行业背景与核心理念 - 人工智能技术在医疗健康领域的应用不断深化，涵盖医学知识检索、辅助诊疗、科研支持与健康管理，展现出广阔前景 [1] - 算法偏差、数据质量、责任边界等问题逐渐显现，行业亟需在鼓励创新的同时有效防范潜在风险，推动人工智能实现风险可控、结论可信、发展可持续 [1] - 在此背景下，“负责任创新”成为行业发展共识，在高风险的医疗健康领域，更应坚持审慎原则，将安全性、有效性和合规性置于优先位置 [1] 公司战略与产品定位 - 公司明确将产品定位为医疗专业人员的辅助决策工具提供者，而非临床决策的替代者 [2] - 核心目标是在严格遵循既有医疗规范和高等级循证医学证据的前提下，通过技术手段降低信息获取成本，减少低级错误风险，辅助医生更高效地做出符合专业共识的判断 [2] - 公司秉持“负责任创新”理念，在医疗AI产品研发上以数据质量为优先，坚持“有错必纠”，强化风险提示与循证依据前置，谨慎推进应用实践 [1] 技术路径与数据治理 - 公司以数据质量为核心，将更多资源投入医疗文本数据的系统性建设与治理，通过持续打磨数据来源、数据控制质量等，为模型提供可靠、可验证、可追溯的知识基础 [3] - 建立严格的数据筛选机制，重点选取权威临床指南、药品说明书、高等级循证医学文献及长期积累的专业内容体系，并通过交叉比对和专业筛选减少偏差 [3] - 实施多层次的数据清洗与结构化处理，对原始医学文本中的关键概念、适用人群和风险提示进行明确标注，防范歧义表达引发的风险 [3] - 建立动态更新与循证同步机制，及时跟进权威指南修订和重要研究成果发布，补充或修正相关文本，剔除过时知识 [4] - 针对直接服务临床决策支持的重要内容，引入同行评议和多轮人工复核流程，重点关注安全边界、禁忌事项和高风险场景，确保内容符合专业共识 [4] 产品实践与功能特性 - 2025年10月，公司上线循证医学临床诊疗决策辅助工具“临床决策”，该应用采用原文循证机制，以高质量循证医学数据为核心，依托人工智能技术实现智能化诊疗支持 [3] - 产品设计重点放在数据可靠性、结论可追溯性和风险提示完整性上，力求在实际应用中发挥“纠错误、减风险、补短板”的辅助作用 [3] - 在涉及潜在高风险的临床问题时，产品先充分暴露警示风险，再给出相关结论作参考，避免在证据不足或适用条件复杂的情境下形成误导 [5] - 产品引入针对医生提问的意图识别与风险分层机制，结合病情复杂程度、用药不良反应风险及适用条件的不确定性，对风险提示进行分层配置 [5] - 在结论呈现上，始终将高等级循证医学证据置于核心位置，通过明确适用条件、证据来源和不确定性边界，强化对临床指南和专业共识的尊重 [6] - 对于经识别明确涉及严重安全风险且缺乏合理医学超范围适用依据的问题，设置稳定且一致的安全约束机制，明确不输出可能引发误用的结论性建议，并直接提示相关行为存在显著风险或不符合规范要求 [6] - 产品引入多项规则化约束机制，对药物禁忌、特殊人群用药及剂型差异等关键节点进行识别和提示，对明显存在风险的操作进行前置提醒 [6] - “临床决策”上线三个月内，系统处理了超过一百万条来自认证医生的提问 [6] 市场拓展与未来规划 - 针对基层医疗资源相对有限、医生水平参差不齐、决策压力集中的现状，公司计划通过合规、可靠的技术工具辅助基层医生提升决策质量、减少系统性风险 [6] - 公司将结合开展多年的“基层医生赋能计划”，逐步面向基层医疗机构和医生捐赠人工智能产品和服务 [6] - 2026年计划向青海、甘肃、新疆、黑龙江等地的基层医生和大学生村医捐赠“临床决策”会员服务，助力提升基层诊疗水平 [6] - 未来，公司将持续完善数据治理与风险控制机制，审慎稳妥推进医疗人工智能的应用实践，为行业在规范框架下的有序发展提供可参考的实践经验 [7]

