AI医疗行业深度：AI与医疗产业深度融合，有望为医疗带来产业变革【东吴医药朱国广团队】

1. AI医疗概览：人工智能与医疗高度融合具备颠覆力

1.1. 现阶段大模型现状：生成式 AI具备颠覆力

随着信息技术的飞速发展，人工智能（ AI ）在医疗领域的应用日益广泛，成为推动医疗行业变革的重要力量。 AI 医疗隶属于数字医疗的一部分，其发展依托于数字医疗的基本框架。数字医疗体系的完善程度直接影响着 AI 医疗可获取的数据资源数量与质量。一个健全的数字医疗体系能够实现医疗数据的广泛采集、标准化存储与高效传输 。例如，电子健康记录（ EHR ）系统的全面普及可以整合患者的病史、检查结果、治疗方案等多维度信息，为 AI 算法提供丰富且结构化的数据，用于疾病诊断模型的训练、疾病风险预测以及个性化治疗方案的制定。同时，强大的信息技术基础设施，如高速网络、云计算平台等，是支撑 AI 医疗大数据处理与分析的关键。

早期的 AI算法主要基于机器学习，通过统计算法和先验知识驱动。这种方式在处理简单的医疗问题上有一定的应用，但在面对复杂的医疗数据和场景时存在局限性。 随着技术的发展， 2012-2017年期间 进入了深度学习时代。这一时期以深度学习为代表的数据驱动模式兴起，利用大量的数据训练模型，在医学影像诊断、疾病预测等方面取得了进展。 2017年以后进入大模型时代，以Transformer为框架，融合多头注意力机制的新算法出现。这种算法克服了传统深度学习算法（如CNN、RNN）的缺陷，利用大数据构建大模型，能够处理更复杂的医疗数据，如电子病历、基因数据等，并在多模态数据融合方面表现出色。

基于大模型的智能代理 (AIagent) 结合生成式 AI的创造力与传统AI的精确严谨，有望为多医疗服务节点完成优化与创新。 传统 AI的主要特点是对已有知识和数据的运用及推理，从而回答特定问题。生成式AI则更注重生成和创造全新真实的数据及内容，从而高效演绎和归纳知识。且在往交互化生成能力转变的过程中，语言理解与对话能力得到进一步拓展，不仅能精准理解用户意图，还可实现更自然流畅的交互，像智能交互方面能够进行用户情感识别与分析，从而提供更贴合用户需求的回应， 整体呈现出 AI能力在多领域、多层次的全面进化与拓展态势。

1.2. AI 与医疗深度融合，赋能医疗服务众多环节

当 AI与医疗深度融合后，呈现出智能化、高效化、便捷化的显著特征。 在智能化方面，借助大数据与人工智能可实现智能诊断，综合患者各类数据给出个性化方案；智能治疗能依据患者实时数据调整治疗策略；智能管理则可优化医疗资源配置。高效化体现在对医疗流程的优化，减少患者等待时间并预防潜在问题，同时助力医护人员提升工作效率，如便捷的病历与药品管理。便捷化使得患者可随时通过手机 APP等获取医疗服务，包括在线咨询、远程诊断，还能利用自助设备及手机应用完成挂号、缴费、查询结果、预约手术等操作。

人工智能在医疗领域的多元应用 和全面图景包括 （ 1）赋能医疗服务众多环节，涵盖就医前的健康管理（健康评估与疾病预警）、诊前医疗数据积累分析、诊中的取号导诊排队、病历录入、多种影像分析、辅助及临床诊断、医保支付、电子病历生成、手术机器人操作、药物临床辅助决策、诊后的术后院内康复与健康追踪以及就医后的康复管理、随访回访、就诊记录管理系统等，还涉及医学文献翻译与医学教育等其他应用。 （ 2）在提升医疗效率和质量方面， 助力医疗知识库快速积累并推动模型持续学习迭代，减轻医生重复性工作负担使医生可专注临床，实现就医医疗流程的规范化标准化以降低人为操作风险，达成基层医疗机构远程会诊从而提高服务覆盖率。 AI医疗较为成熟的领域包括影像（病理影像、内窥镜影像等多类影像）、制药、机器人、临床决策系统、基因检测、智慧病理等领域。

