1、AI医疗行业主要玩家分析
科技巨头：如百度、腾讯、华为、阿里等，拥有大模型底座，覆盖影像分析、健康管理、药物研发等医疗数据领域，技术积累深厚且算力充足，但在医疗场景下适配程度较低。垂类领域公司：像讯飞、医渡科技、百川、商汤等，专注医疗垂类，有自研产品，擅长临床决策，领域知识库专业，合作医院多，但商业化周期长，长期生存面临挑战。医疗机构自研：以北京清华长庚医院、瑞金医院为代表，基于内部数据构建专家模型，有数据闭环，但技术能力有限，需与外部合作。高校和科研单位：例如清华大学、中科院等，推动学术与产业结合，站在技术前沿，但商业化落地能力较弱。2、AI医疗行业进展
DeepSeek的突破：DeepSeek在医学任务上取得显著进展，其大模型在Nature发表论文显示超越GPT4，在癌症筛查中能实现95%的准确识别，脑卒中识别提升三倍，诊断速度比人工快很多，且已开始加大人力投入。用户需求驱动发展：无论是通用大模型还是传统搜索引擎，医疗需求占比都较高，如通用型大模型下约10%的搜索需求来自医疗，这促使国内外通用型大模型不断提升医疗能力，部分垂类公司更是早早加大在医疗方面的投入。3、医疗行业痛点与AI价值
行业痛点：中国医疗资源分配不均，基层医生缺口大、误诊率高、效率低，文书工作质量差，且医院间数据孤岛现象严重，影响研究和应用，虽有企业尝试推动医院间检查结果互认，但难度较大。AI的价值：AI可在诊断、治疗和管理阶段发挥作用，如在诊断阶段通过多模态模型识别影像结果、进行线上问诊诊断；治疗阶段基于用户信息推荐药物使用；管理阶段对慢病监控、术后管理等比人更精细。在解决资源不均问题上，AI能提供更多医疗供给，且诊断准确率高于一般医生。4、AI医疗技术挑战与改进方向
技术挑战：大模型存在幻觉问题，普通用户使用门槛高，对话式场景交流随着人数增多换血率高，长期记忆问题待解决，信息索引方面，可靠信源难以搞定，联网搜索时信源准确性差。改进方向：未来可能使用区块链技术提升信息准确性，打造更好的知识库；引入行业专家提升模型质量；让大模型更接地气，便于普通人交互，以提升医疗大模型整体水平。5、AI医疗应用场景
按医疗阶段划分：诊断阶段，多模态模型识别影像结果及线上问诊模式已较为成熟；治疗阶段，可基于用户信息推荐有限的药物使用方案；管理阶段，在慢病监控、术后管理等方面表现出色。按医院类型划分：专家型医院，大模型可用于MDT多学科会诊，处理罕见病疑难杂症推理；基层医院，大模型可辅助诊断，提高诊断效率和准确性，目前已有如百川、小多邦等公司在该方向发力并推出有前景的demo。6、AI医疗商业化探索
现有尝试及困境：目前医疗商业化路径不成熟，讯飞借助HIS系统上市并包装医疗大模型；部分公司探索政府买单，但资金难以撑起高市值；与医院合作多通过硬件结合方式，但模型效果未充分发挥；C端用户虽有一定依赖但付费意愿低。看好的模式：小日方公司与北京儿童医院合作，在医患沟通场景增加硬件，实时呈现辅助结果，不增加医生负担，提高效率和准确性，医院可能以采买硬件设备方式付费，后续有望获更多政策支持及技术升级后走向成熟。儿科领域优势：儿科医生缺口大，疾病多但不严重，家长焦虑，医生压力大、收入低、流失快，供需不平衡，大模型可有效沟通交流、安抚情绪，提高效率，在儿科领域应用前景好。7、医疗大模型架构探讨
通用与细分结合：模型发展会存在通用型全科意义上的模型形态，用于初期分诊等；同时，模型更擅长做小环节工作，理想状态是全科模型与小工具组合，而非单纯按科室细分。专病模型需基于通用医疗知识，否则逻辑较差。未来可能走向通用为主、多细小工具组合成agent的形态。8、国内外医疗大模型对比
能力与政策影响：国内外医疗大模型能力差距逐渐缩小，未来两年到2027年差距会更小。阻碍国内医疗大模型发展的核心在于政策，国内数据获取相对国外更容易，可通过地方政府、卫健委支持试点推进，但需关注政策监管及评价标准的完善。9、下游需求端选择倾向
需求端类型及选择：一线医院需求端分三类，激进型如北京儿童医院，选择有技术背景和口碑的厂商合作；跟风型看已有合作接触或性价比；完成政治任务型则选最便宜的产品。目前第三类占比更多。10、不同类型厂商发展思路
