行业趋势与市场前景 - AI医疗2023年规模973亿元 预计2028年达1598亿元 细分赛道包括AI影像、病理、医疗系统、健康管理、终端应用和制药等领域 [3] - 大模型技术加速向多模态融合方向演进 生成式人工智能持续为医疗服务赋能 应用于健康管理、诊前诊中诊后服务、影像分析、药物研发和手术机器人等全流程 [1][3] - 产业从技术可行迈向规模应用阶段 面临标准缺失、生态分散和转化困难等瓶颈问题 [2] 技术应用与商业化挑战 - 腾讯健康以2023年大模型为底座构建影像(觅影)、诊断决策(Doctorwork)和病程管理等多层解决方案 与百余家三甲医院进行临床验证和流程深度融合 [3] - 商业化需突破四大壁垒：数据隐私与合规要求医疗数据授权和跨机构共享平衡 临床验证需大规模多中心真实世界研究支持医保准入 技术团队与医疗专家协同不足 生态互操作性需要统一标准与接口 [4] - AI-native药企估值侧重于模型能力、算力效率和数据壁垒 可实现跨项目复用产生算法租赁与SaaS收益 [5] 商业模式与可持续发展 - 授权+里程碑付款模式存在可持续性挑战 模型迭代速度可能导致用新不付旧风险 临床里程碑与AI早期靶点发现能力的直接贡献需更多证据支撑 [5] - 建议在里程碑框架中引入性能里程碑(预测准确率、可解释性指标)和服务里程碑(每月调用量、客户满意度) 与临床里程碑并行以实现利益对齐 [5] 监管环境与国际化发展 - FDA在2024年6月推出生成式AI工具Elsa 任命首位首席AI官 计划全面推广AI应用 可将科学评审任务从3-5天压缩至数分钟 [6] - 中国药企出海需紧跟FDA关于AI/ML软件的指导草案 构建符合安全合规要求的GovCloud环境 培养既懂药物研发又熟悉AI风控的复合型人才 [7] - AI驱动的虚拟对照组和跨区域真实世界数据模拟已被FDA纳入外部对照指导范畴 在肿瘤加速审批案例中成功应用 [7] 数据治理与技术创新 - 针对新兴市场数据标准化不足问题 可采用国际通行数据模型进行映射与清洗 利用联邦学习和多方安全计算技术在保护隐私前提下共享模型参数 [8] - 通过建立可比性高、可扩展的真实世界证据网络 兼顾区域特征并确保数据质量 为全球化临床试验设计提供支撑 [8] 行业活动与创新展示 - 2025世界人工智能大会于7月26-28日在上海举办 主题为智能时代同球共济 涵盖AI基础设施和科学智能等十大领域 [1] - 大会迎来800余家企业参展 3000余项前沿展品亮相 包括40余款大模型、50余款AI终端及100余款全球首发/中国首秀新品 规模创历届之最 [1]

联影智能医疗AI技术进展 - 联影智能在WAIC 2025论坛上展示"技术无疆，全球共济"主题，汇聚产研、医、投各界嘉宾探讨医疗AI普惠路径 [2] - 公司与中山大学肿瘤防治中心合作开发的脑转移瘤AI系统已在全国400多家医院落地，覆盖70%影像科工作量 [4][5] - 骨转移瘤AI应用同步推出，与脑转移瘤系统共同提升肿瘤诊断效率 [5] 智能诊室解决方案创新 - 联影智能与中山大学肿瘤防治中心合作开发智慧诊室方案，通过AI预问诊系统实现纸质报告结构化录入，提升就诊效率 [6] - 电子病历智能体可实时转写医患对话并自动生成规范病历，支持跨院报告调取，减少重复检查 [6][7] 胸部CT一扫多查智能体突破 - 联影智能与复旦大学附属中山医院合作开发的胸部一扫多查智能体覆盖73种胸部异常，基于40多万CT影像数据训练，平均AUC达94% [9][11] - 人机协同挑战显示AI辅助组诊断效率提升25%，实现图像-报告实时联动，医生工作模式从"写报告"变为"审报告" [8][9][12] - 该技术突破单病种小模型局限，可同步检出肺结节、骨折等多项异常，减少操作负担 [11] 未来研发方向 - 公司计划联合中山医院、河南省人民医院等机构研发腹部、脑部等全身多部位一扫多查智能体 [13]

