从技术狂奔到价值兑现：

中国医疗大模型行业研究报告

部门：医疗组

©2026 iResearch Inc.

序言

大模型的技术突破，正在重构医疗行业的生产力底层逻辑。历经多年医疗信息化、临床决策系统与医 学影像AI的技术积淀，医疗大模型打破了传统单点辅助工具的能力边界，逐步成长为具备多场景渗透能力的 行业基础设施。

过去三年，中国医疗大模型完成了从零到一的爆发式生长：国内医疗大模型累计发布量从2023年的61 个跃升至2025年6月的311个；预计2028年大模型在医院端的渗透率将达到65%，终端IT预算中大模型相关 支出占比从5%提升至20%；临床一线，超过80%的医生已将AI工具纳入日常工作流。数字背后是一个清晰 的信号：产业的重心，正从实验室的技术演示，转入真实场景的价值兑现。

而当价值兑现成为新的标尺，竞争的底层逻辑也随之被重写。如果说2023年是“百模大战”的算力与 参数之争，2025年是“数据壁垒”的场景卡位之战，那么进入2026年，行业的追完已不再是“谁的模型更 强”，而是“谁的智能体能真正跑通业务闭环”。大模型正在从被动应答的认知引擎进化为主动协作的执行 主体，从碎片化的单点问答，迈向贯穿预防、诊疗、管理全旅程的连续性服务。这不仅是技术能力的跃升， 更是对“AI在医疗中究竟扮演什么角色”这一根本问题的回答升级。

当行业热潮归于理性，希望这份报告所提供的行业坐标与判断依据，仍能为身在其中的决策者提供一 份可回溯的参照——不只记录谁跑得更快，更要看清什么走得最远。

——艾瑞咨询研究院

ABSTRACT ▋ 研究意义

摘要

医疗大模型不是又一套IT系统，而是医疗行业生产力范式的结构性升级。三股力量正在 交汇：政策端从顶层设计直达场景指引，将AI从鼓励探索推入落地考核阶段；技术端算 力成本下降与多模态融合成熟，使基层医疗机构首次具备三甲级别的诊断辅助能力；需 求端恰逢人口老龄化加速与医师供给缺口扩大，大模型不再是一个可选项，而是维持医 疗体系运转的必需品。三端合力之下，医疗大模型正在从尝鲜工具蜕变为行业基础设 施——这场变革的深度，远超十年前医院信息化建设。

▋ 研究内容

报告从行业背景、行业现状两大维度展开，全面剖析中国医疗大模型行业的整体图景。

 行业背景：阐述医疗大模型的内涵与场景适配，回溯从早期专用智能到通用大模型探 索再到Agent智能体的四阶段发展历程，并从政策、技术、需求三大维度拆解行业核 心驱动因素。

 行业现状：梳理医疗大模型技术架构，通过渗透率模型、数量变化趋势、玩家类型图 谱、研发合作模式、商业模式及七大场景成熟度梯队，全面呈现行业竞争格局与商业 化进程，并结合医疗机构渗透数据与终端医生使用意愿调研，量化验证需求侧变化。

▋ 研究展望

2025和2026年，众多企业和机构密集推出新一代医疗大模型，市场热度高涨，艾瑞趋势 行业预测如下：1）大模型行业焦点从单一模型性能竞赛逐步迁移到Agent闭环能力；2） 厂商竞争焦点从参数比拼转向模式重构，选型决策权逐步在各个主体间迁移。

CONTENTS

目 录

• 01 中国医疗大模型行业背景

Background

• 02 中国医疗大模型行业现状

Analysis

• 03 中国医疗大模型典型企业分析

Case study

• 04 中国医疗大模型行业趋势展望

Development trend

01

中国医疗大模型行业背景

Background

概念阐述

医疗大模型是通用大模型能力向医疗垂直领域延伸的产物

大模型是基于海量数据训练形成的深度学习模型，具有参数规模庞大、跨任务泛化能力强、支持多模态处理等核心特征，被视为人 工智能向通用化发展的关键突破。医疗大模型则聚焦医疗垂直行业，注入医疗领域专业基因，其构建既可基于通用底座通过领域数 据适配，也可基于医疗领域数据从头预训练，具备医学知识融合、场景精准适配、数据安全保障等“专才”能力，覆盖辅助诊疗、 药物研发、健康管理等多元医疗场景。

医疗大模型概念阐述

面向医疗垂直，追求专业深度

医疗大模型

医疗专业语料

面向开放域，追求能力广度

医学知识融合、场景精准适配

医疗垂直行业

海量多源通用语料

满足医疗隐私与数据安全合规

行业数据积累 行业场景特征

跨领域迁移、多模态处理

通用底座适配、 医疗数据从头预训练

通用大模型底座

无特殊合规约束

语言生成

音视频生成

图像生成

海量通用数据预训练

大模型适配医疗行业

大模型贯通医疗行业全场景，破解资源、效率与创新等多重痛点

大模型在医疗领域的落地展现出强适配性——通过精准匹配行业需求，在诊疗辅助、医学影像等场景深度赋能，有效填补医疗全链 条各主体的需求缺口。其不仅缓解了资源分配不均、服务效率低下等结构性矛盾，更推动从临床诊疗、科研创新到医院管理、公卫 治理的全方位智能化升级，成为医疗行业高质量发展的核心驱动力。

大模型落地医疗领域的适配性

主要痛点 应用场景

诊疗辅助

基层诊疗能力弱，优质资源集中在三甲医院

智能导诊 病例生成 CDSS ......

医院

运营流程繁琐，成本高

医学影像

CT/MRI 影像结构化分析 ......

工作负荷大，文书工作占比大

A I 大 模 型 + 医 疗

健康管理

年轻医生缺乏临床经验，复杂病例决策压力大

医生

慢病管理 健康管理 健康科普 ......

医院管理

科研数据分散，病例/文献难快速关联分析

病案质控 成本监测 医保控费 ......

看病难，挂号/排队时间长，院外随访无门

中医药

患者

古籍检索 体质辨识 经方配伍 ......

慢病管理缺乏个性化方案，依从性差

药物研发

靶点发现 文献检索 临床试验优化 ......

制药企业 新药研发周期长，临床试验入组慢、失败率高

公共卫生

监管部门 突发公共卫生事件风险预警能力不足

公共卫生应急 医联体 基层公卫服务 ......

发展历程

从专用工具到群体智能，加速技术演进与行业赋能的范式跃迁

医疗大模型的发展历经 专用智能→通用智能→专业化智能→Agent智能体的核心演进。从20世纪70年代符号主义驱动的专家系统起 步，以2017年Transformer架构为技术分水岭，在2023年迎来“医疗大模型元年”并实现爆发式增长。进入2025年，随着智能体统 一运行时、全病程记忆等关键技术突破，行业正加速从“数字医疗”迈向“智能体医疗”。其演进始终围绕“技术突破+场景需求+ 政策驱动”三大核心，不仅实现了从“单点工具提质”到“群体智能赋能”的跨越，更推动医疗行业向精准化、普惠化、高效化方 向深度变革。