AI 赋能医疗产业全环节，包括上游的医疗基础材料、医疗耗材、人工智能软件，中游的医疗设备、诊断设备、康复设备，以及下游的医服端、用户端和研发端。 医服端有AI医生、辅助临床决策、智慧病历等应用；用户端包括智能问诊、院外康复、远程手术等；研发端涉及预测和设计药物、院内医疗设备、医疗垂直大模型等。这种融合使得“患者+医生+工具”三方关系发生转变，有望推动医疗新范式的出现。

目前， AI 在医疗服务中的应用主要集中在提升医疗服务阶段环节的局部效率 ，但复合型及流程性任务是未来方向。 在促进健康、预防疾病、 诊断疾病、控制病情、治疗疾病和康复护理 等环节 ， AI应用主要集中在其特定医疗服务节点，能够提升这些具体环节的效率和效果； 例如，在诊断环节， AI影像能够提升平均5%的效率 ，节约约 15分钟；在治疗环节，手术机器人可帮助 平均时间缩短 30%。

近年来， AI医疗市场呈现出蓬勃发展的态势。 《中国 AI医疗产业研究报告》 数据显示， 2023年中国AI医疗行业规模已达到973亿元，其预计到2028年将进一步增长至1598亿元，2022-2028年间的年复合增长率为10.5%。AI医疗市场的快速增长得益于人口老龄化和医护人员短缺的大环境。随着人口老龄化加剧，对医疗服务的需求日益增长。同时，医护人员数量的相对不足，使得通过AI技术缓解医疗资源供需矛盾变得尤为重要。AI在药物及疫苗研发、基因测序、医学影像、智能医院和医疗机器人等多个领域有着广泛的应用前景，能够提高医疗体系的效率，减轻医务人员的工作负担，并且加速药物和疫苗的研发进度，进而推动整个AI医疗市场的持续扩张。

1.3. 海外 AI医疗市场具备蓝海特征，叠加政策支持利好国产出口

海外 AI医疗市场正逐渐成为极具潜力的蓝海领域。 从技术层面而言，国内部分 AI医疗企业在安全性与有效性方面不逊色于国外公司，这得益于国内丰富的数据资源，既能保障训练效果，又可低成本运作且数据量充足。支付体系上，海外有愿意为AI医保系统买单的医疗体系，商业保险也需AI医疗疾病诊断来精准定价及长期订阅服务，其B2BtoC商业模式可缓解就诊压力、优化流程，因海外患者就诊时间长且步骤繁琐，如转专科常耗时1-3个月，慢性病患者更不便，而AI医疗以家庭医生等为切入点可缩短诊疗时间，如致远惠图已进军欧洲市场。此外，海外有成熟退出机制，大型医疗机械企业常收购小AI医疗公司，对于AI医疗器械辅助的成长型项目，FDA的BreakthroughDeviceProgram能促进监管与创新双赢。

2024年 国家和地方纷纷出台了一系列推动 AI医疗发展的政策。 国家层面， 2024年11月23日国家医保局将AI辅助诊断技术纳入医疗服务价格项目立项指南，规范价格管理并推动应用，同时避免增加患者负担；国 家卫生健康委等部门联合印发《卫生健康行业人工智能应用场景参考指引》，助力药物研发； 12月14日发布中国医学人工智能“上海宣言”，明确应用原则和发展方向。地方层面，河南省发布《河南省推动“人工智能+”行动计划(2024—2026年)》重点发展多个智能医疗场景；江西省印发《江西省“数据要素×”三年行动实施方案(2024-2026年)》推动医疗数据应用；浙江省出台指导意见推动医疗数据融合应用；北京市采取激励措施鼓励创新；广东省专注智能医疗设备研发并设立专项资金。

2. AI 影像：人工智能切入医疗起点，市场空间巨大

由于老龄化大环境、医疗资源分配不均以及医学影像领域存在较大的缺口等原因，使得医学影像医生承担较大的医疗压力 。 老年人口患慢性病患病比例增速明显，根据流行病学数据调查显示，2018年老年人慢病患病率为62.3%，对比2008年的46.8%，十年间增长了15.5pct。同时，由于医疗资源分布不均，导致当前仍有大量患者涌入三级医院，为三级医院的影像科医生的工作带来很大负担。