公司融资与资金用途 - Valiance Health完成一笔未公开金额的Pre-Seed轮融资 [1] - 本轮融资由Gobi Partners通过其SuperSeed II基金领投，Jati Growth和Artem Ventures跟投 [1] - 融资将用于团队扩张、加强AI驱动的数据标准化处理能力、深化系统集成，并扩大与保险公司及医疗管理机构的合作 [1] 公司业务与产品定位 - 公司核心定位是聚焦于医疗数据基础设施层，而非开发面向医院的单一应用 [1] - 公司平台整合来自医院系统的临床、运营与财务数据，利用AI技术进行清洗、映射与标准化处理，转化为符合国际通行标准的数据模型 [1] - 公司推出首个应用层产品Healthproximate，该分析接口支持医院进行成本结构分析、趋势识别及运营环节梳理 [1] 技术解决方案与行业痛点 - 公司旨在解决医院系统长期存在的数据碎片化、编码标准不一致及依赖人工流程等问题 [1] - 数据碎片化被公司联合创始人认为是阻碍基于价值的医疗规模化的重要障碍 [2] - 另一位联合创始人曾面对系统割裂、编码不一致及人工流程带来的计费与数据对标困难 [2] 实际应用案例与效果 - 私立医院Avisena Healthcare已使用Healthproximate优化阑尾切除术的平均成本结构 [2] - 通过调整设备采购流程，在未影响临床结果的前提下，实现每年约2.2万美元的成本节约 [2] 投资方观点与行业背景 - 本轮融资是Gobi Partners在东南亚的首笔医疗AI投资 [1] - 投资方认为马来西亚医疗体系正处于转型阶段 [2] - 投资逻辑在于Valiance正在解决制约行业向基于价值的医疗转变的核心数据问题，即构建生态系统所需的底层数据基础设施，而不仅仅是分析工具 [2]

行业政策与机制建设 - 北京市卫健委举行国家人工智能应用中试基地（医疗领域）生态合作协议签约仪式 标志着该基地在数据生产、模型研发和市场推广方面已完成关键机制设计 正向规模化落地实施推进[1] - 生态合作协议明确了医疗健康人工智能各参与方的合作机制、责权利边界和绩效评价指标 针对高质量数据权益归属、模型知识产权共享、成果转化收益分配等关键环节明确了规则 为医疗机构、人工智能企业、基地运营企业的长期可持续合作提供了稳定可靠的制度框架[1] 具体合作与项目进展 - 首都医科大学附属北京同仁医院与中试基地运营企业北京医疗健康大模型有限公司签署眼科方向生态合作协议[1] - 双方将共同成立国家人工智能应用中试基地联合创新实验室和应用推广中心 构建科研创新、临床验证、成果转化、应用推广的闭环合作机制[1] - 双方将共同建设眼科高质量数据集 推动眼科人工智能产品的临床转化 并向各级医疗机构、体检机构、社区卫生服务中心推广应用[1] 未来发展计划 - 北京市计划以示范项目为标杆 全力推动医疗人工智能技术创新与行业应用深度融合[1] - 目标是为全国医疗人工智能产业的协同创新发展贡献先行经验与强大动能[1]

国家人工智能应用中试基地(医疗领域)生态合作进展 - 北京市卫生健康委员会举行了国家人工智能应用中试基地(医疗领域)生态合作协议签约仪式，标志着该基地在数据生产、模型研发和市场推广方面已完成关键机制设计，正向规模化落地推进 [1] - 该基地自2025年启动建设以来，在完成算力、数据、模型、应用等共性支撑平台建设的基础上，重点破解了长期制约医企合作的数据权益、知识产权与市场推广等机制性难题，近期已取得重大突破 [1] - 