2025年AI医疗行业分析：医疗是AI的重点落地场景，“AI+医疗”将重塑行业生态

1. AI 医疗基本概况

1.1. AI 医疗概念

AI 医疗是指通过机器学习、自然语言处理（NLP）、计算机视觉等技术，对医疗数 据进行深度分析，辅助临床决策、优化诊疗流程、提升医疗效率的智能化应用体系。 AI 医疗是利用人工智能技术来帮助医生和医疗机构更快、更好地处理医疗数据、诊 断疾病、管理患者健康等。AI 可以通过深度学习和分析大量的医学影像、病历数据、 基因信息等资料，在此基础上提供更精准的诊断和治疗方案。 AI 医疗核心技术包括医学影像分析、自然语言处理、机器学习等，例如谷歌旗下的 DeepMind 公司开发的 AI 系统，已经在眼科疾病诊断中表现出色，能够通过分析眼 底扫描图像，准确诊断出糖尿病视网膜病变等疾病。 AI 在医疗中的应用非常广泛，主要包括辅助诊断、临床决策、健康管理、药物研发 以及医疗机器人等等，通过在这些场景应用 AI，可以帮助达到在降低成本提高效率 的同时优化病人体验、提高诊疗质量、减少潜在疾病等的目标，全方位赋能医疗服 务的各个环节。

AI 医疗提高医疗质量和效率。AI 在学习速度与能力方面的卓越表现已广为人知。 借助 AI 技术，能够高效地汇聚过往病例及医学知识，并构建相应模型。在此过程 中，AI 可助力医生更为迅速地处理海量医疗数据，减轻重复性工作负担，使医生得 以将更多时间投入到患者治疗环节，同时辅助制定更为规范的治疗方案，降低人为 失误的概率。通过远程医疗及智能诊断系统，AI 能够促使偏远地区的患者获取与大 型医院相当的医疗服务，推动医疗资源实现更为合理的重新分配，进而让更多人受 益于高质量的医疗服务。

以 IBM 公司的 Watson for Oncology 系统为例，该系统能够通过深度分析海量医学 文献以及患者数据，为癌症患者量身定制个性化治疗方案。这一应用不仅显著节省 了医生的时间成本，还有效提升了治疗的精准程度。 AI 医疗解决“看病难、看病贵”的问题。在传统医疗领域，美国耶鲁大学教授 William Kissick 曾提出一个广为人知的理论 ——“不可能三角”。该理论核心观点为，医 疗服务的质量、价格以及就诊速度这三个关键要素，在实际情境中往往难以同时兼 顾。 然而，人工智能的兴起，为突破这一 “不可能三角” 带来了曙光。AI 技术能够助 力医疗机构优化患者管理流程，大幅缩短患者排队等候时间。经过充分数据学习训 练的 AI 系统，其诊疗能力可达到甚至超越具有 10 年以上临床经验医生的水平。 与此同时，AI 在药物研发进程中亦能发挥关键作用，可显著压缩研发周期，这不仅 有效降低了研发成本，还减轻了患者的用药经济负担，有力推动了药物的广泛普及。

AI 凭借对患者个体基因数据、既往病史详情以及生活习惯特征等多源信息的深度 挖掘与整合分析，能够精准构建契合个体特质的治疗策略。这种基于精准医学理念 的个性化治疗模式，不仅显著提升治疗效果，还能有效规避因传统经验性治疗导致 的不必要药物不良反应。以美国 23andMe 公司为例，该公司借助先进的基因检测 技术，结合 AI 算法对海量基因数据进行深度剖析，帮助用户精准评估自身罹患遗 传疾病的潜在风险，并据此提供科学、个性化的健康管理建议，为疾病预防与早期 干预提供有力支撑。

AI 医疗的优势：1. 提高诊断准确性：AI 能够对海量医疗数据进行学习和分析，发现人类难以察觉的 规律和模式，减少误诊和漏诊的发生。 2. 提升医疗效率：自动化的流程和决策支持系统可以替代或辅助人工操作，如数据 分析、病历管理、患者监护等，使医生能够将更多时间和精力集中在患者的治疗上， 提高医疗服务的整体效率。 3. 加速药物研发：AI 技术可以模拟化学反应和分子结构，预测药物的效果和副作 用，大大节省了药物研发过程中的实验和临床试验时间，加快新药上市的速度。 4. 实现个性化医疗：通过对个体的全面健康数据分析，为患者量身定制个性化的治 疗方案，提高治疗的有效性和安全性。

1.2. AI 医疗相关政策梳理

近年，中国 AI 医疗行业受到各级政府的高度重视和国家产业政策的重点支持。国 家陆续出台了多项政策，鼓励 AI 医疗行业发展与创新，《健康中国行动 —— 慢 性呼吸系统疾病防治行动实施方案（2024-2030 年）》《中药标准管理专门规定》 等产业政策为 AI 医疗行业的发展提供了明确的指导建议和发展前景。 国家卫生健康委等三部委联合发布《卫生健康行业人工智能应用场景参考指引》， 给出了 84 个应用场景，包括医学影像智能辅助诊断、智能导诊、智能病历辅助生 成、智能中医临床辅助诊疗、智能医疗质量管理、智能健康管理、智能公共卫生群 体数据分析等，推进卫生健康行业 “人工智能 +” 应用创新发展。

1.3. AI 医疗发展历程

从国内 AI 医疗发展历程来看，自 2018 年开始，我国人工智能医疗行业监管政策逐 步完善，个别赛道开始出现可行性强的商业模式。2021 年 7 月，国家药监局发布《人 工智能医用软件产品分类界定指导原则》，明确人工智能医用软件产品按照第三类 医疗器械管理。 我国的 AI 医疗进程可以划分为以下三个阶段：

1）萌芽阶段（1978-2015 年）

特点：医疗数据孤岛林立、数据治理有待展开，临床 AI 应用稀缺。 技术：此阶段的 AI 医疗产品以辅助医生诊疗的程序或系统为主，几乎没有应用于 临床，整体产业仅出现一个初步的形态。

2）起步阶段（2015-2021 年）

特点：数据建设初步展开，部分疾病标准数据库建立、基于深度学习的感知智能应 用兴起。技术：医疗大数据建设展开，信息系统升级改造，眼底与肺部影像的标准数据库建 立；基于深度学习的影像应用走到感知应用发展的前端 NLP、KG 等其他应用在慢 跑；商业模式处于混沌的初步尝试阶段，可行模式未确定。

3）探索阶段（2021 年至今）

特点：医疗数据互联互通建设进一步展开、感知应用算法迭代、应用横纵开拓。 技术：医院内部各科室、医院与医院、医院与当地卫健委之间的数据互联互通建设 由信息系统改造转向数据治理阶段领跑的影像应用往尚未覆盖的疾病诊疗领域横 向拓展与深度挖掘，NLP 应用追赶至前端，KG、ML 蓄力慢跑。

1.4. AI 医疗细分赛道

AI 正在迅速渗透医疗行业的各个环节，包括但不限于影像诊断、药物研发、临床决 策支持、健康管理等。AI 医疗的价值体现在提升医疗服务质量、增加医疗服务可及 性以及降低医疗成本上。 AI 医学影像：医学影像是利用光、电、磁、声等物理现象，以非侵入方式获得人体 或人体某部分内部组织的影像。临床超过 70%的诊断都依赖于医学影像。临床中最 常见的影像模态包括 X 线摄影、CT、MRI 和超声等。人工智能应用于医学影像， 主要是通过深度学习实现机器对医学影像的分析判断，帮助医生更快获取影像信息， 进行定性定量分析，提升医生阅片效率，协助发现隐藏病灶，协助医生完成诊断工 作。AI 医学影像是 AI 医疗领域目前最为成熟和常见的领域之一。 药物研发：传统的药物研发模式依赖研发人员的经验以及大量的试错实验，不仅耗 费大量的时间和资金，而且成功率相对较低。据相关研究表明，研发一种新药平均 需要投入约 26 亿美元，耗时长达 12 - 15 年，然而在临床试验阶段的成功率却不 足 10% 。AI 在药物研发领域的应用有助于缩短药物上市周期，降低研发成本，提 高研发效率。

AI 医学检验：在检验流程智能化、辅助诊断与疾病预测、质量控制与数据价值挖掘、 病理诊断与影像分析、个性化医疗与精准治疗有广泛应用。医学检验是对取自人体 的材料进行微生物学、免疫学、生物化学、遗传学、血液学、生物物理学、细胞学 等方面的检验，从而为预防、诊断、治疗人体疾病和评估人体健康提供信息的一门 科学。AI 在医学检验领域，以图像识别需求最为强烈，从外周血、骨髓细胞形态到 尿液、粪便、阴道分泌物以及各种来源样本的病原体的准确识别和精确分类，从而 实现快速、便捷的临床样本检测。目前 AI 已逐渐走进临床与检验融合，出现了采血 机器人、图像智能判读和智能报告审核与复检等诸多应用场景。 AI 赋能医疗信息化：AI+医疗信息化的应用场景广泛，具体包括临床决策支持，电 子病历，医疗资源调控以及远程治疗及智慧医院的建设等。1）临床决策支持，通过 AI 整合临床数据、医学知识库和实时患者信息，为医生提供循证医学建议，降低误 诊风险并提升诊疗质量。2）在电子病历方面，人工智能能够多模态的梳理并理解医 患间的对话内容，提升病历记录的效率。同时，AI 通过对历史病历信息的读取，可 以更好的了解患者的基本信息、过往药史等，使患者图像更为清晰。3）在医疗资源 调控方面，AI 算力的提升加快对医院信息、药物存量、患者情况的收集、处理、交 换速度，更方便调配医疗资源，发掘医疗潜能，并提升公共卫生事件的应对效率。 4）在远程医疗方面，虚拟现实技术突破了智能医生与患者间的时空限制，并对术后 跟踪、慢病治疗环节有所效益。 健康管理：AI 健康管理，是指运用新一代信息、通信、人工智能、生物信息等技术 手段，感测、分析、整合健康数据采集、健康检测与监测、健康评估、健康干预等 关键环节的各项信息，从而对个体或群体的健康需求做出智能响应的新模式。AI 助 力健康管理可以帮助医生和患者更好地了解自己的病情，进而提高治疗效率和质量。 AI 技术在健康管理领域的应用，如智能可穿戴设备，能够实现对用户健康状况的实 时监测和管理。

2. AI 医疗行业现状及发展趋势

2.1. AI 医疗行业规模

2025 年中国 AI 医疗行业规模将达到 1157 亿元，预计在 2028 年达到 1598 亿元， 2022-2028 年 CAGR 为 10.5%。AI 医疗的快速发展得益于人口老龄化和医护人员短 缺的大环境，AI 技术能够缓解医疗资源供需矛盾，提高医疗体系的效率，减轻医务 人员的工 作负担，并加速药物和疫苗的研发进度。AI 在药物及疫苗研发、基因组 学、医学影像、智能医院和医疗仪器等领域的应用前景广阔。

2.2. AI 医疗产业链

AI 医疗产业链是一个由技术、数据、硬件、软件、应用场景等多环节构成的复杂生 态体系，覆盖从基础技术研发到临床落地的全流程。

1）上游：基础层

（1）数据资源

数据来源：数据主要源自多个关键领域，包括医院电子病历（EMR）系统所记录的 海量患者诊疗信息；医学影像，像 CT、MRI、X 光等各类成像资料，蕴含丰富的 身体结构与病变信息；基因测序数据，揭示人体遗传密码；可穿戴设备监测数据， 能实时追踪个体日常健康状况；以及公共卫生数据库，汇聚了群体层面的疾病防控 等数据。 数据标注：在数据标注环节，医学影像标注（以精准勾画肿瘤区域为例）和病历文 本结构化（如从病历中准确提取疾病名称、症状等关键信息）这类工作，高度依赖 专业医生凭借其深厚的医学知识和临床经验来完成。 数据治理：数据治理涵盖多个重要方面。首先是数据清洗，去除数据中的噪声与错 误；接着进行脱敏操作，保障患者隐私。同时，依据 DICOM 等行业标准实现数据 标准化，以确保数据的通用性与兼容性；在隐私保护方面，严格遵循 GDPR、HIPAA 等国际通行法规要求，保障数据安全。

（2）算法与模型

核心技术：该领域的核心技术丰富多样。深度学习发挥着关键作用，其中 CNN（卷 积神经网络）擅长处理医学影像识别任务，能精准分辨各类影像特征；RNN（循环 神经网络）则在时序数据处理上表现卓越。迁移学习针对小样本训练难题，可有效 利用已有知识。联邦学习更是打破机构间的数据壁垒，实现跨机构的数据协作。 模型：医疗健康大模型以企业研发为主，高校和科研机构为辅，医疗机构次之，研 发合作模式多样化，包括医企、校企等多种模式。企业依托较为丰富的资金和技术 资源，快速抢抓市场热点，共计 51 家企业相继推出了大模型产品，占比高达 60.0%， 占据了医疗健康领域大模型研发的主导地位。高校与研究机构依托高价值数据、高 智力资源和强科研实力，共 22 家高校及研究院所开展大模型研发，占比 25.9%。医 疗机构拥有一手医疗数据资源，但限于日常临床任务艰巨并且人工智能技术研究及 大模型研发起步较晚，大模型以合作研发为主。 其中，企业研发医疗健康领域大模型，更加注重用户体验和商业化前景，典型代表 如百度的“灵医大模型”、云知声的“山海认知大模型”、医渡科技的“医渡大模 型”、京东健康的“京医千询大模型”、腾讯的“腾讯健康医疗大模型”，讯飞医 疗的“讯飞星火医疗大模型”等更加注重用户体验和易用性，能更好地满足市场的 需求。

（3）算力基础设施

硬件：硬件支撑极为关键，包括性能强劲的 GPU，为深度学习计算提供强大动力； TPU 芯片，在特定计算场景下具备高效优势；还有寒武纪、Graphcore 等企业研发 的 AI 加速芯片，助力提升整体算力水平。

云计算：云计算平台为医疗 AI 训练提供有力支持，AWS、Azure、阿里云等均搭建 了专业的医疗 AI 训练平台。而边缘计算则在实时处理场景中不可或缺，例如手术 机器人的精准操控就依赖其低延迟特性。 网络：5G 网络凭借其高速率、低延迟的特性，大力推动远程医疗发展，实现实时数 据的快速传输。

2）中游：技术层

（1）核心技术模块

计算机视觉（CV）：在医疗领域发挥着关键作用，应用于医学影像分析，如肺结节 检测、眼底病变识别等，助力医生精准诊断；同时还用于病理切片数字化，提高医 疗数据管理效率。 自然语言处理（NLP）：具有广泛应用。在电子病历结构化方面，能够将繁杂的病 历信息整理成规范格式，便于查询与分析；临床决策支持（CDSS）系统借助 NLP 技术为医生提供决策参考；患者问答机器人可自动解答患者常见问题。此外，在化 合物研究环节，NLP 技术能对海量文献进行大规模、高效分析，提出新的可测试假 说，提高新靶点发现几率，显著缩短研发周期。在临床前研究阶段，深度学习技术 可将已上市或处于研发管线的药物与疾病进行智能匹配，拓展药物治疗范围，提升 研发效率。 知识图谱：通过构建疾病 - 症状 - 药品关联网络，如 IBM Watson Oncology，为医 疗决策提供全面、关联的知识支持，辅助医生更准确地诊断和治疗疾病。 语音技术：实现语音电子病历录入，医生通过语音即可快速记录病历，提高工作效 率；智能问诊记录功能则能自动记录问诊过程，确保信息完整。

