AI医疗赛道深度分析报告

基于「AI医疗落地分享会」PPT内容（智临天河/国家超算天津中心）+ 公开市场数据综合编撰

编制日期：2026年6月16日

报告概述
政策背景：AI医疗从鼓励创新到规范赋能
核心概念：AI原生 vs AI赋能
技术架构：四层体系详解
产品矩阵：从诊室到全流程智能体
诊室智能体深度解析
天河灵枢：中医AI的破局者
赛道市场数据与趋势
竞争格局分析
机会与挑战
对个人开发者的启示
总结与展望

1. 报告概述

2025年8月8日，国家超级计算天津中心联合智临天河科技有限公司，在天津「天河-天开智慧医疗创新发展大会」上正式发布AI原生医院天河方案，标志着中国AI医疗从"AI赋能传统医院"进入"AI原生医院"的新阶段。

本报告以该分享会PPT为核心素材，结合公开市场数据，从政策、技术、产品、市场四个维度，对AI医疗赛道进行系统性分析。

核心结论：AI医疗正从辅助工具升级为医疗系统核心生产力，2025年中国市场规模已达1860亿元（+68.2% YoY）。"AI原生医院"概念的提出，代表了一种底层架构思维方式的转变。对个人开发者而言，赛道门槛高但生态位丰富——从垂域智能体开发、中医数字化，到信创生态中的工具链层，均存在切入机会。

2. 政策背景：AI医疗从鼓励创新到规范赋能

2.1 国家级政策密集出台（2025年5月-10月）

分享会PPT中列举了四项关键政策，均集中于2025年下半年：

时间	政策/事件	核心内容
2025年5月	国家层面政策	"人工智能+医疗"列入国家重大战略规划
2025年8月	天河-天开大会	AI原生医院天河方案正式发布
2025年8月	AI原生医院行动计划	超算中心牵头，联合多家医疗机构启动建设
2025年10月	地方配套政策	天津市等地方政府出台AI医疗落地细则

2.2 政策信号解读

从"鼓励创新"到"规范赋能" 是2025-2026年AI医疗政策的核心转变：

算力基础设施先行：国家超算中心被明确定位为AI医疗的算力底座，信创智算云成为标配
大模型+行业深度融合：政策推动"天河·天元"等通用大模型向医疗垂直领域延伸
标准体系加速建设：天河中医药智能模型评价体系（3万+试题、20+核心课程）的建立，标志着行业从野蛮生长进入标准化阶段
信创生态闭环：医疗信创与信息化上云白皮书发布，芯片-服务器-OS-数据库-云平台全链条国产化

2.3 政策指向的关键方向

医疗垂直大模型研发与落地
医疗智能体（AI Agent）研发与落地
医疗应用场景研发与落地
医疗信创全链条国产化

3. 核心概念：AI原生 vs AI赋能

3.1 PPT中的概念对比

分享会PPT中有一张核心对比表，系统区分了两个概念：

维度	AI赋能（AI-Enabled）	AI原生（AI-Native）
AI角色	辅助工具，锦上添花	核心生产力，系统驱动力
系统架构	在现有HIS/EMR上叠加AI模块	从底层架构以AI为核心构建
数据流	数据经信息化系统后再喂给AI	AI与数据原生融合，实时驱动
智能化程度	单点智能（某个环节加AI）	全模态智能贯穿临床全过程
实施难度	相对低，模块化插入	高，需重构底层架构
代表场景	AI辅助阅片、智能导诊	诊室智能体、全流程AI决策

3.2 AI原生医院的官方定义

根据2025年8月8日大会发布及百度百科词条：

AI原生医院不是在传统医院基础上简单添加AI工具，而是将人工智能作为医疗服务、管理、决策等各方面的核心驱动。深度融合大模型和多模态数据，构建医院AI大脑和智能工具，与现有医院信息化系统实现数据互联互通。

