1
2
编委
研究团队
樊筱瑜 动脉智库高级研究员
李成平 动脉智库高级研究员
焦艳丽 动脉智库高级研究员
王诗宇 动脉智库研究总监
石安杰 动脉网产业研究负责人
特邀编委
（按姓氏拼音排序）
贺志阳 讯飞医疗研究院院长
李 东 东软集团副总裁兼医疗健康事业部总经理
任海萍 中科院高性能器械研究所研究员
王 锋 智诊科技CEO
京东健康探索研究院（JDH XLab）相关专家
3
前言
历经短短几年的实践磨砺，医疗大模型已成功走过萌芽与爆发期，现已进入行业泡沫出
清、逐步步入理性、稳定增长的新阶段。当前，政策导向从鼓励技术创新转向推动应用
落地与完善支付体系；技术迭代聚焦场景适配与性能优化；资本布局更侧重落地成效。
共同推动应用落地、实现商业化闭环已成为行业发展的核心主旋律。
本报告通过调研、访谈十余家创新企业、三家投资机构及数名临床专家，立足医疗大模
型院内、院外商业落地现状，剖析不同场景下的商业模式、落地痛点与核心条件，总结
未来发展趋势，旨在为行业参与者提供参考，助力医疗大模型真正赋能医疗健康领域高
质量发展。
主要观点：
医疗大模型已进入发展关键拐点，完成从爆发式增长向理性落地的转型，当前核心
发展方向是推动技术与产品的实际落地应用，实现商业化闭环。
医疗大模型爆发式发布阶段已结束，截至 2025 年末已发布 352 个医疗垂直大模型，
行业重心从“填补空白”转向“优化性能”，研发与应用聚焦政策导向明确、市场需求
高的场景。
资本市场对医疗大模型的投资趋谨慎，向应用场景清晰、落地能力强的企业聚集，
平均单笔融资额度提升，标志着行业进入成熟发展期。
院内落地信息化升级是主流，但价值被低估：在院内，医疗大模型主要通过三种模
式商业化：①借道传统信息化系统（当前最成熟，但价值被传统报价体系低估）；
②作为医疗器械（路径清晰，但需在原有收费体系中创造新增价值才能闭环）；③
作为健康服务成本项（模式新颖，依托院外收费编码，合作共赢）。
严肃医疗大模型落地需攻克“三座大山”：对于涉及诊断、治疗的严肃医疗场景，大
模型成功落地的必要条件为：①性能优化（降低幻觉）+ ②监管合规（获取三类证）
+ ③信任背书（纳入临床指南/行业标准）。三者缺一不可，这促使企业必须聚焦
专科、单点击穿。
院外场景商业化落地阻力更小，分为 ToG、ToB、ToC 三大模式，其中 ToB 端（以
药械企业为核心付费方）落地最成熟，ToG端聚焦基层与监管场景，ToC 端呈现功
能聚集、商业模式多元的趋势。
未来医疗大模型将呈现院内专科深耕、院外多元融合的趋势，C端场景将逐步从单
一服务向全周期健康陪伴转型，多元付费模式将成为规模化落地的核心支撑。
4
目录
编委................................................................................................................................................................ 2
前言................................................................................................................................................................ 3
第一章 医疗大模型进入落地元年....................................................................................................... 7
政策：找场景、做垂域、促落地......................................................................................... 8
大模型爆发式发布告一段落，场景紧扣政策指引方向..............................................10
资本向应用场景清晰、落地能力强的企业聚集........................................................... 13
第二章 医疗大模型院内商业落地现状........................................................................................... 17
医疗大模型院内应用全景图................................................................................................ 17
医疗大模型院内商业模式解析........................................................................................... 18
第三章 医疗大模型院外商业落地现状........................................................................................... 27
医疗大模型院外应用全景图................................................................................................ 27
医疗大模型院外商业模式解析........................................................................................... 28
第四章 未来趋势.....................................................................................................................................39
院内严肃医疗大模型，以专科切入打造信任背书.......................................................39
C 端付费有限，更多融合、多元的商业化模式出现...................................................39
基础建设不断完善，推动医疗大模型落地进程........................................................... 40
G-B-C 创新模式，三端融合驱动价值循环....................................................................41
第五章 企业案例.....................................................................................................................................43
智诊科技：打通医疗大模型“技术研发——场景应用——商业变现”的完整链路... 43
东软集团：大模型迈向深层次临床创新与多元化场景应用............................................52
讯飞医疗：GBC全场景闭环，医疗大模型规模化落地标杆...........................................55
京东健康：从技术领先到真实场景的规模化应用..............................................................56
5
图表目录
图表 1 医疗大模型发展阶段...............................................................................................................7
图表 2 促人工智能应用落地的系列政策中大模型相关内容.................................................. 9
图表 3 政策鼓励大模型发展的具体应用场景汇总.................................................................. 10
图表 4 2023 年—2025 年医疗大模型发布数量....................................................................... 11
图表 5 政策鼓励细分应用场景被大模型应用范围提及的次数排序..................................12
图表 6 AI 三类医疗器械证产品应用科室占比...........................................................................12
图表 7 医疗人工智能领域 2022-2025 投融资事件数统计.................................................. 13
图表 8 2021—2025 年医疗人工智能投融资轮次分析.......................................................... 14
图表 9 医疗大模型应用场景分类及部分企业展示.................................................................. 17
图表 10 医疗大模型的四大产品形态............................................................................................23