（2）开发工具与平台

AI 框架：TensorFlow、PyTorch 等主流 AI 框架推出了医疗定制版本，例如 MONAI 专门用于医学影像处理，为医疗 AI 开发提供了更贴合需求的底层支持。 低代码平台：像英伟达 Clara 这样的低代码平台，允许医院在无需大量编程知识的 情况下，快速部署 AI 模型，降低了技术应用门槛，加速了 AI 在医疗场景中的落 地。 模型管理：借助 MLOps 工具链，实现模型版本控制，确保模型迭代过程的可追溯 性；同时支持自动化部署，提高模型部署效率，保障模型在实际应用中的稳定性与 可靠性。

3）下游：应用层

AI 的下游应用包括：医学影像、AI 辅助决策、AI 医学检验、AI 健康管理、AI 新 药研发、医疗机器人等。

2.3. AI 医疗一级融资情况

在 2023 年经历显著回暖后，2024 年医疗 AI 领域的融资热度回落至与 2022 年 相当的水平。具体来看，在 2022 年 9 月 1 日至 2023 年 8 月 31 日期间，医疗 AI 相关融资事件共计发生 160 起，与 2021 年 9 月 1 日至 2022 年 8 月 31 日期间的融资事件总数相比，增长率达 42.86%。然而，在 2023 年 9 月 1 日至 2024 年 8 月 9 日期间，融资事件总数急剧下降，仅为 99 起 。

英伟达多次投注，做 AI 制药发展重要推手。通过对各细分领域的深入剖析可知， 影像、信息化以及机器人赛道在 2023 年经历短暂回暖后，2024 年资本投入的频次 已回落至 2022 年的相近水平。反观制药赛道，在同期内，投融资事件数量呈持续下降态势。即便在 2023 年整个医疗 AI 赛道呈现 “报复式” 回暖时，制药赛道也 未展现出同步的增长趋势。由此可见，由于 AI 制药领域至今尚无一款药物成功推 进至上市阶段，随着时间的推移，这一状况正逐渐加剧对资本信心的负面影响。不 过，放眼全球，AI 制药依然充满生机。英伟达近两年在该赛道频繁出手“疯狂扫货" 成为 AI 制药回暖的重要推手。据 Pitchbook、Crunchbase 及动脉橙产业智库数据， 英伟达在 2023 年及 2024 年(截至 2024 年 9 月 5 日)共参与投资超过 70 起，所有投 资无一例外，均与 AI 相关，而其中至少投注 AI 制药企业 14 家，医疗其他领域企 业 8 家。 在医疗相关的其他领域，2024 年英伟达亦投注了如信息化领域的 Artsight、健康管 理领域的 Abridge 以及机器人领域的 Neocis 等 AI 企业。对于生成式 AI 及其相 关技术，握有算力优势的英伟达比任何一家投资机构更加坚信也更有可能实现它的 颠覆性，进而破除现有 AI 面临的顽疾，左右诊疗、制药新时代的格局，英伟达近 两年在医疗 AI，尤其是 AI 制药领域的频繁出手给行业注入了信心。

融资轮次靠后，大模型展现强吸金能力。从融资轮次看，2024 年整个医疗 AI 领域 A 轮系列(包括 preA 轮、A+轮、A++轮及 A 轮后的战略融资等)及 A 轮以前的早期 投资总占比均有所下降，而 B 轮系列及之后的成熟企业的资本投注占比更多，这也 侧面印证了资本对医疗 AI 领域逐步谨慎的态度。2024 年平均单笔医疗 AI 的融资 金额也较 2023 年接近翻了一倍，从 6893.63 万增加至 10344.53 万元，最大单笔投 资来自腾讯、阿里、小米等，投注于专注医疗大模型的百川智能，是一笔高达 3 亿 美金的 A 轮融资。

2.4. AI 医疗发展面临的挑战

医疗行业是典型的人才和知识密集型行业，需要大量高素质专业人才投入。医疗服 务流程错综复杂，跨越多个科室和部门，涉及诊断、治检查用药、支付等多个环节， 各环节相互影响，决策因素繁多。人工智能技术可高效系统地收集和整合影响医疗 决策的各类信息，为医护人员提供决策支持，辅助做出更准确的诊疗决策并高效实 施。 我国医疗领域普谝存在“强调临床、轻视数据”的倾向，这导致存储数据参差不齐， 数据标准缺乏统一，这在很大程度上阴碍了医疗数据的共享和流通，进而促进 AI 在 医疗领域的应用。

1）医疗资源总量少、分布不均

地区差异：在一些发展中国家或偏远地区，医疗资源往往较为匮乏，而城市和发达 地区则相对集中了更多的医疗资源。 专业人才短缺：特别是在农村和边远地区，缺少足够的医疗专业人员，如医生、护 士和专业技术人员。 设备设施不足：一些地区可能缺乏必要的医疗设备和设施，如先进的诊断工具、手 术室等。 服务可及性：由于交通不便或医疗点分布稀疏，一些地区的居民难以获得及时有效 的医疗服务。

2）医护工作负担重

长时间工作：有超过 50% 的医生工作时间在 8 小时以上，20.6% 的医生每天平均 工作时间超过 10 个小时； 高强度劳动：除诊疗工作外，医护还需进行科研工作。 心理负担：面对病人的痛苦和死亡，医护人员需要承受巨大的心理压力和情感负担； 职业风险：医护人员在工作过程中面临感染疾病、受伤等职业风险。 技术更新：医疗技术不断进步，医护人员需要不断学习和适应新技术。 行政和文书工作：除了临床工作，医护人员还需处理大量的行政和文书工作 。

3）医疗服务流程繁杂

专业术语障碍：医疗专业术语可能使患者难以理解自己的病情和治疗方案；人才与 知识密集性凸显了医疗健康服务的复杂性。 多部门流转：患者可能需要在不同的部门之间往返，如从挂号到诊室，再到检查室 和药房。 信息不透明：患者可能难以获取关于医疗服务、费用和治疗效果的清晰信息。 跨学科协调：医疗健康服务流程复杂，跨科室、部门、执行、决策、支付等多环节 相互影响，在需要多学科团队协作的情况下，协调和沟通可能存在障碍。

4）数据安全与隐私保护

随着医疗数据的不断增长，如何确保这些数据的安全性和隐私性成为了一个挑战。 医疗机构需要采取一系列措施，如数据加密、访问控制、隐私保护等，确保医疗数 据的安全性和隐私性。 首先，考虑数据的合规性和法律要求。医疗机构需要遵守相关的法律法规，确保数 据的合法性和合规性。同时，还需要建立完善的数据安全管理制度，明确数据的保 密、使用和共享等方面的规定，确保数据的合法使用和共享。

其次，考虑数据的可追溯性和可审计性。医疗机构需要建立完善的数据可追溯性和 可审计性机制，确保数据的来源和去向清晰可查，避免数据被滥用或泄露。

5）数据质量与标准化

由于医疗数据的来源广泛、种类繁多，如何保证数据的质量和标准化是一个挑战。 医疗机构需要建立完善的数据质量管理体系，制定统一的数据标准，确保数据的准 确性和一致性。 数据的可读性和可理解性：医疗机构需要建立完善的数据可读性和可理解性机制， 确保医护人员能够快速准确地理解数据含义和背后的信息。还需要加强数据可视化 技术的研发和应用，将复杂的数据以更加直观的方式呈现给医护人员。 数据的可扩展性和可维护性：医疗机构需要建立完善的数据可扩展性和可维护性机 制，确保数据能够随着业务的发展而不断扩展和更新。还需要加强数据备份和恢复 技术的研发和应用，确保数据的安全性和可靠性。

3. AI 医疗细分领域众多

3.1. AI 制药

AI 制药是指以医药大数据为基础，将自然语言处理、机器学习及生成模型等人工智 能技术应用到制药领域各环节，以提高、优化新药研发的效率及质量，降低临床失 败概率及研发成本。 相比传统制药，人工智能凭借机器学习、深度学习、自然语言处理、图像识别等独 特优势可以提供更好的预测模型和更高的命中率，以缩短新药发现时间，提高药物 研发的成功率，节省成本提高净收入。目前，AI 技术主要用于药物研发阶段，随着 技术的不断突破和发展，AI 技术参与制药的环节将增多，新药研发效率也将提升。

据预测，我国 AI 制药 2024 年市场规模将达 5.62 亿元，我国 2019~2024 年 AI 制药 市场规模 CAGR 将达 53%。2022 年全球 AI 制药市场规模为 10.4 亿美元，较上一 年增长 31.31%，据预测到 2026 年全球 AI 制药市场规模将达到 29.94 亿美元。《“十 四五”医药工业发展规划》提出，将积极探索人工智能、云计算、大数据等技术在 研发领域的应用，通过对生物学数据挖掘分析、模拟计算，提升新靶点和新药物的 发现效率。

从 AI 制药公司主攻适应症分布情况来看，肿瘤、免疫学及神经病学领域占比最大， 分别为 37%、21%和 14%。随着全球肿瘤疾病负担的增加，发现癌症的治疗方法是 21 世纪最重大的公共卫生挑战之一。全球 700 多家 AI 制药公司主要布局了 6 大环 节：包括早期药物开发（392 家）、数据处理（235 家）、临床开发（149 家）、端 到端药物开发（83 家）、临床前发展（57 家）及药物再利用（26 家）。

在当前 AI 药物研发领域，企业主要采用三种主流商业模式，即 AI SaaS、AI CRO 与 AI biotech。AI SaaS 服务模式下，企业向客户提供 AI 辅助药物开发平台；AI CRO 模式中，初创企业借助人工智能技术，致力于为客户高效交付先导化合物或临 床前候选药物（PCC），后续药物开发工作则由药企自行开展，或双方合作推进药 物管线；AI biotech 模式的企业以推进自主研发的药物管线为核心业务，较少开展 外部合作。国内多数 AI 药物研发企业并非局限于单一商业模式，而是在 SaaS 服 务商、AI CRO 和 AI biotech 这三种商业模式中，选择兼容其中两种甚至三种模式。

当下 AI 制药市场的主要参与者涵盖大型药企、头部互联网企业以及 AI 制药初创 企业。在大型药企类别中，以外资企业占主导地位。其进入市场的主要路径包括构 建内部研发团队、开展外部投资并购活动，以及与互联网企业或初创企业达成合作 关系。头部互联网企业则依托在技术领域所具备的显著优势，借助投资制药企业、 研发并搭建相关平台、参与合作开发项目等多种途径涉足 AI 制药市场。AI 制药初 创企业凭借自身独特的技术专长，切入制药流程中的特定环节，通过与外部机构合 作提供 AI 技术服务，或者转型为创新型药企等方式进入市场。据统计，我国有超 过 90 家 AI 制药企业，包含了 AI+CRO、AI+SaaS 以及 AI+Biotech 公司，我国 AI+ 药物研发上市公司主要有晶泰控股、泓博医药、成都先导等企业；互联网大厂主要 有百度、腾讯、华为、平安科技、阿里巴巴、字节跳动等。

3.2. AI 医学检验

检验医学是现代医学的重要组成部分，临床决策所需信息 70%来自检验，其高度自 动化、数据化以及采用关系型数据库存储数据的特点为 AI 的应用和发展创造了有 利条件；而以数据挖掘、机器学习、专家系统为支撑的 AI 技术也将为检验医学的 跨越式发展提供契机。 随着国家政策支持人工智能的应用以及对应技术的研发升级，AI 医学检验渗透率 急速提升，2022 年 AI 医学检验市场规模达 90 亿元，预计未来到 2027 年 AI 医学 检验市场规模将达 170 亿元，复合增速达 13.56%。

1）检验流程智能化：全流程降本增效

1.检验项目的推荐：基于 ML 的临床决策系统，可参考患者临床信息及历史检验结 果，预测测试前概率，进而指导医生选择检验方案。预计这种方法在保证有效性的 前提下，能使越来越多患者获得可负担得起的诊断测试，同时降低医疗成本，据报 道仅在美国每年估计可节省 50 亿美元支出。此外，这种基于大数据的检验 AI 系统 还可帮助临床实验室进行合理的试剂订购，避免遗漏及浪费。

2.实验室的质量控制：传统的质量控制系统难以在日益复杂的测试环境中发现错误。 通常，临床实验室使用室内质量控制样本来监控精密度。然而，并非所有检测项目 都有合适的 IQC 样本；且现有的抽样检测系统无法对整个检测过程进行监测。目前， “移动平均统计质量控制”技术被证明能有效改善上述局面，该技术是在每天实验室 检测工作结束后，对属于正常范围的患者测试值取平均值，并输入计算机程序进行 质控分析。该方法被证明能有效提高错误的检出率，且特别适合于 IQC 样本不理想 或不可用时的质控，在 LIS 系统中整合此类自动化质控软件将有助于构建实时监测、 快速反馈的实验室质量控制体系。

3.提升检验图像结果分析：图像识别是公认的 AI 最具发展前景的技术。据报道，深 度学习催生的 AI 计算机视觉技术对皮肤癌、乳腺癌和糖尿病视网膜病变等疾病的 诊断性能已达到甚至超过专业医生。同样，遵循数字扫描成像、图像特征提取、多 层模型训练的范式，检验领域亦可开发针对检验样本图像诊断的全自动数字化图像 识别系统。一个典型的例子是 CellaVision 公司与 Sysmex 公司合作生产的全自动数 字化细胞形态分析系统，该系统是模拟人工在显微镜下对外周血涂片进行镜检的阅 片系统，它不仅实现了标本进样、滴加镜油、转换显微镜头、预分类细胞到结果存 档的全程自动化，还具有极高的细胞预分类准确性，操作者只需要对预分类结果进 行逐项复核。

4.及时、准确的自动审核：患者个体状况千差万别，这就要求检验工作者密切结合 临床信息加以综合评估，必要时查询病历或电话追问主治医生，是对其工作经验和 责任心的极大考验，也是人工审核的难点。检验 AI 的个性化自动审核系统可有效 改进这种工作方式，该系统通过 NLP 技术解读 LIS 和 HIS 系统对接的共享数据， 将患者基础疾病、诊疗方案、药物影响因素、标本采集条件等信息与检验结果对接， 同时与历史检验数据对比审核，以判断哪些检验结果与治疗过程相关，哪些结果正 确可以上机发布，哪些结果异常需要报警等。

5.智能化的检验报告：在检验自动审核程序中还可提供与临床诊疗相关的选择，如 智能解释、检验效能评价、疾病预测、疾病相关因素分析等。在判断检验结果时， 可提供某些检验项目在相关疾病诊断中的敏感性和特异性，该指标的进一步应用及 相关检查的追加建议等。结合更多的临床资料，还可给临床医生提供诊断选项、治 疗方案、发展趋势及预后信息等。面向患者的检验报告除了提供简单的检验结果报 告外，还可提供智能检验报告单（包括检验指标变化趋势、风险分析和解释性报告 等），以帮助患者更好地了解自身情况。

2）AI 辅助诊断

基于常规实验室数据的 AI 模型可在临床工作中辅助医生鉴别诊断。全球人工智能 在医学诊断市场的规模预计将在 2023 年至 2028 年间实现显著增长，从约 13.12 亿 美元增长至 37.38 美元，年复合增长率（CAGR）达到 23.2%。目前，AI 在医学诊 断中的应用主要集中在体内诊断（In Vivo Diagnostics）和体外诊断（In Vitro Diagnostics）两大领域。 1. AI 在体内诊断的发展主要得益于 AI 技术在减少诊断错误、提高治疗效果方面的 显著优势。例如，AI 算法能够快速分析医学影像，如 X 光、CT、MRI 和超声波图 像，帮助医生更准确地识别病变和疾病标志物。在放射学领域，AI 工具可以自动检 测肺部结节、脑部异常等，为医生提供诊断支持，从而提高诊断效率和准确性。 2. 在体外诊断领域，AI 的应用增长潜力巨大。体外诊断包括血液检测、基因检测 等，AI 技术可以通过分析大量数据，快速识别疾病标志物，为早期疾病检测和个性 化治疗提供支持。体外诊断产业链环节涵盖生产、服务(第三方医学检验 ICL)、流通 (贸易)三个板块。其中生产型企业包括东方生物、达安基因、科华生物、迈克生物、 九强生物、亚辉龙等；服务型企业包括迪安诊断、金域医学、华大基因、诺禾致源 等；流通型企业包括润达医疗、巨星医疗等。

