AI医疗产业链的成本结构呈现明显的“重上游、轻下游”特征：基础设施与模型层投入高、依赖规模效应，适合大厂和平台承担；应用层通过接入API开发，成本相对可控，但盈利模式尚未清晰，投资人普遍观望。 从商业化节奏看，基础层和模型层依靠规模化摊薄成本，而应用层的突破口更可能出现在依托专有数据集和高质量用户反馈打磨出的专业化模型上。

成本结构：上游重投入，下游轻接入

AI医疗产业链由上游基础设施、中游算法模型和下游应用拓展三部分构成。上游基础设施主要由工具链和智算平台构成，中游模型层则涉及基础模型的开发与针对性优化。从成本效益角度考虑，基础层、模型层的搭建适合有规模效应的大厂和平台来做——这类投入需要持续的资金与算力支撑，通过规模效应摊薄单位成本。

相比之下，下游应用层往往通过接入API实现应用功能，开发门槛和前期投入相对较低。不过，应用层的轻资产模式也带来了新问题：依赖通用大模型API开发的应用，在功能上容易被模型能力覆盖，盈利模式尚未跑通，这也是当下投资人“观望”的主要原因。

盈利模式：专业化模型或成商业化突破口

在应用层探索盈利模式的过程中，垂类赛道下的专业化模型被看作可能的解决方案之一。这一思路指向从通用人工智能模型出发，对其进行实质性专业化以提高质量——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而非通用模型来解决。

医疗领域尤其需要高质量的专业化模型，其关键要素包括：

  • 高质量：高价值工作流程需要奖励任何质量改进，容错率低的医疗场景对模型质量要求更高
  • 用户反馈：仔细调整高质量的人类使用数据（如偏好、指令、提示和响应）是推动模型功能的核心
  • 专有数据集：医疗领域高度专业化，需要基于大量可靠数据和高质量临床实践基础

当前AIGC在医疗领域的应用仍处于起步阶段，成规模的应用主要在聊天机器人领域。对创业公司而言，将内容生产方式与数字化程度高、内容需求丰富的医疗场景结合，形成应用层公司，是正在被关注的方向。

常见问题

基础层和模型层适合谁来做？

基础层和模型层的搭建适合有规模效应的大厂和平台。这类投入需要持续的资金、算力和数据支撑，只有规模化玩家才能有效摊薄成本。

应用层创业公司的机会在哪里？

创业公司在应用方面的探索和突破可能成为未来主要趋势，但需要解决盈利模式问题。依托专有数据集和高质量用户反馈，在垂类赛道打造专业化模型，是当前被看好的方向之一。

为什么投资人目前对AI医疗应用层持观望态度？

应用层创新方面还有许多待解决的问题，包括盈利模式不清晰、通用大模型生态开放后对纯应用层创业企业带来的挑战等，这些因素共同造成了投资人观望的局面。