前言
人工智能技术在医疗领域应用多年，大模型技术的出现为其应用价值和范围又带来了新的可能。2024年底爆火的国产开源语言大模型DeepSeek极大助力市场教育，将大模型在医疗场景的应用迫切度也提到历史新高点。医疗领域已经出现数百个垂直大模型应用于各个环节，企业从自身数据及市场优势出发自研专业大模型。产品虽众多，但是产品到商品还受政策、市场等影响。目前，医疗大模型在医疗领域的渗透率、应用情况、应用成果到底如何？
本次报告，动脉智库联合成都高新区数智医疗创新联盟创作和发布，通过调研、访谈十余家创新企业、三家投资机构及数名临床专家，从市场和企业两方面探索我国医疗大模型渗透率的现状，试图梳理各类不同医疗大模型的竞争要素和优势发展策略，与共同努力的企业们一同探讨。
主要观点：
医疗大模型发展处于早期，行业经过了“产品打造”阶段，亟待通过“性能验证”释放商业价值。目前，对大多数医疗大模型依然缺乏明确的安全性、有效性的验证和监管体系，是大模型商业化推广限速因素。
医疗大模型市场规模预计在2028年突破百亿，目前总体渗透率不足10%～20%，是一个极大的蓝海市场待企业去开拓。
2025年截至5月1日医疗大模型发布133个，远超2024年全年的94个、2023年全年的61个。288个医疗大模型中，九成覆盖了政策指引的应用场景。
医疗大模型应用场景中，提及频次最高的为医疗服务环节，占比高达53%，其中临床专病辅助决策、预问诊、病历辅助生成、医学影像辅助诊断位居前四。
文本类大模型集中在医疗IT服务环节；影像类大模型应用成熟度最高，超声和病理有惊喜进展；生物大模型极大助力药物研发；中医类大模型在多方力量推动下快速发展。
医疗大模型的渗透率受多方影响，需要通过痛点验证、市场规模测算、技术和数据能力评估、有公信力的性能验证以及政策的支持和监管来解决“想用”“想做”“能做”“好用”“允许用”的问题。
医疗大模型落地应用方式灵活，可作为产品使用、可作为AI应用的智能管理平台、可作为AI产品研发和优化的基座。
总体来说，由于生成式技术与语言大模型的突破，医疗大模型对文本类的任务助力更大，此外对综合性、高数据密度以及多流程的任务赋能更加明显。
在医疗大模型的框架下，以大模型牵动的大小模型协作模式将是近几年的主流市场应用方式。
医疗大模型的发展初期，大模型的打造和应用成本都较高，随着技术、政策、市场等多因素助力，未来医疗大模型将向普惠化迭代升级。
多因素驱动医疗大模型加速蓝海开拓
性能不断突破，亟待价值验证推动模型商业化落地
“百模”蓄势待发，亟待性能验证释放商业化价值。医疗大模型从概念兴起到成熟落地大致需要走过需求分析与验证、模型研发、模型性能测试或应用市场对模型性能的验证、商业模式探索到最后在行业实现大规模的商业化落地。
医疗大模型从概念到落地的发展阶段，资料来源：公开信息，动脉智库分析
虽然技术突破带来的愈发成熟的大模型产品令人兴奋，但是医疗大模型要实现大规模商业化落地还有一段路要走。目前，在各细分领域已有部分医疗大模型打通了商业模式实现了商业闭环（我们将在第三章详细分析部分应用场景的典型案例），但就行业整体而言，发展尚处早期，更多的医疗大模型还处于价值验证阶段，亟待通过性能测评释放其商业价值。
2、医疗大模型蓝海市场空间充足，亟待企业开拓
医疗大模型在2019年至2023年快速兴起，期间市场规模年均复合增长率超过100%；直至2027年都将是医疗大模型的爆发期。根据亿欧智库数据，目前医疗大模型市场规模接近20亿元，在行业爆发期间，预计以高达140%的年平均增长率，于2028年突破百亿元。尽管快速拓宽的应用边界不断拉高医疗大模型的市场规模天花板，但要真正大规模应用落地还需要一步一个脚印，逐步提升市场渗透率。