图表 11 院内医疗大模型以信息化软件落地的产业链...........................................................26
图表 12 严肃医疗大模型成果落地的核心必要条件................................................................23
图表 13 医疗大模型作为医疗服务成本项被医疗机构采购..................................................25
图表 14 医疗大模型院外主要商业模式及参与企业举例...................................................... 27
图表 15 医疗大模型在各类商业模式中存在的产品形态...................................................... 28
图表 16 基层场景的热点落地医疗大模型类型.........................................................................29
图表 17 医疗大模型在各监管部门的应用场景及成熟度...................................................... 30
图表 18 行业监管部门医疗大模型落地主要商业模式...........................................................31
图表 19 大模型在药物研发各环节应用场景举例.................................................................... 32
图表 20 各方对围绕 C端的健康管理的需求.............................................................................35
图表 21 不同商业模式中 C端健康管理的任务对比...............................................................36
图表 22 WiseDiag 全能多模态医疗大模型................................................................................... 44
图表 23 东软添翼智能化全系解决方案......................................................................................... 46
图表 24 讯飞医疗 GBC 业务矩阵..................................................................................................... 48
6
7
第一章 医疗大模型进入落地元年
自 2023 年医疗大模型开启初步探索与尝试以来，在资本投入、技术迭代、政策引导、
人才供给以及市场需求等多重因素的共同驱动作用下，大模型相关技术与应用的发展进
程持续加快，其整体发展速度显著超越传统医疗技术的演进节奏，持续推动着医疗人工
智能这一专业领域走向成熟与完善。
历经三年时间的实践探索与行业磨砺，医疗大模型已度过行业发展的萌芽阶段与集中爆
发阶段，当前正逐步完成行业泡沫的清理与出清，进入发展节奏更为理性的冷静期，并
由此迈向稳步增长、持续成熟的全新发展阶段。
图表 1 医疗大模型发展阶段
资料来源：动脉智库
在这一关键发展阶段之中，行业相关政策已顺利实现从鼓励技术创新探索向推动应用落
地与完善支付体系的突破性转变，完成了重要的政策破冰。相关监管部门与主管机构陆
续推出一系列具备实操性的具体落地应用场景，同时批准发放了近三百张人工智能医疗
器械相关注册证书，国内多个地区的医保管理部门也相继将人工智能医疗相关服务项目
正式纳入医保收费编码。
与此同时，行业内各类医疗大模型的集中发布节奏也呈现出明显的放缓态势，2025 年
上半年所出现的井喷式集中发布与爆发增长阶段已过去，行业内各参与主体所研发的大
模型产品，均进入持续打磨优化、精细迭代升级与深度深耕细作的发展阶段。产品应该
朝着“AI 原生、AI 融入、AI 无感”进阶，与业务系统和工作流深度融合，实现自然交互，
无感嵌入。医疗大模型需要填补的行业空白正越来越少，大模型的重点方向转为变得“更
好用”和“更聪明”。
从资本市场的整体表现来看，医疗大模型的快速兴起，为整个医疗人工智能领域的投融
8
资事件数量带来了一定幅度的正向提升。伴随行业投资逻辑从单纯关注技术研发能力，
逐步转向重点聚焦应用场景与实际落地成效，相关融资轮次分布呈现出典型的哑铃型结
构特征，资本进一步向应用场景清晰明确、同时具备较强落地执行能力与发展潜力的医
疗大模型企业聚集。
当前，整个医疗大模型行业正处于从理性冷静期向平稳增长期过渡的关键拐点阶段，推
动技术与产品的实际落地应用，已然成为行业发展进程中的核心主旋律。
政策：找场景、做垂域、促落地
政策指引具体落地场景，其中诸多明确的大模型应用。2024 年底，国家卫健委正式发
布《卫生健康行业人工智能应用场景参考指引》（以下简称《指引》），该《指引》系
统规划并明确了 84 个具体的人工智能应用场景，不仅正式拉开了我国医疗人工智能技
术从理论研发向实际应用落地的序幕，更标志着医疗人工智能领域的技术发展与市场环
境已逐步成熟，进入了扎实着陆、规模化应用的关键成熟阶段。
作为人工智能技术体系中的核心组成部分，医疗大模型在该《指引》规划的 84 个应用
场景中，有 19个具体场景被明确提及，凸显了其在医疗人工智能落地进程中的重要地
位与应用价值。
自该《指引》发布之后，国家层面相关主管部门及各地方政府同步加速政策推进的步伐，
持续出台了一系列配套性、针对性的政策文件，从政策支持、资源保障、监管规范、落
地激励等不同维度，持续发力、进一步细化举措，不断促进医疗人工智能技术的实际落
地与规模化应用，而医疗大模型作为其中的核心技术载体，其身影在各类政策导向与落
地实践中频频出现，成为推动医疗人工智能落地的重要力量。
9
图表 2 促人工智能应用落地的系列政策中大模型相关内容
资料来源：各政府官网、动脉智库
政策导向与行业趋势明确鼓励医疗大模型向垂直化、场景化发展，重点聚焦临床诊疗、
健康服务、药械研发、公共卫生、支撑保障及医疗支付六大核心领域。其中，医疗支付
作为医疗健康生态的核心基础设施，是衔接临床、药械与患者的关键枢纽，也是推动行
业高质量发展的基石。医疗支付大模型的深度应用，将推动医疗支付从人工审核、事后
监管、碎片化结算，迈向智能预判、全流程风控、一站式融合支付的新范式。如，AI
10
医疗支付大模型在商业保险端的深度落地，可贯通健康险产品精算定价、智能核保风控、
理赔自动审核、直付结算及全流程健康服务等核心场景，有效破解医药与保险行业壁垒，
实现风险精准分层、运营提效降本与服务体验升级，持续赋能商业健康险专业化、智能
化、生态化转型升级。
图表 3 政策鼓励大模型发展的具体应用场景汇总
资料来源：公开信息，动脉智库整理
相关政策通过明确指引重点应用场景下医疗大模型和智能体的发展方向与路径，着力构
建起一套覆盖疾病预防、临床诊疗、药械研发、医疗管理全流程的“人工智能+医疗卫生”
一体化体系，其核心目标在于重点提升临床各专科的诊疗服务能力、基层医疗卫生机构
的服务效率、公共卫生事件的应急响应速度，以及医药健康产业的创新发展能力，推动
医疗健康领域的高质量发展。
大模型爆发式发布告一段落，场景紧扣政策指引方向
DeepSeek 推动大模型的爆发式增长。2025 年 1月，DeepSeek 正式问世之后，与其他
各个行业所呈现的发展态势一致，医疗健康领域也随之迎来了医疗大模型数量的一次井
喷式爆发。在此背景下，行业内各类相关企业纷纷主动发力、积极行动，要么将DeepSeek
技术与自身已有的医疗模型进行深度融合，以此实现现有模型性能的优化与升级，要么
借助DeepSeek 这一高性价比的技术基座，针对性搭建适配医疗领域需求的垂直大模型，
填补行业空白。在此背景下，各类企业协同发力，为医疗健康领域贡献了一批质量过硬、
覆盖医疗服务多个环节的医疗垂直大模型，推动医疗大模型进入快速发展阶段。
通过对公开信息的盘点与梳理，截至 2025 年年末，整个医疗行业已经正式发布的医疗
垂直领域大模型数量达到了 352个。具体来看，在经历了 2025 年上半年医疗大模型集
中发布的爆发期之后，2025 年下半年医疗大模型的发布数量逐步趋于平稳，恢复到了
11
往年医疗大模型发布数量的平均水平，行业发展节奏从爆发式增长转向稳步推进。
图表 4 2023 年—2025 年医疗大模型发布数量
资料来源：公开信息，动脉智库整理
医疗大模型对标应用场景与政策指引方向高度重合。进一步对当前已发布的医疗大模型
的应用场景进行深入分析，将其与前文所述的政策指导方向及鼓励的应用领域进行对比
后发现，临床诊疗相关场景是当前医疗大模型产品应用最为集中、热度最高的领域，成
为医疗大模型落地应用的核心聚集地；紧随其后的是健康服务领域，其热度仅次于临床
诊疗场景；其次是支撑保障相关、药械研发类以及公共卫生类医疗大模型。
基于上述六大政策鼓励的应用板块，进一步细分各板块下的具体细分应用场景可以发现，
在所有细分场景中，辅助决策类大模型、专病专科大模型以及影像辅助诊断类大模型的
数量位居前三，成为当前医疗大模型研发与应用的重点方向。
12
图表 5 政策鼓励细分应用场景被大模型应用范围提及的次数排序
资料来源：公开信息，动脉智库整理
由此可见，当前医疗大模型领域的政策指引与技术探索正逐步形成发展合力，各类医疗
大模型的研发与落地均聚焦于高价值、高市场需求以及与政策导向高匹配度的应用场景，
实现了技术与需求的对接。医疗大模型的出现，从技术底层全面赋能了人工智能在医疗
领域应用的能力升级，作为推动医疗人工智能发展不可或缺的重要驱动因素，有效加快
了 AI 医疗产品的审批获批进程。
图表 6 AI 三类医疗器械证产品应用科室占比
资料来源：国家药监局官网，动脉智库整理
