核心观点 - 健康之路被视为中国版“Open Evidence Plus”，其通过“医助+AI”的线下闭环模式，构建了连接医生、患者与药企的医疗生态平台，展现出比美国对标公司Open Evidence更宏大的商业潜力与估值前景 [1][3] - 公司发布盈喜公告，预期2025年迎来盈利拐点，全年收入不少于人民币15亿元，同比增长不少于25%，净利润扭亏为盈至不少于5000万元人民币，标志着公司从投入期转向收获期 [1][5][7] 行业对标与商业模式 - 美国医疗AI公司Open Evidence凭借AI工具解决医生获取临床证据的效率痛点，仅用11个月覆盖全美大多数医生，估值飙升至120亿美元，为行业提供了AI医疗落地的参考坐标 [1][2] - 健康之路与Open Evidence底层逻辑相似，均通过AI工具与医生端建立深度绑定，聚焦临床核心场景解决医生效率痛点，并以此卡位药企数字营销蓝海 [2] - 健康之路的“Plus”模式在于构建了“医生端+患者端”的双端闭环生态，不仅服务医生，还通过“健康管家”模式渗透患者的长周期健康管理，商业边界更广 [3] - 公司通过派驻在全国1500家三甲医院的线下医助，实现了对诊疗场景的物理卡位，解决了中国医疗体系复杂的“最后一百米”落地难题 [3] 财务表现与增长驱动 - 2025年全年预期收入不少于人民币15亿元，同比增长不少于25% [1] - 2025年全年预期净利润不少于5000万元人民币，相较2024年同期的亏损2.69亿元实现扭亏为盈 [1][5] - 2025年上半年毛利率同比提升1.2个百分点至31.2% [5] - 增长动力源于数字营销、真实世界研究支持及会员服务三驾马车的协同爆发 [5] 核心资产与竞争壁垒 - 公司拥有超过90.5万名注册医生，形成了行业内的稀缺医生私域流量资产 [2][5] - 公司沉淀了2亿条医患交互数据，并已为48家头部药企交付数百份高质量真实世界研究报告，将数据转化为科研资产 [6] - 在C端拥有2.12亿注册用户，为会员服务提供了存量价值挖掘的基础 [6] - 通过深耕线下三甲医院候诊区，聚焦重疾和慢病刚需群体，并利用企业微信构建“医生-医助-患者”的强连接，构建了具备高竞争门槛的数字化私域资产，是互联网巨头难以逾越的鸿沟 [6] AI商业化与技术转型 - 2025年是公司AI业务商业化落地元年，自主研发的AI软件产品在To B端首次实现规模化收入，预计2025年贡献收入约3000万元 [7] - 公司已完成从传统挂号服务商向AI驱动医疗生态平台的根本性转变，技术底座已压实并证明了商业化闭环能力 [7] - 随着盈利拐点确立，公司估值体系正面临从“传统服务业”向“AI平台型企业”的重构 [7]

核心观点 - 全球首个可溯源智能体式罕见病诊断系统DeepRare成功研发并发表 该系统破解了罕见病诊断的世界性难题 实现了诊断性能的跨越式提升 并已开始应用落地与全球推广 [1][2][3][4] 技术突破与架构创新 - 首创“中枢-分身”可溯源Agentic AI架构 从知识储备、诊断思维和推理过程三个维度实现对传统医疗AI的代际超越 [2] - 知识储备维度：打破医学数据孤岛 实时整合海量医学文献与真实临床病例数据 实现对医学知识的深度理解与内化 [2] - 诊断思维维度：拥有类似人类医生的“慢思考”能力 能主动提问并通过“假设-验证-自我反思”的迭代循环推敲诊断线索 [2] - 推理过程维度：实现全流程白盒推理 每一个诊断结论都附带完整证据链条 破解了AI医疗的“信任难题” [2] 诊断性能与数据表现 - 在仅提供患者临床表型信息、无基因数据的情况下 DeepRare的表型诊断首位准确率达57.18% 较此前国际最佳模型提升23.79个百分点 [3] - 