醫療2.0階段的分化圖景，也試圖找到3.0時代「可持續」與「普惠」交匯的下一個路口。

2.0階段的分化「地形圖」

在人口老齡化加劇、醫護資源短缺的現實背景下，AI醫療正成為緩解醫療供需矛盾的關鍵抓手，行業規模也隨之迎來穩步增長。甲子光年數據顯示，2025年中國AI醫療行業規模將達1157億元，預計2028年攀升至1598億元，2022-2028年的複合增長率保持在10.5%。

如今，AI醫療的應用邊界已從單一的輔助診斷工具，向藥物研發、輔助決策、醫療信息化、醫療機器人等全鏈條滲透，不同場景的成熟度呈現出鮮明的快慢差異。其中，影像智能分析、健康數據監測、蛋白質結構生成與預測等場景已進入相對成熟的應用階段，臨牀試驗設計與執行等場景則仍在探索前行。

從行業基礎建設來看，AI醫療的落地條件已愈發成熟。億歐智庫數據顯示，截至2025年7月，共有206個算法醫療產品完成大健康相關備案，其中160家企業通過APP嵌入算法將AI服務直接觸達患者，互聯網問診、報告解讀等功能成為主流應用形式；醫院端的算力投入也迎來爆發，今年新增算力採購需求佔比達75%，為AI與醫療業務的深度融合築牢了技術根基。

一個大趨勢是，醫療大模型應用正從通用型向專病專科深化。截至2025年4月，國內排名前100的醫院中，98家已完成大模型部署，且有33家醫院研發出55個垂類大模型。

「這就是我們一直強調的通專融合模式，通用模型來理解用戶需求，調用傳統AI和數字化工具，逐個解決用戶真實的小場景訴求。」商湯醫療聯合創始人兼首席醫學官錢琨表示。

這預示着，國內醫療的數字化轉型已步入2.0階段，從1.0階段的醫院數據無紙化、流程數字化，進階到可聚焦專病專科的臨牀痛點解決。

臨牀端對AI的接受度已然發生根本性轉變。中華醫學期刊數據庫顯示，一、二級醫院中近半數醫生已使用AI臨牀決策支持系統（AI-CDSS），其中工作年限在11-15年的醫生使用率最高，達72.7%，5年以下的使用率為56.6%，年輕與中年醫生相對更易接受並使用Al輔助工具。

在衆多細分場景中，醫學影像是AI滲透最深的領域——臨牀超70%的診斷依賴醫學影像，AI閱片時間較人工縮短53%，檢出率提升17.6%，召回和活檢的陽性預測值也分別高出18.3%和9.3%。觀研天下數據顯示，2025年中國AI醫學影像市場規模有望突破150億元，2026年將增至235.7億元，成為「AI+醫療」最成熟的落地板塊。

據錢琨介紹，中國醫療AI在影像領域的覆蓋率已達80%-90%，放射科、病理科等醫學技術科室的AI普及率遠超其他科室。此外，電子病歷評級推動的文字類AI技術也快速普及，CDSS系統的部署為AI算法提供了豐富的影像與文字數據土壤。

AI醫學檢驗與AI製藥則成為行業的「潛力股」。慧博智能投研數據顯示，2022年AI檢驗市場規模已逼近百億元，預計2022-2027年保持13.56%的年複合增速，2027年將達170億元。2023年其滲透率不足9%，未來提升空間巨大，其中最具發展潛力的細分領域是AI輔助診斷。

AI製藥成為藥企降本增效的關鍵抓手，長江證券研報顯示，傳統藥企研發一種新藥的完整週期至少需要10年，資金投入平均為26億元，研發成功率僅有10%左右，通過AI輔助可將藥物發現、臨牀前研究和臨牀試驗的時間縮短近40%，資金節省至少10%，臨牀新藥的研發成功率可從 10%提高至約14%。

從研發方向來看，當前AI製藥公司的主攻適應症集中在腫瘤、免疫學及神經病學領域，佔比分別為37%、21%和14%。頭豹研究院數據顯示，2024-2028年中國AI製藥市場規模預計將從7.3億元增長至58.6億元，年複合增速高達68.5%。

作為該領域的實踐者，健康元已將AI融入藥物研發的藥物發現、化合物優化、項目管理、臨牀試驗招募等核心環節。健康元AI業務負責人林鵬告訴筆者：「這些場景能夠直接減少研發過程中的重複勞動，加速決策流程，是AI輔助藥物研發降本增效的最直接路徑。」