13
截至 2025 年 12月初，国家相关监管部门共批准了人工智能三类医疗器械证书 277张。
从具体获批产品的应用领域来看，应用于心血管内科、肿瘤科以及神经内/外科这三大
临床专科的AI 获批产品数量位居前三，成为AI 医疗产品落地应用的核心领域。
资本向应用场景清晰、落地能力强的企业聚集
资本从投“技术”到投“落地”。随着医疗人工智能行业的持续发展与不断成熟，资本市场
对该领域的投资态度也发生了明显转变，从行业发展早期的增量圈地、广泛布局逐步趋
于谨慎，具体表现为行业融资事件数量下降，但与此同时，平均单笔融资额度增加，资
本投放更加注重资金使用效率与投资回报。
2024年底，医疗大模型实现破圈发展，并在 2025 年初迅速“走红”，成为行业发展的核
心热点，这一变化带动医疗人工智能领域的融资事件数量出现了小幅提升，为行业发展
注入了新的资本活力。
图表 7 医疗人工智能领域 2022-2025 投融资事件数统计
资料来源：动脉智库、IT 桔子
一方面，资本更加聚焦跑通商业化、能看到清晰盈利模式和可持续发展的企业，该类企
业获得更多大额的、靠后轮次的融资。如讯飞医疗凭借GBC三端闭环的成熟商业模式、
全国范围的规模化落地案例、清晰的盈利路径，成为资本高度认可的医疗大模型头部企
14
业。其基层医疗、医院智能化、C端健康管理三大业务均实现商业化落地，营收与用户
规模持续增长。
另一方面，大模型的能力释放出更多新的医疗应用场景，引来资本对早期项目的新一轮
加注和热情。而发展到中期，技术产品成熟却迟迟未找到商业模式的企业可能出现融资
停滞，从而使得中间融资轮次占比降低。
图表 8 2021—2025 年医疗人工智能投融资轮次分析
资料来源：动脉智库、IT 桔子
综上来看，政策引导、技术创新与资本加持三者形成发展合力，共同推动医疗大模型领
域稳步前行。目前，大模型在具体应用场景的落地是整个行业的主旋律。
此时，一系列关键问题亟待深入探讨与解析：各类医疗场景有哪些应用率先落地？人工
智能以怎样的模式跑通商业化？场景落地还需要哪些行业助力？
接下来报告将从商业模式的视角，解析院内、院外各类应用场景中，大模型落地的核心
要素及成功关键，并进一步探索未来的发展趋势及亟待的支持，以期为行业发展提供参
考与借鉴。
15
本章小结：
国家层面发布的一系列促医疗人工智能落地政策多维度推动医疗大模型以场景为
牵引，聚焦垂直应用领域，加速医疗大模型从技术验证到商业化落地。
由 2025 年初 DeepSeek 快速破圈带来的医疗大模型井喷式发布阶段已告一段落，
意味着由技术突破带来的新场景机会被快速覆盖，医疗大模型已经走过各家快速抢
占“填补空白”的阶段，进入“谁更好用”的性能优化迭代阶段。
资本市场对医疗大模型更加谨慎、聚焦有明确应用场景和落地潜力的企业，因此靠
后的融资轮次占比增加、平均单笔融资增加，这也标志了行业从快速增长期进入成
熟发展期。
综合政策、技术、资本及市场情况可以清晰看出，医疗大模型已经拥有足够的技术
验证基础，全面进入落地元年，商业化是主旋律。
16
17
第二章 医疗大模型院内商业落地现状
医疗大模型院内应用全景图
院端是医疗大模型发布最为密集的地方，根据动脉网《2025 年医疗人工智能产业研究
报告》，与人工智能的应用相同，大模型在院内的应用场景也可以分为临床科室、医技
科室、院端三大类别。
图表 9 医疗大模型应用场景分类及部分企业展示
资料来源：动脉网 2025 年医疗人工智能产业研究报告
临床科室场景的医疗大模型的功能主要围绕辅助诊断、医生助手（如病历整理、文献查
询等）以及科研。据调研，辅助诊断及医生助手类大模型渗透率在不断提高。且随着依
托大模型的智能体出现，加之模型调用的窗口越来越便利，临床科研类大模型的商业化
进程相对更加成熟。以医疗大模型龙头企业讯飞医疗为例，截至 2025 年底，讯飞星火
医疗大模型已落地全国 20余家龙头医院，依托全栈工具打造多场景专科专病AI 应用。
其与北京协和医院合作打造的全院级 AI 科研数据平台，已实现百万级人群健康医学数
据库标准化汇聚与精细化治疗，平台医学实体抽取、复杂语义理解与抽取能力均超
%，获客户高度认可；其与北京安贞医院协同打造的心血管专科大模型，目前已在
北京安贞医院朝阳、通州两院区常态化应用，并通过国家人工智能中试应用基地等渠道
全面推广。
此外，医渡科技在 2026 年也推出了“医渡智循”，该智能体以小程序的形式为医生和医
学工作者提供临床诊疗和科研场景的智能助手。
18
医技科室的大模型聚焦在辅助诊断，该应用场景的大模型得益于明确的性能验证标准
（如敏感度、特异性等）及可通过现有医疗器械审批途径验证其“有效性”，产品商业化
进程在院内场景走得较为靠前，不过依然处于等待规模化商业落地的阶段。
院端的大模型，相较临床及医技科室场景的大模型，更偏服务属性，其商业化闭环所考
核的关键点更侧重效率及成本控制。例如，东软集团围绕院端需求进行全方位、多场景
布局，基于添翼医疗大模型开发出 120 余个覆盖智慧临床、智慧管理、智慧服务等领
域的“智能体”，并在全国 100余家医疗机构实现了规模化应用。
医疗大模型院内商业模式解析
医疗大模型的落地应用，通常以技术底座的形式存在，通过赋能各类具体的医疗应用，
充分展现其智能化价值与核心作用；与此同时，也有部分医疗大模型采用“模型即应用”
的模式，直接应用于各类具体的医疗场景之中，实现技术与场景的直接对接。医疗大模
型产品应注重结合临床实际需求和企业产品差异化定位，避免陷入低水平重复或同质化
竞争，真正为临床应用效果带来改变。
四大主流医疗大模型的销售方式。而当医疗大模型面向市场推广时，其产品形态呈现出
多样化特征，结合行业实践与市场现状，大致可以划分为软件类、软硬件结合类、服务
类以及行业底座这四大类别。
图表 10 医疗大模型的四大产品形态
资料来源：动脉智库整理
软件类：此类医疗大模型产品主要以纯软件的形式进行市场销售与推广，其核心是
将医疗大模型的技术能力融入各类软件产品之中，例如搭载医疗大模型的智能信息
管理系统、以医疗大模型为核心技术底座研发的 AI 辅助诊断软件，以及以大模型
本身作为核心产品的健康管理助手等。该类医疗大模型产品往往不需要单独配备专
19
用硬件设备，而是可以直接安装在现有的各类设备之中，例如日常办公使用的电脑、
个人携带的手机，以及各类现有的医疗检测、诊疗设备等，实现与现有设备的适配
与协同运行。
软硬件结合类：此类产品形态的核心特征是将医疗大模型技术与硬件设备深度融合，
一方面，医疗大模型为各类传统硬件设备进行智能化升级改造，赋予硬件设备更强
的智能化能力，例如为影像设备配备的 AI 辅助拍摄、AI 辅助诊断系统，能够通过
大模型的分析能力提升影像拍摄的精准度与诊断的效率；另一方面，也存在医疗大
模型与硬件设备一体化设计的产品形态，即大模型技术与硬件设备同步研发、集成
一体，形成完整的产品，例如手术机器人、全自动的智能测序仪等。
服务类：此类医疗大模型并不以独立产品的形式直接面向市场销售，而是作为相关
服务团队提升服务能力、降低运营成本的核心工具。在医疗大模型的辅助支持下，
服务团队能够为市场提供更高性价比、更精准高效，甚至是以往传统服务模式下难
以实现的专业医疗相关服务，例如慢病管理服务、医疗行业数字营销服务、药物临
床试验相关服务等。通过大模型的技术赋能，推动服务质量与效率的双重提升。
行业底座：此类医疗大模型的定位区别于面向特定应用场景的专用模型，其并非针
对某一个或某一类具体的应用场景进行研发建立，而是定位于医疗行业的“基础设
施建设”，核心目标是为整个医疗行业的智能化发展提供基础支撑，赋能行业内各
类主体实现更快速的技术升级与业务拓展，进而打造更专业、更完善的智能化医疗
行业生态。
在院内，不同的产品形态对应着不同的商业模式。目前，在院内场景，医疗大模型（包
括医疗大模型赋能下的人工智能应用）的商业化落地，并没有脱离传统院内既有的商业
化模式，大致可分为信息化系统、医疗器械、健康服务三大类。
升级传统医疗信息化系统
依托现有收费通道，缩短商业化周期。当前医疗大模型商业化落地面临院内准入壁垒高、
独立收费通道缺失、合规落地流程烦琐等行业痛点，依托传统医疗信息化系统采购路径
进院并实现合规收费，成为现阶段主流商业化路径。
该模式依托医院既有的HIS、LIS、PACS、电子病历等核心信息化系统采购预算与招标
流程，将医疗大模型作为信息化系统的增值模块、配套功能组件或一体化升级方案，打
包纳入院内信息化采购项目，规避独立产品立项、审批、定价的冗长流程，快速实现院
内部署与商业化变现，打通“技术－产品－渠道－收费”的闭环，契合医疗机构数字化升
20
级的预算规划与采购习惯。
该商业模式以传统医疗信息化厂商为核心载体，通过三类路径实现医疗大模型捆绑进院
与收费，兼顾合规性、落地效率与盈利空间。
其一，模块捆绑打包，将医疗大模型的功能，如智能病历书写、医嘱审核、临床决策辅
助、病案质控、影像报告辅助解读等，封装为现有信息化系统的增值功能包，随主系统
一并招标采购，按项目整体定价收费，不单独列支大模型费用，适配医院常规信息化采
购预算。
其二，升级迭代打包，依托医院原有信息化系统升级、替换、维保续约的契机，将搭载
医疗大模型的新一代信息化平台作为升级方案，通过版本迭代实现大模型落地，乘着现
有的收取途径，通过年度运维服务费，完成收费闭环。
其三，软硬件一体化打包，推出搭载医疗大模型、算力服务器、安全加密模块的信息化
一体机，作为智慧医院建设的核心硬件配套，按整体解决方案收费，兼顾数据安全与私
有化部署需求。该类形式在专科大模型落地具体科室、基层场景的如中医大模型落地中，
应用广泛，既降低了使用方落地大模型的费用门槛，也解决了数据安全及交付周期长等
大模型落地掣肘。
以信息化途径落地院内的医疗大模型，目前成功跑通商业闭环的大多依然是借用成熟销
售体系与逻辑。该方式避免了独立立项、审批等冗长的过程，缩短了商业化周期，但也
带来了现有报价体系与医疗大模型真实价值错配的现实问题。
现有评估体系与真实价值错配。在现有的、围绕软件功能数量的报价体系中，往往很难
体现大模型的真实价值，从而导致大模型在信息化系统打包费用中属于自己的费用占比
往往低于本身价值，议价空间被严重压缩。
21
图表 11 院内医疗大模型以信息化软件落地的产业链
