AI正在全方位重構生命科學。這是一場醫藥研發效率的革命。過去傳統藥物研發受困於三個十定律，耗時10年、花費10億美金，但是僅10%成功率。而今，以AlphaFold為代表的AI模型，將新藥研發的試錯成本、時間大幅降低，效率大幅提升。AI的觸角已不再侷限於實驗室，更延伸至手術機械臂、醫學影像、數位化診療等領域。創新藥、醫療影像、手術機器人，都是全新的醫療新質生產力。如果說AI拓展了人類的智力邊界，那麼AI醫療則通過破解生命密碼，拓展了人類的生命長度。活得長，活得好，AI正在重塑人類的生命極限。1 全球AI醫療加速爆發，創新藥領跑全球AI醫療市場規模加速擴容。行業呈現三大特徵：一是全球科技巨頭入場，算力成為新醫療的“水電煤”。 以輝達、Google、微軟為代表，正在從底層重構醫療基礎設施。比如輝達推出的BioNeMo平台，已成為全球生物醫藥的算力引擎，提供給安進、羅氏等頂級藥企使用；Google的DeepMind發佈的AlphaFold 3，進一步破解了生命分子的結構預測難題，被視為生物學界的ChatGPT時刻。二是融合。IT資訊技術+BT生物技術深度融合，交易與合作跨越國界。2025年全球AI醫療相關融資與併購交易額突破新高。跨國藥企如賽諾菲、輝瑞狂砸數十億美元與AI初創公司繫結。比如賽諾菲與AI生物技術公司Earendil達成高達25億美元的合作，利用AI平台開發針對自身免疫疾病的雙特異性抗體。與Atomwise達成潛在價值超10億美元的合作，利用其AtomNet深度學習平台，在缺乏歷史資料的情況下進行小分子藥物設計。2025年12月擴大與Dren Bio的合作，總值17億美元，開發B細胞耗竭療法，與韓國ADEL公司達成10.4億美元協議，佈局阿爾茨海默症AI藥物。科技公司通過AI大模型直接切入臨床診療與醫院管理。比如微軟大規模推廣其Dragon Copilot，一個環境感知AI，通過醫患對話，自動生成符合醫療標準的結構化電子病歷。最終將Copilot深度整合進全球最大的電子病歷系統Epic和Microsoft Fabric醫療資料分析平台。三是應用場景從單點突破走向全面。不僅是AI創新藥研發，在全球範圍內，AI醫學影像、AI手術機器人正在同步發展。在此浪潮下，中國力量正在崛起。按NextPharma中國創新藥出海資料，2025年交易總額1356億美元，首付款70億美元，交易總數157起，較2024年的519億美元大幅增長161%。其中，雙抗、ADC、GLP-1等前沿領域是交易熱點。AI創新藥可針對的病種範圍廣。一是針對腫瘤領域，針對肺癌、乳腺癌等實體瘤，AI 通過靶點預測、分子動力學模擬最佳化雙抗與ADC的分子結構及偶聯策略，提升對癌細胞的靶向殺傷潛力。二是針對神經系統的阿爾茨海默症、帕金森等退行性疾病，AI設計出能穿透血腦屏障的分子，突破藥物入腦瓶頸，解決長期缺乏有效療法的難題；三是針對代謝與慢病，比如在GLP-1的減肥、糖尿病降糖賽道，AI正加速通過虛擬篩選、生成式模型快速發現高活性候選分子，將藥物從注射迭代為口服小分子，最佳化用藥方案；四是針對自身免疫與炎症，如紅斑狼瘡、潰瘍性結腸炎等複雜疾病，AI通過模擬免疫通路網路，篩選高特異性分子，有望替代傳統激素療法。五是針對感染性疾病，如耐藥菌、新發病毒等，AI能快速預測病原體變異，縮短廣譜疫苗與特效藥的研發周期；六是針對罕見病，孤兒藥研發，AI通過整合小眾靶點與單病例多組學資訊，極大降低試錯成本，讓罕見病逐步有藥可醫。AI創新藥應用空間大。AI創新藥正在從早期的靶點發現、化合物篩選，向臨床試驗設計、患者入組篩選等後端環節全產業覆蓋。為癌症、神經退行性疾病等人類頑疾的治療帶來新曙光。AI創新藥效率高。 傳統醫藥研發麵臨三個十定律：一款新藥研發要耗時10年、耗資10億美金、成功機率只有10%。又慢、又貴、又難。AI技術將試錯成本大幅降低，藥物研發效率指數級提升。政策鼓勵AI技術應用到醫療領域：一是國家頂層戰略設計支援。2025年五部門聯合印發《關於促進和規範“人工智慧+醫療衛生”應用發展的實施意見》，促進AI醫藥醫療從技術創新到商業落地。2024年7月《全鏈條支援創新藥發展實施方案》明確提出要利用人工智慧、巨量資料等技術賦能藥物研發，旨在降低研發成本、縮短研發周期，強調要統籌公共和私人部門資源，推動資料資源共享，涵蓋了研發、審批、進院、支付的全鏈條。2025年4月工信部、衛健委等七部門聯合發佈《醫藥工業數智化轉型實施方案（2025—2030年）》明確提出到2030年，規上醫藥工業企業基本實現數智化轉型全覆蓋。要借助AI輔助靶點篩選、化合物合成路徑預測等技術革新傳統研發模式。二是打通了創新藥從研發到用藥的閉環。過去，AI創新藥，特別是First-in-Class，往往研發成本高、技術附加值高，因此上市初期定價較高。在傳統的按病種付費模式下，醫院治療一個病人的總費用被封頂了。如果醫生開了AI創新藥，可能直接導致該病例虧損。結果就是：藥雖好，但醫生不敢開，醫院不敢進。針對進院難問題， 2025年12月落地的“基本醫保+商保”雙目錄模式，建立了三除外機制：不計入藥佔比、不計入醫保總額、不納入DRG/DIP控費。這意味著，未來高價值的AI創新藥有了獨立的支付通道。三是地方政策支援。 2025年，地方政府開始給出真金白銀的補貼。北京、上海等地設立生物醫藥專項產業基金，明確對AI製藥平台的算力成本給予直接補貼。利潤北京發佈的《高精尖產業發展資金實施指南》，推出算力補貼，支援企業租用算力進行模型訓練，補貼金額最高可達實際算力費用的20%，單家企業最高補貼3000萬元。上海提供模型補貼，最高500萬元；算力市級最高30%租金補貼，市區協同可實現1年、最高100%租金補貼。《上海市發展醫學人工智慧工作方案》中明確支援將AI深度融合入臨床診療和藥物研發全流程。四是鼓勵創新藥出海。支援本土企業開展國際多中心臨床試驗，推動國產創新藥在歐美發達國家同步研發與上市。2025年，License-out對外授權持續成為中國創新藥國際化的主流模式之一，全年對外授權交易總額創歷史新高，同時聯合開發、自主出海等深度合作模式快速興起。比如上海部分區的政策，對取得美國FDA或歐盟EMA註冊批件並實現銷售的創新藥，最高可給予1000萬元支援。在此背景下，一批中國領軍的AI創新藥企業跑出來了：比如英矽智能的全球首款由AI設計的治療特發性肺纖維化藥物，已在2025年完成2a期臨床研究並取得積極結果，驗證了AI製藥的臨床有效性。英矽智能2026年1月在港交所上市，2025年11月與禮來達成了一項潛在價值超1億美元的合作。再比如晶泰科技旗下專注於生物藥研發的AI雙抗研發平台Ailux，實現了從傳統的小分子AI研發向更複雜的大分子抗體AI研發。2025年11月，禮來與晶泰科技達成最高總價值3.45億美元的合作，利用Ailux平台發現和開發雙特異性抗體。恆瑞通過自建AI藥物設計中心，利用AI模型最佳化ADC抗體偶聯藥物的連接子與載荷結構。2025年成功將多款AI輔助研發的ADC創新藥授權給默克。2 AI創新藥的科學原理和客觀挑戰傳統的新藥研發像“在大海裡撈針”，而AI技術介入，將這一過程徹底轉變。AI通過深度學習、生成式模型等技術，從根本上重構了藥物發現的底層邏輯：從只能做實驗轉向了巨量資料驅動發現。先要搞懂藥物研發的基本邏輯。以癌症為例，癌症就像身體裡的一把“鎖”壞了，這就是“靶點”，我們需要造一把“鑰匙”去修好它，這就是“先導化合物”。在傳統製藥邏輯下，這極其困難：首先，你很難看清“鎖”的內部結構，尋找靶點難度極大；其次，為了配鑰匙，科學家只能在浩如煙海的已知化合物庫裡，大海撈針，一個個去試，去篩選。