2026年的醫療AI，熱鬧勁兒退了，硬功夫上來了。前幾年比的是誰的模型參數大、誰發布會嗓門高;現在醫院問的是另一套問題：能不能嵌進我現在的系統?出了錯誰簽字?值不值得單獨付錢?
這個轉折有政策托底。國家衛健委等五部門出臺的《關于促進和規范“人工智能+醫療衛生”應用發展的實施意見》，把應用方向劃成基層、臨床、患者服務、中醫藥、公衛、科研教學、行業治理、健康產業八類，并給出清晰的時間表：到2027年建成一批高質量數據集、可信數據空間和應用中試基地，到2030年基層診療智能輔助基本全覆蓋、二級以上醫院普遍開展影像智能輔助診斷與臨床智能輔助決策。北京、新疆、黑龍江等地今年已陸續拿出自己的落地方案，目標都指向同一件事——讓AI從展臺走進診室。
(一)設備派：AI是增值項，不是主業
根據中研普華產業研究院《2026-2030年醫療AI產業現狀及未來發展趨勢分析報告》顯示：聯影、邁瑞這類硬件龍頭，走的是“設備+AI+流程”的閉環。算法出廠就燒進CT、核磁、監護儀和超聲里，醫院買設備時順手把能力帶回家，天然繞開“軟件單獨定價難”的老大難問題。今年聯影智能拿下國內核醫學AI首張三類證，其胸部CT多病種輔助診斷產品進入創新器械特別審查通道，是業內第一個以“醫療大模型”身份進通道的產品。這類玩家的底氣不在模型多新，而在裝機量、臨床工作流和售后網絡構成的護城河。
(二)信息化派：守著HIS入口打巷戰
衛寧健康、創業慧康、東軟、嘉和美康們手里攥著醫院的核心業務系統。AI想寫進病歷、調出檢查、推送醫囑，繞不開它們。WiNGPT、慧康云樞這類產品更像“嵌在醫生手邊的能力”，訂單轉化路徑清楚，但AI收入在總盤子里仍小，醫院預算周期又長，短期利潤彈性有限。它們的勝負手，是能不能把AI從系統附加項談成獨立預算科目。
(三)器械派：從“看片子”進階到“動手做”
這是今年最有看頭的一條線。長木谷的AI全骨科手術機器人、武漢龍點睛的穿刺導航設備、精準醫械的全影像兼容手術機器人、拜斯特的前列腺穿刺定位設備，密集拿下三類證。產品形態從“輔助診斷”跨到“輔助治療”，意味著AI第一次真正觸到治療環節，定價權和耗材延展空間都不一樣了。病理賽道同理，宮頸細胞、消化道內鏡、染色體核型類產品陸續獲證，競爭開始往高壁壘科室挪。
(四)模型與應用派：數量最多，分化最烈
訊飛醫療、商湯醫療、數坤、京東健康、百度靈醫、騰訊健康、阿里健康，加上一批創業公司，打的分別是基層輔診、垂直大模型、影像智能體和C端健康管理。訊飛靠智醫助理鋪進數萬家基層機構，形成“用得越多越聰明”的網絡效應;商湯醫療完成大額融資，估值站上百億級;數坤把“數字醫生”做成持牌上崗的科室同事。這條賽道的問題是同質化——模型能力趨同，真正拉開差距的是數據權屬、注冊證和進院渠道，而不是榜單分數。
競爭格局一句話概括：硬件派拼裝機，信息化派拼入口，器械派拼證照，模型派拼落地。接下來五年，跨界會越來越常見，設備廠做模型、信息化商做智能體、互聯網平臺做院外管理，邊界正在變模糊。
(一)上游：算力、框架與數據，話語權不在醫院手里
芯片和云算力是硬門檻，國產算力適配今年被反復提起。上海在2026世界人工智能大會上揭牌衛生健康行業算力服務中心，思路是“算力自來水”——各醫院不再各自堆服務器，按需調用。這背后是個關鍵變化：算力從醫院的成本中心變成集約化公共設施。對上游而言，賣卡不如賣池化服務，誰能把國產算力、模型壓縮和私有化部署一起打包，誰更能進院。
數據這一層更微妙。政策反復強調“數據不出院、模型出院”，醫院握著數據卻不會變現，企業缺數據又不敢亂動。于是可信數據空間、聯邦學習、院內數據湖成了新基建。上海計劃建成規模可觀的醫療成品語料庫，并配了智能標注體系和全流程合規評測中心。誰幫醫院把散亂的病歷、影像、檢驗數據變成可訓練、可溯源的數據集，誰就握住了產業鏈里最稀缺的那塊籌碼。