根据数据统计， 2018年-2023年我国医学影像数据复合年增速在30%左右，而影像科医生复合年增速仅为4%，且以CT报告为例，影像科医生每天需要完成的阅片量在80-100份，一般来说，简单的CT影像阅片可能只需要几分钟，而复杂的病例可能需要更长的时间，可能需要花费30分钟或更长时间。医学影像医生面临较大的工作压力。

政策支持国产医学影像设备发展和人工智能应用，以解决医疗资源短缺问题。 根据政府各部门在2022-2023年发布的医学影像相关政策可以看出，政策大力推动国产医学影像设备的发展，并积极探索人工智能在医学影像的多个应用场景，以此解决医疗资源紧缺的问题。同时针对人工智能医学影像的发展基础，即影像数据库以及人工智能算法都提供了政策支持。

截至2023年7月5日，NMPA共批准了70个三类证，从诊疗流程上涵盖了辅助诊断以及辅助治疗两大类，其中辅助诊断包含了冠脉、肺结节、骨折/骨龄以及眼底等部位；辅助治疗主要包含了放射治疗的相关产品。

人工智能医疗应用场景广泛，随着拿证产品数量增多，整体市场规模初显。 现阶段，AI医学影像在医院内、医院外以及出海等渠道均有商业落地产品，随着生态路线的逐渐建立，未来AI 医学影像市场规模将迎来高速增长。据亿欧智库相关统计， 2023年AI医学影像市场规模为24亿元，2030年将达到137.4亿元，年复合增长率为33.8%。

国内 AI医学影像在全球市场中展现出了巨大的发展潜力。 随着技术的不断进步和市场的逐渐成熟，国内相关企业已经在国际舞台上崭露头角。首先，从认证情况来看，数坤科技、深睿、联影智能、推想医疗、腾讯医疗健康等企业已经在国内外取得了大量的认证。这些认证不仅体现了企业产品的质量和可靠性，更为它们进入国际市场提供了有力的保障。例如，数坤科技获得了 8/2个美国FDA认证和4个欧盟MDRCE认证，这意味着其产品在国际上得到了高度认可，能够在全球多个市场进行推广和应用。

中国在医学影像设备市场 仍 有广阔的增长空间 ， 对比 2019年全球医学影像设备人均保有量可以发现，中国的人均保有量（9.7 台 /百万人）相较于日本（55.2台/百万人）和美国（40.4台/百万人）还有较大差距。随着国内人均医学影像设备保有量的提升，对AI医学影像产品的需求也将随之增加，进而推动国内AI医学影像市场的快速发展。

AI 医学影像在临床应用中的接受度和使用率正在不断提高，未来有望成为临床诊断和治疗的重要辅助手段。 从临床渗透率来看， 《 2023 年中国人工智能医学影像产品生态路线研究报告》 预计 2022-2024 年 AI 医学影像临床渗透率将从 2022 年的 20% 左右提升到 2024 年的 30-40% 。国内企业在 AI 医学影像领域的技术创新和市场拓展方面取得了显著进展。通过与国际标准接轨，积极获取各类认证，国内企业不仅能够在国内市场占据有利地位，还能在全球市场中分得一杯羹。

未来 AI 医学影像企业将呈现三大发展趋势： 一是依托生态路线加速自身造血速度，提升商业化落地能力，包括产品向患者端靠近、加快海外拿证速度、注重临床价值验证和产品向治疗端延伸等；二是生成式人工智能（ AIGC ）将给 AI 医学影像发展带来指数级增长，其应用优势包括生成合成医学图像、提高图像质量、自动图像分析和个性化治疗等；三是综合类医学人工智能模型与医学影像领域结合将释放巨大潜力，通过整合非成像数据、医学成像和临床病史，生成完整的医学报告，为医生提供定制化的医疗建议 。

3. AI 病理： 数据 标准化有望推动行业快速发展

诊断流程主要包含取样、制片、诊断和报告四个步骤，根据样本类型可分为组织学检查和细胞学检查两类 。二者取样方式不同，组织学样本一般通过开放手术、内镜检查或经皮穿刺活检获取，而细胞学样本一般通过体液、拉网、细针穿刺、脱落细胞等途径获取。 AI 病理诊断流程主要包括标准化切片的制作、切片数字化扫描、 AI 算法读片、 AI 提示阳性切片人工复核等环节。实现 AI 病理诊断的关键点为标准化制片、数字化处理、足量基础数据对算法模型进行训练、 AI 算法假阴性率的控制等。