目前，医疗影像、辅助诊断、健康管理等领域大模型渗透率相对较高，但依然属于市场渗透的早期阶段。基于动脉网访谈调研预估，医疗大模型整体渗透率不足20%，甚至更加保守的受访者估计不足10%。由此可见，医疗大模型这块蓝海还有巨大的市场空间亟待企业们去渗透和开拓。
3、多因素聚合驱动，推动“产品”向“商品”落地
近年来，在算力基础建设、算法精进、芯片技术进步、政策指引及市场教育多维度，医疗大模型均受到积极推动。
值得一提的是，2024年11月国家卫生健康委办公厅、国家中医药局综合司、国家疾控局综合司联合发布的《卫生健康行业人工智能应用场景参考指引》，明确定义了四大部分、十三大类、总共84个具体的应用场景，其中19个应用场景明确提到了医疗大模型的应用。
《卫生健康行业人工智能应用场景参考指引》具体场景展示，资料来源：国家卫健委官网，动脉智库整理（打勾为明确提及大模型应用的场景）
此外，DeepSeek自2024年底发布以来，迅速“走红”各个行业，医疗行业也不例外。就医疗大模型领域而言，DeepSeek对其影响已经超越了单纯的技术突破范畴，其“一炮而红”对医疗行业各环节从业者，以及C端的患者或用户更是一次直观且有力的市场教育，迅速提升了市场对医疗大模型的接受度以及使用积极性，变“被动接受”为“主动拥抱”。
医疗大模型爆发，赋能医疗服务的各个环节
1、行业迎来近三百个大模型，九成覆盖政策指引应用场景
2025年医疗大模型密集发布，截至5月1日已有133个医疗大模型的密集发布，远超2023年（61个）与2024年（94个）的模型数量。
2023—2025年医疗大模型数量（截至2025年5月1日），资料来源：公开资料，动脉智库整理
截至2025年5月1日，我们收录了市面上已公开的主要医疗大模型案例累计288个，其中约有九成以上医疗大模型应用场景均涵盖于《卫生健康行业人工智能应用场景参考指引》之中。大模型涉及应用场景12类，所有应用场景总提及频次814次。其中医疗服务场景涉及的大模型最多，总提及频次达430次，占比近53%。
各类医疗大模型应用场景提交频次，资料来源：公开资料，动脉智库整理
从2023年的初步尝试，到2024年行业取得长足进展，再到2025年未至年中便迎来超百个模型落地，医疗大模型的爆发式增长态势已然明晰。
2、四类医疗大模型，展现七大共同技术发展路径
政策与技术迭代驱动下，我国医疗大模型产品矩阵加速构建。鉴于不同场景及主体间的应用渗透程度存在差异，本报告通过对主流大模型产品的应用场景进行系统梳理与量化分析，选取文本大模型、医学影像、药物研发、中医药产业四大核心赛道，以期全景呈现医疗大模型的技术落地路径与产业发展脉络。
文本大模型-医疗IT场景占比最大。在技术适配性、数据基础、应用场景需求及产业落地可行性等多因素影响下，当前文本大模型仍是医疗大模型的主要研发类型。其主导地位源于医疗场景对语言处理的刚需、文本数据的易获取性、技术成熟度与商业落地效率。在此之中，医疗IT是大模型落地场景中占比最大的部分。结合对288个医疗大模型应用场景的系统性梳理，在累计663个场景提及频次统计中，非医学影像类医疗IT场景提及频次高达300余次，以近46%的占比成为核心落地方向。
医生成为“AI制造”群体中至关重要的一员。截至2025年4月30日，国内“2022届中国竞争力排行榜”中排名前100的医院，已有98家对外宣称完成了大模型部署。在这之中，有38家医院在通用模型的基础上进一步展开研发，打造出55个符合自身需求的垂直医疗模型。其中，医院合作企业依然是主流，有超过一半的项目采用这一模式进行开发。
医疗垂直模型开发模式分布（截至2025年4月30日），资料来源：公开资料，动脉智库整理
