热钱涌入、赛道扎堆，三类玩家疯抢。

定焦One（dingjiaoone）原创

作者 | 李梦冉

编辑 | 魏佳

过去十年，AI医疗一直是资本市场眼中的“黄金赛道”。

2026年7月，商汤医疗完成超1亿美元B轮融资，投后估值突破百亿元。这家脱胎于AI视觉巨头的医疗子公司，正以“医疗世界模型”的概念向资本市场发起冲刺。据知情人士透露，公司已进入Pre-IPO阶段，有望成为“医疗世界模型第一股”。

与此同时，巨头也在加速下注。字节跳动斥资60亿元，想建成全国第一家“AI原生医院”；蚂蚁阿福从C端切入健康医疗领域，以“科学减重一亿斤”活动打开声量，目前月活突破3000万；腾讯发布AI医疗全栈解决方案，助力AI医疗加速落地；由李彦宏创立、百度支持的AI制药公司“百图生科”，据市场消息也已秘密递交上市申请......

钱和人，正加速涌进AI医疗。

易观分析的最新数据显示，中国AI+医疗市场规模已突破1500亿元，年均复合增长率保持在40%-50%，远高于同期医疗行业整体增速。渗透率也在迅速提升，三级医院AI辅助诊断系统的渗透率已超过65%，二级医院达到40%；截至2025年底，国家药监局批准的AI医疗器械三类注册证已超过120款。AI早已在医院里干活。

不过，上一轮热潮也曾这样起势。2021年前后，科亚医疗、推想医疗、数坤科技、鹰瞳科技集体冲击IPO，四家明星独角兽公司被资本捧上高点，最终只有鹰瞳科技一家上市，其余三家均不顺利。它们目前仍在运营，但当年的集体受挫也暴露行业共性困境：核心AI产品迟迟跑不出规模化营收，研发持续高投入导致持续亏损，商业化路径无法被验证。加上鹰瞳上市后股价从75港元的高点跌至如今的个位数，整条赛道声量渐弱。

这一轮的不同，在于AI技术的发展和政策的加码。

易观分析认为，2025年上半年DeepSeek爆发后，医疗垂直大模型进入了密集发布与快速迭代期；有业内人士表示，在这波技术浪潮起来之前，其实大部分企业并没有要做AI化转型的动作，是大模型的泛化能力和多模态理解能力，让AI第一次有了从工具走向助手的可能。这也是区别于上一轮影像AI的关键。

政策方面，2024年，国家医保局在医疗服务价格项目立项指南中，首次为人工智能辅助诊断设立了“扩展项”。随后，国家层面持续释放鼓励AI辅助诊断、支持地方探索应用场景的信号。

这一轮，AI医疗能讲出不一样的故事吗？

01.AI搞医疗，先干这些活儿

AI医疗的想象空间不断扩大，从产业链位置和技术成熟度来看，大致集中在四个方向：辅助诊断、药物研发、疾病治疗和健康管理。

AI辅助诊断是当前进展最快的方向。

某AI医疗从业者告诉「定焦One」，“目前影像、病历助手、用药审核等单一、比较容易标准化的模块是比较成熟的，但完整的辅助决策还没有完全落地，目前还没有哪个大模型能独立完成看病流程。”也因此，任务越单一、数据越标准、边界越清晰，AI就越容易落地。

可孚医疗人工智能研究院执行院长吕易之对「定焦One」的解释是，软件站在所有技术最抽象的那一层，所以AI最容易赋能；再往下，具身智能或者制造业，是AI触达挑战更大的领域。

弗若斯特沙利文报告显示，AI辅助诊断已逐步形成以医学影像、数字病理及实验室检验为代表的重点应用方向，其中医学影像AI是当前商业化进展较快的落地场景。

图源 / AI生成

AI医学影像原理并不复杂，把海量标注过的CT、X光、眼底照片喂给算法，让它记住病灶长什么样，再在新片子上圈出可疑区域，交由医生复核确认。2025年，中国AI医学影像市场规模已突破150亿元，2026年预计达235.7亿元。截至2026年6月，中国已批准134款三类（医疗器械按风险分级中的最高一档）AI医学影像辅助诊断软件，覆盖心血管、肺部、脑血管、骨科等多个领域。