這有點像碰運氣、試錯，效率很低。現在，AI在3個環節發揮了革命性改變：第一步是解決了“找準鎖”的問題。藥物研發的核心靶點大多數都是蛋白質，只有搞清楚了蛋白質的3D結構，才能設計出完美匹配的藥物分子。以前科學家要弄清蛋白質3D結構非常難，現在像Google旗下的DeepMind開發的AlphaFold這樣的AI模型，能夠以高精準性預測蛋白質的三維結構，有效地解決了蛋白質折疊問題這個過去的重大挑戰。這就相當於AI幫我們開了天眼，直接看清了“鎖芯”靶點的構造。第二步是解決了“配鑰匙”的問題，這就是AI分子設計，更對症下藥、“配鑰匙”的效率更高。理論上存在的化合物數量無窮大，甚至超過宇宙中的原子數量，人類無法窮盡篩選。有了AI技術，就不需要再去大海撈針了。利用生成式AI、採用“藥物從頭設計”的方法，模型可以根據靶點結構，生成全新的、從未存在過的分子結構。設計出數百萬種候選分子，並篩選出結合力最強的前幾十種，直接跳過了傳統長達3-5年的篩選期。這就相當於把開鎖的鑰匙也就是治療絕症的創新藥直接造出來了，這種方法更直接、更快、成本更低。第三步是用AI給創新藥物“排毒”。很多藥進到人體內有毒，或者根本無法吸收。這是新藥研發失敗率最高的關節。AI利用深度學習演算法，基於歷史藥物資料庫，預測新分子的ADMET性質，即吸收、分佈、代謝、排泄、毒性。AI能計算出藥是否會導致肝毒性或心臟副作用，從而在早期淘汰掉90%的不合格分子，極大地節省了後期臨床試驗的成本。也就是說AI創新藥的本質，是將微觀世界的生物學問題（蛋白質與分子的相互作用），轉化為電腦領域的數學問題（高維空間的特徵匹配）。過去傳統模式其實及時不斷試錯，要合成成千上萬個化合物，挨個在實驗室裡試，看那個能起作用。效率極低，成功率僅為0.01%。現在AI模式是學習海量的生物醫藥資料，包括基因組學、蛋白質結構、臨床資料，建構出人體生物系統的數字孿生模型，在虛擬空間中先完成篩選和驗證，再回到實驗室確認。儘管前景廣闊，但我們必須清醒地認識到，AI製藥還有三座大山要翻越：資料、黑箱、臨床。第一座大山是製藥資料質量。AI的燃料是資料。公開資料庫中的資料往往不完整，而且因為實驗標準不一、一致性差，“喂”給AI的“口糧”質量不高，將會影響AI模型訓練效果。第二座大山是AI製藥模型。現有的深度學習模型很多是“黑箱”，擅長髮現“相關性”，但難以確定“因果性”。而製藥是容錯率最低的科學，關係人的安全，行業正在向可解釋性AI演進，確保藥物研發知其然、更知其所以然。第三座大山是臨床試驗。AI目前只是加速了前期藥物發現，但它能否通過臨床試驗，大規模用在人身上，還需要時間的檢驗。通過數位化臨床試驗提升患者招募與資料匹配效率，已成為行業突破口。3 未來AI醫療的四大突破性機遇3.1第一大機遇：AI製藥、創新藥未來AI醫療的第一大應用是：AI輔助藥物發現。這是目前醫藥領域壁壘最高、且最具爆發力的應用場景。隨著生成式AI的成熟，藥物研發將徹底告別碰運氣時代。第一，從市場規模看，AI製藥具有兆級經濟空間。癌症、阿爾茨海默症等絕症是人類壽命的攔路虎。AI通過精準找靶點和分子生成，將攻克這些曾經無藥可醫的疾病。未來，人類壽命上限有望突破120歲，由此衍生的抗衰老、健康管理市場規模巨大。第二，AI製藥也是醫藥工業化的最強驅動。AI介入之前，製藥是手工作坊式的。但AI改變了整個行業的生產邏輯：為了篩選最佳分子，需要計算數億種可能性。這迫使藥物研發必須像流水線一樣高效。目前的AI製藥供應鏈主要分為三個關鍵環節：環節一：算力與演算法基建。這一環節的企業提供核心動力。參與方包括晶泰科技、英矽智能等平台型獨角獸，以及華為等科技巨頭提供的底層算力支援。環節二：創新藥Biotech企業。這是產業鏈中彈性最大的環節。利用AI平台開發出First-in-class管線，進行臨床驗證。環節三：CXO研發外包。負責高效率的合成與測試。AI技術帶來的研發爆發，具備高端測試能力的CXO龍頭的效率將大幅提升。3.2第二大機遇：AI精準診斷、醫療影像與基因測序未來AI醫療的第二大應用是：AI精準診斷。AI賦能醫療影像能夠解決兩大痛點：一是解決醫療資源不均問題。中國醫療資源分佈極度不均，三甲醫院人滿為患，基層醫院門可羅雀。AI通過學習千萬級病例，其閱片精準率已媲美專家。未來，AI影像裝置能以專家級的水平自動讀片、診斷，覆蓋更多基層醫療機構。二是裝置軟硬體一體化。未來的CT、MRI不再只是成像工具，而是整合了診斷功能的智能終端。聯影醫療、邁瑞醫療等企業正在加速這一處理程序，將AI能力下沉到縣鄉一級，解決基層“有裝置、無人懂”的痛點。除了影像，AI也在重構基因測序。AI能加速測序流程，提升測序精度。2025年美國人類遺傳學學會上，GoogleDeepVariant的AI演算法與華大智造的DNBSEQ-T1+測序平台結合。傳統測序在均聚物等複雜區域極易出錯，而AI專項模型將這些區域的錯檢位點數量直接降至近乎為零，這意味著無數曾經被漏診的遺傳病因現在能被精準捕捉。3.3第三大機遇：AI醫療資訊化，超級醫療APP未來AI醫療的第三大機遇是：臨床決策支援、醫療資訊化、醫療巨量資料、超級醫療APP。隨著通用大模型技術的成熟，醫療資訊化正迎來從傳統的資料儲存、流程管理向深度資料價值挖掘轉變，讓應用場景深化。 AI不再侷限於單一的輔助診斷，開始全面滲透至電子病歷整合、個性化健康諮詢、以及醫院精細化管理等核心環節。通過連接院內異構資料與健康應用，AI能夠生成個性化健康建議，顯著提升醫療服務的可及性與效率。AI也能推動臨床決策的智能化。 面對海量的醫學文獻和不斷更新的診療指南，醫生很難憑藉人腦完全掌握。AI大模型天生擅長處理文字，能即時輔助醫生制定最佳診療方案，減少誤診漏診。2026年也是全球AI醫療商業化落地的關鍵。一方面，OpenAI等全球領軍企業推出針對醫療健康的垂類應用。如ChatGPT Health，加速了行業標準的形成；另一方面，國內網際網路大廠如百度、騰訊、阿里等積極佈局“醫療+AI”，C端使用者規模快速增長，驗證了AI醫療深度融合的商業邏輯。比如螞蟻阿福，自2025年6月正式發佈以來快速崛起，提供健康科普、報告解讀、就診諮詢等上百項AI服務，更實現使用者規模的快速突破，截至2025年12月月活躍使用者已突破1500萬，單日使用者提問量超1000萬。3.4 第四大機遇：AI手術機器人，精準醫療未來AI醫療的第四大機遇是：AI賦能的手術機器人。直覺外科是全球手術機器人的代名詞，其最新一代系統達文西Da Vinci 5(DV5)標誌著行業正式進入AI時代。DV5最核心的升級不在機械臂，而在算力。其搭載的計算能力是上一代的10000倍。這種算力冗餘是為了未來搭載高耗能的即時AI模型，實現術中即時導航、自動組織識別。達文西系統還能夠智能手術分析，這就不僅僅在做手術，還在記錄手術。它能捕捉並分析人體組織對器械的反饋資料，如牽拉力度、切割阻力等，結合AI演算法，術後生成手術績效報告。這相當於給醫生配了一個AI教練，告訴醫生那裡用力過猛、那裡操作可以更高效。新系統還配有Iris AI影像分割，就是利用AI技術將患者術前的CT/MRI掃描資料轉化為高精度的3D模型。醫生在手術中可以在控制台上調出這個3D地圖，像開車看導航一樣避開關鍵血管和神經。此外，強生等企業也有AI手術平檯布局。強生的Monarch平台實現電磁導航與AI融合，在支氣管鏡手術中，肺部結構像迷宮一樣複雜。Monarch利用AI演算法結合術前CT，生成一條虛擬路徑，即時引導軟體導管抵達肺部深處的微小結節。美敦力收購了Digital Surgery公司，專注於手術視訊的AI分析。系統會自動將長達數小時的手術視訊切片，識別出切皮、縫合、止血等關鍵步驟，並對醫生的操作規範性進行打分。AI輔助手術機器人，一是突破人類操作極限。傳統外科手術依賴醫生的手眼配合，受限於生理抖動和視野死角。AI與機器人的結合，利用電腦視覺和力反饋技術，能夠實現微米級的操作精度，讓複雜的高難度手術變得標準化。二是遠端醫療的物理載體。結合5G、6G低時延網路，AI手術機器人讓北京的專家可以為邊疆的患者進行即時手術。這將徹底重構醫療服務的地理邊界。AI醫療已不再是遙遠的技術概念。未來十年，誰能率先用AI跑通“研發-臨床”，誰就掌握了通往長壽時代的藥匙。 (澤平宏觀)