资料来源：公开信息、调研访谈，动脉智库整理
在此商业模式中，上游为医疗大模型研发厂商，聚焦垂类模型训练、算法优化、场景适
配，提供核心 AI 能力与技术授权，部分研发企业也会直接与中游信息化厂商开展技术
合作或股权绑定，当然其中也不乏信息化厂家自研，推出垂直医疗大模型。
作为中游的医疗信息化厂商，核心体现现有成熟渠道的复用价值，承担渠道承接、产品
整合、院内实施、售后运维的核心角色。下游则是大模型的具体落地使用场景：医疗机
构，通过信息化系统采购及特定的项目建设引入医疗大模型。
在此之中，配套环节也显得至关重要，包括研发过程中算力、算法及数据的支持生态；
商业化落地中的算力和硬件设备的支持。
值得一提的是，根据调研，算力是阻碍医疗大模型最终落地的重要原因之一。作为传统
信息化系统的新增模块或升级方案被医院付费采购只是完成“批准落地”的第一步，而大
模型要真正用起来，充分体现自身的价值，还需要与之匹配的算力支撑。该基础建设的
缺失使得医疗大模型即使进院也无法施展其性能，而搭建算力并不是一笔小的费用。上
述提到的一体机可以解决部分场景的算力问题，但仅就单个应用场景的单个产品而言。
如今，未来的趋势很明确，院内一定是众多大模型的合集，算力基础建设是势必要解决
的问题。虽然目前乘着现有的商业模式率先实现了部分医疗大模型的商业化，缓解了企
业的现金流压力，但长期的、良性的发展，还是亟待行业出现针对大模型适用的、更加
贴切、合理的商业模式，而算力应由谁为之买单是其需要解决的重要问题。
作为医疗器械被医院采购
明确的监管要求，是门槛也是指引。在严肃医疗场景下，病理诊断、影像诊断、超声诊
断类医疗大模型属于高风险、强监管的医疗辅助决策产品，必须取得国家药监局颁发的
22
第三类医疗器械注册证，方可实现合规院内落地与收费，这也是区别于非持证信息化增
值模块的核心门槛。
相较于依托传统信息化渠道捆绑进院的模式，持证诊断类大模型遵循医疗器械准入、医
疗服务定价、临床收费结算的全流程路径，依托临床诊疗刚需、物价备案准入、医保/
医院自费结算实现商业化闭环，是当前医疗 AI 大模型走向规范化、规模化盈利的重要
路径，尤其适配病理、放射、介入等精准诊断科室的临床刚需场景。
在性能验证环节的优势，该类大模型拥有明确的评估标准，例如“敏感度”“特异性”等量
化评估指标，其性能验证直观。二是在政策完善度的优势，其监管路径清晰，通过获得
国家药监局的医疗器械资格证获得明确的“入场券”推进商业化推广，加之医检互认的促
进推动其更快应用落地。
三大主流收费模式，软硬件一体拥有更好落地环境。目前，获得医疗器械证的相关产品
在院内收费主要有三类方式，即按次收费、SaaS模式收费及软硬件一体收费。
其一，按次/按例收费。该模式应该是最能体现此类严肃医疗大模型及其赋能的软件价
值的收费方式。例如，企业将持证 AI 诊断软件部署至医院，完成物价备案后，医院按
照 AI 辅助诊断的检查例数、切片张数、影像部位数收取服务费，再与企业按例结算。
该商业模式成立的前提是由于医疗大模型的加入，医疗机构产生了新的收入或明显的成
本节约，如仅停留在将现有服务做得更好、更精准，恐难撼动现有的收益分配体系而从
中获得 AI 的收入。例如，医疗大模型赋能下的手术机器人突破了人类手工操作的极限，
让传统无法做的手术成为可能，新增了手术收费项目，产生了新的收益，大模型自然而
然从中分配到自己应有的一部分。再如应用于CT辅助诊断的软件，虽然让诊断更精准，
但患者并不会因为 AI 的加入支付额外的费用，这意味着软件需要从已有的费用中收取
自己的部分，难度可想而知。但在辅助诊断领域，行业也已经出现成功的案例，脉得智
能的超声辅助诊断软件，搭载便携超声设备，赋能临床科室新增超声检查服务从而为科
室带来收益增量，以此为软件争取到了相应的收费落地。
其二，SaaS 模式，采用按年度等周期授权的订阅模式，医疗机构定期支付固定的服务
费，获得周期内不限次数的使用权限，同时配套模型迭代、运维调试、更新等服务。目
前，该类模式依然属于探索的早期，跑通落地的产品十分有限。
其三，软硬件一体收费。例如搭载人工智能的手术机器人、病理全切片扫描、高端影像
设备等，通过医疗设备通道纳入医院医疗器械采购招标，按整体项目一次性收费，后续
叠加年度维保与模型升级费用。这是作为医疗器械被医院采购的模式中，商业化走得最
为成熟的一种方式。
23
究其原因，一方面由于该付费通道属于传统医院采购模式中的“现成”通道，无需新增收
费编码等环节，简化入院流程、缩短入院周期；另一方面，该类智能设备通常拥有较高
项目预算，因此医疗大模型拥有可观的议价空间；此外，软硬件结合的模式，让“脑”和
“手”的智能同时得到了展现并保证了一致性，理论上拥有更凸显的临床价值。
商业落地中，性能验证与信任背书缺一不可。按照“严肃”级别来看，该类大模型无疑拥
有最高的医疗严肃级别，正因为如此，不断优化算法降低幻觉是各企业不约而同的默契，
这对企业的人力和财力都是不小的消耗和考验，然而它仅是成功商业化的必要不充分条
件之一；在此之上，产品还得兼具“可追溯/可解释性”以及“临床权威性”。
图表 12 严肃医疗大模型成果落地的核心必要条件
资料来源：公开信息、调研访谈，动脉智库整理
降低模型幻觉是产品的“立命根本”，让产品更好用，完成其辅助临床找到治疗方案“最优
解”的根本使命。与此同时，让出现的幻觉（幻觉率不断降低，但依然有幻觉出现的概
率）能够被准确、快速发现也至关重要。源头优化技术加上使用过程中有效的错误发现
机制即能完成保证产品可信、可靠的环节。下一步就是获得临床的权威背书，例如积极
参与行业标准制定，将产品的使用写入临床指南或专家指南，从而让临床医生知道怎么
用，并且敢用。
作为健康服务被医院采购
健康管理服务重视程度不断提高。在国家相关政策持续推进与全民健康意识不断提升的
双重驱动下，健康管理领域得到了社会各界越来越高的重视，其范围涵盖了亚健康人群、
慢病人群以及带病人群的全周期健康管理服务，涉及健康监测、风险评估、干预指导、
康复护理等多个核心环节。与此同时，国家发布了系列政策，鼓励医疗机构积极参与健
康管理服务，推动医疗服务从传统的疾病治疗向“预防－治疗－康复”一体化转型。
大模型在健康管理服务中至关重要。然而，当前我国医疗体系仍以传统急性疾病治疗为
24
核心，该体系主要围绕医生专家构建，其服务模式更侧重于疾病的诊断与急性治疗。面
对慢病管理所要求的长周期、陪伴式、以生活方式干预为主的健康管理服务模式，暂时
难以在短时间内实现完全适配。
一方面，慢病管理需要长期跟踪患者的健康状况，持续提供饮食、运动、用药等方面的
个性化指导，这与传统急性疾病“一次性治疗、短期随访”的服务模式存在本质区别；另
一方面，健康管理服务的开展不仅需要核心的医生资源，还需要配备完善的专业团队，
包括负责饮食指导的营养师、负责功能康复的运动康复师、负责心理疏导的心理咨询师
以及统筹协调全流程服务的健管师等，而这类专业人才的培养体系和专业成熟度还相对
早期，且人员缺口大，短期内难以快速补足。此外，医疗机构现有的人员架构及绩效体
系等，也需要更长的实践提供依据做进一步适配健康管理服务模式的调整。
因此，基于上述现实困境，行业出现了公立医院与专业慢病管理企业合作共同提供慢病
管理服务的模式：公立医院提供专业背书与医疗专家资源，慢病管理企业提供包含营养
师、运动康复师、心理咨询师及健康管理师等在内的复合型健管团队，共同提供全流程、
个性化健康管理服务。
医疗大模型成为健管服务重要工具。该模式既依托了公立医院的医疗权威性和优质医生
资源，保障了健康管理服务的专业性和规范性，又借助专业健康管理机构的健管人员和
服务优势，实现了医疗资源与健康管理服务的互补，推动健康管理服务向规范化、精细
化方向发展。
在这样的合作方式中，医疗大模型往往由健康管理企业研发，并非以产品形式销售给医
疗机构，而是在自有的健康管理团队中深度应用，以拓宽团队的服务能力上限，实现降
本增效。例如京东健康依托“京东卓医 ”，联合温州医科大学附属第一医院和国家卫
生健康委临床营养与干预重点实验室，共同发布“人工智能驱动的临床营养规范化全程
管理解决方案”，构建“临床营养+特医食品”网络，破解住院与门诊营养评估与干预痛点，
将营养治疗纳入可追踪、可考核的临床路径。又如专注糖尿病管理的南大菲特，依托自
研医疗大模型“三师共管大模型”提供专业、高效的个性化健康管理服务，目前已与 50
余家医疗机构、市疾控以及美年大健康、京东健康等细分领域头部企业达成合作。
25
图表 13 医疗大模型作为医疗服务成本项被医疗机构采购
资料来源：动脉智库整理
目前，我国多省市陆续批准了院外健康管理的收费编码，为健康管理服务的商业化落地
提供了重要支撑，也为医疗大模型在健康管理领域的应用提供了政策依据。未来，随着
院外健康管理服务的普及和应用场景的不断拓展，相关健康管理类医疗大模型也将逐步
找到可闭环的商业模式，进一步推动健康管理行业与人工智能技术的深度融合。
本章小结：
院内应用场景是医疗大模型发布最为密集的地方，应用场景主要围绕临床科室、医
技科室及院端三大类，前两者以严肃医疗类大模型为主，后者主要为服务类大模型
聚焦降本增效及满足合规监管。
医疗大模型院内主流落地模式可以分为软件、软硬件一体、服务及行业底座。其中，
借助传统已有商业模式，定位于为原有产品升级的医疗大模型落地进程最为靠前，
如搭载传统信息化软件。
严肃医疗大模型落地核心：聚焦专科垂直场景单点击穿+建立信任背书+搭建创新入
院通道，缺一不可。
总体来说，医疗大模型搭载传统信息化系统落地最为成熟，但由于传统报价方式限
制，价格往往被低估；其次，作为医疗器械应用也十分广泛，但完成收费闭环的并
不太多，需在原有体系中创造新的价值收入；最后，以健康管理服务与医疗机构达
成合作的方式也有越来越多的典型案例出现。
26
27
第三章 医疗大模型院外商业落地现状
医疗大模型院外应用全景图
在院外场景，医疗大模型的主要商业模式可以分为三大类，分别是针对政府、企业及 C
端消费者。
政府端主要包括在基层场景，主要由财政统筹的涉及大模型应用的医疗服务，例如中医
辨识服务、医疗影像辅助诊断服务、疾病筛查项目等。此外，还有针对卫健委、医保局
或药监局等医疗行业监管和审批部门，涉及应用大模型的医保审查、区域健康信息监管
等应用场景。
图表 14 医疗大模型院外主要商业模式及参与企业举例