当引入基因测序数据后 在复杂病例中的综合首位诊断准确率突破70.6% 明显优于国际通用工具Exomiser的53.2% [3] - 该系统为缺乏基因检测条件的基层医院提供了罕见病快速筛查的“金钥匙” [3] 应用落地与市场反响 - DeepRare罕见病在线诊断平台已于2025年7月26日正式上线 [3] - 平台上线半年内 已吸引超1000名专业用户注册 覆盖全球600多家医疗及科研机构 [3] - 系统已在新华医院完成部署并进入内测阶段 将正式应用于全院罕见病诊疗的质控流程 扮演“数字质控员”角色 [4] 未来发展计划 - 研发团队正积极筹备发起“全球AI罕见病诊疗联盟” 并同步启动“万人临床验证计划” [4] - 计划在未来半年内 依托全球联盟网络 完成20000例疑难罕见病的真实世界验证 以进一步优化算法并构建全球罕见病智能诊断网络 [4]

行业背景与痛点 - 肿瘤患者面临复杂的医学诊疗和不确定的医疗支出 例如乳腺癌患者可能面临费用高达100万元的自费方案与约15万元标准方案之间的艰难选择 同时面临信息决策盲区[3] - 全球医疗AI变革正试图解决上述信息盲区 例如美国医疗AI初创公司OpenEvidence在2026年1月完成D轮融资后估值飙升至120亿美元 其工具被全美超过40%的执业医生使用[3] - 中国互联网大厂纷纷跟进 希望成为中国的OpenEvidence 但大多聚焦于打造AI问答工具或通用对话入口[4][5] 中国医疗AI的竞争路径 - 主要参与者走出了两种不同的商业路径 第一种是“对话路径” 以互联网大厂和大模型企业为代表 凭借基础大模型和C端流量优势构建医疗对话入口 但面临幻觉问题和临床经验缺乏的挑战 难以生成完整诊疗方案[5] - 第二种是“垂直工具路径” 以新锐医疗行业创业公司为代表 形态接近OpenEvidence 在循证搜索领域建立口碑 但核心收入多依赖为药企提供数字基建与营销服务 不直接解决患者看病问题[6] - 中国平安选择了一条不同的“诊疗+支付”闭环路径 其核心诉求是“价值医疗”与“风险控制” 因此其AI不能仅是搜索工具 必须能辅助决策、规范诊疗并降低医疗成本[6] 平安AI-MDT的战略定位与能力 - 公司主攻重疾诊疗 尤其是肿瘤AI-MDT 旨在摘取严肃医疗的“皇冠明珠” 通过解决复杂疾病建立用户深度信任[7] - 公司构建了独特的“三层能力优势” 第一层是权威循证医学底座 确保AI生成的每一条建议均可精准溯源[7] - 第二层是深度诊疗决策逻辑 依托自有的海量真实世界肿瘤病例数据以及5万名合作名医网络 通过RLHF机制和收集专家的“思维链”数据训练模型 使模型的诊疗结论和推理能力与顶级专家对齐[8] - 第三层是商保支付与风控体系 公司每年服务超过20万肿瘤理赔客户 AI-MDT能在每年数百亿的肿瘤治疗支出中构建规范诊疗路径、遏制不合理费用的风控防线[8] 平安AI-MDT的应用场景与价值闭环 - 面向医生 公司打造副驾驶级别的工具 具备患者病情全景分析能力 并能启动DeepResearch模式进行深度文献检索与推理 赋能基层医生 实现高端医疗资源的普惠化[9] - 面向患者 推出“人机协同”的权威第二诊疗意见服务 AI生成结构化的《多学科诊疗报告书》并由知名专家在线审核确认 同时基于确定的最优方案 为患者精准推荐合适的医生和医院 打通就医“最后一公里”[10][11] - 面向保险支付 AI-MDT的诊疗方案与费用评估能力能精准拦截非必要医疗支出 实现商保的精准控费 商保支付的介入让医疗AI跑通了从技术投入到商业回报的闭环[11] - 公司试图解决医疗行业“既降本又提质”的难题 在集团“综合金融+医疗养老”战略下 医疗AI扮演连接器与加速器的角色[11] 未来发展目标 - 2026年 公司计划将AI-MDT服务范围扩展至更多高发重疾 并将诊疗方案推荐准确率提升至90% 确保证据引用100%可溯源[12] - 公司致力于成为疑难重症诊疗全流程的“实干家” 走出了一条“深度诊疗+商保控费”的严肃医疗闭环之路[12]

