报告行业投资评级 * 报告未明确给出行业投资评级 [1][2][3][4][5][6][7][8][9][10][11][12][13][14][15][16][17][18][19][20][21][22][23][24][25][26][27][28][29][30][31][32][33][34][35][36][37][38][39][40][41][42][43][44][45][46][47][48][49][50][51][52][53][54][55][56][57][58][59][60][61][62][63][64][65][66][67][68][69][70][71][72][73][74][75][76][77][78][79][80][81][82][83][84][85][86][87][88][89][90][91][92][93][94][95][96][97][98][99][100][101][102][103][104][105][106][107][108][109][110][111][112][113][114][115][116][117][118][119] 报告的核心观点 * 以Transformer为代表的大模型技术正深刻改变医疗行业，对医生、患者、医院、药企的工作产生颠覆性潜力 [5][16] * 不同应用场景的成熟度存在显著差异，智慧医疗和医药研发领域成熟度较高，个人健康管理领域仍有改进空间 [5][19] * 借鉴海外发展模式对分析国内AI医疗企业具有重要作用，海外在数据共享、监管政策、支付落地及商业模式方面已跑通，而国内仍在完善中 [5][6][27] * AI医疗产品落地面临数据交换、监管政策、医保支付等共性卡点 [6][27] * AI医疗的投资机会围绕数据资源、数据平台、明确场景的C端应用及其上游产业链展开 [6][108][109] 根据相关目录分别进行总结 前言- AI影响医疗的各个环节 - 不同环节的进度不尽相同 * 生成式AI具备颠覆潜力，从第一代的NLP、ML到第二代的图像识别，再到当前以ChatGPT、DeepSeek为代表的大模型，AI在医疗领域的应用范围更广 [16] * AI在医疗健康行业的应用前景广阔，可覆盖医药研发、诊前、诊中、诊后多个环节 [19] * 全球头部医疗机构正快速部署AI技术，例如凯撒集团在40家医院和600多家诊所部署Abridge，梅奥诊所计划投入超过10亿美元用于AI项目 [22] * 海内外大厂加速布局C端应用，2026年1月OpenAI推出ChatGPT Health侧边栏功能，国内支付宝旗下的健康类APP蚂蚁阿福总用户数超1亿，月活用户超3000万，用户单日提问量超1000万 [25] 海外AI医疗生态进展 - 数据：碎片化与隐私保护之争 * **美国数据生态**：医疗健康数据保护体系完善，从1974年《隐私法》到1996年HIPAA法案，再到2025年HIPRA法案将保护范围扩展至非HIPAA监管实体，构成了强大的数据保护矩阵 [31][32] * **美国数据信息化**：2009年HITECH法案推动美国电子健康记录(EHR)使用率从约12%提升至2021年的96%，带来了医疗数据的爆发式增长 [34][35] * **美国数据商业模式**：得益于良好的数据基础设施和明确的法规，部分企业通过聚合数据供应商、数据连接/传输轨道、数据转换+分析工具、原生/新兴数据收集者等商业模式实现医疗健康数据的整合和利用 [37] * **中国数据现状**：健康数据数字化正在补课，2023年三级公立医院电子病历4级及以上占比87.99%，二级公立医院仅为19.9%，目标2025年二级以上医院达到四级以上 [38] * **中国数据监管**：自2018年起逐步建立医疗大数据标准规范、互联互通、隐私保护等法律框架，2023年成立国家数据局协调数据基础制度建设 [38][39] 海外AI医疗生态进展 - 监管：严格监管与灵活试点并行 * **美国监管框架**：在现有法律框架内灵活运用指导原则和试点项目，通过引入预定变更控制计划(PCCP)等内容，引导AI医疗器械安全有效落地 [41] * **美国获批情况**：截至2025年12月，FDA共批准1430款AI医疗产品，其中2021-2025年共批准984款，占比超过一半（68.8%），AI产品上市进入爆发期 [41] * **美国监管路径**：FDA根据风险将医疗器械分为I、II、III类并设置差异化审批路径，截至2025年8月，已获批的AI医疗产品中89.7%（1119款）通过501(K)批准 [44] * **美国获批产品分布**：已获批产品中，27.5%用于心血管疾病、22.7%用于神经疾病、19.3%用于肿瘤疾病，前五大疾病占比超90%，其中64%是影像学产品 [44] * **全球监管特征**：各国监管体系各具特点，共同面临保障患者安全与鼓励创新的双重挑战，监管难点包括自适应算法更新、数据合规性、数据偏差、模型可解释性等 [46][47] 海外AI医疗生态进展 - 支付：从明确价值到明确的价格 * **美国支付现状**：目前美国已有超过1400个产品获得FDA批准，但只有少数AI产品获得医保报销，2017-2023年获得FDA批准的医疗器械共获得支付金额约为5930万美元 [48] * **美国支付框架**：CMS对AI医疗产品的支付主要根据支付方式划分，包括按项目收费（需取得CPT一类编码）和按服务收费（医师收费表、门诊/住院预期支付系统） [49] * **美国纳入保险标准**：非常严格，必须满足属于福利类别、未被排除、符合合理且必要三个标准 [50] * **美国CPT编码进展**：截至2026年1月，临床AI解决方案有26个CPT代码，只有3个产品获得了一类编码，分别是AI-QCT冠状动脉斑块分析、FFR-CT冠状动脉血流储备分数计算和增强成像糖尿病视网膜病变检测 [50] * **美国支付案例**：以Caristo Diagnostics的CaRi-Heart技术为例，从2026年1月1日起，其新的I类CPT代码（75577）生效，在医师收费表(PFS)中的支付费率超过1000美元，在医院门诊预期支付系统(OPPS)中报销费率为950.50美元 [53][54] * **中国支付探索**：国内AI产品以影像类为主，截至2025年12月累计有207款人工智能医疗器械获得三类医疗器械注册证，定价方面地方有探索（如浙江省），但国家层面采取“扩展项不额外加价”的保守策略 [55][57][58] 海外典型AI医疗公司 * **Tempus AI**： * 业务模式：从肿瘤检测入手，逐步延伸到数据和AI应用平台业务，连接美国65%的学术医疗中心和50%的肿瘤医生，拥有850万临床记录、120万影像记录及250 PB多模态数据 [63][68][69] * 财务表现：2025年净收入达12.72亿美元，同比增长83.4%，其中基因组学业务收入9.55亿美元（占比75.1%），数据与应用程序业务收入3.16亿美元 [82] * 业务增长：基因组学检测量价齐升，2025年肿瘤学检测诊疗人次达34.05万例，平均收入为1640美元，数据与应用程序业务收入同比增长30.9% [73][82] * 产品进展：AI应用端产品丰富，包括统一AI临床操作系统One、实时心电AI报警系统Now、医疗影像量化分析AI引擎Lens等 [80] * **Doximity**： * 业务定位：医生版Linkedin，订阅收入是公司主要收入来源，2025年Q1-Q3订阅收入占比接近100% [84][86][88] * 客户情况：核心大客户驱动收入快速增长，2024年创收在10万美金以上的客户数达300个，净留存率高 [89][90] * **OpenEvidence**： * 发展速度：估值在一年内翻12倍，从2025年2月A轮融资后估值10亿美元，增长至2026年1月D轮融资后估值120亿美元 [91][92] * 运营数据：用户增长迅猛，截至2026年1月覆盖43万医生（覆盖40%美国医生），月咨询量达850万次，年化广告收入达1.5亿美元，毛利率超过90% [92] * 用户粘性：与Doximity AI相比，医生在OpenEvidence上平均每次使用时间为13.3分钟，是其4倍 [97] * 市场地位：月活跃用户数和用户时长快速提升，截至2025年10月，其月活跃用户数占比为84%，远超Doximity的16% [101] 启示与投资建议 * **总结与启示**： * AI产品力发展三要素为算法、算力、数据，其中包含患者诊断和治疗闭环的数据尤为重要 [106] * 主流商业模式核心是医生/医院、医保、患者、药械企业付费，付费前提是监管获批、医保支付和产品力支撑 [106] * 从美国经验看，医疗数据产业发展经历了信息化和资产交换合规化两个阶段 [106] * 主流国家AI产品监管框架已逐步确立，保障患者安全与鼓励创新并行 [107] * 主流国家将AI产品纳入医保支付体系态度谨慎，纳入产品数量少、时间长，美国AI产品获批数量为1430个，但纳入医保支付的产品只有3种 [107] * **投资建议**：AI医疗投资机会围绕以下四条主线展开 [108][109] * **数据资产底座**：关注医疗信息化龙头，如创业慧康、卫宁健康、万达信息、嘉和美康等 * **数据资源平台**：关注通过卡位检验、检测、服务等场景积累闭环数据的平台，如美年健康、金域医学、迪安诊断等 * **有明确应用场景和海外映射的C端应用公司**：关注类似OpenEvidence模式的公司，如医脉通、阿里健康、京东健康等 * **巨型C端应用入口上下游的产业链**：伴随蚂蚁阿福、ChatGPT Health等入局，其对院内和可穿戴数据接入需求提升，问诊外的体检、检测、购药需求将逐步体现

