《AI醫療行業深度：驅動因素、發展前景、產業鏈及相關企業深度梳理-250228（31頁）.pdf》由會員分享，可在線閱讀，更多相關《AI醫療行業深度：驅動因素、發展前景、產業鏈及相關企業深度梳理-250228（31頁）.pdf（31頁珍藏版）》請在三個皮匠報告上搜索。

1、1/312025 年年 2 月月 28 日日行業行業|深度深度|研究報告研究報告行業研究報告慧博智能投研AI醫療行業深度：醫療行業深度：驅動因素、發展前景、產驅動因素、發展前景、產業鏈及相關企業深度梳理業鏈及相關企業深度梳理隨著自然語言處理、機器學習、深度學習等 AI 技術的不斷演進，AI 在醫療領域的應用將越來越廣泛，涵蓋病理研究、藥物研發、基因檢測、疾病篩查、輔助診斷、影像分析、精準醫療等幾乎所有醫療環節，實現醫療水平提升、增加醫療服務可及性以及降低醫療成本。近期，DeepSeek 的大幅降低訓練成本，同時開源模式能夠實現本地化部署，更好的保障數據隱私及安全性，更是加速推動醫藥企業及醫療機

2、構擁抱 AI。未來，隨人工智能技術的持續發展和群眾醫療健康需求持續提升，AI 醫療領域有望進一步擴容。根據相關數據，2020 年我國 AI 醫療市場規模約為 66 億元，預計 2020-2025 年 CAGR 為 39.4%，到 2025 年增長至 349 億元。以下內容我們就將聚焦 AI 醫療行業，對 AI 醫療所涉及的行業內涵、現狀、產業鏈情況及發展前景等相關內容展開梳理分析。當前 AI 醫療行業市場現狀怎樣？驅動 AI 醫療行業加速落地的因素有哪些？當下市場火熱的 DeepSeek 的出現，又將給醫療行業帶來怎樣的變革？以及從產業鏈的視角，AI 醫療行業產業鏈情況如何？在當前市場發展情形

3、下，有哪些方向值得市場關注？相關企業發展情況如何？同時，基于進一步發展的視角，AI 醫療行業后續的發展空間有多大？立足以上問題，我們為大家一一梳理分析。目錄目錄一、行業概況.1二、市場現狀.6三、驅動因素.10四、DeepSeek 的出現對醫療行業影響.12五、產業鏈分析.18六、重點關注方向.21七、相關公司.25八、發展前景.29九、參考研報.30一、行業概況一、行業概況1、AI 醫療相關概念內涵醫療相關概念內涵AI 醫療，即人工智能在醫療領域的應用，是指通過運用一系列尖端的人工智能技術，如機器學習、自然語言處理、深度學習等，對醫療行業的各個方面進行深入的智能化改造和管理升級。這些技術的應

4、用不僅限于提高醫療服務的效率和質量，還包括優化資源配置、降低醫療成本、提升患者體驗等多個維度。2/312025 年年 2 月月 28 日日行業行業|深度深度|研究報告研究報告AI 醫療的發展不僅推動了醫療技術的革新，也為患者帶來了更加精準和個性化的醫療服務。隨著技術的不斷進步，AI 醫療有望在未來解決更多的醫療難題，為全球健康事業做出更大的貢獻。2、AI 醫療細分領域眾多，商業化落地加速醫療細分領域眾多，商業化落地加速（1）AI 醫療影像產業多維拓展，發展空間廣闊醫療影像產業多維拓展，發展空間廣闊AI 醫療影像是指利用計算機視覺技術，快速識別與分析醫學影像，實現精準高效的診斷與病灶識別的智能化

5、方法。該領域技術成熟度較高，市場需求旺盛，且應用場景廣泛，涵蓋了從早期篩查到疾病診斷和治療監測的全過程，未來有望不斷擴大覆蓋范圍，包括眼科、超聲科、病理科、皮膚科、腦電圖室等。hYnZqRmOtQtPtO9PbP8OnPqQsQrMfQqQmPeRmMtQ6MmMvMuOpNwPNZmOoP3/312025 年年 2 月月 28 日日行業行業|深度深度|研究報告研究報告AIAI 醫療影像發展趨勢：橫向擴張低覆蓋率的臟器市場，縱向構筑診療一體化體系醫療影像發展趨勢：橫向擴張低覆蓋率的臟器市場，縱向構筑診療一體化體系。自 2020 年 7 月，國家加速 AI 醫療影像三類醫療器械證審批和發放，主要

6、的產品研發和應用聚焦在心血管、肺部、腦血管、骨骼、眼底等幾個細分領域。未來新老玩家將繼續開拓影像診斷的其他臟器市場，如乳腺、冠脈、肝臟等覆蓋率低、實用性強、臨床價值高的產品，以及提供多臟器一體化診斷服務；另一方面，影像治療類產品也將成為老玩家的聚焦的第二增長曲線，構建診斷治療一體化的服務體系。AIAI 醫療影像產業鏈上中下游協同發展醫療影像產業鏈上中下游協同發展。AI 醫療影像領域上游主要由軟件開發商構成，如聯影智能聯影智能、推推想醫療想醫療等，它們利用算力處理海量醫療數據，開發針對具體應用場景的用戶友好軟件系統，并通過與硬件設備融合、合作或直接銷售軟件實現商業價值。中游則匯聚了 GEGE、西

7、門子西門子、邁瑞邁瑞等傳統醫療硬件制造商，它們在 AI 軟件開發方面能力較弱且自主研發成本高昂，傾向于與軟件企業合作。例如，2021 年 GE醫療與多家軟件企業建立了戰略伙伴關系，共同推動醫療影像技術創新與應用。數據、算力、算法模型是核心技術壁壘，入院能力強的頭部企業優勢顯著數據、算力、算法模型是核心技術壁壘，入院能力強的頭部企業優勢顯著。醫學影像數據的積累、算力積累、算法開發與模型訓練是技術層面的核心工作內容，其中精準標注的大量圖像數據是算法改進和訓練的基礎。入院較強企業在于醫療結構的長期合作中，受接受程度、中標幾率以及獲取標準化數據等多方面都具備顯著優勢。（2）AI 賦能診斷領域，病理化檢

8、測賦能賦能診斷領域，病理化檢測賦能隨著人工智能（AI）技術的迅猛發展，其在醫療領域正展現出較大的應用潛力。AI 憑借對海量醫療數據的深度挖掘與分析，借助先進的大模型技術，能夠顯著提升疾病診斷的準確性。通過對各類臨床癥狀、檢驗報告等數據的快速處理與分析，AI 可以在短時間內為醫生提供精準的診斷建議，大大縮短診斷所需的時間，從而提高診斷效率。不僅如此，AI 還能夠在疾病早期階段就發出預警。通過對患者長期的健康數據監測，包括日常健康指標、生活習慣等信息，AI 可以敏銳地捕捉到身體細微變化所蘊含的疾病風險信號，在疾病尚未出現明顯癥狀時，就提醒醫生和患者采取相應的預防措施，為疾病的早期干預爭取寶貴時間。

9、4/312025 年年 2 月月 28 日日行業行業|深度深度|研究報告研究報告在成本控制方面，AI 的應用有助于降低醫療成本。它減少了因人工診斷失誤可能導致的重復檢查、過度治療等額外費用，同時提高了醫療資源的利用效率，讓有限的醫療資源能夠服務更多患者。此外，AI 還是實現個性化醫療和遠程醫療的重要載體。在個性化醫療方面，AI 依據患者的個體基因數據、疾病史、生活方式等多維度信息，為患者量身定制專屬的治療方案，使治療更加精準有效。而在遠程醫療領域，AI 能夠輔助醫生遠程診斷患者病情，打破地域限制，讓偏遠地區的患者也能享受到優質的醫療服務，進一步提升整體醫療服務的可及性和覆蓋范圍，大幅提高診斷效

10、率和能力，為醫療行業帶來全新的變革與發展機遇。（3）AI 醫療機器人：手術、康復機器人方興未艾醫療機器人：手術、康復機器人方興未艾AI 醫療手術機器人分為手術機器人、康復機器人、輔助機器人、服務機器人，2022 年中國手術機器人和康復機器人占整體市場占比高達 75%，其中，國外品牌產品占據超過 80%的高端市場份額，國產替代空間廣闊。AIAI 手術機器人手術機器人：依托 AI 圖像識別、深度學習以及實時感知技術，手術機器人在術前憑借對醫學影像的深度分析，構建患者個體化 3D 模型，為外科醫生制定精確手術策略。術中，利用強化學習算法與力反饋控制技術，機器人能依據組織力學特性和手術進程，自主規劃機