AI 在辅助诊断中有潜力的几个方向： 1. 病理诊断，我国病理行业的潜在市场超 400 亿元。AI 病理诊断构建了医学知识 图谱，通过数据加工加统计分析，对病理诊断进行综合性诊断并出具报告，已有多 家公司的成功案例并在临床上使用。我国病理诊断行业主要分为两大梯队，第一梯 队为外资企业，包括罗氏、徕卡、安捷伦、樱花、赛默飞、雅培、西门子、碧迪等， 占据了我国病理诊断领域高端仪器和试剂市场；第二梯队为本土企业，包括迈新生 物、艾德生物、安必平等。 AI 诊断产品可分影像类、临床诊断检验类和健康风险预测类。一是影像类，包括影 像辅助诊断读片及病理片等，是 AI 在医学应用领域开展最早的，影像本身也是重 要辅助诊断手段；二是临床诊断检验类，涵盖生化基因检测、病原菌感染检测、遗 传病识别等；三是健康风险预测类，为健康管理机构提供疾病风险评估预警、院外 管理及并发症预警和愈后管理等服务。 2. 精准医疗，据 Global Market Insights 数据显示，AI 精准医疗市场规模在 2022 年达到 12 亿美元，并预计在十年内攀升至 171 亿美元，复合增长率高达 30.8%。 精准医疗是指运用基因组、蛋白质组等组学技术和生物医学前沿技术，通过对大样 本人群与特定疾病类型生物标记物的分析、鉴定和验证，精确定位治疗靶点，再通 过对不同状态和过程的疾病进行精确分类，最终确定个性化治疗方案的医疗方式。 精准医疗是一个以个体医疗为核心，包括精准预防、精准诊断、精准治疗、精准监 测等全医疗过程的、系统化的、全要素的、可控的全新医疗模式，目的是让医疗决 策达到最佳化。

全球精准医疗行业的主要阵地，主要集中在北美地区（以美国为代表）、欧洲地区 （以英、法两国为代表），以及以亚太地区（日本、澳大利亚为代表），其中，北 美地区是市场主角，占比大于 40%。与美国相比，我国的精准医疗起步相对较晚， 发展水平相对较低，但是发展速度更快。在 2014 年以后，我国精准医疗行业开始发 力。首先，国家发布了较多支撑性政策，直接引导了行业的发展。随后，中国精准 医疗计划正式出台。2016 年 3 月，科技部组织召开国家首次精准医学战略专家会 议，提出了中国精准医疗计划：到 2030 年前，我国将在精准医疗领域投入 600 亿 元，其中，中央财政支出 200 亿元，企业和地方财政配套 400 亿元。至此，精准医 疗在中国已经上升为“国家战略”。 我国精准医疗行业竞争格局主要分为五个派系。在基因检测、诊断领域，华大基因、 贝瑞基因等占据领先地位；在其他诊断领域(如伴随诊断)，泛生子、燃石医学等企业 快速发展；在第三方检测服务领域，迪安诊断、金域医学占据主要市场；在细胞储 存、细胞治疗领域，南华生物、冠昊生物等巨头逐渐布局；在免疫治疗、康复治疗 领域，药明巨诺、复兴凯特等已有上市产品。 精准治疗已经进入靶向药物治疗时代，美国 FDA 已批准 100 余款靶向药物上市。 小分子靶向药物、单抗、多抗与 ADC 抗体偶联药物、免疫治疗等药物，以及细胞治 疗、基因治疗等创新疗法，能够针对肿瘤、自身免疫疾病、代谢疾病等不同疾病有 特异靶向作用，是精准治疗开展的有利工具。 随着 AI 应用，基因检测成本大幅下降，将使基因检测深入到日常检测中。以肿瘤为 例，金域、华大基因等企业结合病理与 NGS 技术，构建综合性诊断平台：优化肿瘤 分型与治疗方案，基因检测可找到靶向药物的对应基因，随着成本降低，整体检测 成本下降，提升了精准医疗的应用。 3.癌症筛查，包括癌症的分期、分级、分类、分子学特征的提取、肿瘤微环境特征的 提取、临床结局的研究以及药物组学的发现等，就癌种来说，应用最多的是乳腺癌 和肺癌，其次是前列腺癌、宫颈癌、结直肠癌和肝癌等。

3.3. AI 医学影像

医学影像是利用光、电、磁、声等物理现象，以非侵入方式获得人体或人体某部分 内部组织的影像。临床超过 70%的诊断都依赖于医学影像。临床中最常见的影像模 态包括 X 线摄影、CT、MRI 和超声等。

AI 医学影像技术，作为医学与人工智能深度融合的前沿领域，借助深度学习、机器 学习等人工智能技术，对医学影像数据展开系统性分析与精准解读，进而为医生在 疾病诊断、治疗方案规划，以及预后评估等环节，提供强有力的支持。这一技术的 核心机制在于，通过构建并运用特定算法，对医学影像中的病变区域进行自动化识 别，同时生成量化分析结果，并给出具有参考价值的诊断建议。相较于传统影像分 析方法，AI 医学影像技术以数据驱动的模式，极大提升了影像分析的效率与准确性， 为医学影像诊断带来了新的变革与机遇。

受益于医疗新基建和政策的驱动，我国医学影像设备的市场规模稳健增长。2024 年 中国医学影像设备市场规模约 1360 亿元，2025 年市场规模将达到 1468 亿元，同比 +7.94%。

近年来，AI 医学影像市场呈现出迅猛的增长态势，已成为 “AI + 医疗” 领域中 落地最成熟的细分领域。据相关统计数据显示，2024 年中国 AI 医学影像市场规 模约为 74.5 亿元。2025 年中国 AI 医学影像市场规模有望突破 150 亿元，到 2026 年则将进一步增长至 235.7 亿元，持续保持高速增长的趋势。得益于人工智能技术 的快速发展，其在医学影像领域的应用场景日益丰富，涵盖疾病筛查、辅助诊断、 治疗规划等多个环节，展现出广阔的市场发展空间。

截至 2024 年 6 月，国家药品监督管理局（NMPA）已累计批准 92 款 AI 医学影 像产品的三类医疗器械注册证。伴随人口老龄化进程的加速以及医疗资源分布不均 衡状况的长期存在，临床医生在医学影像诊断方面面临着日益增大的工作压力。在 此背景下，在相关政策的有力支持与推动下，AI 医学影像领域取得了显著进展，获 得认证的产品数量呈持续增长态势。 这些获批产品广泛覆盖心血管疾病、肺部疾病、脑血管疾病、骨科检查、眼底疾病 以及乳腺疾病等多个医学领域。具体来看，针对心血管疾病的获批产品有 27 款， 占比达 29.3%；肺部疾病相关产品 24 款，占比为 26.1%；脑血管疾病和骨科检查 的获批产品数量分别为 13 款和 10 款。

截至 2024 年 6 月，深睿医疗、数坤科技各有 13 款 AI 医学影像产品获得 NMPA 三 类证。推想医疗 8 款 AI 医学影像产品获得 NMPA 三类证，联影智能 7 款 AI 医学影 像产品获得 NMPA 三类证。

中国 AI 医学影像领域的竞争格局呈现出显著的多元化态势。在这一格局中，不同 类型的市场参与者凭借各自独特的资源与能力，在技术路径、商业模式和资源整合 等维度展开差异化竞争。 1）设备厂商：联影智能、万东医疗等，依托其在硬件研发与制造方面的深厚积累， 构建起 “设备 + AI” 一体化生态体系。联影智能凭借先进的医学影像设备制造技 术，将 AI 技术深度嵌入设备之中，实现设备性能的智能化升级，为临床诊断提供 更高效、精准的解决方案。万东医疗则通过自主研发的硬件设备，结合 AI 技术， 推出一系列智能化医学影像产品，如搭载 AI 技术的磁共振成像设备，能够提高影 像质量，辅助医生更准确地进行疾病诊断。这些设备厂商通过将探测器与 AI 软件 捆绑销售的策略，有效抢占市场份额，其商业模式的核心在于利用硬件优势带动软 件销售，实现硬件与软件的协同发展。 2）纯 AI 企业如推想科技、深瞳科技，以高精度病灶识别和跨病种泛化能力作为核 心技术壁垒。推想科技专注于通过深度学习算法对医学影像数据进行分析，实现对 多种疾病病灶的精准识别，其技术在肺结节、肿瘤等疾病的诊断中展现出较高的准 确率。深瞳科技则致力于研发先进的图像识别技术，能够在复杂的医学影像中准确检测出病灶，并具备一定的跨病种诊断能力。这类企业主要通过向医院提供订阅服 务的方式实现商业化，其商业模式的优势在于能够为医院提供定制化的 AI 解决方 案，降低医院的前期投入成本，同时通过持续的技术更新和服务优化，增强客户粘 性。 3）互联网巨头腾讯觅影、平安好医生、百度灵医，凭借其强大的大数据整合与多场 景适配能力，积极布局 C 端健康管理与 B 端医院合作的双线模式。腾讯觅影依托 腾讯庞大的用户数据和先进的技术平台，能够对用户的健康数据进行综合分析，为 C 端用户提供个性化的健康管理服务，同时与 B 端医院合作，将 AI 技术应用于 临床诊断，提高医院的诊断效率和准确性。平安好医生通过整合线上线下医疗资源， 为用户提供一站式的健康管理服务，包括在线问诊、健康咨询、体检预约等，同时 利用 AI 技术辅助医生进行疾病诊断。百度灵医则借助百度的大数据和人工智能技 术，开发出智能医生助手、智能健康管家等产品，满足 “医 - 患 - 药” 不同环节 的需求。互联网巨头的商业模式优势在于能够利用其平台流量和数据优势，实现医 疗服务的多元化和个性化，同时通过与医院的合作，加速 AI 技术在医疗领域的落 地应用。 4）科研机构如清华大学、中科院自动化所，聚焦于算法底层创新，如小样本学习等 前沿技术领域。清华大学通过深入研究人工智能算法，在医学影像分析中取得了一 系列创新性成果，为提高医学影像诊断的准确性和效率提供了理论支持。中科院自 动化所则致力于研发先进的图像处理算法，能够对医学影像进行更精准的分析和处 理。这些科研机构主要通过技术授权和孵化初创企业的方式参与产业生态建设，将 科研成果转化为实际生产力。其参与产业生态建设的模式有助于推动行业的技术创 新，为新兴企业提供技术支撑，促进整个 AI 医学影像产业的发展。

3.4. AI 助力医疗信息化向智能化升级

医疗信息化即医疗服务的数字化、网络化、信息化，是指通过计算机科学和现代网 络通信技术及数据库技术，为各医院之间以及医院所属各部门之间提供病人信息和 管理信息的收集、存储、处理、提取和数据交换，并满足所有授权用户的功能需求。 医疗信息化包括 4 大主要领域：医院信息化、区域医疗信息化、医保信息化以及药 品信息化。

2023 年中国医疗软件系统解决方案市场规模为 206 亿元，同比+5%。伴随云计算、 大数据、人工智能等前沿技术的持续迭代与深度发展，医疗信息化行业的技术壁垒 正不断加高。在此背景下，持续的创新实践与技术革新，才能够契合市场动态变化 所产生的多元需求，推动医疗信息化行业迈向更高发展阶段。 当前的医疗信息化建设，主要参照国家“智慧医院”建设标准，包括智慧医疗、智慧 管理和智慧服务 3 部分。面向医院管理的智慧管理包含财务、成本控制、物资、药 事等多方面的内容，来帮助医院进行精细化的运营管理。第二个领域则是面向患者 的智慧服务，院内的一体机、智能导诊、医院导航，院外的远程诊疗、在线预约、 健康管理等，为患者提供更加便捷高效的就医体验。面向医务人员的智慧医疗主要 以电子病历为核心，加之影像、检验等其他系统，实现互联互通的信息系统建设。

医院信息化、智慧化的建设自电子病历系统开始，并始终以此为核心展开。在中国， 智慧医院可以看做是医疗新基建的高级形态，它发源于医疗信息化，并在信息化逐 步发展成熟后进行进一步的升华探索。2011 年电子病历评级开启了智慧医院的启幕 之年，加快院内互联互通建设；自 2015 年始，区域平台建设脚步加快，强调医院“孤 岛”上的信息互联互通，庞大的院内信息再利用价值将被释放，同时互联网医院新业 态诞生，慢病线上复诊、续方获得许可，医疗服务从线下向线上延伸，智慧服务分 级评估体系出台；2019 年之后，中国智慧医院的需求和落地有了丰富土壤，在信息 化的基础上升级为智慧医院，全方位提升医疗服务的效率和质量。

医疗 IT 竞争格局：单一领域服务商、中型厂商、综合型厂商共同构建了智慧医院的 行业生态，各自发挥着重要作用，为医院的智慧化发展提供多样化的选择。其中， 综合型厂商能够提供涵盖智慧管理、智慧服务与智慧医疗的全方位解决方案，具备 强大的系统集成能力和广泛的市场覆盖，是医院实现智慧化升级的最优选择。

AI+医疗信息化主要应用场景（覆盖诊前、诊中、诊后全流程）：

1）诊前（自动生成电子病历/智能推荐就诊科室/预问诊/智能分导诊等）

早在互联网医疗兴起之时，大量诊前应用之中引入 AI，如今大模型兴起，诊前环节 再度成为互联网企业的必争之地，讯飞医疗、腾讯健康、百度灵医智惠均在此布局。 讯飞医疗的星火大模型直面的是医患沟通这一痛点。在星火大模型的支持下，AI 能 够模拟医生与患者进行自由对话，根据患者的病情描述，智能推荐就诊科室和合适 的医生。同时，该大模型还能基于患者的病情描述、病史等信息，自动生成电子病 历，提高病历记录的效率和准确性。

腾讯健康与讯飞医疗的逻辑相似，但它更为精细地捕捉到了“预问诊”这一需求。基 于过往智能导诊的经验，腾讯健康用大模型做了一个 AI 预问诊系统，患者预约挂 号后便可同系统进行详细的预问诊回答，提前提供主诉、既往病史、用药禁忌等信 息。正式就诊时，医生对于患者的病情已有一定了解，便能提出更多针对性的问题， 诊断的精准度也随之提升。 百度灵医智惠在诊前环节拿出了智能分导诊、智慧加号、智能候诊三个应用。首先， 智能分导诊面向的是患者常见的分导诊需求。大模型支持下，AI 可模拟诊前咨询流 程，引导患者对病症进行准确描述，借助推理能力进行归纳汇总，为患者精准匹配 与病情相适应的临床科室和专家。通过这种方式，医院能够将有效的医疗资源最大 化利用，让每一个医生都发挥出他们应有的价值。

智慧加号的价值在于补足医院过去服务体系中的“真空地带”。智能加号的价值在于 能将过去患者单方面的申请转变为医患双方的“协议”。具体而言，患者首先在线上 与 A1 模型进行交互，同时上传检查结果，模型随后会提取病史摘要和关键阳性信息，帮助医生在短时间内判断患者是否需要接受专家诊疗，从而实现精准加号。在 武汉协和医院的实际调用结果显示，这一方式，明显减少了医生翻阅资料及同患者 沟通的时间，还能帮助医生更准确地确定病因，有效提升诊疗质量。 最后，智能候诊意在优化医生的问诊效率，提升患者就医体验。AI 支持下，医生在 诊室中接待患者时，只需几秒钟浏览这份整理好的病历，迅速了解患者的大致情况。 最终医生不仅省下了问诊与病历书写时间，还使得医患交流更加精准和高效，医生 的诊疗决策更为准确。

