GPT-4在宠物疑难病诊断中的表现，已让AI医疗的需求端率先发出强烈信号——宠物主为挽救爱宠，愿意把全部检查资料交给大模型并采纳其结论。但供给端的技术成熟度与监管边界，决定了AI医疗整体仍处于L1到L2水平，远未达到自动驾驶已实现的L3条件性自动化。这种“需求热、供给慎”的节奏错位，正是当前AI医疗渗透率提升的核心瓶颈。
需求端：宠物医疗先行，人用医疗谨慎
GPT-4诊断免疫介导性溶血性贫血（IMHA）并救回狗狗的案例，是需求验证的典型样本。宠物医疗场景中，支付方是情感驱动、决策链短的宠物主，对AI诊断的接受度和付费意愿都远高于人用医疗场景。
而人用医疗则截然不同。《深度医疗》作者埃里克·托普直言，AI医疗不太可能超越自动设备的L3水平——即便在高速公路上敢用自动驾驶摸鱼的司机，也绝不愿意让机器人给自己主刀。这种信任门槛，决定了人用医疗的需求释放将显著滞后于技术供给。
供给端：能力快速迭代，但数据与信任双重受限
大模型能力的迭代速度毋庸置疑，ChatGPT在临床辅助决策、远程患者监护、药物管理等场景均有广泛应用空间。但AI医疗的供给瓶颈不在算法，而在数据与理解。
医疗数据是AI医疗的第一驱动力，同时也是“永远的痛点”。数据权属复杂，第三方机构需借助政府支持和医院配合才能进行商业化开发，目前普遍采用“数据不出院、模型出院”的模式。更关键的是，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沃森失败时指出，其基本失误之一就是将获取数百万页医疗信息等同于理解这些信息。
供需错位的三个关键变量
| 变量 | 现状 | 对供需匹配的影响 |
|---|---|---|
| 数据可得性 | 数据不出院、模型出院，交易品类稀少 | 供给端训练数据受限，模型迭代速度被拉低 |
| 医生接受度 | AI定位为辅助，人类医生必须全程监督 | 供给落地依赖人机协作流程再造 |
| 患者信任度 | 人用医疗绝不容忍无医生监督 | 需求端支付意愿被人为压制 |
常见问题
GPT-4的宠物诊断案例能否复制到人用医疗？
很难直接复制。宠物场景决策链短、支付意愿强，而人用医疗涉及伦理责任与患者信任，在任何时候、任何情况下都不能容忍没有人类医生监督的AI诊断，需求释放将是一个漫长过程。
AI医疗的渗透率提升主要卡在哪里？
数据与信任。数据层面受限于权属复杂和“数据不出院”模式；信任层面则需等待医生和患者逐步适应AI辅助定位。理解医疗数据远比获得数据更重要，这是现阶段最核心的供给瓶颈。
AI医疗会完全取代医生吗？
不会。托普明确认为AI医疗不太可能超越自动设备的L3水平，大量诊断、阅片工作可由AI辅助完成，但人类医生和临床医生的监督不可或缺。AI的角色是提升效率、降低成本——正如“鲍莫尔成本病”所揭示的，医疗服务的劳动力成本刚性上升，AI正是改变这一价格曲线的可能路径。