科技巨头：如百度、腾讯等，因自身产品有医疗需求，需提升模型以提供更准确信息和更好体验，同时推进基座模型发展，看重DAU等指标。垂直型公司：无需投入基座模型训练，专注垂直领域，往全科医生方向发展，与信息化公司合作，为用户提供高质量医疗产品，与医院合作提供医疗供给。医院：除完成学术、专科模型推进等任务外，需学会利用好工具，提高效率和质量，行业交流与培训很关键。11、AI医疗爆款产品构想
理想产品形态：硬件与软件结合，如苹果可能将AI医生与iWatch合并，华为等有硬件基础的公司也适合此模式。理想态是为个人配置专属AI，具备强大记忆能力，能根据个人历史信息提供精准医疗建议，数据成为财富，用户迁移成本高，且医生可对模型判断进行修正。当前产品不足：当前产品与理想态的卡点主要在技术迭代，如长期记忆能力、控制幻觉率、可解释性数据追踪等，医生对模型结果的认可也存在难度，而数据上传及打通环节相对容易实现。Q&A
Q：如何看待目前DeepSeek在医疗领域的能力，以及不同大模型在能力上的差别和未来演进方向？
A：首先，DeepSeek模型非常好用，在处理罕见病复杂度问题时能给出很好的建议。但它也存在一些问题：一是普通用户和不太善于使用大模型的医生难以激发其极致能力，它对使用工具的人有要求，需要专业医生经过简单的提示词培训，且提供的信息结构越清晰、prompt结构越完整，其调用出来的能力越强；二是模型在引用信源时不够透明，普通用户甚至专家都很难在短时间内验证其输出内容的真假，存在“幻觉”报道；三是互联网搜索信源不准确，大模型引用互联网上杂乱的信息会导致输出质量下降，未来可能需要建立专业化的RAG库，参考医疗专业人士划分的精准信息，以提高模型产出质量。总体来说，DeepSeek在目前所有大模型里已能将问题往前推进，打败了80% - 90%的真人医生，但要成为值得完全信赖的“纯医生”水平，还需要一段路要走。未来可引入行业内专家来强化该模型。
Q：AI医疗大模型在医疗整个生态里如何进行商业化，怎样把商业化的路走通？
A：目前还没有特别成熟的医疗商业化路径。以讯飞为例，它主要做医院系统里的HIS系统，上市时将医疗大模型作为故事一部分包装。有些公司探索由政府买单，但政府给的钱太少，难以撑起高市值公司；与医院合作，医院不会直接购买大模型，华为、阿里云等通过与硬件结合、自动化部署大模型的方式，但对调动医疗模型水平和效果远远不够，医生也不太会用。面向C端用户，老用户占比60%，用户会依赖产品，但难以让其付费，且大模型替换率较高，不能让患者百分之百使用。比较看好小日方公司的商业模式，它与北京儿童医院合作，在医生和患者沟通场景中增加硬件，实时呈现结果，提高医患效率和准确性。目前该公司可能处于研发阶段，若做好，医院可采买硬件设备付费，后续再争取政策支持和技术升级，待用户大范围使用时会比较成熟，目前商业化还不明朗。
Q：小日方公司主要落地场景在儿科领域，为何在儿科前景较好？
A：中国儿科医生非常缺乏，小朋友免疫系统不太好，生病较多但一般不严重，家长极其焦虑，导致儿科医生压力大、收入低，面临医闹压力大，从业人员流失快。而患者（孩子）的用户（家长）急需解决问题，是供需非常不平衡的场景，适合用大模型解决。大模型能帮助医生提效，解决患者家长的焦虑问题，其安抚人的能力和实时反馈能力比线下医生强。在缺乏医疗资源的基层，医院院长或心理科主任在聘不到医生的情况下，愿意花50万购买能增加更多功能、解决很多问题的设备。
Q：未来医疗领域出现更多专病专科类大模型，其复制、拓展和应用领域相比其他行业是否会更小？
A：医疗领域会存在通用型的、类似于分诊初期的全科意义上的模型形态。模型更擅长做小环节的工作，真正适合模型做的是一个一个小的动作。疾病本质是多个症状，按科室区分模型不太合适。理想状态是一个全科模型和一些执行层面较好的小工具组合。专病型模型是为满足人类固有思维认知方式生成的，若不了解通用医疗知识则做不好专病。大模型时代不会只局限于专病，未来可能会出现针对个体的AI模型专家。
Q：国内医疗大模型与海外厂商做的医疗大模型在能力上有哪些差距，是否会影响商业化节奏？