文章核心观点 - 文章认为，在医疗AI领域，中国平安选择了一条与互联网大厂及垂直工具公司不同的、更为艰难但正确的道路，即构建一个集深度诊疗与风险控制于一体的AI-MDT平台，致力于解决重疾诊疗全流程的难题，并形成“诊疗+支付”的商业闭环 [5][9][21] 全球医疗AI变革与中国市场路径分野 - 全球医疗AI变革正试图解决患者面临的“信息决策盲区”，例如美国初创公司OpenEvidence凭借一款能实时检索权威文献、基本做到“零幻觉”的AI工具，估值飙升至120亿美元，全美超过40%的执业医生使用 [5] - 中国医疗AI参与者主要分为两种路径：一是以互联网大厂为代表的“对话路径”，凭借基础大模型和C端流量构建医疗通用对话入口，但在严肃医疗场景下面临幻觉问题和临床决策能力不足的挑战 [7]；二是以新锐创业公司为代表的“垂直工具路径”，在循证搜索领域建立口碑，但往往只提供信息而不解决患者看病问题 [8] 中国平安的差异化战略：诊疗+支付闭环 - 公司基于在金融与大健康领域的多年深耕，其核心诉求是“价值医疗”与“风险控制”，因此其医疗AI发展不止步于搜索工具，而是必须能够辅助决策、规范诊疗、解决疑难重症并降低医疗成本 [9] - 公司选择进军严肃医疗的深水区，主攻肿瘤等重疾的AI-MDT，旨在摘取“皇冠明珠”，通过解决复杂疾病诊疗来建立深层次用户信任 [11] 平安AI-MDT的三层能力优势 - **权威循证医学底座**：构建了包含权威临床指南、期刊文献和教科书的知识图谱，确保AI生成的每一条建议均可精准溯源，实现“无证据不生成” [12] - **深度诊疗决策逻辑**：依托自有的海量真实世界肿瘤病例数据进行垂直模型训练，并拥有5万名合作名医网络，每年提供上万次重疾多学科会诊服务，通过RLHF机制和收集专家的“思维链”数据，使模型的诊疗结论和推理能力与顶级专家对齐 [12] - **商保支付与风控体系**：公司每年服务超过20万肿瘤理赔客户，AI-MDT能在每年数百亿的肿瘤治疗支出中，构建规范诊疗路径、遏制不合理费用的“风控防线” [13] 面向医生的应用：打造顶级诊疗助手 - AI首先扮演“效率专家”，能自动梳理杂乱的病历信息，让医生快速掌握病情全貌，并针对疑难问题启动深度探索模式，辅助制定精准诊疗方案 [15] - 通过“人+机”协同模式，AI能够赋能基层医生，使其具备接近三甲医院专家的诊疗能力，有助于实现优质医疗资源的普惠化 [16] 面向患者与保险的价值反哺 - 针对患者，AI-MDT提供“人机协同”的权威第二诊疗意见服务，生成结构化的《多学科诊疗报告书》，并由知名专家在线审核确认，帮助患者决策 [18] - AI具备“精准推荐”能力，能基于确定的最优方案为患者推荐合适的医生、医院及合作网络医院，打通就医“最后一公里” [18] - 对于保险支付端，AI-MDT通过提供诊疗方案与费用评估能力，精准拦截非必要医疗支出，实现商业保险的精准控费，跑通了从技术投入到商业回报的闭环 [19] 未来规划与行业定位 - 2026年，公司计划将AI-MDT服务范围扩展至更多高发重疾，并将诊疗方案推荐准确率提升至90%，确保证据引用100%可溯源 [21] - 公司展示了一种独特的中国样本，不仅要做中国的OpenEvidence，更致力于成为疑难重症诊疗全流程的“实干家”，走出一条“深度诊疗+商保控费”的严肃医疗闭环之路 [21]