但在临床医生眼里，AI在影像上的实际用途，和外界想象的并不是一回事。

北京某三级综合医院神经外科胡医生告诉「定焦One」，医生绝大多数情况下都是自己看片子，AI目前在临床真正发挥价值的领域在于量化分析。以脑梗死为例，梗死体积是制定治疗方案的关键参数，但肉眼估算误差较大。AI通过将多张断层影像堆叠重建为三维模型，能够相对精确地计算体积，同时让病灶空间关系更直观。据其估计，具备此类功能的三维重建系统在三级医院的覆盖率约在七成到九成之间，“对于经验不足的医生，帮助比较明显”。

但他同时提醒，目前临床使用的部分“AI影像”产品，在复杂病灶的自主识别与推断层面，距离真正意义上的“智能”仍有差距，相当一部分本质上仍属于高级数字影像处理技术，是上一轮深度学习图像识别的产物。

第二个方向是AI制药。

新药研发有个著名的“双十困境”——十年时间、十亿美元，且失败率极高。AI介入的环节主要在前端：靶点发现、分子设计与蛋白结构预测，把原本需要在实验室里一点点试错的过程，压缩为计算机上的模拟推演。

有行业数据显示，截至2026年上半年，全球已有170余条由AI设计或优化的药物管线进入临床阶段，其中十余款候选药物推进到了III期（新药上市前最关键的人体试验阶段），2026年被行业称为AI制药的“临床验证之年”。

这个方向的想象空间最大，验证难度也最大。迄今尚无一款完全由AI从头设计的药物获批上市，因为人体生理机制复杂，AI能算出漂亮的公式，却难以预判药物进入人体后的真实反应，前期表现良好、临床失败的案例并不少见。

临床端的态度更直接。胡医生认为，医疗领域不会为新技术开辟“快车道”。在他看来，AI确实能够缩短从靶点验证、动物实验到人体试验的整体研发周期——过去一款创新药从立项到临床使用可能需要一二十年，AI或许能将这一周期压缩三五年。但他强调，这并不意味着短期内就能实现从算法到临床投产的跨越，临床试验的刚性安全验证环节无法被替代。

第三个方向是AI疾病治疗。沙利文报告将AI在疾病治疗中的应用分为三层：治疗方案匹配与疗效预测、介入与手术路径规划、手术导航与机器人辅助手术。

治疗方案匹配与疗效预测是通过解析患者各种特征，自动匹配个体与最优治疗方案；介入与手术路径规划则是通过术前建模等技术手段，让治疗方案从以往高度依赖医生基于初始影像做“一次性设计”，变成能“持续动态优化”。前两层本质还是在术前规划，且已经有一些落地案例。

最受关注也最具争议的是第三层，尤其是机器人辅助手术，机器人本身不决策，医生通过操作控制台发出指令，机械臂实时复现医生的手部动作，将操作精度从毫米级推向更高量级。适用于高精度、高难度的手术场景。但由于直接接触患者，安全门槛也极高。

谈及手术机器人，胡医生指出，以达芬奇系统为代表的手术机器人虽已问世多年，并在国内部分医院实现装机，但高昂的设备采购与耗材成本、漫长的术者培训周期，使其难以向基层广泛普及，“并不是说有了技术就能立刻落地”。对于外界热议的远程手术，他的判断更为直接：第一道门槛甚至不是AI算法，而是网络延迟与信号稳定性——这在手术场景中是致命风险，因此目前相关应用极其谨慎。

他真正看好的是另一条路：医工结合。做工程和材料设计的人不了解人体结构，医生知道临床痛点却不懂工程力学、流体力学，两边接上，医疗器械的发明创新才有可能。

最后一个方向是AI健康管理。它直接面向亿万消费者，是一条最轻、也最像互联网的赛道。

蚂蚁阿福累计用户突破1亿，月活突破3000万，日均处理健康咨询超过1000万次；京东健康官宣AI问诊渗透率已经达到80%；平安好医生的AI医生日问诊承接量可达400万人次。AI健康助手、慢病管理、体检报告解读等场景的门槛没有影像和制药那么高，谁能建立起用户规模，谁就能占据先发优势。