行业发展趋势 - 医学人工智能是全球医疗科技的必争之地，中国医疗AI发展正迎来新一轮技术与场景的深度融合 [2] - AI赋能医疗已从"场景试点"迈入"生态重塑"，经历了从电子病历系统普及到医疗信息系统建设，再到AI预问诊、智能化诊疗、科研辅助平台等多个阶段性跃迁 [2] - 以上海为代表的区域已初步建立起以数据驱动为核心的人工智能训练基地 [2] 当前挑战 - 高质量数据样本的供给仍不足 [2] - 临床科研与应用转化尚有距离，国内很多医院的研究型床位占比还比较低 [2] AI落地场景 - 儿科AI预问诊已能有效缓解医生接诊压力 [2] - 口腔影像诊疗模型实现全流程数字化 [2] - 皮肤病远程诊疗正快速普及 [2] - 智能缴费、分诊、随访等全周期服务也在推进 [2] 未来发展方向 - 推动跨学科的多模态数据融合 [3] - 探索自动化手术系统 [3] - 发展数字疗法与个性化治疗 [3] - 强化AI风险治理框架，在技术、伦理与法规三方面同步推进 [3]

医疗AI行业发展现状 - 大模型技术加速向多模态融合演进，生成式AI持续为医疗服务赋能，涵盖AI辅助诊断、药物研发等领域 [1] - 2025世界人工智能大会将聚焦AI基础设施、科学智能等十大领域，800余家企业参展，40余款大模型、50余款AI终端及100余款全球首发新品亮相 [1] - AI医疗2023年规模973亿元，预计2028年达1598亿元，细分赛道如AI影像、病理、制药等增长明确 [3] 商业化落地挑战 - 数据隐私与合规、临床验证与支付模式、团队协同能力、生态互操作性为四大核心壁垒 [4] - 腾讯健康通过大模型构建影像诊断、病程管理等解决方案，与百余家三甲医院临床验证，体现技术闭环能力 [3] - AI制药初创企业估值逻辑侧重"模型能力+算力效率+数据壁垒"，与传统药企管线资产估值模式差异显著 [5] AI制药领域进展 - 阿斯利康与石药集团达成53亿美元AI驱动药物合作，涵盖1.1亿美元预付款及最高52.3亿美元里程碑付款 [6] - AI将先导化合物筛选周期从2年压缩至1年内，减少化学合成与体外测试次数，显著提升ROI [6] - 靶点发现从数据驱动转向"多组学融合+图神经网络"，生成模型可自动设计高活性分子，但可解释性仍是瓶颈 [7] 国际化与监管动态 - FDA推出生成式AI工具Elsa，将科学评审任务从3-5天缩短至数分钟，加速审批流程 [9] - 中国药企出海需构建符合FDA要求的GovCloud环境，培养AI与研发复合型人才 [10] - AI虚拟对照组与真实世界数据模拟获FDA认可，可用于辅助疗效评估，如肿瘤加速审批案例 [10] - 新兴市场数据标准化通过联邦学习实现跨中心参数共享，兼顾隐私与数据质量 [11]