行业背景与市场机遇 - 全球数字医疗市场为万亿规模，中国板块年复合增长率超过30%，是其中最具活力的部分 [1] - 行业处于人工智能技术浪潮与“健康中国”战略交汇的“十五五”新阶段，核心命题是构建适配中国医疗体系、赋能医生的下一代基础设施 [1] - 国家政策支持行业发展，2025年11月国家卫健委等五部门印发文件，提出到2027年建立高质量数据集、形成垂直大模型和智能体应用等目标 [9] 公司战略与定位 - 医赋科技定位为一家“医疗AI数据公司”，核心能力在于将数据转化为覆盖医生职业全周期的场景智能 [6] - 公司选择了一条笃定且具挑战的路径：将人工智能算力锚定于循证医学方法论与权威数据构筑的“证据基座”之上 [1] - 公司战略强调“深度聚焦、价值闭环”，致力于深度解构与赋能中国医生“医、教、研”三位一体的能力模型 [6] - 其发展路径以权威数据为护城河，以循证医学为灵魂，以深度融入中国医生工作流为依归 [11] 核心技术：数据与循证智能体 - 技术底座为“医学文献数据库+AI智能体”构成的Info X Med平台 [1] - 核心数据库动态汇聚了超过4000万篇全球权威医学文献、国际临床指南与基金数据 [3] - 数据源具有权威性与精准性，公司与威立等世界主流出版商签订授权协议，获得全网使用权 [3] - 核心产品为循证智能体，其核心竞争力在于对循证医学“可追溯性”与“证据分级”原则的工程化极致实现 [3] - 系统能自动化执行证据检索与评估流程，形成结构化回答，并明确标注每一项建议的证据等级和参考文献 [4] - 即将发布的新版本循证智能体，经加美专家测试，在专业度上已不逊于美国OpenEvidence，部分精准性实现超越 [4] - 该智能体为中国医生提供了无需跨越国际网络壁垒、深度整合中文医学语境与指南的“本土化循证方案” [5] 产品应用与场景赋能 - 根本目标是打造一个让各级医生都能平等、即时、可信地调用全球医学知识库的“超级临床智能工作站” [2] - 在“研”的场景，科研智能体能帮助医生在几分钟内完成单篇文献深度解读或领域“空白点挖掘”，在试点医院中将文献调研泛读时间平均降低80% [6] - 在“医”的场景，循证智能体致力于填平医疗资源的“知识鸿沟”，尤其助力基层医生，相当于为每位医生配备永不离线的“循证顾问” [7] - 在“教”的场景，图书馆智能体整合了超120万道题目的知识库与继续教育资源，构建覆盖全职业周期的个性化学习系统 [7] - 三大智能体基于Info X Med平台深度集成、数据互通，共同构成支撑中国医生终身职业发展的赋能型数字生态 [7] 商业模式与生态构建 - 探索“普惠医生、服务产业”的双轨路径 [7] - 一方面面向广大医生提供免费服务，初衷是从文献获取这一刚性需求入手，助力基层医生，提升中国医疗界的科研能力 [8] - 另一方面通过服务药企等B端客户实现可持续性，包括设立合规产品信息专区，以及提供药物研发趋势分析、市场格局深度调研等基于数据智能的增值服务 [8] - 一个权威的医疗循证智能平台，其赋能半径可扩展至医学生、药学与医疗器械企业、商业健康保险机构，并最终通过惠及医生和未来面向患者的科普，助力提升全民健康素养 [10] 未来发展方向 - 进化方向是在现有“医教研”赋能生态基础上，沿着数据价值的纵深化与服务场景的扩展两个维度稳健推进 [10] - 未来可能面向患者提供友好型知识服务，以及面向医药产业提供深度数据洞察，核心根植于不断演进的医疗数据智能生态之中 [10]

