AI+醫療：全球創新落地加速

醫療垂類大模型憑借更強的理解、生成、多模態能力，從提質、增效兩條路徑拓展了更復雜情境下的AI+醫療市場空間。海外企業商業化進展迅速，已在B端市場取得穩定收入並積極布局C端產品。經測算，2025-29年國內大模型智能診療產品B端、G端累計市場空間近200億元，C端年理論市場空間超700億元。擁有底層模型、數據壁壘以及產品客戶積累的企業有望率先受益。

▍大模型驅動AI診療技術進步，全方位賦能院內外場景。

參考訊飛醫療、醫聯、騰訊健康、百度AI开放平台等官網信息，AI已經能從診前（AI+分診/導診、AI+預問診）、診中（AI+電子病歷質控、AI+輔助診斷）、診後及院外（AI+康復健管、AI+居家保健）全場景賦能醫學診療行業。經我們總結，全球人工智能輔助醫療行業經歷了技術積累、傳統AI模型、Transformer模型三個發展期，AI小模型能基於自然語言處理、圖像識別兩條主要路徑賦能醫學診療，在專病輔助診斷和醫學影像識別領域仍有應用市場。基於Transformer架構訓練、微調的醫療大模型產品在理解、生成、多模態能力方面顯著強於傳統AI模型，與之形成互補，從而實現更復雜情境下的全科診療輔助。AI垂類模型隨底層模型技術能力不斷進步，2023年谷歌推出了Med-PaLM 2，其模型底座PaLM 2的參數規模已達3400億；Med-PaLM 2、GPT-4 Medprompt、Med-Gemini在主流醫學問答測試MedQA上，分別得到86.5、90.2、91.1分，超越人類專家平均水平。

▍海外市場：模型底層能力優勢顯著，醫療Copilot系主流應用方向。

據Global Market Insights數據，2023年全球AI醫療健康市場規模約爲144億美元，預計到2032年達到2812億美元，2023-2032年CAGR約爲39.1%。據英偉達在2024 GTC大會中披露，公司醫療保健業務在2024財年爲公司創造了10億美元以上的收入，比目標提前了2-3年。目前全球能力最強的醫療垂類大模型之一的Med-Gemini可廣泛處理文本、圖像、視頻和生物信號等多種醫學數據模態信息。據谷歌官網，在七項基准測試中，Med-Gemini超越了所有SoTA模型，且相比GPT-4各變種模型中的最高水平有44.5%的性能優勢。應用層面，盡管海外在模型能力上優勢明顯，但相比國內並未跑出前瞻性應用場景。在美國市場，AI+診療在B端場景，尤其是醫生Copilot場景下商業模式相對成熟，AI輔助診療公司Tempus面向醫務人員提供多種互聯互通AI應用，於2025年2月在美國市場上线C端產品Olivia Health，Tempus公司公告稱預計2025年實現經調EBITDA扭虧爲盈；AIGC醫學文檔輔助產品供應商Nuance、AI遠程健康管理服務商Sword Health也均形成了穩定收入。

▍國內市場：先B後C實現商業化，兩大需求驅動市場擴張。

國內企業發布的AI醫療垂類大模型數量已超50個，且在應用落地層面悉數採用和美國市場相同的先B後C战略，B端場景覆蓋AI臨牀診療決策支持、電子病歷內涵質控等領域；C端場景方面，微醫控股爲代表的AI慢病/健康管理服務，以及訊飛醫療科技代表的AI診後管理系統已通過B2B2C模式均成功實現商業化落地。國內大模型輔助診療應用落地具備兩大驅動因素：

1）基層醫療資源稀缺：據國家衛健委數據，2013年基層醫療機構就診量佔總就診人次的59.06%，到2023年反而下降至51.73%；基層注冊醫師中全科醫生佔比僅爲13.1%，且成爲45歲及以上、專科學歷及以下醫生成爲主流。據科大訊飛公告，公司安徽基層智醫助理產品能將電子病歷規範率從5%提升至89%，診斷合理率從70%提升至88%。

2）AI診療智能化產品能以高性價比方式提高診療效率：據我們測算，大模型通過技術手段壓縮人均問診時長，有望帶動三級醫院平均年醫療資源價值量提升上千萬元，二級醫院提升百萬元量級，相比項目成本已極具性價比。

▍市場空間：高增長藍海領域，GBC端依次商業化落地。

AI大模型診療智能化應用屬於醫療IT中的增量需求，以2024年12月嫩江市人民醫院信息化建設招標爲例，醫院計劃在AI相關系統建設上投入達到1800萬元，佔單次信息化建設總預算45%，反映了院端對於AI能力的迫切需求。參考國家衛健委、國家統計局、採招網數據，據我們測算，2025-2029年G端大模型診療智能化項目市場累計空間達47億元，2024年起每年新招標市場規模CAGR爲18%；B端累計市場空間爲142億元，同期CAGR爲41%；C端AI慢病管理/健康管理、診後管理兩大市場年理論市場規模有望達到722億元。

▍風險因素：

客戶拓展不及預期風險、AI輔助診療行業政策變動的風險、市場競爭進一步加劇的風險、宏觀經濟波動風險、行業及企業聲譽風險、AI技術進步不及預期的風險。

▍投資策略：

我們圍繞兩條主线挖掘AI+醫療受益標的：1）從技術壁壘角度，挖掘具備模型能力、稀缺數據競爭壁壘的企業。2）從商業化落地角度，挖掘B端客戶基礎扎實，在電子病歷臨牀決策、電子病歷、語音識別等領域和場景有成熟產品的企業。

注：本文節選自中信證券研究部已於2025年2月12日發布的《計算機行業智能體系列報告4—AI+醫療：全球創新落地加速》報告，分析師：楊澤原S1010517080002、陳竹S1010516100003、丁奇S1010519120003、宋碩S1010520120001、潘儒琛S1010520110001