醫生的外掛神器來了！就在今天，阿里健康重磅推出了一款面向醫生的AI產品——氫離子。簡單來說，氫離子定位為醫生版的GPT，已完成內測並開放下載，移動版和網頁版均已上線。該產品直接對標美國現象級AI醫療產品OpenEvidence，號稱要把醫療AI的幻覺率壓到“行業最低”。據稱，氫離子在本地化體驗、中文醫學文獻處理和國內診療場景適配上具備明顯優勢。創辦於2023年的OpenEvidence，是近年來最火熱的AI醫療應用。僅去年一年，OpenEvidenc融資就超過4輪，估值高達120億美元（約人民幣835億），暴漲1200%！不止阿里，國內已經有多家公司跟進，想要複製OpenEvidence的產品和商業化之路。例如AI六小龍之一的百川智能，前不久發佈並開源了新一代醫療增強大語言模型 Baichuan-M3。誰能率先成為中國版OpenEvidence？01. 更適合中國醫生體質的AI工具？氫離子並非行業首創，而是對標海外爆火的AI應用OpenEvidence。隨著各種研究和藥物的出現，醫生知識的“半衰期”越來越短了。即使是再牛的大佬也得保持學習，勤查指南。過去，遇到什麼疑難雜症，醫生們得先打開 PubMed、UpToDate、NCC 指南，再到醫保目錄、藥監局說明書，才可能理清楚病症。現在醫生壓力越來越大，不僅負責診療和教學，還有繁重的科研任務，迫切需要更好的資訊獲取途徑。OpenEvidence看到了這一痛點，為醫生群體免費提供以AI為驅動的專業診斷工具，幫助臨床醫生更好地進行決策。而要讓醫生原因使用AI，其最大的核心在於減少AI的幻覺，確保回答的真實性。和ChatGPT的產品邏輯不同，OpenEvidence基於循證醫學打造，能夠一鍵溯源醫學知識來源，儘量將幻覺降到了最低。因此該產品一經推出，就迅速在美國醫生群體中火了起來。通過醫生之間的口口相傳，使用者以“病毒式”裂變速度增長，已經有超40%的執業醫生使用，每月就要為醫生提供8,500,000次臨床諮詢，證明了其產品模式的可行性。而阿里此次發佈的氫離子，則是更適合中國醫生體質的“本土版OpenEvidence”。該產品基於阿里健康自研的醫學大模型打造，主要針對於嚴肅醫療場景。簡單而言，氫離子整合了國內外權威的醫學指南，6萬個藥品說明書，還連結了超4000萬+醫學資料文獻，包括中華醫學雜誌、NEJM、Lancet、JAMA等，任何醫學回答都附帶權威出處。也就是說，氫離子目前最大的優勢在於更貼合國內醫生習慣，包括在中文醫學文獻的檢索和理解、國內診療規範和指南的整合、以及符合中國醫生工作流程的互動設計上進行了深度最佳化。在該平台上搜尋資訊，可以一鍵連接到中國藥師協會、指南等權威證據。而這種直接服務醫生（To D）的模式，也補全了阿里健康在醫療服務的新一塊拼圖。02. 誰能成為中國版OpenEvidence？為什麼OpenEvidence這麼受市場歡迎？甚至吸引了國內網際網路巨頭下場？簡單來說，它用網際網路的邏輯，來做專業的AI醫療應用，並且成功了。按照傳統模式，AI應用不僅需要監管的嚴格審批，以及醫院評估採購等繁瑣複雜的流程，才有可能交到醫生手中。而通過給醫生免費使用，OpenEvidence迅速積累了一批高價值醫生使用者，並且通過廣告的方式變現。2025年，OpenEvidence的ARR就達到了1.5億美元，甚至OpenEvidence表示，若全部廣告庫存售出，收入將突破10億美元。中國本土的醫生版ChatGPT正悄然成型，有幾家公司被視為OpenEvidence的強力對標者。由王小川創辦的百川智能，其核心產品百小應。目前形成“螞蟻阿福+OpenEvidence”的雙重定位，使用者可分別選擇患者/家屬或醫生身份，產品分別對應健康諮詢與循證醫學支援。此外，近期百川智能發佈了醫療大模型Baichuan-M3，公司表示，該模型在全球最權威的醫療 AI 評測 HealthBench 中以 65.1 分的綜合成績位列全球第一。成立於2019年的零假設，也在為醫生+藥企打造趁手的循證醫學工具。為了降低“幻覺”，零假設選擇自建垂類醫學資料庫，包括獻、指南、全球醫學會議資料、臨床試驗等，並且即時更新。2025年10月，零假設獲得億元融資，投資方包括荷塘創投、國方創新、上海喆馭投資、元禾原點，正在探索醫生、藥企等多元化的商業路徑。此外，靈犀醫療也稱平台已經獲得20萬醫生使用者，並服務多家藥企的精準行銷需求。總的來說，這個賽道已從概念驗證進入差異化競爭階段，關鍵在於誰能更貼合中國醫生的真實工作流，並跑通可持續的商業模式。不過，中國是否能夠照搬美國模式還是個問號。畢竟中國所面臨的醫療環境、支付方和醫生習慣有很大不同，之後智藥局將持續追蹤上述公司動向。 (智藥局)

如果要問2026年開年來最火爆的類股，AI醫療一定佔據一席之地。2026年開年僅14個交易日，醫療類股強勢崛起，截至1月22日收盤，AI醫療指數大漲逾11%，中證醫療指數、恆生醫療保健指數也分別上漲了7.68%、10.65%。其間，迪安診斷、寶萊特年內暴漲超過60%，衛寧健康、成都先導等漲幅也超過了30%。一批踏空2025年行情的另類醫療主題基金，紛紛迎來業績紅包，AI醫療概念的資本熱度已在資本市場形成明確趨勢。然而，隨著AI醫療主題的全面爆發，市場爭議也隨之而來。一方面，技術突破、政策利多與市場需求多重驅動下，AI醫療從實驗室走向臨床，應用場景也從輔助診斷向全流程管理深度滲透。據弗若斯特沙利文預測，從2023年至2033年，中國AI醫療市場規模將從88億元飆升至3157億元，年複合增長率高達43.1%。但另一方面，商業化處理程序、道德倫理、監管風險等一系列深層次挑戰仍然存在。近期，漲幅最甚的迪安診斷也在投資者調研中澄清，“目前公司的AI相關業務尚處於起步階段，相關業務收入佔整體營業收入的比例極小”。這些看似矛盾的現象，恰好描繪出AI醫療產業在資本熱情與理性現實之間的真實處境。細分領域迎突破性進展年初以來，科技巨頭在AI醫療方面動作頻頻。國際市場上，OpenAI正式推出ChatGPT醫療保健版，隨後Anthropic推出了類似功能Claude for Healthcare，Google宣佈發佈可幫助開發者建構能夠分析醫療文字和圖像的應用MedGemma 1.5。國內市場上，螞蟻、騰訊、京東、字節等也紛紛入局，建立了AI醫療相關的大模型或應用。在這場科技巨頭競逐AI醫療的敘事背後，是人工智慧技術在醫療應用加速落地的縮影。回望剛剛過去的2025年，無論是AI輔助診斷、AI醫學影像、AI藥物研發等應用層，還是醫療垂直大模型、醫學自然語言處理、電腦視覺等技術層，都迎來了諸多突破性的進展。細分賽道來看，AI製藥作為AI醫療領域增長最快的細分賽道，正在掀起一場新藥研發的“效率革命”。如英矽智能旗下的Pharma.AI，能夠使候選藥物從靶點發現到臨床前候選藥物確認時間從4.5年大幅縮短到12至18個月；藥明康德Chemistry42 AI平台已將小分子化合物設計周期從數周壓縮至5~7天；成都先導使用DEL庫篩選化合物，在獲得某一新靶點的基礎資訊後，重合成後獲得功能性分子的成功率可以達到約80%。