2）诊中（电子病例分析/药物提醒与剂量优化/辅助诊断等）

传统的诊中医疗信息系统主要包括 HIS、EMR、CIS、PACS 等，医院信息化、智慧 化的建设自电子病历系统（EMR）开始。在电子病历发展具有一定基础的情况下， 信息化发展较为领先的医院正逐步建立以电子病历为核心的临床医疗服务体系，囊 括患者信息、药品管理、医嘱诊断、费用管理等所有临床活动信息。AI 赋能诊中流 程后将在各方面对传统医疗信息系统进行升级。 1.AI 辅助诊断与治疗，分析患者的症状、体征、检查检验结果等数据，与疾病知识 库中的信息进行比对，为医生提供诊断建议和鉴别诊断列表，还能对医学影像进行 分析，识别异常情况并提供报告。此外，依据诊断结果，参考大量临床病例和最新 医学指南，为医生提供个性化的治疗方案建议，包括药物治疗、手术治疗、物理治 疗等，并对治疗方案的疗效和风险进行评估。 2.电子病历分析：AI可以对电子病历中的文本信息进行挖掘和分析，提取关键症状、 检查结果、诊断信息等，帮助医生快速了解患者的病情历史，为当前诊断提供参考。 同时，通过对大量病历数据的学习，AI 还可以发现疾病之间的关联和潜在规律，为 医生提供诊断思路和建议。 3.药物提醒与剂量优化：考虑患者的个体差异，如年龄、体重、肝肾功能等，对药物 的选择、剂量和用药时间进行提醒和优化，避免药物相互作用和不良反应。 4.智能导航与流程优化： AI 陪诊系统能规划最优就诊路径，实时提示检查排队时 间；缓解患者“迷宫式就医”焦虑，减少无效等待。

3）诊后（AI 随访电话/诊后智能咨询等）

由于医疗资源的缺乏，国内的诊后环节一直缺乏成体系的医疗服务，大模型的出现 有望化解这一难题。 我国每年新增脑卒中出院患者高达 300 多万，但出院并不代表病情彻底康复，其中 有 12% 患者在出院后 30 天内再入院。从这一需求出发，讯飞医疗研发了星火认 知大模型 + 诊后康复管理平台，该平台可以在家智能生成康复计划，主动发起随 访，变更康复计划并向专业医生提出问询，将专业的康复管理和康复指导由院内延 伸到院外，确保患者享受到高品质、连续性的医疗服务。 同时，平台自动提醒患者，并在康复过程中，通过 AI 随访电话等方式对患者进行主 动式管理，并通过大模型为患者提供 7*24 小时咨询服务。新一代诊后患者管理平台 在安徽和山东率先开展服务，已覆盖 30 多个科室的主要病种，覆盖 85%的出院患 者，通过管理，患者的依从性得到大幅提高。 CDSS（临床决策支持系统）的使用场景涵盖诊前决策、诊中支持和诊后评价全过 程，市场规模超百亿，AI 赋能为 CDSS 发展带来广阔空间。随着 AI 的成熟和发展， CDSS 为人工智能商业化落地提供了合适的土壤，机器学习具有学习速度快的优势， 抓取和理解临床信息的速度比医生平均快 2700 倍，临床决策支持系统可以通过让 机器深度学习大量高质量的既往临床实践病历和各种文献等资料，使机器具备了一 定高水平的专业能力，可以对医护人员的一些行为进行建议和规范、对患者的一些 病情进行预测和提前警示。

CDSS 是指运用相关的、系统的临床知识和患者基本信息及病情信息，加强医疗相 关的决策和行动，提高医疗质量和医疗服务水平的计算机应用系统。其本质上是一 个大的医学知识库，是一个基于人机交互的医疗信息技术应用系统，旨在为医生和 其他卫生从业人员提供临床决策支持，通过数据、模型等辅助完成临床决策。通俗 地说，CDSS 就是把医生记不住的知识通过计算机界面呈现出来，来帮助医生看好 病。 CDSS 系统是提升医疗质量的重要手段，因此其根本目的是为了评估和提高医疗质 量，减少医疗差错，从而控制医疗费用的支出。CDSS 的使用场景涵盖诊前决策、 诊中支持和诊后评价全过程，临床医生可以通过 CDSS 的帮助来做出最为恰当的诊 疗决策。过去，CDSS 的主要市场是大医院，但随着国内对基础医疗的投入支持不 断加大，基层医疗机构和基层医生的数量不断增多，老百姓对于优质基本医疗服务 的需求也在增多，CDSS 的市场开始逐渐从大医院转向基层。 CDSS 的四大基本功能：1、诊断辅助：利用机器模型根据患者主诉现病史检验检查 结果等信息推断患者可能的疾病，并给出可能疾病的概率和判断依据。2、治疗方案 辅助：根据患者的个人基本情况和疾病等情况，推送出治疗方案供医生参考。3、开 单项建议和监督：根据患者的个人基本情况推送用于鉴别诊断和辅助确诊疾病需要 做的检验检查项目，此外还可以对已开立的项目做合理性监督，重复开单和开单互 斥等错误情况可以及时提醒纠正。4、知识库查询：广义的知识库内容除了包含上述 的辅助信息，还包括狭义的的知识库内容，如文献、操作手册、专家指南、药品说 明书等资料入库，方便医生及时查阅。

医院运营管理智能体： 医院运营管理智能体是指构建一个立体的、多域协同、精确判断和持续智能的系统， 它包括智能交互、智能连接、智能中枢和智慧应用四个主要层次。四个层次共同构 建了一个能够实现医院人、财、物全要素协同，医疗、服务、管理全场景智慧化的 系统。

熙软科技的医院运营管理智能体在保有上述基础特征的情况下，围绕医院运营管理 建设进行重点突破，围绕 ODR 核心运营数据中心、ODSS 运营辅助决策、小熙 AI 运营助理三个核心功能不断发力。

对于医务工作者，医院运营管理智能体主要发挥“助手”的作用。在申请出差时只要 简单提问，就能清晰了解差旅报销标准；想要查询科室的运营数据，只需向 AI 运 营助理发问，便会直接获取想要的数据。 对于智能化需求更大的医院管理者。医院运营管理智能体能够实时获取所需的各种 深度数据分析与服务，并根据管理者的习惯，自动推送其期望掌握的数据。即便初 次推送的内容未能完全满足管理者的管理需求，系统也支持通过多模态交互方式， 进一步定制并推送符合期望的信息。 实际运行中，医院运营管理智能体已逐渐成为提升医疗机构效率效益的重要技术实 现路径。采用分析报告、管理路径、策略输出、目标导航、AI 模拟仿真、AI 运营 助理机器人等管理方法和手段，对医疗机构经济运营状况进行事后分析、问题根因 溯源、过程控制、改善评估、未来预测、辅助决策。实现全面支撑优化业务流程、 合理资源配置、计划合理制定等方面的战略管控工作。

3.5. AI 健康管理

AI 健康管理主要是指利用新一代信息、通信、人工智能、生物信息等技术手段，感 测、分析、整合健康数据采集、健康检测、健康评估、健康干预四个关键环节的各 项信息，从而对个体或群体的健康需求做出智能响应的新模式。 AI 赋能健康管理后可以分析个体健康数据和生活习惯，制定个性化的健康管理计划， 提高健康管理的效果和可行性。目前已覆盖运动健康管理、护肤健康管理、营养健 康管理、慢性病健康管理、睡眠健康管理及生命体征检测管理等。

AI 健康管理的主要应用场景：

1）个性化健康管理：AI 大模型整合个人基因图谱、 行为特征及生命体征等多源异构数据，基于智能算法生成精准化健康干预方案。系 统借助海量健康数据库构建预测模型，运用实时数据分析技术，解析用户生物标志 物动态变化趋势，绘制疾病易感性图谱，据此动态优化健康管理路径。 该技术融合用户代谢特征与运动轨迹数据，运用智能规划算法，确定营养摄入配比 与锻炼强度阈值。同时，借助可穿戴设备的连续监测功能，捕捉生理参数波动，通 过风险预警算法，及时识别潜在健康风险，并推送预防性干预策略。此外，基于深 度学习的自适应算法，构建个性化健康基线模型，实现疾病预防、诊疗及康复管理 全周期的健康照护。

2）疾病预测和预防：在医疗健康领域，AI 大模型基于海量临床数据与多模态生物 信息资源的集成分析，搭建起智能化诊疗决策体系。通过深度学习算法，对疾病发 生发展过程中的分子网络与临床表型进行系统性建模，从代谢通路调控机制、免疫 微环境相互作用等多个维度，深入剖析患者的疾病易感性特征以及预后差异情况。 借助多维组学数据与动态电子健康档案的融合分析手段，AI 模型能够构建个体化 健康风险预测图谱，为临床医生在药物敏感性评估、并发症预警以及康复管理等方 面，提供精准且全面的决策支撑。 以慢性病防控为例，AI 系统凭借对区域级人群流行病学特征及生活方式参数的深 度解析，得以构建时空动态传播模型。模型能够精准模拟特定代谢性疾病在具有不 同人口学特征群体中的演进轨迹，从而为公共卫生部门制定分级诊疗方案及靶向干 预策略提供有力支撑。

在遗传性疾病早筛领域，AI 大模型整合全基因组关联研究与蛋白质互作网络数据， 可识别传统方法难以检测出的罕见变异位点及致病性突变组合。通过进一步结合环 境暴露组学数据构建风险预测模型，AI 大模型能够实现从基因型到表型的精准映 射，显著提升复杂疾病的二级预防效能，有力推动临床医学朝着预测性、预防性及 个性化方向转型升级。

3）药物管理与优化

大模型为临床用药决策赋予智能化支撑。其依托对多维度医疗数据，诸如病理特征、 生物标志物以及个体化代谢参数等的深度融合与剖析，得以构建精准的药效动力学 模型，助力临床工作者制定更为科学合理的用药策略。 AI 大模型通过深入解析患者血清蛋白组学特征与药物靶点间的相互作用机制，能够 精准评估特定化疗方案的敏感性阈值，进而辅助肿瘤科医生遴选最为适配的治疗组 合。与此同时，将动态药物浓度监测数据与生理参数变化曲线相结合，系统可实时 对给药间隔及剂量配比进行优化，在确保治疗效果的前提下，有效管控肝肾代谢负 荷。 这种以数据为驱动力的临床用药决策模式，不仅显著提升了个体化治疗的精准程度， 更借助构建药物 - 基因 - 代谢关联模型，大幅降低了药物交叉反应及继发性损伤 的发生风险。

4）AI 赋能远程问诊

AI 技术支持下的远程医疗平台，能实现患者与医生高效沟通。视频问诊时，AI 辅 助工具可自动识别患者症状、分析语音内容提取关键信息，帮助医生快速做出诊断。 同时，通过对远程医疗服务数据的分析，优化服务流程，如合理安排问诊顺序、缩 短患者等待时间，提高远程医疗服务在慢病管理中的可及性和质量 。 在慢性病患者、亚健康群体增大及老龄化驱动下，AI 健康管理需求市场快速扩张， 预计 2024 年市场规模近 1.4 万亿。中国 AI 健康管理行业处于发展初期，细分领域 众多，市场广阔。2018 至 2022 年，市场规模由 2937 亿元增加至 8913 亿元，预计 2023 至 2027 年，市场规模将由 11239亿元增加至 25909亿元，复合增速为23.22%。 过去几年市场规模快速扩容的原因为：（1）需求端的推动：慢性病与亚健康群体规 模的增长，以及人口老龄化进程的加快，促使健康管理需求显著提升，进而驱动市 场扩容，四大慢性病的死亡病例数呈现上升态势。同时，2018 - 2022 年，中国 65 岁及以上人口数量由 1.7 亿增长至 2.1 亿，占总人口的比例从 11.9% 攀升至 14.9%。庞大的目标人群基数，叠加公众保健意识的增强，使得人们对健康改善与疾 病预防的关注度与需求度进一步提高。（2）政策端的驱动：政策层面的有力引导， 加速了 AI 在医疗领域的发展进程，推动市场逐步向各个细分领域渗透。2023 年 7 月，国家卫生健康委员会等六部委联合颁布的《深化医药卫生体制改革 2023 年下 半年重点工作任务》明确提出推进医学人工智能试点工作。该政策在既往 “促进” 的基础上，进一步强调 “推进”，积极鼓励人工智能在医疗领域的试点落地实施 。 未来，市场规模持续拓展的驱动因素主要在于：AI 技术的深度渗透成为行业发展的 强劲动力。健康管理领域，据预测到 2027 年，医疗咨询服务、消费者健康服务、健 康解决方案以及慢病管理的 AI 渗透率将分别达到 25%、75%、25% 和 5.3%。随 着各细分领域 AI 渗透率稳步攀升，市场规模将进一步扩容。

在我国 AI 健康管理产业生态中，产业链上游主要由医疗器械及医用耗材供应商构 成，他们为产业发展提供基础硬件支撑与物资保障。中游主体是 AI 健康管理服务 商，凭借其技术与服务能力，整合资源并提供专业的健康管理方案。下游则依据业 务触达对象的不同，划分为 B 端和 C 端。B 端面向医疗机构、药店等商业及专业 机构，主要满足其在医疗服务、药品销售等业务流程中对 AI 健康管理的需求；C 端则聚焦于慢病患者、亚健康群体等个体消费者，致力于为其提供个性化的健康管 理服务。

按需求人群来看，目前 AI 健康管理可分为三大细分市场，分别是慢病管理、老年 康养、亚健康群体。 1）慢病管理：慢性病包括心脑血管疾病，糖尿病，癌症以及慢性呼吸系统疾病，这 些疾病已经成为世界范围内导致死亡与致残的重要因素。AI 慢病管理以互联网，物 联网，大数据及智能算法为手段，对前期监控，跟踪管理及个性化慢病管理服务的 诸多环节进行广泛干预，塑造价值共创的生态。比如慢病管理平台就能在各业务端 口上给病人提供方便的服务，比如对健康医疗资源的查询，对个人的健康档案的管 理，对电子就诊的记录等等。这一数字化慢病管理模式在促进医疗服务质量与效率 提升的同时，也有效地缓解了我国医疗资源短缺的现状。 中国人口众多，面临着严峻的慢性非传染性疾病防控挑战，随着经济社会发展和卫 生健康服务水平的不断提高，慢性病防控能力得以提升，但发病率和患病率依然较 高。 慢性病以心脑血管疾病、糖尿病、癌症和慢性呼吸系统疾病为主，是全球死亡和残 疾的主要原因，已成为全球重大公共卫生挑战。按性别分类，四大慢性病中男性死 亡数高于女性，呈明显增加趋势。

AI 慢病管理以互联网、物联网、大数据、智能算法为基础技术手段，融合慢病管理 领域的各类资源（如各级医疗机构、药械企业等），形成价值共创生态。通过数字 化技术的运用，慢病管理平台可广泛介入前期监测、跟踪管理、个性化慢病管理服 务等多个环节，为患者在各个业务端口提供便捷服务，如健康医疗资源查询、个人 健康档案、电子就诊记录，电子处方、健康状态建议及远程医疗咨询、患者心理辅 导、用药指导等多种形式的健康医疗服务。 AI 慢病管理作用广泛，有效解决医疗资源不足问题，缓解医护人员人手不足及患者 就医困难等问题。在医护端：缓解医疗人力资源不足问题；数字化技术提升慢病管理的质量和效率； 减少人为错误、各科室之间有望实现信息互联互通，进一步提升医院信息化建设的 价值；利用先进的数据处理及分析技术，有助于支持临床研究的推进。 在患者端：减少患者在往返医院、排队轮候医生咨询或处方重配所花费的时间； 时间灵活，可预约同一位医生复诊，保持治疗连续性；在线平台实现了问诊、开方 及配药的全流程服务，可保障及时取得处方药；有望借助线上平台获得名医就诊机 会；通过科学的管理，有望减少未来的药费支出和住院费用。