资料来源：动脉网 2025 年医疗人工智能产业研究报告
企业端是目前医疗大模型院外商业化走得最为成熟和靠前的付费端口，其中药械研发企
业是付费主力军。以药企为例，医疗大模型渗透药物研发、药物生产、药物临床试验、
药物审批、药物上市后真实世界研究、药物数字营销等全流程。对于家用医疗器械，有
了医疗大模型加持，让器械从只会测数据的机器转变为懂健康、会交流、能指导的健康
管理专家。京东健康依托 JoyInside，已与瑞迈特、三诺生物、微泰医疗、鱼跃医疗、
邦邦车、可孚医疗、振德医疗、硅基动感、施乐辉、康乐保等医疗器械品牌签署接入协
议，为他们产品植入“高情商大脑”，实现超拟人对话、全年龄段适配、言行高度协调等
功能，让医疗器械从“功能工具”变为“主动关怀的智能伙伴”。
其次，保险企业也有诸多医疗大模型的应用场景，例如在保险设计环节、保险核保环节、
28
保险销售推广环节。近年来，行业也在积极探索依托医疗大模型进行的针对被保人的个
性化健康管理，以降低赔付率。
最后，针对国央企或者大型的企业，医疗大模型还被用于员工的健康福祉之中，提供心
理支持、健康管理等服务。
总的来说，院外场景的医疗大模型的落地环境，需要打通的“关卡”相对较少，相较院内
场景，少了政策、审批等硬性要求，可以更多聚焦在产品性能。此时，医疗大模型一旦
证实了其“降本增效”的实际价值，便能很好完成商业闭环。
医疗大模型院外商业模式解析
在院外，医疗大模型的销售主要模式与院内相同，依然可以分为以软件形式、软硬件一
体、以服务形式以及行业基座的形式进行商业化探索。
图表 15 医疗大模型在各类商业模式中存在的产品形态
资料来源：公开信息、行业调研，动脉智库整理
值得一提的是，一款医疗大模型产品往往兼具多商业模式及商业形态，其高度灵活性为
使用方尽可能提供最多的选择方式。以传神语联的自研中医大模型为例，在 B端场景，
企业推出“双脑”大模型一体机以满足隐私与部署成本需求，与此同时在C端配合自研智
能穿戴设备极大提升 C端的使用体验。
ToG场景的医疗大模型
基层虽为医疗机构的一种，但医疗大模型的采购多由区域财政统筹支付，因此被归为此
类。基层由于其健康职能定位的特殊性，医疗大模型在该场景的推广应用又有自身的独
特之处。
基层
29
2024 年 8 月，《中共中央关于进一步全面深化改革、推进中国式现代化的决定》明确
提出“强化基层医疗卫生服务”；同年底《卫生健康行业人工智能应用场景参考指引》发
布，“人工智能+基层公卫服务”是此次应用场景指引的五大板块之一，指引明确给出了
围绕健康管理服务、公共卫生服务和养老托育服务三个应用领域的 23 个应用场景。政
策的有力推动下，人工智能在基层的落地不但有了更强的市场准入政策依据，更是明确
了落地的切入口，引导供需双方更快达成应用共识，推动落地加速。基层卫生健康工作
是满足人民群众健康需求的第一道防线，也是卫生与健康工作的重点。
目前，基层医疗卫生机构正以三分之一的卫生人力资源，提供全国一半以上的诊疗服务
量以及绝大多数的基本公共卫生服务。随着国民健康意识增强，人口老龄化、慢病人群
数量攀升，基层的任务愈发重要及繁多，医生数量短缺的矛盾也将随之加剧。在政策和
刚需的推动下，基层成为医疗人工智能落地的绝佳场景，而对于近年来兴起的医疗大模
型亦是如此。
基层是四大热门的医疗大模型落地场景。基层场景的职能具有强政策引导性，因此应用
于重点职能的医疗大模型也就有了更好的落地牵引力。细究具体的应用场景，影像辅助
诊断、全科医生、中医及慢病管理医疗大模型是基层的落地热点。
图表 16 基层场景的热点落地医疗大模型类型
资料来源：公开资料、调研访谈，动脉智库制作
影像辅助诊断类产品可以弥补基层影像医师数量不足、判读能力参差的现状，助力基层
更好完成健康筛查任务。全科辅助诊断医疗大模型可以帮助基层医生更加规范、标准化
地进行诊疗，通过基于循证的辅助决策有效降低漏诊率，更好地完成分级诊疗的角色任
务。此外，中医作为政策强推的基层医疗机构特色服务，相关大模型也自然得到较好地
落地；而慢病管理作为基层考核的重点，相关大模型可以助力实现风险预测、智能随访、
用药提醒、并发症预警，降低人力负荷并通过数据闭环更直观地展现慢病管理成效。截
30
至 2025 年底，搭载讯飞星火医疗大模型的智医助理已覆盖全国 31个省市、806个区县，
服务超 万个基层医疗机构；累计提供AI 辅诊建议超 11亿次，辅助生成规范化电子
病历 亿余份，识别不合理处方 亿余份，经系统提醒修正的有价值诊断达 195万
余例，以规模化落地实效印证 AI 技术赋能基层医疗的核心价值。
大模型的部署和应用对服务器和网络等技术基础建设也提出了更高的要求。如大模型的
落地需要基层进行相关基础建设的打造为前提，无疑会增加基层的使用门槛，限速大模
型渗透。因此，软硬件一体的医疗大模型销售模式在基层相对流行，即为基层提供“开
箱即用”的、包含了算力和医疗大模型底座、人工智能应用于一体的一体机。
监管部门
除了基层，卫健委、医保局、疾控中心、药监局等行业监管部门也是 ToG 场景中医疗
大模型落地的重点应用标的。综合部门的职能、需求的急迫性、大模型技术成熟度以及
数据获取难度等多维度因素，各部门场景的应用成熟度也有所不同。目前，医保部门在
基金监管方面的大模型应用最为成熟，其次是卫健委、疾控中心及药监局也积极探索，
走过技术验证阶段，迈入可复制的落地模式打造阶段。
图表 17 医疗大模型在各监管部门的应用场景及成熟度
资料来源：公开资料，动脉智库制作
在商业化落地方面，政府采购依然是主流模式，政府根据现有需求，采购成熟的医疗大
模型，以项目制或订阅制的方式付费给技术企业。此模式中涉及的医疗大模型，往往应
用于高度共性的场景，并且企业基于对场景充分的理解，提供了较好的场景适配性。
但是，由于数字化改革的推进，越来越多的新兴场景、非标场景不断给大模型提出新的
要求，这使得监管部门与技术企业之间的合作模式应需有了新的探索。
研发+商业模式创新，适应不断出现的新需求。为了应对产品性能的新需求，行业出现
了联合研发的模式并迅速热门，政产学研共建，针对特定的、新兴的应用场景，探索医
疗大模型落地赋能的最优解，平衡安全、成本、使用效果等。此外，为了促进更快落地
31
应用，行业也出现了商业模式的创新，即平台运营形式，由科技企业建设投入后，与相
关应用部门风险共担、收益共享。
图表 18 行业监管部门医疗大模型落地主要商业模式
资料来源：公开资料、调研访谈，动脉智库制作
数据是区域类医疗大模型落地主要掣肘。这类大模型由于涉及的数据来自多个机构，跨
机构的数据获取、治理和应用问题是共有的难点，也是大模型商业化落地的掣肘。一方
面，部门基层的信息化基础建设尚未完善，缺乏数据基础支撑模型运营；另一方面，各
机构系统接口复杂、数据格式不统一、词条标准各异，获取和治理也面临很大挑战；最
后，在数据安全、合规及数据确权上，也是一大难点。
ToB 场景的医疗大模型
降本增效是B端医疗大模型落地强动力。ToB的应用场景，受到的政策监管和数据约束
相对较少，在模型性能能够满足应用场景的具体需求后，达成合作的环节更加直接和简
单。因此，在大模型能够显著提升效率、降低成本的应用场景，B端已经有不少成熟的
商业落地合作，甚至规模化的落地合作。基于大模型院外应用场景，我们此小节以药企、
院外健康服务商、保险企业为主要付费对象进行拆解。
（1）创新药企
医疗大模型已深度介入药物开发的全流程，通过赋能靶点发现、分子设计、临床试验优
化等关键环节，直击传统新药研发周期长、投入大、成功率低等核心痛点。以应用相对
成熟的临床试验环节为例，该环节流程繁琐、监管严格且专业门槛极高，长期面临周期
32
冗长、成本高企的困境。近年来，得益于临床试验领域扎实的信息化基础，大模型通过
嵌入现有信息化系统，有效优化了受试者招募、数据清理与分析等耗时环节，显著提升
了整体效率。随着技术持续演进，部分大模型已能辅助开展实时风险评估，不仅作为效
率工具缩短试验周期，更切实提高了临床试验的成功率。
在药物上市后，大模型同样发挥着重要作用。当前，我国创新药上市数量已位居全球第
二，但高值创新药仍普遍面临“进院难、支付难”的突出问题。过高的定价，不仅限制了
药物可及性，也阻碍了创新成果转化为企业持续研发的资金支撑。以大模型为代表的人
工智能技术，正成为破解这一难题的关键抓手。例如，镁信健康为药企提供基于AI 的“智
药”解决方案，为药企提供市场洞察、患者管理、渠道规划等药品全生命周期商业化方
案，帮助药企整合医药多元支付。其招股书披露，2025 年 1月-10 月，镁信健康 %
收入来自于智药解决方案，合作药企已超 140家，包括 90%的全球前 20大药企。针对
药企，镁信健康“智药解决方案”构建了以患者为中心的统一数据枢纽，以结构化支付数
据为基础，整合全谱系疾病治疗数据、行为分析及理赔支付轨迹，并借助 AI 生成疾病
分析和患者洞察，为药企提供药品可及性分析与市场策略支持，助力药企打造多元支付
解决方案，推动创新药真正惠及更多有需要的患者。
图表 19 大模型在药物研发各环节应用场景举例
资料来源：动脉网 2025 年医疗大模型行业研究报告
（2）院外健康服务商
医疗大模型正深度渗透健康服务全流程，有机整合院外健康管理全生态，直击行业长期
存在的服务同质化严重、运营效率偏低、个性化干预不足的核心痛点。
在面向用户的全周期健康管理场景中，大模型可深度整合解读用户多年累积的多源健康
数据，从零散体检报告、检验指标里构建连续完整的个人健康画像，精准捕捉隐匿健康
风险，并生成可落地执行的个性化干预方案。其应用覆盖慢病智能管理、智能减重干预、
33
个人健康档案运维、体检报告智能解读等多元场景：一方面破解了传统健康服务高度依
赖人工、产能有限、难以规模化普及的行业困境，有效提升服务专业度与用户粘性；另
一方面可实现体检数据快速结构化分析，自动生成通俗化解读报告与后续健康指导，在
降本增效的同时筑牢服务标准化体系，成为健康管理企业数字化升级的核心抓手。
对于医疗科技行业而言，大模型可成为企业产品智能化革新与业务效能提升的核心赋能
底座。针对业内普遍存在的产品功能同质化、存量数据利用率低等发展瓶颈，大模型可
快速为企业现有设备、软件注入智能能力，在智能诊疗联动、医学知识挖掘等场景提供
辅助决策支持。该轻量化赋能路径无需企业从零自研底层模型，具备成本可控、落地见
