文｜氨基观察

AI医疗从未如此热闹。

DeepSeek开源模型的横空出世，让医疗大模型的落地速度远超预期。药企忙着将AI嵌入药物研发管线，医院争相部署智能问诊系统，而AI企业也加速转向——百川智能裁撤B端业务All in医疗，润达医疗与华为云合作推出“良医小慧”大模型，就连华为也组建了医疗卫生军团加入战局。

资本市场的狂热更添一把火：木头姐在年度报告中预言，AI医疗将重构万亿美元健康产业；Tempus AI成了AI医疗当红炸子鸡，短短一个月股价涨了接近200%。

当然，情绪来得快去得也快。过去一个月Tempus股价从高点跌落，接近腰斩。

这也提醒着我们，在这场狂欢背后，历史的阴影始终挥之不去——IBM Watson Health耗资百亿却黯然退场的教训犹在眼前；国内AI四小龙也都曾想在医疗领域分一杯羹，但无一例外铩羽而归。

这一次，当药企、医院和AI公司在风口下争先恐后时，一个必须回答的问题始终拷问着所有人，AI医疗是真变革还是新泡沫？

/ 01 / 风口下的签单

没有人会怀疑，AI的尽头是医疗。

亚马逊、谷歌、微软、英伟达等科技巨头近年来在医疗领域撒下重金。英伟达更是豪赌AI+医疗，其在医疗保健行业的直接和间接收入已经超过10亿美元，未来可能会达到数百亿美元。

对于巨头们来说，医疗行业是一个有待挖掘的巨大市场，充满机遇和挑战，这些渴望持续增长的巨头们，谁也不愿意在新赛场上掉队。木头姐更是在其《Big Ideas》报告中表示，当前医疗保健是最被低估的AI应用。

这股浪潮也早已传导至国内。2023年以来，AI医疗大模型数量开始井喷。据不完全统计，目前国内医疗大模型已逾200个，涉及场景十分广泛，几乎覆盖了所有的科技医疗板块。

在“百模大战”中，AI+医疗的故事也挽救了一些AI玩家。

2024年8月，百川智能的医疗组从边缘走向核心，成为这家AI独角兽的救命稻草。在投资人看来，医疗可能是百川智能能够与其他六小虎打出差异化的概念，而差异化，恰恰是能融到钱的关键。

而在多个访谈中，王小川也向外界解释，转向医疗与通往AGI（通用人工智能）的目标并不矛盾：医疗不是垂直场景，造医生就等于AGI。

2025年初，DeepSeek的横空出世，AI医疗更是进入发展快车道，2月份以来，包括华为在内越来越多重量级选手下场，新一轮AI医疗应用浪潮也加速席卷医院。

这不难理解，AI医疗在提升医疗器械功能、检查检验结果解读、辅助临床医生决策、健康管理等多个领域的应用价值较大，是医疗企业和医院必须重视的创新方向和竞争趋势。

尤其是当DeepSeek被视为国运级机会，所有人争先恐后。据不完全统计，截至目前，国内已有超百家三级医院官宣完成DeepSeek本地化部署，包括一大批知名大三甲医院。

事实上，在AI大趋势下，去年以来，不少医院科室便都有AI落地的指标，因此，医院作为甲方愿意签单。一是为了自己的政绩，二是为了能发AI医疗相关的论文，三是为了以来能卖AI医疗产品给患者。

总之，现在的医院，在风口之下，是有动力和意愿为AI产品付费的。

/ 02 / 现实的拷问

所有人都在冲向AI。

根据2024年飞利浦中国版《未来健康指数报告》数据显示，86%的医疗机构管理者受访者表示已布局或计划投资生成式AI，这一比例显著高于美国的75%。

而在具体应用场景方面，47%受访者表示已经在放射科部署AI，44%在院内患者监护中应用AI，40%在药品管理环节应用AI。

在这一轮浪潮中，尽管医疗机构的AI应用率较高，但医院最关心的是“是否能缓解医生资源紧张”、“是否能减少文书工作量”、“是否能降低误诊率”等具体现实问题。如果AI产品只在短期内解决一个小痛点，或长期维护成本过高，医院就会觉得得不偿失。

当年，IBM Watson Health的致命缺点之一，就是缺乏医患场景的深度融入，不能贴合医院工作流、无法与医生日常操作系统无缝衔接，很难获得持续应用，加上日常维护成本较高，导致IBM Watson Health在烧掉数百亿美元，仍无法真正落地、走向败局，IBM也退出医疗保健舞台。

