2025年中国AI医疗行业规模将达1157亿元，预计2028年攀升至1598亿元，2022-2028年复合增长率为10.5%。AI医疗已从概念阶段进入政策与市场双轮驱动的实质发展期，应用覆盖药物研发、辅助决策、医疗信息化和医疗机器人等全链条。
医保局首次将AI辅助诊断纳入立项指南，“十五五”规划明确智慧医疗发展方向，五部门提出8大应用场景与24项举措。截至2025年7月，206个算法医疗产品完成备案，其中160家企业通过APP嵌入AI服务，互联网问诊与报告解读成主流形式；医院端新增算力采购需求占比达75%，为AI深度融合提供技术基础。
国内排名前100的医院中，98家已完成大模型部署，33家研发出55个垂类大模型，推动医疗数字化转型迈入2.0阶段。该阶段聚焦专病专科临床痛点解决，区别于1.0阶段的数据无纸化与流程数字化。一、二级医院近半数医生使用AI临床决策支持系统（AI-CDSS），工作年限11-15年的医生使用率最高，达72.7%。
医学影像是AI渗透最深领域，临床超70%诊断依赖影像资料。AI阅片时间比人工缩短53%，检出率提升17.6%，召回与活检阳性预测值分别高出18.3%和9.3%。观研天下数据显示，2025年中国AI医学影像市场规模有望突破150亿元，2026年增至235.7亿元。目前中国AI在影像领域的覆盖率已达80%-90%，放射科与病理科普及率领先。
电子病历评级推动文字类AI技术普及，CDSS系统部署为AI提供丰富影像与文本数据。AI医学检验市场2022年逼近百亿元，预计2022-2027年复合增速13.56%，2027年达170亿元，当前渗透率不足9%，AI辅助诊断最具潜力。
AI制药成为药企降本增效关键手段。传统新药研发周期至少10年，平均投入26亿元，成功率约10%；AI可使研发时间缩短40%，资金节省超10%，临床成功率提升至约14%。当前AI制药主攻肿瘤、免疫学与神经病学领域，占比分别为37%、21%和14%。头豹研究院预测，2024-2028年中国AI制药市场规模将从7.3亿元增长至58.6亿元，年复合增速达68.5%。
健康元已将AI应用于药物发现、化合物优化、项目管理和临床试验招募等环节。健康元AI业务负责人林鹏表示，这些场景能减少重复劳动、加速决策流程，是实现降本增效的直接路径。但全球范围内尚无由AI主导研发的新药获批上市。
脑机接口作为生命科学与信息科学融合前沿技术，产业应用逐步拓展。非侵入式占市场86%，主要用于注意力训练、睡眠情绪调控及闭环神经康复。2025年5月，Neuralink完成上半年全球AI医疗最大规模融资。其“Blindsight”技术致力于刺激大脑视觉皮层以重建失明患者部分视觉功能。
明视脑机在全球首次完成对复杂图形与多种颜色的动态解析与功能化交互验证，推进视觉脑机接口从光点感知迈向有意义视觉信息重建。创始人刘冰比喻称：“过去仅能感知无序光点，现在能看到由点组成的轮廓和图形，像模糊的简笔画，但已具备识别功能。”AI在此过程中充当“超级翻译官”与“智能教练”，转化图像为电刺激模式并实时调参，实现系统与大脑协同学习。
尽管进展显著，AI医疗仍面临三大挑战：数据质量与标准化、支付体系不完善及商业化路径未明。医疗数据呈现“多而不优、散而不通”特征。2024年全国卫生机构101.1亿诊疗人次产生海量数据，但因标准不一、非结构化存储、错漏残缺等问题，影响AI模型训练效果。
源头数据质量问题突出，超五成医生日均工作超8小时，20.6%超过10小时，在多重压力下难以撰写精细化病历。国内数千家机构软件系统标准难统一，与欧美相比差距明显。商汤医疗联合创始人钱琨指出，应从药企、保险与患者需求出发设计数据产品形态，反推数据清洗、分级分类与定价机制，否则成本难以承受。
