2025新质生产力大模型在各医疗场景的赋能实践前言人工智能技术在医疗领域应用多年，大模型技术的出现为其应用价值和范围又带来了新的可能。2024年底爆火的国产开源语言大模型DeepSeek极大助力市场教育，将大模型在医疗场景的应用迫切度也提到历史新高点。医疗领域已经出现数百个垂直大模型应用于各个环节，企业从自身数据及市场优势出发自研专业大模型。产品虽众多，但是产品到商品还受政策、市场等影响。目前，医疗大模型在医疗领域的渗透率、应用情况、应用成果到底如何？本次报告，通过调研、访谈十余家创新企业、三家投资机构及数名临床专家，从市场和企业两方面探索我国医疗大模型渗透率的现状，试图梳理各类不同医疗大模型的竞争要素和优势发展策略，与共同努力的企业们一同探讨。主要观点医疗大模型发展处于早期，行业经过了“产品打造”阶段，亟待通过“性能验证”释放商业价值。目前，对大多数医疗大模型依然缺乏明确的安全性、有效性的验证和监管体系，是大模型商业化推广重要限速因素。医疗大模型市场规模预计在2028年突破百亿，目前总体渗透率不足10%~20%是一个极大的蓝海市场待企业去开拓。>2025年截至5月1日医疗大模型发布133个，远超2024年全年的94个、2023年全年的61个。288个医疗大模型中，九成覆盖了政策指引的应用场景。医疗大模型应用场景中，提及频次最高的为医疗服务环节，占比高达53%，其中临床专病辅助决策、预问诊、病历辅助生成、医学影像辅助诊断位居前四。文本类大模型集中在医疗T服务环节；影像类大模型应用成熟度最高，超声和病理有惊喜进展；生物大模型极大助力药物研发；中医类大模型在多方力量推动下快速发展。>医疗大模型的渗透率受多方影响，需要通过痛点验证、市场规模测算、技术和数据能力评估、有公信力的性能验证以及政策的支持和监管来解决“想用”想做“能做“好用”“允许用”的问题。~医疗大模型落地应用方式灵活，可作为产品使用、可作为A应用的智能管理平台、可作为A!产品研发和优化的基座。总体来说，由于生成式技术与语言大模型的突破，医疗大模型对文本类的任务助力更大，此外对综合性、高数据密度以及多流程的任务赋能更加明显。在医疗大模型的框架下，以大模型牵动的大小模型协作模式将是近几年的主流市场应用方式。人工智能技术发展现状喜人，目前医疗大模型的性能“木桶短板”是高质量的数据及稀缺的专家资源。>医疗大模型的发展初期，大模型的打造和应用成本都较高，随着技术、政策、市场等多因素助力，未来医疗大模型将向普惠化迭代升级。目录第一章多因素驱动医疗大模型加速蓝海开拓1.1性能不断突破，亟待价值验证推动模型商业化落地…1.2医疗大模型蓝海市场空间充足，亟待企业开拓1.3多因素聚合驱动，推动“产品”向“商品”落地5第二章医疗大模型爆发，赋能医疗服务的各个环节112.1行业迎来近三百个大模型，九成覆盖政策指引应用场景...…112.2四类医疗大模型，展现七大共同技术发展路径.…………1223六大医疗应用场景，解构大模型应用路径17第三章医疗大模型在多应用场景率先跑通商业化243.1渗透率受多方影响，需共同驱动商业化落地…………243.2“严肃”和辅助”医疗应用场景各有标杆…253.3院外医疗大模型助力“提供工具”向“提供价值”转变…34第四章未来趋势424.1大模型是企业刚需，大小模型协作是市场需求…424.3昂贵只是大模型的早期特征，普惠化是迭代的方向第五章企业案例.465.1讯飞医疗-星火医疗大模型从基层出发赋能医疗全产业链，.465.2数坤科技-多模态大模型构建数智医院医疗大脑5.3脉得智能-大模型赋能超声A1性能对标病理，打造无创时代..495.4透彻未来-打造敏感度100%的临床应用级病理大模型.505.5南大菲特-引领医疗级科技型人工智能慢病管理服务..515.6医策科技-“灵眸”为病理医生提供临床级能力工具52图表目录图表1人工智能技术推动医疗大模型产品变化的历程图表2医疗大模型分类及其特性图表3医疗大模型从概念到落地的发展阶段图表4医疗大模型市场规模测算图表5八大算力枢纽建设成果及目标，5图表6近年来国家层面发布的部分医疗大模型相关的促进政策图表7《卫生健康行业人工智能应用场景参考指引》具体场景展示7图表82023一-2025年医疗大模型数量（截至2025年5月1日）图表9。