中国慢病管理行业历经发展，从传统线下管理模式逐步演进至数字化管理，现阶段 已迈向 AI 管理阶段。企业服务商的服务对象已拓展至医院、药店等 B 端用户， 然而，其商业模式仍处于探索进程中。早期的慢病管理软件主要聚焦在线问诊功能， 目标客群以 C 端用户为主。但由于群众支付意愿较低，行业面临显著的盈利困境。 为突破这一困局，企业积极寻求转型路径。当前，数字化慢病管理服务商已将业务 拓展至医院、药店等 B 端用户领域。同时，部分服务商计划引入商业保险公司，使 其成为慢病管理的付费主体。与国外发达国家相比，中国商业保险在覆盖率方面仍 存在提升空间。以美国的 Livongo 为典型代表，其作为数字化慢病管理服务商，将 B 端客户定位为给员工购置商业保险的企业；而在中国，B 端客户主要定位于医院 以及药店/药企 。 在处方外流、线下药店数字化转型以及互联网医院迅速发展等因素的驱动下，慢病 管理的院外市场呈现出快速发展态势。然而，截至目前，慢病管理市场仍以院内市 场为主导。

2）老年康养：中国的老年人口数量庞大，因此对智能养老技术的需求也相当高。在 国家政策支持和市场需求推动下，人工智能技术已被广泛应用于智慧医疗、智能家 居等领域。AI 老年康养利用智能产品和信息系统平台作为平台，结合物联网、大数 据等先进的信息技术，为广大需要健康养老和养生服务的人群提供了丰富多样的产 品和服务选择。例如 AI 老年康养领域的代表性产品包括可穿戴的健康管理设备、 便于携带的健康监测工具以及自助健康检测工具等。目前已有不少老人在使用这类 产品来进行自我健康评估、疾病预防和医疗指导，也有很多老年人通过购买此类智 能产品来实现 “居家” 或 “社区” 的远程监护功能。 老龄化进程加速，预计到 2035 年，中国将进入重度老龄化阶段，庞大的中老年人 口基础为 AI 老年健康管理提供潜在增长空间。2020 年，工信部、民政部和国家卫 健委对智慧康养相关产品和服务进行明确分类，其中产品类包括可穿戴健康管理类 设备、便携式健康监测设备、自助式健康检测设备等，服务类包括居家健康养老服 务、个性化健康管理、互联网健康管理等，推动中国智慧养老行业各领域发展方向 更加明晰。

在政策红利驱动下，近年来越来越多的企业进军智慧养老、AI 老年康养等行业，在 健康监测、医疗仪器、数据信息化等领域积极投资智能养老产品和服务。在参与企 业中，主营医疗器械类的上市公司较多，投资方向多为智能健康监测与检测类产品； 同时，非医疗行业公司也在抢占智慧康养市场，其中科技和通信行业布局趋势明显。 例如，中兴通讯和深圳市民政局签订了战略合作协议，协助推动养老服务信息化智 能化、现代化水平的提升；万达信息和上海、四川政府合作，共同建设养老信息化 平台等。未来，将有更多大型企业进入智慧康养行业凭借自身技术优势以及资金优 势不断推动行业发展。

3）亚健康：是一种身体状况介于健康和不健康之间的状况，其主要症状包括活力下 降、功能和适应性的减退。中国的亚健康人群数量众多，并且呈现出年轻化的发展 趋势。全球范围内，处于亚健康状态的人群约占总人口的 75%。在中国，亚健康群 体规模庞大且呈现低龄化趋势，约 29.4% 的亚健康群体年龄在 35 岁以下。具体而 言，在中国亚健康群体中，18 - 25 岁、26 - 35 岁、36 - 45 岁、46 - 55 岁、55 - 65 岁及 65 岁以上人群分别占比 6.5%、22.8%、19.7%、25.8%、13.7% 和 11.4% ， 年龄分布整体呈倒 “V” 字形态势。 中国亚健康人群改善身体素质方式多种多样，其中加强锻炼占比达 41%，规律睡眠 调整饮食、调整饮食紧随其后，占比分别为 38%、31%和 20%，AI 技术可渗透到运 动、睡眠健康及调整饮食等环节，通过监测设备提醒身体状况，并做出相应的指引 和计划，便于亚健康群体改善身体素质。

中国 AI 亚健康行业尚处发展初期，市场体量较小，2018-2022 年市场规模由 1.5 亿 元增加至 6.7 亿元，预计 2027 年市场规模将扩大至 37.6 亿元。过去几年市场规模 快速扩大主要系业健康群体扩大推动市场需求扩容，此外，人工智能等技术的应用 与革新促使市场向数字化、智能化转变。诸多先进技术被引入亚健康管理市场，例 如美丽田园的 IRATHERM® 技术，通过模拟阳光，将顾客的核心体温提升至 38.5° C - 40.5°C，从而加速体内新陈代谢。

未来 AI 亚健康市场规模将持续扩大，主要系：（1）目标客户范围拓宽，吸引如城 市白领等人群。在保健意识增强的推动下，未来亚健康管理目标客户不再局限于年 纪稍长人群，25 - 35 岁人群亦能接受亚健康管理服务，以改善身体状况并预防疾病。 同时，城市白领的繁重工作及不健康的生活方式引起的睡眠障碍、抑郁症、焦虑症 及慢性疲劳等也可通过亚健康管理进行改善。（2）拓宽疾病领域。AI 亚健康管理 行业仍处于发展初期，尚少企业涉猎，基于广大的受众群体，其他 AI 健康管理及 AI 医疗相关企业，可通过拓宽产业范围，对亚健康领域进行布局，进而刺激市场进 一步扩容，为客户提供一站式综合服务体验。

4.重点公司分析

4.1. 祥生医疗：超声领域领军者，AI 与便携化驱动公司未来成长

公司主要从事超声医学影像设备的研发、制造和销售，为国内外医疗机构、科研机 构、战略合作伙伴等提供优质的产品和专业的技术开发服务。作为研发驱动型的企 业，公司多年来秉承自主研发的技术理念，坚持超声医学影像技术国产化的发展战 略，现已掌握了从二维超声、三维超声到四维超声；从彩超探头核心部件、图像处 理算法、图像分析软件到彩超整机设计开发；从临床应用专科化、设备便携化到人 工智能云平台解决方案在内的全套超声医学影像的核心技术。 公司 2024 年公司实现营业收入 4.69 亿元，同比-3.13%；归母净利润 1.41 亿元，同 比-4.08%。毛利率 58.95%，同比+0.14pct。单 Q4 实现营业收入 1.06 亿元，同比 +29.77%；归母净利润 0.42 亿元，同比+733.85%。2025Q1 公司实现营业收入 1.28 亿元，同比-9.16%；归母净利润 0.42 亿元，同比-8.62%。 受市场宏观因素影响公司业绩短期波动，公司持续重视研发投入。2024 年公司营业 收入同比下降 3.13%，主要系市场受宏观环境影响需求放缓所致，营业收入分产品拆分，超声医学影像设备/配件及其他/技术服务费收入分别同比-1.71%/+20.45%/- 49.65%；归母净利润同比下降 4.08%主要系在收入小幅下滑的同时公司三费均刚性 支出，销售费用/管理费用/研发费用分别同比+4.12%/+7.73%/+3.32%。

公司高端推车式超声稳步发展，便携小型化超声持续发力。（1）公司突破了微小血 管成像、专科智能化等成像技术，其中高端彩色超声诊断系统获得 2024 年苏锡常首 台（套）重大装备认定。公司凭借已突破的先进成像技术和智能化技术推出的高端 彩色超声诊断系统，提升了公司在高端市场的产品竞争力，为公司在未来超声设备 领域的技术创新奠定了坚实基础。（2）公司持续保持小型化超声技术优势，以 SonoEye 掌上超声为代表的小型化系列产品，在全球范围内达到领先水平，凭借其 便携性、高性能和智能化特点，在医学诊断领域的国际性学术期刊《Diagnostics》的 研究论文中获得最佳综合评分，并获得上海市医师协会超声医师分会评比的“创新应 用模式示范奖”。此外，该系列产品还助力南京大学学生在 2024 年英特尔杯大学生 电子设计竞赛嵌入式系统专题邀请赛和第七届(2024)全国大学生嵌入式芯片与系统 设计竞赛应用赛道两项全国竞赛中获得一等奖，随中国海军“和平方舟”号医院船、 第 14 批中国援巴布亚新几内亚医疗队远赴海外开展人道主义医疗服务，助阵“山海” 提升工程浙大邵逸夫医院、上海交通大学医学院义诊，入驻上海国际马拉松比赛保 障区等，进一步体现了小型化超声在急救场合、偏远地区医疗援助、家庭健康监护 等场景下的应用价值。此外，公司还积极参与制定首部《掌上超声临床应用规范》 全国团体标准，为提升我国掌上超声高质量、高标准发展提供标准依据和产业支撑。 基于多年来便携小型化技术的积累，公司推出的笔记本智能超声 SonoAir 系列产品， 在笔记本超声领域表现优异，以强有力的蓄电能力、新颖超薄的外观设计、先进的 成像技术为基础，通过人工智能云平台 SonoAI 再赋能，形成的 SonoAir 智能超声 解决方案荣登英国 BBC“女性健康”专栏，海外影响力持续扩大；与此同时，结合公 司在兽用超声设备的多模态成像技术突破，形成了 SonoAirVet 等新产品，该系列产 品获得 2024 中国宠物医疗行业年度品牌盛典年度经营器械品牌奖，荣登巴西专业 杂志封面，并荣获国际 i-NOBO 奖。

超声 AI 领域前瞻布局，不断完善产品与服务矩阵。公司较早开始布局超声 AI 技术 的研发，在乳腺疾病、颈动脉、甲状腺、产科、肝脏、心脏等领域的 AI 辅助诊断软 件上取得了突破性进展，其中乳腺超声分析软件于 2022 年获得医疗器械注册许可。 当前，在超声 AI 领域，公司深度布局超声智能技术生态，以"超声人工智能+专科模 型"双引擎驱动全场景革新，实现动态图像识别、疾病自动检测与测量、智能化诊断 流程优化及多模态 AI 融合，建立覆盖设备研发-影像采集-诊断决策的智能化标准框 架，打造"精准筛查-智能诊断-个性康复"三位一体服务网络，支持乳腺、肝脏、心血 管、颈动脉、甲状腺、妇产科等多个临床学科的智能化诊断，具体包括实时图像分 割、病灶特征提取、自动化测量以及结构化报告生成等功能，重构超声医学全流程 决策路径。其中，以产科人工智能应用为例，公司发布了基于国内外行业相关标准 的覆盖全孕产期的智能解决方案，自动追踪胎儿体位，支持实时自动获取标准切面， 自动识别胎儿生长指标，自动测量发育参数等系统性量化识别结果，智能推荐最佳 测量帧，自动生成胎儿检查报告，显著提高筛查精准度与工作效率。

4.2. 润达医疗：体外诊断产品线齐全，AI 数智化产品赋能公司未来发展

公司作为国内规模领先的医学实验室综合服务商，以大数据、人工智能等新一代信 息技术为支撑，为各类实验室（主要为医院的检验科，又称临床实验室，还包括第 三方医学实验室、体检中心、疾控中心和血站等其他医疗单位所属的医学实验室） 提供体外诊断产品、技术服务支持、实验室运营管理等全方位的综合服务。同时以 体外诊断产品研发生产、数字化信息系统开发、第三方实验室检测等产业链延伸业 务为补充，构建覆盖医学实验室全场景的智慧化服务体系。依托公司强大的数据资源平台，以 AI 与大模型技术为引擎，深度重构医学实验室服务模式，发展新质医疗 服务，实现数智化转型，形成“服务+制造+数字生态”协同发展的创新格局。 公司积极布局上游 IVD 生产制造领域，对 IVD 部分特色技术领域产品进行差异化 布局，自主品牌产品领域覆盖糖化、临床质谱仪、分子诊断、POCT、数字信息化系 统等领域；公司继续投入新产品的研发，同时对原有产品技术进行升级，保持了自 研产品在市场上的良好口碑。公司的拳头产品-惠中糖化血红蛋白检测产品线，已推 出 MQ-3000，MQ-2000T，MQ-6000 和 MQ-8000 等系列产品及 MQ-8000 糖化流水 线，在国内糖化血红蛋白检测市场具有领先地位；凭借优异的口碑，惠中糖化产品 不仅巩固了国内市场地位，还成功实现出海。惠中新推出五分类血球分析仪系列产 品 MH-60、MH-120，其中 MH-120 可与公司糖化血红蛋白分析仪 MQ-8000 形成高 效的自动化流水线，实现从血液学检测到糖化血红蛋白分析的全方位集成检测方案。 子公司润达榕嘉为客户提供自主研发的临床质谱仪—ARP-6465MD 三重四极杆质 谱仪、谱易快萃取柱、谱方达全自动前处理仪等一站式极简质谱临床应用解决方案； 同时新推出了 CytoPro 流式细胞前处理仪与 CytoSelect 细胞分选仪，助力免疫表型 鉴定与细胞功能研究。

公司 2024 年实现营业收入 83.12 亿元，比上年同期下降 9.13%；实现归属于上市公 司股东的净利润 0.55 亿元，同比下降 79.77%。营业收入下降主要受国内宏观环境 及集中采购医疗政策环境影响，医疗机构客户收入增长受到一定影响，公司相关业 务拓展亦受到影响，营业收入出现小幅下降；归母净利润较去年同期下降较大，主 要系营业收入下降，但公司服务成本、固定资产折旧等固定开支未减少，边际成本 费用增加；同时公司在 AI 医疗等新业务拓展力度加大，相关费用投入增加。未来随 着宏观经济的好转及医疗政策环境的改善，医院客户将逐步回归到常态化增长轨道， 公司各项业务亦将恢复稳步增长态势，回到合理的利润率水平。 深化 AI 医疗生态布局，加速落地 AI 数智化产品。公司积极拥抱 AI 技术，发挥自 身在医疗垂直领域的深厚积累、AI 应用等领先优势，积极与医疗产业链上下游企业 及医疗机构开展深度合作，实现了 AI 医疗全场景应用落地，为医疗机构及合作伙 伴提供高效、精准、安全的 AI 解决方案。1）在医院端，公司已先后为长海医院、 温州医科大学第一附属医院、华西医院、齐鲁医院、山东省立医院等 80 余家医院 提供 AI 数字化解决方案。同时，公司基于华为轻量化 AI 训推底座 LightDCAI 和 DeepSeek 大模型发布“华擎智医”训推一体机，为客户提供全栈国产化、医疗全场 景应用覆盖、轻量化部署以及数据安全保障的数智化解决方案，助力医疗机构实现 数据智能闭环、业务效率跃升和服务质量突破。2）在医疗数据要素方面，公司携手 多方联合推出的《基于数据与能力双轮驱动构建医疗 AI 服务新模式》项目，旨在 通过构建 MaaS（模型即服务）模式的区域医学 AI 集成平台，整合属地医疗资源， 实现数据高效管理与应用，该项目获得国家数据局举办的 2024 年“数据要素×” 大赛全国总决赛三等奖，浙江赛区一等奖。近期，公司发布了杭州市拱墅区“墅智 健康”大模型 1.0，为区域医疗健康数字化转型提供全新解决方案，开创区域医疗健 康数字化转型全新范式。公司开启“繁星行动”，旨在利用领先的人工智能技术， 与全国顶尖医院专家团队合作，赋能不同学科的科学研究，共同开发专病 Agent， 推动 AI 专科医疗服务智能化升级。目前公司已联合华为与华西医院成功推出消化 科领域“睿兵 Agent”、与齐鲁医院发布“齐鲁·心擎-急性胸痛大模型”。通过专 病 Agent 开发，进一步提升 AI 医疗大模型的可信度，同时将顶级医院先进的诊疗 能力下沉到基层，让更多患者能够获得标准化、高质量的诊疗服务。4）产业链合作 方面，公司稳步推进各类应用场景落地。在保险场景，公司与太平保险共同推出数 智化乳腺癌健康管理产品 Lumisense，旨在通过基因筛查+大模型技术，为女性提供 集精准检测、医疗级 AI 健康助理、临床诊疗、保险以及患者服务于一体的全方位健 康管理平台。在体检应用场景，公司与美年健康合作打造 AI 机器人“健康小美”数 智健管师，目前已在美年健康旗下 60 余家体检中心上线。在药店应用场景，公司和 广西柳药在智慧药房、智慧医院、智慧医疗云等领域开展全面深入合作，利用 AI 大模型技术赋能药店，推出 AI 药师助手“阿桂药师”，为药店客户提供检测报告辅助 分析，数字化陪护疗养，个性化健康管理等增值服务，实现一体化智慧管理。