美国FDA监管政策根本性转向 - 2026年初，美国FDA新任局长宣布对整类人工智能驱动的健康应用、可穿戴设备和临床决策支持工具免于传统监管，旨在以“硅谷速度革新监管”[4] - 政策转向后，成千上万款AI健康工具无需经过漫长、昂贵的上市前审批即可直接面向消费者和医疗机构[4] 传统监管体系与冲突 - 截至2023年底，FDA累计批准超过1247款AI/ML医疗器械，其中约74.4%集中在医学影像领域[4][5] - 传统体系基于风险分类审批，2024年批准的168款AI医疗器械中，94.6%通过510(k)路径，中位审查时间约为151天[6][8] - 为传统硬件设计的审批框架与AI软件持续学习、快速迭代的特性产生根本性冲突，每一次算法优化都可能触发新审批[10] 新监管哲学与边界定义 - 2026年新政核心在于依据《21世纪治愈法案》，FDA不再仅关注工具技术功能，而是更深入审视预期用途和临床场景，大幅拓宽“非医疗器械”豁免范围[11] - 监管分水岭从技术本身移向技术的“时间敏感性”与临床行动紧迫性，例如预测“未来10年心血管风险”的模型可能豁免，而预测“未来24小时内心脏事件风险”的模型将受严格监管[11] 政策松绑的双重市场效应 - 对创新与产业产生“加速度”效应，初创企业产品上市时间从以“年”计缩短到以“月”甚至“周”计，前期合规成本大幅降低[13] - 风险从上市前集中审查扩散到产品整个生命周期，创造了“非医疗”与“医疗”使用的模糊地带，海量免审工具的性能成为“黑箱”[13] - 可能产生“自动化偏见”，且一旦出现错误，责任链条将异常复杂，陷入开发者、医院和医生之间的真空地带[13] 新兴去中心化监管生态系统 - 监管责任与权力被重新分配给市场多个关键节点，形成新的“守门人”网络[15] - 医疗系统与临床机构被推上一线，需自行建立内部委员会对AI工具进行验证、评估和监测，可能加剧资源不均导致的医疗质量“数字鸿沟”[15] - 支付方与雇主将扮演“经济守门人”角色，产品责任诉讼和消费者保护法成为事后制约力量，市场声誉成为关键软约束[15] FDA的新监管-学习范式探索 - FDA通过“通过试点机会进行有针对性的证据生成”等项目，探索“监管-学习”闭环新范式[16] - 构想“带数据收集的访问权限”未来，即以更快的市场准入换取对真实世界证据的强制学习[16] 行业领袖观点与市场背景 - 多位行业领袖认为医疗保健将是受益AI最多、最被低估的领域，将颠覆整个行业[32][33][35] - 中国国务院正式印发《关于深入实施“人工智能+”行动的意见》，特别提出在医疗健康等重点领域加快推动AI落地应用[37]

航天与商业航天 - 我国成功发射一型可重复使用试验航天器，将按计划开展技术验证，为和平利用太空提供技术支撑 [1] - 上海市经信委表示将瞄准商业航天等新赛道，以再造万亿级产业新增量 [2] - 美国联邦航空局已批准“猎鹰9”火箭恢复飞行，将按期执行最新一期“龙”飞船载人发射任务 [4] 新能源与高端制造 - 特斯拉正评估美国多个选址以扩大太阳能电池制造业务，目标在未来三年内实现每年100吉瓦的太阳能制造能力 [3] - 特斯拉计划扩大纽约州布法罗工厂产能至10吉瓦，并可能在纽约州建设第二座工厂，亚利桑那州和爱达荷州也在备选名单中 [3] - 上海市“十五五”期间将累计建成500家先进智能工厂，工业机器人应用密度达600台每万人 [2] 人工智能与数据要素 - 我国首次明确将培育三类数据流通服务机构，包括数据交易所（中心）、数据流通服务平台企业和数据商 [7][8] - 意见提出探索多样化流通交易模式，鼓励数据换数据、换订单、换服务、换模型、换场景等交换方式 [8] - 上海市经信委表示上海拥有全国近10%的算力，运营全国首个语料公共服务平台，并已推出138款备案大模型 [11] - 国产全栈高性能GPU在医疗AI领域的应用解决方案发布，旨在降低医疗人工智能推广应用门槛 [6] 基础设施与数字基建 - 福建提出统筹算力基础设施和物联感知设施建设，鼓励有条件的地市先行先试开展数据基础设施建设 [9] - 福建将加快福州、厦门地铁项目建设，并持续强化5G、5G-A、千兆光网的深度覆盖 [9] - 两部门印发意见，要求健全重大水利工程建设运行管理机制，实现高质量建设、高水平运行和高效能管理 [10] 前沿技术与工程突破 - 国产首台盾构饱和带压进仓设备“深海空间站”在甬舟铁路金塘海底隧道完成“首秀”，成功实施75米深高压环境盾构进仓作业，累计换刀46把 [5] - 该技术成功应用标志着我国自主研发盾构饱和带压进仓技术突破了60米的安全作业深度限制 [5]