各类医疗大模型应用场景提交频次12图表10医疗大模型的主要应用场景13图表11医疗垂直模型开发模式分布（截至2025年4月30日）14图表12医疗大模型涉及的56个细分应用场景提及频次18图表13医疗大模型渗透率影响因素图表14判别式与生成式大模型部分性能对比，26图表15严肃医疗大模型性能共需30图表16辅助医疗大模型应用场景分类31图表17辅助医疗大模型三大赋能路径图表18人工智能在药物研发各环节应用场景举例.36图表19轻量级及治疗级健康管理服务对比..38图表20医疗大模型与小模型的部分维度对比，42图表21讯飞星火医疗大模型46图表22数坤科技多模态大模型-数坤坤.48图表23脉得智能“甲状腺结节超声影像辅助诊断软件”性能简介49图表24透彻未来病理大模型产品Thorough Insights..50图表25南大菲特“三师共管大模型”52图表26医策科技“灵眸”多模态病理大模型.53CHAPTER 1多因素驱动医疗大模型加速蓝海开拓第一章多因素驱动医疗大模型加速蓝海开拓1.1性能不断突破，亟待价值验证推动模型商业化落地技术推动下，医疗大模型愈发成熟。随着技术的不断突破，医疗大模型已经从规则驱动走向了数据驱动，从单模态向多模态融合进阶。如今，医疗大模型性能完成了从“识别”到“生成”再到“逻辑推理”的拓宽，不断接近人类思考水平。图表1人工智能技术推动医疗大模型产品变化的历程关键技术技术特征数据类型榄型特征应用场景举例基于人工规则的软件手动标注特征并建立各环节规则单模态规则驱动模拟院内流程、专家行为传统机器学习手动特征标注基于统计学、浅层模型单模态数据驱动影像识别、电子病历智慧医院等深度学习自动抓取特征，无需手动标注实现端到端学习单模态数据驱动影像诊断、专病辅助诊断病理辅助诊断等大模型&多模态处理海量数据、复杂模型全科诊疗辅助、临床决策泛化能力强多模态数据驱动支持、药物研发等资料来源：公开信息，动脉智库分析早期大模型以规则驱动。最早的医疗大模型雏形可追溯到20世纪七八十年代，医疗领域尝试将计算机技术用于医疗服务。该阶段开发的软件程序基于人工提炼的流程或医学规则，建立一步步判断的架构，从而模拟医院运行的流程，如患者分配、资源管理等，以及基于逻辑推理模拟医生的行为。如20世纪70年代，斯坦福大学开发的专家系统MYCN,帮助医生对住院的血液感染患者进行诊断和用抗生素类药物进行治疗，据中国科普博览的研究报告，该系统所给出的治疗方案可接受度达到69%左右。医疗数据积累+机器学习，大模型进入数据驱动时代。进入21世纪，医学数据激增和人工智能技术突破螺旋式地推动医疗大模型性能提升。医疗信息化的落地、电子病历的普及让行业迅速积累了大量医疗数据，为医疗大模型的研发和训练提供了数据基础。与此同时，机器学习的应用让医疗大模型迈入以数据驱动的时代，基于统计学和浅层模型，人们只需完成特征标注即可让模型自行建立判断标准。至此，医疗大模型在部分细分领域走在了落地应用前列，如影像识别、电子病历和智慧医院建设等。随后，深度学习技术和大数据的兴起，让医疗大模型进入了数据驱动的快速发展通道，无需人工进行特征提取即可进行模型训练，并实现端到端的学习。多模态融合，提升精准度并拓宽应用边界。2018年后，大模型开始实现多模态的融合。一方面，多模态数据的应用，提高了大模型精准度的天花板，使之性能进一步提升；另一方面，多模态融合也在不断拓宽大模型的应用边界，从单点到全面赋能、从为医疗行业提质增效到赋予行业“新的能力”。