(二)中游：產品形態在重構，注冊邏輯是分水嶺
中游分兩類，待遇天差地別。
一類是醫療器械。監管只認兩種形態：獨立軟件，或嵌入醫療器械的軟件組件;定位永遠是“輔助”，最終診斷得由執業醫師簽字。今年藥監部門動作很密：一邊籌建智能化前沿醫療器械標準化技術工作組，一邊研究醫用大模型、醫學影像前處理、流程優化軟件的管理屬性和類別動態調整。9月器審中心就《人工智能醫療器械注冊審查指導原則(2026年修訂版)》征求意見，第一次把大模型、醫療智能體、多模態、多病種、跨模態圖像合成單獨立章——調用通用大模型算不算現成軟件組件、智能體什么時候必須轉人工、多模態結論沖突怎么仲裁，都開始有規矩。對中游來說，注冊不再是拿證前最后一關，而是研發的一部分。
另一類是信息化與生成式應用，比如語音病歷、智能導診、報告生成。它們不碰診斷決策，走的是軟件和工作流，進院快、但付費軟。有意思的是，美國今年把環境語音病歷(ambient scribe)明確放在“行政工具”而非醫療器械的灰色地帶，理由是醫生要獨立審核底稿。國內路徑類似：越靠近文書和流程，落地越快;越靠近決策，證照越重。聰明的中游公司都在做“雙軌產品”——先用文書類工具鋪開使用習慣，再用持證產品切進臨床核心。
(三)下游：支付通了，閉環才算轉起來
下游最痛的是錢。2024年底的規則里，AI輔助診斷只能當擴展項、不能單獨收費，醫院成本自己扛，采購意愿自然起不來。轉折在今年：醫保端為AI輔助診斷開出支付空間，多地開始把相關服務納入可報銷項目;與此同時，四川等地推出官方遴選的服務商名單，醫院按目錄采購，合規身份一下清晰了。
付費模式隨之分叉。設備捆綁最穩，AI跟著CT、機器人一起進預算;SaaS訂閱在基層跑得快，年費低、門檻低;按次、按Token、按病例結算開始出現在病理和影像云場景，福建有省立醫院試水“按Token收費”。還有一條是藥企端：AI設計藥物走里程碑分成，按療效和節點結賬，海外已跑出不少大單。
一句話看下游：誰把“臨床價值”翻譯成“可結算的賬單”，誰就打通最后一公里。工具裝上不等于用起來，醫生調用率才是真指標。
(一)趨勢一：從“大模型”到“智能體”，從問答走向干活
模型會寫病歷、會答疑，已經是基本功。下一站是智能體——能調工具、查知識庫、開檢查單、跟流程，還能在出錯時自動中止、轉人工。北京協和把智能體做成矩陣，罕見病、心肺影像、腫瘤放療上百個，下沉到縣城衛生院;溫州附一和京東卓醫把門診、營養、護理、醫保控費串成全場景;蘇北人民醫院的“醫路通”管著診前、診中、診后。2026年被稱作“醫療智能體元年”不夸張，最小作戰單元正在從模型變成Agent。
(二)趨勢二：專科化、多模態化，通用模型的退潮
“一個模型看百病”在臨床站不住。監管已經明確，多病種產品不能報個綜合準確率就過關，每個病種的靈敏度、特異度要分別交作業，共病、干擾、混淆矩陣都要講清楚。產業會往兩頭走：一頭是專病專模，比如鼻咽癌放療靶區勾畫把流程從十幾天壓到幾十分鐘、腦卒中CT幾分鐘出結果、甲狀腺和宮頸病理的“一眼識別”;另一頭是多模態融合，影像+文本+檢驗+超聲一起推理，但前提是“加模態真比單模態好”，不是堆料。專科越深，數據越專，壁壘越厚。
(三)趨勢三：AI從診室走到院外，接管“失管的那一段”
手術做完、出院回家，才是風險最高的地方。今年10月，訊飛聯手中科大附一院把大模型伸進診后患者管理，并啟動專家共識專項計劃，把服務流程、質控標準、應用邊界一條條定下來。慢病管理、家庭醫生、康復隨訪、體重管理，會是未來五年增量最大的戰場——它不占醫院預算，直接面向參保人和支付方，訂閱邏輯也順。
(四)趨勢四：監管與合規從“攔路虎”變成“入場券”
