美通美股票配资 2025WAIC“AI+医疗健康产业图谱首发”：十大洞见解码人工智能医疗的"中国方案"

政策维度

洞见1：AI+医疗健康纳入国家战略布局，产业迎来加速期

国家层面已构建起“顶层设计+专项落地+全链条支撑”的政策体系，将AI+医疗健康作为数字经济与民生保障深度融合的核心方向，推动产业从试点探索进入规模化落地的加速阶段。政策围绕基础设施、监管治理、支付机制、场景应用、产业融合五大维度形成闭环，为AI技术在医疗健康领域的创新与落地提供了明确指引和坚实保障。

1.基础设施支撑：筑牢数字化发展底座

国家以标准化建设为核心，推动医疗健康数据互通与智慧医院建设，为AI应用奠定基础。一方面，出台《关于加强全民健康信息标准化体系建设的意见》，研究制订医学人工智能应用研究指南，推进医学人工智能在智能临床辅助诊疗、医用机器人、人工智能药物研发、智能公共卫生服务、智能医院管理、智能医疗设备管理、智能医学教育等领域应用试点和示范；另一方面，通过《公立医院高质量发展促进行动（2021-2025年）》，鼓励有条件的公立医院加快应用智能可穿戴设备、人工智能辅助诊断和治疗系统等智慧服务软硬件，提高医疗服务智慧化、个性化水平，推进医院信息化建设标准化、规范化水平。

2.监管治理完善：明确合规发展路径

针对AI医疗产品的特殊性，国家建立了分层分类的监管框架，平衡创新活力与安全底线。2021年《人工智能医用软件产品分类界定指导原则》首次明确AI医用软件的分类与监管要求，根据产品预期用途、算法成熟度等因素将其分为二类或三类医疗器械，为企业研发与注册提供清晰指引；后续通过推动医疗大模型备案与应用评测、强化算法透明性与数据安全管理、明确伦理治理要求等措施，逐步构建起“全生命周期监管”体系，降低企业合规风险，引导产业规范发展。

3.支付机制改革：破解商业化落地瓶颈

支付端政策的突破为AI医疗产品的规模化推广提供了关键支撑。2024年11月，国家医保局首次将“人工智能辅助诊断”纳入医疗服务价格项目立项指南，为AI服务的成本核算与价值变现提供了政策依据；2025年《医药工业数智化转型实施方案（2025-2030年）》明确提出深化人工智能赋能应用，支持医药大模型技术产品研发，《关于全面深化药品医疗器械监管改革促进医药产业高质量发展的意见》则优化了医疗器械标准体系，为AI医疗产品的医保准入、付费模式创新创造了有利条件。

4.应用场景拓展：释放产业创新空间

国家明确了AI+医疗健康的重点应用方向，推动技术从单一场景向全链条渗透。2024年《卫生健康行业人工智能应用场景参考指引》聚焦人工智能与医疗服务管理、基层公卫服务、健康产业发展、医学教学科研四大领域，明确84个应用场景，为各地立项、收费和医保准入提供统一编码和应用边界；此前《“十四五”国民健康规划》《关于进一步完善医疗卫生服务体系的意见》等政策，已将AI赋能智能医疗服务、个人健康实时监测、疾病预警、慢病筛查、智慧医院建设等列为重点任务，形成了政策引导场景、场景驱动创新的良性循环。

5.重点产业融合：推动全链条协同发展

政策鼓励AI技术与医药制造、医疗康养等产业深度融合，构建多元化创新生态。2025年11月，《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》提出要丰富应用场景、提升服务能力，推动AI在预防、诊疗、康复、健康管理等全链条的连续智能服务；《医药工业数智化转型实施方案（2025-2030年）》则聚焦医药工业数智化转型，推动新一代信息技术与医药产业链深度融合，为AI+药物研发、AI+医疗器械、AI+医疗服务等赛道的协同发展提供了政策支持。

国家层面的政策体系已实现“从宏观导向到微观落地”的全覆盖，既通过基础设施建设和场景开放为AI技术提供了应用土壤，又通过监管规范和支付改革破解了商业化瓶颈，全方位推动AI+医疗健康产业进入高质量发展的加速期。

洞见2：上海打造医学AI发展高地，出台全国首个省级方案

作为全国医学AI创新的先行者，上海依托“国家人工智能+行动”与“模塑申城”工程的政策叠加优势，出台全国首个省级医学AI专项工作方案——《上海市发展医学人工智能工作方案（2025-2027年）》，致力于打造国内领先、国际知名的医学AI发展高地，为全国AI+医疗健康产业提供可复制、可推广的“上海答案”。

1.提升创新策源

围绕基础研究、算法算力、数据治理三大技术维度布局，旨在解决医学AI领域理论储备不足、核心技术卡脖子、数据流通不畅的痛点，为产业发展提供源头创新动力。

2.建设支撑平台

明确将支撑平台作为连接技术与应用的关键桥梁，规划建设四大核心平台，包括医疗健康数据新型基础设施、AI药物研发平台、医学AI测试验证中心、医学AI应用中试基地，为医学AI企业与医疗机构提供全流程服务。