3.3 为什么"原生"是质的飞跃

传统AI赋能模式下，AI是一个外挂模块——医院信息系统的数据产出后，再输入AI进行分析。这导致：数据延迟、信息孤岛、场景割裂。

AI原生医院的思路是反过来的：AI是医院信息系统的底层逻辑。诊室智能体实时聆听医患对话、自动生成病历；住院智能体持续监测患者状态并主动预警；病案智能体自动完成质控和归档。AI从"事后诸葛亮"变成了"实时决策者"。

4. 技术架构：四层体系详解

4.1 四层架构总览

PPT中展示了AI原生医院的核心技术架构，分为四层：

+--------------------------------------------------+
|                 Med-SaaS 层                        |
|   医疗软件即服务：智能导诊、智能门诊、智能陪护等       |
+--------------------------------------------------+
|                 Med-MaaS 层                        |
|   医疗模型即服务：大模型调用、模型微调、推理服务       |
+--------------------------------------------------+
|                 Med-TDS 层                         |
|   医疗培训数据服务：数据标注、数据集构建、评测体系     |
+--------------------------------------------------+
|                 AI-Infra 层                        |
|   算力基础设施：超算中心、GPU集群、信创智算云         |
+--------------------------------------------------+

4.2 逐层分析

AI-Infra（算力基础设施层）

定位：整个体系的底座
核心资源：国家超级计算天津中心的澎湃算力，包括CPU集群、GPU加速节点、高速存储
信创特色：全链条国产化——芯片（国产CPU/GPU）、服务器、操作系统、数据库、云平台
关键指标：支撑大模型训练与推理、实时多模态数据处理
竞争壁垒：极高。超算中心级别的算力非一般企业可自建

Med-TDS（医疗培训数据服务层）

定位：AI模型的"燃料"层
核心内容：
- 医疗数据标注与管理
- 高质量训练数据集构建（如天河中医药评测体系3万+试题）
- 模型评测标准与体系
关键难点：医疗数据涉及隐私（HIPAA/《个人信息保护法》）、标注需要医学专家参与、跨机构数据共享机制不成熟
竞争壁垒：中等偏高。数据获取和标注成本高，但有垂域深耕机会

Med-MaaS（医疗模型即服务层）

定位：AI能力的核心引擎
核心模型：
- 天河·天元大模型（通用底座）
- 天河·灵枢大模型2.0（中医垂域）
- 诊室智能体模型（临床对话理解）
- 影像分析模型（辅助诊断）
能力输出：模型调用API、模型微调服务、推理加速服务
竞争壁垒：高。大模型训练成本极高，垂域精调需要领域know-how

Med-SaaS（医疗软件即服务层）

定位：面向医院和医生的应用层
全链条场景覆盖：

阶段	应用场景
诊前	智能导诊、智能问诊
诊中	智能门诊、智能辅助诊断、智能辅助用药
诊后	智能陪护、智能风险评估
管理	智能病案质控、医保控费分析

竞争壁垒：中等。SaaS层进入门槛相对低，但需要深入理解医院业务流程

4.3 四层架构的战略意义

这套架构的本质是算力-数据-模型-应用四位一体的垂直整合。与互联网时代的"中台"思路不同，AI原生医院的架构是自上而下设计和自下而上支撑的统一体：

底层的信创智算云解决了"卡脖子"问题
中层的模型和数据服务形成了可复用的AI能力中台
顶层的SaaS应用覆盖了临床全流程

这种架构下，每一层都可以独立对外输出能力，同时层与层之间形成强协同效应。

5. 产品矩阵：从诊室到全流程智能体

5.1 产品全景

根据PPT及2026年6月16日天津经开区活动的公开信息，AI原生医院的产品体系涵盖五大方向：

产品线	核心功能	目标用户
诊室产品	智能诊疗辅助、自动病历生成	门诊医生
住院产品	实时监护、智能预警、护理辅助	住院医生/护士
病案产品	智能病案管理、自动质控、归档	病案室/医务科
数字人产品	虚拟医疗助手、患者教育	患者/医生
导诊一体机	智能导诊、分诊建议	门诊患者

