A股市场周度观察 - 市场整体上涨，中小盘及成长风格表现突出 创业板指与北证50涨幅领先，分别上涨6.65%与7.43% 大盘成长指数本周上涨3.33%，小盘成长指数上涨2.72% 本周日均成交额为2.36万亿元，环比增长10.27%，市场交投活跃度明显提升 [6] - 市场上涨受多重利好驱动 宏观层面，一季度GDP同比增长5.0%，比上年四季度加快0.5个百分点 政策面上，发改委将制定2026至2030年扩大内需战略实施方案，重点提振服务消费并研究制定城乡居民增收计划 产业层面，半导体、AIGC、AI医疗等AI相关板块表现较好，带动市场风险偏好回升 [6] - 预期市场情绪持续回暖，但需注意短期涨幅较大板块的回吐压力 政策面维持友好，扩内需政策加力可期，货币环境保持宽松 AI科技板块仍是市场主线，半导体、新能源等成长方向值得持续关注 配置上建议采取攻守兼备策略，以科技成长为进攻方向，同时适当配置业绩稳健的高股息资产作为防御 [7] 港股市场周度观察 - 市场整体上涨，科技股表现尤为突出 恒生科技指数本周上涨3.75%，恒生中国企业指数上涨2.20%，恒生指数上涨1.03% 行业方面，非必需性消费与资讯科技业涨幅居前，分别上涨4.36%与2.15% 必需性消费与公用事业表现较弱，分别下跌3.11%与1.87% [8] - 科技板块上涨得益于经济超预期与AI需求拉动 一季度中国GDP增速超预期，支持可选消费板块回暖 受Token调用量快速增长拉动，全球算力硬件需求持续攀升，国内多家云厂商上调相关产品价格 AI强劲需求也带动美股、港股板块AI巨头股价回暖 [8] - 展望未来，港股短期有望在美股AI板块上涨和A股情绪回暖支撑下延续结构性上涨 科技板块仍是港股最重要的投资主线，AI技术变革持续深化，头部互联网企业业绩增长确定性较高 港股IPO市场持续活跃也将吸引更多增量资金关注 配置上建议采取杠铃策略，以高股息资产作为底仓防御，同时关注盈利改善明显的科技与消费行业 [9]

投资评级 - 给予讯飞医疗科技“增持”评级 [5][7] 核心观点 - 公司作为国内AI医疗龙头企业，技术壁垒与商业化落地能力持续得到验证，星火大模型引领AI医疗商业化加速 [1][3][5] - 2025年公司实现营业收入9.15亿元，同比增长24.7%，归母净亏损为0.65亿元，较去年同期大幅收窄51.1% [1] - B端、C端业务增长强劲，成为主要增长引擎，两者合计收入占比已提升至48.7% [2] - 星火医疗大模型技术持续突破，构筑AI医疗核心壁垒，模型性能获权威认可并达到主任级医师水平 [3] - G、B、C全场景应用落地加速，市场覆盖持续扩大，战略卡位优势显著 [4] - 预计公司2026-2028年收入分别为12.2亿元、15.5亿元、19.7亿元，归母净利润分别为0.1亿元、0.7亿元、0.7亿元 [5][6] 财务表现与预测 - **2025年业绩**：营业收入9.15亿元（+24.7%），毛利4.62亿元（+14.2%），毛利率50.5%（同比下降4.6个百分点），归母净亏损0.65亿元（同比收窄51.1%），经调整净亏损0.39亿元 [1] - **分业务收入**：区域解决方案营收2.06亿元（+33.9%），医院解决方案营收1.73亿元（+31.1%），患者管理服务营收2.73亿元（+29.3%），基层解决方案营收2.63亿元（+10.9%）[2] - **研发投入**：全年研发总投入3.16亿元，占总收入34.6%，其中核心技术研发投入1.35亿元，同比增长64.2% [3] - **盈利预测**：预计2026-2028年营业收入分别为12.22亿元（+33.6%）、15.55亿元（+27.2%）、19.70亿元（+26.7%），归母净利润分别为0.10亿元、0.73亿元、0.68亿元 [5][6][13] - **每股收益预测**：预计2026-2028年每股收益分别为0.09元、0.60元、0.56元 [5][6] 业务进展与竞争优势 - **技术领先性**：星火医疗大模型完成从X1到X1.5迭代，并于2026年初升级至X2，核心能力始终保持业界领先 [3] - **模型性能**：V2.5国际版在中文医疗大模型权威评测平台MedBench以98.4分的成绩位居榜首；X1.5核心能力平均效果达91.2%，全面超越GPT-5-high及DeepSeek V3.2-Exp [3] - **临床效果**：在住院场景中，专科AI能力在业界首次达到主任级医师水平；在门诊场景中，诊断准确率达93.1%，显著超越低年资医师水平 [3] - **市场覆盖（G端）**：核心产品“智医助理”已覆盖全国31个省市、806个区县，服务超过7.7万家基层医疗机构，累计提供AI辅诊建议超11亿次 [4] - **市场覆盖（B端）**：智慧医院解决方案已在全国600余家等级医院落地应用，AI诊疗助理在试点医院可为医生节省50%以上的病历书写时间，医生实际引用率超87% [4]

