过去几年，AI医疗的趋势火热：
算法能力在进步，模型效果在提升，应用场景也越来越丰富。
但一个现实问题始终存在——
为什么AI医疗如此有前景，当前却始终难以跑出大规模、可持续的商业化？
答案往往不在技术本身，而在端口选择。
从商业视角看，AI医疗并不是一个统一市场，大致可分割为2B（对企业/医疗机构）、2G（对政府/公共部门）、2D（对医生）和2C（对消费者）这四个战场。
它们服务对象不同、付费逻辑不同、监管要求不同，甚至连商业价值本身都不一样。
理解这四个商业化端口的本质差异，是看懂AI医疗产业格局的第一步。
笔者预测，2026年中国AI医疗整体进入加速期：
G
：政府主导
AI
医疗新基建，已进入系统性投入阶段
B
端：从单点工具走向全流程嵌入，商业化路径
C/D
端突破：加速落地，
开启
多元变现模式探索
G端：政策驱动，交付能力要求高
所谓的G端业务，即面向各级政府、公共医疗体系提供AI医疗基础设施、平台或公共服务解决方案。
主要包括AI中试基地、区域医疗平台、疾病预警系统、县域医共体AI赋能等。
在政策驱使下，为了提升医疗+AI赛道，以及解决医疗资源不均的问题，不少地区政府和公共部门有采购需求。
2025年已经有一系列政府主导的AI项目落地，很多都是上亿级的项目。
例如讯飞医疗中标国家人工智能应用中试基地，4.276亿元；蚂蚁（支付宝）中标浙江省医学人工智能创新服务平台，2.06亿元；百度获得广州市呼吸传染病预测预警系统，1.69亿元。
这类项目的特点是项目金额巨大，但与此同时模型定制化程度很高，周期较长，且数据壁垒高。
例如在讯飞医疗中标的国家级AI医疗中试基地项目中，要求打造5个自主可控的千亿级医学垂类大模型，构建5PB级医疗数据资源平台，落地21个基层医疗示范应用。
由此可看，G端的项目对复杂系统交付、长期运维、数据安全合规及强大的资金和组织保障，顶尖团队和数亿元投入是极高门槛。
一般来说是讯飞医疗、百度、蚂蚁、中国电信等大型公司。而且，这类项目具有较高的地域性，讯飞中标的国家人工智能应用中试基地位于合肥，蚂蚁获得浙江省的项目。
对于AI医疗企业而言，G端市场更偏向战略市场，企业获得的不止有收入，还有极高的进入壁垒和信任背书。
B端：最直接，最现实的战场
B端，是当前AI医疗最成熟，最容易被资本理解的方向。
AI医疗企业B端的主要服务对象为医院、医药企业、医疗器械公司等。
由于中国医疗系统以公立医院为主，这里面又可以大致分为——院内和院外市场。
对 B 端客户而言，AI并不是智能助手，而是生产工具。因此它必须直接作用于研发成功率、诊断准确率或运营效率，否则付费方不会买账。
此外，AI临床工具对合规要求非常高，例如AI影像学工具要进医院之前，必须拿到器械三类证件。
而在医院方面，智慧医院评级正成为市场驱动力之一，为行业带来系统性的机会。
例如，在四川省的智慧医院评价标准中，对大数据和AI应用提出了明确的加分项，在科研和临床落实3个AI应用以上加一分。
可以预见的是，在医院方面，未来将从单点工具销售，转向提供全院级、全病程的智能化解决方案。
B端业务中，有实力的公司还提供了另一种选择——出海。
例如商汤医疗就选择了东南亚高端医疗市场，与新加坡IHH医疗旗下百汇放射科达成合作，与其共同推进的肺癌AI筛查解决方案。
尽管B端业务进展缓慢，销售和商业化周期较长，适合有耐心的企业。如果能够稳定地创造价值，依旧有大量公司愿意买单。
2C：最受关注，但变现不确定性
如果说，2B/2G是当前AI医疗有营收的项目，而2C是未来的流量与数据入口。
智能问诊、健康助手、心理陪伴、可穿戴设备数据分析，这些应用往往拥有最直观的用户体验，也最容易获得关注。
例如开年爆火的蚂蚁阿福，在强大的广告投放下，下载量猛增。目前月活跃用户达1500万，稳居健康管理类AI应用首位。
然而，真正进入市场后，C端的挑战并不在技术，而在商业逻辑本身。
普通用户并不会因为一个产品更医学，就愿意支付更高的价格。相反，一旦产品被严格纳入医疗范畴，还面临着监管责任迅速上升。
直接向用户收费异常困难，广告变现更是面临合规需求，当前主流策略是免费提供基础服务，构建流量入口。
因此，当前C端的AI医疗已经成为科技大厂的战场，例如OpenAI、蚂蚁、京东、亚马逊、百度都推出了其AI医疗应用。
图：OpenAI发布ChatGPT Health
一些精准的医疗领域，例如远程医疗、慢病管理等，有可能拥有一批付费客户，但企业也面临着大量的竞争。
从长期来看，C端价值主要通过B端间接实现。
长期看，企业基于积累的合规脱敏数据、医患交互洞察，可能催生真正的个人健康管家，并通过保险、精准健康管理、消费医疗等模式实现变现。
D端：长期被低估，正在被重新定义
所谓D端，即面向医生、护士、临床科研人员等医疗领域专业人员。
长期以来，针对D端商业化长期处在一个尴尬位置。
一方面，因为医生既需要非常专业的AI医疗产品，并且医疗责任极高，对企业交付能力较高。
另一方面医生没有采购权，且付费能力有限，直接面向医生的AI产品，都很难规模化。
此前，针对医生的AI医疗市场较小，主要是面向核心的科研服务领域。
但随着美国OpenEvidence的出现，正在改变资本市场对这一判断。
OpenEvidence瞄准医生对医学知识这一刚需，打造专业化的AI+循证医学工具，整合并理解最新医学证据，已汇聚了超过全美40%的医生。
通过与医生建立了极高的信任度，OpenEvidence迅速积累了一批高价值医生用户，并且通过广告的方式变现。
2025年，OpenEvidence的ARR就达到了1.5亿美元，甚至OpenEvidence表示，若全部广告库存售出，收入将突破10亿美元。
OpenEvidence的广告主主要是制药公司、医疗器械厂商及其他医疗健康相关企业，这些广告主通过在OpenEvidence平台投放定向广告，精准触达使用该平台的医生群体。
国内也有多家公司正在打造中国本土的医生版ChatGPT。
图：本土版OpenEvidence
不过，中国是否能够照搬美国模式还是个问号。
总的来说，这个赛道已从概念验证进入差异化竞争阶段，关键在于谁能更贴合中国医生的真实工作流，并跑通可持续的商业模式。
首先，无论产品针对哪一方，AI医疗容错率为零。
百度丑闻后，一旦涉及医疗业务都会受到大量诟病，甚至至今还会被拿出来反复鞭尸。
也就是说，企业对追求短期流量和夸大宣传有害无益。信任，是整个行业最宝贵的资产。
因此AI医疗产品的首要条件，就是安全与合规。
但底层大模型的技术可以复用，商业逻辑、合规要求和组织能力，往往完全不同。
在这样一个高复杂度、强监管、长周期的行业里，选对服务对象，远比把模型做到SOTA更加重要。
真正能活下来的AI医疗公司，未必是技术最好的那一批，但一定是最早想清楚究竟在为谁解决问题的那一批。
—The End—
热门跟贴