2026年春季北交所AI医疗行业投资策略：AI重塑医疗价值链，把握优质细分赛道机会

供需共振，AI渐进式重塑医疗产业链

AI渐进式重塑医疗价值链

AI医疗：将基于人工智能（以下简称“AI”）的方法和技术应用于医疗数据，AI主要在图像和信号分析、模式识别以及 数据科学领域发挥作用，主要应用场景：药物发现、医学影像、临床辅助决策、精准医疗、健康管理等。 生成式AI医疗全球扩容速度预计领跑全行业。需求端：短期确定性机会来自医疗体系降本增效需求，研发及临床价值更 多在中长期体现；供给端：AI大模型从辅助工具向核心决策系统演进。根据波士顿咨询预测，预计27年全球生成式AI市 场规模220亿美元，23-27年CAGR为85%，增速高于金融、零售等其他行业。 AI渐进式重塑医疗工作流程与范式：AI医疗发展依赖于算力、数据基础设施建设水平提升；医疗行业容错率低，产品需 反复验证、与监管和支付体系适配。

基础层能力进阶，助推AI医疗产品渗透

AI医疗底层技术：深度学习、知识图谱、计算机视觉、自然语言处理。知识图谱整合异构大数据，实现高效信息检索与 自动知识发现；计算机视觉用于准确获取数据；自然语言处理技术将人类使用的自然语言转换为计算机可理解的指令； 深度学习技术革新推动AI医疗从信息化向智能化升级。 算法架构革新历程大致分四阶段，基于Transformer架构的预训练大模型具有强大的泛化能力与临床应用潜力，驱动AI 医疗应用从单一模态（如纯图像）向多模态（融合影像、病历、基因、文献等）发展。

DeepSeek R1等大模型引领AI技术平权，使得更多企业和开发者能够负担得起高性能AI模型的训练和使用。 DeepSeek V3训练成本仅为557.6万美元，DeepSeek R1调用成本每百万输出 tokens16元 ，不到OpenAI o1的4%。 目前大部分大模型处于价值验证期。目前医疗大模型分五类：大型图模型(LGMs)、语言条件多智能体大模型(LLMMs)、 多模态大模型(LMMs)、大语言模型(LLMs)、视觉大模型(LVMs)、视觉-语言大模型(VLMs)，大部分处于价值验证阶段。 从应用端看，大模型在医疗影像、辅助诊断、健康管理等领域的渗透率相对较高，但仍属于市场渗透早期，药物发现领 域是产品研发重心。

政策扶持增强AI产业确定性，AI医疗走向“规模化推广”

政策全链条支持，增强AI产业确定性。国家将基础设施及技术底座放在优先位置，推动数、算、电、网协同发展，破解 AI落地瓶颈。2025年8月国务院印发《关于深入实施“人工智能+”行动的意见》，明确AI应用重点领域及落地节奏 。 医疗方面，国家出台AI医疗应用发展实施意见，AI医疗从“试点探索”走向“规模化推广”。2025年10月，国家卫健 委联合多部门印发《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》（以下简称“《实施意见》”）， 明确至2027年和2030年两阶段发展目标，并从基层应用、临床诊疗、患者服务到中医药、公共卫生等八大方向部署24 项重点任务。

二级行情从基础设施起步，向模型及应用层扩展

二级市场AI医疗行情演绎路径与其他科技主线相近。从算力等基础设施起步，逐步向模型层和应用层扩展。2026开年（截至26/2/27收盘）AI医疗迎普涨行情。主要原因包括：1）26年初智谱AI、MiniMax相继登陆港股，标 志大模型商业模式初步成熟，26年AI在工业、医疗等领域的应用落地速度有望加快；2）25年底英矽智能等明星企业上 市提振市场情绪，一级市场及IPO在审队伍中仍有较多优质标的。

把握结构性机会，识别优质细分赛道

AI在医疗行业的应用前景广阔，但不同应用场景的成熟度与市场潜力存在显著差异，其中，AI制药和AI医学影像诊断处 于“高成熟度+高潜力”区间，健康管理和个性化治疗处于“高潜力+中成熟度”区间，属于优质细分赛道。

AI制药：从根本上重塑药物研发模式

AI制药：传统新药研发依赖开发者的经验和反复试验，AI擅长处理高维数据和复杂非线性关系，改变传统药物研发流程 。AI制药主流商业模式分三类，AI+SaaS、AI+CRO、AI biotech，即售卖AI辅助药物开发平台、提供服务、推进自研 管线。从SaaS到CRO是发展趋势；AI+CRO模式公司大致分两类，一是CRO+AI类，AI作为工具提高工作效率，竞争要 点仍在客户维护以及全链条服务方面；二是AI＋CRO类公司，竞争要点在于算法能力，提供CRO实验服务是为了AI预测 的验证和落地；AI biotech公司自研药物管线，也会推进BD合作或者提供平台服务 。 参与者背景多元，技术平台各异，共同“做大蛋糕”。生命科学领域可探索空间广阔，已有的数据积累相较于可探索的 药物分子、作用机制来讲极为有限，预计行业将以较快速度持续增长。据弗若斯特沙利文预测，2023至2032年全球AI 赋能药物研发费用将从119亿美元增加至746亿美元，CAGR为22.6%。

AI医学影像：从“辅助工具”到“诊断伙伴”

AI医学影像应用价值从“辅助工具”到“诊断伙伴”。初期的医学影像AI主要基于卷积神经网络（CNN），通过在大 量标注影像数据上的训练，实现特定部位的病灶识别，2020-2022年，人工智能医学影像产品在多个领域通过国家药监 局的审评审批，深度学习等AI技术在临床得以应用和验证。早期医学影像AI的局限性：一是封闭模型，泛化能力弱；二 是缺乏对临床文本、病理报告等多源信息的综合理解能力等。2023年起多模态大模型兴起，多模态大模型优势在于能 够协同处理和理解多种类型的医疗数据，包括影像、文本、语音等，功能定位逐步从辅助诊断向全病程管理、融合诊断 演进。