智通财经APP获悉，中国银河证券发布研报称，看好2026年医药行业投资机会，近期震荡调整后估值已 回落至相对低位，有望在2026年重启升势，投资思路上寻找医药硬科技和细分赛道α，推荐关注创新药 （BIC和FIC管线龙头）、创新器械（影像、高值耗材、消费器械等）、医疗AI方向，关注医药消费复 苏及独立第三方ICL。 中国银河证券主要观点如下： 继续深化推进医改，优化集采及医改政策 12月中央经济工作会议如期召开，通稿中医药相关内容："优化药品集中采购，深化医保支付方式改 革。实施康复护理扩容提升工程，加强对困难群体的关爱帮扶。"其中相关投资机会理解可以从以下三 个方面解读。 集采规则优化，国产替代提速 集采提质扩面进入后半程，价格机制与质量监管并重。药品方面，国家集采累计覆盖435个品种，第十 一批聚焦55种临床成熟药物，通过按品牌报量、低价声明、合理性解释和生产质量双重抽检等制度创 新，实现稳临床、保质量、防围标、反内卷，保证中选产品的临床可及性和标准的一致性。整体来看， 随着集采规则持续优化、价格机制更趋合理、质量与供应保障监管均衡重视，国产龙头企业依靠合规和 创新能力，有望实现份额提升及结构性增长。 医改 ...

公司技术实力与产品进展 - 公司推出“山海‧知医大模型”5.0版本，以医学文本大模型和医学多模态大模型为双核心基座，实现全栈能力融合、高阶推理进化等四大核心突破 [3] - 该模型在MedBench4.0权威评测中，斩获医疗智能体、医疗大语言模型等三项冠军，其中医疗智能体单项得分94.6分，大幅领先行业同类产品 [3] - 模型的多模态融合与高阶推理能力，能够满足医保垂直大模型建设所需的精准政策解读、数据治理、风险预警，以及区域医疗质量管理所需的跨机构数据汇聚、分析和预测等高技术门槛需求 [3] 商业化落地与重大合作 - 公司与江苏省医保局、石家庄市卫建委和郑州市金水区卫健委达成深度合作，总金额超2000万元 [1] - 合作领域覆盖医保垂直大模型、区域医疗质量管理、医院信息智能化建设等 [1] - 此次与三地政府监管机构的合作，标志着公司正式突破单体医院合作模式，迈入区域整体服务的新阶段 [5] 市场地位与业务基础 - 公司解决方案已覆盖全国超30%百强三甲医院，包括北京协和医院、北京友谊医院等顶尖医疗机构 [5] - 广泛的医院合作为技术迭代提供了海量真实数据，强化了公司对接医疗体系核心需求的服务能力 [5] - 获得政府监管机构的认可，意味着公司的解决方案具备可复制的标准化能力，为后续向更多区域拓展打下基础 [5] 行业意义与发展前景 - 合作事件折射出医疗AI行业从技术研发到商业化落地的路径探索 [1] - 区域整体服务模式契合国家政策导向，有助于化解传统医疗合作中的数据壁垒、标准不一等痛点，推进医疗服务与数据的互联互通，提升医疗体系整体效率和质量 [5] - 公司兼具技术深度与场景广度的布局，将使其在千亿级医疗智能化市场中保持领先地位 [5]

行业背景与政策驱动 - 国内医疗AI产品正加速追赶OpenEvidence，其成功关键在于短期内覆盖了40%美国医生群体并融入其工作生态，这启发了国内从业者[1] - 国务院及国家卫健委等部委发布政策，明确提出到2027年AI智能体等应用普及率超过70%，到2030年超过90%，并推动临床智能体应用建设，预示医疗等领域将迎来“AI协同”的台阶式跃升[1] - 未来3年被认为是医疗AI发展的关键时期，已有6款中国产品在追赶OpenEvidence的进程中率先起跑[4] 核心痛点与医生需求 - 中国医疗AI的核心痛点是数据量足但质差且权威缺失，尽管拥有全球最庞大的临床数据，但疾病谱差异和数据标注不规范导致高质量数据匮乏，且模型缺乏顶刊级权威背书[5] - OpenEvidence的破局在于构建了从数据源头到结论输出的全链路信任体系，并将AI工具彻底融入医生工作流程，定位为提供证据支持和思路拓展而非替代医生，尤其在复杂病例与罕见病诊疗中展现价值[5] - 