AI医疗产业链的供需节奏如何，当前处于什么发展阶段？当前AI医疗应用整体仍处于起步阶段，供给端生成式模型迭代迅速，需求端成规模的应用主要集中在聊天机器人等场景，供需两端尚未形成成熟匹配，产业链仍在探索中。

供给端：模型快速迭代，专业化是方向

从供给端看，生成式AI在医疗领域的应用前景广阔，可在药物发现、疗效评估、模拟数据生成、自动化工作流程等方面发挥作用。目前AIGC相关的应用更多集中在药物发现环节以及CXO服务领域，例如生物制药企业构建Transformer等生成式模型来预测结构、发现药物，CRO企业在已有数据基础上训练生成式语言模型以服务临床。

在诊疗环节，AI通过工作流程改进、新数据集成和个性化互动体验，为辅助问诊、健康管理等注入新活力。不过，医疗领域高度专业化、容错率低，业内普遍认为高质量、用户反馈和专有数据集是专业化模型的关键。谷歌推出的医用语言模型Med-PaLM 2仍在推进专家合作，且考虑到医疗信息敏感性，技术普及到普通消费者仍需时间。

需求端：聊天机器人先行，高价值场景待挖掘

需求端当前成规模的应用主要在聊天机器人领域，如患者咨询管理、临床决策支持、医疗教育等场景。以医疗教育为例，AI可作为知识普及窗口，向患者传授健康知识，也为医学教育提供教学工具；但同时也存在产生误导性回答的风险，需要引入专业医生进行质量检查和监督。

从产业链结构看，AIGC产业由上游基础设施、中游算法模型和下游应用拓展三部分构成。基础层、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可能成为未来趋势，但应用层创新仍有许多待解决问题，这也造成当下投资人“观望”的局面。

常见问题

AI医疗目前最成熟的应用是什么？

当前成规模的应用主要在聊天机器人领域，例如谷歌推出的Med-PaLM 2等医用语言模型，用于患者咨询管理、医疗教育等场景。但整体仍处起步阶段，应用深度和广度有限。

药物发现和CXO领域的AI应用进展如何？

在研发生产制造环节，AIGC应用更多集中在药物发现环节及CXO服务领域。生物制药企业构建生成式模型预测结构、发现药物，CRO企业则基于已有数据训练生成式语言模型来服务临床，相关需求正逐步显现。

未来AI医疗的发展方向是什么？

业内观点认为，医疗领域尤其需要高质量的专业化模型，而非单纯依赖通用大模型。从通用模型出发进行实质性专业化，结合高质量用户反馈和专有数据集，是提升医疗AI质量的关键路径。