生态合作协议明确了医疗健康人工智能各参与方的合作机制、责权利边界和绩效评价指标，为医疗机构、人工智能企业、基地运营企业的长期可持续合作提供了稳定可靠的制度框架 [1] 关键机制设计与规则明确 - 合作协议针对高质量数据权益归属、模型知识产权共享、成果转化收益分配等关键环节明确了规则 [1] - 该合作旨在构建人工智能赋能行业产业的新质生产关系 [1] 首个示范项目落地 - 首都医科大学附属北京同仁医院与基地运营企业北京医疗健康大模型有限公司签署了眼科方向生态合作协议 [2] - 双方将共同成立国家人工智能应用中试基地联合创新实验室和应用推广中心，构建科研创新、临床验证、成果转化、应用推广的闭环合作机制 [2] 合作具体内容与目标 - 双方将共同建设眼科高质量数据集，并推动眼科人工智能产品的临床转化 [2] - 合作目标是将成果向各级医疗机构、体检机构、社区卫生服务中心推广应用，以促进优质医疗资源公平可及 [2] 未来发展规划 - 北京市计划以此次示范项目为标杆，全力推动医疗人工智能技术创新与行业应用深度融合 [2] - 此举旨在为全国医疗人工智能产业的协同创新发展贡献先行经验与强大动能 [2]

投资评级 - 首次覆盖，给予“买入”评级 [4][10][12] 核心观点 - 讯飞医疗科技是AI医疗龙头，依托星火医疗大模型构筑的AI能力底座，实现了GBC（政府、医院、患者）业务全流程贯通和诊断全场景覆盖，打通了医疗行业的数据流难点，率先形成业务闭环 [4][7][8] - 公司早期布局帮助完成数据快速积累，当前渗透率与先发优势凸显，客户不断积累形成数据飞轮 [4][8] - 伴随政策落地节奏加速，GBC端数字化与智能化需求持续释放，短期G端和B端是收入基石提供稳定增速，中期C端患者管理服务或是核心增长驱动力 [4][10] - 公司承建合肥中试基地，积极卡位占据基层卫生服务方向生态制高点，中试基地创新模式有望疏通AI医疗落地堵点，开启AI医疗新纪元 [9] 公司概况与发展阶段 - 公司成立于2016年，是一家人工智能赋能的医疗解决方案提供商，产品及解决方案涵盖从健康风险预警、早期筛查、诊断、治疗到出院后管理和慢性病管理的整个医疗服务周期 [7][20] - 公司发展分为三个阶段：技术验证与“从0到1”的破局期（2016-2017年），模式跑通与“区域试点”的蓄力期（2018-2020年），全国模式复制与全栈爆发期（2021年至今） [21][22] - 截至2025年11月，公司智医助理已覆盖中国30余个省801个区县，约75000家基层医疗机构，累计提供超11亿次AI辅诊建议，规范病历3.4亿份 [22][24][43] 股权结构与治理 - 股权结构明确清晰，集中于科大讯飞集团，科大讯飞持股49.4%，系控股股东 [7][26] - 高管层由顶级医学背景经验丰富人士与科大讯飞灵魂人物组成，奠定公司重研发、能落地的风格 [7][28] 业务模式与市场地位 - 公司基于星火医疗大模型打造GBC三端多元化产品矩阵：G端（政府）提供基层与区域卫生解决方案，B端（医院）提供智慧医院与AI诊疗助理，C端（患者）提供患者管理服务、智能硬件等 [29][30][31][33] - 截至2025年上半年，G端、B端、C端业务收入占比分别约为47%、18%、35% [33][46] - 公司是行业内罕见的全栈式玩家，实现了从院内诊疗到院外管理再到支付风控的全链路覆盖，与专注于单一赛道的工具型厂商形成差异 [81][83] - 根据弗若斯特沙利文，2021-2023年，讯飞医疗收入规模在中国医疗人工智能行业中排名第一 [76][78] - 2023年，公司在中国基层医疗机构CDSS（临床决策支持系统）市场中排名第一，市场份额占61.5% [22][79][80] 