11、械臂運動軌跡，實現亞毫米級精準定位，完成復雜手術操作，同時通過實時監測與動態調整，保障手術安全性與高效性?？祻蜋C器人康復機器人：融合了多模態數據融合與機器學習技術，能夠實時采集患者的運動學、動力學及生物電信號，如表面肌電信號、關節角度等，通過深度數據挖掘和自適應控制算法，精準評估康復訓練效果，自動調整訓練參數，實現康復訓練的個性化、智能化與精準化。其臨床應用優勢顯著，能替代醫師的機械重復操作，精準控制治療過程，結合反饋系統和交互式設計，還支持遠程及集中化康復治療，為患者提供全周期康復解決方案。耗材及服務將成為手術機器人主要收入來源和競爭點耗材及服務將成為手術機器人主要收入來源和競爭點。全球手術

12、機器人收入結構，短期以設備銷售為主，長期耗材將成為主要收入來源。行業初期，由于機器人手術量未達到一定規模，手術機器人企業收入以機器人本身的銷售為主。未來手術機器人的商業模式，耗材及服務將成為企業的主要收入來源。（4）醫療數據信息化平臺：醫療數據信息化平臺：CDSS 商業化程度最高商業化程度最高在醫療信息化數據平臺領域，先進的信息技術能夠整合來自不同系統的醫療數據，如醫院信息系統（HIS）中的運營與管理數據、實驗室信息管理系統（LIS）中的實驗室結果、影像存檔與通信系統（PACS）中的影像數據，以及電子健康記錄（EHR）等，共同構建一個全面而統一的醫療信息平臺。提升了數據的可用性和互操作性，使得

13、跨機構、跨地區的數據共享和分析變得更加便捷。臨床決策支持（CDSS）是一種利用人機交互的醫療信息技術系統，深度融合人工智能理論。它超越了傳統知識庫查詢模式，通過整合系統的臨床醫學知識庫與患者病歷信息，經 AI 優化構建最佳實踐庫，據此為醫生提供精準的臨床診斷與治療決策支持，顯著提提升醫療決策的科學性與效率。CDSS 已進入規?；瘧秒A段，于三級醫院覆蓋面較廣，二級及以下公立醫院仍具備較大的市場潛力。5/312025 年年 2 月月 28 日日行業行業|深度深度|研究報告研究報告3、AI 醫療發展歷史：醫療發展歷史：大模型的出現帶動大模型的出現帶動 AI 應用精度上升應用精度上升整體上，整體上，

14、AIAI 在醫療領域的應用可分為三個階段在醫療領域的應用可分為三個階段：20172017 年之前年之前：此階段為機器學習與深度學習突破階段，卷積神經網絡在計算機視覺領域取得重大突破，推動了醫學影像分析的進步，AI 算法在各類疾?。ㄈ橄侔?、肺癌、心血管疾病等）的影像診斷中逐漸顯現出高于常人的準確率，AI 與醫療開始進入初步結合階段；2018-20222018-2022 年年：伴隨 AI 應用的逐步深化，AI+醫療開始進入商業應用階段。一方面，AI 與硬件設備的結合逐步深化，部分診斷設備開始在無醫生監督背景下運行；另一方面，AI 應用領域逐步推廣，諸如健康記錄、個性化醫療、疾病預測與防控等多個領域

15、也開始嘗試與 AI 模型結合，2020 年起疫情的出現則極大加速了 AI 在醫療領域的落地（圖像識別被廣泛應用于新冠肺炎檢測識別）；20232023 年至今年至今：2023 年大模型的出現對醫療領域的直接影響在于，過往 AI 應用的精度得到了大幅提升。自 2023 年初 GPT-4 發布以來，醫療公司開始探索其在電子健康記錄分析、病人數據管理和醫療文獻綜述等方面的應用。此后，在傳統 AI 應用領域，大模型也開始展現出較傳統 AI 模型更高的預判精度，各行業龍頭對于 AI+醫療投入力度持續加大。6/312025 年年 2 月月 28 日日行業行業|深度深度|研究報告研究報告二、市場現狀二、市場現

16、狀1、全球人工智能解決方案市場處于快速發展階段全球人工智能解決方案市場處于快速發展階段，醫療保健板塊是人工醫療保健板塊是人工智能最大的應用領域智能最大的應用領域全球人工智能解決方案市場快速發展全球人工智能解決方案市場快速發展。近年來，人工智能大模型在數據、算法和算力等關鍵要素的共同推動下，呈現爆發式增長，從自然語言處理逐步擴展到計算機視覺、科學計算等領域，增強了人工智能的泛化性、通用性，開啟了人工智能發展新范式。在技術進步、有利的政府政策以及各行業需求增加的推動下，全球人工智能解決方案市場正在快速發展。全球人工智能解決方案市場規模由 2018 年的 433億美元增至 2022 年的 1,395

17、 億美元，CAGR 為 34.0%，并預計將由 2023 年的 1,870 億美元進一步增長至2030 年的 14,142 億美元，CAGR 為 33.5%。中國人工智能解決方案市場規模由 2018 年的 35 億美元增至2022 年的 139 億美元，CAGR 為 40.8%，并預計將由 2023 年的 185 億美元進一步增至 2030 年的 1,683 億美元，CAGR 為 37.0%。人工智能在醫療保健領域的應用場景廣泛，能夠為多個環節賦能人工智能在醫療保健領域的應用場景廣泛，能夠為多個環節賦能。AI（Artificial intelligence）在醫療領域應用潛力巨大，可以為生命科

18、學研究、藥械研發、醫學影像、輔助診斷、健康管理等多個環節賦能，有助于提高醫療服務的效率和質量，改善患者的就醫體驗，并推動醫療行業向智慧醫療新時代發展。7/312025 年年 2 月月 28 日日行業行業|深度深度|研究報告研究報告2、海外海外 AI+醫療應用逐漸向制藥領域深化醫療應用逐漸向制藥領域深化，國內國內 AI+醫療更偏向于健康管醫療更偏向于健康管理領域理領域當前時點，海外當前時點，海外 AI+AI+醫療應用逐漸向制藥領域深化醫療應用逐漸向制藥領域深化。近期英偉達于 GTC 大會上推出醫療保健項目 GenAI，聚焦醫療場景的 25 個新的微服務（包括小分子建模工具、OpenFold 蛋白

19、質預測模型，以及與 Recursion 開發的用于靶點和藥物發現的 Phenom-Beta 模型等），醫療保健是此次 GTC 大會重視度最高的行業，也是英偉達重點押注的下一個賽道。無獨有偶，美國制藥巨頭禮來公司宣布已經與 OpenAI 達成合作，將利用大模型開發新型抗菌藥物。國內國內 AI+AI+醫療則更偏向于健康管理領域醫療則更偏向于健康管理領域。美年健康美年健康 24 年初與潤達醫療潤達醫療、華為云華為云等達成合作，推出基于生成式 AI 的數智健管師“健康小美”，期望能有效提升健康預防和疾病管理的效率，為個人和體檢機構帶來全新的健康管理體驗。除醫療類公司外，AI 模型公司也在健康管理領域積

20、極參與，商湯科技商湯科技8/312025 年年 2 月月 28 日日行業行業|深度深度|研究報告研究報告預計在 2024 年世界人工智能大會上推出自研醫療大模型，可幫助患者在院內實現全流程高效就醫，并在院外化身患者的“隨身 AI 智慧健康管家”，實現全周期個人健康管理。3、目前醫療目前醫療 AI 的技術架構已開始從深度學習向大模型方向轉移的技術架構已開始從深度學習向大模型方向轉移目前醫療 AI 的技術架構已開始從深度學習向大模型方向轉移，2017 年谷歌谷歌公司首次提出基于自注意力的 Transformer 架構，奠定了預訓練大模型的算法基礎；2018 年基于 Transformer 的算法框

21、架，谷歌和OpenAI 分別搭建了 GPT 與 BERT 大模型，使得預訓練大模型成為自然語言處理領域的主流。由于醫學數據具備復雜性、多樣性和高維性，單一文本模態的技術應用較為受限；而預訓練大模型在單模態的基礎上演化出了語音、圖像、視頻等多模態，打通了自然語言處理與計算機視覺之間的壁壘，為醫療 AI 技術的發展提供了強有力的支持。9/312025 年年 2 月月 28 日日行業行業|深度深度|研究報告研究報告助力醫療產業升級的多模態助力醫療產業升級的多模態 AIAI 大模型分為五個類別大模型分為五個類別：圖學習大模型（圖學習大模型（LGMsLGMs）可用于預測蛋白質結構、分析基因組學及設計藥物