近期，華大智造高級副總裁楊夢也對記者介紹，公司通過AI技術最佳化原材料設計與訊號處理方案後，單次循環時間可縮短至75秒，效率提升近50%。靶向引物設計上，借助AI可以將單次研發循環從2~3周縮短至4~5天，成本降低60%~70%，效率提升2~3倍；在原材料設計環節，AI最佳化後的原材料使生化反應效率與訊號讀取效率提升一倍以上。醫療大模型領域，訊飛醫療的星火醫療大模型，在門診場景中診斷精準率達93.1%，未來3年擬實現全國90%基層醫療機構覆蓋。潤達醫療、衛寧健康、邁瑞醫療、聯影醫療等也分別發佈了各自領域的垂類或專科大模型。醫學影像領域，更是成為AI醫療最成熟的商業化應用，佔據了目前AI醫療產業的“半壁江山”。邁瑞醫療最新推出的醫學影像AI解決方案，包括啟元乳腺超聲大模型、啟元婦產超聲大模型和心臟超聲全端AI評估解決方案等一系列人工智慧產品；聯影醫療“元智”大模型可支援10+影像模態、超過300種影像處理任務，在複雜病灶診斷、器官分割等關鍵臨床任務中，精準度超95%；萬東醫療與百度合作的DR/MRI影像AI系統，實現病灶識別精準率98.7%。病理診斷AI領域，安必平宮頸細胞學AI的臨床測試結果已經發表在《NatureCommunications》上，針對初級病理學者，平均靈敏度由0.717提升至0.858，平均閱片時間由218s/片縮短到30s/片；迪安診斷的靈眸病理大模型，能夠精準識別9大器官的57種腫瘤亞型；金域醫學與騰訊、廣州醫科大學附屬第一醫院國家呼吸醫學中心共同宣佈，將聯手開發病理基因多模態大模型DeepGEM。醫療AI三類證審批加速，公開資料顯示，截至2025年12月5日，累計已有207款人工智慧醫療器械獲三類醫療器械註冊證，其中，2025年以來新增獲批41款，行業已連續三年實現年度審批次超40款。“隨著AI大模型基礎及推理能力不斷提升，AI將全面融入醫療產業，進行技術革新。同時，算力成本的降低，預計將加速醫療各細分龍頭企業對AI能力的投入與革新，產業或將迎來蓬勃發展期。”華創證券表示。商業化進展緩慢隨著產業化成果頻出，以及資本市場熱度增長，投資機構也加快了調研步伐。Wind資料顯示，2025年四季度以來，合計有150家AI醫療主題指數成分股企業獲得了機構調研，其中，聯影醫療、邁瑞醫療、開立醫療、華大智造、安必平、可孚醫療等36家企業參與調研的機構投資者超過了40家。不過，落實到業績端來看，AI醫療產業的商業化進展卻陷入分歧。Wind資料顯示，截至1月21日晚，合計有47家生物醫療企業披露了2025年業績預告，24家企業業績虧損或預減，佔比超過一半。其中不乏當前大熱的AI醫療標的。較典型的如金域醫學，2024年公司就因為應收帳款高企、現金流吃緊、固定成本難以壓縮、常規業務競爭加劇等因素，虧損3.81億元，公司預計2025年淨利潤仍將為負值；近期大火的“AI+CRO”概念股康龍化成，預計2025年淨利潤16.14億元~16.96億元，同比下降6%~10%。被視為AI病理診斷龍頭的安必平，‌2025年前三季度營業收入同比下降28.29%；歸母淨利潤虧損1076.71萬元，同比下降136.34%；潤達醫療同期營業收入也下降14.7%至52.68億元，歸母淨利潤虧損1.63億元，虧損額同比擴大422.64%。港股市場上，作為AI製藥的“先鋒”，英矽智能雖然接連獲得大單，但仍然徘徊在盈虧平衡性以下，2025年上半年，英矽智能再度虧損1.35億元；醫療大模型龍頭訊飛醫療科技也連續多年虧損，2025年上半年歸屬於母公司所有者的淨利潤為-0.74億元。“我們看到的資本市場，有一些標的完全是被概念裹挾上漲，實際上基本面是欠缺的，AI業務的邏輯也不清晰。但也有一些企業，確實是通過AI技術實現了效率、產品競爭力和研發的突破，目前還並沒有體現在業績上，並不代表企業沒有投資價值。”華南一名大型私募機構醫藥領域投資經理對記者說道。滬上一名資深的第三方醫療器械服務商也對本報記者說道：“雖然說技術上有所突破，但是AI醫療產品的商業化落地和業績貢獻周期是很長的，比如說有些AI醫療產品，在實驗室或特定場景下很好，但這是不是代表它在真實的臨床環境中也能表現比較好？它的診斷穩定性、結果可解釋性以及對疑難雜症的適應能力還需要經受嚴格驗證。另外，AI醫療產品的價值評價還缺乏權威、統一的臨床標準和規範審評路徑。”開立醫療AI首席科學家周國義也曾對記者指出，在AI醫療產品註冊過程中，廠家需要對AI產品的效果進行驗證。目前硬體已有相應的第三方驗證機構，但軟體方面仍缺乏統一標準。同時，審評中心曾嘗試建立如眼底影像的標準資料集。但如果能有統一的標準化資料集，相當於給所有廠商一份“統一考試卷”，這將有效降低開發成本，加快產品上市處理程序。此外，關於AI醫療產品的收費方式，臨床醫生的接受度也限制了相關企業的商業化處理程序。近日，國家傳染病醫學中心（上海）主任張文宏就因“拒絕將AI引入其所在醫院的電子病歷系統”的發言引發關注。張文宏指出，真正的隱患在於，如果一名醫生從實習階段就依賴AI直接得出結論，而沒有經過完整的臨床思維訓練，未來將難以具備鑑別AI診斷正誤的能力。2026年有望加速發展？站在2026年的起點，政策暖風頻吹，不少行業人士預測AI醫療的產業化、商業化有望在今年迎來重大突破。2025年11月，國家衛健委等五部門印發《關於促進和規範“人工智慧+醫療衛生”應用發展的實施意見》，明確了AI醫療發展的目標和重點任務：到2027年，建立一批衛生健康行業高品質資料集和可信資料空間，形成一批臨床專病專科垂直大模型和智能體應用。到2030年，基層診療智能輔助應用基本實現全覆蓋，二級以上醫院普遍開展醫學影像智能輔助診斷、臨床診療智能輔助決策等人工智慧技術應用。這份意見被行業普遍視為AI醫療將加速落地的訊號，標誌著人工智慧醫療已經從試點探索走向規模化推廣的新階段。隨後，關於AI產品的收費問題也迎來了進一步明確。2025年12月，國家醫保局印發《病理類醫療服務價格項目立項指南（試行）》，明確將“人工智慧輔助診斷”列為病理診斷的擴展項，並將人工智慧輔助診斷納入病理診斷價格項目的價格構成，理順AI輔助診斷技術應用收費路徑，推動AI病理在常規診療中應用。今年1月，國家醫保局再度發佈《手術和治療輔助操作類醫療服務價格項目立項指南(試行)》，聚焦3D列印、手術機器人、遠端手術等醫療科技創新成果，統一規範形成37項價格項目、5項加收項及1項擴展項。“2026年AI醫療的邏輯發生了根本性的變化，核心在於今年AI醫療的支付方更加明確，而且支付力更強。因此，今年AI醫療的商業化確定性有望增強，並打開AI醫療商業化的空間。”中信證券表示。“根據頂層設計檔案，到2027年形成一批臨床專病專科垂直大模型和智能體應用，也就是說現在只剩2026~2027兩年窗口期，2026年AI醫療產業一定會迎來快速的增長。我們現在重點關注AI在藥物研發、診斷、流程最佳化及成本控制等方面的應用。”前述醫藥投資經理說道。 (21世紀經濟報導)

