2025年医疗AI再引爆：狂欢、泡沫与价值重估

今年以来，“AI+医疗”的浪潮奔涌。不过，人工智能医疗绝非新鲜事，其在过往发展中始终在技术理想主义与商业现实主义间寻找平衡点。

商业化落地的艰难、数据标准化采集难，漫长的产品研发周期以及巨大的投入，一直是行业痛点，资本也早已经历狂欢到泡沫、死亡到信仰的跌宕起伏。2025年开年，以DeepSeek为代表的通用人工智能技术在逻辑推理领域的惊艳表现，再次搅动AI+医疗。

CIC灼识咨询董事总经理刘立鹤对21世纪经济报道记者表示， “DeepSeek的颠覆性不在于单一技术指标超越GPT-4，而在于将大模型从技术能力展示推向行业工作流重构，例如在金融、医疗领域的深入应用。”

智药局发布的数据显示，根据不完全统计，目前全国已有超过30家药企、医院、IVD公司、互联网医疗、智慧医疗、中医医疗等方面机构宣布，正将DeepSeek技术深度嵌入药物研发、临床决策、慢病管理等多个核心场景。

这股在应用端落地的热情也迅速蔓延到了资本市场。今年以来，医疗AI概念股在美股、港股和A股市场均表现强劲、反复活跃，海内外多家相关企业的股价大幅上涨。智慧医疗板块也走出一波上涨行情，AI+辅助诊断、AI+数据服务领域等个股表现亮眼。一个月时间，不少公司股价接近翻倍。

在技术突破、资本加码、政策支持以及需求刚性等多重因素的共同驱动下，目前有观点认为，医疗行业中长期增长逻辑已然清晰。国信证券发布研报称，AI在医药板块的落地或将是2025年全年的投资机会。

但狂欢的背后亦有隐忧。部分涉及相关概念的上市公司的业绩表现实际并不乐观。同时，股东和高管的减持也引发市场关注。此前即有行业人士对21世纪经济报道记者指出，医疗AI概念的想象空间很大，但如果只是单纯接入DeepSeek、与实际业务没太多关联的，多数仍是炒概念。此外，当下数据壁垒仍横亘如天堑，是模型训练亟待突破的瓶颈。

DeepSeek激起的层层涟漪正不断向外扩散，医疗AI的价值也在迎来重估。

重塑底层逻辑

DeepSeek的一个重要影响是给大模型在应用端蓬勃发展提供了空间，尤其是医疗行业。

一方面是DeepSeek低成本高效能，极大地赋能了医疗AI的开发。

在“AI界的拼多多”DeepSeek出现之前，大模型的开发和应用面临高昂的成本和技术门槛。传统的大模型需要大量的算力支持，尤其是在训练和推理阶段，这使得许多企业望而却步。

国泰君安证券研报指出，DeepSeek采用MoE（混合专家模型）和MLA（多层次注意力）两大创新架构，通过算法优化显著降低了大模型的训练和推理成本，极大地降低了对硬件算力的需求，颠覆了过去“算力军备竞赛”的发展路径。

其中，对下游企业最重要的影响是推理成本的降低。推理成本是指使用已经训练好的大模型在实际使用中，进行预测或生成响应时所消耗的成本，如计算资源和时间成本。它就像是购买了一件大功率的商品，在使用过程中需要不停地花钱。推理成本的降低使得下游用户通过API接口使用大模型时需要支付的费用，即API调用成本大幅缩减，降幅超90%。这种“平民化”技术路径使医疗企业，不论规模大小，均能拥有以极低成本接入比肩OpenAI的大模型能力。

另一方面是DeepSeek诚意满满的开源策略，有助于构建一个开放、协作、可持续的医疗AI创新生态。

早期性能优越的大模型多为闭源，企业需依赖API调用，无法定制优化，导致医疗场景的细粒度需求（如专科病历生成、罕见病分析）难以满足。兼具性能和经济性的开源大模型DeepSeek出现后，医疗健康公司能够结合医疗专业数据，针对复杂性的垂直场景进行二次开发，从而推动AI技术在医疗行业的商业化落地。毫无疑问，DeepSeek将加速医疗行业的智能化转型。

