准确率97%的医疗AI，正在医院角落落灰：没人愿为“看病神器”买单

技术做出来了，患者也期待，可最关键的“买单人”却集体沉默了。当我们为AI诊断的准确率欢呼时，医疗AI企业正在经历一场前所未有的寒冬。动脉智库数据显示，近两年能拿到融资的早期临床AI初创公司屈指可数。一边是光环加身的技术黑马，一边是迟迟无法启动的变现引擎——医疗AI到底卡在了哪？

谁才是真正的“金主”？看清买单人的真实身份

一提到医疗AI，很多人第一反应是：卖给医院不就完了吗？实际情况远没有这么简单。

亿欧智库数据显示，2025年AI大模型在医疗领域市场规模刚过11亿元。尽管已有上千家医院宣布完成DeepSeek等大模型的本地化部署，但真正花钱采购的仍然只是“一小部分医院，大家还是观望的多”。

深挖下来你会发现一个有趣现象：为AI医疗大模型买单的主力，并不是三甲医院，而是地方政府的采购项目。就在过去一个月内，科大讯飞、支付宝、百度先后中标上亿元级别的政府医疗项目——指向的不是单一医院，而是医疗AI的底层平台与基础能力建设。

所谓“爆款产品模式”在这个赛道似乎跑不通，真正能走通的，更像是“基础设施模式”——谁能拿到政府级的系统采购合同，谁才能真正活下去。

这揭示了一个尴尬的现实：短期内医疗AI最清晰的付费方，仍然是政府与公立医疗体系，其核心逻辑是公共投入与能力建设，而非市场化回报。

“买来的大模型，放在一边积灰”

即使有医院愿意掏钱，问题依然没解决。

常州市第一人民医院已于今年上半年启动两项公开招标，采购AI医疗大模型平台，整体预算接近1000万元。听起来是一笔大生意，但实际情况却令行业汗颜。

医疗科技公司负责人刘斌透露，目前大部分一体机“用不起来”。“AI病历那些重信息化开发，并不是买一个一体机就能解决问题的。很多买了一体机的医院用不起来，就放在一边积灰了，当然也有信息化团队非常强的医院，可以用来处理一部分任务。”

百万甚至千万的预算砸下去，结果是一台台价格不菲的一体机在医院角落里落灰——这就是当前医疗AI落地后的真实画面。

这背后是医院普遍存在的“成本与价值失衡”困境。由于新技术不能及时被纳入价格目录，医院需要独自承担高昂的研发和设备成本。正如此前一篇行业报告所揭示的：在当前经济环境下医院普遍现金流紧张，管理者倾向于控制风险，投资回收期短的创新技术，因而能够接受AI落地，但难以为其支付费用。

更何况，AI创造的价值很难转化为医院的当期收入。智慧医疗的价值在于提升长期健康产出、降低社会医疗总成本，这种效益无法直接转化为门诊量、住院率这些传统医院绩效指标——医院缺乏内在驱动力花钱引进AI。

融资寒冬中的幸存者游戏

如果说医院采购难只是问题的一面，那么对于初创企业而言，活下去本身就是一场硬仗。

从动脉智库发布的数据来看，医疗AI的早期项目正在加速萎缩。一家跨界创业公司的经历颇具代表性：他们在不到半年时间内研发出结直肠癌AI模型，准确率约85%，后经小样本学习提升至97%。技术验证看似成功了，但接下来大半年却走了出去却寸步难行——“由于医疗AI缺乏支付方，即便有了初代产品也没法拿着它快速变现”。

投资机构普遍认可他们的技术，但谁都不愿投过于早期的医疗AI公司。这背后折射出的逻辑是：在一个支付路径不清晰的赛道上，资本选择撤退——没有人愿意为一个“不知道谁来买单”的产品持续烧钱。

盈利困境同样困扰着赛道头部玩家。以微脉为例，这家头顶“AI+全病程管理第一股”光环的企业，近三年营收累计增长37.4%，但净亏损却从1.5亿元飙升到2.9亿元，三年累计亏损高达6.33亿元。营收上去了、亏损翻倍了，完美演绎了“增收不增利”的行业现实。

支付困局背后，是数据、标准与伦理的多重困境

拆开来看，医疗AI之所以“叫好不叫座”，症结远不止在钱这一个维度。

首当其冲的是 “数据孤岛” 问题。全国政协委员霍勇在调研中发现，医疗机构多私有化部署大模型，各自为政，模型“单打独斗”，无法受益于行业积累。戴立忠也指出，多数医疗脱敏数据未能有效向AI医疗企业开放，技术创新陷入“无米之炊”的困境。

更深层的障碍还在于医保定价的缺失。早在去年底，国家医保局已将“人工智能辅助诊断”纳入正式价格构成项，让AI诊断第一次有了合法的收费路径，而今年医保支付更是进一步为AI医疗行业打通了商业化“最后一公里”。然而进展虽有，整体覆盖面依然非常有限，对于大量的基层医疗机构来说，清晰的定价与支付标准仍然悬而未决。支付机制的不明朗，直接压制了医院开展此类服务的积极性。

有人已经开始悄悄赚钱了？

就在多数玩家还在为“如何变现”头疼时，有人已经在闷声数钱了。

健康160交出了一份漂亮的成绩单：公司公告显示，自2025年1月至2026年4月，累计达成运营合作的公立医疗机构已达120家，其中三级甲等医院66家。更关键的是它的商业模式——健康160不像其他玩家那样在医院卖AI软件收License费，而是帮公立医院做线上运营，从非医保自费项目中挖增量收入，再按GMV的10%收取佣金。

这种设计巧妙地避开了公立医院IT预算紧张、采购周期漫长的痛点。健康160作为运营方先行投入，医院零门槛接入，双方利益深度绑定——医院有了增收，AI才有了定价基础。

技术只是起点，路还很长

中信证券将2026年定义为AI医疗的核心变化之年——“支付方更加明确，商业化确定性显著增强”。当政策把“能不能做”升级为“怎么收费、谁来买单”，AI医疗的投资逻辑确实在从“赌技术突破”切换为“赌谁先把合同签到手、把流水跑起来”。

但这个切换过程注定不会一帆风顺。

随着应用走入深水区，行业逐渐意识到，真正的挑战远在算法之外——基层机构的承接条件、患者的认知鸿沟，以及医疗数据与监管体系的响应速度，共同决定着AI医疗技术的生命力。技术能做出来，但要把技术转化为可持续的商业模式，还需要跨越支付机制、数据共享、制度保障这三座大山。

AI辅助诊断的准确率再高，若无人肯为其买单，也只是束之高阁的炫技。医疗AI赛道的下半场，考验的不再是算力或参数量，而是谁能率先跑通那个让“技术创造价值、价值得到认可、认可催生买单”的商业闭环。 #医疗AI#