公司发展历程与关键转折 - 公司创始人薛翀于2016年创业，初期开发基于知识图谱的“问诊系统”，并曾通过接入护士提供线上问诊服务实现盈利，但认为该模式劳动密集而转型 [32][33][34] - 2017年底，公司转向基层医疗SaaS赛道，为浙江省约8000家基层诊所提供带有临床决策支持功能的电子病历系统，并与第三方检验中心互联，形成了软件销售与分佣的商业模式，至2021年已实现数千万收入和一定利润 [35] - 2022年遭遇资本寒冬，原定5000万融资无法到账，公司收缩战线，但决定保留一支10人小队探索AI创新业务，成立“Π实验室” [6][36][37] - 2022年底ChatGPT的出现，解决了医疗数据非标、结构化处理难的问题，使公司的AI智能病历业务得以突破 [10][11] - 2025年，公司AI新业务签约年度经常性收入增长12倍，达到六七千万元，并连续获得3轮融资，2026年签约合同额有望达1.5亿元 [7] 核心产品与业务模式 - 核心AI产品为“无感病历自动书写”，通过语音识别结合大模型理解推理，在医患自然对话中自动生成结构化病历，旨在解放医生双手 [9][10] - 产品价值不仅在于提升医生效率，还包括病历质控与风险预警，例如通过比对耗材数据与医生口述，自动生成匹配的手术记录以解决医保扣费问题 [12] - 公司业务分为两大方向：一是对标美国Abridge的AI智能病历业务，二是对标美国OpenEvidence的医生“AI智能助理”产品，旨在解决医生在科研与疑难杂症诊疗中的信息处理痛点 [7][15][16] - 商业模式坚持由直接受益方付费的原则，即医院解决问题由医院付费，医生使用产品由医生付费，不依赖“羊毛出在猪身上”的药企数字化营销模式 [18][19][20] - 公司开发的诊所SaaS系统也要求诊所直接为软件服务付费，而非依赖导流佣金 [19] 市场竞争与公司优势 - 公司认为医疗AI应用层的主要机会属于创业公司，而非传统医疗信息化厂商或大厂，因后者可能投入不足或决策流程缓慢 [14] - 面对医院部署开源大模型的竞争，公司通过“后训练”将医疗垂直大模型参数压缩至7B，在生成精度和速度上具备优势，且能更好与医院业务流结合 [13] - 相较于仅做语音识别的“感知型AI”产品，公司采用语音+大模型推理的双重架构，在病历要点提取的准确率上更高，形成了竞争壁垒 [13] - 公司已订阅多个国际核心医学数据库并达成应用协议，为开发医生AI助理产品奠定了基础 [15] 产品理念与创新逻辑 - 公司创始人认为产品创新是商业世界中最大的杠杆，能带来10倍、百倍乃至千倍的增长，远高于营销带来的线性增长 [5][28][29] - 检验创新的核心标准是直接服务的用户是否愿意付费，公司坚持产品必须解决医生足够痛的问题，使其愿意直接买单 [8][30] - 公司认为中国医生是具有强支付能力和意愿的优质客户群体，其支付意愿取决于产品是否解决了让其“焦头烂额”的核心痛点 [22][23][24] - 公司推广策略强调产品力驱动，医生版APP未做推广便实现自然增长，计划通过学术会议和新媒体渠道进行精准推广 [17] 行业洞察与需求分析 - 在医疗场景中，顶级医院医生对常见病诊疗已烂熟于心，更需要的不是临床决策支持，而是能自动书写病历、录入数据的工具，以及处理疑难杂症时的深度辅助工具 [14][16] - AI在医疗场景的价值发挥点主要有二：一是在门诊场景做“无感”病历记录，替代助理；二是在病房场景，辅助医生对疑难杂症进行深度研究和决策 [16] - 真正的用户需求是能解决医生“焦头烂额”瞬间的产品，例如快速获取最新治疗方案、一键无感记录专病案例等，伪需求则无法形成商业闭环 [24][25][26][27]