A：模型能力上的差距越来越小，未来到2027年差距会更小。阻碍医疗大模型发展的核心在于政策，而非模型能力。美国在科技前沿领先，但中国追赶速度快。国内数据获取比国外容易，甚至可举国之力去做，如百川与北京儿童医院合作共创就是很好的模式。国外要做此事需看私立医院能否拿到脱敏数据，像谷歌因自身有私立医院可能更容易。国内则要看地方政府和卫健委能否支持做试点，拿到政策利好后再铺开，这取决于当地官员是否重视。
Q：从政策支持和监管角度，如何看待医疗大模型的能力高低以及可信度的评价标准？政策是否会对医疗大模型的能力、数据使用及输出准确性进行监管？
A：衡量和评估模型表现是一个不断完善的过程，技术在发展迭代，目前还没办法固定下来。行业内到现在都没有一套统一的评价方式，国家也较少涉及，这需要医疗专家和技术专家共同制定。政策有一定滞后性，国家整体支持AI医疗发展，目前来看，会陆续有一些政策出台，但整体风格还是支持的、宽口径的。要等到大规模运用之后才可能出现相应的政策法规，现在还未到时机。
Q：AI医疗下游需求端（如医院、公共卫生等）如何选择与AI医疗厂商合作？怎样更好地服务这些需求方？
A：一线医院分为三种类型。第一种是激进型，如北京儿童医院，要求合作厂商有一定技术背景和口碑，希望创造利国利民的产品；第二种是跟风型，会选择已有接触或性价比高、能解决自身需求的企业合作；第三种是为完成政治任务型，会选择最便宜的方案，布置后能让普通医生使用且不出事即可。
Q：上述三种类型的客户在整个市场的比例如何？哪种类型更多？
A：第三种类型更多。部分头部医院也存在这种情况，一些院长认为引入AI医疗增加医生负担，且对政绩无影响，更关心能影响政绩的事。
Q：华为在AI医疗领域的布局或业务拓展思路是怎样的？
A：华为发挥自身擅长To B领域的优势，地推能力强，整合华为云及To B的能力。敏锐捕捉国家对DeepSeek的支持和医院的需求来盈利。主要做好硬件和底层支持工作，虽未追求推动科技前进，但做好了行业底层硬件的基础建设，降低了大模型升级和技术发展的门槛。
Q：不同类型的厂商在AI医疗发展过程中的思路以及未来可能给行业带来的变化是什么？
A：科技巨头如百度、腾讯等，自身有场景，像百度搜索、腾讯元宝、抖音等产品会面临用户的医疗问题咨询，它们要定位好自己是做知识给予还是判断等，为用户提供更准确信息和更好体验。它们资金雄厚，看重DAU等，若自身有基座模型产品，也希望在医疗领域提升基座。不过普通用户使用其产品诊断的效果不会比百度时代好太多。垂直型公司无需再投入做基座模型训练，应在垂直领域把产品做得更专业，往全科医生方向发展，未来可为普通用户提供高质量医疗产品，也可与医院合作提供医疗供给，还可与医疗信息化公司合作。医院除完成学术、产品、专科模型推进等政治任务外，要学会利用好工具，国家和相关机构应给予行业交流、培训等大力支持，以解决效率和质量问题。
Q：什么样的AI医疗产品有可能成为爆款产品，它的结构、方式、面向场景或产品形态是怎样的？
A：今年年初苹果有将AI医生和iWatch合并，即硬件加软件结合的新闻，这种从监控设备入手和大模型结合的模式较好，百度和华为也适合做类似结合。理想态的场景是为家庭配置一个特别懂用户、了解用户的大模型产品，类似专属AI。它能记住用户的医疗信息，如之前感冒的症状、用药、过敏情况等，根据用户描述给出准确建议。这种模式下数据即财富，用户使用某一平台的医疗助手后，迁移成本极大，且用户与医疗助手交流的信息可得到医院认可和修正，这种产品未来有望成为爆款。
Q：目前AI诊断类型产品与理想产品相比，有哪些需要迭代进步的地方？
A：目前让医生认可大模型的诊断结果有难度，从现实角度讲，让医生认可别的医院医生的结果都很难，更别说认可大模型。眼前最主要的问题还是技术的迭代，比如提升长期记忆能力、控制幻觉率、运用区块链技术进行可解释性数据追踪以降低模型表现里的幻觉等。这些基础性工作决定了模型实际的能力表现。当模型能力得到专家和用户认可，用户能用通俗方式获得高质量反馈，提升使用的便利性、准确性和可信度，这些是一两年内要搞定的事情。而打通各个环节等后续工作，在前者做到之后会进展得比较快，比如检查报告有二维码，扫码就能把信息传给医生。股市调研
本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。