现在办事，特别是想办成大事，都需要钱。社会推动的每一次技术变革，都要用大量的资金去驱动，特别是研发阶段到市场应用。难而正确且长期价值的事业，需要人才，更需要钱。AI先是一个名副其实的“吞金兽”，然后会成为一个货真价实的“聚宝盆”。
2024年我公开表明过个人预判“2025是普适性医疗AI应用普及化的元年”，主要原因是看到资本资金的流向、政策机制的倾斜、市场发展的动态以及行业变化的规律。在此先总结一下AI领域万亿资金的流向。近年在国内外AI、医疗AI、中医AI领域获得投融资的知名公司：
国际AI领域：OpenAI获得主要来自微软等机构的数十亿美元投资；Databricks融资超过30亿美元；UiPath融资超过20亿美元，已上市；Nuro融资超过20亿美元；SenseTime（商汤科技）融资数十亿美元，已上市；Samsara融资超过9亿美元，已上市；Graphcore融资超过7亿美元；C3.ai融资超过3亿美元，已上市，等等。 特别是OpenAI在2024年10月宣布完成66亿美元融资和40亿美元循环贷款额度，估值达到1570亿美元。而马斯克主导的xAI也紧跟其后在2024年11月完成了一轮60亿美元的融资，估值超过500亿美元，等等。
国内AI领域：前面提到的商汤科技；云从科技融资超过10亿美元，已上市；旷视科技融资超过10亿美元，已上市；依图科技融资超过10亿美元；寒武纪融资数亿美元，已上市；地平线融资超过10亿美元；小马智行融资超过10亿美元；思必驰融资数亿美元；第四范式融资数亿美元，已上市；云天励飞融资数亿美元，已上市，等等。
国际医疗AI领域：Hippocratic AI获得2亿美元融资，估值达到16.4亿美元；Xaira Therapeutics拿到超10亿美金种子轮融资，领投方是美国顶级生命科学投资机构ARCH Venture Partners；Subtle Medical获得约500万美元Pre-A轮融资，由美国顶级风险投资公司Bessemer Venture Partner领投，种子轮投资方Data Collective，Breyer Capital和Fusion Fund等跟投，天使投资方真格基金、百度创投、清源创投、Wisemont资本等继续支持，等等。
国内医疗AI领域：医渡云融资数亿美元，已上市，领域是医疗大数据、AI辅助决策；推想科技融资数亿美元，领域是医学影像分析、AI辅助诊断；依图医疗融资超过10亿美元，领域是医学影像分析、医疗大数据；汇医慧影融资数亿美元，领域是医学影像分析、AI辅助诊断；深睿医疗融资数亿美元，领域是医学影像分析、AI辅助诊断；连心医疗融资数亿美元，领域是医疗大数据、肿瘤数据分析；晶泰科技融资数亿美元，领域是药物研发、AI药物设计，等等。
国内还有一些特别具有代表性的企业：数坤科技共获6亿+融资，领域是依托自主原创的AI神经网络，推出涵盖心脏、神经、肿瘤的多病种AI影像诊断平台，提供心脏病、脑卒中、癌症等危重症疾病的智能诊疗方案；药研社在8个月内连续完成的C+和D轮两轮融资，总金额超6亿元人民币，领域是专注打造让药物研发周期更短、成本更低的创新服务模式；嘉宝仁和已完成近亿元人民币的B+轮融资，领域是专注于辅助生殖、遗传和优生领域相关产品的临床转化和创新研发，等等。
中医AI领域：问止中医自成立以来，已先后获得蓝驰创投、真格基金等知名投资机构的多轮投资，并于2024年向港交所递交招股书；博奥晶方在2023年12月获得4000万元的天使轮融资，构建了国际上超大规模的中药分子功能组学数据库；归元堂生物2024年5月获得君融健康产业投资超1000万元的天使轮投资，致力于中医皮肤健康管理AI大模型的研发；吾征智能2024年12月完成数千万元Pre-A轮融资，由仁毅资本领投，利用医学生物特征计算AI技术把“望闻问切”搬上互联网，打造了中医体质智能辨识系统和应用程序；