公司概况与核心成就 - 公司为AI医疗公司Medvi，被《纽约时报》报道后一夜成名 [2] - 公司创始人与其弟弟仅用2个月时间、2万美元启动资金和十几个AI工具创立了该公司 [2] - 该公司创造了“AI商业奇迹”，目前每天进账300万美元（约合2050万人民币），年收入约合4亿美元 [2] - 该公司被称为世界首个10亿美元级别的“一人公司” [4] 行业影响与市场关注 - 该公司的成功案例引发了行业高度关注，OpenAI的Sam Altman（奥特曼）在看到报道后表示很想见见创始人 [3]

公司核心表现与市场地位 - 公司是AI医疗赛道中少数跑通商业闭环的公司，已实现年收入超过1亿美元，并被超过150家医疗机构使用 [6] - 公司估值从2024年底到2025年中翻了将近一倍，在2025年6月完成E轮融资后估值达到53亿美元 [6][16] - 公司年收入增长迅速，年度经常性收入从2024年底的约6000万美元，在2025年第一季度已达1.17亿美元，数月内翻倍 [17] - 公司用户满意度极高，KLAS 2024年调查显示其用户满意度评分达95.3%，远高于行业均值 [15] 产品与技术解决方案 - 公司核心产品通过录音自动生成符合SOAP格式的结构化病历笔记，将医生从繁重的文书工作中解放出来，平均每天为医生节省约2小时，86%的医生因此减少了下班后加班写笔记的频率 [12][15] - 产品已深度集成至美国主流的电子病历系统，特别是已集成进覆盖全美42%医院的Epic系统，并成为其官方首批合作伙伴 [12][14] - 产品构建了关键的可信AI功能“Linked Evidence”，将AI生成的每一句话链接到原始对话录音片段，其系统能识别出97%的AI错误内容，远高于通用大模型8%至90%的水平 [12] - 技术架构复杂且专业化，生成一条临床笔记需在后台协调15到20个不同的模型，是一个场景化的推理引擎，而非通用模型套壳 [14] - 产品支持超过55个专科和28种语言，并能处理对话中途切换语言或有翻译介入的场景 [12] 商业模式演进与竞争壁垒 - 公司商业模式正从“降本工具”升级为“收入驱动系统”，业务范围从医嘱记录扩展到保险编码和理赔申诉，旨在成为医疗行政流程的入口 [7] - 公司通过早期面向患者的免费App积累了超过150万条医疗对话数据，为模型训练和产品迭代奠定了坚实基础 [14] - 公司构建了多维度壁垒，包括数据闭环与临床场景的深度适配、可信AI设计以及与电子病历系统的深度集成 [7] - 公司面临来自科技巨头、创业公司及电子病历厂商的竞争，主要竞争对手包括微软旗下的Nuance、创业公司Ambience Healthcare以及Epic的自有AI功能 [20][21] - 公司定价具有优势，其产品价格约为每个医生每月200美元，是主要竞争对手Nuance价格的三分之一 [20] 行业发展与投资趋势 - 行业存在一个明确的投资趋势：资本正系统性地给予垂直应用层AI公司高于基础模型公司的估值溢价，Perplexity估值是年化收入的170倍，Anthropic是58倍，OpenAI是43倍 [6] - 行业痛点巨大，美国每年在医疗行政管理上的支出高达6000亿至1万亿美元，占医疗总支出的15%至25%，医生平均每周在行政事务上花费15.5小时 [16] - 行业准入门槛高，涉及严格的隐私合规要求，可信可靠是交易的“终极货币”，这为深度嵌入工作流的垂直AI公司构建了护城河 [20] - 行业竞争加剧，赛道正从“AI自动记录”向AI参与的完整临床闭环升级，未来胜出的公司需要将模型能力、医疗知识、系统集成和信任机制同时做深 [22] 公司发展历程与战略 - 公司创立于2018年，早于ChatGPT的出现，创始人是一位心脏科医生，其创业初衷是解决医生下班后需花费2小时撰写“睡衣时间”病历笔记的痛点 [7][9] - 公司发展经历了清晰的阶段：早期通过免费App积累数据，2022年起转向企业客户并与医院系统整合，2023-2024年成为Epic合作伙伴，2025年业务扩展至护理文书和医疗编码 [14] - 大语言模型的出现加速了市场教育进程，将公司的销售周期从长达18个月大幅缩短，实现了“把潜在能量转化为爆发力” [9] - 公司的融资路径呈现加速态势，从2018年种子轮500万美元，到2025年完成总计7.6亿美元的融资，估值在4个月内从27.5亿美元翻倍至53亿美元 [16] - 公司获得了顶级风投和战略医疗机构的双重支持，战略投资方的加入不仅是背书，也意味着真实部署的前置承诺 [17]