3.打造全域场景

以临床需求为核心，明确了医学AI的六大重点发展领域，包括临床医疗、医疗管理、公共卫生、医保监管、药械研发、中医药，覆盖从前端研发到终端服务、从院内诊疗到公共卫生的全链条场景。

上海的省级方案为地方层面推动医学AI发展提供了清晰范本，其场景导向、平台支撑、政策保障的三位一体模式，不仅将加速本地AI+医疗健康产业的发展，更将通过经验输出与模式复制，引领全国医学AI产业的高质量发展。

企业维度

洞见3：当前企业发展诉求集中于场景、数据、算力，三大要素成产业突破关键

在AI+医疗健康产业从技术探索向规模化落地转型的关键阶段，企业的核心诉求高度集中于场景、数据、算力三大核心要素。调研数据显示，市场认知不足、数据不足、算力不足是企业面临的主要阻碍，而场景开放、数据流通、算力支持、标准制定则成为企业最迫切的需求，三大要素的供给质量直接决定了AI技术的落地效率与商业价值转化能力。

1.场景诉求：从泛化探索到精准适配，需开放高价值落地场景

当前AI医疗企业普遍面临“技术先进但场景适配不足”的痛点，对精准、高价值场景的需求尤为迫切。

企业痛点：部分AI技术虽具备技术先进性，但缺乏与临床、产业实际需求的深度绑定，导致技术落地难、商业变现慢。

核心诉求：企业希望政府、医疗机构能开放更多高价值场景，尤其是三级医院的专科临床场景、基层医疗的慢病管理场景、公共卫生的应急响应场景等。此外，企业呼吁明确场景应用标准，减少因场景定义模糊导致的研发浪费。

2.数据诉求：从单点数据到高质量共享，需破解数据流通壁垒

数据是AI模型训练与迭代的核心燃料，医疗数据的特殊性导致企业面临数据不足、质量不高、流通不畅的三重困境。

企业痛点：医疗数据多分散于单个医院或机构，且共享意愿保守，缺乏行业级、专科高质量数据集，导致AI模型训练效果受限；跨机构数据标准不一，数据格式、标注规范差异较大，增加了数据处理成本；部分数据因隐私保护要求，难以合规使用，进一步压缩了数据供给空间。

核心诉求：企业迫切需要建立统一的医疗数据共享与流通机制，例如由政府牵头构建行业级专科数据集、跨机构数据共享平台；明确数据脱敏、隐私计算的技术标准与合规路径，在保障数据安全的前提下实现数据有序流通；推动医疗数据的标准化标注，提升数据质量，降低企业数据处理成本。

3.算力诉求：从单点投入到集约供给，需降低算力使用成本

AI模型训练、多模态数据处理等环节对算力需求巨大，高昂的算力成本成为制约企业发展的重要因素。

企业痛点：AI医疗大模型的训练与推理需要大规模算力支撑，单次算力投入往往达千万级，而当前投入回报周期较长，中小微企业难以承受；算力资源分散，各家医院、企业自建算力中心导致资源浪费，且无法实现模型互跑；电力成本高企进一步加剧了算力使用负担，企业呼吁“上海应该有市级算力中心，各家医院自建算力中心并不能做模型互跑”。

核心诉求：企业希望政府牵头建设集约化算力供给平台，例如市级智算中心，通过“算力券”“集中调度”等方式降低算力使用成本；对初创企业、中小微企业给予算力补贴，实现“补早补小”，减轻其研发压力；推动算力资源与医疗场景的精准对接，优化算力调度效率，提升算力使用性价比；同时建立算力使用的行业标准，规范算力计费模式，保障企业权益。

洞见4：企业加速出海成必然趋势，AI+医药研发与医疗器械赛道路径分化

随着国内AI医疗技术日趋成熟、政策支持力度加大，以及全球市场对AI医疗产品需求的提升，出海已成为AI+医疗健康企业的重要战略选择。不同赛道企业根据自身技术特点、资源禀赋形成了差异化的出海路径：AI+医药研发以“授权出让+自主出海”为核心模式，AI+医疗器械则通过“远程手术突破+整体方案输出+因地制宜布局”三策并进，海外市场已成为企业增长的重要新引擎。

1.AI+医药研发：授权出让与自主出海并行，国内企业成本与效率优势凸显

授权出让（License-out）：企业将自主研发的药物管线或核心技术授权给海外药企，由对方负责后续临床开发、注册申报与市场销售，核心优势是“卖成果、换现金流”，适合资金相对受限的初创企业。

自主出海：企业在海外自行开展药物研发、临床试验、注册申报与市场销售，不依赖海外药企，核心优势是“建立自主体系、掌握核心权益”，适合具备资金、技术、合规能力的成熟企业。

