从IBM沃森到生成式AI，AI医疗的供需周期正处在供给端能力大幅扩张、需求端付费验证尚未完全跑通的结构性错配阶段。回顾历史，IBM沃森医疗AI的教训在于将“获取数百万页医疗信息”等同于“理解这些信息”，未能真正满足临床需求；而当前以生成式AI为代表的新一轮技术浪潮，在临床辅助决策、远程患者监护等方向显著拓展了供给能力，但需求端的付费意愿与使用频率仍在验证中。
供给端：生成式AI带来能力跃升
生成式AI在医疗领域的供给能力，相较沃森时代已发生质变。仅以ChatGPT为例，其应用场景就覆盖远程医疗虚拟助手、临床辅助决策、远程患者监护等多个方向：虚拟助手可帮助患者安排预约、管理健康信息；临床辅助决策可向医疗保健提供者提供实时的、基于证据的建议，标记潜在药物相互作用；远程患者监护则可分析可穿戴设备数据，在患者病情恶化时向医生发出警报。
不过，供给能力的扩张并不等于临床价值的兑现。正如《深度医疗》作者埃里克·托普对沃森失败的分析所指出的，“最基本的失误之一，就是将获取数百万页的医疗信息等同于理解或使用这些信息”。对现阶段的AI医疗产品而言，理解医疗数据远比获得数据更重要也更困难——这一判断对生成式AI同样适用。
需求端：付费意愿与使用频率仍在验证
需求端的真实痛点始终存在。医疗服务具有典型的“鲍莫尔成本病”特征：随着生产力提升，医生的单位时间产出相对刚性，服务价格持续上升，这为AI替代部分医疗工作提供了经济学基础。
但需求端的买单节奏并不由技术单方面决定。医疗数据的权属与流通是核心瓶颈：医疗数据属于患者隐私，实际控制权多在医院方，第三方机构需借助政府支持和医院配合方能进行商业化开发。目前AI模型训练所需数据，主要通过企业与医院签署研发协议获得，并普遍采取“数据不出院、模型出院”的物理隔离模式。此外，AI医疗面临比自动驾驶更严峻的伦理约束——托普认为，AI医疗不太可能超越自动驾驶3级（条件性自动驾驶）的水平，任何情况下都不能容忍没有人类医生监督的完全自动化诊疗。
周期判断：供给先行，需求待验证
综合供需两端，当前AI医疗更接近**“供给能力扩张快于需求验证”的周期阶段**。技术上，自动驾驶汽车在理想条件下已达L3水平，而AI医疗仍处在L1到L2的路上；商业上，医疗数据交易虽有零星案例，但整体规模化流通尚在早期。生成式AI降低了供给端的技术门槛，但需求端的付费闭环仍需在伦理合规、数据流通与临床信任的多重约束下逐步建立。
常见问题
生成式AI和IBM沃森在医疗领域的本质区别是什么？
核心区别在于技术范式的变化。沃森的失误在于把“获取信息”等同于“理解信息”，而生成式AI在语言理解、上下文推理方面能力显著增强，能更自然地辅助临床决策。但理解医疗数据的深层语义，仍是两类技术共同面临的挑战。
AI医疗目前处于商业化的哪个阶段？
处于供给能力已初步具备、需求端付费模式仍在探索的阶段。应用场景广泛，但医疗数据权属、伦理监管、临床验证等环节尚未完全打通，商业化节奏整体偏谨慎。
医疗数据对AI医疗发展的制约有多大？
医疗数据被称为AI时代的“石油”，是核心驱动力，但也是长期痛点。数据权属涉及患者、医院、政府多方，第三方机构需借助医院配合才能获取训练数据，且普遍采用“数据不出院”模式。理解数据比获得数据更难，是当前更关键的瓶颈。