2025年业绩与核心财务表现 - 2025年公司实现营收1.73亿元，同比增长10.8% [2] - 2025年净亏损同比收窄90.2% [2] 业务线产品表现 - 近视防控AI产品线2025年实现营收43.9百万元，同比增长55.7% [5] - 核心产品PBM-LED®近视光照治疗仪活跃服务网点增长至3342个，较上半年增长89.1% [5] - 该产品累计服务近视患者1.7万名，较上半年增长237% [5] - 全年近视防控AI产品使用量达639万UV，同比增长58.8% [5] - 视网膜检测AI产品线2025年实现营收120.8百万元，同比增长7.2% [5] - 该产品活跃服务网点增长至8599个，同比增长9.1% [5] - 全年检测人数达712万UV [5] - 抗压能力监测AI产品于2025年5月正式上线 [12] 技术平台与产品架构 - 公司以自研万语大模型为统一技术底座，构建近视防控AI、视网膜检测AI、抗压能力监测AI三大核心产品线 [10] - 形成“一个大模型底座、三大AI产品、多场景落地”的整体业务架构 [10] - 万语大模型为三大AI产品提供全链路智能支持，实现“模型赋能业务、业务迭代模型”的正向循环 [10] - 2025年万语大模型Token总消耗量达7992亿，其中视网膜检测AI消耗356亿，近视防控AI消耗320亿 [25] 研发进展与监管批准 - 2025年4月，视网膜静脉阻塞AI辅助诊断产品Airdoc-AIFUNDUS(2.0)获国家药监局三类医疗器械注册证 [5][6] - 该产品可通过眼底识别预测未来10年缺血性心脑血管疾病风险 [6] - 2025年6月，基于万语大模型研发的PanDerm AI算法研究成果发表于《自然医学》，使皮肤癌早筛准确率提升11% [14] - 近视防控和视网膜检测AI技术专利位居全球前列 [17] 临床研究成果 - 2025年11月，国家眼部疾病临床医学研究中心预实验结果显示，单用PBM-LED®视力康复仪，85%受试者视力保持稳定或改善 [14] - 同期，国家儿童医学中心前瞻性随机对照临床试验结果显示，PBM-LED®视力康复仪联用离焦镜控制近视，双眼眼轴有效控制率均超80% [14] 全球化与市场拓展 - 2025年海外市场收入19.2百万元，同比增长100% [7] - AI产品服务网络已覆盖欧盟、新加坡、泰国、印尼、越南、南非、沙特、阿联酋、马来西亚、巴西、智利、墨西哥等多个国家和地区 [7] 战略合作与生态拓展 - 2025年9月，与蔡司光学达成战略合作，联合定制开发“掌上蔡司AI验光选品解决方案” [33] - 发布AI近视防控风险预测模型，将以中国为创新试点推向全球 [33] - 依托万语大模型与合作伙伴联合研发多款AI医疗产品，全年累计完成检查427万次 [12][36] 社会责任与行业影响 - 2025年通过视网膜检测AI技术预警重大阳性37210例，同比增长4.4% [20] - 深度参与三明医改迭代升级，构建人工智能健康防控网络 [20] - 作为国家人工智能应用中试基地生态伙伴单位，其AI医疗创新成果获CCTV-1《焦点访谈》专项报道 [20] - 在2025金砖国家智库国际研讨会上提报“全球南方”AI健康方案 [20] - 依托抗压能力监测AI技术，为南昌市150万中小学生及教师提供公益性抗压能力普查服务 [20]

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

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]

