AI医疗产业链通常分为上游基础设施、中游算法模型、下游应用拓展三层。当前竞争格局尚未定型，上游由具备规模效应的大厂和平台主导，中游出现自建模型并直达应用的端到端模式，下游应用层则涌现大量处于早期轮次的创业公司，各环节的竞争焦点与演变逻辑各不相同。

产业链三层结构与主导力量

从成本效益角度出发，基础层与模型层的搭建适合有规模效应的大厂和平台，而创业公司在应用层的探索与突破更可能成为未来主要趋势。中游模型层中，部分科技公司或创业企业采用端到端模式，即自行完成基础模型开发，再针对目标市场进行模型、知识和数据的特定优化，并直接开发交付给用户的应用产品。下游应用层则依赖接入模型层API实现功能，目前多数公司仍处于天使轮、Pre-A轮和A轮等早期轮次。

竞争焦点与格局演变

当前AI医疗应用整体仍处于起步阶段，成规模的应用主要集中在聊天机器人领域。随着通用大模型生态开放，纯应用层创业企业面临一定挑战，而垂类赛道下的专业化模型被认为是可能的解决方案之一。医疗领域尤其需要高质量的专业化模型，其中高质量、用户反馈和专有数据集是专业化模型的关键要素。在研发生产制造环节，应用更多集中在药物发现及CXO服务领域；诊疗环节则通过工作流改进、新数据集成和个性化互动，为辅助问诊、健康管理等注入新活力。

常见问题

判别式AI和生成式AI在医疗中如何分工？

判别式AI在识别疾病、分析影像、预测疗效方面有更高准确度和效率；生成式AI更关注理解人类意图、生成新数据，在医疗模拟对话和个性化医疗方面具有不可替代作用。两者结合可实现更复杂精细的任务。

为什么医疗领域需要专业化模型而非通用大模型？

定义明确的高价值工作流程将主要由专门的人工智能系统解决。医疗领域高度专业化、容错率低，需要基于大量可靠数据和高质量临床实践，并严格遵守法规伦理规范，因此专业化模型的构建尤为关键。

投资人为何对AI医疗应用层持观望态度？

应用层创新仍有许多待解决问题，同时通用大模型通过插件构建细分场景，对部分纯应用层创业企业构成挑战。但将内容生产方式与数字化程度高、内容需求丰富的行业相结合的应用层公司，仍是市场关注的方向。