效快的优势，助力企业拓宽应用边界、优化业务运转效率。
针对不同 B端客户差异化诉求，智诊科技针对性打造分层定制化解决方案：一方面通过
开放平台以 API、token 等方式输出底层模型和医疗工具能力，服务具备研发能力的企
业客户；另一方面，以国内首个医疗Agent 平台WiseClaw作为核心承载，结合MCP、
Skill、OpenClaw、Harness 等技术模块，支持企业构建可配置、可追溯、可治理的医疗
智能体，并进一步通过专家分身H5等零代码产品满足医生、营养师等专业人士的轻量
化应用需求。目前，智诊科技已与全国 300+顶级三甲医院、500+头部医疗健康企业达
成合作，显示出其医疗 AI 产品在真实业务场景中的落地能力和市场验证基础。
（3）保险公司
近年来随着国民收入水平提高及健康意识觉醒，商保在支付体系中的占比正逐步提升。
面对品类繁多、条款复杂的商保市场，围绕商保产品全生命周期综合服务商应运而生。
它们不仅帮助保险公司设计产品，更通过搭建连接用户基础与各大险企的桥梁，提供涵
盖销售、核保、理赔的一站式服务，有效解决了供需匹配难题。
在创新药领域，第三方平台的价值尤为凸显。由于多元支付尚属新兴领域，第三方平台
凭借成熟的认知与经验，能够加速药企与保险公司的合作进程，提高成功率。同时，面
对跨地域的复杂业务场景，第三方平台能够承担起繁琐的测算与评估工作，显著降低药
企和保险机构的投入成本。
以中国最大的医药多元支付平台镁信健康为例，自 2017 年成立，已与 100家保险公司
建立合作，惠民保服务覆盖 170+城市，累计服务保单数超 亿。数据背后，是镁信
健康产品与服务的价值积累。针对传统支付体系中“控费难、结算慢、资金压力大”的痛
点，镁信健康依托医药与保险垂类大模型 进行破局，其核心价值聚焦于“提效
降本”与“协同创新”两大维度：前者大幅提升支付结算效率、优化医疗资源配置，后者推
动医保与商保高效协同，助力创新药械快速落地。具体而言， 通过深度挖掘、
34
精准识别真实医药支付数据与保险理赔数据中的风险特征及价值规律，并全面渗透到“产
品设计、精算定价、风险控制、理赔运营”等核心环节。这一举措不仅破解了通用大模
型在医药险领域不懂商保规则、不熟悉药品目录、不具备精算逻辑的水土不服难题，更
助力健康险突破同质化困局，加速健康险的迭代和创新步伐，使健康保障更精准地契合
市场需求。
在 B端市场，大模型的商业化主要呈现为两种主流模式：一是以软件授权形式销售产品，
二是提供基于大模型的专业服务。近年来，随着行业应用的深入与验证，市场对“交付
结果”的诉求日益增强。相较于单纯“交付工具”的产品销售模式，能够直接“交付最终价
值”的服务模式受到更多的选择。
ToC 场景的医疗大模型
另一个院外拥有高吸引力的大模型落地场景是面向C端的健康相关服务。自2016年《健
康中国 2030》发布以来，国民对健康的重视程度持续增强，并逐步从“疾病治疗”向“疾
病预防”前移、从“被动治疗”向“主动健康”转变。随之而来的就是更多的健康服务需求，
例如亚健康状态改善、日常偶发性不适的咨询、体检报告解读、药物及疾病知识学习、
个人健康档案管理及疾病预防等。传统的医疗体系显然难以支撑该类激增的健康服务需
求，因而大模型的应用可很大程度解决健康服务能力供给不足的情况。智诊科技推出的
“好伴 AI”，通过长期记忆构建个人健康档案，提供医学咨询、报告解读等健康服务，创
新性引入“专家数字分身”模式，为 C端用户提供专业化、连续性的医疗级健康管理服务。
截至目前，好伴 AI 已覆盖 300 家医院，拥有 2000 余个专家数字分身，已累计服务超
2000万人次。值得一提的是，好伴 AI 接入了微信小程序，可将日常健康管理嵌入家庭
微信群，实现健康管理与家庭日常沟通场景的融合。
C端是医疗大模型商业化探索最为多元的场景。以健康管理为例，由于健康管理不仅仅
是慢病人群的健康刚需，对于医保、商保、药企、企业及临床科研均是迫切的、待满足
的需求。因此慢病管理的付费方和商业模式充满了多样性。
35
图表 20 各方对围绕 C端的健康管理的需求
数据来源：动脉智库制作
按照付费方分类，目前主要的商业模式可分为药企支付、企业支付、保险支付及个人支
付四大类。
药企支付
疾病治疗中，药物的有效性往往依赖患者按照药物服用方案规范用药，并根据自身反应
必要时进行药物计量及用药方案的调整，有时还需配合相应的生活方式干预。因此，为
了了解药物上市后真实世界的疗效、为了找到药物针对典型疾病的最佳用药方案，药企
有强大的动力为相关用药者的健康管理付费，以确保药物被规范使用。在此模式中，健
康管理服务需要达成的任务多为RWS报告、患者DOT延长以及患者教育等。例如惠每
数科，依托其个案管理师智能体为患者提供的个性化健康管理服务，通过 DOT有效延
长、患者治疗效果及满意度提升等价值维度，得到药企的充分认可，现已与超 70 家国
内外药企达成合作协议。
企业支付
企业为员工提供相关健康服务是由来已久的、企业必不可少的发展战略之一，由企业为
员工采购的健康管理，相对疾病干预，更加侧重疾病预防，即提前预测健康风险并进行
提前干预，避免疾病发生。作为一项能够带来显著收益的“战略投资”，对于员工有效的
健康管理，可以带来诸多益处。一方面，健康的身体状况带来的更高出勤率和工作效率，
能够带来最直接的经济回报。另一方面，更好的员工福利能很大程度上增强企业凝聚力、
塑造企业竞争优势，从而增加组织效能。在此模式中，健康管理服务需要达成的任务多
为员工整体健康风险的降低、健康指标的改善等。
保险支付
36
与企业为员工付费有类似逻辑的是保险为被保人购买的健康管理服务，两者同样看重的
是风险的评估和疾病的预防。因此，服务于保险端及企业端的健康管理服务有着相似的
诉求。此外，提升保险自身的竞争优势也是另一大付费动力，在保险品类越发丰富，保
单内容同质化加剧的背景下，健康管理的加入成为打造保险差异化的重要方案之一。在
此模式中，健康管理服务需要达成的任务多为健康风险的降低、满意度的提升等。
患者付费
健康管理的需求群体庞大，但是人们对健康服务自费买单的整体市场教育程度还未十分
成熟，该类商业模式未实现规模化落地。不过，据调研发现，行业均非常看好由C端直
接付费的健康管理服务的未来并积极布局于此。以讯飞晓医 APP 为例，作为讯飞医疗
面向C端打造的健康管理助手，聚焦普通民众看不懂体检报告、就医咨询不专业、日常
健康无管理、慢病居家无指导等全民健康刚需，依托大模型迭代升级后的多轮智能问诊、
专业报告深度解读、个性化用药咨询、疾病健康科普、慢病居家养护指导等核心能力，
打造 24 小时一站式智慧健康服务。目前，讯飞晓医APP累计下载量突破 3000 万，完
成超 亿次 AI 健康咨询服务。
图表 21 不同商业模式中 C端健康管理的任务对比
数据来源：动脉智库制作
除了健康管理，ToC 的医疗大模型还在药事服务、保险服务等更多领域均有探索和应用，
我们发现，C端医疗大模型逐步呈现出功能集合、商业模式混合多元的状态。例如生生
纪（keeploop）依托强大 AI 基础不断拓宽以医学实证为基础、以消费级体验为载体的
智能健康产品（包含居家健康检测与管理、皮肤功能修复与焕新、情绪与精神健康干预
等方向），助力医疗级技术从医院场景向院外及家庭场景外溢。再如 2026 年一经发布
就迅速走红的蚂蚁阿福，医疗大模型作为触达 C端的流量入口，一改单一的健康服务提
37
供，定位于健康伴侣尝试覆盖所有健康相关需求，如问诊、健康管理、保险等，并通过
系列服务获得药企、保险、健康服务企业、个人等多元化的付费方，形成融合的商业模
式。
本章小结：
由政府统筹支付或牵头落地的医疗大模型，主要应用场景为基层及行业各监管部门。
该场景的医疗大模型需要紧跟政策及监管需求，由于涉及多机构，信息化基础及数
据互联互通的程度是核心落地土壤。
在企业端的落地由于受到的政策约束更少，医疗大模型更聚焦于降本增效及价值新
增的性能提升和打造，目前，药企无疑是该应用场景中最大的支付方。
C端大量的用户终端对医疗大模型商业化有着极大的吸引力，也是商业化模式探索
最为多元的场景。目前，应用于 C端的医疗大模型呈现出功能聚集、商业模式融合
的趋势，即覆盖用户全周期健康需求，并基于此达成多付费方的链接，多元化实现
商业闭环。
38
39
第四章 未来趋势
院内严肃医疗大模型，以专科切入打造信任背书
院内的严肃医疗大模型指主要围绕医生/医师的检查和诊断环节，主要应用范畴如放射
影像、超声影像、病理影像诊断、治疗方案生成、手术导航等。该类大模型需受药监局
监管，获得相关医疗器械证后进入临床使用。
由于该类医疗大模型涉及医疗场景的容错率低、偏差导致的后果较重，责任重大，因此，
商业化落地的门槛也最高。性能优化+监管合格（即通过相关试验验证性能后获得医疗
器械证）+信任背书缺一不可。
性能优化+监管合规是所有技术企业目前正在聚集努力的方向，不断提高模型的性能、
降低幻觉，通过临床试验、科研项目、小范围试点等验证性能。此环节投入的资本及时
间成本极高，是商业化落地的核心必要条件。
但还不够充分，成功入院后，要突破被具有创新性的部分医生尝试，达到让所有医生加
入使用，还需要行业专业的信任背书。一方面，是产品性能的专业背书，如医疗大模型
训练数据集的专业来源，基于行业认可甚至拥有权威认证的数据集训练而成的大模型无
疑会获得更多的使用信任；另一方面，是产品使用方式的专业背书，积极将医疗大模型
使用方式及流程融入相关临床指南或行业标准中，不仅给与使用者信任更直接保障使用
方式的正确和准确。例如，京东健康联合北京大学肿瘤医院、广州医科大学附属第一医
院、中山大学孙逸仙纪念医院、温州医科大学附属第一医院等头部三甲医院，在消化道
肿瘤、呼吸系统疾病、泌尿系统肿瘤、营养科等领域深入共建专科专病大模型，推动“京
医千询”从通用基座向专科纵深持续拓展。
以上的每一个条件都并不容易，因此聚焦专科、单点击穿是目前企业商业化落地的主旋
律，政策也给予了众多聚焦具体应用场景的落地支持。未来，将会有越来越多的医疗大
模型，跑通此流程，在各自的优势应用场景完成一个又一个标杆性的商业落地闭环。
C 端付费有限，更多融合、多元的商业化模式出现
C端市场拥有庞大的用户基数，是医疗大模型技术企业乃至整个大模型行业寄予厚望的