超声AI行业现状与挑战 - 超声是中国使用最广泛的影像工具，年检查量达20亿人次，超过CT十倍[3] - 超声AI发展滞后于CT/X光等，主要因操作依赖医生实时扫查，缺乏标准化流程[1][3] - 数据异构性严重：图像质量参差不齐，医院/设备/医生风格差异导致训练集难以标准化[4] - 传统AI模型存在黑箱问题，医疗场景中可解释性与信任度不足[5] 海豚智能解决方案 - Dolphin V1.0实现扫查中实时引导+检查后自动报告的全流程闭环[6] - 实时识别标准切面准确率超90%，乳腺病灶分型准确率86%[7] - 已与110家三甲医院合作落地，覆盖多器官场景[7] - 产品设计聚焦医生操作习惯，理解手势与判断逻辑[7] 技术实现与算力支持 - 选择百度百舸平台作为训练底座，解决显卡通信中断等工程难题[9][10] - 通过调度优化将显卡使用量从100张压缩至48张，降低资源成本[10] - 百度提供架构优化支持，助力模型部署与推理服务[10] 市场拓展战略 - 优先部署至基层医疗机构，解决"有设备缺人才"问题[12] - 探索家用场景：乳腺自查/孕期筛查等高频需求，计划开发可远程复核的家用设备[13] - 目标推动优质医疗资源下沉，改变个体健康管理方式[13] 行业意义 - 可能改变中国超声技术从"跟跑"到"领跑"的产业地位[13] - 技术落地将直接提升基层医疗服务质量，创造普惠价值[14]

宁夏人工智能医疗健康产业园开园 - 宁夏人工智能医疗健康产业园于7月18日在银川开园，并举行首批企业入驻签约仪式 [1] - 北京博雅全健智算科技有限公司作为核心签约企业，与产业园签署战略合作协议 [1] - 博雅全健将"宁夏健康管理引导预问诊大模型"核心研发及运营中心落地园区 [1] 博雅全健公司背景 - 博雅全健控股股东为港股上市公司天津泰达生物医学工程股份有限公司 [1] - 公司带来"AI+健康管理"全链条解决方案，基于"羲和一号"大模型开发健康管理产品 [1] - 公司董事长栗琳表示落地宁夏的核心载体是健康管理引导预问诊大模型 [1] "羲和一号"大模型技术特点 - 大模型由北京大学第三医院临床指导，北京大学人工智能研究院和博雅全健共同研发 [2] - 三大核心突破：10秒生成精准分诊建议缩短基层医生40%问诊时间，跨模态因果推理技术，Safe Aligner后处理系统确保输出安全修正率达90%以上 [2] - 覆盖上百个科室、万余种疾病，通过人工脱敏与自研无损转换算法保障隐私安全 [2] 项目意义与规划 - 项目在国家卫健委指导下推动健康管理人工智能化提升 [3] - 形成中国电信通信网络、本地卫健系统支持、新能源算力供给与模型技术的互补生态 [3] - 下一步目标是从试点到普惠，推动大模型在基层医疗机构的应用 [3] 产业影响 - 产业园开园被视为当地"数字经济+大健康"产业融合里程碑 [4] - 博雅全健落地带来西北AI医疗短缺的产学研核心技术团队 [4] - 有望带动产业链上下游和AI生态集聚 [4]