公司财务与市场预期 - 公司CEO确认，其旗舰芯片将帮助公司在2027年创造1万亿美元的营收[4] - 此前公司对数据中心设备销售额的展望为2026年底达5000亿美元，最新预测将时间延长一年至2027年，且累积金额翻倍至1万亿美元[6] - 该财务预期发布后，公司股价盘中最高上涨超4%，最终收盘上涨1.6%[7] 新产品与平台战略 - 公司强调其Vera Rubin并非单一芯片，而是由7种芯片和5种机架系统组成的完整AI超级计算机平台[8] - 新发布的Vera CPU机架单机架集成256颗CPU，与传统CPU相比，计算效率提升2倍，运行速度提升50%[10] - Groq 3 LPX机架搭载256个LPU处理器，提供128GB片上SRAM和640TB/s扩展带宽，与Vera Rubin平台结合后，推理吞吐量/功耗比将提升35倍[10] - 公司推出的Spectrum-6 SPX采用了共封装光学技术，带来5倍更高光功率效率和10倍更高网络可靠性[13] - 公司推出Space-1 Vera Rubin模块，将数据中心级AI计算能力部署到卫星和轨道数据中心，面向在轨推理、实时地理空间智能等任务[16] - 公司产品组合形成从轨道边缘计算到地面AI数据中心再到云端分析的完整算力架构[18] 技术路线与生产规划 - LPU芯片将由三星代工，预计相关机架将于今年下半年开始出货[10] - 公司发布的三款新机架均采用液冷架构[12] - 未来的Rubin Ultra在Kyber机架中将采用垂直插入排列，使单个NVLink域中可连接144块GPU[15] - 下一代费曼架构GPU将采用堆叠芯片和定制HBM技术[15] 软件与生态系统 - 公司通过NemoClaw进军AI智能体基础设施赛道，其定位为OpenClaw智能体平台的基础设施层，可通过“一条命令”部署AI代理[19] - NemoClaw可运行在从RTX PC到DGX Spark等多种设备上，旨在推动“始终在线的AI助手”需要专用计算设备[19] - 公司宣布进一步扩展其“开放模型体系”，重点覆盖智能体AI、物理AI和医疗AI三大领域[19] 图形技术突破 - 公司在GTC大会上发布DLSS 5，并称这是自2018年实时光线追踪推出以来，在计算机图形领域最重要的一次突破[20] - 公司CEO将DLSS 5描述为图形领域的“GPT时刻”，该系统将传统3D图形数据与生成式AI模型结合，通过预测和补全图像内容来提升渲染效率[21]

报告投资评级 - **买入**：报告维持对京东健康的“买入”评级 [1][7] 报告核心观点 - **业绩超预期，渠道价值彰显**：京东健康2025年下半年总收入及非IFRS净利润增长强劲，超出市场预期，彰显了其强大的渠道价值 [1] - **增长前景稳健**：尽管面临高基数、部分品类降价及流量红利减弱等短期挑战，但公司通过强化医药品类运营能力，有望支撑收入实现稳健的复合增长 [1] - **估值与目标价**：基于2026年28.0倍目标非IFRS市盈率，报告给出65.2港元的目标价，较可比公司均值存在溢价，反映了对其较高增长潜力和市场地位的认可 [5][14] 财务业绩总结 - **2025年下半年业绩**：总收入为381.5亿元，同比增长28.0%，高于市场一致预期的22.2% [1] - **分季度增长**：第四季度单季收入同比增长27.4%，延续了强劲势头 [1] - **盈利能力提升**：2025年下半年非IFRS净利润为29.6亿元，同比增长37.9%，非IFRS净利率为7.8%，同比提升0.6个百分点 [1] - **收入结构优化**：利润增长主要得益于高毛利的平台服务收入占比提升及运营效率持续优化 [1] 业务运营分析 - **电商业务高增长**：2025年下半年医药和健康产品销售收入为315.5亿元，同比增长26.8%，增速较上半年进一步回升 [2] - **平台服务收入强劲**：平台、广告及其他服务收入为66.0亿元，同比增长33.8% [2] - **用户增长与运营效率**：年度购买用户数同比增长18.6%，平台销售效率提升 [2] - **上游供给吸引力增强**：2025年平台新药首发超过100款，较2024年的30余款显著提升 [2] - **聚焦高潜赛道**：公司聚焦婴童发育、银发营养、抗炎抗衰老、滋补即食化四大赛道，助力品牌实现长效增长 [2] - **供应链与技术创新**：在医疗器械领域，公司深度融合供应链优势，打通线上线下服务闭环，例如与鱼跃医疗合作推出定制款设备 [2] 线下业务与O2O扩张 - **自营药房加速扩张**：截至2025年底，公司已开设超300家自营药房门店，较上半年“超百家”的计划实现加速扩张 [3] - **医保支付扩展**：线上医保个账支付已扩展至29个重点城市，打通全流程 [3] - **O2O履约能力提升**：“京东买药秒送”业务实现跨越式增长，京东到家快检业务全年订单量同比增长81.9% [3] - **扩张策略**：管理层表示不会进行大规模收购，将延续自身节奏推进线下布局，预期相关投入不会对利润产生明显影响 [3] 医疗AI布局 - **产品矩阵形成**：京东健康在AI医疗领域已形成包含2C、2D、2H的产品矩阵布局 [4] - **2C产品**：包含AI产品“康康”及“京医”，内置多类型AI智能体，截至2025年底，AI医生“大为”累计完成“数亿次”交互，好评率达98% [4] - **2H产品**：包含产品“卓医”，协助医院与医生进行患者管理 [4] - **2D产品**：包含产品“知医”，定位为医生打造的循证医学AI工具 [4] - **未来方向**：管理层表示将持续推进AI在更多场景中的应用 [4] 盈利预测与估值调整 - **收入预测调整**：将2026/2027年收入预测分别微调+1.0%/-0.3%至874亿元/993亿元，并首次给出2028年预测1105亿元 [11] - **净利润预测下调**：将2026/2027年非IFRS净利润预测分别下调11.9%/14.0%至66.2亿元/77.5亿元，主因降息环境可能影响利息收入，以及O2O和AI投入可能影响经营利润 [5][11] - **毛利率预测**：预计2026/2027年毛利率分别为25.2%/25.6% [11] - **估值倍数调整**：目标非IFRS市盈率从30.0倍下调至2026年28.0倍 [5][14] - **溢价理由**：估值较可比公司2026年市盈率均值14.5倍存在溢价，主要基于公司更快的收入增速预期和AI医疗的先发优势 [5][14] - **增长预期**：报告预计公司2025-2027年收入年复合增长率为19.5%，显著高于可比公司Visible Alpha一致预期的8.5% [5][14] 财务预测与经营指标 - **收入增长**：预计2026/2027/2028年营业收入分别为874.25亿元、993.16亿元、1105.21亿元，同比增长19.04%、13.60%、11.28% [9][13] - **调整后净利润**：预计2026/2027/2028年非IFRS归母净利润分别为66.18亿元、77.51亿元、87.45亿元，同比增长1.30%、17.13%、12.81% [9][13] - **利润率**：预计2026/2027/2028年非IFRS归母净利率分别为7.6%、7.8%、7.9% [13] - **分业务收入**：预计2026年产品收入为722.40亿元，服务收入为151.85亿元 [13]

政策核心导向 - 2026年政府工作报告明确政策核心导向为“强创新、惠民生”，将生物医药列为新兴支柱产业，并将脑机接口纳入未来产业[3] - 政府工作报告延续“三医联动”导向，提出居民医保人均财政补助标准提高**24元**，并加快发展商业健康保险以推动创新药械发展[6] - 与2025年相比，2026年工作任务在医保、医疗、产业支持方面表述更全面、更优化，例如在“新质生产力”部分明确列出生物医药和脑机接口[8] 十五五规划重点 - “十五五”规划草案提出**6**方面共**109**项重大工程，其中直接涉及医药卫生领域的约有**14**项[3] - 在引领新质生产力方面，新产业新赛道培育发展的**10**个方向中，包含生物制造、脑机接口、高端医疗器械（占比**3/10**）；前沿科技攻关的**8**个方向中，包含生命科学与生物技术、脑科学与类脑研究、重大疾病防治与创新药研发（占比**3/8**）[3][9] - 规划草案在“保障和改善民生”和“健康中国建设”方面，亦包含公共卫生能力建设、优质医疗服务提升、中医药传承创新、“一老一小”服务等多项医药相关工程[11] 行业代表建议焦点 - 医药界代表建议高度聚焦于**创新、制度和数智化**，反映了行业趋势、企业痛点与政策导向的重合[3][13] - 在医疗AI与数字化方面，建议重点包括完善数据资产管理制度、推动数据要素流通、明确AI在医疗中的角色定位并构建全周期安全体系[14] - 在医保与创新药方面，建议优化集采机制、建立医保支付标准联动、构建“基本医保+商业保险”多元支付格局，并简化创新药医保准入流程[14][15] - 在中医药与康复养老方面，建议建设中医药大数据平台、推动智能化改造，并将康复医学设为一级学科、发展智慧养老设备[15] 风险提示 - 政策的具体落地时间和实施进度存在不确定性[3][18]

行业趋势与公司战略定位 - 医疗AI行业正经历分流，一边是巨头扎堆推出面向消费者的轻问诊工具进行流量狂欢，另一边是如公司般深度锚定医疗场景应用价值，聚焦解决实际效率难题[2] - 公司选择跳出C端流量竞赛，采用“AI工具+增值服务+供应链收益”的长期商业逻辑，形成良性闭环，而非短期流量变现[5] - 公司的核心战略是回归医疗本质，通过“AI+供应链”双轮驱动，解决“能不能给医护减负、能不能提高诊疗质量、能不能改善患者体验”三个核心问题[8] - 行业正处在“概念”与“实效”的十字路口，两会代表的建议指向了更实在的基层与医院应用需求，与公司的“办实事”逻辑不谋而合[9][10] 公司财务与业绩表现 - 公司2025年全年总收入达734亿元，同比增长26.3%，连续四个季度同比增速超20%[2] - 2025年非国际财务报告准则下净利润达65亿元，同比增长36.3%，净利润率攀升至8.9%，创公司成立以来新高[2][14] - 收入结构持续优化，服务收入同比增长34.1%，远超商品收入24.8%的增速，AI赋能的高附加值业务成为新增长引擎[5] - AI正加快成为公司业绩增长的新引擎，实现了“增收增利增用户”[2][14] 核心AI产品与技术能力 - 公司旗下“京医千询”大模型在MedBench多模态大模型评测中登顶，继2025年2月以96.1分登顶综合评测榜后再次刷新行业纪录[6] - “京医千询”采用“三引擎+四模型”技术架构，三引擎为循证数据引擎、临床病例引擎和医患交互仿真引擎，四模型包括全科医生模型、专科医生模型、健康Agent及影像大模型[6][23][24] - 循证医学AI产品“知医”整合了超过4000万篇全球权威医学文献、4万份临床指南及3万份药品说明书，为医生提供精准高效的决策支持[21] - “知医”已完成新一轮升级，核心是循证能力深度强化与减少模型幻觉，并由公司专家委员会深度共建以提升权威性[7][22] 