摘要：在政策及市場雙重驅動下，AI技術與醫療行業之間的結合日益密切，AI醫療發展十分迅速，資本市場持續看好，AI醫療的商業化模型逐步形成，市場規模不斷擴大，由2018年的18億元增至2022年的68億元，年復合增長率為39%，2023年市場規模成功超百億元。未來行業仍具備廣闊發展空間，市場規模仍將保持增長態勢。AI將在醫療領域發揮更加核心的作用，從診斷、治療到患者管理，全方位提升醫療服務的效率和質量。同時，隨著數據隱私和倫理問題的解決，AI在醫療領域的應用將更加廣泛和深入。

一、定義及分類

AI醫療是以互聯網為依托，通過基礎設施的搭建及數據的收集，將人工智能技術及大數據服務應用于醫療行業中，以人工智能為核心干預技術手段介入傳統的院內外醫療環節，協助人或解放人工，提升醫療行業的診斷效率及服務質量，更好地解決醫療資源短缺、人口老齡化等問題。AI在醫療健康領域的主要應用領域包括AI+新藥研發、AI+醫學影像、AI+醫療器械、AI+健康管理以及AI+綜合輔助診斷等。

二、行業政策

為進一步促進AI醫療行業發展，我國政府部門在《關于全面推進緊密型縣域醫療衛生共同體建設的指導意見》《全面對接國際高標準經貿規則推進中國(上海)自由貿易試驗區高水平制度型開放總體方案》等一系列政策中，明確表示支持AI技術與醫療產業融合發展，鼓勵企業積極探索AI技術在醫療領域的應用。同時AI醫療行業是一個強監管行業，產品及技術安全有效性評價較謹慎。特別是以人工智能為代表的技術，本質上是基于海量數據驅動的黑盒算法，具有更新迭代快等特點，給監管帶來諸多挑戰。國內外監管機構均出臺了一系列政策，以加強AI醫療行業監管。國內主管部門出臺了《國家限制類技術目錄和臨床應用管理規范（2022年版）》《人工智能輔助檢測醫療器械（軟件）臨床評價注冊審查指導原則》等政策法規，進一步規范AI醫療行業發展。

三、發展歷程

國外最早在20世紀70年代就開始對AI醫療領域展開了探索與研究，至80年代，出現了如QMR、DXplain等商用化應用系統。國內市場，1978年北京中醫醫院關幼波教授牽頭研制的第一套醫學專家系統—“關幼波肝病診療程序”，拉開了我國AI醫療的發展序幕。隨后在幾十年的發展歷程中，我國AI醫療大致經歷了三個階段，分別為萌芽階段（1978－2013年）、起步階段（2014－2019年）、商業化探索階段（2020年至今）。人工智能與醫學領域的結合點眾多，AI核心技術不斷突破，為“人工智能+”產業發展提供了技術基礎。

四、行業壁壘

1、資金壁壘

AI醫療在研發、品牌推廣、客戶服務及合規方面需求大量的投入，且AI產品短期內難以快速獲得回報，要求企業具有較強的資金實力，以支持長期持續的資金投入，從而對資金資源相對有限的新進入者構成壁壘。

2、人才壁壘

AI與醫療行業均為典型的人才密集型產業，對人才的專業水平極高，要求人員既熟練掌握AI技術，又全面了解醫療知識，經驗豐富的跨學科專業人員在AI醫療行業發展中至關重要。AI醫療對具有強大的人工智能技術背景以及扎實專業知識的人才需求量極高。人才成為新進入企業面臨的關鍵壁壘之一。

3、監管壁壘

醫療領域與人類生命息息相關，因此我國對AI醫療應用場景的監管也極為嚴格，要求企業全面了解行業法律法規及專業知識等，同時還需具備較強的行業洞察力與內部管控能力。而市場新進入者往往缺乏足夠的行業洞察力，內部管控能力建設也面臨更大的挑戰。

五、產業鏈

1、行業產業鏈分析

AI醫療產業鏈上游包括數據、算力、醫療設備等。其中數據服務尚未建成核心技術壁壘，目前參與者眾多；而算力領域呈寡頭局面。產業中游是向醫療機構、病人等下游受眾提供AI醫療服務的企業，也是產業生態的核心，涉及CV、NLP、知識圖譜、智能語音等技術，其中基于深度學習的計算機視覺發展快，參與者技術相對成熟。下游應用包括醫療影像、CDSS、醫療機器人、醫學數據智能平臺等。

AI醫療行業產業鏈

醫療設備

上海聯影醫療科技股份有限公司

樂普(北京)醫療器械股份有限公司

無錫祥生醫療科技股份有限公司

推想醫療科技股份有限公司

醫療數據

算力

上游

衛寧健康科技集團股份有限公司

訊飛醫療科技股份有限公司

深圳晶泰科技有限公司

英矽智能科技（上海）有限公司

中游

醫療影像

CDSS

醫療機器人

下游

2、行業領先企業分析

（1）訊飛醫療科技股份有限公司

訊飛醫療是科大訊飛的子公司，成立于2016年?；诳拼笥嶏w二十余年積累的國際領先的智能語音和人工智能技術，訊飛醫療已打造醫療領域中在語音識別、圖像識別及自然語言理解等方面圍繞深度神經網絡、深度學習和醫學知識圖譜以及專有核心技術的核心技術架構體系，產品解決方案包括全科醫生助理、基層一體化智能信息平臺、家庭醫生助理、AI慢病管理系統、核心技術基座—醫學AI能力平臺等。2021-2023年前三季度，訊飛醫療營收保持增長態勢，2023年前三季度訊飛醫療實現營收3.2億元，同比增長29.0%，毛利率為55.2%。