至此，医疗大模型打破数据孤岛，让模型泛化能力更强，拥有了更广泛的医疗应用场景，如全科诊疗辅助、临床决策支持、药物研发、远程医疗、精准诊疗等。DeepSeek助力大预言模型走向新高度。2024年底，国产开源大模型DeepSeek问世，基于《DeepSeek-V3 Technical Report》),DeepSeek-V3模型拥有高达6710亿的参数量，但得益于其自主研发的混合专家模型DeepSeekMoE,该模型巧妙地在每一层设置了256个专业领域的路由专家及1个共享专家，每次运算时仅需激活约370亿个参数，大幅度降低了训练所需的计算成本。DeepSeek-V3训l练成本仅557.6万美元，不足GPT-4的十分之一（据斯坦福HAl研究所发布报告《Artificial Intelligence Index Report2024》数据，GPT-4的训练成本约7800万美元)，但经过一系列基准测试，DeepSeek-V3-Base的chat版本表现优于其他开源模型，并在一系列标准和开放式基准测试中达到了与GPT-4o和Claude-3.5-Sonnet等闭源模型相当的性能。DeepSeek代表的技术突破带来的极致性价比大幅度地降低了医疗大模型研发和应用的门槛与成本。此外，其开源特性与本地化部署能力是DeepSeek能够里程碑式推动医疗大模型发展的另一个核心原因。医疗机构可自主下载源代码并完成私有化部署，确保医疗数据全程闭环处理，满足数据脱敏与访问权限的严格要求。目前全国已有多家医院完成DeepSeek本地化部署。其高性能、低成本和开源的特性匹配医疗行业对安全和高效的双重需求，并极大地推动了大模型落地的市场教育成熟。越应用级”价值体现越直接，专业/垂直大模型缺乏有力测评体系。近年来，企业基于自身积累数据的特性，搭载大模型技术，纷纷推出各自服务环节的医疗大模型。图表2医疗大模型分类及其特性应用类大模型执行特定任务数据需求专业/垂直大模型通过医疗领域专业数据库训练用者共研应用场景广，可赋能进一步开发求通用大模型拥有图文等多模态理解能力：逻辑推理能力：输出能力资料来源：公开信息，动脉智库分析从大模型的应用程度出发，可大致将模型分为三类，第一类大模型拥有语言理解和逻辑推理等能力，但并未经过医疗的“专业训练”，常被称为通用大模型。第二类大模型在此基础上接受了广泛的医疗专业数据集的训练，称为专业大模型或垂直大模型，通常覆盖应用场景广。医疗行业处于安全性和可靠性的要求，相较任何一个领域都更需要垂直大模型，其可直接使用，也可赋能进一步开发应用类大模型、小模型，即应用类大模型。第三类应用类大模型侧是指针对特定的应用场景和任务，进行了进一步标准数据及专家逻辑的训练，使其在特定任务中有更精准的表现。目前，行业对医疗大模型缺乏统一的性能测评标准，最直观和常用的方式还是需要在具体的应用场景中去验证。由此，应用类大模型由于针对单一任务与应用场景，性能验证范围更窄，仅需就单任务与人类使用者行为结果相对比，性能验证相对更快，进程更靠后。而就大模型的本质特性而言，更多的医疗大模型属于专业/垂直医疗大模型，即可以为多场景赋能，这就意味着其性能验证需在多任务及场景中完成，自然就对应了更长的性能验证周期。医疗大模型行业已经走过了从“技术”到“产品”的阶段，一时间百模兴起。但要从“产品到商品实现大规模商业化落地，还需要在具体应用场景中证实产品的可靠性和可用性。目前，大部分医疗大模型正积极在各应用场景验证与证实模型的有效性与价值。“百模”蓄势待发，亟待性能验证释放商业化价值。医疗大模型从概念兴起到成熟落地大致需要走过需求分析与验证、模型研发、模型性能测试或应用市场对模型性能的验证、商业模式探索到最后在行业实现大规模的商业化落地。图表3医疗大模型从概念到落地的发展阶段需求分析与验证大模型研发应用市场验证商业模式探索大规模商业化资料来源：公开信息，动脉智库分析虽然技术突破带来的愈发成熟的大模型产品令人兴奋，但是医疗大模型要实现大规模商业化落地还有一段路要走。