新规配资平台 AI医疗迈向“深水区”：资本加码、技术深耕，多元场景加速落地

无论是Wavebio、Optain Health、知维拓医药等多家聚焦AI医疗应用的企业相继完成新一轮融资，还是百度健康发布“AI管家”，美年健康AI业务收入同比增长逾70%，资本市场对AI医疗赛道的热情都显而易见的在持续升温。

在AI制药、手术机器人、AI医疗助理、AI智能管家等多个医疗细分场景中，都能清楚的看到AI正日益发挥出更大的作用。

过去一个月，医疗行业上市药企、互联网巨头以及初创企业在AI领域的领域的投融资持续活跃，从健康管理到药物研发，从智能客服到疾病筛查，AI正推动多个医疗细分赛道迎来资本密集注入。

AI制药成长迅猛，资本持续加码

近日，礼来宣布将部署一个整合AI、高性能计算与生物医药数据的综合平台。这座“超级制药工厂”将基于数百万次实验训练AI模型，测试潜在药物，从而显著缩短研发周期。这是自8月份礼来13亿美元收购美国AI制药公司Superluminal后，再一次在AI领域大手笔投入。

无独有偶，礼来宣布建设AI工厂的同一天，和铂医药发布了Hu-mAtrIx 人工智能平台驱动的全人源AI HCAb模型。该模型基于其专有Harbour Mice 平台数据，集成大型语言模型（LLM）用于序列生成，并辅以高精度AI分类与成药性预测。

据悉，该流程将HCAb的发现从“大海捞针”转变为“AI精选”，显著提升了抗体发现的效率与准确性。

近日，在中国药学会主办的2025年中国药学大会上，中国科学院院士陈凯先提到，与集成电路领域技术迭代所呈现的“摩尔定律”（每隔18至24个月，集成电路的计算能力将会翻一番）不同，传统药物研发模式传统药物研发模式正陷入“反摩尔定律”，新药靶点发现困难、研发周期长、投入大、成功率低的问题，且基础研究成果和转化之间呈现“死亡之谷”。

陈凯先表示，整体来看，AI可使药物总研发周期平均缩短三分之一至一半，总研发经费降低10%，总成功率由10%提升至14%。随着技术的不断发展，AI给药物研发带来的变化将更为巨大。

8月，晶泰控股一子公司晶泰科技与海外生物制药公司DoveTree达成总规模约470亿港元的管线合作协议，创下AI+新药研发领域订单规模新纪录。

弗若斯特沙利文在2025年10月份发布的一份研报中预测，中国AI医疗市场规模将从2023年的88亿元增至2033年的3157亿元，年复合增长率高达43.1%。研报中同样提到，截至2024年12月31日，中国AI制药公司数量已达105家。

图片来源：《第三届中国生物科创领航50企业报告》

产业化提速，AI应用“多点开花”

华源证券研报指出，AI对于医疗多模态数据解读水平的提升，给予医疗端的辅助效果持续提升，同时AI在医疗应用成本不断下降，驱动技术的加速转化，AI医疗正经历从辅助性工具，到各级医疗用户配置性需求的转换，并有望改善传统医疗服务困境。

以刚完成天使轮融资的Wavebio为例，其核心在于将对话式AI与医疗场景深度融合，内置海量知识库，能精准识别症状、年龄、基础疾病等关键信息，实现“有问必答”。对患者而言，AI客服实现7×24小时在线答疑；对机构而言，它能替代约60%的基础咨询工作，显著降本增效。

在疾病筛查与诊断方面，AI同样表现亮眼。Optain Health近期完成2600万美元A轮融资，专注于通过AI与视网膜成像技术实现眼病及全身疾病的早期筛查。其便携设备结合远程服务，为医生提供实时、无创的检测方案，有效缩小医疗资源差距。

美年健康的数据更为直观：2025年前三季度，其AI相关业务收入达2.5亿元，同比增长71.02%，主要包括心肺联筛、AI-MDT报告、肺结宁、脑睿佳等AI赋能项目。