财务表现与预测 - 公司营业收入由2021年的3.73亿元增长至2024年的7.34亿元，同比增长32%，2021-2024年营收复合增速达25.4% [36][38] - 2025年上半年公司实现收入2.99亿元，同比增长30.6% [36] - 公司归母净利润由2022年的-1.89亿元减亏至2024年的-1.33亿元，同比改善8.5%，2025年上半年实现归母净利润-0.74亿元，同比改善43.1% [37][38] - 公司毛利率维持相对稳定高位，2024年为55.0% [48][49] - 预计公司2025-2027年的营收为9.2亿元、11.8亿元、14.7亿元，同比增长25.6%、27.6%、25.0% [4][10] 技术优势与产品迭代 - 公司依托讯飞星火医疗大模型，是业界唯一基于全国产算力训练的医疗深度推理大模型，在数据安全与硬件后门方面具备优势 [60][61] - 星火医疗大模型采取“小步快跑”的迭代策略，在医疗垂类场景中建立了对通用大模型的性能代差，截至2025年中，模型在心血管内科、呼吸内科等专科的诊断推理能力已达到三甲医院主治医师水平 [63][69] - 2025年11月发布的星火医疗大模型X1.5，根据真实场景测试数据评估平均分数达到91.2%，效果超过GPT-5（high）以及DeepSeek V3.2-Exp [60][61] - 公司携手华为推出“讯飞星火医疗一体机”，实现快速部署、开箱即用，内置20个医疗专业智能体 [60] 标杆合作与行业影响力 - 2024年以来，公司与顶级医疗机构的合作进入井喷期，与华西医院、北京安贞医院、山东大学齐鲁医院等多家顶级医疗机构打造专科大模型标杆项目 [8][88][89] - 例如，与华西医院联合发布的“华西黉医”医学大模型，在处理诊疗行为记录、手术术式质控等复杂任务的准确率已达到90% [90][93] - 这些合作不仅为公司提供信任背书，更使其获得了中国最复杂的病例和最规范的诊疗逻辑数据，是模型能力的重要来源 [86] 中试基地与模式创新 - AI医疗应用面临成本高、商业闭环难、行业保守推广阻力大等核心制约因素 [9] - 讯飞医疗承建合肥“国家人工智能应用中试基地（医疗领域基层卫生服务方向）”，旨在通过整合资源、制定标准，自上而下破解规模落地瓶颈，解决“最后一公里”落地难题 [9][17] - 中试基地模式有望以服务付费解决商业转化与持续迭代困境 [9] 增长驱动与业务闭环 - 公司构建了涵盖“区域治理（G）-院内诊疗（B）-个人健康（C）”的完整医疗闭环，打通了医疗行业的数据流 [8][95] - 形成了“能力向下兼容（B→G）与流量向上输送（G→B）”的双向赋能闭环，以及数据反馈回流机制 [95] - C端产品“讯飞晓医”是连接B/G两端服务并在家庭场景变现的关键连接器 [95] - 短期增长由G端和B端业务驱动，中期C端患者管理服务是核心增长驱动力 [4][10]

国家人工智能应用中试基地（医疗领域）进展 - 北京市卫健委近日举行了国家人工智能应用中试基地（医疗领域）首批生态合作协议签约，标志着该基地在数据生产、模型研发、市场推广方面已完成关键机制设计，正向规模化落地推进[1] - 该基地于去年启动建设，以精准诊疗为导向，服务医疗机构、科研院所和科技企业等行业主体，重点聚焦数据权益、知识产权、市场推广等长期制约医企合作的机制性难题，旨在构建人工智能赋能产业的新质生产关系[1] 生态合作机制设计 - 生态合作协议明确了医疗健康人工智能各参与方的合作机制、责权利边界和绩效评价指标[1] - 协议针对高质量数据权益归属、模型知识产权共享、成果转化收益分配等关键环节明确了规则，为医疗机构、人工智能企业、基地运营企业的长期可持续合作提供了稳定可靠的制度框架[1] 具体合作案例：眼科方向 - 北京同仁医院与基地运营企业北京医疗健康大模型有限公司签署了眼科方向生态合作协议[1] - 双方将共同成立国家人工智能应用中试基地联合创新实验室和应用推广中心，构建科研创新、临床验证、成果转化、应用推广的闭环合作机制[1] - 双方将共同建设眼科高质量数据集，推动眼科人工智能产品的临床转化，并向各级医疗机构、体检机构、社区卫生服务中心推广应用，以促进优质医疗资源公平可及[1]