行业投资评级 - 行业评级：增持 [1] 报告核心观点 - 海外方面，AI+医疗正从技术探索向商业化兑现深度转型，创新与规范并行发展，多赛道实现关键突破落地 [2] - 国内方面，主要看点集中在AI辅诊与AI临床手术，AI辅诊大模型正向可解释、可落地方向演进，AI临床手术实现从“辅助诊断”向“辅助治疗”的关键跨越 [3] - AI正从“技术辅助”角色，升级为医疗产业“价值重塑”和“效率革命”的核心驱动力，其商业价值正在从研发端向临床端、支付端和患者端全面渗透 [4] 海外发展动态总结 - **AI药物研发**：迈入临床转化关键期，行业形成技术、算力、临床转化完整链条 [2] - **AI药物研发具体进展**：Isomorphic Labs推出AlphaFold 4级IsoDDE引擎，礼来上线自研AI超级计算工厂LillyPod，全球首款全AI设计抗体药GB-0895启动Ⅲ期临床 [2] - **AI医疗器械与医学影像**：临床落地加速、标准化推进，行业从硬件主导转向AI+数据融合，向规模化发展 [2] - **AI医疗器械与医学影像具体进展**：美敦力收购CathWorks完善AI心血管诊疗布局，美国FDA批准两款AI影像系统 [2] - **AI临床辅助与健康管理**：实现全场景渗透，效率提升与合规安全并重 [2] - **AI临床辅助与健康管理具体进展**：临床端AI助力病历自动化生成实现规模化落地，健康管理端Oura推出女性健康专属AI大模型 [2] - **行业风险与治理**：西奈山医学院研究揭示医疗大模型传播虚假信息的漏洞，凸显行业合规与事实核查的紧迫性 [2] 国内发展动态总结 - **AI辅诊领域**：大模型正向可解释、可落地的方向演进，DeepRare实现推理过程可追溯，华为联合瑞金医院推出病理大模型一体机，推动优质医疗资源普惠 [3] - **AI临床手术领域**：国产技术实现从“辅助诊断”向“辅助治疗”的关键跨越，佗道医疗完成全球首例活体动物电能量自动手术，两款穿刺机器人接连获批三类证，手术机器人进入密集落地期 [3] - **AI医疗政策**：规范与扶持双轮驱动，天津出台监管新规明确AI辅助定位，深圳宝安、四川、海南等地通过专项资金、中试平台形成全链条支撑 [3] - **AI医疗平台建设与国际化**：基础设施与出海同步推进，华为云发布智慧医疗专区，联影医疗携顶尖医院“组团出海” [3] - **C端应用与行业共识**：蚂蚁阿福月活跃用户突破3000万验证其C端规模化能力，业内围绕AI应用边界形成“辅助而非替代”共识 [3] 行业投资逻辑与主线 - **核心投资逻辑**：在于解决行业痛点，通过降本增效、改善患者体验、降低患病风险等方式全面赋能医药、医疗各个环节 [4][5] - **AI辅助诊断价值**：提升诊断效率、一致性，辅助基层医疗，具备明确“降本增效”价值；在癌症早筛、伴随诊断、疗效预测等领域可助力实现精准医疗 [5] - **AI新药研发价值**：有望为药企带来显著回报 [5] - **AI医学影像发展阶段**：已从单一病种辅助诊断迈向多病种一体化和全流程管理，需关注产品矩阵拓展能力、临床工作流嵌入深度及向治疗决策支持的升级潜力 [5] - **AI辅助药物研发(AIDD)发展阶段**：已从早期发现进入临床验证阶段，需关注平台技术验证、与顶级药企深度合作模式及对临床阶段成功率/速度的真实提升数据 [5] - **医疗基础大模型与多模态AI**：能处理文本、影像、语音等多维度医疗数据，需关注模型专业领域精准度、与现有医院信息系统融合能力及作为“医疗智能体”底座构建生态的潜力 [5] 建议关注标的 - **AI制药**：晶泰控股、泓博医药、成都先导、英矽智能等 [6] - **AI医学影像及辅助诊断**：联影医疗、万东医疗等 [6] - **医疗信息化与智慧医院**：嘉和美康、创业慧康、东华软件、卫宁健康等 [6] - **互联网医疗与健康平台**：京东健康、阿里健康、平安好医生等 [6] - **精准医学与AI驱动的医疗服务**：金域医学、润达医疗、美年健康等 [6] - **技术/数据平台型企业**：讯飞医疗、医渡科技等 [6]