国内还有一些特别具有代表性的中医AI企业：北京康夫子科技获得过多轮融资，投资方包括百度风投、启明创投等，主要产品是中医辅助诊断系统、智能问诊平台；上海森亿医疗科技完成多轮融资，投资方包括红杉资本、腾讯等，主要产品是中医智能诊断系统、医疗大数据平台；深圳平安好医生获得过多轮融资，主要产品是中医在线问诊、AI辅助诊断系统；杭州认知网络科技获得过多轮融资，投资方包括阿里巴巴、云锋基金等，主要产品是中医AI辅助诊断、智能问诊系统；上海联影智能医疗科技获得过多轮融资，投资方包括联影集团、高瓴资本等，主要产品是中医AI影像诊断、智能辅助诊断系统，等等。
2025是医疗AI应用普及元年
国家正在大力推进AI的市场化企业应用：财联社2月17日电，国务院国资委在学习时报发文指出，以大规模设备更新为抓手，大力实施国有企业数字化转型行动计划和“AI+”专项行动，加速智改数转，加快传统产业高端化、智能化、绿色化发展。
近年来，全球和中国AI医疗市场规模均呈现快速增长态势。据中商产业研究院数据，2019-2023年，中国AI医疗市场规模实现3倍增长，年复合增速达34%。产业链在加快完善，包括支撑层、应用层和服务层。支撑层涵盖智能医疗设备和数字化服务；应用层包括AI药物研发、医疗大数据模型等；服务层则涉及辅助诊断、决策、手术等活动。
目前，普适性AI的应用分成了三个层次：基础层把文档处理、会议纪要这类行政工作自动化；业务层改变了客户服务、供应链管理等关键环节；战略层则用数据帮助高层做决策。这种全方位的改造让企业效率大幅提升，据第三方机构测算，早期接入AI的企业人效比行业平均水平高出2.3倍。
而医疗AI的应用依然充满了多样化：已渗透至医疗行业的多个关键环节，包括但不限于医疗大数据、影像分析、辅助诊断、临床辅助决策、智能导诊、健康问诊、药物研究、慢病管理、用药方案优化、传承教育、辅助手术、体质辨识、辅助治疗、疾病趋势预测、健康科普等。其中特别要一提的是医疗影像分析：AI在医疗影像分析中的应用是目前最为成熟的领域之一，通过深度学习算法，AI能够快速、准确地分析医学影像，辅助医生进行诊断，包括X光、CT、MRI、超声等影像的自动分析。
相比现有AI的应用深度，特别是还显“青涩”的中医AI，在大量资金的再注入和应用初步市场普遍应用下拉动算法、算力、数据三驾AI马车的升级，特别是通过市场广泛应用后沉淀蒸馏而来的高质量数据，与时俱进和严谨准确是关键，必须预防AI幻觉的负面破坏力。因此，我更期待未来发展趋势的呈现：
首先是未来的AI系统将更加注重多模态数据的融合，包括影像数据、基因组数据、电子健康记录等，以提高诊断和治疗的准确性；其次是边缘计算与AI硬件的结合：随着边缘计算技术的发展，AI硬件将更加智能化，能够在本地设备上进行实时数据处理和分析，减少对云端的依赖；最后是联邦学习的应用：联邦学习技术能够在保护数据隐私的前提下，实现多方数据的联合建模，未来将在医疗领域得到广泛应用；最后是AI与人类医生的协作：未来的医疗系统将更加注重AI与人类医生的协作，AI将作为辅助工具，帮助医生提高诊断和治疗的效率与准确性。
AI系统和AI硬件在医疗和健康领域的应用已经取得了显著成果，从疾病诊断与预测、智能辅助治疗到药物研发、医疗数据管理与分析，再到个性化健康管理和公共卫生防控，AI技术正在逐步改变医疗行业的格局。随着技术的不断进步和伦理规范的建立，AI有望在医疗和健康领域发挥更加广泛和深入的作用，为人类健康事业做出更大的贡献，让人类特别是老百姓在健康质量和成本方面能够真正受益。
中国老百姓看病成本将大幅降低
AI技术创新速度已经达到了初步支撑开启革命的高度，但在大家都关心医疗机构和医生在医疗AI时代的存亡发展，除了“同台演员”之间，似乎忽略了所有表演生态中最重要的角色：观众，也就是患者和客户。或者说重视度远不够，10篇医疗AI类文章分析，几乎只有一篇是以C端患者客户角度去思考和表达为主。