医疗大模型发展历程回溯

第三阶段 专业化智能落地阶段

第四阶段 Agent智能体阶段

第一阶段 早期专用智能阶段

第二阶段 通用大模型探索阶段

发 展 程 度

2026年3月， Epic 发布 Agent Factory 与三大 智能体矩阵

 核心特征：预训练技术突破， 模型参数规模化；多模态数据 处理起步；医疗领域知识适配； 专业能力初步形成

 核心特征：垂类模型爆发增 长；多模态深度融合；全场 景渗透；群体智能生态形成

 核心特征：由符号主义主 导，聚焦单一医疗任务； 依赖人工编码规则或小样 本数据；跨场景迁移能力 弱；仅适用于标准化场景

2025年，全国超 346个大模型完成 备案，医疗场景 覆盖率显著提升

2026年6月 百川发布 Baichuan-M4 临床级 Agent

 技术支撑：开源微调技术、 跨模态深度交互架构、联邦 学习、产学研协同平台

 技术支撑：Transformer架构、 自监督学习、多模态融合技术

 技术支撑：专家系统、早 期机器学习、传统深度学 习（CNN/RNN）

2026 年 2 月， 《Nature》刊发 DeepRare：全球首个具 备循证溯源能力的罕见 病诊断医疗智能体

2017年， Transformer 架 构发布，奠定大模 型技术基础； DenseNet 模型 提升医学小样本学 习能力

2022年，Med3D 发布3D医学影像 预训练模型； Med-PaLM 通过 美国医师执照考试

2024年7月，SSPEC 导诊大模型进入临 床试验，获循证医 学支持

2016年，眼底图 像 AI 模型落地， 实现糖尿病视网 膜病变精准识别

2025年12月，美国FDA 把 Agentic AI 用于内部 审评流程，强调"治理+安 全+人机协同"的范式信号

1972年，感 染病诊疗系统 MYCIN 诞生， 开创临床决策 支持系统范式

2024年11月，《卫 生健康行业人工智能 应用场景参考指引》 印发，明确84个细 分场景

2023年， MedGPT 完 成 AI 与人 类医生双盲 实验

2020年，Vision Transformer（ViT） 将 Transformer引 入医学影像领域

 核心特征：从被动工具到主动协作  技术支撑：智能体统一运行时、全

1978 年，中国 “肝 病辨证论治系统” 实 现中医诊疗 AI 编码

病程记忆系统、多智能体协同调度 机制

2017年前 2017-2022年 2023-2024年

2025年至今

时间

范式升级

以医疗大模型为认知基座，智能体驱动医疗AI从被动应答迈向主动协作

医疗大模型为行业构建了强大的认知引擎，具备医学知识理解、自然语言交互等核心能力，但其本质仍是“输入—输出”的单次被 动响应。智能体（AI Agent）的引入，以大模型为认知基座，进一步赋予其感知多模态临床信息、自主规划与推理、调用工具执行 任务并持续自我反思的闭环能力，形成可自主运行的完整智能系统。这一进化让其认知能力从“能理解”延伸到“能行动”，从 “单次问答”升级为“全流程协作”。同时支持多个智能体组成协作集群、协同应对复杂临床决策，标志着医疗AI正从工具增强迈 向智能体协作的新范式。

医疗智能体核心架构

感知层 认知决策核心层

多模态医疗信息的接收与理解

医疗大模型

整个智能系统的知识根基与理解能力

医学影像 CT、MRI、X光、 病理切片

时序信号 心电图、可穿戴 设备采集数据

临床文书与对话 电子病历、问诊记 录、出院小结

医学知识理解 内化临床指南、药理知 识、诊疗路径等专业知 识体系

多模态理解与生成 同时读懂文字病历、医 学影像、检验数据，并 生成结构化输出

语言交互 支持自然语言问诊对话、 病历书写、报告解读等 沟通场景

结构化健康数据

基因组与生物标志物 基因序列、多组学数据

电子健康档案、检验结果

医疗智能体

短期记忆（本次诊疗上下文）+ 长期记忆（患者全周期健康档案）

执行层

Agent核心能力

调用工具与系统，将决策转化为真实临床行动

从理解到决策的闭环引擎

系统连接与任务执行 连接HIS/EMR，自动生成结 构化病历 对接PACS系统，读取并解读 影像报告 触发随访提醒、开具检查建 议单、推送健康管理方案

工具调用 检索医学文献库、调用循证 医学数据库 使用临床计算器 调用影像分割模型辅助读片

规划 将复杂临床任务拆解为 可执行的有序步骤。使 Agent能处理多步骤、 长流程的复杂临床任务

推理 基于医学知识，沿规划 路径逐步得出可解释的 临床结论。推理过程可 追溯、可解释。

反思 评估执行结果，识别偏 差，自我纠正，持续优 化。从“一次性输出”到 “持续迭代优化”。

多智能体协同

多个Agent组成协作集群，模拟多学科会诊

典型场景：多智能体驱动的医疗新范式 实现多学科疑难病例会诊。以预问诊、分诊、诊断、治疗、随访 等智能体顺序协同，打通院内院外的全流程诊疗闭环；以文献检 索、数据分析、试验设计等智能体组成科研集群，加速方案转化。

协作机制：从单体智能到集群智能 每个专科Agent独立完成本领域的“感知-规划-推理-执 行”闭环，多个Agent通过统一协调机制形成协作网络， 共同应对复杂临床决策。

政策层面：战略引领、体系支撑、场景催化的三维驱动逻辑

中国医疗大模型的政策驱动体系正演进为 “国家战略定方向、专项政策强支撑、地方场景促落地” 的三层逻辑：以《国民健康“十 五五”规划》与“人工智能+”行动意见锚定数智化转型方向；以五部门《实施意见》与药监创新举措全面规范八大应用场景、打通 大模型产品化与审评审批路径；地方则围绕专病模型、基层辅助、数据要素流通与成果转化加速闭环，推动医疗大模型由试点探索 迈向体系化部署与临床价值转化。

医疗大模型发展驱动核心政策

国家层面政策：构建全周期支撑体系 地方层面政策：催化场景化落地实践

发布 时间 政策文件

发布 单位 对医疗大模型的核心作用

发布 时间 政策名称

对医疗大模型的 地方赋能方向

顶层规划统领： 将全民健康数智化纳入国家战略；明确

广西《关于推动全国 医保影像AI识图大赛 成果转化应用行动方 案（2026—2028 年）》

依托医保影像云平台与三医高质 量数据集，设立成果转化专项基 金，推动AI产品验证转化，并探 索面向东盟的医疗数据跨境流动 与远程诊断。

推进“三医”数据共享，支持建设医药行业高质量数据集 与可信数据空间，有序推动AI在辅助诊疗、健康管理、医 保服务等全场景落地。

《国民健康“十五 五”规划》

国务院

2026.07

2026.07

《关于促进和规范 “人工智能+医疗 卫生”应用发展的 实施意见》

行动指南： 医疗 AI 最核心的专项政策。明确到 2027 年 形成一批专病专科垂直大模型，全面部署基层辅助、临床 诊疗、患者服务、中医药等八大重点场景，并夯实数据、 算力与中试基地基础。

国家卫 健委等 五部门

新疆《自治区鼓励推 动“人工智能+医疗 卫生”建设应用发展 实施方案（20262028年）》

聚焦全链条场景落地与基层常态 化应用，构建覆盖临床、公卫、 中医药的“通用+专科+智能体” 大模型矩阵，强化数据底座与示 范医疗机构建设。

2025.10

2026.06

顶层设计文件：作为国家战略，它要求各领域探索人工智 能应用，其中明确了在医疗健康领域要“有序推动人工智 能在辅助诊疗、健康管理、医保服务等场景的应用”，为 后续专项政策提供了依据。

《关于深入实施" 人工智能+"行动的 意见》

2025.08

国务院

《北京市医疗健康领 域支持人工智能产业 创新发展若干措施 （2026-2027年）》

到2027年，在医疗健康领域建成 “需求精准对接、数据高效流通、 技术快速转化、生态协同发展” 的人工智能产业支撑体系。

2025.12

《优化全生命周期 监管支持高端医疗 器械创新发展有关 举措的公告》

监管与审评配套： 打通大模型产品化关键路径；研究制 定多病种/大模型AI技术指导原则，简化算法性能优化后 的变更注册要求，探索利用测评数据库开展大模型性能评 价。

国家药 监局

2025.07

《浙江省加快推动"人 工智能+医疗健康"高 质量发展行动计划 （2025-2027年）》

打造以"安诊儿"医疗大模型为核 心的智能体集群，培育50个以上 专病专科模型。

2025.08

《卫生健康行业人 工智能应用场景参 考指引》

国家卫 健委等 多部门

明确应用方向：为医疗卫生机构应用AI技术提供了具体的 应用场景参考，包括智能医疗质量管理、智能药房管理等， 引导行业将技术与实际业务结合。

2024.11

...... ...... ......

