AI医疗概况 - 人工智能正加速融入医疗健康全场景，成为科技赋能民生的战略高地，在"数字中国"战略与健康中国2030政策推动下[1] - AI医疗是指以人工智能技术为基础，对医疗数据进行深度学习、模式识别与智能决策的系统性解决方案[1] - 行业生态包括三大核心：底层为数据与算力支撑，中层为算法模型与平台能力，顶层为各类场景落地应用[1] - 随着大模型技术演进、多模态能力增强及推理成本下降，AI医疗正迎来从"辅助工具"向"智能参与"的范式转变[1] 技术演进 - 医疗AI技术演化分为三个阶段：医疗信息化阶段、互联网医疗阶段和智能医疗阶段[7] - 当前医疗体系正处于从"互联网医疗"向"智能医疗"加速过渡的关键节点[7] - 大模型正在重塑AI医疗的技术范式，从基于规则的传统AI向自学习、自泛化的大模型演进[2] - 医疗大模型能实现病历自动摘要、影像多病种识别、实时问答等功能，极大提升医务人员效率[2] 市场发展 - 全球AI医疗市场规模预计将由2024年的290.1亿美元增长至2025年的392.5亿美元，预计2032年达到5041.7亿美元，年复合增长率高达44.0%[18] - 中国AI医疗市场规模从2019年的27亿元增长至2023年的107亿元，预计2028年将达到976亿元[19] - 中国AI医疗仍处于"技术验证"向"价值验证"过渡的关键阶段，面临数据质量不一、支付机制缺失等挑战[19] - 全球市场已进入"从辅助走向参与"的阶段，而中国则处于"由探索走向规范"的成长中段[19] 产业链生态 - AI医疗产业生态呈现"需求牵引—服务支撑—技术赋能"的三层结构[13] - 传统医疗卫生行业生态是AI医疗的需求侧与数据源头，涵盖医疗机构、医保机构与药械企业等[13] - AI医疗服务生态主要由各类解决方案提供商构成，聚焦实际场景的技术落地[14] - AI医疗技术产品生态由基础支撑层与关键技术层构成，包括云计算平台、AI芯片、算法模型和数据资源[14] 应用场景 - 诊疗环节中，AI已广泛用于医学影像辅助诊断、病理识别、临床决策支持等[3] - 医疗支付环节，AI技术助力医保与商保在理赔审核、智能控费、个性化定价等方面实现精细化管理[3] - 基因测序领域，AI赋能基因组学与分子生物学，推动精准医疗进入临床实践[3] - AI正深度渗透诊疗全流程，推动服务从"信息化"向"智能化"升级，涵盖诊前、诊中、诊后各环节[36] 数据驱动 - 医疗数据作为AI训练与部署的"燃料"，数据治理与流通体系日益重要[2] - 我国已启动健康医疗大数据区域试点，探索合规数据共享机制[2] - 医疗数据市场化交易、标准化标注、可信数据脱敏与溯源体系将成为行业发展基石[2] - 数据不仅是算法优化的"燃料"，更正在成为可定价的"数字资产"，具有交易和融资价值[31] 中美对比 - 美国形成了以市场为导向、企业主导的数据交易生态，中国长期以来医疗数据集中在公立医院、信息孤岛严重[32] - 中美在隐私保护、数据交易共享和技术标准方面存在显著差异[33] - 中国政策正在转向鼓励"可信共享"与"合规交易"，多个地方政府正试点数据交易平台[33] 基因测序 - 人类全基因组测序成本已从2009年的10万美元左右降低至2023年的100美元以内[52] - 基因测序产业链分为上游设备耗材提供商、中游服务提供商和下游用户[56] - AI赋能多组学发展，"数据+成本+应用"闭环渐成，商业化前景可期[58] - AI+基因的核心应用主要集中在疾病诊疗等领域，未来将形成自我强化的商业闭环[59]