5.2 产品设计理念："从临床中来，到临床中去"

PPT中反复强调的设计理念，本质上是需求驱动而非技术驱动：

从临床中来：深入诊室、病房、病案室，理解医生护士的真实痛点和流程
到临床中去：产品必须能嵌入现有临床工作流，而非让医生适应产品
核心原则：不增加医生负担，不改变核心诊疗流程，无声融入

这与很多技术团队"拿着锤子找钉子"的做法形成了对比。

5.3 为什么是"智能体"而非"功能模块"

产品矩阵中的一个关键词是智能体（AI Agent），而非传统的"功能模块"。区别在于：

功能模块：被动响应，完成单一任务（如"帮我查一下这个患者的病史"）
智能体：主动感知、自主决策、持续学习（如"实时聆听医患对话→自动提取关键信息→生成结构化病历→提示可能的诊断遗漏"）

智能体具备四大核心能力：能"听"、会"写"、善"思"、汇"智"（详见第6章）。

6. 诊室智能体深度解析

6.1 产品定位

诊室智能体是AI原生医院产品矩阵中的旗舰产品，定位为门诊医生的"AI搭档"。它不是一个工具，而是一个全程参与诊疗过程的数字同事。

6.2 核心工作流

医患对话发生
    │
    ▼
[能"听"] 实时语音识别 + 多说话人分离
    │  识别主诉、症状、病史等关键信息
    ▼
[会"写"] 自动提取并结构化
    │  生成SOAP病历 / 开具检查单草稿 / 处方建议草稿
    ▼
[善"思"] 临床决策支持
    │  鉴别诊断提示 / 用药安全审查 / 指南依从性检查
    ▼
[汇"智"] 知识与经验沉淀
    │  典型病例归档 / 个人经验库积累 / 科室知识共享
    ▼
医生审核确认 → 一键归档至HIS/EMR

6.3 四大能力详解

能"听" — 多模态感知能力

语音识别：实时转录医患对话，支持中文医疗术语
说话人分离：区分医生和患者的发言
噪声鲁棒性：在诊室嘈杂环境下稳定工作
多语言/方言：支持方言识别（对基层医疗机构尤为重要）

会"写" — 智能文书能力

SOAP病历自动生成：从对话中提取主诉(Subjective)、客观检查(Objective)、评估(Assessment)、计划(Plan)
结构化录入：自动匹配ICD-10诊断编码、药品字典
格式合规：生成的病历符合卫健委文书规范

善"思" — 临床推理能力

鉴别诊断提示：根据症状组合推荐可能的诊断列表
用药安全审查：过敏史核对、药物相互作用检查、剂量合理性校验
指南依从性检查：对照最新临床指南，提示诊疗方案是否偏离标准

汇"智" — 知识沉淀能力

典型案例自动归档：识别有教学价值的病例并标记
个人经验库：医生个人的诊断偏好和用药习惯积累
科室知识共享：跨医生的经验汇总和知识图谱构建

6.4 诊室智能体的商业价值

维度	具体价值
效率提升	门诊病历撰写时间减少60%-80%
质量提升	病历完整性、规范性提升，降低医疗纠纷风险
医保合规	自动校验诊断与处方的逻辑一致性，减少医保拒付
科研价值	结构化临床数据为临床研究提供高质量数据源
教学价值	典型案例自动归档为住院医师培训提供素材