（2）深圳晶泰科技有限公司

晶泰科技創立于2015年，公司基于量子物理、人工智能、云計算及大規模實驗機器人集群等前沿技術與能力，為全球生物醫藥、化工、新能源、新材料等產業提供創新技術、服務及產品。經營業務包括藥物發現解決方案（橫跨藥物發現及研究全過程中不同模塊的解決方案）及智能自動化解決方案（主要包括固態研發服務及自動化化學合成服務）。2023年上半年晶泰科技藥物發現解決方案營收為3609.6萬元，智能自動化解決方案營收為4387.1萬元。

六、行業現狀

在政策及市場雙重驅動下，AI技術與醫療行業之間的結合日益密切，AI醫療發展十分迅速，資本市場持續看好，AI醫療的商業化模型逐步形成，市場規模不斷擴大，由2018年的18億元增至2022年的68億元，年復合增長率為39%，2023年市場規模成功超百億元。未來行業仍具備廣闊發展空間，市場規模仍將保持增長態勢。

七、發展因素

1、有利因素

（1）扶持政策相繼出臺

AI已成為全球各國極力爭奪的科技制高點，各國不斷加大研發投入，進行技術創新的同時，探索AI技術在實體產業中的應用，醫療為AI技術重點落地領域之一。近年來，我國中央政府與地方政府多次在政策中明確表示鼓勵AI醫療發展，一系列利好政策的出臺，將為AI醫療行業發展注入強勁動能。

（2）AI技術不斷突破

在政府部門、行業企業等各方共同努力下，人工智能技術取得了較大突破，為AI醫療行業帶來了更多的可能性。如2023年，AI大模型如“雨后春筍般”涌現，將在AI醫療領域產生生產力變革性推動，推動行業進入全新發展階段，2023年8月由谷歌Research和DeepMind合作打造的全球首個全科醫療大模型——Med-PaLMM正式發布，將進一步推動AI醫療發展。未來AI技術不斷演進，應用價值將加速顯現，同時也將為AI醫療的發展不斷筑牢技術根基。

（3）醫療產業轉型迫在眉睫

我國醫療行業面臨著醫療資源不足、配置不合理、利用率低下、社會公平性缺失等問題，不僅給政府帶來了沉重的負擔，還無法滿足居民日益增長的醫療需求。疊加公眾對健康管理的意識提高、人口老齡化趨勢不斷深化催生大量醫療需求。在此背景下，醫療產業轉型迫在眉睫，AI醫療已成為醫療行業發展的必然趨勢，也是我國醫療改革的重要方向。

2、不利因素

（1）醫療數據匯聚難且共享程度低

數據是AI發展的要素之一，數據的質量和數量、多樣性對于人工智能的學習效果至關重要。醫療領域的數據覆蓋范圍廣，包括臨床醫生和科研人員、醫療衛生管理部門及公共衛生機構工作人員，以及第三方企業用戶和社會大眾等。相應的數據資源分散在不同單位、不同信息系統的數據池中，包括醫院的電子病歷、結算與費用數據和各業務系統數據等，各類數據結構各異。此外，醫院內部信息系統相對獨立，雖然在長期服務過程中積累了大量的醫療數據，部分醫療機構完成了數據集成工作，但所收集的數據依然存在標準不一、存儲格式各異等問題，未能匯聚成規范統一的健康醫療大數據資源，難以有效地管理和利用。醫療數據匯聚難且共享程度低，在很大程度上制約了AI醫療的發展。

（2）數據泄露風險加劇

在應用深度學習等人工智能技術進行訓練時，需要海量的醫療數據支持，然而這些數據往往包含大量的患者個人隱私信息，可能導致個人信息被獲取，造成身份盜竊、個人隱私侵犯甚至潛在的社會工程攻擊。行業存在較大的數據泄露風險。

（3）AI醫療產品收費難

AI影像、AI輔助手術導航等技術已經逐步進入了醫療機構的日常診療中，但仍處于早期發展階段。在AI產品的商業化落地過程中，仍然存在很多挑戰。比如AI醫療產品如何收費的問題，目前尚未有明確的規定。AI醫療產品收費難致使企業利潤端面臨較大壓力，企業生存十分艱難。

八、競爭格局

目前，AI醫療產業仍處于起步階段，發展潛力較大，越來越多的企業布局AI醫療領域，市場參與者也呈現多元化格局。AI醫療行業競爭格局中，可大致分為三大陣營，分別為傳統大型醫療企業、AI醫療初創企業和互聯網巨頭企業。傳統大型醫療企業通過自主研發或收購初創企業的方式進入AI醫療行業，如藥明康德、云南白藥、復星醫藥等。AI醫療初創企業通過自主研發或與其他機構合作的方式參與競爭，主要企業包括英矽智能、晶泰科技等；互聯網巨頭公司通過與傳統醫療企業、院校、初創企業合作共建軟件與平臺、投資初創企業等方式進入該行業，主要有阿里巴巴、百度、騰訊等。

九、發展趨勢

目前人工智能在醫療領域的應用已經取得了顯著的進展，正在改變診斷和治療的方式，提高了醫療服務的質量和效率。隨著人工智能技術的不斷創新和進步，將會有更多的企業加入AI醫療領域，推動醫療行業的變革和創新。未來，AI將在醫療領域發揮更加核心的作用，從診斷、治療到患者管理，全方位提升醫療服務的效率和質量。同時，隨著數據隱私和倫理問題的解決，AI在醫療領域的應用將更加廣泛和深入。