不過，目前全球範圍內，尚未有由AI主導研發的藥物成功獲批上市。

AI與機器學習技術的快速迭代，也為醫療保健行業帶來結構性變革。腦機接口作為生命科學與信息科學融合的前沿技術，產業應用正逐步探索，其中非侵入式是目前臨牀最廣泛的應用形式，市場佔比達86%，主要用於注意力和認知能力訓練、睡眠情緒閉環調控以及利用眼動追蹤、腦電、肌電和康復輔具進行的閉環神經康復等場景。

今年5月，馬斯克創立的腦機接口公司Neuralink宣佈完成上半年全球AI醫療領域最大規模孖展。其「Blindsight」（盲視）技術路徑致力於通過刺激大腦視覺皮層，幫助失明患者重建部分視覺功能。在同一技術路徑上，明視腦機憑藉其獨有的「腦機雙學習」閉環系統，在全球範圍內首次完成對複雜圖形與多種顏色的動態解析與功能化交互驗證，將視覺腦機接口從基礎的光點感知推進至有意義視覺信息重建的新階段。

明視腦機創始人兼CEO劉冰以生動比喻解釋該進展：「過去的視覺假體僅能讓患者感知無序的光點，而現在能看到由點組成的輪廓和圖形，就像模糊的簡筆畫，但已具備識別功能」。

在此過程中，AI扮演着「超級翻譯官」和「智能教練」的雙重角色，既將外部圖像轉化為大腦可理解的電刺激模式，又能實時調整參數，實現系統與大腦的協同學習，標誌着腦機接口在重建有用視覺方面邁出關鍵一步。

繁榮背後的三道「暗坎」

2025年AI醫療行業雖取得了長足進步，但醫療服務流程的複雜性，使其在數據、支付與商業化層面暗藏多重難題，成為行業從政策驅動轉向市場驅動必須跨過的三道坎。

其中，數據質量與標準化問題堪稱「頭號攔路虎」。

在合規框架下，國內醫療數據呈現「多而不優、散而不通」的特徵。2024年，全國衛生機構101.1億診療人次產生百億條數據，體量龐大卻價值難挖——由於醫院間數據標準不一，大量數據以非結構化形式存儲，錯漏、殘缺等問題頻出，直接影響到AI模型的訓練效果與應用精度。

源頭數據質量不佳則讓難題雪上加霜。超五成醫生日均工作超8小時，20.6%的醫生甚至超過10小時，在診療與科研的雙重壓力下，他們無暇撰寫精細化的病歷推演過程；同時，國內數千家機構的軟件系統標準難以對齊，而歐美在數據治理上已領先中國十幾年，差距客觀存在。

面對數據困局，企業們已開始探索破局路徑。

錢琨認為，破解數據難題須先鎖定藥企、保險公司、患者這些買單方的需求，從他們的使用視角設計數據產品的形態，再反推數據清洗、分級分類與定價工作，否則其成本機構難以承擔。

「想將數據流通場景裏的多個參與方的利益和目標對齊，在現有運轉規律下已屬不易，確實為難了管理者和採購方。」錢琨坦言，國內數據標準化程度尚未形成大規模共識，雖然目前大模型技術能快速提取有效字段，但多模態長時序的高質量隊列數據治理成本極高，很多醫院投入千萬元清洗數據庫，才能獲得基礎元數據用於持續高質量積累，足見其難度。

健康元以「先能用再好用」方式的階梯式推進。林鵬提及，健康元在AI落地中採用敏捷、輕量化模式：先快速驗證AI在各業務部門的可行性並推動初步落地，以較低的前期成本完成價值測試；待確認應用價值後，再持續投入進行迭代優化，大幅降低AI落地過程中的成本風險。

劉冰則給出醫工結合與技術驅動的「破解之道」。一方面與頂尖臨牀中心共建專病數據庫，從源頭保障數據標準化與高質量；另一方面利用聯邦學習、合成數據等隱私計算技術，在數據不出域的前提下最大化其價值。

如果說數據是AI醫療的「燃料」，那支付就是驅動行業前行的「引擎」，而當前這臺引擎尚未完全啓動。

2024年底，國家醫保局將AI輔助診斷首次納入放射檢查等項目的擴展項，在同樣價格水平下，醫院可選擇人工診療或AI輔助，但明確現階段不重複收費。原因在於，AI雖能提升效率，但無法完全「平替」醫生，額外收費有失公平。AI醫療仍在等待醫療收費目錄和醫保的明確准入。

「支付問題本質是價值認定問題。當AI技術能證明其不可替代的臨牀價值，比如顯著提升手術成功率或避免後續高昂治療時，支付方自然會有動力將其納入覆蓋範圍。」劉冰認為，當前關鍵是設計出能體現「價值醫療」的循證醫學方案，而商業保險作為醫保補充，將在創新支付中扮演重要角色。