数据积累与高质量数据库的建立是推动 AI病理诊断技术发展的核心。 病理诊断依赖于大量标准化的医学数据，特别是基因组数据、病理图像和临床信息，这些数据为 AI算法提供了必要的训练素材，从而提高诊断准确性。以TempusAI为例，TempusAI最初从基因测序和检测入手，逐步积累了大量高质量的临床和分子数据，尤其是在肿瘤学领域。通过与全球超过2,500家医疗机构合作，Tempus已收集并整合超过250PB的多模态数据，包括850万份临床记录、120万份影像记录、110万份测序样本和250,000个DNA和RNA基因型数据。这些数据为Tempus的AI病理诊断技术提供了支撑，并推动了精准医疗和个性化治疗的应用。

AI病理应用领域90%集中于宫颈癌，中国宫颈癌发病率和致死率高居第六。 宫颈癌是常见的妇科恶性肿瘤，其主要病因为 HPV病毒的持续感染。宫颈癌是目前人类所有癌症中，唯一可以通过早期预防和治疗消灭的癌症。早期宫颈癌常无明显症状和体征，宫颈可光滑或难与宫颈柱状上皮异位区别，颈管型患者因宫颈外观正常易漏诊或误诊。HPV感染基本上会在一年到两年内自然消退，即一次性感染，只有小部分(3%-10%)会保留下来。HPV感染首先导致宫颈上皮内瘤样病变，若持续感染，则可能会进一步发展为宫颈癌。从HPV感染发展到宫颈癌癌变往往需要持续10-30年。

病理医师极度短缺，市场需求较大。 2022 年，中国病理科执业（助理）医师数量仅为 1.8 万人，比 2020 年仍减少 0.1 万人，经历了 2021 年数量波动向下后，目前形势有所好转，人数回暖。远低于美国、欧洲等发达国家水平。根据《病理科建设与管理指南（试行）》，病理医师需按每 100 张病床 1-2 人配备。按每 100 张病床 1 位病理医师计算， 2022 年病理医师需求为 9.75 万人，按每 100 张病床 2 位病理医师计算，需求为 19.5 万人，而实际病理医师数量仅为 1.8 万人，人才缺口为 7.95-17.7 万人。

数据标准化在 AI病理诊断领域具有重要意义，它确保了来自不同医疗机构和系统的数据能够兼容，为AI算法提供可靠的训练素材，从而提升病理诊断的效率与准确性。 随着医疗数据的日益增多，数据孤岛和格式不统一等问题逐渐成为制约行业发展的瓶颈。 2025年2月13日，经济观察报独家获悉，国务院正在筹备组建名为国家数据集团的新央企，该集团的成立旨在通过整合和优化全国数据资源，推动数据的高效配置与深度应用。国家数据集团将承担起国家级数据资源的整合任务，涵盖医疗、能源、交通、金融等多个关键领域，推动数据跨行业、跨区域的流动与共享。通过这一举措，数据标准化的进程有望得到加速，从而为AI技术的普及与医疗行业数字化转型奠定坚实基础。

数据标准化的推进为数据的商业化应用提供重要支撑，同时数据资源丰富的公司先发优势明显。 以 TempusAI为例，该公司凭借强大的数据资源优势，与全球20家最大的上市制药公司中的19家建立了合作关系，并将去标识化后的数据授权给合作伙伴。截至2024年第四季度，Tempus已签署的剩余合同总价值超过9亿美元，推动了数据资源的商业化应用。尽管海外与国内支付环境存在差异，Tempus的做法仍为其他公司的AI+产品提供了新的选择和应用思路。

病理产业上下游企业、互联网巨头纷纷布局 AI 病理软件研发，多领域合作为 AI 病理研发发展带来多重优势。同时 AI 病理有望大量减少病理医生的简单重复阅片工作，解决行业痛点，突破行业瓶颈，各家公司争相布局 AI 病理。