目前，在各细分领域已有部分医疗大模型打通了商业模式实现了商业闭环（我们将在第三章详细分析部分应用场景的典型案例），但就行业整体而言，发展尚处早期，更多的医疗大模型还处于价值验证阶段，亟待通过性能测评释放其商业价值。1.2医疗大模型蓝海市场空间充足，亟待企业开拓医疗大模型快速兴起并进入爆发期。随着医疗数据数量和质量的快速提升、算法和算力的不断突破，医疗大模型在近几年兴起。基于更大规模数据训练、更多层的神经网络及连接方式，大模型展现出更高的性能及智能水平，使其不断拓宽在医疗行业的应用场景并在各大场景逐步渗透，以之带动的市场规模增速也十分可观。尽管各大机构对医疗大模型市场规模的测算存在差异，但均展现出相同的趋势。医疗大模型在2019年至2023年快速兴起，期间市场规模年均复合增长率超过100%；直至2027年都将是医疗大模型的爆发期。根据亿欧智库的访谈数据，目前医疗大模型市场规模接近20亿元，在行业爆发期间，预计以高达140%的年平均增长率，于2028年突破百亿元。图表4医疗大模型市场规模测算2503002225250163.620050111.615073.840.8508.62024E2025E2026E2027E2028E2029E2030E资料来源：亿欧智库渗透率不足20%，大模型蓝海待开拓。尽管快速拓宽的应用边界不断拉高医疗大模型的市场规模天花板，但要真正大规模应用落地还需要一步一个脚印，逐步提升市场渗透率。目前，医疗影像、辅助诊断、健康管理等领域大模型渗透率相对较高，但依然属于市场渗透的早期阶段。以渗透率较高的影像领域为例，根据沙利文与头豹研究院联合发布的《2024年中国医疗大健康产业发展白皮书》以及亿欧智库的测算，2020年其渗透率仅约1%，到2030年有望超过40%。基于动脉网访谈调研预估，医疗大模型整体渗透率不足20%，甚至更加保守的受访者估计不足10%。由此可见，医疗大模型这块蓝海还有巨大的市场空间亟待企业们去渗透和开拓。1.3多因素聚合驱动，推动“产品”向"商品落地大模型基础建设不断坚实。医疗大模型依靠强大的算力运行、基于人工智能技术的专业算法指导，并且在大数据的基础上进行训练和优化。因此，算力提升成为推动医疗大模型快速发展的核心驱动因素。图表5八大算力枢纽建设成果及目标算力枢纽算力集群建设成果(截至2024年)目标投运数据中心项目30个2025年，北京市智算规模达到45 EFLOPS投运标准机架44万架张家口2025年，河北算力规模超35EFL0PS,智算占比35%投用大数据服务器160万台算力规模约2.28万P2026年，天津市算力规模达到10 EFLOPS、超算应用率智算规模占比64.4%达70%以上、算力中心国产算力芯片使用占比超60%芜湖建成标准机架2.1万架在建机架超过10万架2027年，智算规模超过4.5万P长三角长三角生态绿色发(住多个算力中心项目2026年，安徽全省累计智算规模超过1.5万P展示范区入驻智算中心项目22个2025年，算力规模达到38EFL0PS,智算占比50%韶关总投资621亿元建成10个智算中心建成标准机架6.74万架建成标准机架50万架、服务器500万台智算规模5.06万P投资超500亿元重点数据中心达48个贵州贵安算力规模超过55 EFLOPS2025年，算力规模达到150 EFLOPS智算占比超90%39万架标准机架2027年，算力总规模达40 EFLOPS天府131个数据中心在用算力规模15 EFLOPS智算占比超60%大规模智能计算中心15个成渝在建算力规模14 EFLOPS通用算力规模3000P2026年，总纳管算力规模达35EFL0PS重庆超算算力规模51P全市算力规模14 EFLOPS智算算力规模3000P智算规模占比50%甘肃庆阳建成标准机架3.1万个2025年，建设7个国产万卡集群算力规模超过5万P实现10万P算力建成和在建数据中心27个2027年，标准机架达80万架宁夏中卫标准机架14万架算力规模达80万PFLOPS算力规模达3.1万PFLOPS智算占比超过80%总算力规模5.06万P2025年，新增签约超过15个算力项目内蒙古和林格尔引进智算中心项目超过10个智算占比94%智算规模达7.9万P资料来源：通信产业报随着大数据、人工智能和物联网等技术的迅速崛起，我国算力需求近年来也迅速增长。