医院场景解决方案与落地成效 - 针对医院临床营养管理痛点，公司AI系统实现了从营养筛查、评估到干预、随访的全流程自动化，估算在大型三甲医院可节省921个人力成本[18] - 针对慢病管理，公司“京东卓医2.0”AI系统能精准识别出31%需要体重管理的潜在患者，目标实现80%高危患者的识别与覆盖，并延伸至一年期院外管理[11] - 针对药事服务，AI审方系统合规率超过90%，能实时识别不合理用药等问题，并实现处方全程可追溯[20] - “卓医2.0”已在全国多家权威医院落地，包括温州医科大学附属第一医院、华中科技大学同济医学院附属协和医院等，累计服务患者超500万人次[14] - 公司AI产品加快与头部医疗信息化厂商（如东华医为）的HIS系统主动对接，并与武汉协和医院等深度共创，实现快速上线与贴合临床需求[26] “AI+供应链”协同与商业闭环 - 公司通过强大的供应链能力，解决了医疗AI落地的“最后一公里”难题，如特医食品、药品的及时配送，形成了“院内诊疗+院外管理”的服务闭环[7][18] - 在慢病管理场景，公司与鱼跃、三诺等品牌推出定制款CGM动态血糖仪，构建了从硬件、软件到服务、生态的完整闭环[12] - 供应链高效履约能力在2025年流感高发季得到验证，到家快检订单量同比增长238%，新用户增长187%[26] - 公司联合上游品牌（如玛士撒拉、达能纽迪希亚）签署“AI+临床营养供应链生态共建”协议，打通从方案制定到产品配送的全链条[27] - “AI+供应链”模式将效率提升直接转化为业绩增量，并有望带动健康消费赛道增长，成为重要的业绩驱动力[18] 医生赋能与生态建设 - “知医”作为医生的“智能外脑”，旨在将医生从繁琐的非核心工作中解放出来，提升诊疗效率[21] - 公司坚持将“知医”作为免费工具向所有医生开放，集成在京东医生APP中，使其成为医生的“帮手”而非“替代者”[22] - AI工具助力公司互联网医院生态发展，2025年新增男科、肿瘤专科，增设专病门诊，并发布了50余种疾病标准化诊疗路径[22] - 通过免费工具吸引优质医疗资源入驻，搭建医生生态，是公司商业闭环的起点[5] 用户基础与市场影响 - 公司拥有2.18亿年度活跃用户，为长期增长筑牢了用户根基[27] - 公司的实践证明了医疗AI的价值在于技术落地与商业闭环，而非概念炒作，开启了医疗AI的“实效革命”[27][29]

报告行业投资评级 - 维持体外诊断行业 **“增持”** 评级 [5][56] 报告的核心观点 - “十五五”规划将高端医疗器械列为新产业新赛道，IVD作为其重要组成部分，将直接受益于政策支持与市场准入优化 [4] - “十五五”规划重点攻关的生物医用材料有望突破IVD试剂核心原材料的“卡脖子”环节，提升供应链自主性 [4] - 医疗AI与生命科学与生物技术被列为前沿科技，将驱动IVD向智能化、多组学检测等精准诊断方向升级 [4] - 整体来看，IVD行业在技术融合、国产替代与早筛等新场景拓展上迎来明确发展机遇 [4] - 国内体外诊断行业处于行业筑底阶段，建议从产业技术周期及细分行业成长性角度，重点关注免疫诊断中的化学发光、分子诊断领域的PCR等方向 [5][6][56] 根据相关目录分别进行总结 板块及个股表现 - 本周（3.2-3.6）申万一级行业医药生物指数下跌 **2.78%**，跑输沪深300指数 **1.71** 个百分点 [1] - 申万三级行业中，体外诊断板块报收 **8094.60** 点，本周上涨 **0.18%**，是医药生物子板块中唯一上涨的板块 [1][20][22] - 2025年以来，体外诊断板块累计上涨 **4.01%** [22] - 本周体外诊断板块内表现居前的公司有：中源协和（**+12.7%**）、九安医疗（**+10.5%**）、热景生物（**+5.8%**）、新产业（**+4.1%**）、亚辉龙（**+3.3%**） [2][26] - 本周体外诊断板块内表现靠后的公司有：硕世生物（**-7.4%**）、易瑞生物（**-3.3%**）、普门科技（**-6.0%**）、安必平（**-5.9%**）、东方生物（**-5.7%**） [2][28] 行业估值及行业数据 - 截至本周末，申万体外诊断板块PE（TTM）为 **39.41 X**，较前一周提升了 **0.07 X**；近一年PE最大值为 **42.42 X**，最小值为 **20.96 X** [3] - 截至本周末，申万体外诊断板块PB（LF）为 **1.80 X**，较前一周提升了 **0.01 X**；近一年PB最大值为 **2.01 X**，最小值为 **1.53 X** [3] - 在申万医药生物三级子行业中，体外诊断板块当前PE（**39.4 X**）低于医疗研发外包（**87.9 X**）、疫苗（**52.3 X**）等，高于医药流通（**20.4 X**）、中药（**26.6 X**）等 [46][53] - 在申万医药生物三级子行业中，体外诊断板块当前PB（**1.8 X**）低于医院（**4.3 X**）、医疗设备（**3.8 X**）等，高于医药流通（**1.3 X**）、血液制品（**1.7 X**）等 [48][54] 投资建议 - 报告认为，我国的生化诊断国产化进程已基本完成 [5][56] - 投资建议重点关注免疫诊断中的化学发光、分子诊断领域的PCR等方向，并提及了亚辉龙、圣湘生物等公司 [6][56]