AI+医疗行业趋势与政策 - 政策明确AI+医疗发展目标：2027年建成高质量数据集与专病大模型，2030年实现基层AI辅助全覆盖及二级以上医院普遍应用AI影像与临床决策[3] - 2026年1月国家医保局将37项高频AI医疗辅助操作纳入全国统一定价目录，打通商业化关键环节[3] - AI医疗正从辅助洞察（L1/L2）向自主智能体（L3/L4）升级[3][18] - 全球医疗AI解决方案市场规模2024年达400亿元，预计2025年增至449亿元[3][21] - 中国医疗AI解决方案市场规模2024年达164亿元，预计2025年达182亿元[3][22] 北交所市场表现与标的 - 本周（2026年2月23-27日）北证50指数报收1537.13点，周涨幅0.48%[4][28] - 北交所医药生物板块本周上涨0.34%，其中中药（+1.15%）和医疗器械（+1.09%）涨幅居前[4][30] - 北交所共有9家AI+医疗产业链相关标的，包括丹娜生物、倍益康、锦好医疗等[3][26] - 截至2026年2月27日，北交所排队企业共170家，其中医药生物领域14家，2024年平均营收4.38亿元[4][41] 企业业绩与动态 - 2025年业绩快报显示，锦好医疗、无锡晶海、德源药业等公司归母净利润同比增长较快，均超过10%[4][61] - 北交所排队企业中，百英生物、康华股份、海金格为AI+医疗产业链企业，2024年营收分别为4.02亿元、7.28亿元、5.49亿元[4][42][49][54]

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]

行业背景与战略意义 - 人工智能已成为全球数字新基建的重要组成部分，是中国科技出海的新名片，其发展正受益于“人工智能+”行动全面实施和高质量共建“一带一路” [1] - 在医疗健康领域，“AI+医疗”正突破地域限制，以技术普惠弥合国际医疗差距，成为“健康丝绸之路”的重要抓手 [1] - 印度尼西亚作为沿线重要伙伴，长期面临医疗资源与能力分布不均的挑战，普遍采用X光作为首要分诊工具，提升该环节效率与一致性是当地医疗机构的现实课题 [1] 合作项目概况 - 商汤医疗携手印尼最大的私立医疗集团Siloam Hospitals Group，成功落地SenseCare®胸部X光智能分析解决方案，成为中国首个成功出海的AI影像普惠方案 [1][15] - Siloam Hospitals Group是印尼领先的私立医疗集团，在全国管理着**41家医院**和**73家诊所**，覆盖多个主要岛屿，**每年接诊近两百万名患者** [3][17] - 此次合作旨在攻克印尼X光影像诊断效率欠佳、资源不均的难题，实现AI辅助诊断“零的突破”，系统性赋能本土医疗体系升级 [3][17] - 该合作并非简单的技术引入，而是探索了一条“低成本、高可及”的智能化升级路径，使AI能力深度整合于当地主流医疗系统，实现规模化普惠赋能 [5][20] 技术方案与产品能力 - SenseCare®胸部X光智能分析解决方案基于深度学习算法，能对X光胸片进行快速智能分析，精准检出**肺、纵隔和骨**三大类关键部位异常 [3][17] - 该方案支持**气胸、肺炎、肺结核等十余种疾病**的辅助检测，并提供量化分析与结构化输出，辅助医生在高负荷环境下快速、稳定阅片并降低漏诊率 [3][17] - 自投入使用以来，该方案已成为医生不可或缺的“智能助手” [3][17] 本土化实施三大举措 - **算法包容性与公平性**：模型训练整合了涵盖东西方人群的公开数据集，并关键性融入了来自Siloam的本地脱敏数据，旨在从源头减少偏见，确保对印尼多样化患者群体的公平、稳定辅助诊断 [7][22] - **诊断标准本土化**：通过模型的本地化微调和思维链校准，使其推理过程完全遵循印尼的临床指南与诊断路径，保障结果精准可靠并与本土医生思维“同频共振” [8][23] - **语言与文化适配**：提供全流程印尼语支持，确保报告格式、医学术语与本地规范完全一致，降低医护人员认知负荷，使AI工具高效嵌入日常诊疗工作流 [9][24] 全球化布局与市场地位 - 商汤医疗已成为中国医疗AI技术出海的重要力量，业务遍及**香港、澳门、新加坡、泰国、印尼、日本、沙特等全球十余个国家和地区** [10][25] - 公司此前与新加坡IHH医疗集团旗下百汇医院的合作，已树立中国医疗AI出海典范，并作为**唯一医疗案例**被收录进由国家发展改革委主任郑栅洁发布的《中国智・惠世界》权威案例集 [10][25] - 在印尼的成功落地，验证了以“本土化建设”为核心的出海模式能够灵活适配不同国家、不同发展阶段的医疗体系，为解决普惠医疗问题提供了可信的实践范本 [14][29] - 公司致力于将智能医疗服务拓展至“一带一路”乃至全球更多国家，为推动全球医疗的公平与可及贡献中国智慧 [14][29]

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]