GPT-4成功诊断宠物罕见病，展现了AI医疗服务在成本端的颠覆性潜力，但其定价权与产业链议价能力并非单边增强，而是呈现出“成本端受益、收入端受压”的分化格局。一方面，AI以接近零的边际成本完成诊断，直击医疗行业“鲍莫尔成本病”痛点；另一方面，AI医疗的定价权受制于医保支付方、医院数据主导权以及患者心理账户的多重挤压。
AI医疗如何破解“鲍莫尔成本病”
“鲍莫尔成本病”理论指出，像医疗服务这类依赖人力、生产率提升缓慢的行业，单位成本会随社会整体工资水平上升而不断上涨——正如一位理发师单位时间能剪的头数是刚性的，医生的诊疗时间同样难以压缩。AI的介入改变了这一逻辑：GPT-4在宠物疑难病例中，仅凭输入的检查信息便给出免疫介导性溶血性贫血（IMHA）的判断并成功救回宠物，其边际成本近乎为零。
这意味着AI能够以极低的增量成本复制专业诊断能力，从理论上打破医疗服务“越贵越刚需”的成本刚性。在远程医疗虚拟助手、临床辅助决策、远程患者监护等场景中，AI均展现出替代部分人力、降低服务成本的潜力，为缓解医疗费用持续攀升提供了新的技术路径。
定价权的三重制约：支付方、医院与患者
尽管成本端优势显著，AI医疗在收入端的议价能力却面临结构性约束。首先是支付方压力：医保和商业保险作为单一支付方，天然具备强大的压价能力，AI节省的成本很可能转化为支付方的议价筹码，而非服务提供方的利润。其次是数据主导权：医疗数据的权属在实际中基本掌握在医院手中，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，医院对核心数据资源的掌控使其在产业链中占据强势地位。最后是患者心理账户：消费者对AI服务的价值感知往往低于人类专家，倾向于要求“科技红利”以折扣形式让利，进一步压缩定价空间。
上游成本传导与议价能力的真正来源
AI医疗的利润空间还受到上游成本的双向挤压。医疗数据获取成本高企——数据被视为AI时代的“石油”，但权属复杂、清洗困难，且目前国内大数据交易所虽已将医疗卫生数据纳入交易品类，实际成交案例仍极为有限。与此同时，GPU算力费用波动显著，训练和推理的成本传导不可避免。
在此背景下，AI医疗的定价权并不来自技术本身，而来自对垂直场景的深度理解与数据闭环的构建能力。正如对现阶段的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——能够真正将数据转化为临床价值的参与者，才可能在多方博弈中赢得议价空间。
常见问题
GPT-4诊断宠物罕见病是否意味着AI可以替代医生？
不能。目前AI医疗仍处在自动驾驶L1到L2的水平，远未达到无需人类监督的阶段。正如《深度医疗》作者埃里克·托普所言，AI医疗不太可能超越自动设备的3级水平，诊断和阅片工作可以用AI辅助完成，但任何情况下都不能容忍没有人类医生的监督。
AI医疗服务的定价会比传统医疗更便宜吗？
从成本结构看，AI的边际服务成本极低，理论上具备降价空间。但实际定价取决于支付方谈判、医院分成与患者接受度等多方博弈，医保作为单一支付方的压价能力尤其强大，最终价格未必简单低于传统服务。
医疗数据在AI医疗产业链中扮演什么角色？
医疗数据是AI医疗的第一驱动力，但其权属问题复杂——所有权在患者、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才能商业化利用。目前数据获取多通过企业与医院签署研发协议实现，且通常“数据不出院，模型出院”，数据壁垒是影响产业链议价格局的关键变量。