核心观点 - 花旗维持医渡科技“买入”评级 并将目标价上调至11港元 预计未来股价潜在涨幅超96% [1] - 公司作为国内AI医疗领域领军企业 凭借政策支持 行业积累及全场景布局 在医疗AI基础设施建设中占据核心地位 [1] 政策与行业环境 - 国家大力推进“人工智能+医疗健康” 政策明确提出2027年前建成多个国家级试点基地 2030年实现二级以上医院AI技术广泛覆盖 为公司业务扩张提供明确增长路径 [1] - 公司已深度嵌入北京 河南等地的国家级AI医疗应用试点基地项目 [1] 业务与产品布局 - 公司打造了医生Copilot等产品 显著提升医疗机构运营效率并减轻医护人员负担 [1] - 面向C端的微信小程序“医渡千愈”在花旗测试中准确性与可追溯性表现突出 与蚂蚁阿福 讯飞晓医等同处第一梯队 能够提供专业医疗咨询支持 [1] - 公司形成To-G（面向政府与医院）与To-C业务的协同布局 [1] 竞争优势与核心能力 - 公司在医疗数据治理与知识构建方面有深厚积累 其处理的数据规模庞大且源自顶级医院合作 数据质量与权威性构成独特优势 [2] - 基于真实世界高质量数据训练的能力 是医疗AI模型实现精准诊断与辅助决策的基石 [2] 财务预测与业务展望 - 与仍处探索期的消费者端应用相比 面向政府和医院的业务板块展现出更可预见的盈利能力 且直接受益于医院AI预算提升与国家级项目招标 [2] - 基于其稳固的To-G业务模式及清晰增长路径 花旗上调财务预测 预计其大数据平台收入将在2026财年与2027财年分别实现17%和30%的同比增长 [2] - 公司有望在2026财年达到盈亏平衡 [2]

核心观点 - 花旗维持医渡科技“买入”评级，将目标价上调至11港元，预计未来股价潜在涨幅超过96% [1] - 公司作为国内AI医疗领域领军企业，凭借政策支持、行业积累和全场景布局，在医疗AI基础设施建设中占据核心地位 [1] 政策与市场环境 - 国家大力推进“人工智能+医疗健康”，政策明确2027年前建成多个国家级试点基地、2030年实现二级以上医院AI技术广泛覆盖，为公司业务扩张提供了明确的增长路径 [1] - 公司已深度嵌入北京、河南等地的国家级AI医疗应用试点基地项目 [1] 业务布局与产品 - 公司打造了医生Copilot等产品，显著提升了医疗机构运营效率，减轻了医护人员负担 [1] - 公司面向C端的微信小程序“医渡千愈”在花旗测试中准确性与可追溯性表现突出，与蚂蚁阿福、讯飞晓医等同处第一梯队，能够提供专业的医疗咨询支持 [1] - 公司形成了To-G（面向政府与医院）与To-C业务的协同布局 [1] 核心竞争力与数据优势 - 公司在医疗数据治理与知识构建方面有深厚积累 [2] - 公司处理的数据规模庞大且源自顶级医院合作，数据质量与权威性构成独特优势 [2] - 基于真实世界高质量数据训练的能力，是医疗AI模型实现精准诊断与辅助决策的基石 [2] 财务预测与盈利能力 - 与消费者端应用相比，面向政府和医院的业务板块展现出更可预见的盈利能力，且直接受益于医院AI预算提升与国家级项目招标 [2] - 基于稳固的To-G业务模式及清晰的增长路径，花旗上调财务预测，预计其大数据平台收入将在2026财年与2027财年分别实现17%和30%的同比增长 [2] - 公司有望在2026财年达到盈亏平衡 [2]