医疗行业正在成为AI最拥挤的战场之一。弗若斯特沙利文预测中国医疗AI市场规模将从2023年的88亿元增长至2033年的3157亿元十年翻近36倍。与此同时医疗AI的产业化进程也在加快。今年1月工信部与国家药监局公布新一批人工智能医疗器械创新任务名单共有182个项目入围覆盖智能辅助决策、脑机混合智能和产业支撑环境等方向。从药物研发、医学影像到医疗器械、在线问诊AI几乎已经进入医疗产业链的各个环节。资本市场关注热度也一直居高不下。Wind数据显示2025年四季度以来有150家AI医疗主题指数成分股获得机构调研其中36家企业参与调研的机构投资者超过40家。从收入看医疗AI已经开始兑现商业价值。据中信证券统计2025年AI医疗板块营收同比增长27.66%。在整个医药行业收入承压的背景下这个增速足够亮眼。但利润端却是另一番景象。2025年AI医疗板块整体亏损额较上年收窄61.88%距离稳定盈利还有一段路。这是医疗AI赛道眼下最现实的反差。当然也有少数企业率先越过了盈亏线。以AI算法加机器人实验室做药物研发的晶泰科技2025年首次实现年度盈利以医疗数据智能为核心为医院、药企和保险机构提供服务的医渡科技也在2026财年首次扭亏。与此同时迈瑞、联影等传统医疗企业虽然没有单列“AI收入”却把AI直接嵌入了超声、检验、CT和磁共振等成熟产品。目前看医疗AI正在沿着两条路径向前推进。一类公司从AI出发把模型延伸到实验、产品和项目交付另一类公司从医疗主业出发把AI放进已有的设备、系统和服务。两条路径都已经开始形成收入但各自跑通商业化的方式并不相同。那么AI医疗的优等生究竟是最像AI的公司还是最先把AI变成稳定生意的公司医疗AI难点在模型之外医疗AI并不缺应用场景。AI制药、医学影像AI和医疗大模型往往最容易承载技术想象。新药研发周期长、失败率高影像诊断依赖专业医生基层医疗长期面临人才不足。AI切入的恰好都是医疗行业成本高、效率低的环节。但在医疗行业一项技术从模型走到订单中间还隔着临床验证、监管审批、医院接入和付费。一方面医疗AI直接影响患者的诊断和治疗需要证明在真实临床环境中的安全性和有效性并接入医院设备、信息系统和诊疗流程。另一方面使用者、采购者和付费者往往并非同一方。医生认可其价值不代表医院有采购预算医院愿意使用也不意味着医保或患者愿意单独付费。截至2025年10月国家药监局已批准超过110款基于深度学习的第三类医疗器械独立软件。进入2026年获批产品又开始向生殖遗传病理、核医学、消化内镜和手术导航等更复杂的场景扩展。产品越来越多但获得销售资格只是商业化的开始。AI制药最能体现这种落差。传统药物研发需要从大量靶点和化合物中不断筛选、验证。AI可以更快找到潜在靶点、生成候选分子并预测药物的活性和毒性减少早期研发中的部分实验试错。但筛出一个更有希望的分子并不意味着一款新药已经诞生。候选药物仍要经过实验验证、动物试验、多期临床试验和监管审评。即使已经进入临床阶段药物研发的整体失败率仍在九成左右。药物发现和开发的过程以及每个步骤的成功率图源医药学报B因此AI制药公司的收入通常带有明显的项目制特征。企业可以收取研发服务费也可以通过联合研发、管线授权、首付款和里程碑付款获得收入。大项目进入交付阶段收入可能快速增长一旦项目延期、合作终止或未达到约定里程碑收入和利润也会受到影响。医学影像AI的产品更加直观但同样面临付费问题。CT、磁共振、眼底图像和病理切片本身就是数字化数据适合算法识别。但辅助诊断软件进入医院后还要适配不同设备和信息系统承担安装、培训与后续服务。医生可以借助AI提高阅片效率患者却不会因为诊断中使用了AI就自然多支付一笔费用。如果软件不能进入设备采购、信息化项目或具体医疗服务独立收费并不容易。医疗大模型面对的则是责任问题。输入症状、解读报告、生成病历都不难展示但模型越接近诊断和治疗错误建议造成的后果就越严重。一项发表于《BMJ Open》的研究对主流通用大模型生成的医疗回答进行评估约一半被认为存在不同程度的问题其中接近两成被评为“高度有问题”。