中国医生在诊疗和科研工作中，文献循证是一个贯穿始终且耗费大量精力的环节，他们迫切需要在文献检索、筛选、阅读和评估中提高效率[6][7] - 医生需要的AI产品是能从海量文献、指南和案例中整理出最符合当前病例的信息并以直观形式呈现，但最终决断由医生做出，产品必须避免产生“幻觉”答案[8] 中国企业的破局路径与数据挑战 - 构建权威的核心内容数据库是中国企业从技术追随者向价值引领者跨越的首要障碍，面临公共数据库的免费陷阱、顶刊授权的天价门槛及商业合作的隐形枷锁等多重壁垒[9] - 中国医疗AI企业面临额外困难，例如2025年4月美国国立卫生研究院禁止包括中国在内的多国科研人员访问其核心生物医学数据库，且部分期刊单篇论文浏览成本高达几元，给走免费路线的企业带来巨大成本压力[10] - 千万级乃至亿级的学术内容数据已成为中国式OpenEvidence产品的入门竞争门槛[11][13] 主要产品与商业模式 - 中国医疗AI产品主要沿诊疗辅助和科研辅助两条路径发展，形成了场景化深耕、专科化突破、生态化协同的集体破局模式，并未简单复制OpenEvidence的免费模式，而是全部选择To B收费[12][16] - **诊疗辅助代表产品**： - **百川M2Plus**：循证增强医疗大模型，整合超4000万篇全球文献，医疗幻觉率较通用大模型降低3倍，通过开放API和百小应APP商业化，于2025年10月发布[12] - **豆蔻医生**：妇产科专科深度循证决策工具，整合超4000万医疗文献，独创PICO-S框架，作为钉钉平台首个医生专业AI应用，采用To B收费，上线10天后超300家医疗机构开通使用[12][15] - **医渡临床Copilot**：医生工作站嵌入式智能助手，以插件形式无缝嵌入医院HIS系统，通过循证校验解决AI幻觉问题，已落地30多家三甲医院，采用To B收费[12] - **科研辅助代表产品**： - **灵犀医疗EviMed**：助力医生科研的循证平台，整合约3800万篇海外医学文献，提供科研选题分析等功能，在国内100多家三甲医院试点，采用To B收费，其学术推广收入已成为主要营收来源[11][12][14] - **MedPeer**：一站式AI医学科研平台，覆盖3400万篇医学文献，其Deep Search功能整合全球近3亿篇学术文献资源，已与100多家合作企业院校合作，采用To B收费[12][13] - **零假设KnowS**：虚拟医学研究助手，专注文献深度分析和临床数据挖掘，与Top 30跨国药企及部分本土大药企建立合作，采用To B收费，并选择通过服务B端药企反哺C端医生端的路径[12][14] 发展共识与未来展望 - 中国医疗AI产品已形成三大共识：1) 数据权利至上，实现“数据不出域”的本地化或私有云部署；2) 证据质量分层，采用多源证据权重分配及PICO框架结构化检索；3) 务实的To B商业模式，服务医院、药企等付费能力强的机构[17] - 中国式OpenEvidence产品的核心理念在于将循证医学能力原子化、标准化、基础设施化，让医生和科研团队能以可负担的成本获得顶级证据支持，这是一场关于医疗决策平权的持久战[17] - 未来3年将是这些中国产品奋力狂奔的关键时期[4][17]