市场需求与技术优势的交汇点 - 医疗行业面临系统性劳动力短缺，每年需要新增20万+名护士，预计到2025年短缺78,000+名护士，16.7%的医院存在10-20%+空缺率 [18] - 公司聚焦非诊断性任务（如术前指导、术后随访），占护士大量时间且传统人力外包无法规模化解决 [18] - 产品支持多语言（英语、普通话、西班牙语、日语），直接瞄准美国以外老龄化严重的亚太市场 [18][9] - 医疗行业高安全合规门槛（如HIPAA）为垂直AI解决方案提供壁垒 [7] 公司背景与核心技术 - 成立于2023年，定位AI驱动数字护士赛道，自研专用LLM模型Polaris，专为医疗场景优化安全性与共情能力 [15] - 系统总参数量达3–4万亿，对话延迟<1秒，包含自研基础模型、TTS模块及多Agent协同架构 [11] - 2025年1月完成1.41亿美元B轮融资，估值16.4亿美元，9个月内估值增长超3倍 [16] 全球化护理需求与市场空间 - 美国护理学校因资源限制导致65,000+合格申请者无法入学，2020-2021年超10万名护士离职 [18] - 65岁以上老龄人口增长加剧供需失衡，AI护士处理高频任务（如慢性病随访）每小时成本仅10美元，比注册护士低75% [19][62] - 全球TAM规模约3740亿美元/年（基于320万注册护士），可服务市场（SAM）92亿美元/年 [77][78] 产品与技术演进 - Polaris 3.0（2025年3月）参数4.2万亿，支持9种语言（准确率99%+），临床准确率99.4%，任务完成率96.5% [24] - 推出Healthcare AI Agent App Store，覆盖25个专科领域，上线超300个Agent，创作者分成75% [29][30] - 案例：AI Agent可识别药物误读（如Benadodril→Benadryl），执行毒性验证与剂量检查 [71] 商业模式与客户进展 - B2B2C模式按交互时长收费（10美元/小时），已签约23+家客户（如UHS、OhioHealth），处理超180万通呼叫 [62][66] - 应用商店拓展长尾场景，如结肠镜检查指导Agent可自动完成术前提醒、情绪安抚与术后跟进 [72] 竞争格局与护城河 - 主要竞争对手Clearstep缺乏同等安全验证，远程医疗公司（如Teladoc）未聚焦异步Agent模式 [80][82] - 真实场景交互数据形成反馈闭环，临床工作流集成深度提升客户转换成本 [83][85] 创始团队与融资 - CEO Munjal Shah为连续创业者，CTO Saad Godil曾任NVIDIA RLHF负责人，团队兼具AI与医疗运营背景 [75] - 累计融资2.78亿美元，投资方包括a16z、Kleiner Perkins、NVIDIA等，战略并购为潜在退出路径 [87][89]

公司概况 - 德适生物是中国染色体核型分析系统市场龙头，占据30.6%份额[11] - 公司正在冲刺港交所上市，创始人宋宁持股52.06%并已套现超6600万元[1][4] - 2025年6月最新一轮增资后投后估值达25.6亿元[4] 创始人背景 - 创始人宋宁43岁，拥有计算机科学和医学遗传学复合背景[2] - 曾执教于日本长崎大学和上海交通大学医学院[2] - 通过一系列资本运作保持控股权，包括原价回购股份等操作[3] 财务表现 - 2024年总营收7035万元，但核心业务收入从4390万元降至4084万元[12] - 核心业务毛利率下滑19.9个百分点至56.7%[12] - 2023年和2024年净亏损分别为5611.6万元和4337.5万元[19] - 截至2025年4月末账面现金仅余556.7万元[19] 业务情况 - 原核心业务增长乏力，iMedImage分析系统营收占比从83.1%降至58%[12] - 医疗耗材和试剂产能利用率同比降幅超50%[16] - AI新业务iMed MaaS平台2024年贡献1954万元收入，毛利率高达97.2%[17] 战略布局 - 押注AI AutoVision®染色体核型分析辅助诊断系统[1] - 该系统已获"创新医疗器械"认定并提交三类医疗器械注册申请[20] - 计划将IPO募资优先投入AI AutoVision®商业化[20] 行业前景 - 中国染色体核型分析系统市场预计2030年达20.38亿元[12] - 中国医疗AI市场规模从2019年11亿元飙升至2024年95亿元[17] - 预计2030年医疗AI市场规模将达1382亿元[17] - 基座模型驱动的医学影像市场预计2035年达519亿元[18] 公司治理 - 递表前夕以1元转让两家具备资质的子公司[8] - 自然人股东杨曦持股两年获利78万元后退出[5] - 2024年员工人数减少30%至145人[19]