影像大模型-发展最成熟已覆盖全周期。医学影像是人工智能技术落地最为成熟的医疗场景之一，并已形成覆盖图像采集、处理及诊断全流程的价值赋能体系。通过市场产品图谱分析，聚焦医学影像领域的大模型相关产品已达56款，以心脏、骨骼、头颈、肺部等解剖部位的辅助诊断应用最为广泛。其中，超声和病理成为重要突破方向，脉得智能（超声）、透彻未来（病理）及医策科技（病理）等企业纷纷推出相关大模型助力临床辅助诊断。
药物研发大模型-亟待质的变化。结合统计数据来看，目前大部分生物大模型产品的应用场景集中在药物研发领域。需指出的是，当前生物制药大模型在医疗机构赋能及药物研发探索等领域，尚未实现对既有场景的颠覆性突破，仍处于技术融合与场景适配的渐进式创新阶段。随着算法优化、数据积累及跨学科协同的深化，该领域有望催生具有变革性的技术突破。
中医大模型-多方力量推动快速发展。从当前众多面世的大模型来看，大模型正持续加大在中医药产业的应用。2023年，面世的中医药大模型约为13款，2024年数量稍有下降为9款，2025年已有8款产品面世。从数据来看，中医药产业大模型的研发汇聚了多方力量，呈现出产学研紧密协同的态势。
结合技术演进逻辑与行业实践，当前医疗大模型核心应用场景及技术发展路径可归纳如下：
医疗服务仍是主流应用场景
公共卫生服务、养老托育服务及医疗机器人等领域的大模型应用较少涉及
基层应用频频被提及
中医药领域实现应用的深度渗透
大模型正蓄力赋能医疗产业
革新医学教育与科研范式
健康管理场景或成医疗大模型应用潜力股
3、六大医疗应用场景，解构大模型应用路径
本次统计的288个医疗大模型、共814次场景提及频次中，涉及的12类应用场景中共涵盖56个细分领域，其中，临床专病辅助决策、预问诊、病历辅助生成、医学影像辅助诊断提及最多，均为医疗服务大类。
医疗大模型涉及的56个细分应用场景提及频次，资料来源：公开资料，动脉智库整理
差异化价值逻辑形成的技术落地路径。基于五大核心应用场景的解析，各场景基于差异化价值逻辑形成的技术落地路径主要如下：
大型医疗机构：围绕智慧医疗核心场景向外延伸
小型专科医疗机构：消费医疗与中医药智能化赛道正在升温
政府：在基层多个场景实现提质增效
药企：落地仍存在挑战
患者：潜在挖掘空间明显
医疗大模型在多应用场景率先跑通商业化
1、渗透率受多方影响，需共同驱动商业化落地
医疗大模型的落地应用渗透率受多端的影响。需求端，首先需要有明确的、真实的痛点需求，其次需要有足够大的市场空间吸引科技企业及资本布局赛道。在需求验证之后，企业端需要充分验证相关产品打造的可行性，例如技术是否足够支撑、数据是否足够精准等。最后，大规模的商业化落地还有赖于相关部门的政策支持，从技术发展、市场准入、产品性能验证、收费等环节给予指引。
医疗大模型渗透率影响因素，资料来源：公开信息，动脉智库整理
基于此渗透逻辑，目前医疗大模型在放射类影像辅助诊断渗透率最高，据调研估计，渗透率接近40%。此外，辅助检查报告解读与结构化、病案质控、辅助问诊/导诊类工具、临床辅助决策、涵盖智慧病历书写等功能的医生助手、科研场景、药物研发、健康管理等应用场景渗透率其次。我们将在接下来的小节逐一解析其影响因素。
2、“严肃”和“辅助”医疗应用场景各有标杆
适用于院内（包括基层）的医疗大模型从临床应用场景不同可以分为严肃医疗大模型和辅助医疗大模型。就单个医疗大模型而言并非只能拥有一种类型应用场景，其可同时在两类场景应用或赋能两类场景的相关应用开发。由于医疗大模型的应用方式兼具“产品”和“平台”属性，即其既可作为产品直接应用，也可作为“平台”赋能进一步人工智能产品升级或研发。因此，在落地成熟度的讨论中，我们将两种应用形式均考虑其中，作为“平台”属性时，将通过其赋能的人工智能应用落地程度进行评估。
（1）严肃医疗大模型-影像走在最前列