AI+医疗行业电话会议纪要关键要点 一、 行业与公司概览 * 涉及的行业为**AI+医疗**行业，涵盖AI制药、AI医学影像、AI诊疗、AI+可穿戴设备等多个细分领域 [1] * 涉及的公司包括： * **美股公司**：Canopy Growth、Recursion、Healtheon、WebMD、Tempus AI、薛定谔、Groq、Clear、HeartFlow、Hypocratic AI [2][4][10] * **中国公司**：晶泰科技、联影智能、深睿医疗、推想医疗、数坤科技、固生堂、鱼跃医疗、迈瑞医疗 [1][5][7][8][9][11][12] 二、 行业发展阶段与市场表现 * AI医疗产业正从**技术验证阶段迈向商业化兑现期** [12] * **2025年美股市场表现**：年初经历爆炒，二季度开始分化，下半年进入业绩验证期，最终仅有具备**商业化落地能力**的公司（如Canopy Growth）走出全年好行情，纯概念公司（如Recursion）股价大幅回调 [1][2] * **2026年初市场行情**：A股和港股的AI医疗行情独立于美股，且相关公司涨幅相对更大 [2] 三、 商业化核心博弈与支付方动力 * 商业化核心博弈在于设计**利益共担机制**，解决受益方与支付方分离的困境（如医院出钱采购，患者和医保受益） [3] * **不同支付方的付费动力排序**：**药企（研发降本） > 医院/险企（DRG改革/控费） > C端患者（习惯待培养）** [1][3][4] * 药企付费意愿最强，因AI能加速研发、降低成本 [3] * 医院和保险公司动力较强，美国商业保险体系成熟，国内医院动力源于DRG/DIP改革下的质控与效率提升需求 [4] * C端付费动力最弱，应用集中于体检报告解读、医美AI面诊等消费医疗领域 [4] 四、 中美商业模式与支付体系差异 * **美国**：拥有成熟的商业保险支付体系，获取**CPT代码**是关键，可实现按次付费的商业模式 [1][4] * 2025至2026年，美国CPT代码库已新增大量AI辅助诊断项目 [4] * 例：AI心脏CT分析产品若能以1,000美元分析费避免约3万美元手术，保险公司支付意愿强 [4] * **中国**：支付模式未完全打通，产品需先获NMPA三类证，再申请服务价格项目，流程复杂 [4] * 多数AI医学影像产品难以独立收费，最终多以**软硬件捆绑**模式销售（如作为CT设备附加功能） [1][4][8] 五、 AI制药领域 * **应用环节**：主要应用于临床前研发环节，降本增效最显著，具体包括靶点发现与验证、苗头/先导化合物筛选、临床前候选药物生成等，**虚拟筛选是核心应用** [5] * **商业模式对比**： 1. **AI+SaaS（软件授权）**：收入稳定、毛利高，但市场天花板较低，面临大药企自研挑战 [1][5] 2. **AI+CRO（研发服务）**：通过**首付款、里程碑付款和销售分成**收费，现金流较好，风险共担，是当前**最主流和稳健的模式**，代表企业为晶泰科技 [1][5] 3. **AI+Biotech（自研新药）**：成功后爆发力强、估值高，但资金消耗快且面临临床失败风险 [1][5] * **代表企业——晶泰科技**： * 从小分子平台起家，已拓展至大分子、分子胶、多肽等多个平台 [6] * 2025年8月与一家药企达成总额约**60亿美元**的合作协议，刷新领域记录 [6] * 2025年收入指引约**7亿元**，超一半收入来源于向大型药企提供服务所获的**首付款确认收入** [6][7] * 常规性业务每年保持**数十个百分点**的高速增长 [7] 六、 AI医学影像领域 * **发展阶段**：正从**1.0时代的辅助诊断**（如肺结节、肺炎单病种检测）迈向**2.0时代的全流程赋能**，后者以大模型技术为前沿 [7] * **国内市场格局**：应用成熟度最高，头部企业包括数坤科技、联影智能、深睿医疗、推想医疗 [7] * **产品审批趋势**：自2021-2022年进入发证井喷期后已常态化，NMPA累计批准超**百张**三类证 [7] * 肺结节筛查、肺炎筛查等领域获证数量达**数十张**，已成红海市场 [1][7] * 审批重心转向新品种和新应用场景，单纯肺结节检出类证书审批速度显著放缓 [7] * **高价值细分赛道**：技术门槛高、能替代手术或造影的赛道，如心血管领域的**冠脉CT-FFR**，因技术壁垒高、医院付费动力强而具发展潜力 [8] * **商业变现模式**： 1. 单纯销售SaaS软件：在中国因医院付费意愿低、入院流程长而较难走通 [8] 2. 