总结两家公司的共同点的话，它们都在这一赛道下沉的 AI+医疗服务领域内。这也印证了二级市场对于 DS 概念股目前的看法，这一轮的炒作还只是停留在概念层面。
需要强调的是，不是所有这类公司都与华为合作。创业板上市公司盈康生命，在近期的投资者互动平台回答提问时表明：“公司当下暂时还没有与华为医疗大模型展开合作。”盈康生命在 2021 年开始布局“AI+医疗”。目前，公司已引入科大讯飞大模型能力并搭建了智能交互平台，该平台已在旗下山西盈康一生总医院正式上线。这一事件标志着公司在 AI 医疗领域的创新应用迈入了全场景应用的新阶段，具有里程碑意义。未来，盈康生命会以 AI 加临床医疗作为驱动力量。它会持续去探索 AI 的创新应用，也会推进 AI 产品的研发。并且会打造出一种贯穿用户整个周期健康管理的全新模式。
港股上市公司鹰瞳科技在书面回复时介绍道：鹰瞳科技的 Airdoc 具备人工智能深度学习算法的核心技术。其视网膜技术专利在全球处于较为领先的地位。该技术能够辅助医生对包括内分泌、心脑血管、眼病、认知等在内的慢性疾病进行诊断，从而提高诊断的准确性和效率。2025 年，AGI 对医疗大模型企业进行升级。鹰瞳 Airdoc 自主研发的万语医疗大模型接入了 DeepSeek R1。鹰瞳 Airdoc 在医疗垂直领域已经有长达 10 年的知识沉淀。这些沉淀覆盖了超 3000 万份真实临床诊疗数据。还覆盖了 800 余项循证医学知识图谱。并且对三甲医院专家诊疗路径进行了深度解析。这一升级让模型在处理复杂医疗影像数据以及临床信息时，速度变得更快了，也更加精准了。它能为医生和患者提供更专业的报告解读，还能给予个性化的健康管理体验。
产业层面对AI医疗认知分化
病理科、超声科应用是目前医疗应用的主流
实际与投资层面的群情激昂相比，产业层面的反映要务实很多。目前有能力在 AI 医疗大举投入的公司并非占据多数。不过，走在产业和趋势前沿的公司是值得关注的。
2 月 18 日，上海瑞金医院因张文宏教授而更为知名。在该医院举办的 2025 医疗人工智能与精准诊疗发展论坛上，瑞金医院与华为携手共同发布了瑞智病理大模型 RuiPath。根据介绍，该大模型是以瑞金医院丰富的病种以及高质量的医疗数据为基础的。它的癌种覆盖广度极为广泛，能够达到中国每年全癌种发病人数 90%的常见癌种，同时还涵盖了垂体神经内分泌肿瘤等罕见病。在深度方面，医生可以与它进行互动式的病理诊断对话。
资料显示，这家医院拥有全国较为领先的高质量医疗数据。2021 年，该医院开始建设数字化智慧病理科。2023 年，该医院发布了中国首本《数字化智慧病理科建设白皮书》。该医院病理科积累了百万级数字病理切片库，为病理大模型的搭建提供了坚实的数据根基。
从这一实例能明显看出，病理科可能是明显受益于 AI 医疗的医院科室之一。上周，AI 医疗领域的产业利好接连不断。在 2 月 17 日，于国家儿童医学中心、北京儿童医院会诊中心，一位专家型的 AI 儿科医生正式开始“工作”，并且与 13 位儿科专家一同完成了一场疑难病例的多学科会诊。这是全国首个 AI 儿科医生，它有希望辅助疑难罕见病的诊疗，能给儿科医疗服务带来新的变革。2 月 18 日，国内首批医生专家的 AI 数字分身在京东互联网医院正式开始运行。
对此，查理投资的投资总监李一丁称，今年大模型全面落地的重点在于 AI 诊断，医疗行业正成为各互联网大厂和科技公司业务布局的新地点。到目前为止，业内医疗领域的大模型数量已超百个。大模型智能体具有高度的灵活度和很强的适应性，能够对医疗场景进行有效的赋能。未来 AI 医生会辅助人类医生去完成很多工作，并且这些工作占比极大。而人类医生主要的职责是进行最终的决策。
AI 医生能够辅助人类医生进行患者诊疗。AI 患者可用于人类医生的教学培训，各个科室的医生或医学生与 AI 患者对话、查看检查报告后给出诊断方案，接着判断该方案的对错。此过程试错成本为零，无需担心因犯错而产生影响。同时，能够查看该患者其他所有医生的诊断结果，了解他们对这位患者的看法。另外，如果同时运用 AI 患者和 AI 医生，就能够进行宏观层面的沙盘模拟推演。通过这样的模拟，在突发大规模疾病的情况下，可以判断当前医院的布局和能力是否能够满足应对需求。最后，当 AI 医生面对人类患者时，AI 医生可以完成诸如健康咨询等院外服务。”他如是总结其优点所在。