商业化蓝海。然而，在直接面向C端的落地实践中，规模化且可持续的商业模式迟迟未
能成型。究其根本，C端用户健康需求的多元化与单个用户付费意愿的天花板较低，是
制约其发展的两大核心瓶颈。
40
C端需求多元，推动单一服务向全生命周期陪伴延伸。C端用户的健康需求极为广泛且
分散，单一功能的服务难以精准锁定目标人群，且其价值感往往不足以激发用户的付费
意愿。为此，企业探索出了“B2B2C”或“G2B2C”的迂回路径，即通过满足政府（G端）
或企业（B端）的特定诉求，间接为特定人群提供健康管理服务。例如，通过与政府民
生项目合作，为区域内的糖尿病患者提供专业的血糖管理服务。尽管服务由 B端或 G
端买单，但最终使用者仍是 C端个体。因此，要打造产品的核心竞争力，医疗大模型必
须从单一的健康服务提供者，向覆盖用户全生命周期的“健康陪伴者”角色演进，在用户
心中建立起不可或缺的价值锚点。
扩大用户触达范围，构建融合多元的商业生态。面对单个 C端用户有限的付费能力，要
实现规模化商业落地，企业不仅需扩大用户触达范围，更需积极探索融合、多元的商业
化模式。当前，行业正朝着两个方向发力：一是通过提供更丰富、更深度的健康服务，
提升用户体验，挖掘其付费潜力；其二是拓展付费方，通过链接问诊、药事服务、保险
等多元健康资源，将药企、保险公司等B端机构引入付费方行列，构建多方共赢的融合
商业模式。而随着医疗成本持续攀升与资源配置压力加剧，AI 在医疗支付领域的应用价
值将愈发凸显，成为驱动医保与商保体系“提质增效”的关键引擎。
基础建设不断完善，推动医疗大模型落地进程
医疗大模型的落地依赖于完善的基础建设，包括完善的、有效的（数据能用、好用）的
信息化基础；高质量的医疗健康数据集以及足够支撑医疗大模型运行的算力。
目前，信息化系统渗透率高，信息化相关建设基础的核心完善方向在于不同系统之间数
据的互联互通，让“沉睡”在各个系统中的数据聚集起来，变成真正能够用的高质量数据。
随着越来越多企业加入其中、越来越多人工智能技术运用其中，将有更多的数据不断释
放潜在的价值，助力医疗大模型更好落地应用。东软集团全新升级的添翼医疗大模型，
进一步扩充模型训练的高质量数据集，遵循 2000 余项数据质量标准和 50 余项安全规
则，持续迭代更新近 70 个高质量专病数据集。高质量数据集大幅提升添翼医疗大模型
的基础能力和泛化能力，同时降低输出幻觉。
除此之外，算力是阻碍医疗大模型落地的另外一个核心掣肘。据调研，诸多医疗机构均
存在采购了医疗大模型却由于无算力基础而难以真正落地使用或仅能使用大模型的部
分功能的现状。一个医疗机构将采购和使用诸多医疗大模型适用于不同的场景，算力应
由医疗机构作为基础建设投入使用亦或是相关大模型企业提供配套算力支持，目前在行
业尚无共识。我们看到，行业正积极探索相关解决方案，云算力及算力租赁等新兴形式
也在不断验证其可行性。未来，随着数据和算力的相关基础建设逐步完善，医疗大模型
41
能够有更好的环境落地从而展现其真实价值和性能，将进一步推动医疗大模型的整体商
业化进程。
G-B-C 创新模式，三端融合驱动价值循环
GBC（政府、医院、个人）三端融合正逐步确立为医疗大模型商业化落地的核心发展趋
势。其中，G端（政府/基层）作为基本盘，通过政策引导与基层医疗覆盖，为行业树
立了应用标杆并沉淀了标准化的底层数据；B端（医院）作为技术高地，通过与顶尖医
疗机构的深度合作，实现了医疗大模型在复杂临床场景中的技术验证与专业化迭代；C
端（个人）作为广阔的市场增量，直接触达海量用户，不仅形成了健康管理的核心入口，
其产生的真实世界数据（RWD）更能反哺模型优化。这种“G端定标准、B端强技术、C
端拓市场”的飞轮效应，能有效解决医疗AI 行业长期面临的“数据孤岛”与“商业变现难”
42的痛点，也标志着行业正从单一的产品销售向平台化运营转型。
43
第五章 企业案例
智诊科技：打通医疗大模型“技术研发——场景应用——商业
变现”的完整链路
技术可靠性、场景适配性与商业化可持续性，是衡量医疗大模型企业核心竞争力的重要
维度。当前，医疗大模型行业普遍面临技术与临床需求脱节、数据壁垒突出、幻觉风险
难控、商业模式单一等行业痛点，能否贯通从底层模型研发到真实场景应用，再到持续
商业变现的完整链路，正在成为企业突破发展瓶颈的关键。
智诊科技的路径，是以专业医疗大模型为核心支撑，通过 B端深度赋能 + C 端场景渗
透的双向布局，逐步构建起可持续的商业闭环：B端真实医疗与健康管理场景为模型能
力提供权威验证和落地反馈，C端高频健康服务需求为产品迭代和用户运营提供持续支
撑，二者形成正向循环，使智诊科技成为医疗大模型规模化落地的代表性企业之一。
核心技术底座：WiseDiag 多模态大模型，构建医疗AI 可信底座
传统通用大模型在专业知识深度、多模态理解能力和幻觉控制方面仍存在明显不足，难
以直接适配复杂医疗健康场景。智诊科技推出WiseDiag 全能多模态医疗大模型，实现
从百亿参数到千亿级混合专家架构的跨越，能力从全科医生升级为跨学科协同的专科医
生集群，支持超长上下文窗口，可一次性分析 5 年病史与影像资料，突破传统模型局
限。
该模型依托图文同构技术，支持医学影像、病历、检验单等多模态医学数据的理解与结
构化分析，整合影像、病历、检验单等多模态数据，打破信息壁垒，形成患者全面认知，
既能输出系统性诊断，也能识别非典型症状，降低诊断偏差。配套WiseMemOS 智
能记忆中枢，模拟人脑神经可塑性，实现认知内化，分析跨年度健康曲线，捕捉数值正
常但趋势异常的隐匿风险，并可回溯修正前期诊断。WiseResearch 医疗端到端智能体
以循证决策为核心，搭配高精度识别、结构化医学知识库与专业医学搜索引擎，严控幻
觉风险，强化技术可靠性。
模型训练历经 50 余位医学专家监督微调，融合 2300 余本医学书籍、22 万余篇论文、
25000 余篇指南、30 万条优质问答数据，专业底座扎实，在评测表现方面，WiseDiag
已在 DoctorBench、MedBench、HealthBench、CMB 等医学 AI 评测中多次位列全球
第一或名列前茅，体现出其在医学理解、循证推理、安全性和复杂问题处理方面的综合
优势。
44
图表 22 WiseDiag 全能多模态医疗大模型
图片来源：智诊科技
C 端场景标杆：好伴 AI，打造全生命周期家庭健康管家
不同于普通健康工具的基础咨询功能，智诊科技的好伴 AI 提供体检报告解读、健康咨
询、家庭健康管理和长期健康档案追踪等高频需求，实现从临时问诊工具到长期健康管
家的升级，破解服务碎片化难题。考虑到用户缺乏专业医疗知识，难以准确描述自身健
康状况，好伴 AI 整合全球最新临床数据与全国 2000 多位三甲医院医生的数字分身，以
强大的循证推理能力，模拟真实临床问诊流程，通过主动补充关键健康信息、建立精准
健康画像，使健康指导更具专业性和针对性。
从产品形态看，好伴 AI 通过微信小程序等轻量化入口降低用户使用门槛，支持报告解
读、拍照识热量、专家问答等功能，并可进入家庭微信群聊场景，实现家庭成员共同参
与健康管理。这一设计有助于覆盖老人报告分享、子女远程解读、复查提醒和家庭健康
决策等高频需求，使医疗 AI 从个人工具进一步延伸至家庭健康管理场景。目前，好伴
AI 累计服务用户已超过 2000 万人次，成为智诊科技连接个人用户、家庭健康管理和长
期健康服务的重要入口。
商业布局：多元可持续商业模式，实现规模化落地突破
针对医疗大模型行业普遍存在的商业化落地难、盈利模式单一、规模化复制能力弱的发
展瓶颈。依托WiseDiag、WiseClaw 与好伴 AI，智诊科技构建了覆盖政府、医院、健康
机构、医疗科技企业及个人用户的多元化商业布局，形成了可持续的盈利模式与行业领
先的规模化发展优势。
45
在 B端，智诊科技采用 MaaS（Model as a Service）、AaaS（Agent as a Service）和
Solution as a Service 的分层赋能模式，面向不同技术能力和业务需求的客户提供差异
化服务。其中，WiseClaw作为全球首个医疗Agent 平台，进一步提升了公司在企业级
场景中的平台化交付能力。目前，智诊科技已与全国 300+顶级三甲医院、500+医疗健
康企业建立合作，并在区域基层健康管理场景中探索‘AI+家庭医生’服务模式，体现出较
强的产业端落地能力。在 C端，好伴 AI 承担个人与家庭健康管理入口的角色，持续提
升用户触达、服务粘性和场景覆盖能力。目前，好伴 AI 累计服务用户已超过 2000 万
人次，并通过 2000+专家医生分身强化专业服务能力和用户信任基础。
智诊科技通过 B端与 C端双向联动，形成 “技术验证——数据反哺——模型迭代——商
业增值” 的闭环，既保障技术贴合临床需求，又实现商业可持续增长，为医疗大模型行
业提供可复制的标杆路径。
东软集团：大模型迈向深层次临床创新与多元化场景应用
1. 筑牢医疗AI 底层技术底座，构建原生融合的开放架构
在医疗数字化加速迭代背景下，东软集团持续深耕医疗人工智能赛道，聚焦院端智能化
改造，不断推进医疗大模型技术迭代与临床落地。
东软提出医疗 AI 建设理念，即以“可信”作为底层逻辑，AI 原生（AI-Native）理念、循
证驱动（Evidence-Based）认知、智能体协同（Agentic AI）演进。依托自研东软添翼
医疗大模型，集团深耕真实医疗场景，打造适配医院业务的智能化体系。添翼医疗大模
型遵循 2000 余项数据质量标准和 50余项安全规则，迭代优化近 70个高质量专病数据
集，将人工智能深度嵌入医疗核心业务流程。在技术能力创新层面，依托“微观思维链 +
宏观思维链”双层框架完善临床决策逻辑，借助多智能体实现复杂医疗任务协同执行，
同时保障数据可追溯、结果可校验，构建安全可信的医疗技术体系，为多场景规模化落
地奠定技术根基。
2. 实现医疗全链条规模化落地
依托完善的技术架构，东软集团基于添翼医疗大模型研发 120余个智能赋能体，已在国
内 100余家医疗机构完成规模化落地，实现多业务系统原生融合，覆盖智慧临床、智慧
管理、智慧服务全链条场景，以实用化AI 能力赋能医疗行业提质增效。
全科临床辅助决策为核心应用板块，模型搭建全流程诊疗辅助体系，综合能力表现优异。