AI自助看病將成為現實。OpenAI正將ChatGPT打造成個人健康助手，希望借此在聊天機器人競爭中領先於Google等對手。據兩位看過該功能設計的人士透露，其中一項功能將允許使用者使用ChatGPT分析來自個人健康應用和可穿戴裝置（如Oura戒指、Apple Watch或Whoop手環）的資料。基於這些資訊，ChatGPT能夠主動提供個性化的鍛鍊計畫，或建議使用者調整生活習慣以改善睡眠、血糖等健康指標。其中一人表示，新的健康功能可能會以標籤頁的形式出現在ChatGPT中，與圖像或應用功能並列。從ChatGPT的側邊欄菜單中選擇健康（圖片來源：OpenAI)這一舉措讓OpenAI加入了眾多科技巨頭的行列 —— 幾乎所有大型科技公司都曾嘗試打造個人健康功能和裝置，但成效參差不齊。其中最有代表性的例子或許是蘋果健康（Apple Health）。這款iPhone應用可彙總使用者每日步數、裝置睡眠資料、智能手錶心率趨勢、月經周期追蹤以及接合作醫療機構提供的化驗結果等資訊。它能將這些資料彙總到同一平台，但不會像ChatGPT那樣借助人工智慧對資料進行解讀。（圖片來源：APPLE)ChatGPT目前已是使用者獲取健康相關答案的主要來源之一。人們常上傳血液檢測等醫療報告和掃描結果，以獲取用藥建議等，進而向醫生諮詢。例如，ChatGPT有時能判斷出使用者正在服用的藥物或保健品，可能會加重其血液報告中顯示的某些健康問題。不過，這款聊天機器人的回答偶爾會出現錯誤，部分建議可能具有風險。當然，OpenAI也強調，ChatGPT健康只是輔助工具，不能替代醫生看病，這話既是“免責金牌”，也是AI醫療繞不開的“緊箍咒”，更專業的診斷，還得靠臨床醫生拍板。ChatGPT之所以能勝任這些任務，是因為其背後的模型部分基於健康資訊進行訓練，且在人工智慧後續訓練過程中經過了醫生的稽核，以最佳化健康相關問題的回答方式。此外，人們主動上傳給聊天機器人的海量健康文件，也可能為其訓練新模型提供幫助。OpenAI表示，每天有超過4000萬人使用ChatGPT查詢健康相關內容。這與該公司去年9月發佈的一項研究結果一致：ChatGPT中5.7%的對話涉及健康、健身或自我護理。健康諮詢已經成了ChatGPT最高頻的使用場景之一，全球每周有超過2.3億人在上面問健康問題。於是，OpenAI索性直接做這個專門的健康版本。不過，消費者似乎並未完全瞭解這款聊天機器人可解答的健康相關話題範圍，這也限制了他們的使用時長。說服更多人向它分享健康資料，可能會使Google等競爭對手更難將使用者吸引至其他聊天機器人。目前，OpenAI正處於“紅色警報”狀態，投入更多員工資源改進ChatGPT，以抵禦競爭壓力。儘管ChatGPT無法替代真人醫生，但它在醫學執照類考題上表現良好。而且能提供豐富的健康改善思路，還能發現個別醫生可能忽略的健康資料趨勢或規律。ChatGPT這些新健康功能，似乎是OpenAI應用負責人菲吉·西莫（Fidji Simo）近期承諾的一部分。要讓ChatGPT理解你的目標、長期記住上下文，並在你最關心的事情上主動幫你取得進展。推動其從 “被動響應式聊天機器人” 轉變為 “更直觀的產品，與你生活中所有重要的人和服務相連。去年加入OpenAI時，西莫曾表示，“最期待的是人工智慧在醫療保健領域帶來的突破”。在資料整合這件事上，OpenAI這次是實打實的投入。ChatGPT健康功能最核心的亮點，正是能將分散在不同平台的健康資料一鍵打通。ChatGPT健康功能應用介面（圖片來源：OpenAI)過去查體檢報告，得在醫院官網裡反覆尋找。想看看近期血糖波動情況，又要在Apple健康的各類圖表中翻找。若還想結合運動資料做綜合分析，更是得在多個App之間來回切換、手動整合。而現在，ChatGPT健康功能徹底解決了這一痛點。通過接入美國最大醫療資料平台b.well，直接關聯電子病歷，同時支援Apple健康、MyFitnessPal等主流健身營養類應用的授權繫結。完成連接後操作格外便捷，你只需直接提問“我近期膽固醇指標有何變化”“明天體檢該向醫生重點諮詢那些問題”。它就會基於你的專屬整合資料，給出針對性建議。除了幫你看懂資料，還能幫你準備就醫材料、對比保險方案、甚至制定飲食計畫。OpenAI還專門搞了個叫HealthBench的評估框架，直接用醫生定的評分標準給AI打分，重點看三件事：安全不安全、說不說得明白、會不會適時讓你去看醫生。而健康資料的安全性，無疑是所有使用者關注的核心底線。為此，ChatGPT健康功能特意搭建了獨立儲存空間，你的健康相關對話內容、授權連接的各類應用，以及上傳的醫療檔案，都會與普通聊天記錄物理隔離儲存。但OpenAI計畫何時推出這些健康功能尚不明確，其健康願景不僅面向普通消費者，還旨在吸引更廣泛的受眾。遺憾的是，ChatGPT健康現在只對一小部分使用者開放，想用的話得先加入候補名單。而且有些功能還是有地域限制的，比如電子病歷接入目前只在美國可用，Apple 健康連接也必須得在 iOS 系統上完成。這意味著國內使用者短期內可能還用不上完整功能。此外，有跡象表明，OpenAI也希望吸引醫療專業人士。去年6月，OpenAI聘請了醫生社交網路Doximity的聯合創始人兼前首席戰略官Nate Gross，負責領導其醫療健康戰略。包括幫助醫生和其他健康專業人士使用OpenAI產品。去年7月，OpenAI 表示，肯尼亞一家醫療服務機構為臨床醫生配備了基於OpenAI技術的輔助工具，用於協助診斷和治療，相關醫療差錯已有所減少。與此同時，OpenAI也注意到另一家初創公司OpenEvidence的收入激增，該公司開發了一款AI工具，供醫生尋找問題答案或分析同行評審研究。OpenAI在去年八月聘請了當時Instagram的產品聯合負責人阿什莉·亞歷山大（Ashley Alexander）擔任其健康產品副總裁，目標是改善“醫療健康結果與可及性”。 (創新觀察局)

醫藥投資圈曾流行一種偏見，投資人普遍認為數字醫療是個偽命題。他們眼中的醫療需求存在一個“不可能三角”：低頻、高門檻、非標品。普通人不會天天看病，醫生需要十年培養，每個人的病歷都獨一無二。這導致網際網路醫療平台常年陷於買流量的泥潭——獲客成本極高，使用者留存極低。螞蟻阿福與OpenAI health打開C端AI醫療想像空間。然而，這一刻板印象正在被AI時代的資料洪流無情擊碎，C端的AI醫療需求實際上是極其驚人的，它一直都存在，只是過去缺乏一個足夠低門檻、低成本且足夠智能的互動容器來承接。當互動成本降至零，且反饋質量達到准專業級時，AI醫療這種沉默的剛需瞬間爆發了。在兩個AI超級巨頭的動作中看到了這種爆發，一個是中國的螞蟻集團，一個是美國的OpenAI。在中國，螞蟻集團旗下的“阿福”，其月活躍使用者數已在一個月內翻倍突破3000萬，單日提問量超過1000萬次。大洋彼岸，OpenAI於2026年1月7日正式推出OpenAI Health。OpenAI的資料顯示，全球每周有超過2.3億人次在ChatGPT上諮詢健康問題。這甚至發生在該產品推出之前，這種需求是溢出的，是迫切的。螞蟻阿福與OpenAI Health選擇單獨做一個入口，源於對C端醫療需求的精準把握。醫療資料的敏感性，它需要物理級的隔離，需要金融級的安全，需要讓使用者敢於把最隱私的病歷上傳。螞蟻阿福和OpenAI Health，正式確認搜尋引擎主導醫療資訊的時代結束了，智能體（Agent）接管個人健康的時代開始了。01. 螞蟻“阿福”的需求驗證2025年12月，螞蟻集團將旗下AI健康應用正式升級為“螞蟻阿福”。但隨後的資料表現超出了所有人的預期。在品牌升級後的短短一個月內，螞蟻阿福的月活躍使用者數從1500萬迅速翻倍至3000萬，日均使用者提問量突破1000萬次。這組資料背後隱藏著兩個關鍵的行業洞察。首先是AI對健康全鏈路生態的打通。螞蟻阿福不再僅僅是一個問答框，它打通了華為、蘋果、OPPO等十大品牌的智能裝置，將硬體資料與“健康小目標”結合，實現了從日常監測到線上問診、線下就醫的全鏈路覆蓋。它連結了全國5000家醫院和30萬真人醫生，讓AI不僅能“聊天”，更能“辦事”。其次是驗證下沉市場的巨大需求。