来源：国务院、卫健委、药监局、各政府官网、公开资料，艾瑞咨询研究院自主研究及绘制。

医疗大模型驱动因素（2/3）

技术层面：算力下沉、算法适配、数据贯通驱动医疗大模型发展

医疗大模型的技术发展由算力、算法、数据三大核心引擎协同驱动。算力端通过国产算力医疗场景适配与边云协同算力创新，实现 算力成本下沉与供给灵活化；算法端依托医疗语言理解与多模态融合技术突破，显著提升模型对复杂医学场景的专业适配能力；数 据端以标准化治理、安全协作机制与开源生态建设三重支点，破解数据孤岛与安全流通难题。三者形成“算得起—看得准—学得好” 的技术闭环，共同推动医疗大模型从实验室研发走向规模化场景落地。

医疗大模型技术驱动核心要素

算力成本下降 算法突破 高质量医疗数据积累

核心 驱动力

数据标准化治理/开源数据生态 隐私计算保障数据安全流通

国产芯片性能迭代 边云协同算力服务创新

医疗语言理解与模型适配 多模态融合技术成熟

数据标准统一：华南理工牵头制定“病历-影 像-检验”数据元标准，跨机构数据格式统一 率由60%提升至85%。

国产芯片迭代：哈工大面向医学影像分割任 务深度优化昇腾算子，模型推理提速40%、 推理成本下降35%，打造国产算力医疗场景 适配标杆。

专业架构适配：华东师大 ChatMed 搭建医 疗专属分词器，医学术语覆盖率达92%，多 轮问诊意图识别F1值0.89，强化医疗语义理 解。

安全协作机制：复旦大学研发医疗联邦学习 框架接入120余家三甲医院，数据不出域联 合建模，多中心模型性能较单中心提升25%。 开源生态助力：哈工大开源中文医学指令数 据集本草BenTaso，包含20万条高质量指令， 微调模型医疗问答EM值达0.78，降低行业标 注成本。

技术突破 与案例

边云协同：芙蓉实验室联合湖南电信、华为 推出数智算网融合方案，通过模型分层部署 传输，百公里传输维持95% 以上算效，落地 “数据不出院、算力可调用”。

多模态融合突破：讯飞医疗星火医疗大模型 V3.5依托全国产算力训练，打通语音、影像、 病历多模态融合，推理吞吐量提升4.5倍，搭 载循证医疗智能体，MedBench评测得分 98.9排名首位。

 验证国产算力医疗推理性能，提供算力自主可 控工程范本。

 提升模型医学语义辨识能力，精准识别临床问 诊意图。

 依托数据标准化打通数据孤岛，赋能跨机构数 据融合分析。

核心价值

 破解数据安全与算力供给矛盾，支撑基层医疗 机构就地使用外部算力。

 打破单模态壁垒，融合多元医疗数据，强化综 合临床推理能力。

 在保障数据隐私合规基础上开展多中心协同建 模，开放医学训练数据，减少数据标注投入。

需求层面：资源不均、效率瓶颈、研发困境共推医疗大模型加速发展

医疗大模型的快速发展源于医疗体系各环节的迫切需求。医疗机构面临优质资源分布不均、医师数量不足等结构性矛盾，亟需通过 AI提升效率、降低成本；患者端在便捷就医、个性化健康管理等方面的需求持续增长；药企则迫切需要突破研发周期长、成本高的 行业痛点。三方需求汇聚，共同构成了医疗大模型发展的核心驱动力。

医疗大模型需求驱动三大维度

患者端需求—便捷就医与个性化服务

药企需求—研发提速与成本优化

医疗机构需求—提升效率与优化资源配置

从药物发现到最 终上市，平均需 耗时超过8年。

研发 周期长

核心痛点：

核心痛点：

 传统就医流程复杂，医师数量 不足、城乡水平差距大，候诊 时间长，体验不佳。

 优质医疗资源分布不均，中西部地 区及基层诊疗能力有待提升。

全球平均成本22.3 亿美元；中国领先 药企百济神州2025 年上半年研发费用

资金 投入大

 医务人员工作负荷繁重，存在大量 重复性、低效工作。

 诊后缺乏持续、专业的健康管

理与随访。

 医院运营管理流程有优化空间，存 在资源浪费。

核心 痛点

72.78亿元。

 对透明、易懂的医疗信息与个

性化指导需求强烈。

我国医疗卫生机构分布（万个）

约13600个“药物-靶 点”配对中，四分之一 都挤在38个靶点上；全 新靶点发现困难。

40.05 41.65 42.98

我国城乡卫生人员分布（万人）

靶点 发现难

869.17 902.59

32.50 33.81 34.27 30.75 31.62 32.10

820.87

传统分子对接技术预测 误差大，导致后续合成 验证失败率高；AI工具 出现前，药物化学家需 花费大量时间信息搜集 和数据处理。

654.58 675.38

620.21

分子 设计慢

2022 2023 2024

2022 2023 2024 城市 农村

03

02

01

东部地区 中部地区 西部地区

大模型价值——医疗机构端：效率提升、诊断加速、中西部与基层赋能；患者端：服务可及性、个性化管理、全周期服务；药企端：研发加速、成本优化、效率提升

来源：国家卫健委卫生健康统计年鉴、公开资料，艾瑞咨询研究院自主研究及绘制。

02

中国医疗大模型行业现状

Analysis

13

技术架构

以基础设施为底座，串联数据采集处理、医疗模型研发管理与多场景医 疗服务应用

医疗大模型是通用大模型向医疗垂直领域的深度适配与进化，其技术架构围绕“基础设施支撑-数据处理赋能-模型能力构建-场景价 值落地”分层推进；核心价值在于打破医疗数据孤岛、攻克专业场景技术壁垒，在提升医疗服务可及性与效率的同时，为医护、患 者、药企、监管等生态参与方创造智能化增益，完成从技术基建到医疗场景价值重构的跨越。

医疗大模型核心架构总览

主要应用

服务用户

医院 医护人员 患者 医药研发企业 监管机构

应用场景

智能问诊 智能预分诊 医学影像 电子病历 辅助诊断 临床决策

运营管理 病案质控 健康管理 药物研发 医学教育 ...

算法研究 大语言模型 视觉大模型 图学习大模型 多模态大模型

模型管理 系统管理 接口管理

医疗模型

编程语言 算法框架 开发平台 开发工具 压缩工具

数据管理 ...

清洗

脱敏

多模态海量数据

数据处理

病历数据 检查数据 影像资料 专业数据库 互联网数据 ...

基础设施 服务器 网络 云服务 ...

来源：公开资料，艾瑞咨询研究院自主研究及绘制。

行业渗透率

通过商业闭环与效率兑现，医疗大模型有望跃升为行业的核心生产力

医疗大模型渗透率呈现试点—主流应用—全面渗透三阶段增长路径。2023-2025年早期处于摸着石头过河的试验阶段，本质是医疗 场景的高门槛属性使然，这一阶段大模型完成了技术可行性的初步验证。2025-2028年行业逻辑转向“商业闭环×效率刚需”共振， 本质是医疗行业从“数字化工具尝试”向“智能化基础设施重构”的转型，此时，大模型不再是可选工具，而是重塑医疗流程的基 础设施。这当中，技术成熟度决定行业下限，政策友好度拓宽发展上限，商业闭环决定造血能力，需求侧效率感知则是规模化落地 的终极推力，四者环环相扣，推动医疗大模型从边缘补充进化为核心生产力。

大模型在医疗领域的渗透情况

40-50%

2025：「场景落地、商业化起步」 → 2028：「深度融合、生态化运营」

医疗大模型 渗透率（%）

20-30%

 基础因素--优化升级

• • 技术深化：医疗专属大模型成熟，精准度、安 全性满足医疗场景高要求
• • 政策合规：政策流程趋于完善，解决合规性等 痛点问题

0-10%

2023年 2025年 2028年预计

 核心因素--关键变量

• • 商业闭环：付费等模式跑通，医院采购纳入常 态化预算，企业从技术投入转向商业造血
• • 效率刚需：终端对大模型接纳意愿提升，大模 型在病历质控、诊疗辅助、分诊导诊上的降本 增效效果得到验证

早期试验阶段

早期主流应用

行业标准化前夜

渗透率不足10%， 属于早期试验阶段， 少数头部医院或试 点项目使用。

渗透率达到2030%，跨越创新扩 散临界点，进入早 期主流应用阶段。

预计40-50%，接近 半数医疗机构将部 署大模型，标志着 行业标准化的前夜。

来源：企业专家问卷、公开资料，艾瑞咨询研究院自主研究及绘制。

数量变化

从爆发式增长到稳步扩容，驱动行业从“量增”向“质优”进阶

医疗大模型领域正呈现“数量爆发+结构升级”的双轮驱动发展格局。从规模维度看，行业进入高速扩容期，2023年新增61个、 2024年新增93个，2025年上半年新增157个，三年间实现数量级跨越。2025年下半年起，医疗大模型发布节奏从“爆发式”转为 “稳步增长”，行业重心开始向“落地验证”转移。​ 长远来看，医疗大模型正从量的积累转向质的跃升，2026年，随着首款基于医 疗大模型打造的智能体产品批进入创新医疗器械绿色通道，行业加速爆发期打下的技术底座正持续转化为合规的商业产品。​ 垂直领 域深耕以及智能体的深度应用，将驱动行业进入真正的“价值兑现周期”，为医疗服务效率提升与普惠化发展注入新动能。

