AI医疗的产业链分为基础设施、算法模型与应用拓展，其中价值如何在各环节分配？

AI 医疗产业链沿 AIGC 产业的通用结构展开，由上游基础设施、中游算法模型、下游应用拓展三部分构成。从价值分配看，基础层与模型层的搭建适合具备规模效应的大厂和平台，而创业公司在应用层的探索与突破，可能成为未来的主要趋势。 换言之，越靠近底层，越依赖算力与数据的规模效应；越靠近应用，越依赖对具体场景的理解与产品化能力。这一分工也解释了当下投资人对应用层创新既关注又观望的状态。

三层结构如何划分

基础设施层主要由工具链和智算平台构成，是整条产业链的底座。模型层位于中间，其中部分采用从自建模型到开发应用的端到端模式——科技公司或创业企业针对特定领域自行完成基础模型开发，再面向目标市场进行模型、知识和数据的特定优化，并开发出直接交付用户的应用产品。模型层之上是应用层，这些应用往往依赖模型层开发，通过接入 API 实现功能。

价值为何向两端集中

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，这是价值向上游集中的直接原因。而在应用层，生态开放带来了新的变量：通用大模型通过插件构建起直接面向终端用户的细分场景，对一部分纯应用层创业企业形成挑战。垂类赛道下的专业化模型被视为解决方案之一，其关键在于高质量、用户反馈和专有数据集。医疗领域容错率低、专业性强，尤其需要高质量的专业化模型，且需严格遵守相关法律法规与伦理规范。

常见问题

应用层创业公司的机会在哪里？

机会集中在应用方面的探索与突破，尤其是将内容生产方式与数字化程度高、内容需求丰富的行业相结合。这类公司大多仍处于早期轮次，包括天使轮、Pre-A 轮和 A 轮。

为什么医疗领域的专业化模型更关键？

医疗领域高度专业化、容错率低，需要医疗专业人士的经验才能正确理解和解释相关问题。定义明确的高价值工作流程，更可能由专门的人工智能系统而非通用模型来解决。

当前 AIGC 在医疗的落地进展如何？

整体仍处于起步阶段，成规模的应用主要在聊天机器人领域，例如用于回答医疗保健相关问题的大型医用语言模型。判别式 AI 与生成式 AI 的结合，正被用于更复杂精细的任务。