核心出海区域：主要集中于国际药企聚集地，以美国、欧洲为主，这些区域具备完善的临床试验体系、成熟的支付市场与较高的创新药需求，是国内AI制药企业的核心目标市场。

2.AI+医疗器械：三策并进拓展全球市场，因地制宜适配不同区域需求

微创实施1.2万公里全球最远远程手术、中东第一例超远程手术

一脉阳光与医思健康达成联盟计划推动香港影像中心落地

傅利叶与马来西亚PERKESO合作落地首个伽利略系统

洞见5：五大场景下中美企业能力对比

技术维度

医疗大模型共经历三个发展阶段

洞见6：大模型——医疗领域专病专科大模型正加速渗透

1.核心趋势：专病专科大模型成为布局热点

自2024年起，医疗大模型应用进入垂类深耕阶段，国家医学中心建设医院成为核心推动力量。

部署现状：截至2025年4月，国内百强医院大模型部署率达98%，33%的医院开展垂类大模型开发。

病种分布：肿瘤是最活跃的布局方向，占比达22.2%，涵盖女性肿瘤、胰腺癌、肺癌、肾脏肿瘤等；儿科、心脑血管疾病次之，占比均为18.5%，此外还涉及神经疾病、口腔、消化等多个领域，聚焦临床需求刚性、数据积累充足的专科场景。

合作模式：院企共建是主流开发方式，44%的专病专科大模型采用“医院+企业”联合开发模式，神州医疗、百川智能、安德医智、脑动极光等企业深度参与，形成“临床需求-技术研发-落地验证”的闭环。部分成熟模型已启动多中心真实世界研究，例如“哪吒・灵童”“福棠・百川”等将接入国家儿童医学中心协作网。

2.关键突破：循证医学破解AI幻觉难题

关注模型What to Know

通用大模型由于知识来源混杂，往往不符合循证医学范式；

通过引入权威来源的医学证据优化模型输入，同时将查询转化为结构化医学问题，在数据库中进行从证据、到实践、再到真实世界反馈的分层匹配，能够克服缺乏医学语义理解、无法辨别文献可靠性等问题。

关注模型How to Reason

通用大模型在医疗场景使用中往往幻觉率高，存在臆测行为；

通过将检索到的数据按照逻辑因果链组织，判断回答是否遵循已知证据，并引入奖励机制强化有依据的回答行为，使得模型句句有据，可回溯、可验证，赋予回答更高的可解释性与可信赖度。

京东健康：今年5月，京东健康旗下自研医疗大模型“京医千询”迎来2.0版本升级，通过循证医学与患者数据深度结合，切实提高临床实用性。

卫宁健康：今年10月，卫宁健康发布了其最新版的医疗大模型WiNGPT3.5-Turbo及WiNEX Copilot 3.0。其中，WiNGPT3.5-Turbo是轻量级（MoE架构）、循证强化的医疗大模型。

百川智能：今年10月，百川智能发布循证增强医疗大模型Baichuan-M2 Plus，其医疗幻觉率相比通用大模型有显著降低。

洞见7：医疗智能体进入“三层并进”爆发期

数字分身商业化最快

数字分身已率先规模化→专科智能体处于验证期→医院智能体仍在概念中

需完成三阶段训练解决高度同质化问题

预训练（知识储备）→正式训练（慢思考能力）→续训练（风格适配）

——中国信通院专家

三种层次智能体终局将走向融合

专科智能体为核心+数字分身为交互界面+医院智能体为基础设施

当前，智能体主流应用整体仍处于“L2向L3过渡”阶段

洞见8：具身智能或将打通医疗健康的“最后一公里”

具身智能以机器人、机械臂等物理载体为核心，融合多模态感知、运动控制与AI决策技术，实现了人工智能从“数字虚拟服务”到“物理实体干预”的关键跨越。当前，行业正围绕“自主医疗、人机协作、具身智能深化”三大方向探索实践，未来将聚焦临床干预、护理陪伴、设施运转、研究开发四大场景全面落地，成为链接数字医疗与物理健康服务的核心桥梁。

自主医疗：约翰霍普金斯大学团队自主手术机器人在无人操作干预的条件下成功完成了对猪胆囊切除的软组织操作。

人机协作：英国帝国理工学院开发AI超声机械臂，能够在产科检查中自主扫描并识别胎儿图像，通过深度学习算法结合机械臂实时调节实现半自动化筛查。目前已启动多中心验证试验。

具身智能：展望未来，具身智能将与大模型、脑机接口深度融合，成为链接数字世界与物理世界的桥梁。

产业维度

洞见9：人工智能技术重构医疗健康产业的四维价值，实现全链条提质增效

人工智能技术已不再是单一环节的辅助工具，而是深度渗透医疗健康产业全链条，从运营、市场、要素、普惠四个核心维度重构产业价值。这一价值重构不仅推动医疗机构效能提升、企业商业模式升级，更激活了数据要素潜力，让优质医疗资源触达更广泛人群，为产业高质量发展注入核心动力。

洞见10：从HIS到PHIS，医疗服务模式迎来根本性变革，迈向全生命周期健康管理

随着人工智能、物联网、大数据技术的融合发展，医疗服务模式正从以医院为中心的“医院信息系统（HIS）”时代，迈向以个人健康为中心的“个人健康信息系统（PHIS）”时代。这一变革打破了“被动疾病治疗”的传统模式，构建起“主动健康管理”的全新生态，让医疗服务贯穿个人全生命周期，实现健康管理的连续性与个性化。