22、，助力制藥領域的藥物研發和生產工藝提升；語言條件多智能體大模型語言條件多智能體大模型（LLMMsLLMMs）可實現遠程診療、智能導診和手術機器人，助力醫療器械領域的產品設計和智能化網絡升級；多模態大模型（多模態大模型（LMMsLMMs）可用于識別醫學數據并挖掘數據價值，助力商業領域分析健康大數據，構建信息化平臺；大型語言模型（大型語言模型（LLMsLLMs）可用于回答醫學問題、提供醫學建議；視覺大模型（視覺大模型（LVMsLVMs）及視覺）及視覺-語語言大模型（言大模型（VLMsVLMs）可用于識別醫學圖像、生成圖像注釋，三類模型均可提供 AI 輔助診斷、AI 輔助治療的醫療服務。AI 大模型

23、的應用將極大提高醫藥產品質量和醫療服務水平，推動醫療行業的智能化升級。在產業升級進程中，已誕生多款用于醫藥健康領域的在產業升級進程中，已誕生多款用于醫藥健康領域的 AIAI 大模型實例大模型實例。LLaVA-Med 是微軟公司推出的視覺-語言大模型，其利用 Pubmed 提取大量影像學圖像進行醫學概念對齊，再使用 GPT-4 生成的醫學指令掌握開放性對話語義，模擬從零學習醫學知識的過程。LLaVA-Med 可根據 X 光、CT、MRI 等影像學圖像推測患者的疾病狀況，并針對圖像相關的問題生成自然語言回答；該模型可推動 AI 輔助診斷領域的智能化升級，有效提高疾病診斷的精度和效率。Med-PaL

24、M2 是谷歌公司研發的大型語言模型，用于回答醫學問題并給出專業建議。Med-PaLM2 可通過多個路徑提升推理能力，針對醫學咨詢給出專家水平的答復，在接近 90%的疾病、用藥、副作用等臨床相關問答方面優于臨床醫生，同時獲得醫生和患者群體的高度認可。Med-PaLM2 的出現為醫療服務領域提供強大靈活的問答系統平臺，驅動 AI 輔助治療的智能化升級。10/312025 年年 2 月月 28 日日行業行業|深度深度|研究報告研究報告國內醫療國內醫療 AIAI 大模型多處于研發內測或定向體驗階段，由于技術尚未成熟且醫療行業具備特殊性，大模型多處于研發內測或定向體驗階段，由于技術尚未成熟且醫療行業具備

25、特殊性，AIAI 大大模型當前的適用范圍較為受限，預計未來有較大的可拓展空間模型當前的適用范圍較為受限，預計未來有較大的可拓展空間。其中靈醫智慧大模型是百度百度自研的大型語言模型，算法方面基于百度文心大模型，內置多項增強技術提升準確性和多樣性；算力方面基于百度智能云千帆算力資源，不斷進行預訓練優化底層參數；數據方面使用 Token 訓練語料，包括 300 萬例多模態影像數據、6 億條健康科普內容及 70 萬條臨床研究信息。靈醫大模型具備智能健康管家、智能醫生助手和智能企業服務三大解決方案，其中智能健康管家為患者提供導診、問診和健康咨詢等就醫引導；智能醫生助手為醫生提供臨床決策支持、病歷草稿生成

26、和文獻速覽等工作幫助；智能企業服務為藥企提供運營助手、職業培訓和創新營銷等服務。靈醫大模型可滿足患者、醫生和企業客戶各自的需求，具備醫藥健康全產業鏈的支持能力。三、驅動因素三、驅動因素AI 智慧醫療的發展動力主要源于信息技術的進步、社會醫療需求的增長以及政策的推動。1、技術面：技術面：AI 信息技術的快速發展為智慧醫療提供了基礎信息技術的快速發展為智慧醫療提供了基礎大數據技術使得醫療機構能夠存儲和分析海量的患者數據，從而提供更精準的診斷和治療建議。云計算平臺則為醫療數據的存儲、處理和共享提供了強大的支持，使得醫療服務更加靈活和高效。人工智能技術，尤其是機器學習和深度學習，正在被用于開發智能診斷

27、工具、預測疾病發展趨勢以及個性化治療方案。新的生成式新的生成式 AIAI 帶帶來來新市場空間新市場空間。在機器學習領域，大模型作為一種新興工具，專門用于處理和生成自然語言文本。這些模型通過集成高級文本情感分析等元信息，能夠極大地豐富神經科學數據集，并實現信息的高度融合。特別是在數據量龐大且多元的醫療領域，大模型展現出巨大的應用潛力。從判別式 AI向生成式 AI 的轉變，基于深度學習的影像 AI 本質上屬于判別式 AI，其分類效果依賴于訓練數據的數量和質量。隨著注意力機制的突破和知識體系的引入，大模型以其復雜的結構和龐大的參數量，展現出更強的學習能力和生成能力。在醫療領域，判別式 AI 主要用于

28、分類、檢測和識別任務，核心在于判斷輸入數據屬于哪個預定義類別，例如疾病類型或病變程度。而生成式 AI 則專注于生成與訓練數據相似分布的新數據實例。理論上，成熟的生成式 AI 能夠超越判別式 AI 的應用范圍，處理一些判別式 AI 難以應對的場景。例如，一個融合了醫學知識、病例數據和推理邏輯的生成式 AI 在影像識別上的實際效果，可能優于僅基于深度學習的影像 AI。11/312025 年年 2 月月 28 日日行業行業|深度深度|研究報告研究報告2、需求端：人口老齡化和慢性病患者數量的增加，導致對醫療服務的需需求端：人口老齡化和慢性病患者數量的增加，導致對醫療服務的需求日益增長求日益增長智慧醫療

29、能夠通過遠程監控、智能穿戴設備等手段，為老年人和慢性病患者提供更加便捷和連續的醫療服務。此外，智慧醫療還能夠通過數據分析預測疾病風險，實現早期干預，減少醫療資源的浪費。醫療資源不足及公眾健康意識的提高，公共衛生機構對醫療資源不足及公眾健康意識的提高，公共衛生機構對 AIAI 醫療的需求將顯著增長醫療的需求將顯著增長。當前，我國醫療資源的地域分布不均，城鄉之間、發達與欠發達地區之間的差異顯著。農村和偏遠地區的醫療設施簡陋，醫療人員短缺，難以滿足當地居民的基本醫療需求。與此同時，隨著人口老齡化的加速和公眾健康意識的增強，患者數量不斷增加，對醫療資源的需求持續上升，導致現有醫療資源更加緊張，醫院常常

30、超負荷運轉，患者等待時間延長，就醫體驗受到負面影響。同時通過健康科普宣傳，人們越來越重視健康管理，主動了解健康知識，追求健康生活方式，如定期體檢、合理飲食和適量運動。面對疾病，患者不僅期待傳統治療方法，更渴望獲得高效、精準、個性化的醫療服務。AIAI 醫療以其強大的學習能力、數據處理能力和創新能力，為解決醫療資源不足提供了新途徑醫療以其強大的學習能力、數據處理能力和創新能力，為解決醫療資源不足提供了新途徑。在影像診斷領域，AI 能夠快速準確地分析醫學影像，輔助醫生診斷，提升診斷效率；在臨床決策支持方面，AI能夠根據大量醫療數據為醫生提供診斷建議和治療方案，幫助醫生做出更科學的決策，減少誤診和漏

31、診；在健康管理領域，AI 通過分析個人健康數據，為患者提供個性化的健康管理方案，實現疾病的早期預防和干預。這些優勢使得公共衛生機構能夠在有限的醫療資源下，為更多患者提供優質醫療服務，滿足公眾不斷增長的健康需求，因此對 AI 醫療的需求必將顯著增加。3、政策面：各國政府為了提高醫療服務的質量和效率，正在積極推動醫政策面：各國政府為了提高醫療服務的質量和效率，正在積極推動醫療改革療改革智慧醫療作為一種創新的醫療模式，得到了政策上的支持和資金上的投入智慧醫療作為一種創新的醫療模式，得到了政策上的支持和資金上的投入。同時，市場機制也在推動智慧醫療的發展，隨著技術的進步和成本的降低，智慧醫療解決方案的商