公司战略融资与合作 - 商汤医疗近日引入河南汇融人工智能产业投资基金近亿元战略投资 [3] - 此次投资标志着公司“AI+医疗”战略在中原地区的深化布局 [3] - 投资方是河南省首支专注于人工智能领域的产业主题基金 [3] 公司定位与核心技术 - 公司定位为“医疗大模型驱动的‘未来医院’设计者与赋能者” [4] - 以自研临床级医疗大语言模型“商汤大医®”为核心 [4] - 通过“通专融合”技术框架构建AI医疗“世界模型” [4] - 致力于打造可自主学习、持续进化的智慧医院新范式 [4] - 提供覆盖全院场景的“SenseCare®智慧医院”综合解决方案 [4] 区域市场战略意义 - 河南作为人口大省，是AI医疗技术进行大规模、深层次实践的绝佳场景 [2][6] - 此次合作实现了前沿技术能力与区域发展战略的精准匹配 [6] - 是推动公司全栈解决方案在关键市场进行规模化验证与体系化落地的战略举措 [6] - 合作目标包括提升区域诊疗均质化水平、优化医疗资源效率、培育本土化AI医疗产业生态 [6] 具体业务方向与赋能领域 - 未来将围绕医学大模型、智能辅助诊断、智慧临床决策及医院精细化管理等方向为河南各级医疗机构提供技术赋能 [6] - 将创新技术转化为驱动区域医疗高质量发展的新质生产力 [6] 过往合作案例与行业地位 - 已与上海瑞金医院、四川华西医院等国内顶尖医疗机构深度合作 [9] - 多项成果入选国家级人工智能典型案例及上海市卫生健康人工智能核心成果 [9] - 在河南已助力郑州大学第一附属医院构建一体化多模态综合服务平台 [9] - 郑大一附院应用其技术打造了影像、病理、心电三大智能远程诊断平台 [9] - 公司已稳步发展为AI医疗领域最具成长性的准独角兽企业之一 [11] 未来愿景与规划 - 在河南的布局目标在于参与构建区域智慧医疗的“新基建” [11] - 愿景是通过AI技术构建一个全域协同、实时互联、持续进化的智慧医疗网络 [11] - 旨在打破数据与业务壁垒，让优质医疗资源畅通无阻地覆盖城乡 [11] - 最终实现医疗服务体验、质量和效率的全局优化 [11] 市场与资本认可 - 公司在短期内连续完成多轮融资，体现了市场对其业务推进节奏与后续增长潜力的高度认可 [11] - 河南汇融人工智能产业投资基金作为本轮领投方，为公司在AI医疗领域的持续发展提供了重要支撑 [11]

公司股价与市场表现 - 医渡科技股价尾盘上涨超过6%，截至发稿时上涨5.69%，报5.94港元 [1] - 当日成交额为7437.17万港元 [1] 公司业务与战略进展 - 公司参与共建的“多模态智能诊疗系统研发与转化应用北京市重点实验室”成功获批，该实验室由北京大学第一医院牵头 [1] - 实验室将聚焦于心肾代谢综合征的智能化诊疗攻关，是公司持续深耕专科智能诊疗的关键里程碑 [1] - 作为核心共建方，公司将大模型技术能力深度注入实验室的研发链条，为智能诊疗的落地提供坚实底座 [1] - 公司已与国内多家知名医院共建联合实验室，其全栈技术能力覆盖从数据治理、模型开发到系统搭建和成果转化的全过程，支撑研究蓝图扎实、高效地走向落地 [1] 行业发展趋势 - 医疗人工智能的发展已全面进入“落地应用”的价值验证阶段 [1] - 该实验室的建设是“产学研医”深度融合协同创新模式的典型实践 [1]