資料顯示，阿福55%的使用者來自三線及以下城市 。在一二線城市，人們或許可以便捷地前往三甲醫院，但在醫療資源匱乏的下沉市場，人們極其渴望一個能夠隨時解答健康疑惑、且完全免費的“專家”。螞蟻阿福正是切中了這一痛點，它用AI技術填平了醫療資源分配不均的鴻溝，將低頻的嚴肅醫療轉化為了高頻的健康陪伴。02. OpenAI 的獨立入口邏輯2026年1月7日，OpenAI正式發佈ChatGPT Health。最引人注目的變化在於OpenAI決定：它將Health功能在側邊欄開闢了一個獨立的入口。為什麼要這麼做？核心邏輯在於大模型與隱私安全的衝突。OpenAI非常清楚，使用者在寫程式碼、寫文案時需要的是效率與創意，而在諮詢病情時需要的則是絕對的安全感與隱私保護。如果使用者擔心自己的病歷會被拿去訓練AI，或者擔心在演示工作時AI突然跳出關於隱私疾病的建議，那麼他們永遠不會把真實的健康資料交給AI。因此，OpenAI設計了一種近似物理隔離的架構。在儲存層面，Health空間內的對話、檔案與資料，全部與主介面分開儲存。Health擁有獨立的記憶系統，這些記憶絕不會“回流”到主對話中。這意味著，你在Health裡諮詢了心理疾病，轉頭去主介面進行程式設計演示時，AI絕不會洩露任何相關資訊。更關鍵的是，OpenAI明確承諾：Health中的對話資料不會被用於訓練其基礎模型。只有建立了這種信任，頂級醫療機構才敢與它合作，使用者才敢上傳自己的基因檢測報告。獨立入口，實際上是OpenAI為醫療AI建立的一道“信任防火牆”。03. AI醫療功能矩陣ChatGPT Health的野心遠不止於做一個聊天機器人，它試圖通過強大的生態連接，接管使用者健康的全生命周期。目前的醫療資料往往呈現極度碎片化的狀態，散落在醫院的電子病歷（EMR）、紙質報告、智能手錶的App以及各類垂直應用中。ChatGPT Health並未試圖自己去一家家醫院談介面，這在商業上是不經濟的。它選擇了一個關鍵的戰略合作夥伴——b.well Connected Health。b.well作為美國最大的即時聯網健康資料網路之一，基於FHIR標準建構了底層基礎設施。通過這一合作，ChatGPT Health得以解決大模型面對雜亂醫療資料時的“讀不懂”難題。使用者在Health中授權後，可以一鍵拉取自己在不同醫院的病歷，AI不僅能看懂結構化的化驗單，還能深入理解非結構化的臨床筆記與出院小結。除了靜態病歷，ChatGPT Health還通過Apple Health整合，接入了動態的生理體徵資料，這使得AI的建議具備了時間維度。當使用者抱怨“心悸”時，ChatGPT可以立即調取過去24小時的心率變異性（HRV）資料，結合使用者的既往病史，判斷這是否是需要立即就醫的緊急情況。此外，OpenAI還引入了Instacart、AllTrails等合作夥伴，打通了從“建議”到“行動”的最後一公里。AI可以根據你的代謝資料生成飲食計畫，並直接轉化為Instacart的購物清單；也可以根據你的體能狀況，在AllTrails上推薦合適的徒步路線。這種從資料匯聚到行動落地的閉環能力，正是AI Agent相對於傳統網際網路醫療的降維打擊。在12月更新的螞蟻阿福中，這些相似功能都有推出，並且進一步打通了從日常健康諮詢到線上問診、線下就醫的全鏈路服務，印證了東西方C端AI醫療需求的共性。04. AI醫療估值邏輯的重塑從螞蟻阿福到OpenAI Health，中美兩大科技巨頭的動作預示著行業競爭邏輯的根本性轉變。首先是流量入口的徹底重構。過去二十年，使用者獲取健康資訊主要依賴搜尋引擎，商業模式是基於關鍵詞的廣告競價。這種模式天然存在利益衝突，導致資訊質量良莠不齊。OpenAI Health代表了一種新的入口形態——對話式服務。如果使用者習慣了直接向AI索取基於個人資料的精準答案，WebMD、百度健康等傳統內容型平台的價值將被迅速稀釋，流量將不可逆轉地向擁有私有資料壁壘的AI Agent集中。其次是線下服務的價值重估。在AI時代，演算法本身正在變得廉價，算力可以購買，唯有真實世界的高品質資料是稀缺的，線下服務商將從單純的“人力服務者”轉型為“資料資產商”。最後是對“信任”的定價。OpenAI Health刻意強調的隱私隔離與不訓練承諾，實際上是在為信任定價。在AI時代，唯有信任是最昂貴的貨幣。使用者敢於將自己最隱秘的病歷上傳給OpenAI，是因為相信其隱私架構。這種信任將成為OpenAI Health未來商業化（如高級訂閱、保險合作）的核心溢價來源。未來的阿福或OpenAI Health，將是一個24小時線上、瞭解你一切生理資料、並能調動現實世界資源的超級健康管家，也成為了改變AI醫療生態的推動者。 (硬AI)

據路透社報導，資深投資人馬特·霍爾特（Matt Holt）正式卸任新山資本（New Mountain Capital）私募股權董事總經理兼總裁一職，並啟動一項規模高達300億美元的標誌性交易。霍爾特計畫收購老東家新山資本旗下最成功的五家醫療科技公司，並將其合併到其新創立的AI醫療平台——Thoreau。這五家公司分別是：健康資料交換巨頭Datavant、AI理賠最佳化平台Machinify、精準醫療行銷商Swoop、醫療流程自動化公司Smarter Technologies 以及電子醫療記錄平台Office Ally。本次交易的核心邏輯在於“AI重塑醫療”：霍爾特的目標是，通過將這五家分佈在資料、支付和營運環節的頂尖企業整合在一起，Thoreau將建構起一個由AI驅動的全自動醫療支付與資料流轉平台，從而大幅提高醫療效率、降低成本。知情人士透露，霍爾特長期在中東地區籌集資金以支援該交易，目前英國資產管理巨頭ICG (Intermediate Capital Group) 已確定作為主要出資方。對於新山資本而言，這筆交易或許將成為其最賺錢的一筆交易：預計帶來約140億美元的綜合收益，其中包括約120億美元的現金回籠以及在新公司Thoreau中保留的股權。新山資本成立於1999年，是一家總部位於紐約的頂級私募基金和另類資產管理公司，當前管理資產規模約600億美元。據悉，這筆交易將於2026年上半年完成交割。如果成功，Matt Holt將實現從“投資人”到“企業家”的轉身，執掌一家估值300億美元的AI醫療巨頭。手握6000萬資料 美國最大健康資料商五家企業中，健康資料企業Datavant是最知名的一家。該公司於2018年從以“撿漏”聞名的藥企Roivant中分拆出來，在2021年該公司以70億美元與健康服務企業Ciox Health完成合併，正式成為美國最大的健康資料公司。目前該公司手握超過6000萬條醫療記錄，擁有超過8萬家診所、醫院及醫療系統合作夥伴，覆蓋前20大生命科學公司、100%的美國支付方。其特色連結技術可在嚴格遵守隱私標準的前提下，實現數千萬份醫療記錄的安全傳輸，且不洩露個人身份資訊。建立在海量醫療資料之上，餘下的四家企業分別在支付、行銷、院內管理、醫療帳單等方面有所專長。Machinify是通過AI簡化醫療支付流程的平台，在今年一月被新山資本收購，估值為50億美元，擁有超過5億美元的收入，服務於13個前20名支付方。專注於行銷領域的Swoop手握醫療領域最大的病友社區之一My Health Team，該社區擁有450萬慢性病和罕見病註冊會員。Smarter Technologies則是利用AI降低醫療行政成本的企業，擁有業內首套AI驅動的收入周期管理（RCM）系統，目前服務超過60多家醫院和醫療系統，處理超過4億筆交易。