32、業價值逐漸顯現，吸引了越來越多的投資者和企業參與其中。自 2016 年起，我國就開始出臺政策，以促進人工智能技術在醫療領域的應用，旨在從宏觀層面推動醫療行業的快速發展，提升服務效率和質量，實現智能化轉型。這些政策旨在幫助醫院正確理解和應用前沿技術，引導相關產業的快速成長。政策制定通常會依據醫療衛生領域的當前狀況和未來走向，制定具有前瞻性和指導性的政策。這些政策不僅指明了醫療信息化的總體目標和分階段任務，還涵蓋了建設內容、技術規范和實施步驟等核心要素。對于公立醫院而言，遵循政策要求是他們的首要任務。12/312025 年年 2 月月 28 日日行業行業|深度深度|研究報告研究報告政策與提效兩大購

33、置動力支持下，目前國內已經孕育了一大批醫療人工智能產品，嵌入了醫療領域中的政策與提效兩大購置動力支持下，目前國內已經孕育了一大批醫療人工智能產品，嵌入了醫療領域中的絕大多數場景絕大多數場景。四、四、DeepSeek 的出現對醫療行業影響的出現對醫療行業影響1、DeepSeek 的技術突破的技術突破，深度契合醫療行業實際需求深度契合醫療行業實際需求，為商業價值釋為商業價值釋放奠定基礎放奠定基礎結構性矛盾如同深埋于醫療體系肌體內的病灶，長期困擾著全球醫療健康產業的發展結構性矛盾如同深埋于醫療體系肌體內的病灶，長期困擾著全球醫療健康產業的發展。然而，危機往往也孕育著變革的契機。正是這些難以克服的結構

34、性矛盾，催生了對技術革命的迫切需求，而 DeepSeek等新一代 AI 大模型技術的出現，恰逢其時。DeepSeek(深度求索)作為一家專注于人工智能技術研發的公司，其技術對醫療領域具有深遠的影響。通過人工智能、大數據分析和機器學習等技術，DeepSeek 可13/312025 年年 2 月月 28 日日行業行業|深度深度|研究報告研究報告以為醫療行業帶來多方面的變革和提升。DeepSeek 立足于解決醫療行業痛點、提升醫療服務效率和質量的務實創新。DeepSeek 的技術突破，并非僅僅停留在實驗室層面，而是深度契合醫療行業的實際需求，具備極強的醫療適配性，為商業價值的釋放奠定了堅實的基礎。D

35、eepSeekDeepSeek 通過智能化手段幫助醫生從海量數據中快速提煉關鍵信息，實現精準醫療決策的飛躍通過智能化手段幫助醫生從海量數據中快速提煉關鍵信息，實現精準醫療決策的飛躍。診斷診斷效率的提升效率的提升：DeepSeek 能夠整合患者病史記錄、實驗室檢查結果及影像學數據（如 X 光片、CT、MRI14/312025 年年 2 月月 28 日日行業行業|深度深度|研究報告研究報告等），快速生成初步診斷路徑，為醫生提供“可能性排名+檢查建議”的智能化表格；急診中的應用：在多發傷或復合傷場景中，DeepSeek 能優化急救資源分配，如手術室安排、搶救人員調配，提升急診成功率。個性化治療方案優

36、化個性化治療方案優化：DeepSeek 結合患者的基因信息、生活習慣和病史，推薦精準的藥物組合或聯合療法，并實時更新醫學指南（如 2024 年 ESC 心衰指南）；案例：在心衰治療中，DeepSeek 可提醒醫生及時采用新型藥物（如 SGLT2 抑制劑），并優化復雜患者的聯合用藥方案，減少不良反應。疑難病例的跨學科支持疑難病例的跨學科支持：DeepSeek 整合多學科文獻與權威指南，輔助醫生解決罕見病或復雜病例的診斷難題；案例：骨科醫生可通過模型獲取手術風險評估及術后康復要點；在罕見病診斷中，DeepSeek 結合多組學數據揭示疾病分子機制，為靶向治療提供依據?？蒲信c學術方面科研與學術方面：從

37、浩瀚文獻到高質量論文的全流程賦能，DeepSeek 以智能化能力提升醫生科研效率和學術成果質量；文獻檢索與知識整合文獻檢索與知識整合：DeepSeekV3 模型基于海量預訓練數據，快速提煉研究領域的前沿進展和核心觀點，節省 80%以上的文獻篩選時間；案例：腫瘤科醫生可快速掌握免疫治療領域的最新趨勢，集中精力設計創新臨床研究方案。數據分析與科研設計數據分析與科研設計：DeepSeek 支持多源數據整合分析（如影像、基因、隨訪數據），并勝任復雜統計學問題（如生存分析、Meta 分析）；科研設計科研設計：模型可推薦研究類型、樣本量估算及統計分析方法，優化設計科學性。論文撰寫與潤色論文撰寫與潤色：De

38、epSeek-R1 模型在邏輯推理和文本生成方面表現卓越，可優化論文結構、語言及摘要模板；案例：醫生可獲得詳細修改建議或直接生成優化版本，非英語母語醫生還能借助 DeepSeek 翻譯高質量英文稿件，提升國際影響力。15/312025 年年 2 月月 28 日日行業行業|深度深度|研究報告研究報告患者管理方面患者管理方面：從單向溝通到雙向互動的智能化轉型，DeepSeek 推動醫療服務向智能化、個性化的雙向互動模式轉型。醫學概念的通俗化解釋醫學概念的通俗化解釋：通過自然語言處理，DeepSeek 將復雜醫學術語轉化為患者易懂的語言，減少信息不對稱；案例案例：兒科醫生可用模型解釋疫苗接種的必要性

39、，提升家長意愿。個性化隨個性化隨訪與康復計劃訪與康復計劃：DeepSeek 根據患者病情階段定制隨訪提醒和康復方案，指導術后康復訓練并預警可能并發癥?？缒挲g層溝通策略跨年齡層溝通策略：DeepSeek 生成差異化溝通內容。老年患者：簡潔語言和大字體用藥指南；兒童患者：互動式健康科普故事或動畫，寓教于樂。醫療管理與教學方面醫療管理與教學方面：效率提升與模式創新的雙重突破。醫院流程優化醫院流程優化：DeepSeek 分析就診流程數據，識別瓶頸并提出改進建議，如優化排班、縮短等待時間；案例：急診科通過動態數據分析調整人員配置，提升救治效率。醫學教學升級醫學教學升級：DeepSeek 自動生成符合最新

40、指南的培訓課件，并設計模擬案例，確保內容權威性和時效性；個性化教學個性化教學：根據學員進度調整內容和難度，提升教學效果。通過深度整合 DeepSeek 等智能化工具，醫生群體有望在工作效率的顯著提升與專業技能的持續深耕之間，找到最佳的平衡點，最終為每一位患者提供更加優質、更加高效、更加人性化的卓越醫療服務，共同譜寫人類健康事業發展的新篇章。16/312025 年年 2 月月 28 日日行業行業|深度深度|研究報告研究報告2、DeepSeekAI 的技術優勢：四大路徑釋放商業價值，重塑醫療健康產的技術優勢：四大路徑釋放商業價值，重塑醫療健康產業業DeepSeekAI 的技術優勢，將沿著以下四大路

41、徑，逐步釋放商業價值，深刻改變醫療健康產業的格局。醫療資源分布式重構醫療資源分布式重構：利用利用 AIAI 技術，構建技術，構建“區域中心區域中心+社區節點社區節點”的的“1+N1+N”分布式醫療服務網絡，將分布式醫療服務網絡，將優質醫療資源下沉到基層優質醫療資源下沉到基層?；鶎俞t療機構基層醫療機構 AIAI 診斷終端普及診斷終端普及：在基層醫療機構部署 AI 診斷終端，提升基層醫生的診斷能力，實現常見病、多發病的就近診療，緩解大醫院就診壓力。私立醫院運營成本顯著降私立醫院運營成本顯著降低低：通過自動化報告生成、智能分診等 AI 應用，私立醫院運營成本有望降低 22%，提升運營效率和盈利能力。

42、制藥工業范式革新制藥工業范式革新：DeepSeekAI 技術將滲透到藥物研發的各個環節，革新制藥工業范式?；衔锖Y選效化合物篩選效率指數級提升率指數級提升：利用 AI 技術，將化合物篩選效率提升 40 倍，大幅縮短新藥研發周期。臨床試驗患者精臨床試驗患者精準匹配準匹配：AI 技術可以將臨床試驗患者匹配精度提高至 89%，縮短研發周期 6-8 個月，加速新藥上市進程。藥物靶點發現與設計加速藥物靶點發現與設計加速：利用 AI 分析生物數據和分子結構，加速藥物靶點發現和藥物分子設計，為新藥研發提供更強大的技術支撐。臨床試驗設計與優化臨床試驗設計與優化：AI 能夠優化臨床試驗方案，提高試驗效率和成功率