在普通对话中模型答错可能只是体验不佳到了医疗场景一次错误建议却可能影响后续诊断和治疗。所以现阶段的医疗大模型更多被用于病历生成、报告审核、临床辅助和患者管理最终判断仍由医生完成。AI制药、医学影像和医疗大模型看似技术要点不同商业化却面临同一个难题。即AI模型本身并不一定能直接带来收入企业还要把临床、产品、渠道和交付补齐才能真正拿到医院和药企的订单。这也解释了一个看似矛盾的现象AI属性越鲜明技术故事越有想象力商业化链条反而越长。商业化首先要让AI嵌入产品医疗AI的商业化首先需要产品化。这正是传统医疗企业的优势所在。这些企业原本就有成熟产品、医院客户和销售服务体系也已经进入医疗采购和临床流程。只要把AI嵌入现有业务就有机会随着设备、软件和服务一起布局到终端。医疗器械公司最能说明这一点。作为国内综合型医疗器械龙头迈瑞医疗已经把“设备ITAI”延伸到重症、围术期、检验、超声和设备管理等领域。以启元超声大模型为例AI参与扫查、测量、报告生成和质量控制与超声设备和信息系统共同进入科室。国内高端医学影像和放射治疗设备龙头联影医疗则把AI用于CT、磁共振和分子影像设备中的图像重建、扫描加速、智能定位和流程优化。在美国FDA公布的AI赋能医疗设备清单中联影的获批数量超过20款。但在两家公司的财报中AI都没有被单独列为一项收入。2025年迈瑞医疗的体外诊断、生命信息与支持、医学影像和新兴业务分别实现收入122.41亿元、98.37亿元、57.17亿元和53.78亿元。联影医疗的医学影像及放疗设备收入达到113.90亿元占总收入超过八成维修服务收入17.08亿元软件收入只有5450万元。也就是说AI创造的价值更多被吸收到设备销售、产品升级和后续服务之中。在医院信息化领域AI同样要依附于具体产品。东软集团是国内老牌软件和医疗信息化服务商长期参与电子病历、医院管理、医学影像和区域医疗系统建设。2025年东软新签垂直领域AI应用合同10.73亿元其中AI医疗合同6.91亿元同比增长约42%相关产品已在100余家医疗机构落地。对这类企业来说医疗大模型并不是一个独立的问答工具而是原有信息系统的一次升级。病历生成、辅助诊疗、数据治理和医院运营等功能需要与原有系统共同部署再由实施团队完成改造、测试和维护。医院最终采购的仍是一套可以运行和交付的信息化产品。药物研发服务也遵循同样的逻辑。百奥赛图的病理平台已经引入AI数据分析系统客户付费购买的仍然是包括实验、分析和结果交付在内的临床前研发服务AI现阶段承担的主要是提高分析和项目交付效率。由此可见从医疗设备、医院系统到研发服务目前相对清晰的商业化路径都是先把AI植入到现有产品。短期内AI未必会形成一项独立收入却可以提升产品竞争力并借助原有销售体系进入订单。但当越来越多医疗产品开始搭载AI“有AI”本身也会逐渐失去稀缺性。医疗AI的竞争随之进入下一阶段。下一轮竞争在于拓展医疗边界医疗AI的竞争并不是从头到尾都遵循同一套规则。现阶段企业首先要解决的是落地问题AI能否顺利进入产品和医疗流程能不能形成商业闭环。因此在这个阶段AI更多是一种“加法”。它被嵌入设备、医院系统和研发平台用来提高原有业务效率、改善产品性能。可以说拥有成熟产品和终端渠道的医疗企业更容易率先兑现AI的价值。但这种领先未必能一直维持。当智能阅片、扫描加速、自动报告等功能逐渐普及“搭载AI”本身就很难再成为明显优势。竞争也会随之进入第二阶段即谁能借助AI把产品带进新的医疗场景。以医学影像为例。AI帮助大医院的医生提高阅片效率解决的还是原有流程中的效率问题如果它能让县域和基层医院完成过去依赖大型医院和专科医生的筛查与诊断改变的就是医疗服务能够覆盖的人群和区域。两者创造的价值显然不在一个量级。整体来看医疗AI短期比的是落地能力长期比的是重构医疗场景能力。无论是AI公司要跨过临床、监管和交付还是传统医疗企业借助AI拉升产品竞争力最终都需要开拓新的医疗场景。所以未来医疗AI的优等生不一定最像AI企业但一定是那些真正改变了医疗业务场景的公司。来源朝阳资本论