不过从业者也点出了这条赛道的现实问题：“目前C端用户的付费意愿和认可度还是比较低。”

胡医生对此有更具体的观察，部分AI健康咨询产品存在“小病大看、大病小看”的怪圈，面对简单症状时过度输出建议、夸大风险，面对复杂病情时反而因知识边界限制而给不出足够警示。在这条赛道上，规模效应比技术壁垒更重要，但能不能让用户真正愿意为健康管理付费，是比拉新更难的事。

02.三类玩家，抢一条赛道

按照出身和基因，AI医疗的入局者大致可以分为三类。

第一类是大厂系，手里攥着的是流量和资本。

腾讯、蚂蚁、京东健康、字节跳动、阿里健康，这些公司不缺钱、不缺用户、不缺技术底座，缺的是医疗场景的深度和临床积累。它们的打法是先靠C端的健康管理入口跑出规模，再试图往B端的医院场景渗透。

字节跳动打的是最重的牌，2022年字节拿下高端妇儿医院美中宜和，旗下肿瘤专科医院美中爱瑞一并并入版图；2025年又获批北京朝阳区三级综合医院项目，总投资约60亿元，目标是建成全国第一家“AI原生医院”。

蚂蚁走的是另一条路，AI健康应用阿福累计用户破亿、月活超3000万，是纯粹的C端平台逻辑；腾讯以投资和云服务双线布局；阿里和京东则主要围绕医药电商场景用AI提效，京东健康2025年总营收734亿元，其中八成以上来自医药和健康产品销售，AI在这里是提升转化的工具。

大厂系的核心优势是资金雄厚、用户基数大、通用大模型技术强。但从业者对“大厂系”在医疗行业的实际贡献持保留态度。长期关注AI医疗的从业者叶诗麒认为，腾讯和蚂蚁更多是围绕挂号、支付等场景做布局，属于保持现状，对医疗AI或者整个行业没有多少改变；京东健康和阿里健康主要依靠电商业务流量输血，开展医药电商业务，属于传统零售业务；字节跳动旗下小荷健康App此前也经历调整，被传团队并入抖音。在他看来，大厂系“对医疗AI发展帮助微乎其微”。

这个判断或许只代表一部分声音，但它点出了一个事实，这类玩家能靠资源迅速起量，却很难适配医疗重监管、长周期、慢变现的节奏。

第二类是医疗器械厂商，它们脱胎于传统主业，AI是既有产品的升级而非新生意。

这类玩家要么卖器械给医院，如联影医疗、迈瑞医疗等；要么卖设备给C端，如可孚医疗。它们在现有硬件或软件系统上叠加AI功能，作为增值模块嵌入销售。

产业系的护城河是渠道、硬件和注册证，比如联影智能，依托联影医疗的设备生态，据其披露已累计获得20张NMPA三类证，成为AI三类证最多的玩家，AI产品进入4000多家医疗机构。AI对它们来说是增量，短板则在于通用大模型的技术积累不及大厂。

吕易之告诉「定焦One」，“相比于单纯的软件应用及App提供方，医疗器械制造商的AI转型升级频率天然要更慢一些。如何把AI更好的与设备本身结合，是非常值得思考的问题。同时，在AI化升级的浪潮中，器械制造商具有纯软件厂商所不具备的竞争优势与行业壁垒。”

叶诗麒认为，随着医保改革、集采落地，产业系面临的是从“关系驱动”向“产品驱动”的转型压力，需要转向产品主导。

第三类是AI原生系，这些公司要么从诞生第一天就All in AI医疗，如数坤科技、鹰瞳科技、医渡科技、深睿医疗；要么像百川智能，从通用大模型转型聚焦医疗AI。它们的底牌是模型、算法和数据，商汤的"医疗世界模型"、医渡的YiduCore、鹰瞳的万语，都是各自的技术基础。（注：英矽智能、晶泰科技等AI制药公司是另外一条路，不放在这里一起讨论）

数坤科技在心脑血管领域拿下了19张三类证，深睿医疗有15张；医渡科技2026财年首次实现全年盈利，净利润7877万元。百川智能则代表另一种路径，2023年成立时想做“中国版OpenAI”，2025年3月宣布聚焦医疗AI，从通用大模型全面转向严肃医疗，推出了医疗增强大模型Baichuan-M4。