7. 天河灵枢：中医AI的破局者

7.1 产品背景

分享会PPT中提到了"天河·灵枢"大模型的发展历程，这是AI医疗赛道中一个独特且重要的分支——中医数字化。

7.2 版本演进

版本	发布时间	核心能力
1.0	2024年4月	面向中医针灸领域，中医药智慧助手
2.0	2025年8月	升级为"中医全科智能助手"，覆盖20+临床学科

7.3 2.0版本核心升级

诊断准确率：较1.0提升约18%
训练数据扩展：覆盖《黄帝内经》《伤寒论》《金匮要略》等经典著作及现代中医临床指南
学科覆盖：从单一针灸推拿扩展至中医内科、外科、妇科、儿科、骨伤科、皮肤科等20+临床学科
三维针灸数字人：完成人体300+穴位精准建模，支持经络动态可视化
- 模型推荐针灸处方时，自动在数字人模型上高亮相关穴位
- 提供定位方法、进针方向、禁忌事项、参考依据
- 实现"诊断—方案—操作"一体化支持
- 可部署于移动端应用

7.4 中医AI的市场独特性

中医AI是医疗AI赛道中一个被低估的细分方向：

数据壁垒独特：中医古籍、名老中医经验属于中国独占资源，国外团队难以复制
政策支持强劲：中医药振兴是国家战略，AI+中医是重点方向
基层需求巨大：优质中医资源集中在三甲医院，基层严重匮乏，AI可有效补位
国际化潜力：中医出海是国家战略，AI可降低中医服务的语言和标准化门槛

7.5 评价体系：从野蛮生长到标准化

天河中医药智能模型评价体系是行业从混乱走向标准化的标志性事件：

3万+ 道高质量试题
20+ 门核心课程覆盖
六大能力域：中医基础知识、中医思维、环境交互、决策推理、动态规划、持续学习
向外+向内 双维度评测

这一评价体系的建立，意味着中医AI不再是"说不清好不好用"的黑盒子，而是有了可量化、可比较的评测标准。

8. 赛道市场数据与趋势

8.1 全球市场

指标	数据	来源
2025年全球AI医疗投资总额	142亿美元	顶级风投报告
2025年同比增长	+35%	同上
AI药物研发市场规模（2025）	890亿美元	北京研精毕智
AI药物研发占AI医疗总规模	12.3%	同上
AI药物研发2026E占比	15.7%	同上

8.2 中国市场

指标	数据	来源
2025年中国AI医疗市场规模	1860亿元	北京研精毕智
2025年同比增长	+68.2%	同上
2020-2025年CAGR	~36.3%	华经产业研究院
家用AI医疗设备出货量预测	持续高增长	中研普华
数字疗法(DTx)医保纳入	范围持续扩大	中研普华

8.3 市场特征解读

特征一：中国市场增速远超全球

中国AI医疗市场2025年68.2%的增速远超全球35%的增速。这背后有三大驱动力：

政策强推（"人工智能+医疗"列入国家战略）
医疗资源分布不均（AI可有效缓解基层医疗资源匮乏）
人口老龄化加速（到2035年60岁以上人口超4亿，医疗需求爆发）

特征二：资本从分散到集中

2025年全球AI医疗投资虽然同比增长35%，但交易数量可能在下滑——资本正在向头部集中。早期项目融资难度加大，但优质垂域项目仍受追捧。

特征三：从"AI辅助诊断"扩展至"全流程AI"

早期AI医疗投资集中在医学影像AI辅助诊断（如肺结节检测、眼底筛查）。2025年后，投资热点明显转向：

临床流程智能化（诊室智能体、智能病历）
药物研发（AI制药）
数字疗法（DTx）
中医数字化

9. 竞争格局分析

9.1 主要参与者类型

类型	代表	优势	劣势
超算/云厂商背景	智临天河（超算天津中心）	算力底座+信创资质	产品化能力待验证
互联网大厂	百度灵医智惠、腾讯觅影	技术+资金+数据	医疗行业know-how不足
医疗信息化厂商	卫宁健康、东华软件	医院渠道+行业经验	AI技术积累薄弱
AI创业公司	科亚医疗、数坤科技	技术灵活+创新快	资金和渠道受限
传统医疗设备商	联影、迈瑞	硬件+渠道+品牌	软件和AI能力弱

