21世紀經濟報道記者 唐唯珂 廣州報道
今年以來，"AI+醫療"的浪潮奔涌。不過，人工智能醫療絕非新鮮事，其在過往發展中始終在技術理想主義與商業現實主義間尋找平衡點。
商業化落地的艱難、數據標準化采集難，漫長的產品研發周期以及巨大的投入，一直是行業痛點，資本也早已經歷狂歡到泡沫、死亡到信仰的跌宕起伏。2025年開年，以DeepSeek為代表的通用人工智能技術在邏輯推理領域的驚艷表現，再次攪動AI+醫療。
CIC灼識咨詢董事總經理劉立鶴對21世紀經濟報道記者表示， “Deepseek的顛覆性不在于單一技術指標超越GPT-4，而在于將大模型從技術能力展示推向行業工作流重構，例如在金融、醫療領域的深入應用。”
智藥局發布的數據顯示，根據不完全統計，目前全國已有超過30家藥企、醫院、IVD公司、互聯網醫療、智慧醫療、中醫醫療等方面機構宣布，正將DeepSeek技術深度嵌入藥物研發、臨床決策、慢病管理等多個核心場景。
這股在應用端落地的熱情也迅速蔓延到了資本市場。今年以來，醫療AI概念股在美股、港股和A股市場均表現強勁、反復活躍，海內外多家相關企業的股價大幅上漲。智慧醫療板塊也走出一波上漲行情，AI+輔助診斷、AI+數據服務領域等個股表現亮眼。一個月時間，不少公司股價接近翻倍。
在技術突破、資本加碼、政策支持以及需求剛性等多重因素的共同驅動下，目前有觀點認為，醫療行業中長期增長邏輯已然清晰。國信證券發布研報稱，AI在醫藥板塊的落地或將是2025年全年的投資機會。
但狂歡的背后亦有隱憂。部分涉及相關概念的上市公司的業績表現實際并不樂觀。同時，股東和高管的減持也引發市場關注。此前即有行業人士對21世紀經濟報道記者指出，醫療AI概念的想象空間很大，但如果只是單純接入DeepSeek、與實際業務沒太多關聯的，多數仍是炒概念。此外，當下數據壁壘仍橫亙如天塹，是模型訓練亟待突破的瓶頸。
DeepSeek激起的層層漣漪正不斷向外擴散，醫療AI的價值也在迎來重估。
重塑底層邏輯
DeepSeek的一個重要影響是給大模型在應用端蓬勃發展提供了空間，尤其是醫療行業。
一方面是DeepSeek低成本高效能，極大地賦能了醫療AI的開發。
在“AI屆的拼多多”DeepSeek出現之前，大模型的開發和應用面臨高昂的成本和技術門檻。傳統的大模型需要大量的算力支持，尤其是在訓練和推理階段，這使得許多企業望而卻步。
國泰君安證券研報指出，DeepSeek采用 MoE（混合專家模型）和 MLA（多層次注意力）兩大創新架構，通過算法優化顯著降低了大模型的訓練和推理成本，極大地降低了對硬件算力的需求，顛覆了過去“算力軍備競賽”的發展路徑。
其中，對下游企業最重要的影響是推理成本的降低。推理成本是指使用已經訓練好的大模型在實際使用中，進行預測或生成響應時所消耗的成本，如計算資源和時間成本。 它就像是購買了一件大功率的商品，在使用過程中需要不停地花錢。推理成本的降低使得下游用戶通過API接口使用大模型時需要支付的費用，即API調用成本大幅縮減，降幅超90%。這種“平民化”技術路徑使醫療企業，不論規模大小，均能以極低成本接入比肩OpenAI的大模型能力。
另一方面是DeepSeek誠意滿滿的開源策略，有助于構建一個開放、協作、可持續的醫療AI創新生態。
早期性能優越的大模型多為閉源，企業需依賴API調用，無法定制優化，導致醫療場景的細粒度需求（如專科病歷生成、罕見病分析）難以滿足。兼具性能和經濟性的開源大模型DeepSeek出現后，醫療健康公司能夠結合醫療專業數據，針對復雜性的垂直場景進行二次開發，從而推動AI技術在醫療行業的商業化落地。毫無疑問，DeepSeek將加速醫療行業的智能化轉型。
劉立鶴告訴21世紀經濟報道記者：“由于Deepseek采用了開源模型，可以更好地吸引開發者，同時通過私有化部署的高級功能（如行業專屬微調工具）盈利，形成生態閉環。”
而醫療行業具備自身獨特性，對數據隱私和安全的要求極高，傳統不開源模型存在數據外訓和云端接入風險，難以滿足醫療行業的合規要求。DeepSeek通過開源和支持本地化部署的方式，醫療數據無需上傳至云端，全程在醫院或企業內部封閉訓練。