严肃医疗大模型在整个影像辅助诊断领域应用渗透率最高，或与其需给出定性分析的任务性质有关。从大模型训练方式及应用目的出发，医疗大模型又可分为判别式大模型与生成式大模型。前者学习条件概率，生成的空间受限，类似于回答封闭式判断题，因此准确度相对更高；后者学习联合概率，生成的空间不受限制，类似于回答开放式问答题，因此输出结果可控性更弱。
判别式与生成式大模型部分性能对比，资料来源：公开信息，动脉智库整理
判别式大模型由于更高的结果可控性更易提高精准度、更易贴近于临床医生表现，在严肃医疗场景的应用价值体现也更加直观。因此，目前以影像辅助诊断为代表的判别类的严肃医疗大模型，发展和推进的阶段更加成熟。除其模型应用性质外，辅助诊断类影像大模型走在应用最前列的共性原因还有两点。一是在性能验证环节的优势，该类产品拥有明确的评估标准，例如“敏感度”“特异性”等量化评估指标，其性能验证直观。二是在政策完善度的优势，其监管路径相对清晰，通过获得国家药监局的医疗器械资格证获得明确的“入场券”推进商业化推广，加之医检互认的促进推动其更快应用落地。
数据处理难度影响大模型研发门槛。进一步细分影像大模型应用场景发现，按照放射、超声及病理的顺序逐一产品数量更少、市场应用更早期，其重要影响因素是细分领域数据处理难度的不同。
放射影像
标准化数据缩短研发“入门”时间。无论是人工智能产品或是相关医疗大模型，放射影像能够成为发展最为成熟的细分应用场景，其标准化数据及医疗逻辑的可及性是其重要基础。据智药局数据，截至2025年3月，国家药监局已批准99张AI放射影像三类证。排在前列的影像三类证获得者数坤科技、深睿医疗和推想医疗均推出相关医疗大模型，助力全线产品迭代升级的同时提升模型性能不断朝临床应用级靠拢。
“可用”到“好用”让放射影像大模型从“产品”变为“商品”。数据处理难度的优势，让放射影像产品化更早，但要实现其商品化并大规模落地应用，不仅需要让临床“用”，更要让临床觉得“好用”。目前，AI影像产品在试用期，由于其优异的性能通常能够获得临床的积极反馈和活跃使用，但其长期应用于临床还涉及医生工作流程的变化。如何能够将影像产品更好融入临床工作流，培养临床使用习惯，进而提升使用者动力，是进一步提升影像AI渗透率的重点。这一步，行业已有企业积极布局并已见成效。如数坤科技基于其多模态大模型数坤坤，完成了从诊断、教学、科研、随访和科室管理等的全工作流串联，为影像科医生提供了全链路的数智化辅助工具。在北京市科委举办的行业大模型创新应用大赛中，数坤坤以99（共100个）个病例诊断与专家评委一致、1个优于专家评委的优异性能拔得头筹，高精准度和一站式服务的性能推动数坤坤从“产品”到“商品”的转变，加速渗透落地。
超声影像
超声影像的数据为动态视频格式，且需要在检查当时做出诊断建议，因此，“实时”是对于超声人工智能产品的重要要求，需要其在检查过程中做出实时质控及实时诊断分析。由于数据格式及要求的不同，在数据标准化程度和医疗逻辑可及性方面不及放射影像领域，也因此其在数据处理阶段或需要花费更多精力并且更依赖经验专家进行数据标注。这也不难解释为什么国家药监局批准的超声辅助诊断软件三类证寥寥无几，目前仅脉得智能、医准科技等获得了相关三类证批准。
超声影像大模型性能逐步验证。在肿瘤诊断的医疗流程中，通常超声给出相关建议后，必要时患者将进行放射或病理的进一步检查。事实上，由于超声医生的技术差异，进一步检查的概率并不低，而其中不乏一些本可以避免的进一步检查，尤其在基层等医疗资源欠缺的情况下更是如此。因此，要在超声领域实现“低年资医生+AI=高年资医生”的人工智能使命，或许需要超声辅助诊断产品的准确性不断向病理结果靠近。目前，行业也不乏朝此方向努力的企业并已初显成效。如脉得智能于今年3月份获得三类医疗器械证的“甲状腺结节超声影像辅助诊断软件”，融合临床真实诊疗场景训练AI模型，实现了结节良恶性的超高精准判断。其临床测试结果显示，该产品甲状腺结节良恶性判别准确度高达96%，与组织病理结果高度一致。