公司战略与ESG报告 - 公司发布《2024年可持续发展报告》，战略聚焦AI时代普惠服务创新，以解决社会问题为导向创造价值 [1] - ESG议题从19个优化为13个，重点聚焦AI时代双价值创造，普惠产品和服务、科技推动行业变革等位列重要性前五 [2] - 子公司网商银行、蚂蚁国际、蚂蚁消费金融等先后披露ESG报告，共同构成公司整体战略拼图 [1] AI技术应用与研发投入 - 公司推动AI在金融、医疗、生活三大场景应用，三大AI管家累计服务用户超1.3亿，43%来自三线及以下城市 [2] - AI健康管家至2025年6月已服务超7000万用户 [2] - 2024年研发投入234.5亿元，研发强度连续三年超10%，重点投入人工智能和数据要素技术 [3] - 核心技术包括大模型和隐私计算已对外开源 [3] 金融业务发展 - 支付领域技术持续迭代，"碰一下"付款覆盖全国400多个城市超1亿用户，50%为30岁以下年轻人 [2] - 网商银行累计服务小微客户6851万户，加速AI技术融入业务全链条，打造服务小微客户的AI CFO [4][5] - 蚂蚁消费金融花呗服务超4亿消费者，近50%来自中西部地区，75%用户未支付过利息费用 [5][6] 医疗领域布局 - 支付宝累计激活医保电子凭证超6.6亿用户 [3] - 推出数字健康人"安诊儿"、医疗大模型，收购好大夫在线并推出独立App"AQ" [3] 全球化业务拓展 - 蚂蚁国际首次披露四大业务线：Alipay+、Antom、WorldFirst、Bettr，服务覆盖200多个国家和地区 [5] - 全球服务超1亿商户与17亿消费者账户 [5] 组织与人才发展 - 2024年员工数量从29740人增长至36559人，增幅超20%，新增6000余人 [3] - 在长沙、郑州、重庆等重点城市设立研发运营子公司 [3]

核心观点 - 蚂蚁推出的AI医疗应用AQ打破了行业"重B轻C"格局，成为首款真正面向全民的AI健康管家，通过连接5000家医院、近百万医生及200位名医AI分身实现专业医疗服务闭环 [1][3][4][8][13][14] - AQ依托蚂蚁医疗大模型技术底座（千亿参数、超万亿tokens专业语料）和多模态能力，在皮肤识别、报告解读等场景准确率超90%，并首创Admire多图理解方法达到业界SOTA水平 [23][42][44] - 产品创新体现在：1）追问式问诊还原真实医疗逻辑 2）打通诊前-诊中-诊后全流程 3）集成可穿戴设备数据提供个性化服务 4）专为老年人设计语音交互功能 [15][24][29][37][7] - 行业意义在于将专业医疗能力转化为普惠服务，如仁济医院泌尿科智能体使门诊量提升50%，单日服务能力从600人跃升至11万人次 [49][51][53] 产品功能 - **基础能力**：集成100+项AI功能，涵盖健康科普、报告解读、用药提醒、健康档案管理等，支持药盒识别（如曲安奈德喷雾剂精准识别）和50种皮肤病诊断 [3][16][19][20][21] - **医疗资源**：接入全国5000家医院、近百万医生，含王俊院士（胸外科）、廖万清院士（皮肤科）等200位名医AI分身，提供24小时服务 [4][33][34][36] - **硬件生态**：兼容华为、苹果、vivo等可穿戴设备，实时同步血糖、睡眠等数据生成健康建议 [6][37] - **适老化设计**：语音通话功能简化老年人操作流程 [7] 技术突破 - **模型性能**：在HealthBench Hard评测得分26.9（超越DeepSeek-R1的22.64），MedBench综合得分98.9居双榜第一，医学知识问答单项达95.9分 [44][45] - **多模态能力**：1）皮肤病识别准确率超90% 2）支持100+种复杂医学报告解读 3）图像识别采用Admire方法（KDD2025论文）在MP-DocVOA数据集达82.78分 [23][42][43] - **专科智能体**：如仁济医院泌尿科智能体（RJUA）基于97.6%疾病谱数据训练，诊断准确率69.81%，上线半年服务30万患者占门诊量50% [48][49][51] 行业价值 - **解决核心矛盾**：1）通过真实病历数据+名医共建破解数据质量难题 2）以服务闭环突破C端变现困境 [12][46][47] - **生态壁垒**：蚂蚁十年积累覆盖90万医生、5000家公立医院及医保/药品体系，形成"预防-诊断-治疗-康复"全周期生态 [39][41] - **普惠案例**：杭州七院毛洪京医生AI分身单日服务11万人次，覆盖全国342个城市，较传统接诊量提升180倍 [53]