无论是Wavebio、Optain Health、知维拓医药等多家聚焦AI医疗应用的创新企业相继完成新一轮融资，还是美年健康AI业务收入同比增长逾70%，资本市场对AI医疗赛道的热情都显而易见的在持续升温。

从各家近期发布的动态来看，针对AI布局的医疗企业并不在少数。

仅医疗器械领域而言，2024年12月，迈瑞医疗联合腾讯发布了“启元重症大模型”，5秒内整合患者数据并提供治疗建议，已在多家三甲医院落地，2025年4月，联影医疗推出元智大模型，并同步推出覆盖影像诊断、临床治疗、医学科教、医院管理、患者服务等多场景的10余款医疗智能体。同月，海尔生物同样全面启动AI战略，推出“魁斗”样本库大模型，实现生物样本的智能存取与安全管控；2025年6月，联影智能成功完成 A 轮融资，总规模10亿元人民币，持续加码影像AI赛道，。

此外，AI驱动的血糖管理、远程急救、影像诊断等解决方案集中涌现，共同推动医疗从“辅助”迈向“自主”。

图片来源：《第三届中国生物科创领航50企业报告》

商业化待验证外，数据安全同样关键

AI医疗最早成熟的领域是影像诊断。从肺结节、肺炎到冠心病、骨折，AI在医学影像中的应用范围不断扩展。沙利文报告显示，目前肿瘤和肺结节检测是AI医疗器械市场中发展最成熟的两大方向，规模分别约为3亿元和2.5亿元。

高特佳投资集团总经济孙佳林在第十届创新与投资大会上提到，在考虑要不要投某个AI医疗相关的项目时，可能更看重项目长期的进展和变化，例如和三年前相比有没有实质性的进步，平台上相应的管线有没有更多，产品推进的速度怎么样。相比AI概念上的创新，她更看重去验证AI平台的有效性。

在高速发展的同时，数据隐私与系统安全是医疗AI应用的首要考量。智慧眼董事长邱建华强调，必须考虑数据全生命周期的保护，从加密、匿名化到访问控制，并借助联邦学习等技术，在保护隐私的同时汇聚全球医学智慧训练更强大的模型。

此外，AI模型自身的安全也不容忽视，需防范篡改与欺骗。合规性与审计是基础，必须满足等保、HIPAA等国内外标准。当然，这是一个持续的过程，需要技术专家、医院管理者、监管者和患者共同参与，构建一个既智能又值得托付生命的医疗AI环境。

邱建华强调，AI医疗的发展需要整个产业链的协同合作，没有任何一家公司能够独立完成所有环节。而基础大模型-专业大模型-场景应用的三层架构正在形成。科技巨头提供基础大模型和算力支持，专业AI医疗公司开发针对特定医疗场景的专业模型和应用，医疗机构提供临床数据和应用场景。这种分工合作、优势互补的产业生态将推动AI医疗的快速发展。

“科技巨头像是在建造一个功能齐全的‘城市基础’（云、算力、通用模型、平台），而垂类公司则是在这个城市里，建造特定功能的‘摩天大楼’或‘精密工厂’的专家。”邱建华进一步表示，

巨头往往为行业提供“基座能力”，包括强大的算力基础设施（云服务）、通用AI大模型能力、底层开发框架等等，而垂类公司则贡献“行业大脑”，将其深耕多年的医疗专业知识、高质量场景数据与通用大模型结合。

当AI被引入医疗领域，在药物研发、医疗影像识别、心理健康等方面发挥重要作用的同时，与之相伴的数据安全隐患也日益凸显。中国工程院院士吴世忠在2024年医工融合创新大会分享时曾表示，AI模型的安全性直接影响应用效果，尤其是在医疗领域，近年来已经暴露出包括个人隐私泄露、算法或模型攻击、模型偏差以及系统脆弱性和网络安全这些问题。

一系列动态表明，从市场的加速扩张到临床场景的深度渗透，从技术突破到生态重构，AI医疗正经历从概念验证到规模化应用的质变。