市场关注与热度 - 东方港湾董事长但斌公开提及AI健康应用“蚂蚁阿福”并关注相关概念股走势 他认为明年很可能是AI应用大年 [2] - 投资界人士段永平对AI医疗能力的肯定 呼应了当前AI技术演进与公众期待 市场视其观点为风向标 [6] - 现象级产品爆发显著带动AI医疗题材热度 二级市场反应积极 医疗健康板块整体走强 美年健康、卫宁健康等多只AI医疗概念股连续多日上扬 [11] - 多家券商指出 AI医疗正从主题投资转向具备真实业绩支撑的成长赛道 [11] - 投资者在投资平台积极追问上市公司是否与“蚂蚁阿福”有合作 并呼吁公司把握趋势加速布局 [15] 产品表现与应用案例 - 蚂蚁集团旗下AI健康应用“蚂蚁阿福”表现抢眼 新版发布后下载量激增 一度冲上苹果应用商店免费总榜第二位并持续居于前列 [6] - 有医生表示在诊疗时会向“阿福”提问 起到查漏补缺的作用 提升诊断完整性 [8] - “蚂蚁阿福”为医生提供“名医AI分身”功能 联合北京大学人民医院等名医专家打造可24小时应答的AI分身 目前已有六位院士专家、超500名医生入驻生成其AI分身 至今已回答2700多万个健康咨询 [18] 行业定位与发展模式 - 专家认为AI在医疗健康领域的演进方向是成为医生的“超级助手” 扩大优质医疗服务覆盖面 分担标准、重复工作 而非替代医生 [10] - 东吴证券分析师指出 相比通用Agent 垂直Agent更容易跑通商业模式、建立行业壁垒 [13] - AI医疗是“人工智能+医疗健康”的具体体现 2025年《政府工作报告》明确提出其是培育新质生产力的重要方向 国务院印发相关行动意见鼓励发展人人可及的高水平健康助手 [17] 技术基础与行业规范 - “蚂蚁阿福”背后是蚂蚁医疗大模型 已通过中国信通院医疗健康大模型可信评估 在数据安全与用户隐私方面获评最高等级 [22] - AI医疗仍在发展初期 行业标准建立尤为关键 北京大学人民医院联合蚂蚁健康等机构发布了全国首个外科领域“AI医生”标准 尝试从规范层面推动行业稳健发展 [22]

文章核心观点 - 医疗健康行业正经历一场深刻而快速的AI变革，AI渗透率在短短两年内从不足3%跃升至接近27%，成为AI渗透率最高的核心产业之一，标志着医疗AI正式迈入“生产级应用”阶段 [2] - 本轮AI在医疗行业的落地呈现出明显的“非线性加速”特征，部署周期显著缩短，ROI回收路径更加清晰，行业正从技术的被动接受者转变为推动AI商业化落地的重要引擎 [2][3][4] - 医疗AI的投资正从“概念资本”向“绩效资本”转变，资金集中流向能快速提升效率、增加收益、改善患者体验的环节，已成为推动财务优化和运营升级的关键工具 [7][22] 医疗AI行业宏观趋势与投资格局 - 2025年医疗AI领域的年投资额达到14亿美元，几乎是2024年的三倍，其中医疗系统投入约10亿美元，占比75% [2][18] - 在所有AI应用赛道中，医疗的增长速度仅次于聊天机器人和代码生成，这股资金浪潮已催生了8家医疗AI独角兽，以及大量估值在5-10亿美元之间的成长型公司，数量超过法律、金融、媒体等其他所有垂直AI领域 [7] - 目前AI Healthcare行业中所有生成式AI的支出中，有85%流向了初创公司，但大部分客户更倾向于在已有EHR平台上采购AI服务 [2][24][66] AI在医疗服务提供方（Provider）的应用与落地 - Provider是AI最先落地、规模最大、ROI最明确的应用场景，其痛点在于利润率低、人力负担重、行政成本高、岗位短缺严重，使得AI应用的ROI最为直接且可衡量 [2][21] - 医疗文档与后台RCM的总支出约为380亿美元，合计占医疗IT支出约60%，是AI企业争夺现有支出的核心领域 [30][31] - 头部医疗机构正以前所未有的规模与速度推动AI部署，例如Kaiser Permanente部署了医疗史上最大规模的生成式AI项目，Mayo Clinic宣布未来数年将在200多个AI项目上投资超10亿美元 [11][12] - 医疗系统与门诊服务提供商的采购周期正在明显缩短，医疗系统从8.0个月缩短至6.6个月，门诊服务提供商从6.0个月降至4.7个月，这标志着行业正从“观望者”加速转向“行动者” [14] 关键应用场景与代表公司 - **环境临床文档**：年投入约6亿美元，可显著降低医生的职业倦怠与记录负担，代表公司包括Abridge、Ambience Healthcare，以及行业领导者Nuance的DAX Copilot [21][49][53] - **编码与计费自动化**：年投入约4.5亿美元，通过减少编码错误和拒付损失提升营收，代表公司包括Commure、SmarterDx [21] - **患者参与**：同比增长20倍，代表公司包括EliseAI、Hippocratic AI [22] - **预先授权**：同比增长10倍，推动支付端流程自动化，代表公司包括Latent Health、Tandem、Mandolin、Squad Health [22][36] - **患者就医全流程优化**：AI正介入实时健康管理、AI分诊、预约自动化、护理导航与随访管理等环节，代表公司包括Function Health、Doctronic、Assort Health、Hippocratic AI等 [38][39][40][41] AI在医疗支付方（Payer）的应用 - AI在医疗支付领域的规模已超过5000万美元，且年增长率达到5倍，代表企业包括Distyl、Anterior、Autonomize等 [2][43] - 支付方采购周期较长（通常达一年），且对企业级应用要求极为严格，在AI应用上仍处早期阶段，但潜在空间广阔 [43] - 随着Provider大规模部署AI，支付方面临运营负荷激增和成本上升与不可控支付风险两大系统性摩擦，策略仍处于“观察、试探、防御”并存的过渡阶段 [46] AI Scribe（智能临床文书）的竞争与发展 - Ambient Scribe是医疗AI中最早实现商业化爆发的应用类别之一，预计2025年市场规模将达到6亿美元，同比增长约2.4倍 [49] - 该领域已形成三强格局：Nuance DAX Copilot（市场份额约33%）、Abridge（约30%）、Ambience Healthcare（约13%） [49] - AI Scribe产品若停留在“文档抄写”功能层面将难以维持长期竞争力，面临客户增长潜力趋于饱和和客户粘性普遍偏弱两大制约因素 [60] - 许多初创公司正从单一功能向平台化解决方案升级，而EHR巨头也在加快布局自有AI工具，两者正在形成清晰的场景分工 [62][65] 未来3-5年关键增长点与生命科学领域应用 - 下一阶段的增长动力将主要来自服务预算自动化、智能语音与患者交互、事前审批优化以及药物研发智能化 [72][79] - 在生命科学领域，AI应用处于“研发验证和初步部署”双轨阶段，重点方向包括研发数据分析（63%）、质量与监管（48%）、临床前研究（42%）以及医疗事务与临床试验（约40%） [67][68] - 66%的制药企业正在开发专有模型，以确保在药物发现中的数据优势与IP壁垒，行业正从“使用模型”向“构建模型”战略转型 [68] - AI应用范围正在超越研发，延伸至制造与商业职能，标志着生命科学行业正进入全流程AI化的系统性重构阶段 [69]

产业政策与区域协同 - 上海支持G60科创走廊迈向世界级，作为区域科创协同的核心举措 [1] - 无锡与上海深化在人工智能和新能源产业的合作，强化跨区域产业联动 [1] - 为促进长三角产业协作与科创协同，智通财经旗下智库推出“浪尖计划”及《浪尖周报》子项目 [1] 产业发展与招商成果 - 南京人工智能与软件产业招商已提前完成全年目标 [1] - 苏州太仓正加速打造长三角工业母机产业高地 [1] - 常州落地了璞跃（Plug and Play）海外首个OPC国际社区 [1] 科技创新与平台建设 - 杭州国家医疗AI中试基地在萧山正式开园 [1] - 合肥都市圈发布了首批金融应用场景清单，总额超300亿元 [1] 对外贸易与出口表现 - 南通前11月外贸额首次突破4000亿元大关 [1] - 宁波前11月新能源汽车出口额猛增近3倍 [1]