医疗大模型数量及特点

 2025年6–8月：百川智能 Baichuan-M2（8 月）、华 为医疗大模型、多家医院专科模型密集发布。

157

•  2025年9月：瑞金医院开源病理大模型 RuiPath、讯飞

• 安贞心血管专病模型、武汉“智动”妇儿模型发布。

•  2025年10–12月：智谱GLM-4.7医疗版、OpenAI GPT-OSS-120B医疗开源版等落地。
•  2026年初：多模态医疗模型（影像+文本+语音）集中 发布，进一步丰富模型生态。

•  2026年5月：联影智能“胸部一扫多查智能体” 获国 家药监局创新医疗器械“绿色通道”，行业从“能发布” 全面转向“能拿证、能落地”的成熟发展阶段。

93

61

39

2023 2024 2025.06 2025.12

医疗大模型新增数量（个）

稳步扩容，结构优化

2025年上半年迈入加速爆发期

 技术迭代：技术路径向“精准医疗场景适配”深化，构建从“单

点能力突破”到“多模态融合纵深”。

 累计数量：截至2025年6月，国内已发布的医疗大模 型累计达到311个，场景布局与国家卫健委等五部门 《关于促进和规范“人工智能+医疗卫生”应用发展 的实施意见》提出的8大方向24项重点应用高度对齐。

 场景渗透：在政策指引的重点应用场景框架下，2025年垂直场

景模型爆发，实现“通用政策场景+垂直专科场景”双轮驱动。

 生态共建： 2026年行业从单点模型能力比拼转向以智能体为载 体的场景化落地，医疗机构提供临床数据+场景需求，科技企业 输出算力+算法赋能医疗数字化，形成“技术供给-场景反馈” 的闭环协同生态。

 发布密度：2025年上半年的发布量（157个）远超 2023年的61个，显示出模型发布节奏不断加快。

2023-2025.06 2025下半年至今

来源：动脉网，公开资料，艾瑞咨询研究院自主研究及绘制。

主要玩家类型

多元玩家各展所长，合力开启医疗大模型发展新局面

医疗大模型市场玩家呈现多元化格局，科技生态企业依托互联网流量与生态优势，在C/B/G端场景快速渗透；头部医疗IT企业深耕行 业信息化，对医疗场景具有深刻理解与客户壁垒；技术创新型企业以算法突破驱动细分场景落地；医院/科研机构则基于临床真实案 例/学术研究，推动多学科交叉融合。值得注意的是，头部医疗IT与技术创新的边界正在逐步融合，传统医疗IT厂商正以自研垂域大 模型（如东软添翼、嘉和大模型）从“医疗IT+AI”向“AI原生IT”升级；而部分技术创新企业也开始向医院核心系统渗透。

医疗大模型市场主要玩家类型及特点

科技生态企业 头部医疗IT企业 技术创新型企业 医院/科研机构

玩家类型

以互联网流量、技术、生态 为基底，向医疗健康领域延伸 的科技巨头，兼具C端用户触 达、B端技术服务、G端项目 承接能力。

深耕医疗信息化的专业IT企业， 以HIS/EMR/PACS等为业务底 盘，正以自研垂域大模型、智 能体矩阵、AI中台从“医疗 IT+AI”向“AI原生IT”升级。

聚焦“AI技术+医疗垂直场景” 的初创或科技公司，以算法创 新为核心竞争力，技术驱动细 分场景落地，该类企业还包含 头部医疗IT企业的AI能力延伸。

由医院/科研机构技术转化 或产学研合作项目衍生的企 业/平台，核心团队多为医 学+AI交叉学科研究者。

核心特点

流量与生态整合力强 技术复用性高 跨行业资源丰富

医疗场景理解深 客户壁垒高 参与行业标准制定

技术驱动型 场景纵深突破 资本敏感性高

临床资源丰富 多学科交叉性 技术前瞻性

场景侧重

 C端健康服务  B端医院协同  G端公共卫生

 医院智能化升级  区域医疗平台  专科化AI工具

 医学影像AI  临床决策支持  中医智能辨证

 医疗科研辅助  高难度领域研究  医疗AI学术转化

数据获取

 自有平台脱敏数据  合作医疗机构授权数据  公开医学数据集

 医院信息系统  政府卫健平台数据  积累行业Know-How

 医院科研合作  公开医学数据  合规数据采购

 医院临床研究数据  科研机构自有数据  国际合作数据

来源：公开资料，艾瑞咨询研究院自主研究及绘制。

研发与合作模式

企业主导、合作研发、通用改造，医疗大模型研发呈现商业化导向格局

数据显示，在研发主体方面，医疗大模型约75%的研发主体为企业，企业凭借技术、资本与算力优势主导研发。合作模式上，约 75%的主体选择合作研发与资源共享，反映出行业普遍通过产学研协同、生态合作降低研发风险、加速产品迭代，仅少数科技巨头 凭借全栈能力选择独立闭环。在技术构建方式上，80%的产品采用通用大模型医疗化改造（微调）的路径，这一格局本质是行业在 研发效率与成本间的最优选择，自主搭建因高算力、高数据、高研发投入的要求，仅少数玩家布局。综合来看，企业主导研发凸显 医疗大模型商业化属性，合作研发成为资源整合的最优路径，通用模型改造则是行业平衡技术效率与落地成本的共识选择，三者协 同推动医疗大模型从技术探索阶段加速迈向商业化场景渗透阶段。

医疗大模型行业研发与合作模式分析

合作模式分析

研发主体分布

合作研发：~75%

独立研发：~25%

医院/科研等机 构, 25%

 约75%的主体选择合作研发与资源共享；

 部分巨头坚持自己独立研发。

模型开发方式

企业研发, 75%

通用模型医疗化改造：~80%

 企业是研发绝对主力(75%)，体现了医 疗大模型的商业化导向；

自主搭建：~20%

 通用大模型微调为主流（80%），显著降低研发 门槛与成本；自主构建因高投入占比低。

 医疗机构参与保障了临床需求的落地。

来源：企业专家问卷、公开资料，艾瑞咨询研究院自主研究及绘制。

产业链及产业图谱

中国医疗大模型产业链及产业图谱

场景应用 医院 医护人员 患者 层 医药研发企业 监管机构 ...

模型服务层

科技生态企业 头部医疗IT企业 技术创新型企业 医院/科研机构

瑞智病理大模型 RuiPath

混元大模型 盘古大模型 添翼医疗大模型 添翼医疗大模型

MedGPT

Deepwise MetAI

iMedicalAIGC BsoftGPT

惠每医疗大模型

京医千询大模型 小荷医疗大模型

BioMedGPT

WiNGPT

山海大模型

Baichuan-M3

灵医大模型 氢离子

Disc-MedLLM

白泽晓医疗大模型

WiseDiag医学大模型

砭石大模型

蚂蚁百灵大模型 平安医博通大模型

Hulu-Med

嘉和医疗大模型

数坤坤大模型

岐黄问道大模型

紫东太初大模型

讯飞星火医疗大模型

大医医疗大模型

元智大模型

银海闻语大模型

ChatPandaGPT

基础支撑 层

注释：仅展示部分典型企业和产品，图谱中所展示的公司logo顺序及大小并无实际意义。 来源：艾瑞咨询研究院自主研究及绘制。

主要商业模式

商业模式的差异，本质是各玩家对自身核心资产的最大化利用

随着医疗大模型技术的成熟与落地，国内赛道已形成四类核心商业模式。科技生态企业以技术底座与C端流量为双轮驱动，以C端健 康服务构筑流量闭环，并叠加B端智能化解决方案；头部医疗IT企业将大模型嵌入自有的HIS、EMR等核心系统，以覆盖诊前、诊中、 诊后全流程的智能体矩阵，面向存量医院客户实现系统级升级，提升客单价与粘性；技术创新型企业聚焦垂直场景，通过专业化产 品实现商业化变现；而医院与科研机构正从技术使用者转变为研发主体，依托临床资源探索自主创新与技术输出。