从具体的受益科室方面来看，除了前面提到的病理科之外，超声科可能也是一个显著受益的科室。一位经常去医院的退休老年病患者说，近些年来他在医院看病时，常常需要拍摄各种检查的片子，这既耗费时间又耗费精力。如果在人工智能时代能够将这些简化，那对于患者求医问药来说是一件非常好的事情。
对此，文首提到的券商报告进行了详尽分析。AI 在医疗器械领域的应用，从形式方面主要分为两类。一类是单独以软件的形式存在；另一类是与设备等硬件相结合的形式。并且这些应用广泛地应用在疾病的诊断过程中，也应用在疾病的治疗过程中。具体而言，一类是 AI 加影像设备，把人工智能技术融入到各类诊断、治疗、监护以及康复医学装备当中。比如，AI 人工智能技术能在扫描、图像重建、分析等诸多方面对影像诊断设备进行全流程赋能。像在消化内镜检查的时候，能够给医生提供检查导航等功能。第二类是 AI 辅助诊断，它能分析处理多种数据来辅助医务人员进行临床诊断决策，这些数据包括 CT/MRI/超声等大型诊断影像数据、组织病理图像数据、生理电信号、DNA 测序数据等。其具体应用有 AI 肺结节辅助诊断、AI 甲状腺超声辅助诊断、AI 宫颈细胞辅助诊断等，并且还包括 AI 辅助治疗。
AI医疗帮助新药开发功能定位尚不清晰
“智慧医院“建设亟待快马加鞭
当然在描绘出智慧医疗的美好前景之时，AI 医疗的不足之处或许需要得到各方的关注。尤其是在实际的操作过程中，怎样做到趋利避害，对于门槛原本就比较高的医药行业来说，确实不是一件容易的事情。
不可否认，大语言模型取得了进步，这促成了 AI 医疗产生实质性飞跃。原来它只是给出一堆冷冰冰的数据，现在至少变得更像一名超声科医生了，读完片后能够再出一份患者读得懂、能理解的诊断报告。一位医药圈的人士如此坦言。
目前从实际调研情况来讲，在那些已经上线了各种医疗 AI 平台的医院中，多位一线医生都表达了“用得不算多”这样的看法。并且这样的情况并非仅仅在国内出现，此前，全球数据分析公司爱思唯尔针对全球 123 个国家和地区将近 3000 名科研人员和临床医生展开了调查，之后还发布了《洞察 2024：人工智能态度报告》。《报告》表明，AI 在科研和医疗领域具备极大的潜力。然而，目前它在科研人员以及临床医生的工作里，其应用的程度依然是有限的。
李一丁对此分析指出：目前在医院使用的，多数为医学智能辅助诊断系统，即基于数据形成的单一目的模型。利用大模型开展整个智慧医院建设的案例并不多，多数仍处于探索阶段。目前市场上尚未有落地的健康大模型产品，要实现商业化，行业面临诸多挑战。医疗具有天然的垂直性，其行业特性既专又宽，这使得模型训练存在难度。同时，医疗数据的非结构性特点也是大模型落地的一大难点。
此外，目前健康大模型的标准处于空白状态。关于用何种标准来评价健康大模型，需要相关方面共同推进。行业内有这样一种观点，即 AI 医疗大模型在落地应用方面还面临诸多挑战。例如，AI 技术并非尽善尽美，应用伦理、数据孤岛、数据安全、隐私保护、审核机制、评价标准等问题都还有待进一步完善。他进一步分析并指出了这些情况。
一位专注于二级市场医药投资的量化私募操盘手也坦言：无独有偶。因为新药开发需要预测的准确性来提供帮助。如果用 AI 医疗去替代新药研发的一期、二期、三期，目前对于其分子的生成能否符合病理研发的要求还存在疑问。相对而言，目前还处在效率比较低的阶段。
有交流人士持不同观点：在新药研发阶段，AI 平台能够快速筛选化合物，还能精准预测潜在药物分子的活性和毒性。这样就能在早期阶段排除无效或高风险的候选药物，进而大幅度缩短药物早期开发的周期。在这方面，国内的一些企业，比如晶泰科技等，都有较好的发展。
文首要求匿名的券商医药首席着重指出：一方面，AI 医疗需运用大量数据，而数据使用的规范性以及数据交易相关的规范性，都需要构建完备的政策以保障患者隐私和数据安全；另一方面，AI 相关医疗产品的商业化以及行业标准需要逐步确立，AI 医疗产品的支付机制存在不足，像 AI 辅助诊断虽已纳入医保定价框架，但收费标准和服务模式尚未统一，这对其规模化落地造成了影响。行业没有统一的 AI 技术评估标准，这使得医疗机构和企业难以挑选到可靠的解决方案。从人才建设方面来讲，AI 医疗属于复合型学科，需要各类多学科人才。从教育角度而言，未来对复合型人才的需求将会更大，而目前这类人才是比较匮乏的。
海量资讯、精准解读，尽在新浪财经APP