病理影像
“金标准”对大模型提出了高要求。病理检查作为肿瘤诊断的金标准，其严肃性较超声和放射影像更进一步，这也对该领域医疗大模型提出了更高的要求。行业对准确性虽然没有统一的要求，但敏感度无限接近于100%是病理领域人工智能企业的默契。除此之外，病理领域大模型研发条件也相对苛刻。首先，病理影像的图片标准化程度低，且由于病理影像数据复杂、厂商利益壁垒等原因，标准化推进程度缓慢，这意味着在数据处理及标注上需要投入更多人力物力。其次，我国病理医生数量严重不足，稀缺的专家资源也提高了数据处理的门槛。
病理大模型多维度构筑核心竞争力。出于不同病理医生之手的影像图片，其染色后的图像差异度大，这要求大模型拥有极强的泛化能力能够识别并处理这些图像。病理大模型通常是与头部教学医院共研训练而得，泛化能力不足的产品在同级别染色水平下能够表现出优异性能，而在二级及以下医疗机构假阳性率高，这无法完成助力优质医疗资源下沉的使命。因此，在病理领域要实现“低年资医生+AI=高年资医生”的人工智能使命，病理大模型的泛化能力十分关键。强泛化能力能让模型不仅在头部医院，在二级及以下医疗机构依然能稳定地展示产品的准确度。例如透彻未来基于其大模型Thorough Brain 2.0，赋能其AI病理产品Thorough Insights 4.0达到专业临床应用级性能，支持包括胃、肠、食管、胰腺、肺、前列腺、乳腺、子宫内膜、宫颈、泛器官淋巴结等十余种高发肿瘤器官的病理智能分析，精准定位癌变区域并完成疾病分型，其在大型医院的临床病理应用中，敏感度接近100%，特异性超过94%，在中小型医院的敏感度同样接近100%，特异性超过90%。
此外，作为金标准，病理可能直接影响治疗方案，病理医生对人工智能的使用通常会更加谨慎。单纯给出“是”与“否”的结论，病理医生可能依然会按照传统流程亲自进行诊断验证其准确性，阻碍人工智能辅助临床提升效率的性能显现。因此，病理大模型的可解释性或是其另一个核心竞争力，在给出定性结果的同时，充分展示其判断逻辑和专业依据，增强信任，帮助医生从被动接受结果转为主动利用人工智能实现精准诊疗。目前，行业已出现拥有相关核心竞争力的病理大模型。如医策科技发布的病理多模态大模型“灵眸”，其中包含了企业创新构建的病理思维链框架（Pathology Chain-of-Thought），该框架采用逐层推理解析技术与可解释性融合机制，可以在给出诊断结果的同时为病理医生充分还原诊断的临床思维路径，降低信任门槛，让更多病理医生可以放心使用“灵眸”带来的在9个器官涵盖57种肿瘤亚型的临床级病理辅助诊断服务。
最后，可及性也是大模型在应用推广落地中的核心竞争力之一。众所周知大模型需要强大的算力支撑，如果大模型的使用附带着动辄上百万的GPU购置成本，无疑会劝退一部分潜在使用者。使用端的现状也促使大模型企业不断优化其单位算力下的性能，让大模型“大而不重”，提升模型的可及性，进而推动商业化落地。如透彻未来、医策科技等病理医疗大模型企业，均通过技术优化实现轻量级私有化部署，在促进各自商业化进程的同时，更是共同推动了病理人工智能行业的发展。
可靠性、可用性、可及性是严肃医疗大模型共性需求。其实，不光在病理领域，对于所有应用于严肃医疗场景的大模型可及性都是共性的需求，此外可靠性、可用性也是重要诉求。
严肃医疗大模型性能共需，资料来源：公开资料、调研访谈，动脉智库智能整理
（2）辅助医疗大模型-展现超强灵活性