中国医疗大模型各类型企业主要商业模式

核心商业模式

科技生态企业

依托自身技术底座与流量生态，以B端医疗智能化解决方案（项目制/SaaS/Agent全栈方案）、 AI药物研发服务、技术授权为核心业务，部分企业联动C端健康服务搭建完整流量闭环；同时通 过与医疗IT企业生态合作，借助医院渠道实现院内场景渗透。

头部医疗IT企业

将大模型与智能体能力深度嵌入原有HIS、电子病历等医疗IT系统，建立覆盖诊前、诊中、诊后 全流程的智能体矩阵，面向存量医院客户实现系统级智能化升级，以此提升客单价与产品粘性。

技术创新型企业

依靠领先的垂直专用模型与细分领域技术打造核心产品，深耕医疗垂直细分场景，通过技术授权、 软硬一体化解决方案及医疗器械认证实现营收。

医院/科研机构

依托院内临床资源与科研技术底座，从被动使用转向主动研发。头部医院已在通用模型基础上自 主研发垂直医疗模型，对外输出医疗AI工具，通过技术授权、联合科研开发、商用工具付费实现 商业化变现。

来源：公开资料，艾瑞咨询研究院自主研究及绘制。

主要客户市场

客户结构是商业模式的外化映射，公立医院是企业争夺的核心战场

与商业模式的内生逻辑相呼应，四类玩家的客户格局已清晰呈现：公立医院是各类企业全面争抢的阵地——头部医疗IT将其作为系 统升级主战场，技术创新型企业凭垂直模型与三类证抢占三甲科室，医院/科研机构视其为临床验证与学术输出核心场景，科技生态 企业则以平台合作方式间接触达。公立医院之外，C端被科技生态企业凭借流量入口牢牢占据；政府端以头部医疗IT企业为主导；药 企、保险、体检等B端场景则由四类玩家各凭禀赋分头覆盖。这一格局的本质，是各类玩家将自身核心资产最大化的必然结果——科 技生态以流量+底座打穿全场景，头部医疗IT以渠道+系统守住医疗机构，技术创新企业输出垂直精度，医院/科研机构聚焦临床权威。

中国医疗大模型各类型企业主要客户市场

主要客户

核心营收来源、直 接触达、商业化闭 环已跑通

次要客户

有产品覆盖或合作 案例，但非当前营 收主力，或通过渠 道间接触达

当前不覆盖

暂无商业化产品或 直接触达能力（科 研试点除外）

来源：企业专家访谈、公开资料，艾瑞咨询研究院自主研究及绘制。

主要场景应用

梯队分化明显，医疗大模型高成熟场景抓规模，低成熟场景攒数据

中国医疗大模型已从技术探索期迈入场景落地关键期，各应用场景呈现梯队式发展格局。在医疗影像与诊疗辅助等成熟场景（70% 以上），关键点是巩固临床证据、拓展病种覆盖并压低边际成本，通过三类证壁垒和规模化部署建立护城河；在医院管理与健康管 理等快速推广场景（60%-70%），核心在于聚焦提效与用户闭环，快速复制标准化方案；尚处于低成熟的场景，现阶段则需以政策 试点与科研合作积累数据、探索适配路径为重点，规避超早期盲目商业化。

中国医疗大模型各场景成熟度情况

应用场景

成熟度

发展阶段 商业化程度 核心特征

数据标准化高、任务明确、监管路径清晰（三 类证获批），实现规模化临床应用

75-85% 成熟应用

医疗影像

与临床需求结合紧密，覆盖辅助诊断、病历生 成等，成为医生核心辅助工具

70-80% 深度渗透

诊疗辅助

聚焦医院运营效率提升，精益化管理模式、智 能化资源调度方案已在头部医院落地实践

60-70% 快速推广

医院管理

面向患者全周期（慢病/预防），数据分散、个 性化需求高，处于早期市场培育阶段

60-70% 应用拓展

健康管理

政策支持下起步，数据标准化难（望闻问切主 观性），以知识问答/简单辨证为主

50-60% 特色试点

中医药

技术融合（AI+网络药理学），暂未颠覆传统 药物研发流程，处于渐进式技术验证阶段

50-60% 技术验证

药物研发

面向群体健康开展数据分析，跨部门数据壁垒 高，多个方向仍处于探索阶段

30-40% 早期探索

公共卫生

典型厂商场景覆盖

从技术验证到价值深耕，行业竞争力的塑造至关重要

当前医疗大模型厂商的竞争焦点已从“技术能否落地”转向“场景价值能否兑现”。功能层面的比拼集中体现为对医疗核心需求的 “刚需匹配度”——即能否通过技术能力解决真实场景中的痛点问题。长远来看，随着医疗场景对精准性、合规性要求提升，技术 迭代与场景深耕的双轮驱动将成行业核心竞争力，厂商需在通用能力夯实与垂直场景突破间找到平衡，方能在大模型重构医疗生态 的浪潮中占据先机。

主要厂商医疗大模型业务布局分析

诊疗辅助 医学影像 健康管理 医院管理 中医药 药物研发 公共卫生

分布特征

阿里 腾讯 商汤科技 东软集团 万达信息 嘉和美康 联影智能 深睿医疗 数坤科技 智诊科技 百川智能 大经中医 惠每科技 英矽智能

 参与主体：多元 化协同，跨领域 布局

 功能覆盖：大模 型功能贯穿医疗 全流程，并覆盖 医学影像、辅助 诊疗等多维场景

 差异化定位：由 主体资源禀赋驱 动，形成“通用 覆盖+垂直深耕” 的分化逻辑

图例

暂未布局该场景 已经进入该场景

 已进入该场景：厂商具备自研/联合共建、商业化落地的医疗垂域大模型；

 暂未布局场景：暂无对应场景合作试验推进消息/商业化大模型。

注释：仅选取代表性厂商，厂商业务由公司官网、公开资料、企业访谈等综合获取。 来源：企业专家问卷、企业官网、公开资料整理，艾瑞研究院自主研究及绘制。

医疗机构渗透情况

大模型在医疗机构全场景渗透加速，并从头部向全医疗体系延伸

从医疗大模型在不同医疗机构的渗透数据来看，行业正呈现核心阵地稳固、下沉市场爆发的结构性增长格局。医院作为技术落地的 核心场景，2028年预计达到65%的渗透率，稳居行业高地，是当前商业化落地的基本盘。但65%的渗透率预期也暗示核心场景竞争 白热化，未来增量空间将更多依赖存量场景的精细化运营与基层市场的增量开拓。与此同时，基层医疗机构与公共卫生机构展现强 劲的增长势能，标志着大模型应用正突破三甲医院围墙，向医疗资源薄弱区域加速下沉，这与国家分级诊疗、医联体建设的政策导 向形成共振。值得注意的是，公卫端40%的渗透率预期虽绝对值最低，但考虑到传染病监测等场景的刚性需求与数据集中优势，该 领域可能成为政策驱动下的黑马赛道。

中国医疗大模型分医疗机构渗透率情况

30%

65%

2025年 2028年预计 医院渗透率（%）

大模型在各医疗机构渗透情况及预期

50%

15%

2025年 2028年预计

基层医疗机构渗透率（%）

40%

10%

2025年 2028年预计

公共卫生机构渗透率（%）

 三类机构渗透率均实现高速增长：2025-2028年，医院、基层、公卫端的年复合增长率均超29%，医疗大模型在全

场景的渗透加速明确。

 后发机构增速显著更高：公共卫生机构、基层医疗机构的增速显著增加，体现出从头部医院向基层、公卫端的渗透

扩散趋势，市场空间从核心场景向全医疗体系延伸。

 医院仍为渗透率高地：医院端2028年65%的渗透率仍显著高于基层和公卫，是当前医疗大模型落地的核心阵地。

终端建设意愿

机构预算与临床应用的共振式增长，推动医疗大模型从尝鲜到刚需

医疗大模型在机构端的预算投入与医生端的使用意愿正在同步加速。机构层面，终端医疗IT预算中用于大模型相关的占比预计将从 2025年的5%增加至2028年的20%，三年间实现4倍增长，充分印证了终端对大模型的采购意愿与投入力度持续高涨，商业化落地需 求全面释放；医生层面，临床实践中使用AI的医生占比从2023年的35%升至2026年的81%，人均使用场景数从1.1个增至2.3个，说 明技术已深度嵌入日常诊疗。这一趋势表明，医疗大模型的行业渗透已从技术探索期迈入规模化落地的关键阶段，终端采购意愿与 医生使用意愿的双重提升，将共同驱动行业进入高速增长的黄金窗口期。