最为典型的是，2017年MD安德森肿瘤中心与之结束4年的合作。为了培养IBM想象中的虚拟医生，MD安德森肿瘤中心支付了6210万美元的研发费用。然而这些钱却没有溅起什么水花。

对于国内AI+医疗产业来说，这也是一个无法回避的现实问题。因为当风口过去，大家回归现实之后，这些产品如果没有对医疗机构产生实际价值，那就很有可能会成为一次性买卖。

这并非没有先例。过去，从AI阅片、AI诊断等场景来看，很多AI+医疗的应用，都面临着真实作用有限的问题，并且由于难以打通付费场景，导致变现困难，进而使得市场热情不高。

以AI阅片为例，病理诊断是一种基于图像信息的诊断方式，被誉为疾病诊断的 “金标准”。逻辑上来讲，中国病理行业发展面临病理医生缺乏、分布不均匀、培养周期漫长等问题，让人工智能参与可以大大提高医务人员的工作效率。

然而，现实中，人工智能是否能够有效地提高效率？又该如何为人工智能技术的应用付费？这些问题需要找到答案。

过去，从腾讯、百度到依图科技等也都有病理大模型的功能模块，但大多也都成效有限。AI理想再丰满，都要落实到创收的骨感，这一点在医疗产业只会更难。

说白了，外界回望过去能看到的，是AI落地医疗的艰难，以及上一代AI厂商的失败。当初的AI四小龙，都曾想在医疗领域分一杯羹，但无一例外铩羽而归。

/ 03 / 不要让AI+医疗变一次性生意

如今，技术虽然在不断迭代发展，AI在医疗领域的应用也在持续突破，但一些本质的问题尚未得到真正解决。

而这些问题，也关系着这门生意到底是可持续还是一次性的。

首先是如何提升效率。这涉及两点，数据及专业医生。

拥有庞大、且持续更新的患者数据，是医疗AI产品提高精度和持续迭代的基础。而业界基本有着这样一个共识，那就是阻碍AI应用渗透速度的，主要还是优质数据集的缺乏。

国内虽不缺少医疗数据，但由于各家医院标准不统一，数据参差不齐，还有不少数据存在错漏、不完整等问题。根据《智能涌现》报道，百川智能内部的评测显示，若是只基于现有文献和数据库，目前AI病例的生成能达到70-80分，但相关项目落地的基准在90分。

目前最好的解决方法，是加入专业医生的标注和对齐。2024年年末，百川智能投资了医疗数据服务商“小儿方”，也成立了有30多位医生的医学产品部。除此之外，公司还高薪聘请了医疗专家，来带队专业医疗团队。

说白了，医疗模型的训练，不仅要有算法工程师，最重要的角色是专业医护人员。复旦大学大数据研究院医学影像智能诊断与医疗信息学研究所副所长单飞更是直言，“牵着研发队伍走的应该是医生”。

其次是关于AI医疗的付费问题。

面对医疗机构这些大甲方，打开市场并不容易。传统的销售模式是可复制的，但医疗AI不是，医院会提出不一样、更个性化的需求。

同时，医院又希望能够打包、融合，而不是为单个平台、系统付费。事实上，单独做一个AI的公司很难活下去。这也是前期AI影像企业为我们留下的教训，后来者则正在选择“一扫多查”作为破局的思路。

如何深刻洞察医院、医生的需求，是AI医疗打开市场的一大关键。

除此之外，医疗AI还在支付端受到政策和市场的影响。即使获得了“三类证”，取得临床应用资格，AI医疗产品要想大规模落地，仍需要获得医疗收费目录和医保的准入。

在支付模式层面，目前国家医保尚未明确纳入任何AI医疗产品，医院也未曾就AI医疗产品向患者收费。

而2024年11月《放射检查类医疗服务价格项目立项指南（试行）》发布时，医保局对其中涉及AI的内容解释称，目前AI技术在一定程度上能够帮助医生提高诊断效率，但还无法替代医师，在已经收取相关诊疗费用后，不宜单就AI辅助诊断再向患者额外收费。

对于AI医疗产品来说，如果不纳入医保，很难推广；而纳入基本医保的前提则是，项目是诊疗必需、安全有效且适用性足够广的，目前不少AI医疗还没有达到这一要求。

以上种种，关系着AI医疗企业与产业的走向。

DeepSeek的开源风暴撕开了技术普惠的入口，但医疗的特殊性注定，这里没有大力出奇迹，只有一寸寸啃下临床痛点的笨功夫。