销售服务（按次收费）：在美国市场更可行 [8] 3. **销售捆绑AI软件的硬件设备**：将AI作为高端影像设备辅助功能以提升溢价，是**联影、迈瑞等设备厂商的主流策略**，在中国市场更易成功 [1][8] * **代表企业——联影智能**： * 采取**全栈AI覆盖、软硬一体化**的战略布局 [9] * 其uAI Vision平台的APS技术可利用AI算法**将磁共振检查时间从约20分钟缩短至3分钟左右**，直接提升医院设备周转率（翻台率），切中医院刚性需求 [1][9] 七、 AI诊疗领域 * **应用场景**： * **诊前**：智能分诊和信息收集，渗透率较高 [10] * **诊中（核心）**：辅助医生决策和书写病历，如美国的AI医生分身充当智能助理 [10] * **诊后**：全周期健康管理，如美国Hypocratic AI出租“AI护士”，服务费约**9美元**，远低于人类护士时薪**40至50美元**，为医院降本 [10] * **中国市场发展路径**： 1. **名医IP的数字克隆**：帮助大三甲名医在互联网上进行科普、轻问诊，沉淀私域流量 [1][10] 2. **基层医疗的全科助手**：为社区和乡村医生配备相当于大三甲主任水平的AI分身，辅助诊疗决策 [10] * **商业化挑战**： 1. **医保支付覆盖难**，C端患者付费意愿不强 [10] 2. 不同医院系统接口和数据格式不统一，导致**数据清洗成本高昂**，在AI研发总成本中占比很高 [10] * **代表企业——固生堂**： * 2025年共发布**14个国医AI分身**，为当年贡献**千万级别**收入 [1][11] * 计划在2026年推出“中医大脑”产品，在全国门店铺开，辅助青年医生 [11] * 布局AI名医分身可**打破名医时间瓶颈，实现中医优质资源的无限复制**，且公司拥有自有诊疗机构及名医数据，具备数据获取优势 [11] 八、 AI+可穿戴设备领域 * **C端推广潜力**：AI与可穿戴设备结合，通过提供AI陪伴式服务（如蚂蚁保的“健康小目标”），能有效提升用户粘性，未来作为个人健康助理有望显著提高设备渗透率 [11] * **代表企业——鱼跃医疗**： * 作为家用医疗器械龙头，业务受益于老龄化刚性需求 [12] * AI技术赋能体现在：**通过分析呼吸、睡眠、血糖、血压等数据自动生成报告，提升用户粘性及耗材复购率** [12] * 2026年正式进入可穿戴设备商业化落地阶段，预计Q1推出**血压手表、健康手环**等新品 [1][12] * 上线“鱼跃AI助手”旨在打通健康家庭管理与医疗器械产品，形成 **“数据+硬件+闭环管理”的盈利模式** [12] 九、 未来核心竞争力与投资主线 * **未来核心竞争力**： 1. 是否拥有**独家数据资源** [12] 2. 能否通过具体业务场景实现**数据的持续迭代和优化** [12] 3. 场景的**刚需程度**（能否有效帮助医院节省成本或帮助药企提升盈利） [12] * **投资应聚焦的主线**：**AI+制药、AI+医学影像、AI+诊疗以及AI+可穿戴设备** [12]

市场整体表现 - AI医疗板块在3月17日较上一交易日下跌1.19% [1] - 当日上证指数报收于4049.91点，下跌0.85% [1] - 当日深证成指报收于14039.73点，下跌1.87% [1] 板块内个股表现 - 昭衍新药在当日板块中领跌 [1] 板块资金流向 - 当日AI医疗板块主力资金净流出13.15亿元 [1] - 当日AI医疗板块游资资金净流入5196.4万元 [1] - 当日AI医疗板块散户资金净流入12.63亿元 [1]

核心观点 AI正通过渐进式重塑医疗工作流程与范式，从辅助工具向核心决策系统演进，以填补医疗资源供需剪刀差扩大的缺口[2] 生成式AI在医疗领域的全球扩容速度预计领跑全行业，2027年市场规模预计达220亿美元，2023-2027年复合年增长率为85%[2][11] 投资应把握技术成熟度高、商业模式清晰且支付路径相对流畅的细分赛道机会，包括AI制药、AI医学影像、AI辅助诊断、个性化治疗和AI健康管理[2] 行业趋势与驱动力 - **医疗资源供需矛盾驱动AI应用**：研发侧面临新药研发难度非线性增长、高风险、高投入、周期长、成功率低的挑战[2][16] 诊疗侧中国卫生费用占GDP比重持续增长，但医疗资源紧缺且分布不均[2][16] - **生成式AI引领行业高速增长**：根据波士顿咨询预测，全球生成式AI市场规模预计从2023年至2027年以85%的复合年增长率增长至220亿美元，增速高于金融、零售等行业[2][11] - **技术架构持续演进**：AI医疗底层技术包括深度学习、知识图谱、计算机视觉和自然语言处理[19] 算法架构从基于规则的专家系统，历经早期机器学习、深度学习驱动的单一任务模型，发展到当前基于Transformer架构的生成式AI与多模态大模型阶段，具备更强的泛化能力[18][19] - **技术成本下降推动普及**：以DeepSeek R1为代表的大模型引领技术平权，其训练成本为557.6万美元，调用成本为每百万输出tokens 16元，不到OpenAI