纪要涉及的公司 易都科技 纪要提到的核心观点和论据 - **业绩表现**：2025财年经调整的EBITDA同比大幅增长25.6%达3900万元，净亏损同比收窄38.9%，OPEX整体金额同比下降23%，OPEX占收入比例下降10个百分点，经营活动现金流出同比收窄23.8%，运营效率和盈利能力显著提升[3]。 - **大模型产品进展**：2025年上半年面向医生打造“1+N+X”的CO pilot产品矩阵，以AI中台为基座集成多个头部大模型，赋能全流程业务场景并联通数据中台；计划未来三年投入8000万 - 1亿元发展大模型，预计2026财年经调整EBITDA翻倍增长，2027年开始持续盈利；医学大模型处理60亿条医疗记录，覆盖11.5亿次人群，自研Madrad架构识别医疗语料，降低AI幻觉率，性能优于DPCARE 1 [4]。 - **肿瘤疾病领域应用**：以肿瘤疾病为核心攻克顶级专科机构，如中肿、北肿和哈肿等，在中肿落地120多个新诊疗场景；推出由中科院院士滕高军领衔的肝癌诊疗智能体“小肝人”，并计划推出其他疾病诊疗智能体[6]。 - **AI智能体服务特点及效果**：通过无代码工具链让医生自行构建，重点医院使用人数达全院医护人员43%；AI诊疗助手两个月内服务患者2.6万次；医院端订单数量同比增长15%[7]。 - **慢病管理进展**：已在海南陵水、天津经开区和惠民宝等地实践，计划辐射至三亚、万宁、琼海和文昌等城市，扩展至高血压、高血脂等慢病管理[8]。 - **海外市场项目**：参与新加坡卫生部MSC home移动住院护理国家项目，支持Singhealth旗下四家医院，通过APP Doctor Body实现出院患者远程监控，生成个性化建议[9]。 - **未来战略规划**：业务上预计2026财年各业务板块20%左右增速，深耕支付意愿和能力高的城市，筛选项目稳定提升毛利率；大模型守住优势项目，严选新项目，考虑GDP排名靠前及支付意愿高城市；未来三年投入8000万 - 1亿元发展大模型，保持领先地位，聚焦核心客户和业务[12][13]。 - **盈利预期**：预计2026财年经调整EBITDA翻倍增长至7800万元，若不算大模型投入26财年利润转正，算上则2027年整体利润端成本转正[4][15]。 - **业务板块营收占比及趋势**：第一个板块占比约48%，第二个板块约34.5%，第三个板块占比较低；预计医院相关业务收入增速提升，占比持续增加[16]。 - **竞争格局及优势**：医疗AI市场竞争激烈，易都科技优势在于对疾病理解深度及精准度高，智能化产品在科研平台、ICU病房等高价值场景效益显著，召回率超85%；但C端缺乏忠实客户及影响力，更多与B端合作[24][25]。 其他重要但是可能被忽略的内容 - **技术挑战应对**：大模型存在AI幻觉问题，通用大模型幻觉率约60%，公司医学大模型可达80%，通过打磨算法提高疾病理解精准度，如30秒内生成癌症患者TNM链式分析[17]。 - **预算问题应对**：客户主要是B端，收入确认时间长，需提前一年做预算，公司采取聚焦战略开发核心客户和项目[17]。 - **医院使用新产品挑战**：医院使用新产品有一年左右滞后期，预算有限，只能部分科室使用或选非完整版，待预算批完再升级，影响产品推广、升级和收入确认速度[19][20]。 - **生命科学业务情况**：围绕药品与器械全生命周期提供AI驱动解决方案，相比传统CXO公司提高效率，如数据库建立效率提升8倍等；截止今年3月31日中标多个创新类临床项目，今年以来订单金额增加约6000万元，预计下半年或明年上半年订单改善[22][23]。 - **智能体“小肝人”效益**：针对肝癌早期诊断、标准化治疗方案及资源分布优化，将顶级医院成果转化为标准化决策路径，推动普惠输出，计划推出更多类似智能体[25][26]。 - **国际业务布局及挑战**：在新加坡、文莱有项目进展，未来集中布局东南亚和中东地区，但面临政治风险和数据接入敏感性问题，美国和欧洲市场拓展困难[27]。 - **未来发展方向**：沿着产品矩阵升级拓展，开发新产品和应用场景，技术上落地及场景积累更新拓展；AI辅诊影像科纳入医保，有望扩展至更多方向提升产品价值产出[28][29]。

医药行业动态 - 医药板块出现显著上涨行情[1] - 行业近期受到资本市场高度关注[1] 公司IPO信息 - 百度投资的医疗AI公司正式启动IPO进程[1] - 公司总部位于浙江杭州[1] - 公司主营业务为医疗人工智能领域[1]