相较严肃医疗大模型通常覆盖专科应用领域，辅助医疗大模型覆盖了更加广泛、更加灵活的应用场景。为了更清晰厘清其应用范围，我们从服务主体出发，将辅助医疗大模型应用范畴分为围绕医生、围绕患者、围绕医院管理的三类。
辅助医疗大模型应用场景分类，资料来源：公开信息，动脉智库整理
目前，辅助医疗大模型整体而言比严肃医疗大模型落地应用推广进程更成熟，其中围绕医生的诸多提质增效的人工智能工具应用最为广泛。
多场景应用需要大模型更加“灵活”。不难看出，比起严肃医疗大模型，辅助医疗大模型覆盖的场景更多、更广，且同一场景的应用，机构与机构之间也存在不同的要求，因此需要大模型更加灵活。
其灵活性的其中一个体现在产品的性质上，不同于严肃医疗大模型“模型即产品”的要求，辅助医疗大模型往往更需要体现其“基座”的性质，即提供赋能院内多场景提质增效所需要的医学知识、政策法规和安全要求等数据资料的多模态数据，并训练模型拥有医疗行业的决策逻辑。医疗机构可以将其作为全院人工智能产品的基础和管理平台，将所有的人工智能服务统筹起来，也可以基于大模型基础进一步研发，围绕不同主体、应用于不同场景的人工智能产品，以更好地进行全院级数智化管理。如神州医疗大模型2.0，是一个拥有文本、影像、病理、基因、时序数据处理能力的多模态大模型，其可以作为全院人工智能应用监管的“驾驶舱”，也是各应用场景人工智能产品打造的专业基础。企业基于此大模型已经开发了包括罕见病、脑肿瘤、儿童免疫缺陷等在内的20个专科场景AI应用产品，围绕医生、患者和医院不同使用方提供多应用场景的AI工具，助力提升效率、就医体验等。
此外，行业还出现了支持使用者基于大模型自主建立人工智能服务工具的灵活方式。如医渡科技，为行业提供“大数据+大模型”双中台，使用者可以在其中台上构建自己的小模型和智能体。目前已经在20余家头部医院上线，其中80%的用户为医生群体，在平台上自建智能体助力诊疗科研教学及患者服务等日常工作流，市场使用率极高。
由此可见，可赋能二次开发的、灵活的辅助医疗大模型除了具体的应用产品价值，还被赋予了多一层助力人工智能落地、推动行业发展的使命与能力。除了灵活的专业医疗大模型，行业还出现了开源医疗大模型，助力推动人工智能生态发展。2025年初，京东健康的“京医千询”宣布开源，“透明化”的技术架构一方面直观向行业展示了“京医千询”的技术实力，另一方面也想通过技术共建与行业一同携手推动人工智能服务进一步落地。行业越来越多专业预训练大模型能够帮助初创企业避免从零打造医疗大模型的高成本，降低模型研发门槛，甚至通过更优质的数据助力提升模型性能。
辅助医疗大模型三大赋能路径，资料来源：调研访谈，动脉智库整理
（3）医疗大模型赋能基层-标的落地场景
目前，基层医疗卫生机构正以三分之一的卫生人力资源，提供全国一半以上的诊疗服务量以及绝大多数的基本公共卫生服务。随着国民健康意识增强，人口老龄化、慢病人群数量攀升，基层的任务愈发重要及繁多，医生数量短缺的矛盾也将随之加剧。在政策和刚需的推动下，基层成为医疗人工智能落地的绝佳场景，而对于近年来兴起的医疗大模型亦是如此。
目前，诸多医疗大模型企业，如讯飞医疗、神州医疗、数坤科技等均有基层应用场景布局，并成功实现商业化闭环。
标准化：为医生提质增效、提高群众信任。基层医生通常为全科医生，需要涉猎的疾病种类和药物种类广泛，作为疾病预防、治疗的第一道防线，比起对疑难病例的处理能力，更需要基层医生拥有对常见病及慢病不错诊、不漏诊及合理用药的“标准化”能力。此外，“标准化”能力还体现在如随访和健康档案管理的公共卫生服务之中。而对于患者或居民而言，也需要得到与上级医院同质化的诊疗结果来提升对基层医疗的信任程度。