刘立鹤告诉21世纪经济报道记者：“由于DeepSeek采用了开源模型，可以更好地吸引开发者，同时通过私有化部署的高级功能（如行业专属微调工具）盈利，形成生态闭环。”

而医疗行业具备自身独特性，对数据隐私和安全的要求极高，传统不开源模型存在数据外训和云端接入风险，难以满足医疗行业的合规要求。DeepSeek通过开源和支持本地化部署的方式，医疗数据无需上传至云端，全程在医院或企业内部封闭训练。

“之前医疗行业一般都是用第三方的大语言模型来投喂自己的数据，这次是直接自己上手操作，自主性和便利性都大大加强了。”一位医疗行业资深从业者说。

回归长期价值锚点

医疗AI长期发展的核心价值在于通过技术突破与模式创新，实现普惠、精准、可持续的医疗服务升级。

许多医疗AI企业的技术人员都表示，DeepSeek作为基座模型，其医疗垂类模型的建构仍需本地化部署，但经过“微调”后，其在推理和决策场景下的出色表现，的确能为自家产品在处理复杂医疗数据或支持精准决策等方面提供更强大的支持。

随着人口老龄化和慢性病高发，医疗资源的紧缺问题日益突出。而医疗AI可以突破时空限制与人力瓶颈，将优质医疗能力转化为可标准化复制的数字服务。例如在基层或偏远地区，AI大模型作为医生的智能助手，能够整合患者的症状、病史、检查结果等多方面数据，利用优质医疗资源训练出的推理能力进行综合分析，辅助基层医生决策。

不只是常见病，DeepSeek等大模型也走进了三甲医院的重症监护室、急诊科、儿科等。近日，深圳大学附属华南医院、昆山市第一人民医院、陆军军医大学第二附属医院等纷纷宣布已经部署DeepSeek模型；接入DeepSeek-R1(671B)后的医学模型Med-Go也已在上海东方医院等临床机构应用，并在ICU环境下验证了能力。

AI与诊断以外的医疗流程深度融合重点在，用好DeepSeek等AI工具有助于提高医疗质量和患者体验，优化医疗资源的运营分配。刘立鹤对21世纪经济报道记者表示，“AI技术可以应用于药物开发、药品生产流程管理、辅助诊断、慢病管理等医疗领域，包括研发、生产、销售、诊断、治疗、康复的全流程，极大地提升流程效率。”

中信建投证券医药行业首席分析师贺菊颖也表示，AI医疗在提升医疗器械功能、检查检验结果解读、辅助临床医生决策、健康管理等多个领域的应用价值较大，是医疗企业和医院必须重视的创新方向和竞争趋势。

AI在医疗领域的另一个重要突破方向是预测性AI，即利用数据来评估患者未来发生疾病或临床事件的风险，而不仅仅是识别当前疾病。Apple Heart Study的共同首席研究员、斯坦福大学医学教授明图·图拉基亚博士（Dr. Mintu Turakhia）认为，未来，人工智能的重点将从诊断疾病转向预测健康风险，从而推动主动性和预防性医疗的发展。

有行业内人士推测，未来，预测性AI在临床应用中可能有一个方向是，通过AI+可穿戴设备，监测生命体征数据，建立长期健康模型，在临床事件发生前就识别健康风险，进而提前采取预防措施，降低急诊和住院率。据悉，在AI帮助下，阿尔茨海默病的五年预测准确率已达80%以上。

医疗AI要想重塑医疗研究、诊疗和健康管理的全链条，数据是重中之重。

财通证券报告称，自从DeepSeek大模型开源后，AI或已进入平权时代。这个时代，大部分AI医疗最有价值的不是算力、甚至不是算法，而是可靠的、高质量的数据。在医疗行业，这些数据不仅可以优化现有的诊断与治疗流程，还能为未来的创新提供必要的支撑。

在当前的数据应用中，医疗企业绕不开的难点还是围绕合规性、标准化和数据质量等展开。尽管国内已有数据交易所，但尚未形成规范的医疗数据交易市场。许多企业开始尝试数据交易，并在政策指导下挂牌数据资产，但效果和获取程度尚不明确。有专家指出，国内医疗信息数据高度分散在不同机构，而且不同医疗机构的信息系统、格式标准各不相同，导致数据难以互联互通。

