科学、教育、医疗是 OpenAI 最为关注的三大核心领域，其中医疗因其成本刚性与伦理复杂性，成为 AI 落地最谨慎的赛道之一。从全球格局看，AI 医疗整体仍处在 L1 到 L2 的发展阶段——在理想环境与交通条件下，自动驾驶汽车已经可以达到 L3 水平，但 AI 医疗仍走在 L1 到 L2 的路上。 中国在这一进程中的差异化位置，集中体现在数据治理环节：以“数据不出院、模型出院”的物理隔离机制，以及大数据交易所对医疗卫生数据品类的探索，形成了有别于其他市场的路径选择。
为什么 AI 医疗比自动驾驶更“慢”
《深度医疗》作者埃里克·托普将自动驾驶汽车与人工智能的医学实践相提并论。目前在理想的环境和交通条件下，自动驾驶汽车已经可以达到 L3 的水平，但 AI 医疗仍处在 L1 到 L2 的路上。
差距的根源在于伦理。与智能驾驶相比，AI 医疗面临着更为严重的伦理问题。托普据此认为，AI 医疗不太可能超越自动设备的 3 级水平——有很多诊断工作、阅片工作可以用 AI 辅助完成，但就医学整体而言，在任何时候、任何情况下，绝不能容忍没有人类医生和临床医生的监督。
这也解释了为什么医疗 AI 的推进节奏天然偏保守：技术可以快，责任不能快。
数据治理：中国路径的关键差异
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”。对 AI 医疗来说，医疗数据是永远的痛点。
医疗数据属于患者隐私，所有权理应属于患者；但在实际中，医疗大数据的权属基本在医院方。也有观点认为，医疗数据的所有权在于患者个人、控制权在于医院、管理权在于政府，第三方机构需借助政府支持和医院配合方能对其进行商业化开发和利用。
目前 AI 模型训练所需的医疗数据，大都是通过企业和医院签署研发协议获得的。实际操作中会有专门模块进行数据清洗，只保留必要的数据；在数据收集到模型建立的过程中，医院和企业会做好物理隔离，通常是数据不出院，模型出院。
这一机制的意义在于：它把合规成本前置到了数据流转的最前端，让模型而非原始数据成为可流动的资产。
数据交易所的探索进展
根据动脉网的报道，国内各个大数据交易所已有不少将“医疗卫生”数据纳入交易品类。目前仅有贵州大数据交易所上架了一款“儿童构音障碍早筛语音数据”产品，售价 25 万元，已交易两笔。
该产品介绍显示，早筛数据主要由 82 个音节组成，主要用于 3—6 岁儿童在自闭症、构音障碍、发育迟缓以及言语障碍等疾病的早期筛查 AI 算法的训练。
需要看到的是，医疗数据是 AI 医疗的第一驱动力，但对现阶段的 AI 医疗产品来说，理解医疗数据远比获得数据更重要也更困难。托普在分析 IBM 医疗 AI 沃森的失败时认为，“最基本的失误之一，就是将获取数百万页的医疗信息等同于理解或使用这些信息。”如果不能深刻理解所服务的行业，再多的数据也只是徒耗电力。
常见问题
中国“数据不出院、模型出院”模式在全球处于什么位置？
这是一种以物理隔离换取合规确定性的路径，与部分市场侧重数据集中汇聚的思路形成差异。它使中国在医疗数据治理上具备了较强的可操作性与可复制性，但全球格局仍在演进，具体优劣需结合各地监管与实测效果判断。
AI 医疗目前发展到哪个阶段？
按《深度医疗》的类比框架，AI 医疗仍处在 L1 到 L2 的路上，即辅助与部分自动化阶段。诊断、阅片等环节可由 AI 辅助完成，但医学整体仍需人类医生与临床医生的监督。
医疗数据交易目前成熟吗？
仍处早期探索。国内各大数据交易所已将医疗卫生纳入交易品类，但已上架并成交的具体产品数量有限，整体规模与流动性有待进一步观察。