“之前醫療行業一般都是用第三方的大語言模型來投喂自己的數據，這次是直接自己上手操作，自主性和便利性都大大加強了。”一位醫療行業資深從業者說。
回歸長期價值錨點
醫療AI長期發展的核心價值在于通過技術突破與模式創新，實現普惠、精準、可持續的醫療服務升級。
許多醫療AI企業的技術人員都表示，DeepSeek作為基座模型，其醫療垂類模型的建構仍需本地化部署，但經過“微調”后，其在推理和決策場景下的出色表現，的確能為自家產品在處理復雜醫療數據或支持精準決策等方面提供更強大的支持。
隨著人口老齡化和慢性病高發，醫療資源的緊缺問題日益突出。而醫療AI可以突破時空限制與人力瓶頸，將優質醫療能力轉化為可標準化復制的數字服務。例如在基層或偏遠地區，AI大模型作為醫生的智能助手，能夠整合患者的癥狀、病史、檢查結果等多方面數據，利用優質醫療資源訓練出的推理能力進行綜合分析，輔助基層醫生決策。
不止是常見病，DeepSeek等大模型也走進了三甲醫院的重癥監護室、急診科、兒科等。近日，深圳大學附屬華南醫院、昆山市第一人民醫院、陸軍軍醫大學第二附屬醫院等紛紛宣布已經部署DeepSeek模型；接入DeepSeek-R1(671B)后的醫學模型Med-Go也已在上海東方醫院等臨床機構應用，并在ICU環境下驗證了能力。
AI與診斷以外的醫療流程深度融合重點在，用好DeepSeek等AI工具有助于提高醫療質量和患者體驗，優化醫療資源的運營分配。劉立鶴對21世紀經濟報道記者表示，“AI技術可以應用于藥物開發、藥品生產流程管理、輔助診斷、慢病管理等醫療領域，包括研發、生產、銷售、診斷、治療、康復的全流程，極大地提升流程效率。”
中信建投證券醫藥行業首席分析師賀菊穎也表示，AI醫療在提升醫療器械功能、檢查檢驗結果解讀、輔助臨床醫生決策、健康管理等多個領域的應用價值較大，是醫療企業和醫院必須重視的創新方向和競爭趨勢。
AI在醫療領域的另一個重要突破方向是預測性AI，即利用數據來評估患者未來發生疾病或臨床事件的風險，而不僅僅是識別當前疾病。Apple Heart Study 的共同首席研究員、斯坦福大學醫學教授明圖·圖拉基亞博士（Dr. Mintu Turakhia）認為，未來，人工智能的重點將從診斷疾病轉向預測健康風險，從而推動主動性和預防性醫療的發展。
有行業內人士推測，未來，預測性AI在臨床應用中可能有一個方向是，通過AI+可穿戴設備，監測生命體征數據，建立長期健康模型，在臨床事件發生前就識別健康風險，進而提前采取預防措施，降低急診和住院率。據悉，在AI幫助下，阿爾茨海默病的五年預測準確率已達80%以上。
醫療AI要想重塑醫療研究、診療和健康管理的全鏈條，數據是重中之重。
財通證券報告稱，自從DeepSeek大模型開源后，AI或已進入平權時代。這個時代，大部分AI醫療最有價值的不是算力、甚至不是算法，而是可靠的、高質量的數據。在醫療行業，這些數據不僅可以優化現有的診斷與治療流程，還能為未來的創新提供必要的支撐。
在當前的數據應用中，醫療企業繞不開的難點還是圍繞合規性、標準化和數據質量等展開。盡管國內已有數據交易所，但尚未形成規范的醫療數據交易市場。許多企業開始嘗試數據交易，并在政策指導下掛牌數據資產，但效果和獲取程度尚不明確。有專家指出，國內醫療信息數據高度分散在不同機構，而且不同醫療機構的信息系統、格式標準各不相同，導致數據難以互聯互通。
想要將這些分散的數據整合到大型綜合數據庫，技術難度大且涉及多方利益協調，困難重重。此外，如何在保障不侵犯患者隱私的前提下安全使用數據，也是實際運作中會遇到的挑戰。
此外，提高醫療數據質量需要設定評判標準，確保數據的準確性、完整性和時效性并根據不同機構的需求定制化處理，這是未來所有的從業企業都將面臨的挑戰。
細分賽道成色幾何？
在本輪行情中，互聯網醫療的巨頭們漲幅兇猛。
“相較于傳統藥企，互聯網醫療企業可以更快速的享受到DeepSeek出現而帶來的紅利，例如國內全病程管理平臺微脈，其管理智能應用CareAI已經全面接入DeepSeek V3和R1模型能力，實現DeepSeek強大的邏輯推理能力與CareAI的智能體深度集成。”劉立鶴對21世紀經濟報道記者說。