医疗大模型对海量、多模态知识的学习吸收能力及其标准化输出能力完美契合基层“标准化”诉求。近年来，大模型赋能下的全科辅助诊疗应用在基层展现出优异成效，也推动了其在基层的渗透率逐步提升。如讯飞医疗的"智医助理"早在2017年就成为全球首个通过国家执业医师资格考试综合笔试的人工智能机器人，取得456分成绩(满分600分)，超过96.3%的人类考生。实际落地应用中聚焦基层医疗场景，通过“智医助理”赋能全科医生，在常见病诊疗规范化和效率提升方面取得显著成效。通过今年发布的星火医疗大模型X1赋能后，智医助理实现了核心性能显著提升——合理用药审核正确率达95%以上，基层高发常见病诊断TOP1推荐合理率突破95%，系统在为基层医生提供高效辅助诊疗支持的同时，有效提升居民对基层医疗服务的信任度。截至2025年4月，产品已落地全国31个省市的682个区县超73000个基层医疗机构，服务超220000名基层医生，累计提供超9.7亿次AI辅诊建议。
3、院外医疗大模型助力“提供工具”向“提供价值”转变
如严肃医疗大模型和辅助医疗大模型无严格区分标准一样，院外医疗大模型板块也是从应用场景类型出发，研究医疗大模型在该场景的应用落地情况。事实上，行业不少医疗大模型可同时应用于院内及院外多场景赋能。
院外的应用场景，受到的政策监管和约束相对较少，在模型性能能够满足的应用场景需求后，达成合作的环节更加直接和简单。因此，在大模型能够显著提升效率、降低成本的应用场景，行业已有应用落地成熟的案例出现。我们将以临床研究及对C端的健康管理为例，解析其发展渗透率的现状。
（1）药物研发-亟待极致效率提升带来质变
药物研发超大的人工智能应用市场规模，以及极大的提质增效空间，散发着巨大的人工智能应用探索吸引力。其实，AI应用在药物研发领域探索不算短，大模型的加持，除了原有AI能力的提升，或许还能带来新的能力赋能行业发展。
多环节人工智能服务渗透。药物研发囊括了药物发现阶段、临床前阶段、临床阶段，以及上市后的真实世界研究。人工智能的应用也充斥着长链条的各个环节。
人工智能在药物研发各环节应用场景举例，资料来源：公开资料，动脉智库整理
人工智能也需要“术业有专攻”。药物研究的多环节、不同具体的应用场景领域，所用到的人工智能服务不同，这也意味着针对特定环节的赋能大模型也需要“术业有专攻”，由此对训练数据的类型和来源也有所不同。
例如用于临床试验阶段的大模型，该阶段核心诉求集中在中心与患者的筛选、试验设计和优化、数据文件管理的能力以及风险预测决策支持等，对数据实时处理和伦理合规要求极高。因此，除了对相关法律法规的学习和理解，对于大模型的训练还需要来自真实临床试验沉淀下来的数据，不仅从中学习相关专业的知识，更需要学习相关专业的干预和反馈机制，也就是习得实时处理的能力。例如，当发现风险的时候，需要人工智能服务提供预警的同时，可以在大模型的赋能下同时进行相关的风险处理动作。有了“动作”的学习，人工智能服务才能跳脱出数字客服或超大知识库给出的响应式服务，进而升级为有主动执行能力的管理式服务，真正为申办方提供有责任感的“数字员工”而不是单纯的数据管理工具。如太美医疗科技发布的文思智能（Wiz.AI）平台，其能力基座除海量的专业知识、法律法规、公开数据外，还有其十余年5000余项临床研究项目运营经验，为其人工智能临床试验服务奠定了核心竞争力。基于出色的综合实力，文思在实际业务场景中拥有强大的落地能力，以赋能SaaS和服务在各应用场景中发挥智能化的管理职能，而非单一的智能问答。
再如药物发现领域，有了大模型的赋能也为多年的人工智能应用再添利器。首先，大模型的应用增加了AI结果的可解释性，从而提升信任度，让使用者可以明白并判断其可靠程度，从而提升AI服务的接受度。其次，大模型显著降低了专业知识的理解和应用门槛，极大提升相关步骤效率。可见，效率的提升在行业已有共识。但研发的能力验证还在路上，目前还未有通过AI研发的药物走到上市阶段，这也让行业对其态度逐步谨慎。目前，在药物研发领域，相较于效率和应用工具，企业更愿意为价值结果付费。
