AI医疗当前大致处于自动驾驶分级中L1至L2的阶段：L1对应影像阅片、语音录入等辅助工具，L2则覆盖远程监护、临床辅助决策等部分自动化场景。随着落地场景从L1向L2升级，AI医疗的市场规模将主要沿着“客单价提升”与“渗透率扩大”两条路径扩容，而根本驱动力来自医疗人力成本持续上升带来的刚性替代需求。
分级落地如何打开市场空间
参照自动驾驶分级框架，AI医疗不同级别对应不同的产品形态与付费逻辑。L1级别的AI辅助工具（如影像阅片、语音录入）以单点功能为主，客单价相对有限，更多作为医生工作流的效率插件；L2级别则意味着系统在特定场景下承担更多监督与决策支持职责，例如远程患者监护、实时临床辅助决策，这类产品深度嵌入诊疗流程，价值量更高，也更容易形成持续付费。
因此，市场规模测算的核心变量是“渗透率×客单价”。L1向L2的升级过程中，一方面适用场景从院内扩展到院外（如可穿戴设备驱动的远程监护），可触达的患者基数扩大；另一方面单场景的付费深度提升。两者叠加，构成了分级落地过程中明确的增量空间。
鲍莫尔成本病：市场增长的根本驱动力
医疗行业是典型的“停滞部门”——一位医生单位时间能接诊的患者数量是刚性的，但人力成本随整体生产力提升而不断上涨。这正是经济学家鲍莫尔所描述的成本病：服务业单位成本持续上升，而效率提升缓慢。AI医疗的核心价值恰恰在于用机器替代部分人力环节，缓解成本压力。只要医疗人力成本上升的趋势不变，临床对AI提效的刚性需求就会持续存在，这是市场规模扩容最稳固的底层支撑。
数据与理解：规模落地的现实约束
医疗数据是AI医疗的第一驱动力，但也是永远的痛点。目前AI模型训练所需数据主要通过医院与企业签署研发协议获得，实际操作中通常“数据不出院、模型出院”。同时，理解医疗数据远比获得数据更重要——正如IBM医疗AI沃森的教训所示，将获取海量信息等同于理解这些信息，是根本性失误。这意味着分级落地的节奏不仅取决于技术成熟度，还受制于数据合规流通与临床理解深度的进展。
常见问题
AI医疗L1和L2的主要区别是什么？
L1以辅助工具为主，如影像阅片、语音录入，医生掌控全部决策；L2则包含远程监护、辅助决策等部分自动化场景，系统在特定环节承担更多分析职责，但仍需医生监督。
AI医疗会达到L3以上级别吗？
业内观点认为，AI医疗不太可能超越自动设备的L3水平。很多诊断和阅片工作可以用AI辅助完成，但任何时候、任何情况下，都不能容忍没有人类医生监督的完全自动化医疗。
市场规模扩容的主要障碍是什么？
核心障碍在于医疗数据的合规获取与深度理解。数据权属复杂、物理隔离的研发模式限制了数据流通，而“理解数据远比获得数据更重要”的行业共识，意味着模型训练与临床落地的效率仍需持续提升。