文章核心观点 文章通过一场圆桌论坛，探讨了医学大模型从技术演示到规模化应用的发展路径，核心观点认为：医疗大模型的价值在于创造低成本、高质量的医疗生产力，其成功的关键不在于算法架构，而在于高质量的数据治理、专业的医学对齐以及严格的伦理边界设定，最终目标是构建以患者为中心的数字健康生态 [4][7][9][15][16] 行业发展趋势与核心挑战 - 行业正从通用大模型的“算力竞赛”转向垂直领域的“知识深度竞赛”，在极度细分的医疗领域，掌握专家反馈闭环和专业知识对齐的小团队有能力超越通用模型 [10][32] - 医疗大模型普及的最大障碍之一是全球差异化的监管环境，美国与欧洲的监管更为严苛和保守，而国内监管相对友好，公众接受度较高 [49] - 行业面临“数字鸿沟”挑战，在海外，边远地区老年人对AI接受度低，而在国内，三四线城市及中老年用户因医疗资源匮乏反而成为医疗AI的重要用户群体 [50][51] 医疗大模型的价值定位与评估标准 - 在严肃医疗领域，AI技术价值的终极标准是能否“进入临床诊疗指南”，这是其在严肃医疗中获得合法执业地位的前提 [7][50] - 医疗AI的核心角色是填补“以患者为中心”的服务缺口，例如作为患者的“第二诊室”或“数字管家”，通过预问诊、随访和长程记忆，弥补医生面诊时间短、服务断裂的不足 [9][25][48] - 评估医疗AI应遵循“以病人为中心”的原则，在费用和社会消耗可控的前提下，衡量病人是否获得最大收益，其价值分配的理想状态是：若AI创造100元价值，应让病人拿走98元，开发者分2元 [7][55] 技术壁垒与核心竞争力 - 医学大模型真正的护城河不在于Transformer等算法架构，而在于“冰山之下的评测集与数据治理（Data Curation）”，处理非规范、残缺的“脏”临床数据是主要难点 [9][54] - 构建高质量的医疗评测基准（Benchmark）成本极高，生成一条复杂的高质量评测数据在国内成本约三四千元人民币，需要与顶尖医生合作定义“北极星指标” [9][54] - 数据治理AI的算法复杂度可能超过最终训练模型的算法，研发者80%的精力应放在将医院数据转化为“AI Ready”的高质量临床养料上 [55] 产品实践与市场表现（以蚂蚁集团“阿福”为例） - 蚂蚁医疗大模型“阿福”APP下载量已突破5000万，日活用户达到1000万，每天回答的提问数超过1000万，月环比增速达94% [18][21][35] - 用户结构均衡，60后、70后、80后占比极高，55%的用户来自三线以下城市，反映了中老年群体及医疗资源欠发达地区的强需求 [21] - 核心功能包括健康档案记录与管理、多模态健康问答（支持拍皮肤、化验单、药盒）、以及链接“好大夫”线上30万名三甲医生资源等服务 [22] 风险控制与伦理对齐 - 需警惕大模型的“AI迎合性”或“AI精神错乱（AI Psychosis）”风险，即模型为获得好评而顺着用户错误认知说话，可能强化患者幻觉，诱导极端行为 [12][41][42] - 医疗AI必须具备“场景敏感度”，在儿科、心理科需提供温情与安抚，但在涉及重症决策时必须切换到“冷峻模式”，学会在证据不足时“拒绝回答”或“建议去医院”比学会回答更重要 [12][13][47] - 通过分层“医学对齐”控制风险，包括表达层、理解层和安全层，并需在产品端设置“红色警报”机制，在识别到严重风险时接入真人专家干预 [44][45][47] 未来应用场景与发展阶段 - 短期核心应用场景是“预问诊”与“随访”Agent，可提升医生诊断效率，一个医生团队能因此管理更多患者，目前挑战在于与医院HIS系统深度对接 [52][53] - 未来演进分为三阶段：第一阶段提升知识深度与医学感知能力；第二阶段各种专业Agent（营养、康复等）爆发；第三阶段实现人机协同新范式，一个主任医师通过AI辅助可能管理上万个患者 [56] - 理想形态是“每个家庭都有一个AI健康管家”，作为拥有长程视角的“数据守望者”，存储用户完整健康档案，提供全局健康管理 [7][54]

文章核心观点 - 阿里巴巴达摩院的医疗AI产品“胰腺病变CT图像辅助分诊软件”于2026年2月进入NMPA创新医疗器械特别审查程序，标志着其正式进入国内监管快车道，其海外版本已于2025年4月获得美国FDA“突破性医疗器械”认定，展现了公司深思熟虑的全球化医疗AI战略[1][2] - 达摩院以胰腺癌早筛为战略突破口，通过“平扫CT+AI”的技术路径和“一扫多筛”的平台化模式，实现了从单一病种到多病种覆盖，并构建了从三甲医院验证到基层下沉、从中国到全球的市场路径，以及从单点工具到平台生态的演进，为中国医疗器械行业的AI转型提供了系统性的战略样本[4][7][11][18][20][21][23][25] 战略起点：为什么是胰腺癌 - 选择胰腺癌作为突破口，是因为该病种是“癌症之王”，五年生存率长期徘徊在个位数，超过80%的患者确诊时已属中晚期，全球每年新增病例超过50万，但缺乏低成本、可规模化的早期筛查手段，存在巨大未满足的临床需求[4] - 