公司荣誉与行业认可 - 鹰瞳科技在金融界主办的“启航·2025金融峰会”上荣获第十四届“金智奖”年度“杰出前沿科技企业”奖项 [1] - “金智奖”旨在树立高质量发展标杆，引导上市公司聚焦主业与持续创新，其评选覆盖A股、港股及中概股超8000家企业，最终评选出近200家获奖企业 [3] - “杰出前沿科技企业”奖项主要关注引领科技变革的先锋企业，聚焦科技成果转化与社会价值创造，是反映科技产业趋势、推动科技强国建设的重要风向标 [3] 公司业务与市场地位 - 鹰瞳科技成立于2015年，致力于为人们提供慢性病早筛及管理、近视防控、抗压能力监测、斜弱视治疗等全方位的人工智能解决方案 [4] - 公司是全球视网膜影像人工智能领域的领导者，也是国内第一家获得国家药品监督管理局（NMPA）眼底人工智能三类辅助诊断医疗器械注册证的企业 [4] - 公司于2021年11月在香港联交所成功上市，成为“医疗AI第一股” [4] 产品应用与市场覆盖 - 鹰瞳科技的人工智能视网膜影像产品已累计为3000万人提供疾病辅助诊断及健康风险评估服务 [4]

文章核心观点 - 在高风险的医疗等关键领域，AI系统的核心价值正从追求“无限生成”和“峰值表现”转向“精确克制”和“可靠停止”，即构建明确的“责任边界”和“底线保障”比单纯提升能力更重要 [1][14] - 两家风格迥异的医疗AI公司Hippocratic AI和Abridge，通过“安全第一”和“极致聚焦”的不同路径，共同验证了“主动设限”这一反直觉的创新范式 [1] - 这一“安全优先”的理念正在医疗、金融、自动驾驶、法律等多个高影响力领域成为新的标准，推动一场将价值观工程化的深刻变革 [11][14][15] 行业趋势与共识 - 医疗AI领域的一个根本性障碍是“问责制”，这比技术“准确性”更为关键，当算法直接影响人类生命时，责任划分与权力边界成为无法回避的问题 [4] - 行业共识正在改变：在风险不可逆的关键领域，衡量AI系统的标尺从“它能多高效地运行”转向“它能多可靠地停止” [14] - 创新焦点从追求模型在理想状态下的“峰值表现”，转向构建系统在最恶劣情境下的“底线保障” [14] - 市场竞争逻辑从比拼“功能广度”的军备竞赛，演进为如何清晰定义并让人信服“责任边界”的信任博弈 [14] - 这是一场价值观的工程化革命，将“安全”、“责任”、“伦理”等抽象理念转化为具体、可测试、可迭代的工程特征，并前置到产品设计源头 [15] Hippocratic AI 公司分析 - 公司以医学伦理命名，创始团队来自斯坦福医学院和顶尖AI实验室，旨在构建“永远不会越界”的医疗对话系统 [1][7] - 于2025年完成1.26亿美元C轮融资，公司估值约35亿美元，累计融资超过4亿美元，由Avenir Growth领投，Andreessen Horowitz等一线机构参投 [5] - 核心原则是“绝不伤害病人”，并将其转化为可执行的工程约束，当对话涉及诊断建议或用药指导时，系统会停止生成并建议转接人工 [7] - 系统架构为“星座系统”，由数百个专门训练的大模型组成，总计拥有超过3万亿参数，各模型各司其职、互相监督、交叉验证 [7] - 公司训练AI通过专业护理考试的核心目的，是让其更准确地理解哪些问题自己无权回答，这种在能力边界处的克制是其核心创新 [8] Abridge 公司分析 - 公司源自卡内基梅隆大学，专注于解决医疗记录单点痛点，定位为“AI医疗记录员”，不染指任何临床决策 [1][10] - 于2025年完成3亿美元E轮融资，由Andreessen Horowitz领投，估值约53亿美元，累计融资接近8亿美元 [9] - 