近两个月火热的DeepSeek以 “又好又便宜” 的开源大模型强势出圈，在全球范围内带来了强烈冲击。DeepSeek V3采用256个专家模块的混合模型，仅激活5%参数即可完成高效运算，极大降低算力需求。此开创之举将推动AI产业化发展，促进医疗AI成本持续下降，这意味着即使是基层医疗也能低成本部署AI辅助诊断系统，让更多患者受益；医疗健康方面的消费，老百姓最期待的也是又好又便宜，其本质就是价值医疗，持续推进医疗AI在B端和C端的普适性应用后，极大可能会实现让中国老百姓看病和健康的成本大幅度降低。
根据《2023中国医疗人工智能发展白皮书》，截至2023年，中国医疗AI市场规模已突破百亿元，覆盖超数亿C端用户。医疗AI应用普及对中国老百姓看病成本的影响，主要基于降本增效与普惠医疗的推进。
1、降低诊断环节成本：传统模式痛点，三级医院门诊费用高（平均单次200-500元），基层医院误诊率高（基层误诊率约20%-30%）。而AI辅助诊断通过影像识别（如肺结节、眼底病变）、病理分析等技术，AI可覆盖90%以上常见病，诊断准确率达85%-95%。成本对比来看：AI影像诊断单次费用仅为传统人工的1/5-1/3（如肺CT AI分析费用约30元 vs人工150元）。AI工具帮助基层医生提升诊断能力，试点地区基层误诊率下降15%，减少患者因误诊导致的重复就医开支。（前部分数据来源：国家卫健委2023年试点报告）。
2、优化用药与治疗成本：AI通过分析患者用药记录、过敏史等数据，降低不合理用药风险。据《中国合理用药报告》，AI干预后，门诊抗生素滥用率下降12%，慢性病患者年人均药费减少800-1200元。AI结合患者个体特征推荐性价比更高的治疗方案。例如，肿瘤治疗中，AI可节省20%-30%的化疗药物费用（数据来源：2022年《柳叶刀》中国医疗AI研究）。
3、减少“非必要就医”与预防成本：通过智能穿戴设备与AI健康助手，用户可实时监测血压、血糖等指标，降低慢性病急性发作风险。据统计，高血压患者使用AI健康管理后，急诊就诊率下降25%。AI预问诊系统帮助患者初步判断病情轻重，减少“小病大治”现象。某三甲医院数据显示，AI导诊使30%的轻症患者转向基层医院或线上问诊，人均节省费用200元/次。
4、间接社会成本优化：时间成本方面，AI线上问诊普及后，患者平均候诊时间从2小时缩短至15分钟（数据来源：平安健康2023年报）。而交通与陪护成本，远程医疗减少跨区域就医需求，农村患者年均节省交通住宿费用约5000元（国家乡村振兴局调研数据）。
在成本下降的同时，利好老百姓看病。但随着AI大量低门槛应用到B端和C端后，有一个问题我要特别提出来：医生专业被AI透明化后，对医生的专业和权威会形成很大的挑战甚至是冲击。过去有“患者久病成医”的说法，未来很可能会有“零距离接触和使用AI后患者大量成医”的现象。
过去的诊断原理、开方思路、专业知识等是在医生脑子里，而现在越来越详细的呈现在患者眼前的屏幕上，很多普病常见病的医学知识就不在神秘，医学初级专业迎来平权，患者医学认知大幅度提高，甚至会出现患者比很多普通医生还专业的情况。未来对医生的专业知识的更新能力必将带来更高要求，深造医学专业、病种、技术等，比患者还懂AI，倒逼医生在医学专业上的进步和AI标准下的优胜劣汰。
至此，概念涌现且火热了几年的价值医疗将随着崛起。B端将因为C端认知和需求的变化，不得不“以患者为中心”和患者一起追求性价比的医疗服务，也就是以同样或较低的成本，取得医疗质量或医疗效果的最大化。将共同遵循三个原则：为病人创造长期价值；结合AI全人、全程、全生命周期的医疗实践；可测量可感知的医疗质量或医疗效果和费用。更加注重医疗服务可及性和健康结果以及患者满意度和体验感。
医疗AI的普及可通过精准诊断替代、用药方案优化、健康管理前置三大路径，显著降低居民看病成本。据测算，若医疗AI渗透率提升至50%，中国居民年均医疗支出可减少15%-20%（约2000-3000亿元）。未来，随着大模型技术与医疗场景深度融合，AI将进一步压缩“信息不对称”导致的过度医疗成本，推动“以治病为中心”向“以健康为中心”的转型。
