AI医疗正在成为应对“鲍莫尔成本病”的关键技术变量：它通过替代医生部分诊断与管理工作，在产业链中扮演“技术要素”角色，推动医院、药企、保险公司之间的协作关系从“人力密集型”向“数据与算法驱动型”转变，从而重塑上下游分工与价值分配格局。

鲍莫尔成本病源于经济学家鲍莫尔在1967年构建的两部门非平衡增长模型：进步部门劳动生产率持续增长、单位产品成本维持不变，而停滞部门（如医疗服务）不存在劳动生产率增长，单位产品成本随时间不断上升，进而推高整体医疗成本。AI医疗的介入，正是针对这一“停滞部门”的痛点——用机器替代医生的部分工作，改变服务供给的成本结构。

AI医疗在产业链中的角色定位

在产业链中，AI医疗的核心价值在于承担可标准化、可重复的诊断与管理工作。以 ChatGPT 类大模型为例，其在医疗领域的应用涵盖远程医疗虚拟助手、临床辅助决策、远程患者监护等方向：虚拟助手可帮助患者安排预约、管理健康信息；临床辅助决策可为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；远程患者监护则通过分析可穿戴设备数据，在患者病情恶化时向医生发出警报。这些应用本质上是用算法承接医生的部分认知劳动，让医生将精力集中于更复杂的临床判断。

值得注意的是，AI医疗的演进路径可以参考自动驾驶的分级框架。目前在理想条件下自动驾驶汽车已达到 L3 水平，而 AI 医疗仍处在 L1 到 L2 的阶段——即辅助驾驶与部分自动驾驶之间。这意味着，AI 承担的是“辅助”角色，而非“替代”角色：阅片、数据初筛等诊断工作可由 AI 辅助完成，但任何情况下都不能容忍没有人类医生监督的完全自动化医疗。

产业链上下游的分工重构与价值转移

AI医疗的产业链协作，本质上是围绕“数据—算法—算力”三大基石展开的。其中，医疗数据被称为 AI 时代的“石油”，但其权属问题构成产业链协作的核心约束：医疗数据的所有权归属患者，控制权在医院，管理权在政府，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，并在收集到建模过程中做好物理隔离——通常是“数据不出院，模型出院”。

这种协作模式重塑了上下游的价值分配：

  • 上游（数据与算力供应商）：掌握高质量医疗数据与算力资源的主体，成为产业链的关键节点。但理解医疗数据远比获得数据更重要——正如 IBM 医疗 AI 沃森失败的教训所示，将获取数百万页医疗信息等同于理解这些信息，是根本性失误。不能深刻理解所服务行业的企业，再多数据也难以转化为有效价值。
  • 中游（AI医疗平台）：承担“技术要素”角色，通过算法模型将数据转化为临床可用的决策支持工具，是价值增值的核心环节。
  • 下游（医院、药企、保险公司）：作为服务的最终提供者与付费方，通过采用 AI 工具降低人力成本、提升诊疗效率，同时向中上游支付技术使用费用，形成新的利益分配关系。

常见问题

AI医疗会完全取代医生吗？

不会。根据行业共识，AI 医疗目前仍处于辅助驾驶阶段，远未达到完全自动驾驶水平。大量诊断和阅片工作可由 AI 辅助完成，但医疗决策必须在人类医生的监督下进行，这是由医疗行业的伦理要求决定的。

医疗数据在产业链中如何流转？

医疗数据权属复杂：所有权归患者、控制权在医院、管理权在政府。第三方机构需通过与医院签署研发协议获取数据，且通常遵循“数据不出院，模型出院”的物理隔离原则，以保护患者隐私。

AI医疗对医疗成本的影响路径是什么？

AI 通过替代医生部分重复性、标准化工作（如初筛阅片、健康信息管理等），降低单位服务的劳动投入，从而缓解停滞部门成本刚性上涨的压力。但成本节约的实际效果，仍需以具体应用场景的落地数据验证。