2026，医院数据如何变成钱？|163

撰稿｜许建生

DRG/DIP压顶、诊疗收入见顶，公立医院的“老业务”账本越做越薄，2026年所有院长都在想同一道题：第二本账怎么开。本文沿一条主线回答：先算大盘——规则已立、案例已出，但买方缺失、AI自身未变现，医疗数据变现的闭环远未跑通，唯一确定的支撑是财政；再看标的——99%的数据无法直接出售，能交易的只有六道工序炼出的1%高质量数据集；继给方法——把流行的“五条变现路径”拆回“合规出门”与“挣钱方式”两层，并排除四种伪路径；再校上限——三道落差与迪安诊断0.2%的AI收入占比，标出行业真实成色；最后落到被压缩的操作空间：试点、顺序、认知、策略、前提五项选择与一条底线。1158万元的入表、9759元的MRI切片、0.2%的AI收入——三个数字背后，是一场尚未闭环的医疗数据资产化迁徙。

为什么是现在：两本账的挤压

推力首先来自诊疗端的账本收缩。2025年DRG/DIP全面落地，三甲医院在出院患者数与上年持平的前提下，医疗收入仍出现下滑。诊疗利润被压到台面上，医院被迫去开第二本账——数据要素因此被推上桌面。

2026年，三个案例把“医院数据能不能卖”从理论题推成了现实题：7月，烟台毓璜顶医院以1158万元完成山东省首例公立医院医疗数据资产入表；几乎同一时间，福州长乐区医院将100余例颅脑MRI影像数据售出， 9759元；再算上迪安诊断以21PB医检数据为底座，跑通“确权—交易—AI变现”全链路。三件事相隔不到半年，指向同一句话：规则已立，闸门已开。

规则层面同步落地。《数据产权登记工作指引》7月施行，成本法入表抑制估值泡沫；140家试点已建成超106PB高质量数据集。

所以，2026年真正要回答的已经不是“数据能不能卖”，而是“数据能不能持续卖出合理价格”。

这个问题无法一步答完，下文分五步：先算大盘，看变现的闭环究竟成没成；再看标的，算清能交易的那1%是怎么炼出来的；然后给方法，拆出“合规出门”与“挣钱方式”的两问框架；再校上限，用三道落差与迪安样本标出行业真实成色；最后落到操作，给出空间被压缩之后仍然可做的五步棋与一条底线。

先泼冷水：稳定的钱从哪里来

方法且慢，先回答更根本的问题——这门生意眼下做不做得成。

第一个清醒的判断：这是一场存量再分配，不是增量创造。行业目前所谈论的市场，本质是把一部分医院的IT预算、医保的支出、地方财政的补贴，重新分配到数据资产入账、授权运营、特许经营等环节——不会从天上变出新的支付方。

那谁在买单？药企、保险、医疗机构、科研机构，是常被列举的四类传统买方。但过去三年，没有一类形成稳定的采购预算：药企有自己的临床试验数据通路；保险公司更看重理赔闭环，而非外部数据采购；医疗机构互采受限于同质化竞争；科研机构以课题经费为主，单笔金额有限。

最被寄望的下游——AI，自己也还没变现。大模型行业至今没有稳定的现金流：To-C订阅不足以覆盖训练成本，To-B客单价高但企业渗透率有限，To-G虽有政府客户大量采购，但医保端支付路径尚未打通。

于是三段式依赖的脆弱之处暴露无遗：医疗数据要靠AI才能闭环，AI要靠融资才能续命，融资要靠资本市场对AGI的信念——任一环节松动，下游买单方就不存在。

在这一判断下，财政持续投入成了唯一可确定的支撑：中试基地建设、公共数据授权运营的初期补贴、高质量数据集建设补贴、医保信息化专项。由此得到一条硬约束，后文反复要用：任何项目的可行性评估，都应把财政补贴单独剥出——剔除补贴后，剩余现金流是否仍为正。

闭环没跑通，不等于医院无事可做。但动手之前，先破一个幻觉——不是你手里的数据都能卖。

卖什么：能交易的那1%，是炼出来的

同仁医院院长袁进给出判断：99%的数据无法直接出售。而几乎同一时期，同仁与拜耳、恒瑞签署了全球首个眼科全维度随访数据集交易。

两件事并不矛盾：前者说的是原始数据不能直接卖，后者说的是加工后的高质量数据集可以。

“高质量”不是形容词，是国家数据局25号文给出的定义：经过采集、加工、可直接用于训练AI且能有效提升模型性能的数据集合。从一份原始病历到可交易标的，中间要过六道工序：选题、规整、标注、质控、合规、定价。