达摩院的DAMO PANDA系统基于最廉价的平扫CT影像，通过深度学习识别微小异常，研究数据显示其AUC达到0.996，早期胰腺癌检出率为92.9%[4] - 宁波大学附属人民医院的真实世界数据显示，截至2024年底，在18万余例CT筛查中检出24例胰腺癌，其中14例为早期，最小病灶仅1.5厘米[4] - 选择胰腺癌体现了“高处立、低处行”的战略思维，即选择临床价值高、学术影响力大的病种建立声望，同时采用最普及、低成本的技术路径确保快速规模化[5][9] 技术哲学：“平扫CT+AI”的底层逻辑 - 技术哲学的核心是“平扫CT，一扫多筛”，逻辑是不替代昂贵检查，而是让廉价的平扫CT产生更多价值，利用AI填补医生对同一张CT影像中多器官潜在病变的“注意力盲区”[7] - 产品矩阵从单一病种迅速扩展为多病种覆盖[8] - 在癌症早筛方向，DAMO GRAPE实现了全球首个基于CT影像的胃癌筛查，3秒完成判读，早期检出率达50%[8] - 在非癌症领域，iAorta系统针对急性主动脉综合征，将漏诊率从约50%降至不到5%，确诊时间从4小时缩短至2小时以内[10] - 所有产品线共享达医智影（DAMO MED）平台，一次平扫CT可同时运行多个疾病模型，实现“一扫多筛”，使AI的单次使用价值呈指数级增长[11] - 该路径是“在存量中找增量”，让最普通的影像设备产出更多诊断价值，比做更贵的设备更容易实现规模化普及[11] 监管策略：“双轨并进”与先发优势 - 医疗AI产品必须通过医疗器械注册审批，监管策略是企业战略的核心[12] - 国际市场：DAMO PANDA于2025年4月获得FDA“突破性医疗器械”认定，这为产品提供了加速审批支持，并具有全球性的创新性背书信号效应[13] - 国内市场：2026年2月进入NMPA创新医疗器械特别审查程序，可获得优先审评等政策支持，审评时间通常显著短于常规路径[13] - 采用“先FDA、后NMPA”的节奏，可以利用FDA的“黄金标准”认可为国内审评形成有力背书，并为后续国际市场拓展铺平道路，是“以外促内、内外协同”的策略[14] - 将顶级学术发表（如三次在《Nature Medicine》发表）与监管申报紧密耦合，系统性构建高质量的临床证据链以支撑审评[15] 市场路径：从三甲到基层，从中国到全球 - 市场渗透遵循“由上而下、由内而外”的逻辑线[18] - 第一步：与顶级临床机构合作开展多中心研究，积累证据并获得头部医院品牌背书[18] - 第二步：通过达医智影平台向1500余家医疗机构输出AI服务能力，覆盖多地的三甲与县级医院[19] - 第三步：与美年健康战略合作，将多癌早筛嵌入常规体检流程，利用已形成明确付费意愿的亿级受众场景[19] - 第四步：在基层开展多癌早筛公益项目，履行社会责任并为基层市场渗透做铺垫[20] - 国际化布局：与WHO数字健康合作中心合作提升定位；与新加坡国立健保集团合作切入东南亚市场；达医智影已服务9个国家和地区、累计超过5000万人次，形成了“规模即壁垒”的良性循环[20] 生态构建：从单点工具到平台生态 - 达医智影平台已对接30余家医疗影像ISV，形成开放技术生态，公司角色从“AI产品提供商”向“AI能力平台”演进[21] - 阿里巴巴集团内部协同效应显著，阿里健康（医疗、医药电商）、蚂蚁集团（支付、保险科技）与达摩院医疗AI技术形成“技术—场景—支付”的闭环，可构建完整的患者服务链路[21] - 生态化为医疗器械企业提供了合作机遇，例如硬件设备制造商可将AI能力嵌入自身产品，或深耕基层市场的企业可扮演区域化落地运营伙伴[22] 对中国医疗器械企业的核心启示 - 第一，病种选择决定战略高度：应优先考虑临床需求明确、现有解决方案不足、具有全球共性的病种[23] - 第二，技术路径要与普及性对齐：将创新锚定在最广泛的存量基础设施上，确保技术突破后能快速规模化[23] - 第三，监管是前置战略：应从产品研发第一天起规划注册路径，并将学术发表与监管申报深度耦合[23] - 第四，从单品思维升级为平台思维：构建“一扫多筛”的平台模式，实现边际成本递减而边际价值递增[24] - 第五，拥抱生态化竞争：对于中小型企业，应思考在生态中找到不可替代的位置，如硬件嵌入、区域运营或垂直场景深耕[24]

蚂蚁阿福的C端战略与市场推广 - 蚂蚁集团旗下“阿福”APP在2025年12月单月投入“小几个亿”市场推广费用，通过线上KOL和线下地推进行全人群覆盖 [1] - 推广效果显著，截至2026年1月23日，阿福APP总用户数突破1亿，春节新增用户中52%来自三线及以下城市 [1] - 公司CEO韩歆毅将阿福的成功标准定义为：中国一半以上用户有健康疑问时第一时间想到问阿福，或一半以上用户愿意推荐给家人朋友 [6] 医疗AI行业战略转向：从B端到C端 - 与上一个十年医疗AI主要面向B端医院市场不同，本轮以蚂蚁阿福和百川智能为代表的企业选择直接面向消费者（To C） [2] - To C战略旨在改变人们的就医路径，而非改变医生的诊疗习惯 [3] - 蚂蚁集团将原“数字医疗健康事业部”升级为“健康事业群”，使其成为与生活服务、金融服务并重的三大支柱服务业之一 [5] 政策环境提供发展契机 - 