4. AI 医疗系统：赋能 CDSS 与病种质控

临床决策支持系统（ ClinicalDecisionSupportSystem,CDSS）是医院信息化建设的核心系统，对于规范医生诊疗行为，提升医疗质量和管理水平具有重要意义。 由于临床医师专业领域往往局限于单病种研究，且基层医生的误诊与漏诊率较高， CDSS的设计目的是为了帮助医生跨越单病种知识限制、规范医师诊疗行为、把控医疗质量、避免医疗差错以及减少不必要的医疗费用支出。

AIGC将大幅提升效率：在临床人机交互使用中，AIGC将能够辅助工作流。基于底层算法和需求生成的文本、图片、等多媒体将辅助CDSS中的知识搜索、辅助问诊、病症解读、单病种质控等多种临床应用。由于临床质控水平有待提高，三甲医院和二甲医院具备充足的购买预算，成为CDSS产品的主要采购力量；优质医生资源短缺和信息化进程缓慢，基层医疗机构对CDSS产品有很强的内在需求。 结合中国政府采购网公布的招标文件内容，目前 CDSS已经形成了以疾病知识库、智能分诊系统、门诊医生辅助系统、病房医生辅助系统、病房护士辅助系统、检查/检验系统、单病种质控系统为主的7大系统，从药房走向了医院临床管理全流程。

CDSS相关政策主要分为基础层、技术层和应用层三个层面，各层面政策对CDSS的发展起到不同的推动作用。基础层政策主要是医疗信息化相关政策，其数量最多且出台时间最早。早期的医疗信息化政策促使医疗机构广泛应用信息技术，实现了从医院管理信息系统（HIS）到医院临床信息系统（CIS）的转变，而临床信息系统的广泛覆盖为CDSS的落地奠定了基础。技术层政策重点涉及医疗大数据和AI，虽然医疗数据经过长时间积累后可应用于临床和科研，但这些数据存在分散和结构化程度低的问题。随着医院和医生对数据价值认知的改变，以及大数据和AI技术的兴起，数据的智能化处理和应用有了更好的解决方案。应用层政策数量较少且出台较晚，但对CDSS产品落地有着最直接的影响，主要包括信息化评级和绩效考核，例如电子病历、智慧医院评级、医院信息互联互通评级等都对CDSS应用提出了要求，其中电子病历评级对CDSS的需求最为显著，因为电子病历对提高医疗服务效率、保障医疗质量和安全、改善就医体验、加强医疗服务监管以及促进“智慧医院”发展都有着重要意义。

受政策、市场、技术等多重因素的推动， CDSS商业化进程加快，不同类型的企业主体利用自身优势，建立起各具特色的产品壁垒和业务模式。CDSS的采购因需求不同，采购主体也会略有差异。大部分情况下，CDSS一般由有需求的医疗机构自行采购；或由区域内的政府机构（卫健委等）代为采购，供区域内的医疗机构或某一医联体/医共体内的成员单位共同使用。政府给医疗机构采购，这种情况一般是由于区域内的医疗机构对CDSS的需求比较高，政府也有主动推行CDSS来提升区域内医疗诊疗效率与水平的动力。

电 子病历评级相关市场规模可观，全科 CDSS市场规模超百亿，专科CDSS市场规模取决于企业开拓场景的程度。 2019年全国有7000多家医院申报电子病历评级，据此估算该市场年规模约80亿元。全科市场更大，仅知识库查询功能的单个产品招标价在30-50万，若加上辅助诊断、用药推荐和硬件产品，单个机构平均客单价约100万。以江苏90多个区县为例，若每个区县购置100万项目，就有1亿市场，核心城市基层医疗机构密度更高。此外，民营医疗连锁为规范诊疗流程和提升运营效率会采购全科CDSS，如吕医生社区连锁诊所采购惠每科技产品，全科CDSS市场规模超百亿。专科CDSS产品比全科贵，招标价在50-300万元不等，其市场规模取决于企业开拓场景的程度，若单个VTE产品能在每家医院布置，专科CDSS单一场景的市场将接近评级版CDSS规模。