据中国通信院数据显示，2023年底，我国算力总规模达到230 EFLOPS,规模位居全球第二，近五年年均增速近30%，其中智算规模增势最为强劲，增长率超70%，预计未来三年我国算力规模年均增速将达45%。自十四五规划首次将算力网络纳入国家新基建，并明确“东数西算”工程目标以来，八大算力枢纽建设成果卓越，且该强劲的建设势头将进一步持续，不断夯实医疗大模型发展的算力基础。国产芯片逆袭，奋力解除技术封锁。芯片进口限制不断加码，给了国产芯片快速成长的压力和动力。华为自2021年10月发布芯片昇腾910后，该系列芯片性能不断升级，2023年发布的910B性能方面可媲美英伟达A100,并在2024年获得百度和中国移动等巨头互联网厂商及运营商订单，均为千级数量“大单；2025年进一步升级的910C将显著改善芯片性能，解决910B的传输瓶颈，性能直逼英伟达H系列，销售订单量有望在910B的基础上实现翻倍。此外，寒武纪和海光信息等领域头部企业也持续推出性能更优产品，共同推动国产芯片升级，进一步坚实医疗大模型发展的基础。平衡安全与发展，政策多维度促进医疗大模型应用落地。大模型作为医疗人工智能应用的重要一环，持续受到政策的促进和推动。近年，国家层面从大模型研发基础建设（包括算力、算法、数据等)、应用方向指引、大模型备案监管机制等方面推出系列政策，平衡包含大模型的医疗人工智能应用的安全与发展。图表6近年来国家层面发布的部分医疗大模型相关的促进政策发布时间发布单位政策名相关支持政策2025年3月国务院政府工作报告在垂直领域的开发和应用。加快人工智能在包括医疗健康在内的多场景应用。2024年11月卫健委、中医药局卫生健康行业人工智能应用场景明确84个A1应用场景，其中19个场景明确参考指引提到大横型应用。2024年6月工信部、发改委等国家人工智能产业综合标准化明确人工智能标准体系结构和框架。体系建设指南(2024版)国家标准委生成式人工智能服务安全基本要求2024年3月服务稳定性等方面提供量化评估标准。2024年1月数据局、中央网信数据要素x"三年行动计划支持公立医疗机构在合法合规前提下向金办、科技部等(2024-2026年)融、养老等共享数据，支撑商业保险产品疗养休养等服务产品精准设计。研究内容涉及科技伦理敏感领域的，应设2023年11月科技部、教育部等科技伦理审查办法（试行）立科技伦理（审查）委员会，并在国家科技伦理管理信息登记平台进行登记。鼓励生成式人工智能技术在各行业、各领2023年7月网信办、发改委等生成式人工智能服务管理暂行办法域的创新应用：动生成式人工智能基础设施和公共训练数据资源平台建设，2023年2月中共中央、国务院关于进一步深化改革促进乡村医疗加快推动人工智能辅助诊断在乡村医疗卫卫生体系健康发展的意见生机构的配置应用促进A在医学影像辅助诊断、数字病理辅助诊断，电生理信号辅助诊断、临床铺助2022年11月卫健委、中医药局决策支持、医院智能管理、公共卫生服务、疾控局十四五”全民健康信息化规划等应用。加强医学智能辅助诊断系统在基层的推广应用资料来源：公开数据，动脉智库整理值得一提的是，2024年11月国家卫生健康委办公厅、国家中医药局综合司、国家疾控局综合司联合发布的《卫生健康行业人工智能应用场景参考指引》，明确定义了“人工智能+医疗服务管理”“人工智能+基层公共服务”“人工智能+健康产业发展”“人工智能+医学教学科研”四大部分，涵盖十三大类，总共84个具体的应用场景，其中19个应用场景明确提到了医疗大模型的应用。