o1的4%[24] - **政策强力支持规模化推广**：国家出台《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》，设定了2027年和2030年两阶段发展目标，推动AI医疗从“试点探索”走向“规模化推广”，明确在基层应用、临床诊疗等八大方向部署重点任务[26][28] - **资本市场聚焦诊断与研发**：一级市场投资趋于理性，对AI赋能医学诊断和新药研发赛道关注度高[29][31] 二级市场行情从算力基础设施起步，逐步向模型层和应用层扩展，2026年初（截至2月27日收盘）AI医疗板块迎来普涨行情[32][34] 重点细分赛道分析 AI制药 - **核心价值与市场潜力**：AI擅长处理高维数据和复杂非线性关系，是未来药物研发的核心方向，处于“高成熟度+高潜力”区间[2][37][38] 据弗若斯特沙利文预测，全球AI赋能药物研发费用市场规模将从2023年的119亿美元增长至2032年的746亿美元，复合年增长率为22.6%[42][43] - **商业化进程**：随着AI发现的新靶点、AI设计的分子陆续进入III期临床（预计2028年前后），市场将重新评估AI技术平台和资产价值[2][44] 2024年，生命科学领域生成式AI在临床开发和商业化领域的实施率分别从11%和9%攀升至36%[44] - **主流商业模式**：分为AI SaaS、AI CRO和AI Biotech三类[41] 从SaaS到CRO是发展趋势，AI+CRO类公司竞争要点在于算法能力[43] - **投资关注点**：建议关注能够找准自身生态定位（如医药研发外包、创新药企或细分赛道专家）、具备长期优势的企业[2][47] AI医学影像 - **技术演进与价值提升**：从早期基于CNN的单一病灶识别，发展到当前基于多模态大模型，能够协同处理影像、文本、语音等多种数据，功能从辅助诊断向全病程管理、融合诊断演进[50][51] - **市场需求驱动**：需求来自传统医疗影像市场的产品升级（受国家大规模设备更新政策、智慧医院建设、分级诊疗制度推进驱动）和新兴医学影像市场（如第三方独立影像中心）的发展[2][60] 2024年国内医学影像设备市场规模约562.9亿元[60] - **市场渗透前景**：据数坤科技预测，AI在中国CT、MRI及超声扫描的渗透率将从2020年的0.7%升至2030年的41.3%[58][60] - **主流商业模式**：软硬件结合是目前主流模式，软件系统由硬件企业自研或与外部合作[61] 2024年底AI辅助诊断被国家医保局列入医疗服务价格构成，未来有望形成独立支付逻辑[61] AI病理辅助诊断 - **解决行业痛点**：有效解决人工病理诊断效率低、主观性强、病理医生短缺等问题[66] - **盈利模式趋于明朗**：主流商业模式偏向软硬件结合、信息系统整合的解决方案[2][69] 2025年底国家医保局相关指南将“人工智能辅助诊断”列为扩展项，为AI进入病理收费体系提供依据[69] - **普惠产品潜力**：面对基层病理医师缺口，下沉市场的AI普惠产品大有可为，例如瑞智RuiPath智慧病理一体机[69] AI医学检验 - **临床需求强烈**：细胞形态学检验中，痰液、妇科白带、液基、染色体等项目95%以上需要人工镜检，未满足需求非常强烈[71][73] - **市场处于早期**：主流商业模式为提供软硬件+耗材一体化方案，市场格局未定，软件端和硬件端均处于数据积累的市场开发阶段[2][74] 个性化治疗 - **技术基础**：AI与多组学（基因组学、转录组学等）结合，为制定个性化治疗方案提供全面的科学依据支持，处于“高潜力+中成熟度”区间[2][37][78] - **竞争壁垒**：软硬件结合（高端仪器生成高质量数据）构筑竞争壁垒，数据是让模型“越用越准”的核心资产[2][78] AI健康管理 - **C端潜力可观**：涉及慢病管理、生命体征监测等，国人付费意愿显现，部分消费者愿意为个性化监测与预警服务付费[2][79][83] - **平台型商业模式清晰**：以蚂蚁阿福为代表的平台型AI打通监测、分析、干预、支付闭环，商业模式为基础咨询免费+复杂服务抽佣+保险转化[2][83] 北交所重点公司介绍 - **锦波生物**：构建AI+重组胶原蛋白研发与制造平台，AI胶原智脑系统将研发转化周期从18个月压缩至12个月，提速33%[86][90] 有序推进多型别胶原蛋白的应用研究[90] - **百英生物**：专注抗体药物发现环节的CRO，自研AI技术平台（如FCMES-AM®亲和力成熟平台），将传统需要3到6个月的亲和力成熟实验周期缩短至最快6周[91][94][95] - **海金格**：临床CRO企业，构建HI+AI知识库，探索AI智能化设计临床试验方案，并与参股企业哲源科技推进“AI+临床研究”融合应用[96][101] - **丹娜生物**：专精侵袭性真菌病诊断，2022年国内市场份额约30%[102][106] 加码AI应用，已开发“慧眼识菌”智能APP，并预计2026年提交微生物显微扫描仪产品注册[106] - **联川生物**：提供基因检测科研服务，前瞻布局AI应用，开发了基于人工智能的衰老时钟模型、单细胞基础大模型及AI生物信息分析平台等多款模型[107][111]