中国医疗大模型终端意愿调查

大模型厂商视角下的终端建设意愿 医生视角下的大模型使用意愿

20%

5%

2025年 2028年预计

大模型支出占医疗IT建设占比（%）

根据美国医学会（AMA）2026年最新调查显示：

已在专业工作中使用AI医生 占比（%）

医生接纳度持续走 高，已将AI融入日 常工作，AI不再是 辅助补充，而是成 为医生临床工作的 标配伙伴与能力放 大器。

81%

35%

2023年 2026年

已有超过80%的医生在临床实践中使用AI， 相比2023年翻了一番。

终端医疗IT建设预算中，用于大模型相的占比预计将 从2025年的5%左右提升至2028年的20%，充分体 现出终端对医疗大模型的采购意愿与投入力度持续高

涨，行业落地需求与商业化潜力全面释放。

 医生平均使用的AI应用场景数量从2023年的1.1个提升至2026年的2.3个。 使用最广泛的功能是：医学研究与诊疗标准的摘要生成（近40%的医生 已使用）、临床文档记录与整理、患者沟通与医嘱生成。

 76%的受访医生认为AI为其照护患者的能力带来了明显优势（2023年这 一比例为65%）。

来源：企业专家问卷、美国医学会（AMA）、公开资料，艾瑞咨询研究院自主研究及绘制。

03

中国医疗大模型典型企业分析

Case study

26

东软添翼医疗大模型：构筑医疗AI全域赋能新范式

东软集团作为行业领先的全球化信息技术、产品和解决方案服务商，已全面实施“AI+数据”智能化战略。东软集团以“数据—模型场景”飞轮为核心逻辑，2025年全新升级添翼医疗大模型，采用“1个通用基座+N个专科/机构小模型”的架构体系。底层数据资产管 理平台汇聚HIS、EMR等院内业务系统动态数据，融合450万+医学文献、临床指南、开源医疗数据集及合作医院脱敏数据，通过三级递 进治理完成深度治理与开发。中层以添翼医疗大模型+AI应用开发平台为核心引擎，内生宏思维链规划记忆、知识增强、溯源与可解释 性、AI伦理价值观对齐四大核心能力，外围配套混合流程编排、智能体开发、算力池化管理、模型安全与效能等工程支撑模块。顶层面 向医疗机构与城市居民健康需求提供120+智能体，沿“点状智能体→AI+流程重组→面状体验革新”的路径深化应用，推动医疗服务从 局部智能化向全流程智慧化演进。

东软添翼智能化全系解决方案

场景赋能

核心发展逻辑：

面向医疗机构、城市居民健康等提供120+智能体

数据—模型—场景飞轮

以高质量数据集为基础、大模型为引擎、价 值场景为载体，形成正向迭代循环。

智能体 AI+流程重组 体验革新

技术架构特点：

添翼医疗大模型

宏思维链 规划与记忆

溯源计算 可解释性增 强

1+N 灵活部署

1个添翼通用医疗大模型基座+N个 专科/机构小模型，支持院内增量 训练。

... ...

加速推理与知识增强

AI伦理 价值观对齐

混合流程编排 模型安全与效能

AI应用开发平台

智能体开 算力池化管理 发

数据可信保障：

本体约束与幻觉抑制

数据资产管理平台

来源可信基础上，引入本体 论约束机制并依托专属医学 团队搭建知识中心，抑制模 型幻觉，保障输出可信。

一级治理 二级治理

数据资源汇聚 数据资产治理 数据空间开发

HIS、EMR、NIS、ICU、PACS、HRP、... 静态数据汇

450W+医学文献、病种指南、医疗质量规范、...

动态数据汇 聚

聚

AI原生·循证驱动·智能体协同—— 东软添翼医疗大模型全链条智能应用

东软遵循“理念驱动—场景构建—落地验证”的整体逻辑，在方法论层面，以AI原生、循证驱动和智能体协同为三大核心理念，强 调将模型嵌入核心业务流，并以多智能体协作支撑复杂任务。基于此，东软将能力延伸至全科医生辅助决策、病历辅助生成、医疗 行为监管及居民AI健康助手、药物合作研发等场景，覆盖医、管、服、研四大方向。目前，东软智能体已在全国100余家医疗机构投 入使用，实现了从技术能力向产品体系与产业赋能的实质性跨越。

东软集团医疗大模型发展理念与应用落地

核心发展理念

循证驱动（Evidence-Based）

智能体协同（Agentic AI）

AI原生（AI-Native）

摒弃“概率猜测”，将大模型与临床指南、专家共识深度耦合，确 保每条建议都有明确医学证据支撑，保持极低幻觉率。

构建多个专业医疗智能体组成的集群生态，实现复 杂长流程医疗场景的智能协同与动态编排。

AI不是“外挂工具”，而是原生嵌入HIS、EMR等核 心业务流程，让医生在无感中获得效率提升。

重点应用场景

全科医生辅助决策

病历辅助生成

医疗行为监管

居民AI健康助手

药物研发

以全流程，全品种，全人群，为核 心打造覆盖临床前、临床中、临床 后全阶段，聚焦医疗机构，药企、 CRO等核心需求，提供数据标准 化、风险预判、真实世界研究 等药物临床试验智能综合平台。

搭建覆盖诊疗全流程的智能 辅助决策体系，围绕诊断、 检查、治疗为医师提供智能 支撑，助力医疗服务智能化、

依托原始医疗数据校验减少 信息偏差遗漏；自动生成合 规病历，规范梳理文书内容， 减轻医师书写负担，提升病 历完整性、一致性与规范性。

依托大模型理解与规则计算 能力，搭建智能监管体系， 辅助识别医疗异常线索与潜 在风险，提升医疗行为监管 效能与规范化水平。

构建智能体服务体系，面向 居民提供健康咨询与持续健 康管理，精准响应需求，推 动区域健康服务的进一步落 地。

精准化、高质量发展。

疾病覆盖广 医学知识库完备 算力响应高效

智能生成总结类病历 “所说即所记” 内容逐句溯源校验

数据对接解析与标准化处理 批量挖掘异常问题 结构化输出结论

专业化健康咨询服务 个性化服务引导 用户画像动态更新

智能患者招募 临床药物试验 药研数据资产整合

落地成果

从试点验证到规模化推广

从技术到产品的能力转化

已在全国100余家医疗机构实现规模化应用，全科医生 辅助决策Top5准确率达91%，覆盖从三甲医院到基层 医疗的多元化场景。

开发出120余个智能体，覆盖智慧临床、智慧管理、智慧服 务三大领域，与HIS、EMR等核心业务系统实现原生融合。

从技术创新到行业赋能

依托三十余年医疗信息化积淀，通过2000余项数据质量 标准、50余项安全规则、近70个专病数据集持续迭代， 推动行业智能化转型。

蚂蚁集团

以百灵大模型为技术底座，构建全场景全链路医疗AI生态

蚂蚁集团将医疗健康定位为与支付、金融并列的战略级赛道，致力于用科技推动医疗健康服务更普惠。依托蚂蚁百灵医疗大模型， 打造AI健康应用矩阵，C端“蚂蚁阿福”App用户已突破1亿，月活超3000万，单日健康提问量超1000万次，提供问健康、读报告 （准确率95%+）、AI诊室等百项功能；浙江省级数字健康人“安诊儿3.0”链接超2000家医疗机构，注册用户1800万，实现住院 全流程陪诊与医生辅助；同时通过智能体开放平台、大模型一体机及医保商保一站式清分结算，向行业输出AI能力。

蚂蚁集团医疗大模型布局情况

关键数据

2000+ 500+

1000亿 安诊儿模型总参数

1000万+ 单日健康提问量

1亿+ 阿福总用户

3000万+ 月活跃用户(MAU)