43、，降低研發風險。藥物生產工藝優化藥物生產工藝優化：AI 可以用于優化藥物生產工藝，降低生產成本，提高藥品質量和生產效率。健康管理服務升級健康管理服務升級：以 Deepseek 為基座的大模型 AI 技術將推動健康管理服務從被動式、粗放式向主動式、個性化、精細化升級。心血管事件風險提前預警心血管事件風險提前預警：通過可穿戴設備數據實時分析，AI 系統可以提前14 天預警心血管事件風險，為用戶爭取寶貴的預防和治療時間。個性化健康方案動態調整個性化健康方案動態調整：AI 系統能夠根據用戶健康數據和生活習慣，動態調整個性化健康方案，調整頻率可達分鐘級，實現更精準、更有效的健康干預。主動式健康監測與干預

44、主動式健康監測與干預：AI 主動監測用戶健康數據，并在風險出現前進行干預，例如主17/312025 年年 2 月月 28 日日行業行業|深度深度|研究報告研究報告動推送健康提醒、預約體檢等。虛擬健康顧問虛擬健康顧問：提供 7x24 小時在線健康咨詢和指導，解答健康疑問，提供情緒支持。醫保支付體系優化醫保支付體系優化：DeepSeek 將助力醫保支付體系實現精細化管理和智能化升級。精算模型精度大幅提精算模型精度大幅提升升：AI 精算模型可以納入 10,000+臨床變量，將保費定價誤差率降至 0.3%，實現更精準的風險評估和保費定價。欺詐檢測系統挽回巨額損失欺詐檢測系統挽回巨額損失：據案例顯示，A

45、I 欺詐檢測系統每年可挽回損失超過 12 億元，有效遏制醫保欺詐行為，保障醫保資金安全?；趦r值的支付模式基于價值的支付模式：將支付與醫療服務質量和效果掛鉤，激勵醫療機構提供更高質量、更低成本的服務。動態醫保目錄調整動態醫保目錄調整：利用 AI 分析藥物療效、成本效益等數據，動態調整醫保目錄，提高醫保資金使用效率。DeepSeekAIDeepSeekAI 通過醫療資源重構、制藥工業革新、健康管理升級和醫保體系優化四大路徑，全面釋放商通過醫療資源重構、制藥工業革新、健康管理升級和醫保體系優化四大路徑，全面釋放商業價值業價值。其技術助力基層診療能力提升和私立醫院效率優化，加速藥物研發與生產流程，提

46、升健康管理18/312025 年年 2 月月 28 日日行業行業|深度深度|研究報告研究報告的精準性與主動性，同時優化醫保支付模式，降低成本、提升效率，為醫療健康產業帶來高效、智能化的深刻變革。五、產業鏈分析五、產業鏈分析1、產業鏈概況：產業鏈概況：AI 醫療產業鏈可分為基礎層、模型層與應用層醫療產業鏈可分為基礎層、模型層與應用層基于大模型驅動的 AI 醫療產業鏈可以分為基礎層、模型層與應用層?；A層，除數據服務外，芯片與通信等基礎核心領域與其他行業共通，而醫療數據由于其特殊性，數據開放度較低，獲取存在一定壁壘，其數據的確權與流通問題尚待解決；模型層，AI 算法、框架需要長期的研發投入，目前各

47、大科技企業與互聯網巨頭均在加速布局，大模型在醫療領域的應用越發廣泛，解決了一些關鍵問題；應用層，應用層可觸達全醫療服務場景，如院內臨床決策系統、手術機器人、智慧病案系統、醫療影像、藥企新藥研發與基因檢測。2、模型層模型層：參與者主要有大型科技公司和醫藥類企業參與者主要有大型科技公司和醫藥類企業大型科技公司基于自己的通用大模型，開發垂直化服務平臺進行賦能，主要代表公司有英偉達英偉達、英特爾英特爾、騰訊騰訊、百度百度、阿里阿里等等，比如英偉達推出了生物醫藥基礎模型云服務平臺 BioNeMo，提供生成式化學、蛋白質語言和結構預測相關開源模型，可以進行蛋白質、DNA 和生物化學數據處理，從而加速藥物研

48、發。醫藥類企業具有豐富的生物醫學行業數據、用戶資源和細分領域專業能力，以調用接口或基于開源模型自研的方式切入，微調改進自身產品或開發智能化產品。如 FermaAI、Nuance、Wondercise 集成 Chat-GPT 等模型，提供更加快捷智能的生物技術及制藥咨詢、自動生成病例、醫學文檔處理、個人健康管理功能。19/312025 年年 2 月月 28 日日行業行業|深度深度|研究報告研究報告3、應用層應用層：大模型的應用使得多個領域的新場景涌現大模型的應用使得多個領域的新場景涌現應用層，大模型的應用使得多個領域的新場景涌現，按成熟度由高到低為生命科學研究領域、藥械研發領域、醫學影像和圖像領

49、域、醫療問答和智能問診領域、輔助診療和臨床決策領域、個人健康管理領域、醫學教學領域。生命科學研究領域生命科學研究領域：AI 大模型在該領域發展較為成熟，起步早，模型數量多，迭代發展快。例如，AI大模型可以完成蛋白質語言理解和生成的任務，協助蛋白質結構預測和從頭設計合成；可以賦能 DNA/RNA 等生命組學計算，為病因推斷、疾病預測、精準醫療提供新思路；可以作為科研助手輔助生物醫學研究開發工作，優化科研流程。由溫州眼視光國際創新中心(中國眼谷)開發的眼科專用大型語言模型EyeGPT，目前主要應用于科研場景以及臨床醫療輔助等醫療相關內容，已在研究性論文、病例報告生成、醫學學術文章潤色、醫療文檔寫作

50、等方面有較為成熟的落地，未來將進一步向眼健康早期檢測和智能診斷場景拓展。藥械研發領域的應用藥械研發領域的應用：AI 大模型可服務于藥品和器械從研發到上市的各個環節，包括藥物發現、臨床前研究、臨床試驗、注冊申請、上市后再評價等，實現提速降本增效。例如，AI 大模型可助力藥物研發早期階段，可以協助進行分子性質預測和靶點發現；可以助力藥械注冊和審評自動化，提升藥械企業和監管機構的辦公效率；可與生物醫藥行業數據相結合，驅動行業信息咨詢服務新發展。通義醫療行業大模型由阿里云研發，是以通義生成式語言大模型為基底，在通義 Qwen 整體訓練數據超過 3 萬億 tokens 基礎上，融入海量醫學知識文獻與醫療

51、數據所訓練出來的行業大模型。通義行業大模型通過 API 與交互式問答形式提供服務,并提供用于模型二次訓練與評測的完整操控平臺，已經開始在行業應用層面探索落地。20/312025 年年 2 月月 28 日日行業行業|深度深度|研究報告研究報告醫學影像和圖像領域醫學影像和圖像領域：在該領域，AI 大模型可以輔助醫學影像診斷分析，并可自動生成影像診斷報告。大模型基于醫學影像的圖文對數據集進行訓練，可以將視覺理解與文本知識相結合，以對話方式解釋醫學圖像，回答相關問題。近期，深睿醫療深睿醫療顱內動脈瘤 CT 造影圖像輔助檢測軟件通過創新通道獲批 NMPA三類證，成為國內首個創新人工智能顱內動脈瘤 CT

52、檢測系統。本次獲證的顱內動脈瘤 AI 產品也是深睿醫療 Deepwise MetAI 智慧影像&大數據通用平臺中睿影輔助診斷系統的重要組成部分。結合睿影系列的ASPECT 評分、頭頸 CTA、腦灌注(CTP)、腦出血等多個系統，針對缺血性腦卒中和出血性腦卒兩大臨床應用場景。醫療問答和智能問診領域醫療問答和智能問診領域：AI 大模型可以對話方式回答用戶的醫療健康問題并支持連續自由對話和多場景的功能，并且提升了問診類產品的準確性和智能化程度。騰訊醫療大模型包括文案生成、智能問答、病歷結構化和檢索、影像報告和輔助診斷等場景，為醫療決策全流程提供更精準的輔助，助力患者就醫體驗以及臨床醫生、藥劑師服務效