走得最早的两家医院给出了样板：同仁选取4个覆盖10万人的前瞻性临床队列，只聚焦眼科一个专科；协和已在9个专科建立近30个专病库，定义6877个数据元。

定价依据就藏在这里：结构化程度就是价格。缺少标注的自由文本病历，卖不掉；能直接喂给AI训练的高质量数据集，才卖得掉——9759元的MRI，卖的正是“炼过”的那部分。

对医院而言，对于可交易数据的评估口径要随之切换：数据存量多大，不是重点；数据能不能炼成符合定义的高质量数据集，才是核心问题。

想清楚了卖什么，接下来是怎么做。

怎么做：先过两问，再排四雷

市面上流行的医疗数据“五条合规变现路径”，实际上是有两个层次——公共数据授权运营、数据使用权场景授权，讲的是数据怎么合规出门；数据产品经营、数据类科技成果转化、数据资产资本化，讲的是数据怎么挣钱。混在一起，决策注定失焦。

正确的拆法是拆成两问（如图1所示）：第一问，数据以哪种合规方式出门？——决定能不能做。第二问，靠哪种方式挣钱？——决定做成什么样。

图1 两问框架：合规出门→确权地基→取费方式

先过第一问。合规出门有三条主线：公共数据走共享、开放、授权运营；涉及个人信息的数据走授权、去标识化、匿名化；企业数据无专属方式，但须合法合规。公立医院的特殊之处在于，一家医院同时持有三类数据——诊疗记录既具备公共数据属性，又直接涉及个人信息；医院自身的运营成本与供应链数据属企业数据；科研数据走科技成果转化通道。三类数据的出门姿势不同，不能套用同一张流程图。

这一问之下还有一层地基：确权。三类合规方式的开展，都以权属清晰为前提，《数据产权登记工作指引》7月施行解决的正是这一层。但要看清：确权是地基，不是收入——它本身不产生现金流，只是让第二问的挣钱方式具备开展的前提。

再过第二问。挣钱有三种方式，对应的会计科目、审批链条、风险敞口完全不同，却常被混称为“数据变现”。分清三者，是讨论变现路径的第一道工序：

其一，产品化。把加工后的数据集、接口、服务卖出去，收货款或服务费。长乐区医院的MRI交易是产品化，迪安在杭数交所上架近20款数据集也是。其二，资产化。把数据入表形成账面资产，再以资产为底层做融资、ABS、质押。毓璜顶入表1158万元、国泰君安医疗数据ABS储架5亿元都在此列。这里必须警惕：入表带来的是账面估值与融资能力，不是当期现金流——很多医院把“入表”等同于“变现”，混淆了两套会计语言。其三，科研化。把数据转成论文、专利、模型、软件著作权，再走科技成果转化。同仁与拜耳、恒瑞的眼科全维度随访数据集交易属于此类：前期投入大，后期为一次性转化收益。

两问之外，还有四颗雷——实操中常被误认成变现路径的工艺动作：可信数据空间是流通与交付方式（隐私计算、联邦学习、沙箱同属一类）；数据交易所挂牌是交易渠道；数据资源入表是会计确认动作；数据分类分级是合规前置作业。四者本身都不产生现金流，这一点是必须厘清的。

框架最终要落到立项审查上，可执行的标准是“自问五问”：立项、伦理、授权、定价、分配，五份文件是否具备审计可追溯性。前三问审的是合规底座，后两问审的是变现方式；第五问“分配”是底线，决定项目能不能走到签字环节。把五问做成清单逐项打勾，比任何专家论证都可靠。

方法有了，下一个问题马上跟上：照这套做法走到头，成色能有多高？

能走多远：三道落差和一个样本

2026年起规则逐步落地，制约交易规模的因素已转向三道落差。

第一道：评估价与成交价的落差。评估价站在供给方一侧，用规模、质量、场景等模型估算理论价值；成交价站在需求方一侧，反映数据对买方的实际收益。同一批数据对药企研发、医保核保、保险精算的成交价，可能差出一个数量级。

第二道：流程成本与成交收益的落差。公共数据授权运营全流程包含合规评审、资源登记、资产评估、资产登记、有偿使用审批五项环节，每项都产生成本。评估费与合规评审费合计，常吃掉小规模交易的全部毛利，把单笔交易推到盈亏平衡线以下。