Office Ally是為醫療機構提供雲端清算的帳單軟體，擁有超過8萬家醫療機構客戶，每年處理超過9.5億筆交易。華爾街傳奇投資人創業 誓要重塑醫療而本次交易的主角，馬特·霍爾特（Matt Holt）與新山資本（New Mountain Capital）的故事，是一部典型的“從零到一”的華爾街傳奇。新山資本成立於1999年，由前高盛資深銀行家史蒂文·克林斯基（Steven Klinsky）創立。彼時正值網際網路泡沫巔峰，但克林斯基卻選擇了一條與眾不同的道路：避開當時炙手可熱的科技初創企業，轉而專注於“防禦性增長”（Defensive Growth）策略——即投資於經濟周期波動中仍能保持穩定現金流、具備長期結構性優勢的非周期性行業，如醫療健康、軟體、商業服務和教育等。這一理念在隨後的多次金融危機中被證明極具前瞻性。無論是2008年全球金融海嘯，還是2020年新冠疫情引發的市場震盪，新山資本憑藉其穩健的投資組合始終維持了優異的回報表現。其管理資產規模也從最初的幾億美元一路飆升至如今的約600億美元，成長為全球領先的另類資產管理公司之一。馬特·霍爾特的職業生涯幾乎與新山資本的成長史重合。1999 年，他從哈佛大學文學系畢業，最初在雷曼兄弟的併購部門磨練兩年。2001 年，年僅 24 歲的霍爾特加入了剛剛成立兩年的新山資本。Matt Holt克林斯基親自面試並錄用了霍爾特，後者展現出了超越同齡人的行業洞察力，尤其是在醫療健康這一極具壁壘的領域。在隨後的二十多年裡，霍爾特一路晉陞，從分析師到董事總經理，再到擔任新山資本私募股權業務總裁。克林斯基曾在公開場合評價霍爾特是“公司最成功的投資人之一”，他不僅負責管理該機構最核心的私募類股，還一手打造了其龐大的醫療投資帝國。在霍爾特的領導下，新山資本將醫療健康從傳統的“重資產、重監管”行業，重新定義為“效率驅動的技術服務”行業。霍爾特的策略是：不投醫院（提供者），而投讓醫院變高效的工具（技術服務）。他深信美國醫療系統的癥結在於效率低下和資料孤島。因此，在他的推動下，新山資本陸續投資了多家醫療科技公司，包括Avantor（生命科學工具商）這樣的行業標竿。經過二十多年的積累，霍爾特認為醫療行業的數位化已經到了“大整合”的關鍵階段——分散的五家公司，如果在同一個平台下利用統一的AI引擎運作，其產生的協同效應將遠超獨立運作。因此，在獲得ICG等財團的支援後，他選擇帶著這些他親手挑選、培育的“孩子”獨立，成立 Thoreau（意為從複雜中尋找簡單的真理）。這筆交易的背景，不僅僅是資本的騰挪，更是一個頂級投資人在深耕一個行業二十年後，試圖用實業家的身份，去完成他未竟的理想：利用技術徹底重塑醫療系統的底層邏輯。 (智藥局)

▲圖為智捷醫學科技孫繼信董事長於台上發表AI 醫療影像 3D 標準化成果。衛福部次長莊人祥12/4於智捷醫學科技（IntelliGen Technology）主辦的全球創新 AI 醫療影像 3D 標準化成果與 MR 應用大會上指出：「全球醫療仍停留在黑白 2D，台灣已準備跨入下一個時代。」▲圖為衛福部次長莊人祥蒞臨台上致詞搶進百億美元市場在全球醫療 3D 影像市場規模突破 13.6 億美元、AI 醫療影像市場 CAGR 高達 34% 的背景下，台灣此舉不僅是與趨勢接軌，更是明確展現 主動引領智慧醫療升級的產業戰略，並在全球醫療影像升級浪潮中扮演關鍵推動者。AI 將 CT/MRI 黑白影像即時3D 化，被視為未來十年醫療科技的主戰場，也是各國積極投入的醫療影像升級項目。台灣下一座護國神山台灣的智捷醫學科技（Intelligen Technology）憑藉自主研發的 Anatomy Cloud GPT 技術，可於 5 分鐘內完成黑白影像轉為高解析彩色 3D，成為目前台灣推動 3D 標準化最關鍵的技術提供者。其 AI 醫療雲端系統 「Anatomy Cloud GPT」 也以突破性成果獲得 第 21 屆國家新創獎「初創企業獎」 殊榮，引發產業高度關注。智捷醫學科技執行董事 鍾富瑋 於會中指出，「3D AI 醫療影像將從醫院內部工具，轉變為全球標準化平台。台灣有機會在這個市場中，提前卡位成為技術輸出國。」執行董事 鍾富瑋強調，3D 影像標準化將帶動 設備汰換、雲端服務、教育訓練、醫材整合、跨國醫療合作 等龐大需求，形塑出「超過百億美元」的新市場，而 Anatomy Cloud GPT 已成為此產業鏈中的核心引擎。▲智捷執行董事鍾富瑋表示3D AI影像技術不僅是臨床醫療技術的進步，更是台灣AI醫療走入全球的第一步。他進一步指出：「智捷正在與亞洲、歐洲多國洽談合作，2026也將啟動海外布局。Anatomy Cloud GPT不僅是醫療影像的革新服務，更可以整合AI、通信、雲端、教育、S I等的產業鏈我們相信台灣具備打造下一座『醫療 AI 護國神山』的條件。」

【新智元導讀】基層醫生的AI好助手來了！中國國產AI，更懂中國醫生。從去年開始，「醫療AI（medical AI）」與「健康AI（AI for healthcare）」從星星之火，迅速燎原。在Google趨勢裡，這類關鍵詞在最近幾個月都呈現明顯抬升：但對大多數中國醫生——尤其是基層醫生——這些熱鬧始終顯得有些遙遠。僅糖尿病患者，中國就有2.33億人，遠超現有醫療資源的承載能力。更別說基層醫生每天面對的是混雜的真實世界：心血管、呼吸、消化等各種疾病交織出現；一旦遇上少見症狀或複雜共病，往往會感到吃力，甚至陷入“想得不全、顧得不夠”的困境。因此真正的問題，從來不是「AI看起來有多厲害」——而是能不能安全有效地在臨床落地？能不能真正提升醫生的判斷力和決策力？AI+醫療，被放在了國家檔案的「C位」11月4日，國家衛健委正式發佈《關於促進和規範人工智慧+醫療衛生應用發展的實施意見》，其中重點提到：「建立基層醫生智能輔助診療應用」「加強居民慢性病規範管理服務」這意味著什麼？「AI+醫療」已不再是AI產業界的技術炫技，而是提升到了國家層面的衛生健康行業發展高度。而「AI+醫療」的落地重點，在基層。誰能抓住這波醫療AI版的「農村包圍城市」，誰就能在下一波AI浪潮中笑到最後。多位長期深耕基層培訓教育的主委們很快達成共識：能真正幫到中國基層醫生的AI，關鍵在2件事：1）診中：輔助臨床決策，要安全、有效；2）診後：支撐患者隨訪，要規範、可持續。而，這也是「未來醫生AI工作室」的初心。中國AI vs 美國AI 只有它是「安全+有效」的雙料冠軍AI能寫會畫，甚至拿下奧數金牌，但「術業有專攻」——通用的AI難以救死扶傷。解放軍總醫院第六醫學中心（海軍總醫院）內分泌科主任醫師、全科教研室主任郭啟煜，就曾遇到:一些患者自行使用AI尋找大量資訊後，提供給醫生，但這些資訊往往互相矛盾，甚至與最新的醫療指南和共識相悖。他認為，AI落地醫療有2大關鍵：有效性和安全性。有效性， 指的是真能幫上忙，能提供有用的建議和資訊。安全性， 則是必須堅守的底線，AI醫療產品提供的建議必須基於權威資料。但要測試醫療AI的「安全性」和「有效性」，並不簡單。好在今年7月，來自26個科室的32位一線專家們聯手，來了場全球頂尖大模型的「擂台賽」。這項測評已於7月正式公開發佈，並接受學術同行評議。arxiv連結：https://arxiv.org/abs/2507.23486他們從真實病歷中抽絲剝繭，整理出2069道開放式問題，圍繞「安全性/有效性」，模擬真實場景，搭建了一套系統性的臨床評估標準。在此標準上，測評了當時最前沿的6個大模型：OpenAI-o3、DeepSeek-R1、Gemini-2.5-Pro、Claude-3.7-Sonnet、Qwen3-235B以及「未來醫生AI工作室」背後的醫學大模型MedGPT。