CDSS在应用层面有两个发展方向，这将推动行业迎来第二次增长跨越。 一是深入发展，很多信息化企业在单病种上拓展，但单病种质控与临床结合紧密，跨越壁垒有难度。部分企业通过组建医学团队帮助医院临床科室应用 CDSS，在VTE、新冠肺炎、脓毒血症等病种取得成效。二是基于NLP技术，将CDSS置入电子病历等系统进行内涵质控，嘉和美康就是将CDSS系统以插件形式置入各科室电子病历系统和工作站，辅助医生书写病历时质控。相关应用已出现在信息化厂家的HIS和电子病历系统中，若企业能做好知识库并与现有信息化系统结合，实现事中与事后质控结合，患者安全将得到进一步保障。

AI 医疗系统推动医院端流量向 toC 端转化 。 区别于传统医疗系统， AI 医疗系统不仅包括 CDSS 和电子病理功能模块，还具备将医院端流量转化为 toC 端的潜力。 以讯飞医疗为例， 讯飞医疗通过其智慧医院患者服务与诊后管理平台，利用 AI 技术为患者提供个性化健康管理服务，推动医院端流量的转化。患者出院后，可以通过平台上传病历、接收用药提醒，并与医生进行远程沟通，平台内的智能聊天机器人还能够回答患者的常见问题，提升患者的健康管理体验。通过这种方式，医院能够将传统的线下诊疗转向线上健康管理服务，开辟了新的盈利渠道。此外，讯飞的影像云平台为医院提供远程医学影像服务，优化了医疗资源的配置并提升了医疗效率。 AI 医疗系统通过这些技术创新，不仅帮助医院实现了流量变现，还推动了医疗健康管理的数字化转型，为医院带来了新的经济增长点。

5. AI 健康管理 ：慢病管理应用落地可期

《 2024-2029年中国健康管理行业发展趋势及竞争策略研究报告 》数据显示， 2023年中国健康管理市场规模约为11879亿元。 其中， AI助力健康管理，可以为人们提供更加精准、高效、便捷的健康服务，帮助人们更好地管理自己的健康。当前，中国AI健康管理行业尚处发展初期，但遍布多个细分领域，市场广阔。未来，随着AI技术的不断提升和不断渗透的同时，在慢性病患者、亚健康群体增大及老龄化驱动下，AI健康管理需求市场将迎来快速扩张。

在 AI 健康管理的应用中，慢病管理是一个重要的方向，市场空间广阔。 根据《 2022 中国卫生健康统计年鉴》，预计到 2024 年中国慢病患者人数将超过 5 亿，且慢性病在所有死亡病例中的占比高达 80% 。随着老龄化社会的推进，慢病患者人数还将持续增加。我国慢性病人群的特点包括人数庞大、共病率高和管理难度大，这导致了医疗资源的 “ 供求失衡 ” ：一方面，有限的几千家公立医院面临挂号难、排队长的压力；另一方面，数万家基层医院面临病人稀缺、发展受限的困境。因此，慢病管理的数字化转型变得尤为迫切， AI 技术为解决这些问题提供了高效的解决方案。

慢病管理的长期性特点使得 AI 技术在该领域的容错率更高，应用落地的可能性更大。 AI 系统通过智能穿戴设备（如 CGM ）实时监测患者的生命体征，结合患者的历史病历、遗传信息、生活习惯等多元数据进行分析，能够及时发现健康异常并进行预警，帮助医生和患者做出更精准的干预决策。 AI 慢病管理不仅能降低误诊和漏诊率，还能有效提高管理效率，从而为庞大的慢病患者群体提供定制化的健康管理服务。

AI 慢病管理不仅推动了医疗数据的积累，也为健康管理与商业保险行业的深度融合提供了新机遇。 2023 年，中国商业健康保险保费收入首次突破 9000 亿元，达到 9035 亿元，然而仍未达到《促进社会服务领域商业保险发展的意见》提出的 2025 年市场规模 “ 力争超过 2 万亿 ” 的目标。当前，商业健康保险面临低赔付率和信息不对称等问题，整体赔付率仅为 3000 亿元，占卫生总费用 9 万亿元的 3.3% 。在此背景下， AI 技术通过实时采集、分析患者健康数据，为保险公司提供精准的健康风险评估。例如， AI 能够识别健康异常，提前预警潜在的疾病风险，减少信息不对称带来的核查成本，并提升保险理赔的准确性。这不仅能有效降低核保成本，还能提升赔付率，推动保险产品的创新与市场扩展。