核心功能是自动将医患对话转化为结构化临床记录，已被美国300多家医院采用，包括梅奥诊所、约翰·霍普金斯医学中心等顶级机构 [10] - 使用其产品后，医生平均每天可节省约2.5小时的文书工作时间，显著改善了医生的职业体验与满意度 [10] - 公司清晰的自我限定（只做记录者，不做决策者）是其能够快速通过严格医疗合规审查并实现规模效应的关键战略选择 [10] 其他高影响力领域的应用 - 在金融交易领域，顶级投资机构为AI系统设置“熔断机制”，在极端市场环境下，将“不亏钱”置于比“赚钱”更优先的位置 [11] - 在自动驾驶领域，Waymo等公司采用“责任敏感安全”模型，要求车辆在任何情况下都不得为避免事故而采取违反交通规则或危及他人的操作 [13] - 在法律辅助场景，AI系统可以提供案例参考和风险分析，但绝不能给出具体的判决建议，最终裁量权必须保留在人类法官手中 [13]

OpenEvidence融资与市场地位 - 美国医疗AI公司OpenEvidence正筹集2.5亿美元股权融资，若完成，其估值将翻倍至120亿美元[1][4][5] - 公司成立仅三年，融资历程迅速：2025年2月A轮融资7500万美元估值10亿美元，7月B轮融资2.1亿美元估值35亿美元，10月C轮融资2亿美元估值60亿美元[6] - 公司股东包括Google Ventures、红杉资本、凯鹏华盈、黑石集团等知名风投机构[7] - 公司已几乎垄断美国ToC医疗AI市场，日均处理临床查询超6万次，45%的美国医生是其用户[2][24] - 公司月均为医生解答约2000万个问题，用户活跃度高，已呈现医疗领域流量入口的雏形[25] OpenEvidence产品核心与竞争优势 - 产品定位为“医生专用ChatGPT”，旨在消除医生诊疗过程中的决策成本，解决罕见复杂边缘案例缺乏标准答案的临床困境[9][13][19] - 数据源独特：调用经过筛选的医疗知识库，包括PubMed、Cochrane等公共数据库及《新英格兰医学杂志》等顶尖期刊的独家授权资料，完全摒弃互联网公开数据以减少幻觉[20] - 模型专门化：采用专为医学任务训练的7B小模型，在垂直任务上表现更精准，在美国医师执照考试中满分夺冠，325道题全部正确且参考文献准确[21][22] - 产品设计严谨：给出的每条结论均基于至少两篇以上高等级文献的具体段落，医生可随时溯源[22] OpenEvidence商业模式与财务表现 - 主要变现路径为向制药公司出售广告位，目前年广告收入约为1.5亿美元，折合每天近300万元人民币[26] - 公司透露目前实际出售的广告位只占总量的十分之一，暗示其巨大的商业化潜力[28] - 公司毛利率接近90%，在AI初创公司中表现突出[29] - 高毛利率得益于：1）采用7B小模型，训练与推理成本远低于通用大模型；2）其产品为医学期刊引流，从而对内容供应方拥有极强议价权，核心数据资产由各大医学期刊主动提供[30][31] 国内医疗AI市场主要参与者 - 国内有多家产品理念类似的公司，但尚未有估值达到OpenEvidence级别的选手[32] - **医联**：旗下“未来医生”发布医疗垂直大模型MedGPT，为国内首个获批可用于提供疾病诊断与治疗建议的生成式AI，在2025年一项测评中获临床“安全性”与“有效性”全球第一，服务超2000万注册用户、150余万注册医生，估值约40亿美元（约282亿元）[34][36][48] - **百川智能**：发布循证增强医疗大模型Baichuan-M2 Plus，其医疗幻觉率优于OpenEvidence，公司A轮融资50亿元，估值达200亿元[38][40][48] - **零假设**：专注于医学智能化产品，旗下虚拟医学助手“KnowS”提供文献与临床数据分析服务，2025年10月获近亿元A轮融资，估值未披露[41][42][48] - **壹生检康**：与钉钉联合发布“豆蔻医生超级助理”，可快速整合全球超4000万篇医疗文献辅助妇产科医生决策，已完成两轮融资，估值未披露[43][44][48] - **灵犀医疗**：自研EviMed循证平台整合全球医学文献与临床数据，已应用于全国300余家大型三甲医院及20余家头部医药企业，尚未披露融资信息[45][46][48]