2月3日，英偉達歐洲、中東和非洲地區醫療保健與生命科學主管Eva-Maria Hempe發表文章，指出2025年AI將在三個領域對醫療產生變革性影響：改善患者醫療過程的智能代理；能夠執行復雜手術任務的機器人；加速藥物研發的生成式AI工具。
“AI+醫療的想象力廣闊，但是AI+檢測診斷最成熟，應用邏輯相對更清晰。”華南某醫療器械公司負責人對21世紀經濟報道記者表示。
四川一家三級甲等醫院的影像科主任公開發文稱：“AI技術能夠在短時間內閱讀成千上萬張影像資料，并能識別出其中的細微差異，這是僅憑手工和肉眼無法比擬的。”
人稱“女版巴菲特”的凱西·伍德在近期發布的《Big Ideas 2025》報告中預測，AI將使DNA等生物信息的讀取和寫入成本分別降低99%和99.9%，使癌癥篩查的效率提高20倍，并且將市場規模擴大10倍。
此外，AI制藥也是被許多知名投資人寄予厚望的細分應用賽道。
《Big Ideas 2025》報告認為，AI驅動的新藥研發可將周期從13年縮短至8年；AI將使藥物開發成本降低4倍，并將研發投入的回報提高5倍；AI藥物的商業價值將比標準藥物高20倍，比同類最佳的精準藥物高2.4倍。
山東大學淄博生物醫藥研究院在官方微信公眾號中表示，DeepSeek不僅僅是一個工具，它代表了醫藥行業從“試錯法”向“預測科學”的轉變。通過深度學習模型，DeepSeek能模擬藥物與生物分子的相互作用，預測藥物的活性、毒性和代謝途徑。這種預測能力不僅提高了研發的成功率，還為藥物的個性化治療提供了可能。
盡管如此，多位行業人士也對21世紀經濟報道記者直言，AI藥物研發是難啃的骨頭，暫時難以取得突破性進展。隨著算法迭代和數據積累，AI可能將臨床成功率從10%提升至20%~30%，但仍需與傳統方法深度融合。AI是工具，而非“顛覆者”，藥物開發的核心仍是生物學洞察與臨床驗證。本輪AI浪潮中，兩家AI制藥龍頭Recursion和Schrodinger股價表現滯后，可見主流資金的顧慮。
復星醫藥相關人士在接受媒體采訪時表示，現在AI比較成熟的是語言模型，是在既定框架下，按照人為規定規則進行演算、知識抓取等。但制藥是對未知世界的探索。目前的AI還無法自主思考，很難在這種探索性的新藥研發中發揮關鍵作用。
此外，英矽智能CEO任峰也曾表示，臨床試驗是AI制藥的真正考驗。“當藥物研發步入臨床試驗階段，還未有證據表明AI可以完全地賦能臨床研究、縮短臨床試驗的時間。我認為目前AI還不能有效解決這一階段的問題。”
總之，醫療AI的落地，離不開具體的場景。2024年11月，國家衛健委等三部門曾發布《衛生健康行業人工智能應用場景參考指引》，從“人工智能+醫療服務管理”、“人工智能+基層公共衛生服務”、“人工智能+健康產業發展”和“人工智能+醫學教學科研”四大領域，給出了84個應用場景。隨著DeepSeek將AI在應用端蓬勃發展開辟了空間，醫療產業大模型的商業化想象空間也在被進一步打開。2月26日，深圳醫保也公布與騰訊合作，全面啟用DeepSeek大模型與騰訊混元雙AI引擎。
醫療是個龐大的賽道，環節眾多。中信證券指出，可以圍繞兩條主線挖掘AI+醫療受益標的。一是從技術壁壘角度，挖掘具備模型能力、稀缺數據競爭壁壘的企業。二是從商業化落地角度，挖掘B端客戶基礎扎實，在電子病歷臨床決策、電子病歷、語音識別等領域和場景有成熟產品的企業。
華南一位一級行業投資人向21世紀經濟報道記者表示，早期很多投資人對醫療AI并不看好，原因就在于缺乏清晰的盈利模式，很多產品燒了幾億元，數據做得很漂亮，但也只能從科研上賺點碎銀，投資回報完全不成正比。還有應用停留在淺層次的問診業務，無法打通數據和智能化程度的深入變革，缺乏真正的變革性企業和領域的突破。市場目前都認為2025年或將是醫療AI商業化落地的爆發年，對行業來說，價值重塑的節點已經到來。
（實習生孫偉對本文亦有貢獻）
本文鏈接：商業故事 | 2025年醫療AI再引爆：狂歡、泡沫與價值重估http://www.lensthegame.com/show-9-38335-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。