53、率和質量的雙向提升。此外，基于騰訊醫療大模型的家庭醫生助手能夠提升基層服務能力，暢通醫患溝通渠道，為醫生提供更加智能的簽約、咨詢、隨訪、宣教能力，也為居民提供精細化的健康管理。21/312025 年年 2 月月 28 日日行業行業|深度深度|研究報告研究報告輔助診療和臨床決策領域輔助診療和臨床決策領域：AI 大模型可以預測疾病風險，并生成診斷和治療建議，為臨床決策提供支持。百度百度靈醫大模型使用了千億 tokens 的訓練語料數據，包括海量臨床脫敏數據、醫學知識圖譜、300 萬+例多模態影像數據，6 億+條健康科普內容，70 萬+臨床試驗研究信息，實現智能醫生助手從輔助診斷、病歷生成、文獻速覽

54、等方面為醫生提供服務。個人健康管理領域個人健康管理領域：個人健康管理領域大模型分布廣泛，模型種類眾多。提供的主要功能有：推動個人健康管理邁向主動化、個性化、智能化；提供營養、運動輔導服務，多方面支持個人智能健康管理；提供更擬人化的情感疏導與支持，同時帶來心理健康評估、療愈的新工具；生成中醫藥處方或多維度中醫養生方案；智慧康養，滿足老年人陪伴、看護、社交娛樂等多樣化需求。由 OPPOOPPO 打造的運動健康助手依托健康知識圖譜訓練的大型語言模型 andesGPT，再結合健康大數據感知與分析技術，進一步增強通用大模型的數據分析能力，打造運動健康領域的專屬解決方案。醫學教學領域醫學教學領域：模擬不同

55、類型病人，通過提供及時反饋和個性化指導，提高學生知識和技能。Hippocratic AI 產品將醫學理論知識應用于現實世界情境，利用大模型的能力虛擬患者，完成和人類醫生的對話，其模擬的患者不僅具有不同疾病、性格、情緒和疾病史，還能為醫學生的臨床診斷技能提供反饋評價。Hippocratic AI 主要提供了 Patient simulator（類 ChatGPT 問答）和 flashcard generator 兩種功能。Patient simulator 提供了心血管、呼吸、腸胃、肌肉骨骼、神經學、內分泌、腎臟、生殖 8 種模擬病人問答，并且在整個過程中病人還會表現出憤怒、急躁、焦慮等擬人化情

56、緒，以幫助醫生適應不同類型的病人。Patient simulator 還提供了考試、筆記、病例錄入等學習功能。六、六、重點關注方向重點關注方向1、藥物發現藥物發現+醫學影像醫學影像+醫療信息化醫療信息化，是未來是未來 AI 醫療發展的重點方向醫療發展的重點方向從應用端看，AI 可與醫療領域各環節融合，提升效率，降低成本。其中，藥物發現、醫學影像和醫療信息化已展現出較大的潛力，或將是未來 AI 醫療發展的重點方向。22/312025 年年 2 月月 28 日日行業行業|深度深度|研究報告研究報告（1）AI 制藥：加速早研，優質數據成關鍵制藥：加速早研，優質數據成關鍵AI 助力藥物研發降本增效。藥

57、物研發面臨高成本、長周期和低成功率挑戰，研發 1 種新藥平均需要投入約 26 億美元，耗時 12 至 15 年，同時臨床試驗成功率不足 10%，其根源在于人體系統、疾病和傳統藥物研發過程高度復雜。隨著 AI 技術的進步，特別是像 ChatGPT 和 Deepseek 等通用大語言模型，以及 Sora 等生成式 AI，已經在某些情況下展現出超越人類智能的能力，AI 處理海量數據的能力有望克服傳統方法中的障礙，大幅加速并改善藥物研發過程。顯著提高早研效率，后期開發待突破顯著提高早研效率，后期開發待突破。當前，AI 制藥應用主要集中在藥物早期發現階段，包括：藥物靶點發現/確證、蛋白結構預測、核心分子

58、生成、苗頭化合物生成/優化和 ADMET 預測等，通過 AI 計算獲得初步候選建議，解決臨床前研究試驗成本高、周期長的問題。但是，由于存在種屬/個體差異、后期數據公開少且質量不一、評價參數多且復雜等問題，對于研發成本更加巨大的后期開發，包括：候選化合物成藥性優化、藥理毒理、安全性/有效性等臨床前試驗評價乃至臨床試驗評價，AI 應用仍有很大進步空間。AIAI 管線值得關注，新藥研發成功率有望翻倍管線值得關注，新藥研發成功率有望翻倍。據智藥局統計，截至 24 年初，全球臨床 1-3 期 AI 藥物管線分別為 56/41/5 個，尚未有 3 期臨床試驗成功。此外，據波士頓咨詢統計：截至 23 年底，

59、AI 藥物在 I 期臨床試驗中，成功率高達 80%-90%，遠高于40%-65%的歷史行業平均水平；在 II 期臨床試驗中，成功率為 40%，仍處于歷史區間上限（30%-40%）；假定其期臨床成功率保持歷史行業平均水平，則新藥整體成功率將由 5%-10%提升至 9%-18%。23/312025 年年 2 月月 28 日日行業行業|深度深度|研究報告研究報告研發終將迎來研發終將迎來“DeepseekDeepseek”時刻，優質數據或為核心壁壘時刻，優質數據或為核心壁壘。從 TMDD 到 AIDD，真實試驗和藥學專家的經驗直覺等“隱性知識”依然是新藥研發成功的基礎，對制藥來說 AI 仍是輔助而非顛

60、覆。新藥研發面臨數據量少、體系和標準不統一等帶來的數據準確性問題。同時，研發數據作為藥企核心資產，通常不會公開，即使公開也會埋沒大量的陰性數據，對 AI 模型建立構成阻礙?？梢灶A見的是，未來 AI 競爭更多在于數據，CXO 和傳統藥企在經驗和數據上具備優勢，新興 AI 制藥企業更熟悉算法和平臺，二者聯合將是大勢所趨。（2）醫學影像：提升診療效率，需求激增醫學影像：提升診療效率，需求激增AIAI 醫學影像可提升效率，市場需求迅速增加醫學影像可提升效率，市場需求迅速增加。傳統醫學影像行業面臨醫生資源不足且培養周期長、影像數據解讀難度大/效率低等問題。AI 醫學影像是利用人工智能技術對醫學影像（放射

61、學影像、超聲影像和病理影像等）進行解析和分析，提升閱片效率，降低漏診和錯診。根據億歐智庫，2022-2024 年，醫療機構 AI 醫學影像項目中標項目數量從 186 個增長至 387 個，AI 醫學影像應用正不斷普及，醫療機構需求也在快速增加。24/312025 年年 2 月月 28 日日行業行業|深度深度|研究報告研究報告上市產品以心腦血管上市產品以心腦血管&肺部疾病為主，國內領先肺部疾病為主，國內領先。根據弗若斯特沙利文，截至 2024 年 6 月，國內已上市92 款包含自動檢測功能的 AI 醫學影像軟件（三類醫療器械）。從疾病領域看，心腦血管及肺部疾病合計占 70%；而從獲批產品企業看，

62、國內企業占據絕對領先地位。（3）醫療信息化：融合全環節，政策催化醫療信息化：融合全環節，政策催化AI 醫療信息化主要是運用 AI 等技術手段，形成信息化智能管理模式，提升醫院的管理和診療效率以及患者的就醫體驗，建設“智慧醫院”。其中，面向醫務人員的智慧醫療發展最為成熟，以電子病歷為核心，整合影像、檢驗、臨床智能輔助診療等其他系統，建設互聯互通的信息系統。25/312025 年年 2 月月 28 日日行業行業|深度深度|研究報告研究報告電子病歷系統的建設主要圍繞政策指導展開，2018 年國家公布 EMRs 應用水平分級評價標準將電子病歷系統分為了 0-8 級，全國醫院電子病歷系統應用平均水平迅速

63、發展。2024 年，將電子病歷分級評價標準修訂為智慧醫療分級評價新標準，新增“人工智能”要求，包括：方案推薦、輔助判斷、病歷輔助生成等內容，AI 醫療信息化落地將進一步加速。2、技術布局領先及商業化能力強的公司技術布局領先及商業化能力強的公司，或有望率先受益或有望率先受益AI 技術將賦能醫藥各產業鏈，包括疾病的輔助篩查與診斷、臨床治療輔助決策、藥物研發、醫學影像、醫療信息化等方面，市場空間廣闊。相關人士認為醫療 AI 未來更注重實用側，醫療影像、輔助診斷、AI 制藥等逐步走向成熟期和商業化階段。AI 影像與診斷：圖像處理和識別等相關技術相對成熟，行業增長受制于院內 AI 醫療服務收費項目數較少

