AI医疗当前正处于L1产品放量渗透、L2产品早期探索的供需再平衡阶段：需求端由医生供给不足与老龄化持续拉动，供给端则受制于数据孤岛、标注成本与模型泛化能力，供需缺口仍集中在高质量训练数据与临床验证环节。
需求端：刚性缺口持续扩大
医疗行业是典型的“鲍莫尔成本病”行业——随着生产力提升，医生单位时间能提供的诊疗服务量相对刚性，服务成本不断上升。在医生供给不足、老龄化加深的背景下，社会对AI辅助诊断、远程监护、临床决策支持等工具的需求被持续放大。官方资料指出，AI医疗的想象空间正源于这一结构性矛盾：用机器辅助医生，是改变医疗服务成本曲线的重要路径。
供给端：数据与模型的双重瓶颈
AI医疗的供给瓶颈集中在两端。数据端，医疗数据涉及患者隐私，权属复杂，第三方机构需借助政府支持和医院配合方能开发，实际操作中通常“数据不出院、模型出院”，高质量标注数据的获取成本高企。模型端，目前AI模型训练所需数据多通过企业与医院签署研发协议获得，但“理解医疗数据远比获得数据更重要也更困难”——IBM沃森的教训表明，将获取海量信息等同于理解信息，是AI医疗产品失败的基本失误之一。
当前周期位置：L1放量、L2探索
参照自动驾驶的分级框架，官方资料明确：AI医疗仍处在L1到L2的路上。L1阶段以阅片、辅助诊断等单点工具为主，渗透率正在提升但同质化竞争加剧；L2阶段强调系统在特定场景下的自主决策与监督，目前处于早期探索，受限于伦理约束——埃里克·托普认为，AI医疗不太可能超越自动设备的L3水平，任何情况下都不能容忍没有人类医生监督的诊疗。当前的供需缺口，正集中于连接L1与L2的高质量训练数据与临床验证能力。
常见问题
AI医疗的L1和L2分别指什么？
参照自动驾驶分级，L1为辅助诊断，L2为部分场景下的系统自主决策，但均需人类医生监督。官方资料显示，AI医疗整体仍处于L1到L2的演进路上。
为什么医疗数据是AI医疗的核心瓶颈？
医疗数据权属复杂、涉及隐私，第三方获取需多方协调，且实际训练中通常“数据不出院、模型出院”。更重要的是，理解数据比获得数据更难，模型泛化能力有限。
当前阶段最大的供需缺口在哪里？
集中在高质量训练数据的获取与临床验证环节。L1产品已进入放量期但同质化明显，L2产品尚处早期，连接两个阶段的数据与验证能力是制约周期演进的关键。