连接医院数量

名医AI分身数

（仅浙江一省数据）

核心产品矩阵

蚂蚁阿福

智能体开放平台

安诊儿3.0

AI健康朋友 · 健康AI App

浙江模式 · 省级医疗AI智能体

生态开放 · 输出AI能力

 背景：2025年6月发布AQ，12月升级为蚂 蚁阿福

 背景：2023年与浙江卫健委推出全国首个省级 医疗陪诊数字人

 智能体开发平台：开放百灵大模型，共建 名医/专科智能体

 核心功能：问健康、读报告（报告解读 95%+准确率）、陪看诊、问医保、AI诊室 主动追问、拍皮肤识病（50类）

 核心功能：覆盖住院全流程10个节点、37项服 务；医生端提供临床辅助决策、医生助手、智 能随访等

 大模型一体机：联合华为等伙伴，推出软 硬件一体化方案，实现“训推一体、开箱 即用”的私有化部署

 规模：截至2026年初，App用户突破1亿， MAU超3000万，单日提问量超1000万次

 规模：覆盖全省超2000家医疗卫生机构，注册 用户1800万

 支付生态：打通医保商保一站式清分结算 底座，增强支付优势

关键里程碑与合作生态

2014 2023 2025.06 2025.08 2025.11 2025.12 2026.01 2026.02

支付宝实现第一 笔手机挂号缴费

与浙江卫健委推 出“安诊儿”

发布AI健康管家 “AQ”独立App

与北医三院建 联合实验室

健康业务升级 为独立事业群

AQ更名“蚂蚁阿福” 安诊儿3.0发布

AntAngelMed开 源登顶权威评测

阿福用户破亿 MAU超3000万

智诊科技

专注多模态大模型研发，用AI推动普惠健康

智诊科技是一家专注于医疗人工智能（AI）技术研发与应用的创新型企业。公司自主研发全球领先的千亿参数级医学多模态大模型 WiseDiag，具备深度医学理解、精准诊断推理和持续个性化学习能力，广泛应用于辅助诊断、报告解读等30多个临床场景，在 CMB、MedBench等权威测评中多次位列全球第一。通过开放API接口，WiseDiag支持医疗机构和健康管理平台接入，实现数据共 享和功能扩展，推动智能化和个性化医疗应用的广泛落地。基于该模型打造的“好伴AI”个人健康管理应用，提供7x24小时健康咨 询服务，基于个性化健康档案进行主动关怀，及时提醒用户健康管理事项。平台通过“医生数字分身”技术，为用户提供精准的健 康建议，推动优质医疗资源的普惠化。

WiseDiag医学大模型的模型架构和应用场景

政府

核心优势  医疗大模型：垂直精准，安全可靠。基于海量真实医学数据与权威文献训练，算法深度 模拟医生临床诊断思维。在体检报告、病历解读等复杂医学材料的分析上，具备极高的 准确性与可信度。

医院

公共健康监测 医疗质量监管 慢病防控策略 医疗资源统筹

全天候智能问诊 临床辅助诊疗 AI报告单解读 联邦学习 隐私安全防护

 全球权用户测评：性能卓越，长期领先。WiseDiag模型在主流医学大模型榜单中多次

登顶。在医学问答、病历分析等核心任务中，以更高准确率与更低延迟展现卓越专业能

 临力。床场景应用：广泛覆盖，深度赋能。基于大模型底座构建多元化智能体应用，全面打 通医疗业务闭环。目前已成熟服务于预问诊、报告解读、辅助诊断、诊后回访及专家数 字分身等30余个核心临床场景，切实提升医疗服务效率。

AI私人医生 报告智能解读 主动健康管理 康复随访提醒

应用 场景

患者

核心能力 医学循证推理 多模态理解 主动追问能力 专家共识指南

产品智能化 医生效能提升 智能诊疗联通 医学知识挖掘 个性化健康推荐

健康机构

核心模型 WiseDiag V2 医学多模态大模型

慢病智能管理智 能减重干预 健康档案管理

技术组件 WiseMemOS 长期记忆系统

MedOCR 医学信息抽取系统

MedEmbedding 医学语义理解

医疗科技企业 体检报告解读

04

中国医疗大模型行业趋势展望

Development trend

31

市场热度不断：医疗大模型更新情况

市场快速增长，打通从问病到管人的全链路服务闭环

2025和2026年，全球AI医疗大模型市场迎来爆发式增长，众多企业和机构密集推出新一代模型与系统升级。随着技术底座的持续夯 实与真实世界数据的持续反哺，医疗大模型正从单点辅助工具加速向“预防-诊断-治疗-管理”全链路深度渗透，全面重塑医疗服务 范式与产业竞争格局。

中国医疗大模型发展与更新情况

面向“医疗、医保含商保、医药”三领域的专业大 模型，打通了临床诊疗、医保支付、医药供给的全 链条业务协同，在 MedBench 5.0 智能体评测中以 99.2 分登顶。

云知声

更聚焦于智慧医疗、智慧服务、智慧管理、智慧基层、 智慧卫健及城市级健康医疗数据空间六大核心场景， 实现医疗赋能体集群（“N”个赋能体）。

东软集团

202607-17

202511-20

U2-Med 三医大模型

添翼2.0

合尔康

轻松健康

嵌进 3000 多家医院糖尿病管理系统和血糖仪、胰 岛素泵等硬件里的智能底座，让数据从“被记录” 变成“主动服务”。

首批推出886个标准化 Skill，覆盖临床诊疗、公共卫 生、医学影像、医学检验、医院管理、护理管理、病 历管理、药物管理八大核心医疗场景。

202603-13

202607-13

糖尿病专病大模型 HesiMed AI

证元芳 MedClaw Skills Store

百川智能/ 清华大学

纳通智能/ 北医三院

强化主动问诊追问、长程病程记忆、循证溯源、任 务调度四项能力；HealthBench 综合得分 68.6 登 顶全球第一，事实性幻觉率低至全行业最低的 3.3%。

面向胰腺肿瘤等复杂疾病构建的医学智能系统。系统 基于真实临床病历、影像、病理及权威指南等多源数 据，实现智能检索、分析、辅助临床决策。

202603-25

202606-22

Baichuan-M4

胰腺疾病诊疗智能体

精准聚焦前列腺疾病诊疗难点，支持多序列影像智能 识别、前列腺腺体自动分割与分区、病灶自动检出与 PI-RADS评分，具备结构化报告一键生成功能，串联 起前列腺疾病筛查、诊断、分期、随访的全流程。

讯飞医疗

深睿医疗

凭借远场多人语音识别、病历自动生成与影像报告 生成等场景率先跨过“实用门槛”，实现长文本推 理吞吐提升 4.5 倍的国产算力突破。

202603-26

202606-09

讯飞星火医疗 大模型 V3.5

前列腺MR AI辅助 诊断系统

产品能通过症状问诊引导就医准备、提供病情与医 嘱解读，并管理全家人的健康档案，在微信生态中 提供主动健康管理服务。

国内首款医生任务型AI，采用“检索+任务”双引擎， 内置800+专业技能，让医生AI助手从“单一对话”迈 入“任务执行”的新阶段。

百川智能

百度健康

202604-03

202605-22

百小医

有医助理

为家庭健康管理而生，集问病问药、报告解读、家庭 健康档案等多项功能于一体，能够以自然对话的方式 满足用户全家健康管理的需求。

阿里健康

面向医生的循证医学AI助手，直连BMJ等顶级医学 证据源。

美团

202604-14

202605-13

氢离子

小团健康管家

医生智能体（决策脑）+ 医生小龙虾（执行端）双 核协同：前者深耕循证推理、复杂临床决策，后者 自动化落地科研指令，二者联动打通临床思考到科 研产出全闭环。

腾讯健康/ 中康科技

华为/中国科学院 （CAIR）

多模态AI医疗大模型，理解CT、MRI等十余种医学影 像，并完成智能诊断与报告生成。同时集成超声聆音、 医学知识图谱及专业搜索引擎。

202605-11

202605-13

MedMate

CARES 3.0

来源：各公司官网、公开资料，艾瑞咨询研究院自主研究及绘制。

行业焦点迁移：大模型向Agent迁移

大模型行业焦点从单一模型性能竞赛逐步迁移到Agent闭环能力

随着开源模型性能逼近闭源模型、通用大模型在医学评测中反超专用临床工具，医疗大模型的基础能力正快速趋同。从2023年“百 模大战”阶段模型差异化处于高位，到此后技术代差持续收窄、Agent闭环能力同步攀升，单纯比拼模型参数与榜单分数已难以构 成差异化壁垒。2026H1已过，模型性能作为差异化来源的时代已经结束，行业特征已经从“谁的模型更强”逐步迁移至“谁的 Agent能真正跑通业务闭环”；即便使用同款基础大模型，不同厂商打造的智能体落地效果差距依然显著，差异化的来源已从模型 本身转向工程化落地与业务串联能力。当前行业正处于深度闭环竞赛的过渡期，具备跨系统协同与自主决策能力的深度闭环Agent， 将成为下一阶段的核心竞争高地。

