AI医疗深入医院场景，但支付模式仍是核心难题

事件概述

中国AI医疗市场正处于快速扩张期，据Analysys数据，市场规模已突破1.5万亿元人民币，年增长率显著高于传统医疗板块。AI辅助诊断系统已在多数三级医院及大量二级医院部署，监管机构批准了超过120款三类AI医疗器械，主要集中在医学影像领域。然而，回顾2021年前后的上市潮，许多企业虽获监管许可却未能转化为规模化收入，这揭示了一个关键教训：技术审批和试点部署并不自动等同于商业成功。

核心技术与应用现状

当前AI在医院内的落地呈现明显的分化态势：

• 医学影像（最成熟）：2025年中国AI医学影像市场规模约为150亿元。数十款三类产品覆盖肺、心血管、脑血管等领域。临床价值主要体现在定量体积测量、三维重建及提高重复性任务的一致性上，而非完全自主诊断。经验丰富的医生仍主导阅片，软件主要作为辅助工具减少人为差异并节省时间。
• 药物研发（高关注度）：AI缩短了靶点发现和分子设计的早期阶段，全球临床试验中有众多受AI影响的候选药物。但截至目前，尚无完全由算法设计且仅凭算法起源获得批准的药物。生理复杂性和试验要求限制了AI的替代能力，安全验证不可跳过。
• 手术机器人与远程手术：面临高昂资本成本、培训负担及责任界定难题。远程手术因网络延迟风险，多数机构不愿将其用于关键程序。
• 消费级健康助手：虽然用户基数大，但付费意愿低，从免费使用到持续订阅的转化率极低。

竞争格局与痛点

市场中存在三类主要竞争者，各自优劣势明显：

1. 大型科技集团：拥有资本、云基础设施和用户规模优势，但在临床工作流深度理解及医疗系统漫长的采购周期面前显得笨重。
2. 传统设备制造商：依托现有装机量和销售渠道，通过为扫描仪等设备增加AI功能实现升级，具备纯软件厂商缺乏的路径优势，但受限于软件迭代速度和硬件可靠性整合难度。
3. AI原生企业：专注于算法和数据，部分企业在特定影像细分领域持有多个三类证书，少数接近盈利。但许多企业仍依赖“外挂式”集成，随着医院收紧接口并偏好原生功能，这种模式日益艰难。

行业共识是：单点工具越来越难销售。医院和支付方更倾向于将AI能力嵌入更广泛的临床或运营系统中，而非接受需要单独登录、验证和预算线的独立应用。

支付模式挑战

AI医疗的主要潜在收入来源包括公共保险报销、医院资本/运营预算、制药合作伙伴关系以及直接消费者支付。目前的现实情况如下：

• 公共保险：纳入AI辅助服务能创造稳定需求，但定价和覆盖规则仍在演变中。
• 医院预算：受控费和集采纪律限制，软件定价空间有限。
• 制药合作：药企愿意为能压缩发现时间的工具付费，但该市场主要由计算化学和生物学专家占据。

因此，近期经济模型最清晰的企业通常是那些将AI附加到正在购买的硬件上的公司，或是向药企出售可衡量的研发生产力的公司。纯软件厂商正下调对快速全院采用的预期，转而寻求保险、人口健康或平台费用等相邻收入流以分摊成本。未来市场的决定因素将从模型基准测试转向采购和报销机制的设计。