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] 报告的核心观点 * 健康需求全面升级：大众健康关注覆盖睡眠、体重、疾病、情绪、科技，诉求转向“科学便捷、生活化、身心协同”，从“被动应对”转向“主动经营” [5] * 六大热点趋势：睡眠健康全周期管理、科学体重管理与营养均衡、疾病防控与慢病管理、情绪心理疗愈、传统与轻量化养生融合、科技赋能与特殊人群健康 [5] * 八大趋势洞见：社交情绪疗愈、银发健康品质升级、代谢健康精准干预、运动康复与术后修复、中医体质调理、皮肤健康养护、慢病与代谢健康赛道、身心协同赛道 [5] * 人群画像变化：下沉市场刚需释放（四五线城市增长），年轻群体主动健康觉醒（30岁以下），家庭对“一老一少”健康关注度增加 [5] 根据相关目录分别进行总结 一、研究背景评估 * 研究机构为“数说故事（DataStory）”，是一家成立于2015年的数据智能与AI营销科技公司，为全球1000+头部品牌提供服务，在行业洞察领域具备较高权威性 [3] * 主要数据周期为2015-2025年，重点分析2025年社媒热点，并展望2026年趋势，报告发布于2026年，对2026年大健康趋势具有强时效性和前瞻性 [3] 二、范围与边界确认 * 细分行业覆盖大健康全领域，包括保健食品、AI医疗、健康管理、慢病防控、睡眠健康、体重管理、情绪疗愈、银发健康、运动康复、中医养生、皮肤健康、代谢健康等 [4] * 地域市场覆盖中国大陆，包括一二线城市及下沉市场（四五线城市健康需求增长显著） [4] * 用户群体覆盖全年龄段消费者，重点关注年轻群体（30岁以下主动健康觉醒）、中老年群体（银发健康品质升级）、女性群体（女性健康、皮肤管理）、儿童及特殊人群 [4] 三、核心摘要提炼 * 需求从功能满足升级到身心协同，追求科学、便捷、生活化 [5] * 六大热点趋势为睡眠、体重、疾病、情绪、养生、科技 [5] * 八大趋势洞见包括社交疗愈、银发品质、代谢干预、运动康复等 [5] * 人群变化表现为下沉市场崛起，年轻群体觉醒，家庭关注一老一少 [5] 四、关键数据抓取与呈现 * 2015-2025年，中国居民人均预期寿命增长2.66岁，健康素养水平增长228.7%，幸福指数全球排位上升24位 [6] * 2024年中国AI医疗市场规模达1157亿元，同比增长18.9% [8] * 社媒话题热度高：微博话题全民营养提升计划阅读量12.8亿，女性健康关爱行动2.6亿，八段锦2.4亿；抖音话题熬夜播放量412亿，失眠477亿，吃瘦不饿瘦1273亿，体重管理238亿；小红书话题女性健康浏览量131.8亿，中医养生78.7亿，熬夜48.4亿 [8] * 2025年健康需求声量及增速：皮肤健康1.12亿（+29.0%），心血管健康1312万（+45.0%），代谢问题67万（+114%），甲状腺健康102万（+58.8%） [8] * 2025年全国约4.3亿有长期运动习惯人群，其中约1亿运动损伤人群；康复医疗市场预计2025年突破2000亿元，年复合增长率20.9% [8] 五、风险与机遇诊断 * 主要挑战与风险：需求碎片化与快速迭代；市场竞争加剧导致同质化严重，利润空间收窄；政策与监管不确定性；数据隐私与安全风险；部分赛道泡沫风险（如代谢干预赛道可能出现短期过热） [9] * 潜在增长机会：社交情绪疗愈市场潜力大；60后人群消费能力强、科技接受度高，带动银发健康品质升级需求；体重管理升级为代谢管理，全周期健康服务、个性化代谢调理方案有望成为新增长点；运动损伤人群庞大，康复服务渗透率低，智能运动硬件、分场景康复全流程服务空间广阔；中医体质调理年轻化需求高增长；皮肤健康养护从“颜值护肤”转向“健康养肤”；四五线城市及中老年群体的慢病防控需求释放，结合AI技术的早筛、日常管理工具机会大 [9][10]