医疗大模型差异化发展趋势

模型性能差异化

大模型性能趋于同质化，竞争焦点从模型转向Agent闭环

高

Agent闭环能力差异化

2025年，以DeepSeek-R1为代表的开源模型在推理等任务上已展现出与闭源模型相当的 性能。2026年6月《Nature Medicine》研究进一步证实，通用前沿大模型（GPT-5.2、 Gemini 3.1 Pro等）在MedQA、HealthBench等医学评测中反超专用临床AI工具，这意 味着，标准化题库跑分不再构成可持续竞争壁垒，行业进入 “后模型时代”—— 差异化 竞争核心转向场景适配深度、工程落地效率与端到端业务闭环能力。

差 异 化 程 度

竞争焦点迁移

竞争主体完成迁移：从底层大模型转向智能体Agent

“模型叙事”让位 于“Agent叙事”

完整Agent架构 = 大模型基座+任务规划+工具调度+长期记忆+安全护栏。大模型作为认 知基座提供核心知识理解与推理能力，Agent则在此基础上独立完成完整业务闭环——模 型比拼准确率，Agent比拼真实场景任务成功率。即便使用同款基础大模型，不同厂商的 智能体落地效果差距极大，差异化来源于工程化落地与业务串联能力，而非模型本身。

行业转型已落地，Agent成为市场核心主战场

2026年上半年，Agent落地案例密集涌现：微软Dragon Copilot从独立文档工具进化为跨 系统AI临床助手；K Health与宾夕法尼亚大学医学院合作部署临床AI Agent，落地虚拟急 诊并计划扩展至线下诊疗；腾讯健康发布Agent全栈解决方案，已在迈瑞、药明生物等企 业落地。行业商业叙事已统一转变：不再主打模型性能，而是以Agent可打通的真实业务 场景作为交付标准。

低

2023 2025 2026H1 2026H2 2027+

闭环验证 过渡期 深度闭环竞赛

百模大战

Agent 闭环能力分级：衡量产品从 “仅能问答” 到 “独立办事” 的核心标准

基础闭环

流程闭环

深度闭环

跨系统协同：诊疗全流程、跨科协同、自动化决策、全流程慢病管理 行业早期探索 需要完整 Agent 全栈能力支撑，差异化高

单轮任务：问答、文档生成、健康咨询、报告解读 行业已全面商品化 大模型即可完成，差异化低

多步骤任务：多轮问诊、影像初筛、医保初审、慢病随访 行业正在突破 需工具调度+记忆，差异化中等

竞争要素接力：四阶段演进

厂商竞争焦点从参数比拼转向模式重构，选型决策权在各主体间迁移

医疗大模型行业的竞争壁垒并非一成不变，而是随着市场成熟度的推进，经历从“模型参数/评测分数→数据壁垒→场景嵌入→模式 重构”的接力式演进。每一阶段的竞争焦点不同，主导选型决策的角色也随之迁移——从技术团队主导的参数评测，到数据持有方 驱动的场景适配，再到业务运营方主导的流程验收，直至战略层直接介入的模式重构。竞争壁垒的重心正在逐级迁移：参数为王期 已退潮，数据壁垒期窗口收窄，场景嵌入正在成为新战场，模式重构初现雏形。当前正处于数据壁垒向场景嵌入切换的关键节点—下一阶段竞争将在“谁的方案能跑通真实业务场景”上展开。

医疗大模型竞争要素接力趋势

模式重构 → 下一代壁垒

模型参数/评测分数 → 已退潮

参数为王

场景嵌入

数据壁垒

 选型主导方：战略层（决策层/支付方/监管机构）

 选型主导方：技术团队（AI工程师/CTO）

竞 争 壁 垒 重 要 程 度

 选型标尺：“谁能帮我重新定义服务模式”

 选型标尺：“谁的模型榜单分数高”

行 业 发 展 初 期

 核心特征： AI不再嵌入现有流程场景而是重新定

 核心特征：以模型参数规模和公开评测集分 数为核心竞争维度，技术团队主导采购评估 与选型决策，产品形态以API接口和单点工 具为主。模型差异化见顶后，标准化评测分 数趋同，技术团队的选型话语权自然消退， 单纯的参数优势不再构成商业壁垒。

模 式 重 构 期

义诊疗流程本身：从“AI辅助诊疗”走向“AI原生 诊疗模式”。采购决策不再是“选哪个产品”，而 是“选择什么样的服务模式”，战略层从审批者变 为直接驱动者。竞争维度不再是谁的技术更好，而 是谁定义的服务模式被广泛采纳。

模式重构

2023 2024 2025 2026

2027+

场景嵌入 → 正在崛起

数据壁垒 → 当前主战场 · 窗口收窄

场景落地期

市场分化期

 选型主导方：业务/场景运营方（科室主任/产品负责人/运营负责人等）

 选型主导方：数据/资产持有方（医院数据部门/药企/健康平台/保险机构等）

 选型标尺：“谁的方案能在真实业务里跑通”

 选型标尺：“谁的方案在我的场景数据上最准”

 核心特征： 竞争从“模型或数据本身”转向“AI能否嵌入真实场景流程并跑通业务闭 环”，产品形态从API工具进化为嵌入HIS/EMR的工作流Agent。验收标准从单点准确 率变为端到端任务成功率与实际效率提升，业务运营方成为选型主导——因为他们最 清楚什么才算“真正用起来”。

 核心特征：竞争从通用技术能力转向细分场景的数据资产积累，与特定专科绑定的专属 数据成为核心壁垒，先发者凭借数据飞轮形成时间窗口优势。数据在哪，评估能力和选 型话语权就迁移到哪。但随着方法论创新打破“数据量=竞争力”的线性假设，单纯的 数据规模优势正在松动，窗口期加速收窄。

竞争壁垒重心持续迁移

每一阶段有一个主导竞争要素。当前正处于“数据壁垒”向“场景嵌入”的切换期， 竞争重心从“谁的数据更强”转向“谁的方案能跑通”。未来的竞争将有可能在模式重构维度上展开。

BUSINESS COOPERATION

业务合作

联系我们

400 - 026 - 2099 ask@iresearch.com.cn

www.idigital.com.cn

www.iresearch.com.cn

官 网

微 信 公 众 号

新 浪 微 博 企 业 微 信

LEGAL STATEMENT 版权声明

法律声明

本报告为艾瑞数智旗下品牌艾瑞咨询制作，其版权归属艾瑞咨询，没有经过艾瑞咨询的书面许可，任 何组织和个人不得以任何形式复制、传播或输出中华人民共和国境外。任何未经授权使用本报告的相 关商业行为都将违反《中华人民共和国著作权法》和其他法律法规以及有关国际公约的规定。

免责条款

本报告中行业数据及相关市场预测主要为公司研究员采用桌面研究、行业访谈、市场调查及其他研究 方法，部分文字和数据采集于公开信息，并且结合艾瑞监测产品数据，通过艾瑞统计预测模型估算获 得；企业数据主要为访谈获得，艾瑞咨询对该等信息的准确性、完整性或可靠性作尽最大努力的追求， 但不作任何保证。在任何情况下，本报告中的信息或所表述的观点均不构成任何建议。 本报告中发布的调研数据采用样本调研方法，其数据结果受到样本的影响。由于调研方法及样本的限 制，调查资料收集范围的限制，该数据仅代表调研时间和人群的基本状况，仅服务于当前的调研目的， 为市场和客户提供基本参考。受研究方法和数据获取资源的限制，本报告只提供给用户作为市场参考 资料，本公司对该报告的数据和观点不承担法律责任。

THANKS

艾 瑞 咨 询 为 商 业 决 策 赋 能