AI+醫療從未如此熱鬧。

DeepSeek開源模型的橫空出世，讓醫療大模型的落地速度遠超預期。藥企忙著將AI嵌入藥物研發管線，醫院爭相部署智能問診系統，而AI企業也加速轉向——百川智能裁撤B端業務All in醫療，潤達醫療與華為云合作推出“良醫小慧”大模型，就連華為也組建了醫療衛生軍團加入戰局。

資本市場的狂熱更添一把火：木頭姐在年度報告中預言，AI醫療將重構萬億美元健康產業；Tempus AI成了AI醫療當紅炸子雞，短短一個月股價漲了接近200%。

當然，情緒來得快去得也快。過去一個月Tempus股價從高點跌落，接近腰斬。

這也提醒著我們，在這場狂歡背后，歷史的陰影始終揮之不去——IBM Watson Health耗資百億卻黯然退場的教訓猶在眼前；國內AI四小龍也都曾想在醫療領域分一杯羹，但無一例外鎩羽而歸。

這一次，當藥企、醫院和AI公司在風口下爭先恐后時，一個必須回答的問題始終拷問著所有人，AI醫療是真變革還是新泡沫？

/ 01 / 風口下的簽單

沒有人會懷疑，AI的盡頭是醫療。

亞馬遜、谷歌、微軟、英偉達等科技巨頭近年來在醫療領域撒下重金。英偉達更是豪賭AI+醫療，其在醫療保健行業的直接和間接收入已經超過10億美元，未來可能會達到數百億美元。

對于巨頭們來說，醫療行業是一個有待挖掘的巨大市場，充滿機遇和挑戰，這些渴望持續增長的巨頭們，誰也不愿意在新賽場上掉隊。木頭姐更是在其《Big Ideas》報告中表示，當前醫療保健是最被低估的AI應用。

這股浪潮也早已傳導至國內。2023年以來，AI醫療大模型數量開始井噴。據不完全統計，目前國內醫療大模型已逾200個，涉及場景十分廣泛，幾乎覆蓋了所有的科技醫療板塊。

在“百模大戰”中，AI+醫療的故事也挽救了一些AI玩家。

2024年8月，百川智能的醫療組從邊緣走向核心，成為這家AI獨角獸的救命稻草。在投資人看來，醫療可能是百川智能能夠與其他六小虎打出差異化的概念，而差異化，恰恰是能融到錢的關鍵。

而在多個訪談中，王小川也向外界解釋，轉向醫療與通往AGI（通用人工智能）的目標并不矛盾：醫療不是垂直場景，造醫生就等于AGI。

2025年初，DeepSeek的橫空出世，AI醫療更是進入發展快車道，2月份以來，包括華為在內越來越多重量級選手下場，新一輪AI醫療應用浪潮也加速席卷醫院。

這不難理解，AI醫療在提升醫療器械功能、檢查檢驗結果解讀、輔助臨床醫生決策、健康管理等多個領域的應用價值較大，是醫療企業和醫院必須重視的創新方向和競爭趨勢。

尤其是當DeepSeek被視為國運級機會，所有人爭先恐后。據不完全統計，截至目前，國內已有超百家三級醫院官宣完成DeepSeek本地化部署，包括一大批知名大三甲醫院。

事實上，在AI大趨勢下，去年以來，不少醫院科室便都有AI落地的指標，因此，醫院作為甲方愿意簽單。一是為了自己的政績，二是為了能發AI醫療相關的論文，三是為了以來能賣AI醫療產品給患者。

總之，現在的醫院，在風口之下，是有動力和意愿為AI產品付費的。

/ 02 / 現實的拷問

所有人都在沖向AI。

根據2024年飛利浦中國版《未來健康指數報告》數據顯示，86%的醫療機構管理者受訪者表示已布局或計劃投資生成式AI，這一比例顯著高于美國的75%。

而在具體應用場景方面，47%受訪者表示已經在放射科部署AI，44%在院內患者監護中應用AI，40%在藥品管理環節應用AI。

在這一輪浪潮中，盡管醫療機構的AI應用率較高，但醫院最關心的是“是否能緩解醫生資源緊張”、“是否能減少文書工作量”、“是否能降低誤診率”等具體現實問題。如果AI產品只在短期內解決一個小痛點，或長期維護成本過高，醫院就會覺得得不償失。

當年，IBM Watson Health的致命缺點之一，就是缺乏醫患場景的深度融入，不能貼合醫院工作流、無法與醫生日常操作系統無縫銜接，很難獲得持續應用，加上日常維護成本較高，導致IBM Watson Health在燒掉數百億美元，仍無法真正落地、走向敗局，IBM也退出醫療保健舞臺。