4.3. 晶泰控股：AI 制药领军者，积极扩展新材料领域商机

公司是一个基于量子物理、以人工智能赋能和机器人驱动的创新型研发平台。公司 采用基于量子物理的第一性原理计算、人工智能、高性能云计算以及可扩展及标准 化的机器人自动化相结合的方式，为制药及材料科学（包括农业技术、能源及新型 化学品以及化妆品）等产业的全球和国内公司提供药物及材料科学研发解决方案及 服务。 公司拥有多元化客户群，涵盖初创公司到全球生物技术与制药公司及新材料领域的 独角兽及龙头企业。公司的客户群涵盖全球前 20 大生物技术与制药公司中的 16 家， 公司认为这是公司解决方案及服务水平的一项指标。通过在中国和美国均开展业务， 公司努力利用每个地区的最大能力和可得资源优势满足客户、合作者及学术合作伙 伴不断变化的需求。公司与辉瑞公司、强生及德国达姆施塔特默克集团、中石化集 团上海研究院等很多世界领先的生物技术与制药企业集团及新材料领域龙头公司 建立了长期稳固的合作关系，其中多数为公司的回头客。 2024 年公司实现营业收入 2.66 亿元，同比+52.75%，归母净利润-15.17 亿元，亏损 同比缩窄。营业收入按业务拆分，公司 2024 年智能机器人解决方案/药物发现解决 方案分别实现营业收入 1.62/1.04 亿元，同比+87.76%/+18.16%。公司通过实施“AI+ 高效经营策略”取得显著成效：月均现金消耗同比下降 22.6%至 0.48 亿元。

(1) “AI+机器人”重塑研发范式，开启药物及材料研发智能时代

公司使用 AI+机器人的模式，打造了行业独有的“高通量实验-高质量数据-高智能模 型”飞轮。公司的机器人实验室平台正在 7*24 小时地进行实验，并高速地积累“高 质量数据”，这些数据正在被用于训练公司的各类 AI 模型，这些模型可应用于包括 靶点解析、虚拟筛选，合成策略推荐，合成反应结果预测，专利搜索及结构化地整 理数据等环节。公司正在改变传统的研发方式，推动药物和材料研发范式变革。目 前，公司的模型已经在日常运营中赋能研发人员，加快交付进程，突破药物发现及 新材料分子研发瓶颈，显著扩大可探索的化学空间。公司认为，以“高质量数据驱 动”为核心的垂直领域 AI for Science 模型将成为颠覆性力量。除了公司过去积累的 分子生成模型 Xreactor、自由能微扰算法 FEP、晶体结构预测模型 CSP 等 200 多个 模型， 2024 年，公司取得了更多的重要技术突破，包括：

数据壁垒构建：公司的机器人实验室已经覆盖了 80%以上的常见药化反应类型，每 月可以积累 20+万条反应过程数据，该数据的实验结果的一致性高，数据质量远远 优于开源数据，基于该数据集训练的 AI 模型可以获得更高的准确度和置信度。

AI 模型突破人类效能：2024 年，公司新建了 20+种 AI 反应性╱实验条件预测模 型，这些模型的准确率均超过 80%，对失败反应的识别率大幅超过合成专家。公司 基于量子物理第一性原理和机器人实验室产生的数据集，自建了 UV 谱图预测模型 和基于 LCMS 谱图的产率预测模型，可以在不做产物分离提纯的前提下获得实验产 率，准确率超过 90%，极大地提升了数据标注的效率。

领域模型与 LLM 的深度融合：基于 LLM 和深度神经网络，公司与 IDEA 研究院 共同开发了 PatSight 专利数据挖掘平台。该平台可实现对文献和专利中结构、活性、 药效和反应数据的快速且精准抓取，可以将传统需要 2–3 天提取的文献和专利数 据在一小时内提取完成，且准确率高达 95%以上。该平台打破了传统人工获取数据的低效方式，提升了解析小分子化合物结构的效率，同时为垂直领域 AI4S 模型的 构建提供有效的公开大数据来源。

‧端到端多智能体：公司通过自主开发的 Multi-Agent（多智能体），逐步构建从分子 设计-分子合成-后处理-分子检测-数据分析全流程的智能化和自动化，提升实验效率， 降低实验门槛，完成软件+硬件的全场景覆盖。在设计阶段，公司通过 Agent 进行原 料挑选，可合成评估并筛选目标分子；在合成阶段，公司通过 Agent 进行反应进程 的谱图分析，反应结构判断，分离方法推荐，质检结果判断，推动反应进程；在管 理环节，公司通过 Agent 保障各流程数据的准确性，汇总项目报告，直至最终的分 子交付。基于以上的能力，公司可以高效进行化学实验，积累大规模的高质量实验 数据。

(2) AI 驱动的生物平台 XtalFold™获全球领先药企认可，开启抗体药物研发新纪 元。公司已经构建了 XtalFold™结构建模平台、XenProT™生成式 AI 平台、Xentient ™判别式 AI 平台等，持续在深度人源化、高通量人源化、pH 依赖改造等技术上深 耕。2024 年，公司凭借全球领先的蛋白质相互作用预测算法 XtalFold™，与强生、 优时比等跨国药企达成商业授权协议，获得了顶尖药企的背书。特别值得强调的是， XtalFold™产生的优质数据资产正持续反哺公司的多模态 AI 平台，使公司在治疗 性抗体的人源化改造、亲和力优化等领域建立显著竞争优势。公司的抗体平台实现 了以下三大突破：

三维结构解析：仅需氨基酸序列信息即可在一天内精准预测抗原-抗体复合物空间 结构。

建模突破：经过严格的基准测试，在成功率和难以建模区域的建模能力等方面行业 领先。

场景验证：已在 30 多个内外部项目中得到充分验证，在多种应用场景中均取得了 显著结果，包括抗原设计、表位识别、亲和力成熟、pH 敏感性改造和双抗设计等。

(3) 公司继续推动 AI+机器人在生命科学领域的应用，公司赋能的管线实现了里程 碑跨越。2024 年，继此前与某领先 biopharma 成功推进一项创新药研发项目后，双 方在今年又达成多项新的 AI 驱动的新药研发项目合作。公司的 AI、计算、实验深 度融合的一站式技术平台，助力客户在慢性病领域的早期药物研发实现重要突破。 基于前期项目的高效推进，公司计划在 2025 年进一步扩大合作范围，针对更多靶点 及适应症展开联合攻关。 2024 年，公司与东亚多个 biotech 龙头企业成功合作，高效地设计和发现了针对多 个高难度靶点的先导化合物。公司创新性地采用主动学习驱动的 XFEP 加速计算技 术，对万亿级虚拟化合物库实施智能筛选，并依托高效高质量的自动化合成平台， 成功为合成致死和 CNS 领域的两个困难靶点实现先导化合物的高效发现，获得合 作方技术委员会的高度评价。 公司与希格生科（深圳）有限公司（“希格生科”）合作开发的全球首个用于治疗 弥漫型胃癌的靶向候选药物继 6 月获得 FDA（美国食品药品监督管理局）的 IND 批 件（新药临床批准）后，又于 9 月获得了 NMPA（国家药品监督管理局）的 IND 临 床批准。并在北京大学肿瘤医院成功完成首例实体瘤受试者给药(First Patient In，FPI)。 该管线也获得 FDA 授予的胃癌孤儿药资格认证(Orphan Drug Designation, ODD)，并 在 25 年 2 月获得了 FDA 快速通道认定(Fast TrackDesignation)，有望显著缩短审批 周期，加速其上市进程。这是全球首个类器官+AI 赋能创新药设计与筛选的案例。

公司与北京默达生物科技有限公司（“默达生物”）合作开发的用于治疗原发性高 草酸尿症(PH)的临床前候选药物获得美国食品药品监督管理局(FDA)的孤儿药资格 (ODD)和儿科罕见病药物资格(RPDD)认证，该管线目前在 IND-enabling 阶段，有望 在未来解决 2 型和 3 型高草酸尿症患者无药可用的困境，以及为 1 型高草酸尿症患 者提供更友好的口服治疗选项。公司早前已与一家总部位于印第安纳波利斯的全球 领先制药公司就人工智能赋能的小分子药物发现达成 250 百万美元的合作，目前前 述合作进展顺利。2024 年，公司将双方合作进一步扩展到固态研究等领域。 2024 年，公司赋能的生物科技公司深圳莱芒生物科技有限公司（“莱芒”）取得突 破性进展，其代谢增强型 CD19CAR-T 完成首例系统性红斑狼疮受试者给药，首次 拓展至自身免疫疾病治疗领域。通过晶泰提供的 AI 算法与高通量实验相结合的方 式，莱芒对代谢增强型 CAR-T 设计中用到的核心代谢增强因子进行了优化设计，显 著提升了与受体结合的亲和力与免疫学活性，优选设计结果目前已经应用于实体瘤 靶点的代谢增强型 CAR-T 临床前研究中，可以帮助代谢增强型 CAR-T 更好突破实 体肿瘤的免疫微环境。

(4) AI+机器人赋能未来分子研发。根据行业研究机构最新分析，全球新材料市场总 规模预期突破十万亿美金。公司积极把握新材料产业升级的战略机遇，持续深化 AI+ 机器人技术对材料科学的赋能，凭借公司高精度的 AI 及高柔性化机器人技术，已 经在材料科学、农业、消费品等领域实现技术落地及达成合作。

4.4. 卫宁健康：持续打造“AI+医疗”产品矩阵，WiNEX Copilot 已开始 推进落地

公司自成立以来一直集研发、销售和技术服务为一体，为客户提供“一体化”的解 决方案，致力于提供医疗健康卫生信息化解决方案，不断提升人们的就医体验和健 康水平。通过持续的技术创新，自主研发适应不同应用场景的产品与解决方案，业 务覆盖智慧医院、区域卫生、基层卫生、公共卫生、医疗保险、健康服务等领域， 是中国医疗健康信息行业具有竞争力的整体产品、解决方案与服务供应商。 公司在夯实医疗信息化产品和服务的同时，自 2015 年起积极布局医疗健康服务领 域，推动互联网+模式下的医疗健康云服务等创新业务的发展，贯彻“1+X”战略。 “1”是新一代 WiNEX 系列产品，实现医疗卫生服务资源数字化；依托开放互联的 卫宁数字健康平台 WinDHP，构建行业数字基座“+”，汇聚并数字化医药健险各方 能力；通过能力交换兑现价值，在数字空间构建出数字化产品、数据服务创新、互 联网医院、医药险联动等“X”个数字健康应用场景，充分释放医疗机构能力，持续 丰富医疗数字化生态。 在深化“1+X”战略落地过程中，公司持续推进医疗人工智能的技术突破与场景融 合。2017 年，成立卫宁健康人工智能实验室（WAIR），在医学影像处理、自然语 言处理、医学数据挖掘等方面积极开展医疗 AI 研究探索和创新实践。2023 年，公 司正式发布自主研发的医疗垂直领域大模型 WiNGPT，大模型通过国家互联网信息 办公室“深度合成算法”备案。WiNGPT 以医护智能助手 WiNEX Copilot 的形态内 置于公司新一代 WiNEX 产品中。WiNEX Copilot 致力于成为医护好帮手，集成涵盖 医院管理、医护增效等 100 余个临床应用场景。目前，WiNEX Copilot 已在北京、 上海等地的医院推进落地，在医疗领域大模型应用方面形成了比较优势。 2024 年公司营业收入同比下降 12.05%，归属于上市公司股东的净利润同比下降 75.45%，主要原因是部分客户需求释放递延、招投标节奏滞后、交付验收延后等影 响以及公司新一代产品 WiNEX 正在升级替换过程中，尚未转化为规模收入；同时 投资损失、减值损失增加；2024 年公司销售费用、管理费用和研发费用合计同比下 降 17.94%。

1、WiNEX 进入快速交付期，依托数字化转型助力打造高水平智慧医院标杆

1）打造不同业务领域、不同区域的医疗数字化标杆。助力澳门协和医院打造立足大 湾区、辐射东南亚、迈向全球化的区域医疗中心，该项目的落地，不仅是 WiNEX 产 品的国际化适配能力得到进一步验证，也为公司在海外核心业务领域树立了标杆案 例，为海外布局奠定了更加坚实的基础；助力浙江省中医院扩展中医专科特色的数 字化智能应用，完成多个院区上线，全面支撑互联网运营创新场景（乌梅汤 2.0 版）， 打造数智中医院新范式；助力重庆医科大学附属儿童医院打造全国顶级儿童专科数 字化样板，满足儿童专科个性及专业要求，为患儿提供更高质量的医疗服务，数智 医疗赋能守护儿童健康；助力深圳前海泰康医院打造“智慧感知、极致体验”的数字 化系统，并实现“全院一张床”全面落地，数字化保障高品质民营医院发展。同时， 山东大学第二医院、赣南医科大学附属第一医院、大同市第五人民医院、广东医科 大学附属东莞第一医院、丽水市中心医院等多家大型综合医院顺利上线 WiNEX 产 品。

2）医疗信创方面，公司全线产品与国产化技术生态深度融合，覆盖芯片（鲲鹏、海 光）、操作系统（麒麟、统信）、数据库（达梦、金仓、高斯、TDSQL）全产业链， 累计获得 600 余项信创认证，构建了完整的自主可控技术体系。核心业务系统 HIS、 LIS、RIS/PACS、区域卫生平台等关键业务系统已实现信创场景的规模化应用，覆 盖单体医院、集团化医院及区域医疗平台多层级场景，验证了核心业务系统在国产 化环境下的稳定性和成熟度。携手华为发布鲲鹏原生开发产品 WiNEX，通过广州市 老年医院项目实现国内首个基于集团化架构的医院核心业务系统信创上云；联合腾 讯健康打造新一代智慧医院标杆，在深圳市第二人民医院龙华医院落地基于信创云 的医疗解决方案，创新性采用弹性 IT 架构支撑业务动态扩展。