图表7《卫生健康行业人工智能应用场景参考指引》具体场景展示智能+医疗服务中中人工智能+医疗服务管人工医安预安托人工智能智智能+健康产业发展人人工智能+医学教学科研(十三)人工智能能资料来源：国家卫健委官网，动脉智库整理(打勾为明确提及大模型应用的场景)该指引的发布无疑是医疗大模型落地的重要推动引擎，给了大模型临床准入的政策支持。不仅如此，该指引也清晰地指引了企业打磨相关大模型性能的方向、指引了临床该如何使用相关场景的医疗大模型。DeepSeek是技术、更是市场教育加速器。DeepSeek自2024年底发布以来，迅速“走红"各个行业，医疗行业也不例外。就医疗大模型领域而言，DeepSeek对其影响已经超越了单纯的技术突破范畴。除了本章第一节叙述的DeepSeek在技术上对医疗大模型性能提升带来的加持外，其“一炮而红”对医疗行业各环节从业者，以及C端的患者或用户更是一次直观且有力的市场教育，迅速提升了市场对医疗大模型的接受度以及使用积极性，变“被动接受”或“试一试”为“主动拥抱”。在市场需求的推动下，目前，众多医疗大模型企业纷纷与DeepSeek进行了不同程度的融合，而DeepSeek也在多应用场景中展示出了其在文本交互方面的优势。对于文本交互为主、提供医疗级科技型健康管理服务的南大菲特，在三师共管大模型"与DeepSeek融入后助益明显，赋能其为用户带来交互体验更好的长周期陪伴式医疗健康干预服务。再如太美医疗科技，DeepSeek等大模型的融入使之在临床研究及数字营销两个板块的服务能力均有提升，如前者方案辅助撰写、医学翻译、中心筛选、文件检索、数据管理、文件管理、风险预警等文本处理环节，后者医药代表培训、内容营销、医生画像等环节。专注文本处理赛道的医渡科技，DeepSeek的超强文本交互能力与之十分匹配，融入DeepSeek后对其“大数据+大模型”双中台的服务能力无凝是一次有力加持。此外，东蔓医疗的智能肿瘤辅助决策系统和DawnMed黎明医疗模型接入DeepSeek后，在医患沟通、患者教育、自动解读报告等方面显著提效并降低产品研发成本。医疗大模型企业纷纷完成了自身医疗大模型与DeepSeek的融合升级。据调研访谈，自DeepSeek发布后，企业医疗大模型推广阻力明显降低且获得了可观的销售增量。如医渡科技以YiduCore知识大脑+DeepSeek创新引擎"双核驱动，让AI中台化身医院的智能体孵化工厂”。目前，不同能力的A!助手已在中南大学湘雅医院、中山大学肿瘤防治中心、北京大学肿瘤医院、南昌大学第一附属医院、哈尔滨医科大学附属肿瘤医院、上海市肺科医院、山东第一医科大学附属省立医院等近30家国内顶尖医疗机构“上岗”。此次医疗大模型里程碑式地快速渗透，DeepSeek的“走红"功不可没。可见，医疗大模型正处在发展的蓬勃进展期。无论是算力、算法等“硬实力”，还是政策、监管等“软实力”都朝着推动模型落地应用的目标不断提升。加之市场教育持续推进，医疗大模型即将在供需双方的双向奔赴中爆发式发展。本章小结·医疗大模型性能持续快速提升：随着人工智能技术的发展、标准化医疗健康数据的沉淀、算力等基础建设的夯实，医疗大模型的性能快速提升，能显著为医疗行业多环节提质增效甚至赋予行业“新的能力”。医疗大模型尚处商业化早期：行业目前尚缺共识性、系统性的测评体系直观验证医疗大模型的安全与价值，“百模”蓄势待发，亟待完成产品验证实现大规模商业化落地。医疗大模型蓝海亟待开拓：性能的突破在拓宽医疗大模型应用边界的同时，也不断拉高医疗大模型的市场规模天花板，而行业渗透率不足20%，广阔的蓝海市场亟待大模型企业开拓。多因素驱动医疗大模型加速落地：政策从基础建设支持、方向指引、市场准入及监管等多维度促进医疗大模型落地，加上市场教育地有序推进，医疗大模型即将迎来高速商业化落地期。9