三個信號疊加。其一，生成合成內容標識辦法去年施行，AI生成的文字、圖片、視頻必須顯式+隱式“亮明身份”;衛健委今年又明確，醫務人員做健康科普，未經核準或沒標AI標識的內容不能發。其二，器械注冊新規把幻覺、偏見、版本變更、降級策略全寫進審查要點。其三，“人機雙簽”成為硬規矩，AI報告必須醫生復核簽字才能進醫保結算。
短期看，這會讓花哨功能變少;長期看，是給行業發信任紅利。能經得起溯源、復現、追責的產品，才配談規模化。
(五)趨勢五：基層普惠與出海，中國方案的兩條外溢路徑
AI在中國最獨特的價值，是給基層“借腦子”。協和罕見病智能體推廣到數百家醫院，安貞的心超智能體鋪進西藏、新疆、青海，社區醫生用上后篩查掌握率顯著提升。政策把“基層全覆蓋”寫進2030目標，這條路有確定性。另一條是出海，致盲性眼病和慢病篩診智能體已經進入東南亞、海灣市場，南美也在詢單。設備+AI+本地化數據閉環，是中國廠商區別于歐美純軟件公司的出海打法。
(六)趨勢六：評測體系升級，“分數通脹”時代結束
MedBench迭代到5.0，首創醫療原子技能評測，并把幻覺校正做進流程;疑難病例評測基準覆蓋數十個專科。這意味著刷榜越來越難，真實復雜診療能力開始被量化。對醫院是好事——采購有了標尺;對廠商是壓力——靠單項SOTA講故事的時代過去了。
(一)賽道選擇：優先“證照+現金流”雙確定的方向
投資醫療AI，先問兩句話：有沒有證?錢從哪兒來?按這個標準，影像與病理AI、手術機器人、AI+高端設備是第一梯隊——三類證路徑清晰，收費能掛靠醫療服務項目，還能搭設備出海。純賣通用大模型、沒有注冊單元和付費場景的，估值要打折，尤其是那種“綜合準確率很高、單病種證據薄弱”的多病種產品。
(二)看壁壘：別數GPU，數這四樣東西
一是數據可追溯——來源、人群、標注、版本能不能一條鏈查到底;二是適應癥可界定——產品到底替醫生干什么，邊界清不清楚;三是版本可管控——第三方模型升級、停服、出幻覺，有沒有降級預案;四是錯誤可追責——審計日志、人機雙簽、責任鏈是否閉合。這四件事比參數規模值錢得多。
(三)看商業化：認經常性收入，警惕項目制幻覺
SaaS訂閱、按次計費、耗材+設備、藥企里程碑分成，都能形成可預期的經常性收入;一次性軟件授權和地方信息化大單，看起來金額漂亮，回款和復購都弱。特別值得盯的是“按價值付費”的雛形：AI幫醫院省了多少閱片時間、降了多少住院日、提了多少治療率，將來會直接寫進合同。誰能把效果量化，誰就有定價權。
(四)看節奏：2026—2030年的三段式布局
近一兩年(2026—2027)，是政策兌現階段。醫保支付落地、中試基地建設、官方服務商名錄擴容，受益的是已持證、已進院的龍頭和區域信息化商。中間兩三年(2027—2029)，是智能體規模化階段。醫院從買單點工具轉向建全院AI神經網絡，平臺型公司和HIS入口方吃紅利，同時院外患者管理起量。后半段(2029—2030)，是全球化與集中化階段。基層飽和、頭部格局固化，具備海外注冊能力和多專科產品矩陣的公司拉開身位，中小玩家要么被并購，要么退回細分科室。
(五)風險提示：三個容易被忽略的坑
第一，合規風險。監管在動態調整類別，今天算行政軟件的產品，明天往診斷邁一步就可能進器械通道，商業計劃要留冗余。第二，責任風險。AI出錯誰賠，法律上還沒定論，已經在寫進醫生的雇傭合同談判里——這往往是風險定價的先行指標。第三，同質化與價格戰。模型能力快速平權，純算法溢價會塌，最后拼的是渠道、證照和交付成本。
如需了解更多醫療AI行業報告的具體情況分析，可以點擊查看中研普華產業研究院的《2026-2030年醫療AI產業現狀及未來發展趨勢分析報告》。
研究院服務號
中研網訂閱號