鲍莫尔成本病是各国医疗体系共同面对的结构性难题——当医生、护士等医疗服务的单位时间产出近乎刚性，而社会整体劳动生产率不断提升时，医疗服务的相对价格就会持续上涨。AI医疗因此成为全球竞逐的解决方案：OpenAI将医疗列为最关注的核心产业之一，ChatGPT在远程医疗虚拟助手、临床辅助决策、远程患者监护等方向已展示出广泛的应用空间。在这场全球竞赛中，中国AI医疗处于“追赶者与特色应用创新者并存”的位置：在数据规模与政策推动上具备独特优势，但在基础算法与底层算力上仍受制于人，与全球领先水平存在差距。
鲍莫尔成本病：AI医疗的全球共同命题
鲍莫尔成本病的核心逻辑并不复杂：随着生产力提升，一个工人能创造的价值越来越高，但一位理发师单位时间能剪的头却比较刚性，因此其服务价格会不停上升——医疗服务也是类似情况。这一结构性矛盾困扰着所有国家的医疗体系，也让“用机器替代医生”成为极具想象空间的解题思路。
ChatGPT等大模型在医疗领域的应用，正是对这一难题的直接回应。从帮助患者安排预约、管理健康信息的远程医疗虚拟助手，到为医生提供实时循证建议、标记潜在药物相互作用的临床辅助决策，再到分析可穿戴设备数据、提前预警病情恶化的远程患者监护，AI正在多个环节尝试改写医疗服务的成本曲线。
中国的优势与短板
中国在AI医疗赛道上的竞争力，首先来自数据规模。庞大的患者基数意味着更丰富的医疗数据资源，而数据正是AI时代“基石中的基石”。与此同时，政策层面也在积极推动：国内多个大数据交易所已将“医疗卫生”数据纳入交易品类，为医疗数据的合规流通与商业化开发提供了制度通道。
但短板同样清晰。AI的三大基石是数据、算法与算力，中国在数据端具备规模优势，在基础算法与高端芯片等算力基础设施上则依赖外部供给。此外，医疗数据本身也是“永远的痛点”——数据权属复杂、隐私保护要求高，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，并遵循“数据不出院、模型出院”的物理隔离原则。更关键的是，理解医疗数据远比获得数据更重要也更困难，IBM医疗AI沃森的失败已经证明：将获取数百万页医疗信息等同于理解这些信息，是最基本的失误之一。
全球格局中的中国定位
从整体格局看，美国在基础模型与底层技术上处于领先，中国则在应用场景、数据积累与政策推动上具备特色。中国AI医疗的定位是“追赶者与特色应用创新者并存”——在临床辅助诊断、医学影像阅片等应用层面快速落地，但在基础算法原创性与算力自主性上仍需追赶。这一差距能否缩小，取决于数据要素市场的成熟度、基础研究的投入强度，以及“理解医疗数据”这一核心能力的突破。
常见问题
中国AI医疗在全球处于什么水平？
中国在医疗数据规模和政策推动上具备优势，大数据交易所已开始将医疗卫生数据纳入交易品类，但在基础算法与算力基础设施上仍依赖外部，整体处于追赶者与特色应用创新者并存的位置，与全球领先水平存在差距。
AI医疗能解决鲍莫尔成本病吗？
AI有望通过替代部分人工服务来改变医疗服务的成本曲线，例如虚拟助手、临床辅助决策和远程患者监护等应用都能降低对人力的依赖。但AI医疗目前仍处于L1到L2的发展阶段，且绝不能容忍没有人类医生监督的完全自动化。
医疗AI发展的最大障碍是什么？
医疗数据是AI医疗的第一驱动力，但也是“永远的痛点”——数据权属复杂、隐私保护要求高。更关键的挑战在于，理解医疗数据远比获得数据更重要也更困难，单纯堆砌数据并不能带来有效的医疗AI。