3）智慧医院评级方面，新增助力 11 家医院顺利通过电子病历应用水平五级及以上 测评；在 2023 年度国家医疗健康信息互联互通标准化成熟度测评中，助力 4 家卫 健委用户与 32 家医院用户通过四级及以上测评；医共体及基层卫生数字化方面，在 2024 年首届推进县域医共体高质量发展擂台赛中，助力云南省蒙自紧密型医共体案 例荣获擂台赛二等奖；助力澜沧拉祜族自治县医共体案例《“数字桥梁入深山”—— 信息化赋能山区医疗新生态》入选“第二届全国医共体建设优秀创新成果展”；助力 东台市紧密型县域医共体成为医共体改革新星，并获得国家卫健委领导的高度评价， 认为其医共体建设措施有力、成效明显，可供借鉴。根据 2024 年 5 月 IDC 发布的 《中国医院核心诊疗系统市场份额，2023：新一代系统韧性发展》研究报告，2023 年，在中国医院核心系统主要厂商市场份额中，卫宁健康占比为 13.4%，市场份额 第一（公司在 2020 -2023 年已连续四年排名第一）。

2、智能引领，持续加强技术创新，推动公司技术进步

技术创新始终是公司核心战略的重要组成部分，公司将持续围绕 WiNEX 全系产品、 AI 应用等加大研发投入，不断筑牢产品的技术壁垒。报告期内，公司研发投入 5.62 亿元，占营业收入的 20.21%；公司及控股公司新取得专利 98 项（其中发明专利 26 项），新获得计算机软件著作权证书 125 件。

1）智能态 AI 增强。2024 年公司发布医疗大模型 WiNGPT2.7 版本，此版本在通用 能力和医疗能力方面较前期版本有明显提升，同时完成国产化 CPU 和 GPU 服务器 适配，并通过量化和加密技术提供更安全、高性价比的部署模式。2025 年 2 月，公 司迭新发布 WiNGPT2.8 和医护智能助手 WiNEX Copilot 2.1，全面对接 DeepSeek。 WiNGPT2.8 借力 DeepSeek 的 AI 推理，成为更加全面、性能更强的医疗大模型。 WiNEX Copilot2.1 进一步聚焦场景深化、模型支持、平台能力三大方向，覆盖临床、 护理、医技等关键医疗场景，贯穿诊前、诊中、诊后全流程，全面深化医疗临床与管理场景质控能力与移动端场景拓展。截至 2024 年底，公司累计为 20 余家用户部 署大模型及 AI 应用场景。2025 年 1-3 月新增 80 余家用户部署大模型及相关场景。 同时，面向公司研发侧，公司积极布局应用大模型能力在智能运维、代码生成与优 化、文档生成等生产环节提高效率和质量，推动企业生产模式变革。

2）业务态数字为先。WiNEX 实现批量交付并支撑互联网运营创新、国际化适配及 信创发展。凭借韧性数字架构，WiNEX 核心系统可稳定承载互联网日百万级业务 量；75 个核心业务系统完成多语言适配，加快国际化项目的落地能力。同时，支持 集团化发展，WiNEX 进一步强化多院区、多机构等不同集团管理模式机构间协同与 生态联动能力；信创布局方面，WiNEX 完成国产化适配与密评认证，适配兼容阿里 云、腾讯云、三大运营商云及相关国产化软硬件，累计完成密评改造产品 40 个、信 创适配产品 114 个、信创认证证书 91 份、华为鲲鹏原生认证 5 个，与上海信创实验 室、天津超算中心、华为等建立深度信创合作，公司将密切关注政策动向，紧抓国 产化发展契机，凭借成熟的产品力和优质的用户体验，有效助力用户构建自主可控 的数字化环境。

3）交付态云化就绪。持续积累用户交付共性需求，标化交付步骤，从云架构、云开 发、云交付、云运维四方面推进 WiNEX 产品“出厂即可用”。云架构方面，PBC （Packaged Business Capabilities）进一步升级 2.0“微服务单需求发布”模式，通过有 效的需求管理和发布流程，加快需求生产及交付效率，同时，确保微服务应用系统 的稳定性；云开发方面，低代码开发平台和无代码平台通过提供知识库模板、结构 化检索和全文检索等辅助快速生成模板，提升交付效率；云交付方面，从业务知识 模型，数据核查规则和定制化区域本地模板加强知识体系的专业化，实现可配置的 快速交付。WiNEX 交付在数据、业务、接口和知识模版交付方面约提升效率 20%； 云运维方面，一体化故障定位平台加强故障定位能力，将原有数百个指标及有效策 略按不同领域问题进行分类组合，故障一体化集中分析展示，定位问题快速运维， 使故障发生率下降约 10%，故障恢复效率提高约 15%。

3、聚焦“X”板块，助力提质发展

公司在夯实医疗卫生信息化业务的同时，在数字空间构建出数字化产品、互联网医 疗、医药险联动等“X”个数字健康应用场景。其中，以纳里股份为代表的互联网医疗 解决方案和运营服务提供商，已累计为全国 11,000 多家医疗机构提供系统建设和技 术维护服务，产品线成熟度和实施交付标准化能力进一步提升。随着医疗机构线上 业务渗透率的提升，纳里股份积极探索，不断加强互联网医疗服务的深度和广度， 持续深化赋能医疗机构，构建“基础医疗+消费医疗”双轮生态。环耀卫宁，近几年受 外部环境变化及自身经营战略调整影响，在稳定核心业务的同时进行业务结构调整 和人员优化，集中资源推进商保直付理赔等业务的发展，持续为商业保险公司、企 业端提供健康管理服务，同时推动在医疗与保险业态的科技创新服务，不断提升独 立第三方的运营服务与创新合作能力。定位为商保公司及医保部门提供保险智能风 控和数据+AI 服务的参股公司上海金仕达卫宁软件科技有限公司（以下简称“卫宁科 技”）2024 年在医保业务方面，主要进行了所承建的省级医保信息平台项目一期的 运维工作以及省级医保信息平台二期项目的建设业务，如山西、天津、辽宁、广东、 新疆兵团、海南等多个省平台二期项目的建设，此外积极拓展省级医保信息平台新 一期的项目以及医保局端监管新模式相关的项目；医院端业务方面，推动医保费用 预警分析系统、DRG/DIP 系统等业务的拓展；商保业务方面，基于已落地的城市惠 民险项目提供新一期的系统与服务，并积极拓展新的城市惠民险项目，同时在团体 健康险、个人健康险的商保业务拓展上，与不同保司合作取得了一定进展。

4.5. 东软集团：24 年营收稳健增长，不断扩充 AI 产品矩阵

东软集团是行业领先的全球化信息技术、产品和解决方案公司，是产业创新变革的 推动者和数字化转型的赋能者。公司赋能全球数万家大中型客户实现信息化、数字 化、智能化发展，在医疗健康、智能汽车互联、智慧城市、企业数字化转型等众多 领域处于领先地位。 2024 年公司实现营业收入 115.6 亿元，同比+9.64%；归母净利润 0.63 亿元，同比14.70%。营业收入按行业划分医疗健康及社会保障/智能汽车互联/智慧城市/企业互 联及其他分别同比-12.08%/+4.70%/+49.95%/+13.64%，公司在核心业务方向加速推 出了多款新产品与解决方案，新签合同和在手订单量质齐升，进一步夯实了公司在 核心业务领域的领先地位。

1）在医疗健康及社会保障领域，公司连续多年在医保信息系统、人社 IT 解决方案 等领域保持市场份额第一。2024 年，公司战略布局聚焦县域医共体、公立医院高质 量改革、医疗健康数据价值化、城市就业公共服务能力提升等核心方向，持续驱动 业务增长。2024 年签署 30 余个千万级医疗健康项目订单；新增助力 24 家、累计助 力 70 家医院客户通过国家电子病历系统功能应用水平高级别（五级及以上）评级， 继续保持行业领先地位；累计为 50 余家医共体客户提供服务，并以“AI+数据”为核 心驱动力，重塑“智慧医院+智慧卫健+智慧医保”一体化解决方案，推动大健康领域 向智能化和数据价值化全面升级。 2）在智能汽车互联领域，公司 8295 智能座舱平台实现“舱行一体”技术创新并搭载 于吉利量产车型，智能座舱与智能驾驶融合进入新阶段。2024 年，公司持续获得吉 利、长安、奇瑞、一汽、零跑、长城、保时捷、奥迪、英力士等国内外主流车厂定 点订单，整体出货量同比增长超 30%；出海相关业务持续加速，年内新增定点金额 同比增速近 40%，整体出货量增长达 65%。报告期内，公司荣获 2024 年金辑奖“最 佳出海实践奖”“金智奖-汽车 AI 大模型 TOP10 企业”“2024 中国车企 AI 科技伙伴 TOP10”等多个奖项。 公司全面推进各领域解决方案的智能化升级，AI 产品家族持续扩容，并在多个应用 场景落地。在 AI+医疗领域，公司发布“添翼”医疗健康智能化全系解决方案，融合 多种基础 AI 模型的智能化能力，涵盖患者服务、医事服务、病历服务、医学影像、 医学检验、重症医学、医学科研、卫健共 8 个医疗行业赋能体，覆盖几十个核心医 疗 AI 应用场景，并已在中国医科大学附属盛京医院、武汉大学中南医院、四川省人 民医院、东南大学附属中大医院、昆明医科大学第一附属医院、云南省肿瘤医院等 数十家医院实现了场景落地。在医学与信息技术融合的“产学研医用”生态方面，公 司与《2023 年度复旦中国医院综合排行榜》Top60 医院中的 19 家医院，建立了共同 承担国家重大科研项目的合作关系。公司多款 AI+医疗产品完成并通过华为昇腾技 术认证，双方联合发布“东软&华为临床医生助手一体机解决方案”，并将共同在医 院、卫健、医保等领域开展深度合作与实践。截至 2024 年末，东软 AI+医疗相关产 品和科研服务已应用于 90 多家医院。

4.6. 讯飞医疗科技：星火医疗大模型能力领先行业，AI 赋能 GBC 客户 多元化产品矩阵

继 2023 年 10 月公司首次发布星火医疗大模型 1.0 后，2024 年 6 月 27 日，讯飞星 火医疗大模型再次升级，在医疗海量知识问答、医疗复杂语言理解、医疗专业文书 生成、医疗诊断治疗推荐、医疗多轮交互、医疗多模态交互等六大核心场景能力显 著提升，平均效果提升至 85%，各项核心能力超过 OpenAI GPT-4 Turbo 5%。讯飞 星火医疗大模型在中国信息通信研究院 2024 年 6 月启动的医疗健康行业大模型效 能评估中，在个人画像、健康干预方案、病历文书生成及质控、检查检验报告解读、 体检报告单解读等细分任务中表现均超过市场主要大模型，在健康常识、疾病百科、 用药知识、电子病历结构化、专业知识生活化、考试辅助智慧化、导医导诊便民化、 辅助首诊及推荐检查检验、辅助确诊、疾病辅助诊断、用药安全指导等方向上均展 现高度专业性。 2024 年 10 月 24 日，讯飞医疗正式发布星火医疗大模型 2.0 版，模型在医疗海量知 识问答等上述六大核心场景能力进一步显著提升，平均效果达到 88%，核心能力全 面优于 OpenAI GPT-4 Turbo/GPT-4o。公司同时发布星火医学影像大模型，结合安徽 省影像云平台的亿级影像数据，打造智慧医学影像助手，可赋能“智慧质控-智慧诊 断-智慧读片”全流程。2025 年 3 月 3 日，讯飞医疗正式发布基于深度推理技术的 星火医疗大模型 X1，是当前唯一采用全国产算力训练的医疗深度推理大模型。星火 医疗大模型 X1 依托讯飞医疗多年来积累的亿级权威精品医学知识库与高质量脱敏 诊疗数据构建，在医疗专业知识增强、医生循证思维、医生专家回馈强化学习等方 面实现技术创新，大幅降低医疗幻觉，显著提高医疗场景推理的正确性、专业性与 可解释性。根据真实场景测试数据评估，全科辅助诊断合理率达到 94%，专科辅助 诊断（主诊断）合理率达到 90%，健康咨询解答率达到 89%，相关效果均超过 GPT4o 以及 DeepSeek R1。

4.7. 医渡科技：公司数据积累深厚，实现“医—药—险—患”全场景解 决方案落地

2025 财年中报公司总收入为人民币 3.29 亿元，同比下降 7.6%，这种下降主要受外 部市场环境以及产品组合变化的影响。得益于内部运营效率的提升以及各业务板块 间的协同效应增强，公司期间亏损缩减至人民币 56.4 百万元，同比减亏 29.2%。公 司营业收入按业务拆分，2025 财年中报大数据平台和解决方案/生命科学解决方案/ 健康管理平台及解决方案分别实现营业收入 1.34/1.45/0.51 亿元，分别同比+4.48%/- 15.01%/-12.36%。

公司继续优化并训练面向医疗垂直领域的大语言模型，成功处理和分析了超过 11 亿 名患者人次的 55 亿份授权医疗记录，这些记录中沉淀的医学知识图谱覆盖了超过 100,000 个医学实体，疾病知识图谱已经基本涵盖了所有已知的疾病，此外，公司从 专病的视角构建了包括肺癌在内的多个体系化的专病数据集。此外，公司建立了多 个自有的医疗榜单用于评估模型的能力，其在内部榜单上的表现优于同规模(70B)的 模型。在应用场景方面，公司在医疗、制药和健康保险等多个业务领域得到了广泛 应用。经过十年的持续发展，逐步建立了一种“底座+多应用”的模式，实现了“医 —药—险—患”全场景解决方案的全面落地。 2025 财年中报公司向 105 家中国顶级医院以及 40 个监管机构和政策制定者提供了 解决方案，覆盖超过 2,800 家医院。公司推出了“大数据+大语言模型”双中台解决 方案，帮助客户进行科研和临床研究。在科研领域，公司与知名机构合作，推动技 术迭代，参与了 20 余个国家级和省部级的医学研究课题，继续保持医院临床研究 第一品牌的地位。公司为监管机构提供多样化数据分析服务，参与城市“健康大脑” 建设，在中国核心城市如北京、宁波等地已有多个标杆项目落地。公司服务的生命 科学客户数量达到 71 家，客单价同比提高 57%，前 10 大客户收入留存率为 117.45%， 头部 20 家跨国药企中，有 16 家是公司的客户。在儿童肿瘤、细胞基因治疗(CGT) 细胞治疗等领域取得进展，提供真实世界证据(RWE)一站式解决方案。助力完成乳 腺癌真实世界研究，提高研发效能。健康管理平台和解决方案板块，公司在核心城 市保持领先地位，连续第二年作为“深圳惠民保”的主运营平台，第二期参保人数 超 6 百万人。在公司的健康管理平台上至少完成一笔交易的活跃用户数超过 24 百 万名。

