在鲍莫尔成本病框架下，宏观经济被划分为具有正劳动生产率增长率的进步部门与不存在劳动生产率增长率的停滞部门，停滞部门的单位产品成本会不断上升。AI医疗正是典型的、人力密集的停滞部门：其上游（数据、算法、算力与人力供给）和下游（终端服务、支付方）都会被持续上升的成本挤压，而链条中低生产率环节议价能力最弱，只能被动承受。
停滞部门为何成本持续上升
美国经济学家鲍莫尔于1967年构建的两部门非平衡增长模型指出，进步部门的单位产品成本（指劳动力成本）将维持不变，而停滞部门的单位产品成本将不断上升。原因并不复杂：随着生产力提升，一名工人能创造的价值越来越高，但一位理发师单位时间能剪的头却比较刚性，价格因此不停上升。医疗服务与之类似——这也是AI医疗被寄予厚望的起点。
上下游链条如何被成本挤压
从产业链传导看，AI医疗的挤压来自两端。上游方面，AI的三大基石是数据、算法、算力，而数据被称为AI时代的“石油”。但医疗数据是永远的痛点：医疗数据属于患者隐私，权属基本在医院方；模型训练所需数据多通过企业与医院签署研发协议获得，通常遵循“数据不出院、模型出院”。理解医疗数据远比获得数据更重要也更困难，这构成了上游最难压缩的成本项。
下游方面，终端服务与支付方同样承压。埃里克·托普在《深度医疗》中把自动驾驶汽车与人工智能的医学实践相提并论：在理想环境和交通条件下，自动驾驶汽车已达到L3水平，而AI医疗仍处在L1到L2的路上。他认为AI医疗不太可能超越自动设备的3级水平——很多诊断、阅片工作可用AI辅助完成，但就医学整体而言，绝不能容忍没有人类医生和临床医生的监督。这一约束意味着低生产率的人力环节无法被完全替代，成本压力只能沿链条继续传导，而议价能力最弱的环节承担最多。
常见问题
鲍莫尔成本病是否意味着AI医疗必然萎缩？
鲍莫尔模型的前提是：消费者对停滞部门产品的需求如果不是完全无价格弹性的，不断上升的单位成本将促使其减少需求，导致该部门不断萎缩并最终消失。但医疗需求的价格弹性、以及AI对部分环节的替代，都会影响这一推演的实际走向，需结合具体场景判断。
AI能否真正解决医疗服务越来越贵的问题？
《福布斯》专栏作家蒂姆·沃斯托在《改变医疗服务价格曲线的方式：解雇医生》中提出，解决“雇用他人来获得服务正变得越来越昂贵”的最好方式是用机器替代医生。不过按埃里克·托普的判断，AI医疗仍处在L1到L2的路上，人类医生的监督不可取消，替代的深度因此存在边界。
AI医疗目前主要落地在哪些环节？
仅以ChatGPT为例，可在远程医疗虚拟助手、临床辅助决策、远程患者监护等方面应用，在心理咨询、病历保存、医疗翻译、药物管理、疾病监测等领域也有广泛空间。这些环节多属辅助性质，与核心诊疗的人力密集特征形成对照。