64、，因此商業化能力較強以及軟件服務可以搭載硬件設備進行銷售的公司，或將更為受到市場關注。AI 制藥：AIDD 有望革新傳統藥物研發模式，大大縮短藥物早期發現時間，管線豐富、研發進展較快、與藥企合作緊密的企業，有望受益。CDSS 與醫療信息化：自然語言模型技術進步有望解決結構化病歷信息的難點，從而推動 CDSS 進一步發展，市場上已經開發出語言模型、醫院端合作基礎較好、病歷信息資源豐富的公司，更易搶占先機，獲得發展機遇。七、七、相關公司相關公司1、衛寧健康：衛寧健康：發布面向醫療垂直領域的大模型發布面向醫療垂直領域的大模型 WiNGPT，釋放釋放 AI 增強的增強的智能化產品能力智能化產品能力衛寧

65、健康科技集團股份有限公司始于 1994 年，以“科技賦能，提升人們健康水平”為使命，業務覆蓋智慧醫院，智慧區域衛生，互聯網+醫療健康等，致力于成為“數字健康領域值得信賴的服務提供者”。26/312025 年年 2 月月 28 日日行業行業|深度深度|研究報告研究報告集團總部位于上海，遍布全國 10 個研發基地與 20 個分支機構，服務 6000 余家醫療衛生機構用戶，其中三級醫院用戶 400 余家。公司采用“1+X”戰略，涵蓋智慧醫院、智慧衛生及互聯網+醫療健康等業務：智慧醫院：提供覆蓋醫院各類業務及日常管理的信息化產品，支持區域化信息共享與協同。智慧衛生：以全域健康一體化中樞為核心，打造協同

66、融合、數據聚能的全民健康基座，支撐醫療與公衛協同、突發公衛應急及全民健康治理等場景?；ヂ摼W+醫療健康：聯合醫院、醫保、商保及藥企，覆蓋醫療服務、健康管理、醫保風控等環節，構建三醫聯動的閉環生態，推動盈利模式從軟件實施向 O2O 及 B+B2C 拓展。公司專注于研發、銷售和技術服務一體化，致力于提供醫療健康衛生信息化解決方案，不斷提升就醫體公司專注于研發、銷售和技術服務一體化，致力于提供醫療健康衛生信息化解決方案，不斷提升就醫體驗與健康水平驗與健康水平。業務覆蓋智慧醫院、區域衛生、基層衛生、公共衛生、醫療保險及健康服務等領域，是中國醫療健康信息行業具有競爭力的整體方案與服務供應商。自 2015

67、年起，公司在夯實傳統醫療信息化業務的同時，積極布局“互聯網+醫療健康”創新業務，形成“雙輪驅動”戰略，并于 2022 年升級為“1+X”戰略?！?”指基于統一中臺的 WiNEX 系列產品，實現醫療衛生資源數字化；“X”指通過衛寧數字健康平臺 WinDHP，構建數字基座，推動數字化產品、數據服務創新、互聯網醫院及醫藥險聯動等多元健康應用場景，打造醫療數字化生態。衛寧健康衛寧健康 20232023 年年 1010 月發布面向醫療垂直領域的大模型月發布面向醫療垂直領域的大模型 WiNGPTWiNGPT，該解決方案在第五代英特爾至強可擴展處理器上以可以實現最佳性能運行，運行速度可加快 6.3 倍，加快

68、了人工智能驅動的醫療信息整合解決方案的更好實施。2024 年，為推進醫療數據要素發展及落地，公司醫療大模型 WiNGPT 通過國家互聯網信息辦公室“深度合成算法”備案，基于醫療大模型增強的臨床輔助決策數據產品在上海數據交易所完成登記并上架；WiNEXCopilot 病歷質控助手、智能語音查房助手、病歷文書助手、超聲質控助手等產品已在北京大學人民醫院、天津市海河醫院、上海市肺科醫院、上海市同濟醫院等項目中落地，充分釋放 AI 增強的智能化產品的能力。27/312025 年年 2 月月 28 日日行業行業|深度深度|研究報告研究報告為了擴大不同業務場景的產品在安全性、可靠性、性能和兼容性等方面驗證

69、范圍，目前核心產品已完成上海信創綜合服務中心適配，并獲得上海信創工委會認證。公司積極與華為華為、聯通聯通、移動移動、電信電信等企業加深信創合作，提升醫療信創云的良好兼容適配，推動醫療信創云項目實踐落地并支撐業務穩定運行，助力醫療信創生態更加高效、可靠、安全的發展。2、邁瑞醫療：、邁瑞醫療：業績符合預期，海外業務增長亮眼業績符合預期，海外業務增長亮眼業績符合預期，體外診斷業務成收入第一大板塊業績符合預期，體外診斷業務成收入第一大板塊。公司 2024 年前三季度營業收入 294.8 億元，同比增長 8.0%，其中第三季度營業收入 89.5 億元，同比增長 1.4%；歸母凈利潤 30.8 億元，同比

70、下滑 9.3%。2024 年前三季度公司收入分產品線看，體外診斷業務收入 114.0 億元，同比增長 20.9%，占營業收入的比重達 38.7%，其中化學發光業務增速超過 20%。醫學影像業務 2024 年前三季度收入為 59.7 億元，同比增長 11.4%，其中超聲高端及超高端型號增長超過 30%。生命信息與支持業務 2024 年前三季度收入為108.9 億元，同比下降 11.7%，其中種子業務微創外科增長超過 45%。海外市場持續發力，高端客戶持續突破海外市場持續發力，高端客戶持續突破。2024 年前三季度公司收入 294.8 億元，其中國際收入 120.2 億元，同比增長 18.3%。單

71、三季度公司海外收入為 41.1 億元，同比增長 18.6%，按照區域拆分，單 Q3 歐洲市場收入同比增長近 30%，亞太區市場收入同比增長超 30%，拉美市場同比增長近 25%。公司海外收入維持較快增長主要是由于持續突破海外高端戰略客戶和中大樣本量實驗室，且種子業務包括動物醫療、微創外科、AED 等逐步放量。截至 2024Q3 公司在生命信息與支持業務的高端客戶超 65 家、體外診斷的高端客戶超 200 家、醫學影像的高端客戶超 100 家，并推動高度客戶的橫向突破。深耕智慧醫療，致力于深耕智慧醫療，致力于“設備設備+IT+AI+IT+AI”智能醫療生態系統的搭建智能醫療生態系統的搭建。公司的

72、“三瑞”數智化方案持續升級迭代?！叭鹬锹摗保航刂?2024 年前三季度公司在國內實現裝機醫院超過 1000 家，國際市場累計簽單項目數量超過 600 個，其中前三季度國內新增裝機近 400 家，國際新簽項目超過 200 個?！叭鹩霸?”影像云服務平臺：截至 2024 年前三季度公司在國內實現累計裝機 14300 套，其中前三季度新增裝機近3700 套。智檢實驗室：截至 2024 年前三季度公司已經裝機醫院超過 440 家，其中 80%為三級醫院。3、成都先導：建設成都先導：建設 DEL+AI+高通量高通量 DMTA 分子優化平臺分子優化平臺成都先導成立于 2012 年，聚焦小分子及核酸新藥的發

73、現與優化，是 DNA 編碼化合物庫（DEL）領域的領先企業。2021 年 9 月，公司同騰訊 AI Lab 合作共同設計開發了一款分子骨架躍遷算法（GraphGMVAE），其篩選 JAK1 抑制劑結果已發表于 ACS Omega 上。公司基于 AI 模型主要聚焦兩個方向的研究：利用已經積累的 DEL 篩選項目的大量數據集，構建靶點-萬億化合物的親和力預測模型，賦能高質量苗頭化合物發現環節；聚焦 AI 分子生成和評估、高精度結合自由能計算以及 AI 成藥性評估，結合公司搭建的高效化學合成和高通量化合物檢測平臺，建設 DEL+AI+自動化的“設計-合成-測試-分析”（DMTA）分子優化的能力平臺，

74、干濕結合加速化合物優化環節，賦能新藥優化環節。28/312025 年年 2 月月 28 日日行業行業|深度深度|研究報告研究報告4、聯影醫療聯影醫療：擁抱擁抱 AI，與聯影智能深入協同，與聯影智能深入協同聯影智能是聯影醫療控股股東聯影集團旗下的 AI 醫療公司，聯影集團持股 24.1%。聯影智能以全棧全譜的醫學影像 AI 賦能臨床、科研及影像設備。聯影醫療與聯影智能深入協同合作，已在全線設備產品中融入 AI 應用，通過高效的診斷輔助和數據處理能力，優化醫療設備的使用體驗，并提升影像和放療設備性能及成像質量。依托與聯影智能的業務協同，聯影醫療正從傳統設備制造商轉型為智慧影像解決方案提供商。聯影醫