公司近期融资与市场动态 - 公司近日完成数千万元B+轮融资，由普华资本领投，常金控和杭州人才基金跟投，探针资本担任独家财务顾问 [1] - 所筹资金将投入核心产品“全诊医学大模型及临床应用”的深度研发，加速医院和医生的合作推广，并启动海外市场拓展计划 [1] - 此次融资是公司约一年内完成的第三轮融资，刷新了国内医疗大模型企业融资速度纪录 [1] 公司背景与使命 - 公司是中国最早专注医疗大模型后训练与临床落地的创新企业之一，以“让AI增强医生能力”为核心使命 [2] - 公司长期致力于在医疗文书自动化、临床决策支持、患者服务等关键场景实现AI的系统化赋能 [2] - 公司创始人薛翀博士拥有“临床医生+AI研究者”的双重背景，毕业于北京协和医学院，曾任职于浙大二院，并在约翰·霍普金斯大学从事AI与机器人外科手术研究 [4] 市场合作与覆盖 - 公司已合作医院超过百家，其中八成以上为三甲医院，包括浙大邵逸夫医院、浙江省人民医院、广安门医院、重庆医科大学附属儿童医院等 [4] - 公司构建了覆盖多专科的AI应用网络，服务医生超过3万人，日均AI生成病历草稿逾10万份 [4] 核心产品与技术功能 - 旗舰产品“全诊通（Trizen AI）”是国内首个面向医生的智能病历与临床辅助系统，核心功能包括病历自动生成、临床决策支持、医保编码辅助与患者服务闭环 [6] - 产品通过实时采集医患对话及病历数据，利用医疗大模型自动生成结构化病历草稿，使病历书写效率提升超过65% [6] - 系统可覆盖门诊记录、住院病历、手术记录、出院小结、会诊记录等多类型医疗文书，生成准确率及语言逻辑在实测中优于业内同类产品 [6] - 相较于国际竞争者如美国Abridge，产品的优势在于多场景适配与本地化优化，支持中英文混合医学语料理解，并针对中国医院的HIS、EMR系统定制优化接口 [6] - 公司正将产品从单一病历工具拓展为全能“AI医生助理”平台，覆盖从诊前导诊、诊中记录到诊后随访的完整流程，协助生成出院医嘱、随访计划、科研记录及医保编码等 [6] 技术体系与研发实力 - 公司自2023年起构建了完整的“基础—模型—应用”技术体系，以后训练方法为核心，针对医疗场景进行专属优化 [7] - 在模型架构上，采用本地化大模型部署，将通用模型压缩为10亿至百亿参数级的医疗专用模型，以降低推理成本并提升响应速度 [10] - 通过“大小模型串联与并联”技术，在病历生成、诊断辅助、风险预警等任务中实现“最低成本、最高精度、最快响应”的平衡 [10] - 在训练方法上，建立了包括监督微调、强化学习、生成对抗网络在内的多维度体系，通过上万名临床医生的反馈迭代，显著降低医疗大模型常见的“幻觉”与误判率 [10] - 公司自主研发AI标注系统，使医疗数据标注效率提升十倍以上，形成持续的数据飞轮效应 [11] - 截至目前，公司已获得60余项专利与软件著作权认证，并连续多年在国家卫健委主办的全国数字健康创新应用大赛中获奖 [11] 行业趋势与公司定位 - 自2024年以来，全球医疗AI赛道保持热度，美国Abridge和Open Evidence等医疗生成式AI企业的估值持续攀升 [12] - 行业趋势背后的逻辑是：有价值的医疗大模型必须深度嵌入并优化真实的“诊疗流程”，能够为医生和患者提供实用的智能工具 [12] - 公司作为国内最早进行医疗大模型后训练和AI医生助理开发应用的创新企业之一，是这一理念的践行者 [12]