近年来，国家针对 AI健康管理领域出台了一系列相关政策，旨在推动人工智能技术在医疗健康领域的创新应用。2023年2月，中共中央办公厅、国务院办公厅印发《关于进一步深化改革促进乡村医疗卫生体系健康发展的意见》，提出到2025年，乡村医疗卫生体系改革发展取得明显进展。乡村医疗卫生机构功能布局更加均衡合理，基础设施条件明显改善，智能化、数字化应用逐步普及，中医药特色优势进一步发挥，防病治病和健康管理能力显著提升，乡村重大疫情和突发公共卫生事件应对处置能力不断增强。2024年1月，国务院办公厅印发《关于发展银发经济增进老年人福祉的意见》，加快建设康复医院、护理院（中心、站）、安宁疗护机构，加强基层医疗卫生机构康复护理、健康管理等能力建设，鼓励拓展医养结合服务，推动建设老年友善医疗机构。

目前， AI健康管理行业仍处于快速发展初期，市场集中度相对较低，竞争格局尚不稳定。当前，中国AI健康管理行业吸引了众多企业参与，包括中兴通讯、迪安诊断、九安医疗、鱼跃医疗、乐普医疗、万达信息、方舟健客、卫宁健康、乐心医疗、延华智能、智云健康、钱璟康复、推想医疗等企业。

6. AI 终端应用：数据自主，模型可控，助推终端降本增效

AI 大模型正以前所未有的速度渗透到医疗健康领域，为智慧医院的建设带来革命性变革。 在这场变革中，中国 AI 大模型公司 Deepseek 以开源、高效的大模型技术脱颖而出，为医院私有化部署和自主训练高性能医疗 AI 提供了前所未有的机遇。 Deepseek 大模型的出现，不仅是一次技术突破，更是医疗服务体系迈向自主可控、智能化升级的关键一步。

数据自主，模型可控。 借助蒸馏和强化学习等技术，医院可以构建真正属于自己的、数据自主、模型可控的医疗大模型。这些模型不仅能够更好地保护患者隐私和数据安全，还能根据医院自身的需求进行深度定制和优化，构建更具竞争力的智慧医疗服务体系，掌握智慧医疗发展的主动权。

AI 大模型在院端应用逐步落地。 继美年健康、固生堂先后公告接入 DeepSeek ，华为 - 瑞金病理大模型发布， AI 大模型在医院端的应用有望看到逐步落地。基于医院大量优质诊疗数据， AI 工具有望赋能医生优化诊疗质量和效率、提高患者就医体验、帮助医院降本增效等。

智慧药房建设 进行时 ， AI 提高药管效率 。 智慧药房是一个软硬件结合的智能化药品管理系统，能实现药品的自动化存储、调配、传送和发放，随着医院药品品种、数量迅速增加以及医疗服务质量标准逐步提升，智能化药品管理系统应用广泛，成为医院降低运营成本、提升运营效率和服务质量的重要手段。在医疗物资智能管理系统产品线不断完善的背景下，医院智慧药房建设也从自动化朝着 “ 信息化、智能化 ” 方向发展，基于深度学习、视觉识别技术， AI 智慧药房能够实现智能存储 - 智能补药 - 智能发药 - 智能复核一站式发药流程，相比传统自动发药机，能进一步提升发药效率和准确率。

7. AI 制药：商业模式多元化，赋能创新药研发

AI 制药是指将机器学习、自然语言处理及大数据等人工智能技术应用到制药领域各个环节，显著优化新药研发的效率及质量，降低临床失败概率及研发成本 。 应用在制药环节的 AI 技术主要包括机器学习中的深度学习、大数据及自然语言处理，通过训练数据库内目标信息，搭建精准模型，实现药物分子的筛选、预测及分析、用药安全的试验、评估等研发目标 。

当前国内外 AI 制药市场的主要玩家主要有三类，即大型药企、 AI 制药初创企业和互联网头部企业，其中大型药企又分为传统药企和 CRO 企业。 1 ）传统药企和 CRO 企业： 跨国药企如辉瑞、赛诺菲、默沙东等继续扩大 AI 合作，合作模式从早期研发向临床阶段延伸。 2 ）互联网巨头： 华为、腾讯、阿里巴巴等通过技术平台和算力优势深化布局。 3 ）初创企业： 尽管部分初创企业面临融资压力和管线进展缓慢的挑战，但头部公司如英矽智能、冰洲石生物等已有管线进入临床阶段。