結果呢？六個大語言模型的基準測試顯示總體表現不錯（總分均值57.2%，安全性54.7%，有效性62.3%）。但在醫療最看重的「安全」上，卻拉開了明顯差距：當涉及危重症識別、藥物衝突等複雜問題時，多款通用大模型的得分明顯下滑當涉及嬰兒、兒童、免疫低下等特殊人群時，有的模型表現很不穩定，有時很好，有時很危險而在同一套標準下，專業醫療大模型MedGPT則表現出顯著特徵：「安全性」、「有效性」雙高！得分分別達到0.912、0.861，拿下雙冠軍，總分更是領先第二名15.3%。總體得分、安全性、有效性，MedGPT（綠色）均領先此外，在這場比拚中，MedGPT還表現出幾個突出特徵：安全性得分，比模型平均值高出近70%（0.912 vs 0.547）；在複雜人群中，表現依然穩健，沒有「翻車」；測評中，唯一一款做到了「既穩定安全，又穩定有效」的AI。復盤時，北京大學第三醫院運動醫學科江東教授表示臨床不只是看答對多少，更要看答錯多少。從那一刻起，這個以MedGPT為底座的「未來醫生AI工作室」，底層基因已經註定：不是做看起來「樣樣通的AI」，而是做臨床上「最安全、最可靠的AI夥伴」。當技術回歸臨床，誰更像專家？答案已經揭曉。就在最近，中⼭⼤學附屬第⼀醫院泌尿男科主任鄧春華教授聯合中國多位權威專家，設計並開展了一場高度模擬真實臨床流程的實戰盲測。評測方法核心直接、客觀：1、選題：從真實臨床工作中，抽取出一批複雜、存在爭議且資訊不完全的典型病例。2、答題：同一道題，分別交由三位「參賽者」獨立作答：GPT-5OpenEvidence未來醫生AI工作室·臨床決策AI助手3、測評：由臨床專家團盲審三份AI生成的答案，並嚴格依據以下8個核心維度進行打分：多病共存與藥物序貫最佳化時間窗決策與風險取捨不確定性推理與檢查價值用藥相互作用與復合毒性圍術期協同決策ICU多目標最佳化檢驗與影像閉環連續照護與復發預防結果中國AI——全線完勝：圖源：https://ai.doctorwork.com/comparison這場評測的意義，遠不止於一次分數的比拚。結果所呈現的，已經不再是模型的紙面能力，而是——是否能在真實醫療環境中做出可靠的臨床決策。這背後，正是「未來醫生AI工作室·臨床決策AI助手」的差異化技術路線：通用大模型的強項在於文字生成，本質是模式匹配與記憶；而臨床決策AI助手，則是先建構系統性的醫學認知框架，再在其上強化「臨床推理+安全控制」，最終再落到產品層應用。這也解釋了，為什麼在臨床診斷這種高風險、強推理的場景裡，中國的醫療AI能夠取得領先——關鍵不在簡單看誰的參數更大，而在於誰更接近醫生真實的思考方式和工作方式。臨床智能參謀 幫醫生想得全，判得準面對複雜病例，醫生最擔心的從來不只是「已知風險」，更是那些隱藏在資訊缺口、經驗不足和病例多樣性背後的知識盲區與思維侷限。缺資訊、缺經驗、病例雜——幾乎是所有基層醫生的共同現實。「未來醫生AI工作室·臨床決策AI助手」想解決的，正是這一臨床痛點。它不是一個更大的「知識庫」，而是為每位醫生打造的「醫療版賈維斯」：不僅能調動高等級循證證據，更能以專業方式協同思考——核心是一套由安全與循證驅動的臨床決策引擎。鄧春華教授在使用未來醫生AI工作室·臨床決策AI助手進行決策輔助 (圖片已獲得教授本人授權）在日常診療裡，醫生可以用口語化的方式輸入病情，系統不會急於下結論，而是先完成三件更重要的事：提取證據：從高等級循證證據中抓出關鍵點；預警風險：提示藥物相互作用、特殊人群禁忌等潛在風險；標識缺口：指出病史、體檢或檢查的缺失環節，並附帶安全提示。當然，最終的所有決策權，始終牢牢掌握在醫生手中。醫生依然是做決定的那個人，只是不再需要一個人扛下所有不確定性。能看得更全、想得更深，不至於錯過任何「可能改變結局」的疑點。多位一線醫生的反饋也印證了這一點：「好用、循證清晰。」「像有個隨時在旁邊可以討論的專家。」而這一切的背後，是「未來醫生AI工作室·臨床決策AI助手」提供的確定性支援——讓每位基層醫生在面對複雜病情時，都能更有把握地做出判斷。跨越診室圍牆 把醫院級照護延伸到日常掛號、看病、診斷、開藥，只是醫療的起點。真正決定療效的「大考」，往往發生在患者走出診室之後。隨訪一旦缺位，不只是管理脫節，更會造成療效遞減與醫患信任的損耗：患者聯絡不上、該複查沒複查，甚至出現「危險訊號」，也沒人第一時間看到。那麼，如何為院外治療裝上一道「安全而有效的護欄」？郭啟煜在使用未來醫生AI工作室·患者隨訪AI助手管理患者 (圖片已獲得教授本人授權）這正是未來醫生AI工作室「患者隨訪AI助手」的價值所在——把原本孤立的診療節點，延展為一個可持續的管理閉環。通過人機協同，它正在重塑院外關懷的範式，補齊門診“最後一公里”的三大核心短板：管理可達性：通過數位化隨訪，突破時空限制，將專業照護延伸到患者的真實日常。治療依從性：借助個性化提醒與互動指導，提高患者執行度，讓方案落到實處。干預精準性：基於臨床指南與個體資料，為不同患者匹配差異化的管理路徑。值得強調的是，「未來醫生AI工作室·患者隨訪AI助手」從架構設計起，就堅持一個原則——AI輔助，醫生決策。無論系統多智能、響應多及時，所有涉及醫療行為的最終裁定權，始終在醫生手中。一旦觸及藥物調整、嚴重症狀等關鍵節點，AI不會越界「替你決定」，而是立即發出明確預警，把關鍵決策點完整呈交給醫生，由醫生最終判斷。為什麼主委們說 這是「基層+AI」的最佳實踐？把以上幾個關鍵拼圖拼起來，就會發現一條非常清晰的邏輯鏈：政策明確方向：國家已將「AI+基層醫療」列為重點任務，既要求提升基層醫生的診療能力，也強調對居民慢病的規範化管理。專家形成共識：多位專家態度一致——真正能落到臨床的AI，必須同時做到安全有效，並保持人機協同的工作方式。技術經受驗證：多模型、多專科的大規模評測顯示，MedGPT在「安全性」和「有效性」兩項核心指標上均領先國際主流大模型；在真實病歷的同題測試中，「未來醫生AI工作室」也較GPT-5、OpenEvidence更符合臨床實際需求。產品真正落地：「未來醫生AI工作室」落在了基層最缺的2大場景——診中決策輔助與診後隨訪管理，並收到了一線醫生的持續積極反饋。正因如此，多位主委給出了高度一致的評價：這是目前最接近「基層+AI」最佳實踐的路徑。鄧春華教授的總結很形象：「通過『未來醫生AI工作室』，基層醫生能真正站在巨人的肩膀上，加速成長。」這或許就是技術最好的落地方式——不是替代，而是賦能。AI+醫療的終局：醫生主導，AI賦能每次聊到AI，總有人問：「醫生會被替代嗎？」在臨床一線，這個問題本身就是個誤解。一位三甲主任說得很透：「AI再強，也開不出帶著溫度的處方。」醫生的價值，在於判斷、取捨、溝通與責任；AI的價值，在於不疲倦、可追溯、能持續學習、能迅速覆蓋最新指南。所以未來不是替代，而是協同。真正需要追問的是：什麼樣的醫療AI，才配進入臨床？答案有3點：1、安全、有效。這是所有臨床應用必須先跨過的底線，也是醫生願意信任的前提。2、臨床實戰，是唯一的檢驗標準。在真實病例的對決中，一款中國團隊打造的產品——未來醫生AI工作室，在關鍵指標上優於GPT-5和OpenEvidence。它專注做三件事：讓醫生把病例看得更全；把風險提前亮出來；讓患者的管理不中斷、更長期。3、技術的盡頭，是回到人的需求。即便未來AI能提供更全面的解決方案，它依然無法替代“溫度”——那份對病情的揣摩，對患者的理解，對風險的承擔。醫療的答案，從未改變：醫生負責判斷與關懷，AI負責效率與知識。當二者真正協同，優質醫療才會變得更可及、更可靠、更可持續。真正有價值的醫療AI，從來不是取代醫生的力量，而是托舉醫生的力量。 (新智元)