錢琨同樣提及，醫保支付需要漫長的循證數據鏈來評估「AI到底能為患者診治解決多大問題」。她指出，支付是全球性難題，即便是美國，能為AI醫療付費的‌CPT code（通用醫療程序編碼）也十分有限，加上ICD（國際疾病分類）操作編碼對AI服務的適配缺陷，使得AI在嚴肅醫療的商業化落地產生瓶頸。

「過去AI只能解決單點問題，現在技術已經在逐步實現多模態診斷和診療流程打通，背靠「AI+」政策的推動，未來的保險收費模式很有可能形成具備國際領先性的結構，同時AI產業發展也能更好地依託醫療的豐富場景，支撐國家的戰略目標。」錢琨表示。

3.0時代的普惠與可持續路徑探索

在數據治理、支付體系等行業痛點的掣肘下，2025年的AI醫療行業仍未走出盈利困境。但在對商業化可持續路徑的探索中，不同賽道已走出差異化路線，AI醫療3.0階段的雛形初顯，普惠醫療的實踐也成為行業突破的重要方向。

AI醫療器械商業化的破局關鍵，錨定在「臨牀價值」這一基石上。劉冰認為，不能創造提升療效、降低風險、節省成本等明確臨牀價值的AI工具，難以形成可持續的商業模式。

他將商業化路徑劃分為三個梯隊：第一梯隊是已跑通的「醫技科室賦能型」AI，如醫學影像輔助診斷，能直接嵌入現有醫院工作流，收費模式清晰；第二梯隊是快速成長的「臨牀治療增值型」AI，如手術機器人、腦機接口系統，作為高價值醫療器械的一部分實現盈利；第三梯隊是未來可期的「健康管理型」AI，如慢病管理、疾病早篩，雖市場空間巨大，但依賴用戶付費意願和保險支付創新，規模化盈利尚需時日。

劉冰同時預判，與高端醫療設備深度綁定、解決剛性臨牀需求的硬科技AI，以及提升醫院效率、優化資源配置的賦能型AI，其商業模型將隨着病組（DRG）和病種分值（DIP）等醫保支付方式改革的深化而更快跑通。

藥企則從全產業鏈視角挖掘AI的商業價值。林鵬表示，未來一年，健康元將在研發端用AI加速藥物發現與臨牀研究，實現降本增效；在生產端用AI優化工藝、嚴控質量，進一步提質控費；在商業化端藉助AI精準觸達患者、賦能營銷，最終構建以患者為中心的精準商業化模式。

商湯醫療的「標品化」策略，為行業提供了現金流管理的參考思路。

「定製化服務削弱了規模化複製能力，也是多數AI醫療企業依賴資本輸血的主因。」錢琨解釋，可複製的標準化產品多集中在醫技科室，它們只負責專項數據解讀或專項問題支持，無需面對患者制定多維個性化診療方案。商湯醫療自成立起便剋制盲目擴張產品線，因此成本可控、壁壘高、回款快、現金流穩，說到底「這是一個取捨的問題。」

「行業已跨過數字化轉型1.0，步入2.0階段，在3.0的門口，已經能見到個別醫院正在嘗試用AI原生基座來做多個AI場景的串聯，將醫生的特定工作流打通。相信這種模式能夠突破醫保所追求的診療閉環，形成可追溯的價值鏈優化。」錢琨表示。

技術迭代與商業試水之外，「普惠醫療」成為2025年AI醫療行業的高頻詞。企業紛紛把破解「不可能三角」寫進願景：既要服務質量升級，又要兼顧診療可及性與醫療成本。

劉冰把普惠醫療的落地路徑拆成兩段。先讓最前沿的顛覆性技術完成「從0到1」的突破，為危重患者提供治療可能；再通過技術進步和規模效應實現「從1到N」的成本下降，最終惠及更廣泛的人羣。

錢琨則認為，無需強行挑戰醫療「不可能三角」，可通過維度拓展實現普惠目標。一種方式是把戰線前移到健康管理，利用大模型完成80%的基礎健康科普問答與慢病管控，就能有效減少重症發生、降低後期大額醫療支出，從而實現全民「健康衰老」。另一種是用規模化複製來攤薄AI早期投入的成本，讓AI放大稀缺醫療資源的覆蓋面，也能把優質醫療送到缺醫少藥的地方。

當技術錨定臨牀價值，商業邏輯迴歸產業本質，AI醫療在2026年將走得更穩。這場關乎健康與生命的技術革命，正以堅定的步伐，書寫着醫療行業的未來圖景。（文丨公司觀察，作者丨曹倩，編輯丨曹晟源）

更多精彩內容，關注鈦媒體微信號（ID：taimeiti），或者下載鈦媒體App