近十年来，越来越先进的信息技术得以用于生物层面，随之而来的是相关数据及工具的极大充盈， AI 制药得以拓展更加多元的发展方向和更加广阔的应用空间。不仅仅局限于传统的小分子药物， AI 在大分子药物、细胞和基因疗法领域的作用也不断获得印证，一大批相关 Biotech 随之涌现。与此同时，辉瑞、赛诺菲、拜耳、强生等跨国药企和包括药明康德、 IQVIA 在内的 CXO 企业也纷纷加入进来，投身 AI 技术赋能药物的研发之中。

海外上市企业发展现状： 海外 AI 制药行业的上市企业数量逐渐增加，其中包括一些市值达数十亿美元的知名企业。尽管近期市值出现波动，部分企业面临股价下滑的局面，但整体仍呈现出强劲的发展态势。随着制药行业的快速增长和市场需求的提升， AI 制药公司不断进行技术更新和新药研发，积极开展与医药行业的合作，并探索各种商业模式，以实现长期可持续发展。当前 AI 制药公司商业模式主要有三种：以提供软件平台服务为主的 SaaS 供应商，典型代表公司是 Schrödinger （薛定谔）市值 22 亿美元； AI 赋能的 Biotech 公司，主要以开发内部管线为主，代表公司是 RelayTherapeutics 市值 10.4 亿美元； AI 驱动的 CRO 公司，主要为药企、 CRO 等药物研发公司提供外包服务，代表公司是 Exscientia 市值 6.9 亿美元。

国内 AI 制药企业发展现状： 相较于海外，国内 AI 制药行业起步较晚，但追赶劲头强势。 2021 年是国内 AI 制药的创业高峰，共有 27 家公司在这一年创立，超过 28 家公司仍然处于种子轮及天使轮。 2022 年上半年国内 AI 市场整体情况处于低谷，新成立公司数量和融资金额都有一定程度下落， 2022 年底至 2023 年， AI 制药市场回暖。 2025 年随着 deepseek 的推出， AI 制药市场迈向高峰。 与海外 AI 制药公司类似，国内 AI 制药公司的商业模式也分为三类， AI+Biotech 、 AI+CRO 以及 AI+SaaS 。其中 AI+Biotech 的代表企业为英矽智能， 2022 年 8 月英矽智能最后一轮融资后估值为 8.95 亿美元，目前英矽智能共有 31 个内部管线，最快的管线推到了临床二期阶段； AI+CRO 的代表企业为晶泰科技， 2021 年 7 月最后一轮融资后估值为 19.68 亿美元； AI+SaaS ，代表企业为智峪科技、碳硅智慧等，这类企业通过软件平台等渠道向下游企业提供服务；还有部分企业商业模式并不唯一，例如晶泰科技提供 CRO 服务的同时，已经通过自研或合作研发的方式已经建起十余条管线。

根据 MedMarketInsights 预测， 2023 年全球 AI 制药行业市场规模为 12.93 亿美元，预计到 2031 年，市场规模增长到 85.02 亿美元， 2022-2031 年复合增长率约为 27.2% 。据智药局统计，目前 AI 相关药物获批临床的管线约 90 条，其中有约 40 条推进到 II 期临床，占总数的 44% ；推进到 III 期的管线接近 10 条。 根据智药局， 预计 2017 年之后，随着当前处于临床 II 、 III 期的 AI 药物进入上市阶段， AI 制药市场或将迎来第一个小高峰；第二个高峰预计出现在 2030-2031 年，当前处于临床前、临床 I 期和 II 期药物的推进到药物上市阶段，将会带来新的增量。

随着人工智能技术的快速发展，国内的 AI 制药市场规模也正在同步扩大。 AI 技术在制药行业的应用，能够加速药物研发过程、提高生产效率、优化药物配方等，极大地推动了整个行业的发展。生物技术和人工智能技术的快速发展，以及 AIDD 、 AlphaFold2 及 ChatGPT 等创新产品的出现，国内 Al 制药产业迎来高速发展的成长期。 2021 年，在疫情驱动、资本加持下，国内 Al 制药企业投产获取第一轮成效，预计 20 30