其支持诊断种类达 10549 种疾病，对标国际通用 ICD编码实现诊疗标准化；储备海量
46
药品、手术、检验医疗数据，构建完备医学知识库；依托高效计算架构适配临床高频场
景，疾病诊断 Top5 准确率达 %，有效辅助医生研判病情、优化诊疗方案，大幅提
升临床诊疗效率。
病历智能生成聚焦医护工作痛点，深度解析多源医疗数据，贴合医生诊疗思维生成规范
文书。产品支持总结类病历自动编撰，针对临床过程总结场景，系统通过整合患者诊疗
全过程中的多源医疗数据，自动提取关键诊疗信息，模拟医生临床记录思维，实现总结
类病历的自动生成。支持语音实时转写记录，面向医患沟通与查房记录等场景，系统通
过采集医患对话语音，结合语音识别与语义理解能力，实现“所说即所记”的病历生成方
式。同时内置质量校验机制，依托溯源功能厘清数据来源，在降低医护文书工作压力的
同时，提升病历规范性与精准度。
医疗行为监管重构行业管控模式，可兼容解析多类型医疗数据，包括结构化数据、大文
本数据及 PDF 等非结构化数据，覆盖病历数据、医嘱处方数据、检查检验数据及其他
监管所需信息。完成数据标准化处理后，系统依托预设规则实现风险自动识别、异常精
准判定，将传统人工抽查模式升级为批量智能化核查，输出结构化监管报告，推动医疗
监管从事后整改向全流程闭环管控转型。
居民 AI 健康助手面向民生医疗需求，打造智能化私人健康服务。依托多角色医生模型
及动态记忆等能力，结合用户健康数据提供个性化咨询、风险提示与服务引导，打通居
民健康需求与医疗资源的衔接通道，完善普惠健康服务体系。
图表 23 东软添翼智能化全系解决方案
47
图片来源：东软集团
3. “AI+数据”融合创新赋能医疗健康产业长效进阶
添翼医疗大模型的成功落地，绝非简单的技术叠加，而是东软集团三十余年医疗行业
Know-how与前沿算法的深度融合。2026 年 4月，IDC 发布的权威报告《中国医疗大
模型技术评估，2026》，东软集团凭借“添翼医疗大模型”及其在实际业务场景中的卓越
应用表现，稳居中国医疗大模型第一梯队。未来东软集团将持续深化 AI 与医疗数据融
合创新，深耕临床数字化改造，依托技术迭代优化医疗服务模式，赋能医疗健康产业长
效进阶。
讯飞医疗：GBC 全场景闭环，医疗大模型规模化落地标杆
1. 以星火医疗大模型为底座，全面赋能政府监管治理、医院提质增效、居民健康管理
讯飞星火医疗大模型是讯飞医疗自主研发的核心 AI 技术底座，依托长期积淀的权威医
学知识库与持续迭代的算法研发能力，构建覆盖政府、医院、居民的GBC全场景一体
化产品矩阵，通过持续迭代 AI 诊疗助理、AI 健康助手等核心应用，全面赋能政府公共
卫生监管治理、医疗机构提质增效与居民全周期个人健康管理。
2. 专科诊疗能力达三甲主任医师水平，已在多领域实现规模化应用
自 2023 年发布业内首款全国产算力训练医疗大模型以来，讯飞医疗持续深耕高质量医
疗数据集建设、医院专属模型优化与医疗专业智能体研发，在医学循证推理、健康智能
交互等关键技术领域实现持续突破，模型综合核心能力长期位居行业领先水平，在智能
健康分析、医疗报告智能解读、个性化健康方案生成、临床辅助诊疗、智能用药审核等
核心任务上表现优异，整体性能显著优于国内外主流大模型，专科诊疗能力已达三甲医
院主任级医师水平，并在便民健康服务、临床诊疗辅助、公共卫生管理、医学科研支撑
等多领域实现规模化落地应用。
3. 持续构建 GBC三端价值循环智慧医疗健康新生态，领跑全球产业化落地
依托星火医疗大模型强劲技术底座，讯飞医疗全面推进GBC 三端深度协同发展。在G
端基层公共卫生领域，核心产品智医助理是全球唯一通过国家执业医师考试的医疗 AI
系统，已覆盖全国 31 个省份、806个区县、超 万家基层医疗机构，持续巩固基层
48
医疗智能化市场主导地位；战略产品数智家医（慢病管理）已在上海、深圳龙华等区域
落地，聚焦家庭医生签约履约与慢病精细化管理，构建基层主动健康服务闭环，夯实区
域公共卫生治理能力。
在 B端医院领域，契合医院信息化建设从数字化 向智能化 升级核心需求，围绕
临床诊疗质控、科研数据治理、术后患者随访等行业痛点，打造智慧服务、智慧医疗、
智慧管理三位一体全流程解决方案，深度匹配医院降本增效、提质升级发展目标，目前
已服务全国 600余家等级医院，涵盖 50余家中国百强医院及 7家全国十强医院，助力
近 20家医院顺利通过电子病历五级、智慧服务三级权威评测。
在 C端居民健康管理领域，依托星火医疗大模型持续迭代健康服务产品矩阵，讯飞晓医
APP累计下载量突破 3000 万，完成超 亿次 AI 健康咨询服务；AI 智能诊后随访管理
平台依托超拟人交互技术，可结合患者病历数据开展个性化随访指导，支持患者实时互
动提问，随访完成率高达 97%，复杂健康问题解答率达 86%，有效提升患者用药依从性
与复诊率。同时，智能助听器、AI 血压计等居家健康智能硬件持续放量，不断将优质医
疗 AI 服务从院内临床场景延伸至院外居家健康全周期场景，构建GBC三端数据互通、
能力互补、价值循环的智慧医疗健康新生态。
图表 24 讯飞医疗 GBC业务矩阵
图片来源：讯飞医疗
未来，讯飞医疗将依托星火医疗大模型，持续构建 GBC三端数据互通、能力互补、价
值循环的智慧医疗健康新生态，持续领跑全球医疗大模型产业化落地。
49
京东健康：从技术领先到真实场景的规模化应用
1.“三引擎+四模型”构筑坚实技术底座
京东健康依托自研医疗大模型“京医千询 ”，搭建“三引擎+四模型”技术架构，以循证
数据、临床病例、医患交互仿真三大引擎完成高质量数据训练，赋能全科、专科、健康
Agent 及影像四大模型。依托多模态感知、拟人对话、可信推理核心能力，构筑医疗全
场景技术体系。公司以技术落地为核心导向，结合自身供应链优势，打造多元化 AI 医
疗产品矩阵，覆盖医院、基层机构、药械企业、医生、普通用户等应用端口，实现医疗
大模型规模化落地。2026 年 3月，“京医千询”正式成为MedBench“大语言模型”与“多
模态大模型”测评双榜单冠军。这一成绩不仅标志着京东健康在医疗AI 核心技术领域跻
身全球领先行列，也为以“AI+供应链”全场景赋能“医-检-诊-药”闭环，提供了更坚实的
技术底座。
2.京东卓医 以“AI +供应链”开启医院数智化新实践
医院端为京东健康 AI 医疗布局的核心场景，主力产品京东卓医 依托“AI+供应链”双
优势，打造医院数字化增长引擎，也是国内首款医院全场景落地的医疗大模型产品。产
品凭借卓医智脑（JoyDocBrain）完成系统适配，聚焦临床营养、药事服务、体重管理
三大业务场景，为医院提供标准化、可溯源、高效率的数字化解决方案。该产品 2025
年正式上线，现已落地温州医科大学附属第一医院、华中科技大学同济医学院附属协和
医院、苏州市立医院等多家三甲医院，累计服务患者超 500万人次，有效改善医疗资源
分配不均问题。
在临床营养领域，产品直击医患营养诊疗痛点，将营养治疗纳入规范化临床路径。依托
临床营养大模型，搭建院内外一体化诊疗闭环，凭借双知识库构建可信推理机制，可自
动生成个性化营养处方。目前其营养服务体系已服务 470万人次，同时整合康爱医疗、
玛士撒拉、费卡华瑞、善存钙尔奇等多家营养保健品牌，打通方案制定到产品配送的全
链条。依托国家级科研平台背书，搭建三位一体管理体系，覆盖“筛-评-诊-治-控-管-
教”七大诊疗环节，为行业提供可复制的落地样本。
在药事服务板块，采用 AI 全流程服务模式，通过智能审方、药师助手等工具优化人力
配置；搭建处方流转平台，实现用药全周期管理，搭配智慧物流体系完善药品配送链路。
该模式可降低医院药占比，优化营收结构，同时提升患者用药依从性。
50
体重管理业务则采用人机协作分层服务模式，整合院内院外数据精准定制诊疗方案，依
托 AI 陪伴指导提升患者执行效率，平衡服务成本与诊疗效果。
3.多场景协同完善AI 应用生态布局
除医院端核心业务外，京东健康完成多领域生态布局。基层医疗层面，开源医疗大模型
“京医千询”，降低行业技术门槛，推出普惠医疗计划，助力基层医疗资源下沉。器械领
域，京东健康“AI+医疗器械”战略全面升级，依托京东附身智能品牌 JoyInside，接入十
家头部器械企业，规划百万级设备接入目标，打造智能医疗器械生态。针对医生群体，
升级循证医学工具“京东知医”，依托多模态解析能力，满足医生诊疗、科研、患者管理
多重需求。面向普通用户，搭建 AI 居家健康管理闭环，大模型全系产品“AI 京医”已上
线超 1500 个专家医生智能体，覆盖居家全场景需求。AI 医生“大为”2025 年已完成数亿
次交互，好评率高达 98%，成为用户身边的专业AI 健康管家。
京东健康以“京医千询”双榜登顶为新起点，依托“AI+供应链”的核心优势，持续推动 AI
在医疗全场景的规模化落地，让优质医疗资源突破地域与时空限制，让民众享受到更便
捷、更专业、更可负担的医疗健康服务，加快助力“健康中国”落地。
51
特别鸣谢（按调研访谈顺序排列）：
东软集团研究院院长兼东软智能医疗科技研究院院长 张霞博士，东软集团医疗健康事
业部副总经理 梁俊泽，生生纪创始人 刘荣云，惠每数科创始人 张新燕，南大菲特联
合创始人 张芷韵，医渡科技技术创新副总裁、AI 架构师 李林峰
编委
前言
第一章医疗大模型进入落地元年
政策：找场景、做垂域、促落地
大模型爆发式发布告一段落，场景紧扣政策指引方向
资本向应用场景清晰、落地能力强的企业聚集
第二章 医疗大模型院内商业落地现状
医疗大模型院内应用全景图
医疗大模型院内商业模式解析
升级传统医疗信息化系统
作为医疗器械被医院采购
作为健康服务被医院采购
第三章 医疗大模型院外商业落地现状
医疗大模型院外应用全景图
医疗大模型院外商业模式解析
ToG场景的医疗大模型
ToB场景的医疗大模型
ToC场景的医疗大模型
第四章 未来趋势
院内严肃医疗大模型，以专科切入打造信任背书
C端付费有限，更多融合、多元的商业化模式出现
基础建设不断完善，推动医疗大模型落地进程
G-B-C创新模式，三端融合驱动价值循环
第五章 企业案例
智诊科技：打通医疗大模型“技术研发——场景应用——商业变现”的完整链路
东软集团：大模型迈向深层次临床创新与多元化场景应用
讯飞医疗：GBC全场景闭环，医疗大模型规模化落地标杆
京东健康：从技术领先到真实场景的规模化应用