AI在健康领域的应用、挑战与建议 - AI已渗透到临床健康管理、医院营运、药物研发、医保支付等健康领域场景[1] - AI的快速发展也给该行业带来了数据隐私、算法偏差以及法律监管等方面的新问题新挑战[1] - 目前存在的新问题新挑战包括技术与数据层面、伦理与社会信任方面、监管与责任归属方面、产业与系统层面等[5][6] AI在健康领域面临的具体挑战 - 技术与数据层面：数据不完整不平衡可能导致模型偏差；训练数据集中于大医院特定人群，可能导致模型在基层、小众群体以及罕见病诊疗中稳定性不足；数据孤岛现象突出；模型在真实世界复杂场景中性能可能明显下降；存在大模型幻觉风险[5] - 伦理与社会信任方面：医疗数据高度敏感，跨机构跨地域流转难度大；患者知情权、AI诊疗风险告知等都亟待完善[5] - 监管与责任归属方面：AI误诊的责任归属不清，医生、医院、技术提供方之间的界限较为模糊；目前监管停留在原则层面，缺乏细分制度与准入标准；针对模型在真实世界应用中的性能监测没有形成行业共识与第三方评估机制[5] - 产业与系统层面：商业模型模式与支付机制尚不清晰；AI带来的效率提升与质量改善如何纳入医保支付绩效考核仍是试点难点；基层医疗机构IT能力有限，本地布局大模型成本高，云端推理则面临网络稳定性等问题[6] 推动AI在健康领域应用的六方面建议 - 数据治理与技术架构优化：建立跨机构数据共享机制；引入隐私计算与去标识化技术；促进AI工具互联互通，形成统一的数据治理与互操作协议；提升算法透明性以及建立AI模型注册与追踪机制[7] - 法律与监管：明确AI医疗事故责任认定机制，建立多方共担模式；构建分级分类的"AI+医疗"监管框架，按照风险高低实施差异化审批与备案；设立医疗AI监管沙盒，在风险可控下在部分地区机构试点创新空间；建立第三方评估与认证体系；推动跨机构在真实世界的临床试验形成可公开应用的证据库[7] - 医疗数据、治理与共享机制：在确保隐私与安全的前提下，推动区域医疗数据中心与高质量数据建设，为模型训练评估提供数据基础[7] - 医保支付与服务定价：研究如何通过医保支付绩效的服务定价方式，让认真有效的AI工具在医疗环境中用得起、用得久[8] - 国家人工智能医疗数据基础建设：分层推进AI医疗应用，缩小城乡差距；将AI预先筛查融入到现有的家庭医生签约服务系统，自动生成慢性病的风险预警[8] - 确保医生主导地位与加强科普：确保医生在关键环节的主导地位，加强公众科普，提升医患沟通效率[8] 中国生物医药企业出海现状与挑战 - 我国生物医药企业出海步伐显著加快：我国是全球最大的原料药生产出口国，供应全球30%产能；中国在研新药管线数量占全球总量的约30%；2025年，我国创新药对外授权交易额达1356亿美元，占全球交易额总额大概50%，超越美国成为全球创新药对外授权的第一大市场[10] - 企业出海面临深层次挑战：包括出海模式局限、产业链外流风险和国际竞争加剧等；背后原因是国内市场利润空间收缩，创新药商业化回报不足，医保控费、集采常态化导致创新药上市后价格快速下探，难以覆盖高额研发投入[10] - "卖青苗"模式存在较大负面效应：创新药出海目前集中于对外授权交易阶段性价值交易模式，会导致核心资产过早外流、长期商业化收益被让渡，企业难以形成自主的商业化体系；资本市场上对部分"卖青苗"的公司，有时因大额授权反而导致估值下调[10][11] 对生物医药企业出海的建议 - 做强国内市场价值，形成内外双循环的创新药生态：完善创新药支付体系，推动政府、商业保险、慈善基金共同参与；建设真实世界数据平台，提升创新药在国内的价值认定；加快创新药在国内的审批效率与临床使用[11] - 国家层面构建医药全球化战略安全体系：建立国家级医药全球化战略协调机制；积极参与全球公共卫生，加快加入药品检测合作计划，推动国际监管合作与标准互认；加强产业链安全布局，防止关键环节外移[12] - 行业与企业层面构建全球竞争力：行业需要构建全球竞争力创新生态；企业应从"卖产品"转向"建能力"，构建全球化研发、注册、商业化三代能力体系；优化出海模式，从对外授权升级到共同开发与商业化[12] 生物医药行业投资趋势与看法 - 行业信心正在逐步修复：自去年三季度以来，多家创新药企业以港股18A标准成功上市，退出渠道畅通有效提振了行业投资信心[14] - 当前行业投资逻辑偏晚期，风险较低且回报速度加快，但生物医药产业的发展更需要早期耐心资本[14] - 更偏好具有重大突破的源头创新，愿意从零开始陪伴创始人团队成长；认为如果一家医药公司发展前景良好，基金就不应该执行退出机制，要更耐心[14] - 看好AI医疗板块，认为该板块是AI行业中最具潜力的应用场景之一，有望成为AI最大板块之一[14] - 针对赛道同质化问题，认为同一靶点数十家企业扎堆临床会造成社会资源与资本浪费，企业应理性判断商业价值[14] - 企业能否稳定成长不在于获批上市，更在于能否获得投资者的认可与支持；已上市医药公司股价的稳定性取决于是否有规模化国际投资人进场[15]