想要将这些分散的数据整合到大型综合数据库，技术难度大且涉及多方利益协调，困难重重。此外，如何在保障不侵犯患者隐私的前提下安全使用数据，也是实际运作中会遇到的挑战。

此外，提高医疗数据质量需要设定评判标准，确保数据的准确性、完整性和时效性，并根据不同机构的需求定制化处理，这是未来所有的从业企业都将面临的挑战。

细分赛道成色几何？

在本轮行情中，互联网医疗的巨头们涨幅凶猛。

“相较于传统药企，互联网医疗企业可以更快速地享受到DeepSeek出现而带来的红利，例如国内全病程管理平台微脉，其管理智能应用CareAI已经拥有全面接入DeepSeek V3和R1模型能力，实现DeepSeek强大的逻辑推理能力与CareAI的智能体深度集成。”刘立鹤对21世纪经济报道记者说。

2月3日，英伟达欧洲、中东和非洲地区医疗保健与生命科学主管Eva-Maria Hempe发表文章，指出2025年AI将在三个领域对医疗产生变革性影响：改善患者医疗过程的智能代理；能够执行复杂手术任务的机器人；加速药物研发的生成式AI工具。

“AI+医疗的想象力广阔，但是AI+检测诊断最成熟，应用逻辑相对更清晰。”华南某医疗器械公司负责人对21世纪经济报道记者表示。

四川一家三级甲等医院的影像科主任公开发文称：“AI技术能够在短时间内阅读成千上万张影像资料，并能识别出其中的细微差异，这是仅凭手工和肉眼无法比拟的。”

人称“女版巴菲特”的凯西·伍德在近期发布的《Big Ideas 2025》报告中预测，AI将使DNA等生物信息的读取和写入成本分别降低99%和99.9%，使癌症筛查的效率提高20倍，并且将市场规模扩大10倍。

此外，AI制药也是被许多知名投资人寄予厚望的细分应用赛道。

《Big Ideas 2025》报告认为，AI驱动的新药研发可将周期从13年缩短至8年；AI将使药物开发成本降低4倍，并将研发投入的回报提高5倍；AI药物的商业价值将比标准药物高20倍，比同类最佳的精准药物高2.4倍。

尽管如此，多位行业人士也对21世纪经济报道记者直言，AI药物研发是难啃的骨头，暂时难以取得突破性进展。随着算法迭代和数据积累，AI可能将临床成功率从10%提升至20%~30%，但仍需与传统方法深度融合。AI是工具，而非“颠覆者”，药物开发的核心仍是生物学洞察与临床验证。本轮AI浪潮中，两家AI制药龙头Recursion和Schrodinger股价表现滞后，可见主流资金的顾虑。

此外，英矽智能CEO任峰也曾表示，临床试验是AI制药的真正考验。“当药物研发步入临床试验阶段，还未有证据表明AI可以完全地赋能临床研究、缩短临床试验的时间。我认为目前AI还不能有效解决这一阶段的问题。”

医疗是个庞大的赛道，环节众多。中信证券指出，可以围绕两条主线挖掘AI+医疗受益标的。一是从技术壁垒角度，挖掘具备模型能力、稀缺数据竞争壁垒的企业。二是从商业化落地角度，挖掘B端客户基础扎实，在电子病历临床决策、电子病历、语音识别等领域和场景有成熟产品的企业。

华南一位一级行业投资人向21世纪经济报道记者表示，早期很多投资人对医疗AI并不看好，原因就在于缺乏清晰的盈利模式，很多产品烧了几亿元，数据做得很漂亮，但也只能从科研上赚点碎银，投资回报完全不成正比。还有应用停留在浅层次的问诊业务，无法打通数据和智能化程度的深入变革，缺乏真正的变革性企业和领域的突破。市场目前都认为2025年或将是医疗AI商业化落地的爆发年，对行业来说，价值重塑的节点已经到来。

（实习生孙伟对本文亦有贡献）

更多内容请下载21财经APP