新玩家也在这个节点入场，商汤医疗2026年4月宣布完成超5亿元战略融资，投后估值突破10亿美元，随后又完成超1亿美元B轮，估值突破百亿元，目前已进入Pre-IPO阶段。

但财报里，也藏着这类公司的另一面。比如鹰瞳科技2025年营收1.73亿元、同比增长10.8%，亏损收窄90.2%，单看这组数字是漂亮的翻身仗，可2025年上半年营收其实同比下滑10.67%，扭亏主要靠削减费用、减值拨回和利息收入。

叶诗麒认为，以软件为主的AI原生系的生存前景不乐观。他给出了两个理由：第一，目前这类玩家大多数做的都是“外挂式方案”——通过接口从医院系统获取数据进行二次开发，但2021年起部分医院主集成商已经开始不给第三方开接口；第二，外挂方案本身没法更好融入业务流程，打补丁解决不了原生系统问题，比如大模型应用于问诊过程中遇到患者答非所问，错误输入就得不到正确输出。

三类玩家谁能笑到最后？从业者们均认为，谁不及时应对市场和AI技术发展做出调整，谁就出局，“只是或早或晚的区别”。

03.决定AI医疗生死的，是谁来买单

回到一个更朴素的问题：这个行业的钱，到底是从哪里来的?

按易观分析2026年7月数据，中国AI+医疗市场规模已突破1500亿元，但落到每家公司账上的真金白银有多少，是另一回事。结合业内人士的说法和一些公开信息，钱大致来自四条路：医保支付、医院采购、药企合作和C端付费。

医保支付是最受关注的方式。市场对“AI辅助诊断纳入医保”的讨论一直不断，国家在政策层面也传递出相关信号。一旦收费与报销标准明确，可能成为AI医疗最稳定的支付方。

医院采购是最直接的路径。影像AI、辅助诊断软件、CDSS系统（临床决策支持系统），理论上都可以卖给医院。联影医疗被视为这条路上的一个典型案例，2025年全年营收138亿元，其设备销售占比约82.6%，主要卖给了国内外的各级医疗机构，其中国内的公立医院是其核心客户。

不过这条路的压力同样很大。叶诗麒指出，在控费、集采逐步常态化的背景下，医院对采购价格越来越敏感，软件很难卖出高价。医院能接受的价格，有时甚至低于企业的成本。

药企合作是路径最清晰的。英矽智能2026年上半年连签四家跨国药企，潜在总价值逼近70亿美元；晶泰科技2025年首次实现全年盈利。药企愿意为能缩短研发周期、提高成功率的AI买单，这条路的逻辑简单直接，但只属于AI制药公司。

C端付费是用户规模最大的一条路。但被动式的健康管理理念导致用户忽视健康，打开APP频率比较低，付费意愿自然不高。

四条路摆在一起，赚钱的公司集中在两类：设备绑定的产业系，和与药企合作的AI制药公司。以软件为主的AI公司（如数坤、鹰瞳）正在变得越来越难。但即使是卖设备的厂商，目前付费方也不太稳定，经费要么在收缩，要么本身就不是经营性收入。

图源 / AI生成

谈及未来，叶诗麒认为赢家必须是能覆盖“全院系统+院外生态”的玩家，他用马斯克的例子给出了一个思路：“SpaceX单靠火箭发射还是亏损，但Starlink（星链）能引入新业务来消化发射能力、分摊成本。”医疗AI也一样，不要只卖一个AI工具，要用一套底层能力覆盖全院系统，同时引入商业保险、健康管理、零售等业务，让不同业务之间互相输血、技术共享、分摊成本。

吕易之也表达了类似方向：“纯粹的软件或纯粹的硬件，都可能很难具备足够的市场统治力，需要软硬结合。”比如他所在的可孚正从传统的硬件制造商，转向医疗服务整体方案解决供应商。

这个行业里，靠单一产品、单一路径活下来的公司，正在变得越来越少。

*题图由AI生成。

AI医疗：千亿赛道，谁在领跑？

最近文章