AIGC在药物发现与辅助问诊中的落地仍处于起步阶段，当前成规模的应用主要在聊天机器人领域；而AI医疗上游智算平台投入巨大，叠加技术成熟度与监管不确定性，行业整体面临商业化路径尚不明朗的风险。整体来看，生成式AI在医疗领域的应用仍处早期，技术路线与商业模式均未定型。
上游投入高企，基础设施资金门槛突出
AIGC产业由上游的基础设施、中游的算法模型和下游的应用拓展三部分构成，其中基础设施主要由工具链和智算平台构成。这意味着想要布局AI医疗，首先要跨越智算平台这一高资金门槛的环节。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，创业公司则更多在应用层寻求突破，但当前应用层创新仍有许多待解决问题，这也造成了投资人普遍持观望态度。
技术成熟度与数据获取的双重挑战
医疗领域是一个高度专业化的领域，容错率低，需要医疗专业人士的专业知识和经验才能正确理解和解释相关问题。AIGC在医疗领域的应用面临多重不确定性：
- 生成内容准确性不足：以聊天机器人为例，其可能无法为医生提供足够准确的桥接和诊疗建议，还可能产生误导性回答，需要谨慎使用。
- 医疗数据获取难：医疗领域的应用需要基于大量可靠数据和高质量临床实践基础，而高质量、用户反馈和专有数据集正是专业化模型的关键，但医疗信息的敏感性使得数据获取与合规使用难度较大。
- 模型专业化不足：医疗领域尤其需要高质量的专业化模型，如何从通用人工智能模型出发进行实质性专业化以提高质量，仍是待解决的问题。
常见问题
药物发现环节的AIGC应用成熟吗？
尚处探索期。目前AIGC在研发生产制造环节的应用更多集中在药物发现以及CXO服务领域，例如生物制药企业构建生成式模型来预测结构、发现药物，但仍处于早期阶段，技术路线和商业模式均未定型。
辅助问诊中的生成式AI能直接替代医生吗？
不能。生成式AI在辅助问诊中更多是提高医生就诊效率的辅助工具，目前仍存在生成内容准确性不足、可能产生误导性回答等缺点，需要引入专业医生进行质量检查和监督，并确保符合医学实践标准。
未来改进方向是什么？
主要改进方向包括加强用户隐私保护、引入专业医生进行质量检查和监督，同时推进模型专业化，通过高质量的人类反馈数据（如偏好、指令、提示等）驱动模型能力提升。考虑到医疗信息的敏感性，技术要普及到普通消费者手中还需要一段时间。