最為典型的是，2017年MD安德森腫瘤中心與之結束4年的合作。為了培養IBM想象中的虛擬醫生，MD安德森腫瘤中心支付了6210萬美元的研發費用。然而這些錢卻沒有濺起什么水花。

對于國內AI+醫療產業來說，這也是一個無法回避的現實問題。因為當風口過去，大家回歸現實之后，這些產品如果沒有對醫療機構產生實際價值，那就很有可能會成為一次性買賣。

這并非沒有先例。過去，從AI閱片、AI診斷等場景來看，很多AI+醫療的應用，都面臨著真實作用有限的問題，并且由于難以打通付費場景，導致變現困難，進而使得市場熱情不高。

以AI閱片為例，病理診斷是一種基于圖像信息的診斷方式，被譽為疾病診斷的 “金標準”。邏輯上來講，中國病理行業發展面臨病理醫生缺乏、分布不均勻、培養周期漫長等問題，讓人工智能參與可以大大提高醫務人員的工作效率。

然而，現實中，人工智能是否能夠有效地提高效率？又該如何為人工智能技術的應用付費？這些問題需要找到答案。

過去，從騰訊、百度到依圖科技等也都有病理大模型的功能模塊，但大多也都成效有限。AI理想再豐滿，都要落實到創收的骨感，這一點在醫療產業只會更難。

說白了，外界回望過去能看到的，是AI落地醫療的艱難，以及上一代AI廠商的失敗。當初的AI四小龍，都曾想在醫療領域分一杯羹，但無一例外鎩羽而歸。

/ 03 / 不要讓AI+醫療變一次性生意

如今，技術雖然在不斷迭代發展，AI在醫療領域的應用也在持續突破，但一些本質的問題尚未得到真正解決。

而這些問題，也關系著這門生意到底是可持續還是一次性的。

首先是如何提升效率。這涉及兩點，數據及專業醫生。

擁有龐大、且持續更新的患者數據，是醫療AI產品提高精度和持續迭代的基礎。而業界基本有著這樣一個共識，那就是阻礙AI應用滲透速度的，主要還是優質數據集的缺乏。

國內雖不缺少醫療數據，但由于各家醫院標準不統一，數據參差不齊，還有不少數據存在錯漏、不完整等問題。根據《智能涌現》報道，百川智能內部的評測顯示，若是只基于現有文獻和數據庫，目前AI病例的生成能達到70-80分，但相關項目落地的基準在90分。

目前最好的解決方法，是加入專業醫生的標注和對齊。2024年年末，百川智能投資了醫療數據服務商“小兒方”，也成立了有30多位醫生的醫學產品部。除此之外，公司還高薪聘請了醫療專家，來帶隊專業醫療團隊。

說白了，醫療模型的訓練，不僅要有算法工程師，最重要的角色是專業醫護人員。復旦大學大數據研究院醫學影像智能診斷與醫療信息學研究所副所長單飛更是直言，“牽著研發隊伍走的應該是醫生”。

其次是關于AI醫療的付費問題。

面對醫療機構這些大甲方，打開市場并不容易。傳統的銷售模式是可復制的，但醫療AI不是，醫院會提出不一樣、更個性化的需求。

同時，醫院又希望能夠打包、融合，而不是為單個平臺、系統付費。事實上，單獨做一個AI的公司很難活下去。這也是前期AI影像企業為我們留下的教訓，后來者則正在選擇“一掃多查”作為破局的思路。

如何深刻洞察醫院、醫生的需求，是AI醫療打開市場的一大關鍵。

除此之外，醫療AI還在支付端受到政策和市場的影響。即使獲得了“三類證”，取得臨床應用資格，AI醫療產品要想大規模落地，仍需要獲得醫療收費目錄和醫保的準入。

在支付模式層面，目前國家醫保尚未明確納入任何AI醫療產品，醫院也未曾就AI醫療產品向患者收費。

而2024年11月《放射檢查類醫療服務價格項目立項指南（試行）》發布時，醫保局對其中涉及AI的內容解釋稱，目前AI技術在一定程度上能夠幫助醫生提高診斷效率，但還無法替代醫師，在已經收取相關診療費用后，不宜單就AI輔助診斷再向患者額外收費。

對于AI醫療產品來說，如果不納入醫保，很難推廣；而納入基本醫保的前提則是，項目是診療必需、安全有效且適用性足夠廣的，目前不少AI醫療還沒有達到這一要求。

以上種種，關系著AI醫療企業與產業的走向。

DeepSeek的開源風暴撕開了技術普惠的入口，但醫療的特殊性注定，這里沒有大力出奇跡，只有一寸寸啃下臨床痛點的笨功夫。

       原文標題 : 不要讓“AI+醫療”變成一次性買賣