9.2 智临天河的独特竞争优势

智临天河（国家超级计算天津中心控股）在竞争中有三个不可复制的优势：

算力绝对优势：背靠国家级超算中心，算力资源非商业云厂商可比
信创资质壁垒：在医疗信创（国产替代）大背景下，国家队身份具有天然优势
"学研产"三位一体：超算中心（算力）+ 中医药大学（学术）+ 医疗机构（场景）+ 智临天河（产品化），形成了完整的闭环

9.3 竞争中的薄弱环节

产品化能力：从科研项目到商业化产品的跨越，往往是国家队的短板
市场推广：缺乏互联网公司的C端触达能力
迭代速度：体制内项目决策链条长，可能跟不上市场节奏

10. 机会与挑战

10.1 赛道核心机会

机会一：医疗信创国产替代

医疗信息化系统的国产替代是确定性极高的政策驱动市场。HIS、EMR、PACS等核心系统的信创改造，将催生数百亿级的替换需求。AI原生医院的天河方案，天然适配信创环境。

机会二：基层医疗AI补位

中国基层医疗机构（社区卫生中心、乡镇卫生院）严重缺乏优质医生资源。AI在基层的应用场景包括：

智能辅助诊断（弥补基层医生经验不足）
智能慢病管理（高血压、糖尿病等长期随访）
远程会诊AI助手
公卫数据智能分析

机会三：中医数字化与国际化

中医AI是中国独有的赛道优势：

数据壁垒（中医古籍、名老中医经验）天然护城河
政策确定性高（中医药振兴是国家战略）
国际化想象空间大（中医出海）

机会四：垂直场景智能体

AI原生医院的产品矩阵为开发者提供了丰富的垂直场景机会：

专科智能体（心内科、肿瘤科、儿科等）
专病管理智能体（糖尿病、高血压、COPD等慢病）
医疗质控智能体（病历质控、处方审核、DRG/DIP控费）
患者服务智能体（智能随访、用药提醒、健康教育）

机会五：医疗AI工具链

随着AI原生医院生态的扩大，工具链需求也会增加：

医疗数据标注平台
医学知识图谱构建工具
医疗模型微调平台
医疗AI评测工具

10.2 核心挑战

挑战一：数据隐私与合规

医疗数据受《个人信息保护法》《数据安全法》《人类遗传资源管理条例》等多重法律约束。数据不出院、联邦学习、隐私计算等技术方案仍在早期阶段。

挑战二：临床验证门槛

医疗AI产品进入临床使用需要:

医疗器械注册证（三类证审批周期12-24个月）
临床试验（成本高、周期长）
医院准入（需要逐一突破）

挑战三：医生接受度

医生群体对AI的态度复杂：

担心被替代（年轻医生）
不相信AI（资深专家）
担心责任归属（AI建议错了谁负责？）

挑战四：商业模式不清晰

目前AI医疗的付费方不明确：

医院？预算紧张，采购动力不足
医保？尚未将AI服务纳入支付范围
患者？对AI医疗服务的付费意愿低
药企？合作模式仍在探索

11. 对个人开发者的启示

11.1 赛道判断：高门槛，多生态位

AI医疗不是一个适合个人开发者"从零做产品"的赛道——做AI原生医院级别的产品需要超算、大模型、医疗数据、临床合作，门槛极高。

但从生态位角度看，大平台（如智临天河）的崛起会创造大量周边机会：

11.2 可切入的方向

方向	门槛	潜力	说明
垂直智能体	中	高	在四层架构的SaaS层做专科/专病智能体
医疗数据工具	中低	中	数据标注、数据清洗、数据集构建工具
中医数字化	中	高	名老中医经验结构化、中药知识图谱
基层医疗SaaS	中低	中高	面向诊所/村卫生室的轻量AI工具
医疗AI评测	中低	中	评测基准、Benchmark构建
医疗科普/教育	低	中	AI驱动的患者教育、医生培训内容