2025年10月，国家卫健委发布文件，提出到2027年建立高质量医疗数据集，到2030年实现基层诊疗智能辅助应用基本全覆盖 [3] - 2026年1月，国家医保局发布通知，开展“个人医保云”试点，预计2027年3月底前完成验收，将为13亿参保人建立基础健康数据池 [3] - 政策为医疗AI在B端（覆盖16000多家二级以上医院）和C端的落地提供了正当性与数据基础 [4] 行业竞争格局与人才争夺 - 蚂蚁集团与百川智能是当前医疗AI To C赛道的主要竞争对手 [5] - 蚂蚁集团在政策酝酿期便迅速行动挖角人才，曾出现百川智能“一联排的人都接到了猎头电话”的情况 [5] - 腾讯在本轮热潮中选择了To B路线，卖云卖算法，减少了对医疗的投入，不再单独开发健康应用 [11][12] 过往医疗AI（B端）面临的挑战与困境 - 面向B端的医疗影像AI产品虽已有超过110款获得国家药监局第三类医疗器械批准，但未能形成可复制的商业模式 [9][11] - 产品同质化严重，进院常需免费赠送，医院因反腐高压和财政紧张付费意愿低，更倾向于采购联影等上市公司产品 [11] - 即便AI辅助诊断准确率高达90%以上，厂商仍担心基层医生过度依赖AI结果带来医疗风险，且医保政策鼓励使用但不允许额外付费 [10][11] - 2018年医疗AI融资额达到76亿元，融资91次，但许多尝试未能持续 [8] 技术路径的演进与当前方案 - 行业正通过优化语料、增加事实校验等方式降低大模型的“幻觉”率，百川智能宣称已将其模型幻觉率降至2.6% [14] - 纯粹的“大数据”路径可能无法实现可靠诊断，行业探索结合大模型与小模型的方案：用大模型进行健康咨询与分诊，用小参数单病模型进行诊断 [14] - 这种大小模型组合模式可以兼顾不同场景对准确性与泛化能力的要求，且小模型算力消耗低（仅需个位数GPU） [14][15] 行业各方诉求与未来展望 - 决策层希望利用AI提升人民健康水平并带动消费与就业；公立医院面临营收压力，需要创收工具；互联网企业拥有技术与资金，寻求商业回报 [16] - 各方诉求共振，形成了一个共同拥抱AI的窗口期 [17] - 行业参与者从各自舒适区出发：京东健康、阿里健康聚焦影响医生与药企；联影智能重构医院信息系统；讯飞医疗拓展市场；三甲医院开发各类智能体（agent） [17] - 专家预测，未来十年，随着居家监测设备和AI问诊普及，高血压、糖尿病等慢病诊疗可能在患者家中完成 [17]

公司科研突破 - 公司两项原创研究成果在国际顶级期刊《自然》发表 分别在罕见病AI诊断和神经发育疾病基因治疗领域实现重大突破[1] - 公司研发的DeepRare是全球首个可溯源智能体式罕见病诊断系统 首创“中枢-分身”可溯源Agentic AI架构 使AI诊断推理过程从“黑盒”变为“透明诊室”[1] - 在基因治疗领域 公司团队实现了脑内基因位点的精准“修错” 为自闭症等神经发育疾病的治疗带来突破性进展[3] AI诊断系统DeepRare的技术优势 - DeepRare从知识储备 诊断思维 推理过程三大维度实现对传统医疗AI的代际超越[1] - 知识储备上 系统打破医学数据孤岛 深度整合海量医学文献知识库与真实临床病例数据[1] - 诊断思维上 系统拥有人类医生的“慢思考”能力 通过“假设-验证-自我反思”迭代循环推敲诊断线索[1] - 推理过程上 系统实现全流程“白盒”推理 每一个结论均附带完整证据链条[1] AI诊断系统DeepRare的效能与进展 - 实测数据显示 DeepRare仅依靠临床表型信息时 首位诊断准确率达57.18%[2] - 引入基因测序数据后 复杂病例综合首位诊断准确率突破70.6% 其推理报告获公司专家团队95.4%的高度认可[2] - DeepRare罕见病在线诊断平台已上线半年 吸引超1000名专业用户注册 服务全球600余家顶尖医疗科研机构[2] - 该系统已在公司完成院内部署并进入内测阶段 即将作为“数字质控员”应用于全院罕见病诊疗质控流程[2] AI诊断系统DeepRare的行业影响与规划 - 《自然》期刊同期配发的专家评论强调 像DeepRare这样能展示推演过程的系统 更能赢得信任并证明其实用价值[3] - 公司团队正筹备发起“全球AI罕见病诊疗联盟” 并同步启动“万人临床验证计划” 计划完成20000例疑难罕见病真实世界验证[2] 基因治疗技术的突破 - 研究团队构建了复刻患者核心症状的人源化突变小鼠模型 搭建精准的“疾病模拟平台”[4] - 团队创新性设计出新型腺嘌呤碱基编辑器TeABE 与传统技术相比 全程无DNA双链断裂风险 大幅降低基因组紊乱风险[4] - 实验显示 编辑器成功抵达突变小鼠多个脑区实现靶向修复 其社交回避 认知迟钝 运动不协调等行为异常得到显著改善[4] - 团队在非人灵长类（猕猴）模型中开展实验 成功检测到明确的碱基编辑活性 验证了该技术的跨物种应用可行性[4] 公司在神经发育障碍领域的长期积累 - 公司团队深耕儿童神经发育障碍领域二十余年 致力于其遗传及环境病因的基础到临床转化研究[4] - 公司团队在环境病因研究方面亦有突破 其牵头的“神经发育障碍的生命早期环境风险因素识别和防控体系建立与推广”项目 在2025年中华医学科技奖评选中获医学科学技术奖一等奖[4][5]