（2）C端健康管理-打造轻中重个性化服务
另一个院外拥有高吸引力的大模型落地场景是面向C端的健康管理服务。
轻量级服务：做群众的AI健康助手。自2016年《健康中国2030》发布以来，国民对健康的重视程度持续增强，并逐步从“疾病治疗”向“疾病预防”前移、从“被动治疗”向“主动健康”转变。随之而来的就是更多的健康服务需求，例如亚健康状态改善、日常偶发性不适的咨询、体检报告解读、药物及疾病知识学习、个人健康档案管理及疾病预防等。传统的医疗体系显然难以支撑该类激增的健康服务需求，因而大模型的应用可很大程度解决健康服务能力供给不足的情况，目前行业已有不少理想的解决方案。例如讯飞医疗，推出首款面向居民的AI健康助手应用讯飞晓医，依托星火医疗大模型亿级高质量权威医学知识数据库，为用户打造个人数字健康空间，覆盖“看病前、用药时、检查后”三大核心健康场景，提供症状自查、药物查询、报告解读和个性化健康档案管理等服务。目前，讯飞晓医APP已覆盖高频常见疾病1600余种、常见症状2000余种、常见药品4000余种、常见检查项目6000余项，用户满意度达98％。
治疗及服务：提供陪伴式服务。面向C端的健康管理服务中，还有一大极具落地吸引力的应用场景，那就是慢病管理。随着我国慢病患者人数攀升，目前医保用于慢病治疗的费用居高不下，占据医保开支大头。可是，即便如此我国慢病管理现状也并不如意。究其根本，慢病的治疗不仅仅需要药物，更需要生活方式的干预，而后者需要极高的人力成本及时间，本就供给不足的现有医疗体系对其难以覆盖。
慢病管理需要多团队的有机协作，且生活方式的干预是一个长期过程、是一个全新生活习惯培养的过程，也就意味着慢病管理团队需对患者进行长程式的陪伴，其对应的高人力成本是慢病管理落地的一大阻碍。最后，纯人力的慢病管理，很容易触及服务能力的天花板，而就我国目前医生、营养师、专业运动教练及健康管理师等服务团队的数量对于庞大的需求群体而言，存在极大的人力缺口。正因如此，医疗大模型在慢病管理场景的应用展现出极大的价值。
轻量级及治疗级健康管理服务对比，资料来源：调研访谈，动脉智库整理
有了医疗大模型的赋能，可以极大解放人力，这不仅能够提升单个管理师的管理能力上限，也能助力提供更好的服务。例如，在大模型的辅助下，用户可以有更好的“实时应答”体验，并且可以确保服务“温度”，没有情绪的波动。不仅如此，大模型在个性化方案实施上也更有优势，可以基于用户情况实施轻量级到治疗级不同干预程度的管理方案。
循着以上的要求，行业也已然出现了成功的商业化案例。如南大菲特，为肥胖伴有代谢综合征、糖尿病、多囊卵巢综合征及青少年肥胖等患者提供人工智能生活方式干预。“三师共管AI大模型”融合了200余位专家的经验，其多模态底座赋能管理团队基于用户自产及来自监测设备的健康数据，主动给出实时的专业管理意见，真正为用户打造了有温度的陪伴式生活方式干预。经过10年的打磨与沉淀，企业已经成功助力超过3.5万的用户减重成功，达成了4周减重4.2kg、8周减重7.4kg、12周减重11.12kg的优异成效。此外，大模型的赋能让企业也实现了轻量级管理完全AI化、治疗类的专业管理中实现服务能力4-5倍的提升。
2024年，国家卫健委联合16个部门发布“体重管理年”活动实施方案，将体重管理提上新的高度，并鼓励人工智能在体重管理中的应用。此政策为在慢病管理的医疗大模型企业发展注入了新鲜的驱动力。过去，人们对人工智能始终报以谨慎态度，对于AI提供的健康建议信任度不高。现在，DeepSeek的爆火极大地推动了市场教育成熟，加之政策鼓励及行业专业级管理方案展现的优异成效，相信未来大模型在C端健康管理拥有非常大的想象空间。