第三道：算力与收益闭环的落差。广东顺德已归集约150亿条数据、将数据入湖治理纳入院长KPI考核、搭建可信数据空间底座，并探索了商保直赔、数字疗法减重、机构模型训练三类应用——但尚未走通任一闭环。

三道落差指向同一个判断：2026年医院数据变现的着力点，已从政策推动转向市场验证、流程经济性与算力闭环。

行业里走得最远的是迪安诊断——以21PB医检数据为基础，完成了“确权—交易—AI变现”全链路，正好用作成色标尺。看迪安，分三步看（如图2所示）。

图2 迪安样本：四步递进路径与成色校准

第一步，看它怎么走的。它给出一条可参照的递进路径：原材料→标准化产品→AI模型→主业增值。第一步合规底座先行，按DCMM三级、DSMM二级、产权登记、上架交易的顺序推进，顺序倒置将带来监管风险；第二步标准化产品，在杭数交所上架近20款数据集；第三步AI模型训练，与保险、体检、药企等下游联合建模；第四步主业增值，病理AI收入纳入迪安主营增值服务。支撑AI收入放量的政策前提在医保端——医保局落地病理AI收费编码，这是迪安2026年目标4000万元AI收入的政策前提。关键指标不是21PB总量，而是6PB的AI转化率（约30%）与1.6PB的年增量：前者决定可加工数据基数，后者决定数据资产能否持续滚动。

第二步，看它挣到多少。把迪安放进财务视角，结论更冷：2023年净利润-3.8亿元，2024年营收约95亿元、扣非净利润微亏；2025年AI收入约2000万元（出自行业披露，公司年报并未单独列示AI业务收入），占总营收0.2%。AI增长是真的，AI挣钱是假的——0.2%的占比说明它仍是主业的附庸，离独立业务线尚远。

第三步，看它能不能抄。第一，数据规模大，21PB数据来自二十年第三方医检积累，公立医院没有这种数据纵深。第二，迪安是民营企业，公立医院走“数据产品经营”路径，面临国有资产监管与三重合规要求。按照6号文稍微深究，就会有一定得合规风险。

所以，迪安不是答案，是问题——它用跑通全链路的方式，证明了这条路目前只能由主业承压、政策依赖、收入占比0.2%的玩家勉强维持。对医院管理者来说，正确的读法不是“学迪安”，而是看清迪安背后的政策与资本前提，自己是否同样具备。

回到最初的判断——医疗数据行业是一个链条型行业，已经有走通的案例；但是商业模式仍然闭不了环，医院的可操作空间被显著压缩，只是压缩不等于零。

现在能做什么：五步棋，一条底线

窗口期内仍有五项选择可以落实，按决策顺序排。

第一步，认知先换。分清两问：先问“数据以哪种合规方式出门”，再问“靠哪种方式挣钱”；可信数据空间、交易所挂牌、入表是两问之外的工艺与会计动作，不是变现路径本身。

第二步，试点选小。聚焦单一专科，按稀缺性、需求刚性、病种集中三个标准筛选试点队列，按六道工序推进加工——这是同仁、协和、鼓楼的一致做法。

第三步，治理先行。合规与治理先于交易：原始数据不出域、可用不可见是不可逾越的红线。毓璜顶的每一步都落在合规节奏上，顺德以院长KPI推动数据治理质量——数据未治理，资产化与变现都失去合规前提。

第四步，小单开跑。先跑小规模真实交易。评估价与成交价的倍数差距源于缺乏市场校准，让低敏感数据走轻通道形成真实交易、反向校准评估模型，比追求高估值更有效。

第五步，测算做狠。把财政补贴纳入现金流测算，并假设它会退坡：在补贴与支持退出之后，剩余现金流仍能覆盖成本，项目才立得住。

最后一条底线，也是2026年最需要建立的判断，只有一句话：

不动数据，是最大的风险——数据静态存量等同于资产沉睡，转型窗口的损失大于合规成本。把钱押在一个闭不了的环上，是更大的风险——任何项目都不应把财政补贴当作长期可持续的现金流来源。

作者简介：

许建生，男，人工智能硕士、经济学博士，公共管理博士后，长期深耕人工智能与健康医疗大数据领域，对数字经济、人工智能产业生态构建、健康医疗大数据运营及数据可信空间建设具有丰富经验。参与多个国家级、省级重大产业项目落地，包括国家健康医疗大数据中心（北方）数据要素产业运营体系建设，推动医疗行业数商价值链打通与"四位一体"产业生态体系构建。出版著作3部，发表学术论文17篇，其中核心期刊8篇。

*封面图片来源：123rf

秒追医疗健康产业创新