钱琨坦言，国内数据标准化尚未形成大规模共识，虽大模型可快速提取字段，但多模态长时序高质量队列治理成本极高，许多医院需投入千万元清洗数据库才能获得基础元数据。健康元采取“先能用再好用”的轻量化推进策略，先快速验证可行性并初步落地，确认价值后再持续迭代优化，降低前期风险。
刘冰主张医工结合与技术驱动破解之道：与顶尖临床中心共建专病数据库保障源头数据质量，利用联邦学习与合成数据等隐私计算技术，在数据不出域前提下最大化其价值。他认为数据是“燃料”，支付则是驱动行业前行的“引擎”，而当前引擎尚未完全启动。
2024年底国家医保局将AI辅助诊断纳入放射检查扩展项，允许医院选择人工或AI辅助诊疗，但不额外重复收费。因AI无法完全替代医生，额外收费被认为有失公平。AI医疗仍在等待纳入医疗服务收费目录与医保正式准入。
刘冰认为支付本质是价值认定问题，当AI能证明不可替代的临床价值，如显著提升手术成功率或避免后续高昂治疗费用时，支付方自然有动力覆盖。商业保险作为医保补充将在创新支付中发挥重要作用。钱琨指出，医保支付需漫长循证数据链评估AI实际贡献，这也是全球性难题。
美国能为AI医疗付费的CPT code极为有限，ICD操作编码对AI服务适配存在缺陷，导致严肃医疗商业化落地受阻。她表示，过去AI仅解决单点问题，如今正向多模态诊断与全流程打通演进，在“AI+”政策推动下，未来保险收费模式可能形成国际先进结构，并支撑国家战略目标。
在多重制约下，2025年AI医疗仍未普遍盈利，但不同赛道已探索差异化可持续路径，3.0阶段雏形显现。刘冰将商业化路径分为三梯队：第一梯队为“医技科室赋能型”AI，如医学影像辅助诊断，可嵌入现有工作流，收费清晰；第二梯队为“临床治疗增值型”AI，如手术机器人与脑机接口系统，作为高价值器械组成部分实现盈利；第三梯队为“健康管理型”AI，如慢病管理与疾病早筛，依赖用户付费意愿与保险创新，规模化盈利尚待时日。
刘冰预判，与高端设备绑定、满足刚性临床需求的硬科技AI，以及提升医院效率、优化资源配置的赋能型AI，将随DRG与DIP等医保支付方式改革深化而更快跑通商业模式。健康元计划在研发端用AI加速药物发现与临床研究，在生产端优化工艺与质控，在商业化端精准触达患者，构建以患者为中心的精准商业化模式。
商汤医疗推行“标品化”策略以改善现金流。钱琨解释，定制化服务削弱规模化复制能力，是多数企业依赖资本输血的主因。标准化产品集中于医技科室，专注专项数据解读或问题支持，无需制定个性化综合方案。商汤自成立起克制扩张产品线，确保成本可控、壁垒高、回款快、现金流稳，强调“这是一个取舍的问题”。
钱琨指出，个别医院已在尝试用AI原生基座串联多个AI场景，打通医生特定工作流，有望突破医保追求的诊疗闭环，形成可追溯的价值链优化。技术迭代与商业试水之外，“普惠医疗”成为2025年高频词。企业致力于破解服务质量、诊疗可及性与成本控制的“不可能三角”。
刘冰提出普惠路径分两步：先实现颠覆性技术“从0到1”突破，为危重患者提供治疗可能；再通过技术进步与规模效应实现“从1到N”的成本下降，惠及更广泛人群。钱琨认为无需强行挑战“不可能三角”，可通过维度拓展达成普惠。
一种方式是前移战线至健康管理，利用大模型处理80%基础健康科普问答与慢病管控，减少重症发生与后期高额支出，促进全民“健康衰老”；另一种方式是通过规模化复制摊薄早期投入，放大稀缺医疗资源覆盖面，将优质服务送达缺医少药地区。随着技术锚定临床价值、商业回归产业本质，AI医疗在2026年将步入更稳健发展阶段。
免责声明：本文内容由开放的智能模型自动生成，仅供参考。