公司动态 - 医渡科技股价在尾盘交易中显著上涨，截至发稿时上涨5.69%，报5.94港元，成交额达7437.17万港元 [1] - 公司作为核心共建方，参与获批的“多模态智能诊疗系统研发与转化应用北京市重点实验室”，该实验室由北京大学第一医院牵头，聚焦心肾代谢综合征的智能化诊疗攻关 [1] - 公司将大模型技术能力深度注入实验室的研发链条，为智能诊疗的落地提供技术底座 [1] - 公司已与国内多家知名医院共建联合实验室，其全栈技术能力覆盖从数据治理、模型开发到系统搭建和成果转化的全过程，支撑研究蓝图高效落地 [1] 行业与业务进展 - 医疗人工智能的发展已全面进入“落地应用”的价值验证阶段 [1] - 此次实验室建设是“产学研医”深度融合协同创新模式的典型实践 [1] - 该实验室的成功获批被视为公司持续深耕专科智能诊疗领域的关键里程碑 [1]

北京市发布医疗健康AI产业支持政策 - 北京市卫生健康委于12月30日印发《北京市支持医疗健康领域人工智能应用发展行动计划(2026-2027年)》和《北京市医疗健康领域支持人工智能产业创新发展若干措施(2026-2027年)》两份文件 [1] 《行动计划》核心任务部署 - 文件从三个维度部署了16项重点任务 聚焦核心场景应用、进一步拓宽应用场景、加大支撑保障力度 [2] - 在核心场景应用方面 聚焦辅助临床诊疗、基层卫生和健康管理 鼓励医疗机构与优质人工智能企业合作研发并推广成熟产品 同时构建AI驱动的药械研发新范式 依托电子病历和AI产品赋能药企 [2] - 在拓宽应用场景方面 将赋能公共卫生管理、医疗机构智能管理、行业智能监管及面向公众的智能服务 鼓励开展诊前、诊中、诊后全流程智能化服务 [2] - 在支撑保障方面 将建设医疗专有的千卡算力集群 在市卫健委官网开设供需对接专题栏目 打造产品测评、推广、监测、评价机制 并对示范作用强的医疗机构给予绩效考核加分奖励 [2] 《行动计划》的体系建设与安全伦理要求 - 文件提出强化医疗行业统筹 推动全行业AI生态体系建设及高质量医疗健康行业数据资源建设 [3] - 要求提升安全能力水平 推动模型算法、数据资源、基础设施、应用系统等安全能力建设 推动数据分类分级管理 建立健全AI技术监测、风险预警、应急响应体系 [3] - 要求完善伦理道德体系 医疗机构应建立健全AI医疗应用的伦理审查制度 禁止将人工智能完全替代医务人员的专业判断 [3] 《若干措施》核心任务部署 - 文件从四个维度部署了15项重点任务 聚焦临床需求场景、强化数据治理、优化支撑体系、强化政策保障 [4] - 在聚焦临床需求方面 将建立线上线下多元化供需对接机制 开放试点应用场景 形成“由点及面、上下联动”的应用体系 [4] - 在强化数据治理方面 将完善数据基础设施 制定数据标准规范 通过可信数据空间建设多模态、多病种数据集以释放数据要素价值 [4] - 在优化科技服务方面 将构建全链条科技服务体系 打通“研发-验证-转化-推广”关键环节 提供数据标注、测评验证和成果转化服务 [4] - 在完善行业机制方面 将强化政策保障 凝聚发展合力 完善激励支持政策 并创新支付与定价机制 [4] 产业发展目标与模式 - 《若干措施》提出以带动产业发展为目标 打造医疗人工智能产品的全流程研发应用模式 助力AI医疗健康前沿技术突破和行业产业双向赋能发展 [4] - 目标到2027年 在医疗健康领域建成“需求精准对接、数据高效流通、技术快速转化、生态协同发展”的人工智能产业支撑体系 [4]