行业痛点与战略定位 - 互联网健康领域存在每日超2亿人次的健康问题查询需求，但面临广告泛滥与信息真假难辨的"信任赤字"问题[1] - 蚂蚁集团发布独立AI健康应用AQ，旨在解决行业信任痛点，此前已在支付宝内测10个月并服务超7000万用户[1] - 医疗健康业务从支付生态增值服务升级为核心战略板块，AQ定位为家庭健康管家而非搜索引擎[1] 产品架构与技术能力 - AQ构建"专业性、全面性、可信度"三位一体价值核心[2] - 采用动态多轮追问交互模式，突破传统健康搜索静态问答局限，支持图片、报告等非结构化数据处理[3] - 底层蚂蚁医疗大模型学习超万亿tokens医疗语料，融合千万级医疗知识图谱，在HealthBench等权威评测中综合得分94.7分领先行业[4][5] 生态连接与服务闭环 - 连接全国5000家公立医院、近百万医生及200位名医"AI分身"，整合鱼跃、三诺等医疗设备及主流可穿戴数据[6] - 形成"预警-咨询-问诊-追踪"自强化闭环：可穿戴数据触发预警→AI引导咨询→真人医生问诊→持续健康管理[8] 信任体系建设 - 组建千人医学标注团队，核心团队60%为医学专业背景[9] - 廖万清院士、王俊院士等担任"AI训练师"参与模型训练，通过信通院医疗健康大模型双领域可信评估及安全测评最高等级[9] 普惠医疗战略 - 瞄准中国医疗资源分布不均问题：7.8%三级医院承担50%门诊量，农村执业医师占比不足全国20%[10] - 名医AI分身实现服务能力数千倍放大，如睡眠专家毛洪京AI分身单日服务11万人次（对比本人月接诊600人）[11] - 赋能基层医疗，与上海仁济医院共建专科智能体提升基层医生诊断准确率4%-8%[11]

产品发布 - 蚂蚁集团发布AI健康应用"AQ"，提供健康科普、就诊咨询、报告解读、健康档案等AI功能 [1] - AQ连接全国超5000家公立医院、近百万可挂号或线上问诊的医生 [1] - AQ正在各大应用商店陆续上线 [1] 产品特点 - AQ具备"问答更专业、服务更全面、健康更懂你"三大特点 [1] - 全国200余家医院在AQ上提供云陪诊服务 [1] - 中国工程院廖万清院士团队、王俊院士团队领衔近200位三甲名医在AQ上线"AI分身" [1] - AQ与鱼跃、三诺等健康管理设备合作，与vivo、华为、苹果等可穿戴设备打通 [1] 技术能力 - AQ技术引擎为蚂蚁医疗大模型，学习了超万亿tokens专业医疗语料 [1] - 具备图片、语音、视频等多模态交互能力 [1] 用户基础 - 去年9月上线的"AI健康管家"已服务超7000万用户 [1] 战略定位 - AQ不仅是医疗健康服务的入口，也是连接医生、医疗机构、用户的平台 [2] - 公司将持续加大开放，携手更多伙伴助力普惠医疗与全民健康 [2]