75、療將憑借“設備+AI”的領先優勢進一步鞏固行業龍頭地位，構建更強的競爭壁壘。全棧全譜全棧全譜 AIAI 布局，多維度賦能醫療場景布局，多維度賦能醫療場景。聯影智能的全棧全譜醫學影像 AI 能力貫穿成像、篩查、隨訪、診斷、治療的完整工作流，覆蓋 XR、CT、MR、MI 等多模態場景。聯影智能的業務分為三個方向：賦能臨床：業務占比約 60-70%，利用 AI 幫助醫生進行臨床任務和決策，目前主要在影像科落地。截至 2024年底，聯影智能已推出超 100 款醫療 AI 產品，共獲得 12 張 NMPA 三類證，21 張 NMPA 二類證，13 款應用獲 CE 認證，15 款應用獲 FDA 認證。賦能

76、科研：業務占比約 20%，即協助醫生進行科研工作。賦能設備：業務占比約 10%，即與聯影醫療合作，助力影像設備的智能化升級與性能提升。目前，在國內影像AI 的應用方面，聯影智能具備較強的先發優勢，其獲證數量遠超 GPS 等國際同行。軟硬件協同創新，共建軟硬件協同創新，共建“設備設備+AI+AI”一體化競爭力一體化競爭力。聯影醫療和聯影智能形成了軟硬件協同創新優勢，引領全球“醫療設備+AI”的技術創新。例如，聯影智能將 AI 算法直接嵌入聯影醫療的影像設備，實現患者智能擺位、掃描參數智能優化、圖像重建加速等功能，提升成像效率和質量。相關人士認為，AI 可加強影像設備競爭力與議價能力，“影像診療+

77、AI”帶來的市場增量將一部分體現在聯影醫療的設備收入中。目前，AI 及智能化應用已覆蓋聯影醫療的全產品線。憑借與聯影智能的協同合作，聯影醫療已形成“設備+AI”一體化競爭力。在政策驅動設備更新與 AI 應用滲透率提升的背景下，聯影醫療的收入有望持續快速增長。5、美年健康：美年健康：AI 布局降本增效，股權激勵目標優化調整布局降本增效，股權激勵目標優化調整公司調整股權激勵目標，關注長期發展目標公司調整股權激勵目標，關注長期發展目標。公司將 2025 年的營業收入不低于 128 億元或歸母凈利潤不低于 12 億元調整為營業收入不低于 115 億元或歸母凈利潤不低于 6 億元，將 2026 年的營業

78、收入不低于 140 億元或歸母凈利潤不低于 15 億元調整為營業收入不低于 123 億元或歸母凈利潤不低于 9 億元。調整后的目標符合現實要求，關注長期發展目標。公司深化公司深化 AIAI 布局，降本增效布局，降本增效。美年健康持續推出專精特新體檢項目與健管服務，在此基礎上，公司與華為華為等合作發布國內首個健康管理 AI 機器人“健康小美”，已在 26 家分院開啟重點功能使用，試運營29/312025 年年 2 月月 28 日日行業行業|深度深度|研究報告研究報告效果良好。公司 2024 年推出“AI 智能血糖管理創新產品”，采用“三師共管”模式，依托 2.3 億條數據支持的血糖管理系統，為每

79、位用戶定制“一人一策”的專業個性化血糖管理方案。公司抓住公司抓住 AI+AI+醫療爆發機遇，實現數智新質生產力躍升醫療爆發機遇，實現數智新質生產力躍升。美年健康充分發揮預防醫學龍頭企業的價值，包括規模效應、數據資產、多元化場景和 20 年的行業 Knowhow 積累，充分抓住 AI+醫療爆發的市場機遇，利用大模型技術驅動，從低頻單一的年度體檢服務升級成動態持續的健康管家，降低個性化醫療、主動健康服務的邊際成本。公司持續強化 AI 人工智能技術與醫療服務領域的深度賦能與創新應用，做到醫療普惠，打造“健康中國”在 AI 時代的美年標桿。公司持續深化數據價值，公司持續深化數據價值，“AI+AI+醫療

80、醫療”賦能精細化運營賦能精細化運營。公司充分發揮醫療健康數據流量優勢，深化數據價值。以扁鵲智能體檢管理 SAAS 云平臺、實驗室信息管理 LIS 系統、影像歸檔和通信 PACS 系統為基礎，持續提升服務效率和客戶體驗滿意度，構建“體檢兩小時，服務 365 天”的健管新業態。發布 AI智能銷售助手“美年小星”，輔助銷售人員提升接待能力與業務轉化率，強化專業能力與產品信息更新速度。八、發展前景八、發展前景1、我國我國 AI 醫療市場潛力大醫療市場潛力大隨著數據互聯互通建設的逐步完善以及認知智能技術的逐步成熟，我國 AI 醫療市場呈現高速增長態勢。根據動脈網數據顯示，2020 年我國 AI 醫療市場

81、規模約為 66 億元，預計 2020-2025 年 CAGR 為 39.4%，到 2025 年增長至 349 億元。從國內 AI 醫療行業下游需求分布看，目前 AI 醫療在輔助側及數據側應用廣泛，其中 CDSS（臨床決策支持系統）占比最高，為 29.8%。未來 AI 醫療應用將更注重實用側，包括 AI 醫療影像、AI 制藥等。AI 醫療的商業模式較為多元化，包括將產品打包售賣給醫療機構，直接向患者用戶收費、與保險公司合作等。在患者支付端，目前各省市醫療機構端關于 AI 醫療的服務項目數并不多，主要有宮頸細胞學計算機輔助診斷、計算機三維重建技術（3DE）和青光眼視網膜神經纖維層計算機圖像分析等。

82、未來隨著AI 醫療產品商業化進程不斷推進，將會出現更多 AI 醫療收費項目。30/312025 年年 2 月月 28 日日行業行業|深度深度|研究報告研究報告2、“AI+醫療醫療”應用前景廣泛，醫藥行業或迎來巨變應用前景廣泛，醫藥行業或迎來巨變根據 ARK 近期發布的BigIdeas 2025，利用人工智能來“操作”數據將顛覆診斷、藥物發現和治療，到 2030 年，整個行業的表現將提升幾個數量級。AI 將徹底改變多組學工具、藥物研發、分子診斷，并顯著改善藥物的經濟回報。如 AI 將使 DNA 等生物信息的讀取和寫入成本分別降低 100 倍和 1000 倍；AI將使藥物開發成本降低 4 倍，并將

83、研發投入的回報提高 5 倍；AI 將使癌癥篩查的效率提高 20 倍，并且將市場規模擴大 10 倍；AI 藥物的商業價值將比標準藥物高 20 倍，比同類最佳的精準藥物高 2.4 倍。未來 AI 有望改變測序、蛋白質結構預測、化學合成等底層技術基礎，在藥物研發、癌癥診斷、疫苗開發、虛擬細胞、器官芯片、影像識別、數據服務等領域得到廣泛應用。從長遠來看，醫療將成為 AI 最為深遠的應用領域。九、參考研報九、參考研報1.民生證券-計算機行業深度報告：DeepSeek 系列報告之 AI+醫療2.中郵證券-AI+醫療行業深度：AI+醫藥，勢不可擋，未來已至3.東吳證券-計算機行業點評報告：AI+醫療，提質增

84、效，全面賦能4.國信證券-醫藥生物行業醫療 AI 專題報告（一）：制藥篇，大鵬一日同風起，AI 醫療啟新篇31/312025 年年 2 月月 28 日日行業行業|深度深度|研究報告研究報告5.開源證券-醫藥生物行業周報：AI 賦能開啟醫療新篇章，商業化落地加速6.中信建投-人工智能行業 2024 年中期投資策略報告：全球產業趨勢投資看算力，國內看 B 端應用，端側 AI 打開更多可能性7.東北證券-2025 年數字經濟&計算機行業年度策略：AI、國產替代、智駕多重奏，奏響計算機黃金篇章8.銀河證券-醫藥行業中國經濟高質量發展系列研究：人工智能與數字經濟驅動醫藥產業升級9.東方證券-醫藥行業周專題：AI 賦能生物醫藥，技術&政策助陣10.國聯證券-醫藥生物行業周報：醫療 AI 賦能醫藥產業新發展11.銀河證券-中國經濟高質量發展系列研究：數字經濟，大國經濟體系下，人工智能領航數字經濟新階段12.長江證券-邁瑞醫療-300760-業績符合預期，海外業務增長亮眼免責聲明：以上內容僅供學習交流，不構成投資建議。