4.8. 创业慧康：AI 医疗产品持续布局，HI-HIS 加速推广有望提升公司 盈利水平

公司专注于医疗卫生健康信息化的建设、研发及服务创新，不断深化拓展医疗卫生 健康信息化行业市场。公司于 2021 年正式启动“慧康云”战略，全面推动云化转型。 该战略以构建“纵向贯通产业链、横向拓展生态圈”的立体化布局为核心，以“云化、 一体、智能、全景、生态”为基本特征，以新质生产力驱动医疗信息化行业高质量发展，利用大数据、人工智能等先进科技赋能医疗，加速实现从传统信息产品服务商 向科技智能云生态企业的跨越式升级。 自 2021 年以来，随着云计算、大数据、物联网、人工智能等最新 IT 技术在医疗行 业场景中全面深入应用，公司通过“慧康云”的发展战略，以数据驱动业务变革， 对传统的临床服务、患者服务、医疗科研、运营管理等场景进行直接赋能，适时推 出了一系列以“生态互融”为愿景的云化产品，逐步形成智能医健卫业务（HI）， 数据治理及服务（DI），以及人工智能（AI）等研发体系布局，具体产品服务涵盖 医疗、卫生、互联网应用、医保等各种服务场景，四大产品服务板块，核心产品线 涵盖 HI-HIS 医院信息系统、EMR 电子病历平台、PACS 医学影像系统，以及智慧 卫生整体解决方案与医共体协同平台等专业化服务模块，实现信息资源的集约化管 理与业务流程的无缝对接。 2024 年公司实现营业收入 14.23 亿元，同比-11.96%，主要受市场环境因素影响，公 司部分下游客户项目招标及实施周期延长以及新产品 HI-HIS 的全面市场推广尚处 于磨合阶段，营业收入按产品划分，软件销售/技术服务/系统集成分别实现营业收入 5.63/5.67/1.53 亿元，分别同比-17.63%/-6.54%/-3.44%；归母净利润-1.74 亿元，主要 系商誉减值损失增加，职工薪酬和折旧摊销等固定成本费用较高，及客户资金受预 算控制，回款周期延长，公司计提信用减值损失增加。 公司实现智慧医疗与公共卫生领域业务规模稳健扩张，新增千万元级软件订单 31 个，相关合同总额达 5.8 亿元。HI-HIS 新产品市场开拓已完成华南、华中及西北等 多个区域标杆项目的建设实施。2024 年新签 HI-HIS 系统订单 31 个，签约数量同比 增长 41%，目前所服务的客户中三级医院比例达 70%，江西省基层智慧医疗工程实 现全域覆盖，日均服务量突破 20 万人次，系统累计为 7,000 余万人次提供服务、开 具处方突破 1 亿份，开具检查、检验单 7,400 万张。

公司具有领先的“医疗+AI”创新技术优势。基于在医疗信息化领域深耕多年的实 践经验，公司已在临床辅助决策支持、电子病历智能生成等多维度应用场景构建完 整的解决方案体系，与逾 300 家医疗机构达成大数据应用领域战略合作协议，夯实 高质量医疗数据资源基础，形成支撑“医疗+AI”创新发展的核心竞争优势。公司秉 持“知识驱动与场景赋能”双轮驱动发展战略，针对医疗机构差异化需求建立定制 化产品矩阵，聚焦智能服务、临床辅助、专科应用、流程优化及管理决策五大核心 领域，以智能化解决方案重塑诊疗全链路，构建人工智能多维应用架构，通过系统 化解决医疗 AI 实施过程中的算法可信度验证与场景适配难题，已形成涵盖技术研发、场景落地及价值验证的完整创新链条，充分彰显在智慧医疗技术创新领域的标 杆价值与示范效应。 公司持续拓展 AI+医疗技术实力与产品矩阵。1）技术研发层面，BsoftGPT 平台已 完成 Qwen-Max 等先进大模型接口集成，支持通过参数调优实现模型引擎动态切换。 目前正基于成熟架构开发智能医疗代理系统（AIAgent）；2）打造全省基层智慧医 疗系统，公司主导承建的江西省基层智慧医疗系统为全国首个省级集中部署的基层 医疗一体化系统，该系统现已实现全省 11 个地级市、100 个县区的基层医疗机构全 覆盖，构建省-市-县-乡-村五级联动的数字化医疗网络，支撑全省 1900 万居民电子 健康档案的实时更新与智能分析应用。3）公司基于 BsoftGPT 构建“互联网+护理 服务”平台产品，通过 RAG 技术开发 AI 模型赋能框架，成功研制首代“智慧护理 智能体（Agent）”。4）公司发布基于医学大模型、医学知识库、医疗临床数据研 发的智慧医疗助手 MedCopilot。5）AI 产品“智能患者追踪系统（APTS）”近期在 福建省某三级医院、浙江省某医疗机构等客户完成部署，系统整合 12 大类临床数据 源，通过 200 余项智能评估指标，运用深度学习算法构建高危病例预警模型，建立 分级诊疗追踪机制。6）公司联合全国知名企业推出 BsoftGPT·DeepSeek 医疗智能 一体机。

4.9. 万达信息：业绩承压，AI 全面赋能公司传统产品矩阵

万达信息是国内领先的智慧城市整体解决方案提供商，业务涵盖数智医卫、数智政 务、数智金融三大领域，以 ICT 信息科技创新为公司整体软件解决方案基石，向健 康云、市民云、蛮牛健康三大创新业务延伸发展。建司三十年来，万达信息依托深 厚的行业积淀、卓越的服务品质、持续的创新能力，积极承担社会责任，为政府机 构、医院等各级各类企事业单位提供领先的产品及解决方案，全面赋能行业数智化 转型与高质量发展；承接医保、社保、公积金、城市安全等众多领域的核心业务系 统，持续服务保障国计民生重点工程，对维护社会和谐稳定、服务保障民生、确保 数据安全发挥了重要作用。 公司发布 2024 年度报告，2024 年公司实现营业收入 20.11 亿元，同比-18.19%；归 母净利润-6.86 亿元。毛利率 19.10%，同比-0.75pct。单 Q4 实现营业收入 6.9 亿元， 同比+24.70%；归母净利润-1.27 亿元。

受市场环境影像业绩承压，公司持续控费。2024 年由于市场环境问题，公司营业收 入同比下降 18.19%。营业收入按行业划分，2024 年公司数智医卫/数智政务/数智金 融/互联网收入分别同比-13.83%/-25.24%/+65.65%/-20.79%/；公司归母净利润亏损主 要系在销售收入下滑的情况下仍需支付相对刚性的成本和费用。2024 年公司销售费 用、管理费用和财务费用分别同比降低 14.00%、15.31%和 15.79%。经营活动产生 的现金流量净额-0.37 亿元，净流出同比减少 75.50%。 AI 全面赋能公司传统产品矩阵。1）“AI+卫健”领域，公司加速推进数字健康智能应 用场景的落地实践，持续优化打造卫生健康行业垂类大模型，强化数据驱动的决策 支持。2）“AI+医保”领域，公司已完成医保反欺诈模型的全面优化升级，该模型以 通义千问和 DeepSeek 为底座。3）“AI+医疗”方面，公司部署接入 DeepSeek，目前 该平台已在宁波市构建覆盖三级医院、专科医院及基层医疗的智能服务体系，形成了涵盖医疗健康、医院管理、患者服务的全方位智慧医院应用生态体系。4）“AI+政 务”，一方面，公司利用业界通用的大模型为政务行业智能应用赋能；另一方面，公 司结合政务行业的数据，形成具有行业特色的行业大模型。目前，相关对接工作已 在线上政务服务、窗口办事辅助、城市治理和综合运行管理等重点应用场景有序推 进。5）“AI+健康管理”方面，公司自主研发的“精准健康认知计算系统—灵素”已在 蛮牛健康市民端和保险领域落地多项应用案例，该系统可为用户提供全面的检后健 康管理智能化服务，涵盖体检报告智能识别、专业报告解读及个性化健康干预建议 等功能模块。

4.10. 联影医疗：老牌医学影像设备厂商，“AI+出海”驱动公司成长

公司致力于为全球客户提供高性能医学影像设备、放射治疗产品、生命科学仪器及 医疗数字化、智能化解决方案。公司总部位于上海，同时在美国、马来西亚、阿联 酋、波兰等地设立区域总部及研发中心，在上海、常州、武汉、美国休斯敦进行产 能布局，已建立全球化的研发、生产和服务网络。 自设立以来，公司持续进行高强度研发投入，致力于攻克医学影像设备、放射治疗 产品等大型医疗装备领域的核心技术；经过多年努力，公司已经构建包括医学影像 设备、放射治疗产品、生命科学仪器在内的完整产品线布局。截至报告期末，公司 累计向市场推出 140 多款产品，包括磁共振成像系统（MR）、X 射线计算机断层扫 描系统（CT）、X 射线成像系统（XR）、分子影像系统（PET/CT、PET/MR）、医 用直线加速器系统（RT）以及生命科学仪器。在数字化诊疗领域，公司基于联影云 系统架构，提供联影医疗云服务，实现设备与应用云端协同及医疗资源共享，为终 端客户提供综合解决方案。

2024 年公司实现营业收入 103 亿元，同比-9.73%，公司国内业务增量份额持续提升， 高端装备板块加速渗透技术门槛较高的细分市场，形成核心产品线的持续领跑优势： 整体业务新增份额同比增长超 3 个百分点，其中高端产品矩阵贡献近 5 个百分点的 结构性增长。核心产品线呈现梯度突破态势—超高端 CT（256 排及以上）跨越 20% 市占率分水岭，3.0T、5.0T 磁共振以技术代差维持市场优势，放疗装备则以近 8 个 百分点增幅实现高端放疗设备市场的位次重构，标志着国产高端医疗装备的实质性 破局。与此同时，1.5T 磁共振、临床适用型 CT 及 DR 等基盘产品持续扩大规模优 势。公司北美/欧洲/新兴市场持续实现突破。归母净利润 12.62 亿元，同比-36.08%， 短期利润承压，主要源于外部宏观环境变化及公司对关键战略方向的持续投入综合 影响。 在各业务领域，公司自主技术成果不断涌现：MR 领域，已实现超导磁体/梯度、射 频/谱仪、射频/梯度功率放大器、序列/重建/临床应用、系统集成的全面自主可控， 所有核心部件实现 100%自主研发，整体技术水平国际领跑；CT 领域，全面掌握球 管、高压发生器、探测器、高速旋转机架、图像重建算法、高速重建平台等技术， 其中高压发生器已实现从 42KW 到 100kW 高中低配置的全部自主研发；2-5MHu 球 管已实现全部自主研发及量产；8MHu 以上球管研发样管已完成，性能表现优异， 正持续优化工艺提升良品率，推动量产落地；MI 领域，PET 探测器、电子控制部件、 高压发生器、高速旋转机架、图像重建算法、高速重建平台完全自研，并全面掌握 探测器芯片与 PET 专用晶体技术，全球领先；RT 领域，从放疗核心部件(如加速管、 多叶光栅、全固态高压调制器等)，到放疗软件系统（TPS 放射治疗计划系统、PWS 放射治疗轮廓勾画系统、OIS 放疗信息化系统、QA 放射治疗质控系统），已形成贯 穿“核心部件到软硬一体”全链条自主可控创新解决方案；DXR 领域，联影医疗基于 全链条自主研发的高压发生器等核心部件，结合行业领先的图像重建算法，构建了 完全自主知识产权的 XR 技术体系；IXR 领域，依托自主研发的高压发生器、多自 由度机架、高精度复杂机电控制系统等核心部件，深度融合图像重建算法，打造系统化 DSA 解决方案，大幅提升产品竞争力的同时也构建起具有强抗风险能力的韧 性供应链。

1、医学影像诊断

1）磁共振成像系统

公司拥有独立设计、研发和制造高场超导磁体、高性能梯度线圈、高密度射频线圈、 多通道分布式谱仪以及 MR 成像软件和高级应用的能力。公司已推出 1.5T、3.0T、 5.0T 等多款超导 MR 产品，可满足从基础临床诊断到高端科研等不同细分市场的需 求，其中多款产品为行业首款或国产首款。uMR Jupiter 5T 为业内首款全身成像 的 5.0T MR 机型,可实现超高场全身临床成像；uMR 770 为国产首款自主研发的 3.0T MR 机型；uMR 780 搭载光梭成像技术平台，为国产首款融合压缩感知、并行 成像、半傅里叶三大加速技术并实现 0.5 秒/期快速三维动态高清成像的设备；uMR 790 为国产首款高性能科研型 3.0T MR；uMR 890 搭载高性能梯度系统，单轴场 强和切换率分别达到 120mT/m、200T/m/s，助力脑科学研究；uMR Omega 为行业首 款 75cm 超大孔径 3.0T MR 机型，可以更好的支持术中和放疗定位，并能满足孕 妇、超重人群等特殊群体的诊疗需求。

2）X 射线计算机断层成像系统

公司掌握了 CT 用探测器、球管、高压发生器和高速旋转机架以及图像处理高级应 用的研发和生产能力。公司的 CT 产品线覆盖临床经济型产品及高端科研型产品， 可满足疾病筛查、临床诊断、科研等多元化需求。公司先后推出了 16 排至 320 排 CT 产品，包括国产首款 320 排超高端 CT 产品 uCT 960+和国产首款 80 排 CT 产品 uCT 780。其中，公司 320 排宽体 CT 产品 uCT 960+搭载自主研发的时空探测器， 可实现 0.25s/圈机架旋转速度，拥有 82cm 大孔径，承重可达 300kg，能够实现单心 动周期的任意心率心脏成像、单器官灌注和快速大范围血管成像，同时具备低剂量 成像和球管电压切换的能谱成像功能，在心脑血管疾病、肿瘤、急诊和儿科检查等 方面具有较好的临床诊断和科研价值。

3）X 射线成像系统

自 2016 年推出首款 XR 产品以来，公司先后推出智慧仿生微创介入手术系统 uAngio 960、智慧仿生空中机器人血管造影系统 uAngio AVIVA、国产首款乳腺三维断层扫 描系统 uMammo 890i、采用单晶硅技术的低剂量数字平板移动 C 臂 uMC 560i、计 算机视觉技术赋能全自动悬吊式 DR 产品 uDR 780i Pro、国产首款具备可视化曝 光控制能力的移动 DR 产品 uDR 380i 等多款代表性产品。

4）分子影像系统

公司是国内少数取得 PET/CT 产品注册并实现整机量产的企业，掌握了探测器研制 技术、电子学技术、重建及控制技术等，可以实现高空间分辨率、高飞行时间（TOF） 分辨率、高灵敏度和大轴向视野、全身动态扫描，技术水平处于行业领先地位。其 中，高空间分辨率可为临床带来较高的诊断图像质量，有助于临床发现早期病灶、 确定疾病分期、制定治疗方案以及跟踪治疗效果；高飞行时间分辨率可大幅提升图 像信噪比和清晰度；高灵敏度和大轴向视野可以有效提高图像质量和扫描速度；全 身动态扫描则可以为个性化精准诊疗、新药研发等临床、科研应用提供有力的支撑。 公司 MI 产品可搭载多模态图像融合、动态分析、肿瘤追踪、脑分析、心脏分析等 高级后处理应用，为肿瘤、神经、心脏相关疾病的临床诊疗提供精准分析。公司已 陆续推出多款行业领先产品，包括行业首款具有 4D 全身动态扫描功能的 PET/CT 产品 uEXPLORER（Total-body PET/CT）、业界最高 190ps 量级 TOF 分辨率 PET/CT 产品 uMI Panorama、国产首款一体化 PET/MR 产品 uPMR 790、国产首款数字化 TOF PET/CT 产品 uMI 780 和国产首款 PET/CT 产品 uMI 510。

2、放射治疗产品

随着精准医学快速发展，精准放疗成为肿瘤放射治疗技术发展的趋势。精准放疗要 求在确保最大限度保护人体正常组织或器官的条件下摧毁肿瘤病灶。因此，肿瘤靶 区及周围正常组织的精确定义和勾画是精准放射治疗的基础。公司首创的一体化诊 断级 CT 引导加速器技术将诊断级 CT 与加速器双中心同轴融合，有效应对放疗全 疗程中的肿瘤形态变化，同时搭载智能化软件，在确保精准放疗的同时大幅提高医 务人员的工作效率。公司已开发出行业首款一体化 CT 引导直线加速器 uRT-linac 506c。

3、生命科学仪器

公司从临床前影像设备入手，切入生命科学仪器领域。目前已推出国产首款临床前 超高场磁共振成像系统 uMR 9.4T 和国产首款临床前大动物全身 PET/CT 成像系统 uBio EXPLORER 两款产品。

编辑：火腿肠