财务表现 - 2025年一季度公司实现营业收入23.65亿元，同比下降20.45% [1] - 归母净利润-0.21亿元，同比下降190.66% [1] - 扣非归母净利润-0.26亿元，同比下降211.77% [1] - 销售费用率10.95%，同比提升2.18pp，管理费用率5.78%，同比提升0.10pp [1] - 毛利率26.39%，同比提升0.87pp，净利率0.18%，同比下降2.39pp [1] 业务分析 - 诊断服务收入7.98亿元，同比下降30.55%，主要受DRG、收费价格调整等政策影响 [2] - 渠道代理产品收入15.76亿元，同比下降15.13%，受集采等因素影响 [2] - 自有产品收入0.83亿元，同比增长9.21%，得益于质谱、病理等特色产品放量 [2] - 公司战略性关停重组部分低效检验实验室，聚焦ICL主业 [2] 现金流与应收账款 - 应收账款及票据74.77亿元，同比减少9.98亿元 [2] - 经营性现金流量净额-1.69亿元，同比增加0.98亿元 [2] - 公司成立专项小组加强应收账款管理，预计2025年应收账款将逐季度改善 [2] 战略与AI布局 - 公司与华大基因合作探索精准医疗、AI与数字化等领域 [3] - 与蚂蚁集团合作推出"蚂蚁医疗大模型一体机" [3] - 与熙康云医院签署战略协议，探索AI在家用健康、居家监测等C端场景应用 [3] 盈利预测 - 预计2025-2027年收入123.81、131.17、139.35亿元，同比增长2%、6%、6% [3] - 预计2025-2027年归母净利润4.29、7.38、9.30亿元，同比增长220%、72%、26% [3] - 当前股价对应2025-2027年20、12、9倍PE [3]

" 一家三甲医院顶级专科和一家大厂，拥抱AI医疗的决心。 " 作者丨洪雨欣 编辑丨陈彩娴 "DeepSeek 一上线，行业有个声音是医生以后可能就没饭吃了。" 近期在一场公开活动中，上海交通大学医学院附属仁济医院（下简称"仁济医院"）副院长、泌尿科学科带头人薛蔚说道。这番话的另一面，是传统医疗机构对 新一代AI技术的价值重估。 2025 年开年，DeepSeek掀起了大模型领域的新走向，将行业落地的算力、算法门槛都大幅降低，使得AI与产业融合开始爆发，医疗就是其中的热门场景之 一。一时间，涌入了更多参赛者。有以腾讯、华为、京东、蚂蚁为代表的头部大厂，也有商汤、讯飞这样的科技巨头。 一方面，医疗行业需要AI：医患比例不平衡，使医院增效需求明显，分级诊疗的推进，也需要快速缩小各级机构诊断能力的差别。当前，先进模型在医学问答 测试中的部分表现已经超越全科医生水平。 另一方面，AI也需要医疗：AI医疗上限还远未到达，专才大模型得靠高质量医疗数据的调教，需要行业进一步合理利用数据、驱动创新发生。 在仁济医院，更早一步的探索已经显露出阶段性成果： 基于蚂蚁医疗大模型开发的仁济医院泌尿外科智能体（简称"RJUA智能体"）， ...

AI医疗落地案例 - 上海交通大学医学院附属仁济医院与蚂蚁集团共建的泌尿专科智能体累计服务约30万人次，相当于该科室全年门诊量的56% [3] - 智能体覆盖98%常见泌尿系统疾病，基于97.6%疾病谱标准化病例数据集，嵌入20余位专科医生的知识图谱，实现预问诊、报告解读、肿瘤分期诊断等一站式闭环服务 [3] - 临床测评显示基层医生使用智能体辅助后诊断正确率提升4-8个百分点 [3] 技术开发路径 - 开发过程采用"医生+工程师+标注员"协同模式，重点将顶尖医生的诊疗逻辑嵌入算法而非单纯增加数据量 [4][6] - 蚂蚁医疗大模型在MedBench评测中以97.5分（评测榜）和98.2分（自测榜）蝉联双第一，医学知识问答、语言生成及复杂推理三项均领先 [7] - 升级后的多模态能力可同步解析影像、语音与结构化文本，支撑全流程问诊场景 [7] 产业化进展 - 蚂蚁集团启动"百大AI名医计划"，目标一年内与顶尖医院共建百个专科智能体，已上线乳腺、肿瘤等90余位专家版本 [7] - 正与人卫社合作建设人工智能数据库，扩充专业语料库以持续迭代智能体能力 [7] - 上海市政策明确推动大模型与临床诊疗辅助决策系统融合，计划2025-2027年实现全市医疗机构全覆盖 [7] 行业竞争格局 - 专病问诊智能体相比影像AI仍属蓝海，核心价值在于标准化输出三甲医院诊疗经验至基层医疗机构 [8] - 下一阶段将重点开发医生端功能，包括病历录入、科研检索、随访管理等临床决策支持场景 [8]