11.3 务实建议

不要做平台，做插件：不试图自己做AI原生医院，而是做能嵌入天河方案或类似平台的垂直模块
深耕一个科室：全科AI很难做，但做一个科室的深度智能体（如"皮肤科门诊智能体"）是可行的
利用开源模型：利用开源大模型+医疗领域微调，降低模型成本
从轻量场景切入：智能导诊、病历质控、用药提醒等边缘场景，审批门槛低、验证快
关注信创生态：国产化替代浪潮中，能做信创适配的工具和产品都会有市场

12. 总结与展望

12.1 核心判断

AI医疗正从**"概念验证期"进入"工程落地期"**。智临天河发布的AI原生医院天河方案，代表了国内AI医疗从单点AI功能向系统性AI架构的跃迁。这不仅是技术升级，更是一场医疗模式的底层变革。

12.2 关键时间节点

时间	里程碑
2023年	天河·天元大模型发布
2024年4月	天河·灵枢1.0（中医针灸）发布
2025年5月	"人工智能+医疗"列入国家战略
2025年8月	AI原生医院天河方案正式发布
2025年8月	天河·灵枢2.0（中医全科）发布
2025年8月	AI原生医院行动计划启动
2025年8月	医疗信创与信息化上云白皮书发布
2026年6月	AI原生医院系列产品落地应用案例分享
2026年（预期）	信创智算云+AI原生医院首批试点上线

12.3 展望

短期（1-2年）：

AI原生医院首批试点医院落地运行
信创医疗云在公立医院逐步铺开
诊室智能体开始形成可量化的效率提升数据
中医AI（天河灵枢）移动端应用推向市场

中期（3-5年）：

AI原生医院从三甲医院向二级医院扩展
医疗AI的部分服务纳入医保支付
数字疗法(DTx)规模化落地
医疗AI评测标准体系基本完善

长期（5-10年）：

AI原生成为新建医院的设计标准
"AI医生"在特定领域（如影像诊断、慢病管理）达到或超过人类医生水平
医疗AI从院内走向院外，覆盖全生命周期健康管理

12.4 对投资者/创业者的最后一句话

AI医疗赛道不缺技术，缺的是真正理解临床场景的产品。智临天河的"从临床中来，到临床中去"不是口号，是这个赛道唯一正确的产品哲学。谁能真正做到这八个字，谁就能在这个万亿级赛道里占住自己的位置。

附录

A. 核心参考来源

「AI医疗落地分享会」PPT（智临天河/国家超级计算天津中心），19张截图
百度百科 - AI原生医院词条
天津政务网 - "智能驱动医学模式变革"大会报道（2025年8月9日）
天津经开区"科技线下小课堂"活动公告（2026年6月16日）
北京研精毕智信息咨询 - 全球AI医疗市场研究报告（2026年3月）
华经产业研究院 - 中国AI医疗行业市场研究（2026年5月）
中研普华 - AI+医疗行业市场发展现状及投资趋势报告

B. 关键术语表

术语	英文	说明
AI原生医院	AI-Native Hospital	以AI为核心驱动力的医院架构模式
智能体	AI Agent	具备感知、决策、执行、学习能力的AI系统
HIS	Hospital Information System	医院信息系统
EMR	Electronic Medical Record	电子病历
SOAP	Subjective-Objective-Assessment-Plan	国际通用病历书写格式
DTx	Digital Therapeutics	数字疗法
DRG/DIP	Diagnosis Related Group / Diagnosis-Intervention Packet	医保支付方式改革
ICD-10	International Classification of Diseases 10th	国际疾病分类第10版
信创	信息技术应用创新	国产化替代战略

报告编制：小羽 | 工作空间：E:\qclaw_workspace\ai_yiliao\ | 2026年6月16日