每周有超过2.3亿人在AI平台上询问健康问题，全球AI医疗健康市场规模将在2026年达到560亿美元——这组来自OpenAI今日披露的最新动态的数据揭示了一个正在爆发的市场。
而在这个全球趋势中，中国正以前所未有的速度推进。1月11日，国家医保局发布《关于开展医保云建设试点申报工作的通知》（以下简称《通知》）。该《通知》明确：开展“个人医保云”建设试点申报工作，2026年2月至12月将在部分地区试点建设“个人医保云”，探索构建覆盖全人群、全周期、全场景的智慧医保管理新范式。
《通知》主要包括三个方面：首先，深化医保数据治理，基于全国统一医保信息平台，全面、实时汇聚并治理区域内定点医药机构的诊疗、结算、药品耗材使用等核心业务数据，建立常态化数据质控与治理机制，确保数据真实、准确、完整。
其次，拓展医保数据来源，依法依规探索汇聚公共卫生、健康管理等数据，重点对接处理可穿戴设备、家庭智能监测设备、体检机构数据等，促进“院内就医结算时点数据”与“院外健康传感器时期数据”的有效融合。
此外，构建动态多维画像，运用数据分析技术，为参保人构建多维度个人画像，并动态更新。
随着国家医保局的《通知》，一个覆盖全人群、全周期、全场景的智慧医保管理新范式正在形成，中国AI医疗行业面临从基础设施建设到价值创造的关键转折点。
效率加持！AI加速医疗市场应用2026年1月7日，OpenAI正式发布健康助理——ChatGPT Health，这是一项专为健康与养生领域设计的ChatGPT独立功能，允许用户连接个人医疗记录和健康应用，从而获得更贴合自身状况的智能回应。该功能标志着OpenAI在医疗健康领域的重大布局，帮助用户更清晰地理解自身健康信息，并在日常健康管理中发挥辅助作用。
根据OpenAI的介绍，每周有超过2.3亿人在该公司平台上询问健康和保健问题，凸显医疗健康市场庞大的用户需求，也催生出价值数百亿美元的数字健康市场。
实际上，中国AI医疗市场也正经历指数级增长。据弗若斯特沙利文预测，从2023年至2033年，中国AI医疗市场规模将从88亿元飙升至3157亿元，年复合增长率高达43.1%。
另据企查查数据，截至2026年1月9日，国内现存AI医疗相关企业10.8万家。近十年AI医疗相关企业注册量呈整体增长态势，2025年全年注册2.48万家，同比增长22.38%，创近十年注册量新高。存量方面，从城市能级分布来看，现存AI医疗相关企业多分布在一线城市，占比为38.36%。国内现存1.28万项AI医疗相关专利。近十年AI医疗相关专利申请量持续增长，2024年全年申请量首次达2000项，2025年全年申请量为2471项，创申请量新高。
这一增长背后是多重驱动因素的共同作用：人口老龄化加速，到2035年中国老年人口预计将达4亿；基层医疗资源不均衡，初级医疗机构误诊率高达30%～40%；以及国家政策强力推动。
我国国家药监局器械技术审评中心于2022年发布《人工智能医疗器械注册审查指导原则》，用于指导AI医疗器械的注册申报与技术审评过程。2023年，国内又发布了关于《人工智能辅助检测医疗器械（软件）临床评价注册审查指导原则的通告》，特别针对AI辅助检测方向在临床试验和注册审查层面做出更细化的规范。2025年初，国务院办公厅进一步发布《关于全面深化药品医疗器械监管改革促进医药产业高质量发展的意见》，特别提出要“优化医疗器械标准体系，研究组建人工智能、医用机器人等前沿医疗器械标准化技术组织”。
这些政策的纷纷出台彰显了国家对AI赋能医疗器械行业的重视，也表明AI不再只是提升效率的工具，而将逐渐成为医疗器械产业升级的驱动力。
而从市场布局情况来看，在众多AI医疗应用领域中，医学影像已成为最成熟的赛道。AI阅片时间较人工缩短53%，检出率提升17.6%。例如，数坤科技的CT后处理系统在88名患者的多中心试验中，实现了0.848的AUC值、82.9%的灵敏度和88.5%的特异性。
AI药物研发成为增长最快的领域之一。传统药物研发通常需要10年以上和平均26亿元投入，成功率仅约10%。而AI技术能将研发周期缩短近40%，资金节省至少10%，成功率提升至约14%。
脑机接口等前沿技术也开始走向临床应用。目前，非侵入式脑机接口目前占市场86%，主要用于注意力训练、睡眠情绪调控和神经康复等场景。
安永大中华区生命科学与医疗健康行业联席主管合伙人吴晓颖日前对21世纪经济报道记者表示，过去AI更多是在某个环节上提高效率，比如识别图像、生成报告，但现在的生成式AI能理解文本、数据、图像，甚至能基于非结构化信息进行推理和生成。对医疗器械企业来说，这意味着它不再只是用AI做一点自动化，而是可以把AI融入到产品开发、临床沟通、服务运营的全过程，让组织具备一种新的学习和决策能力。
例如，现在很多企业已经在用生成式AI自动撰写注册文件、分析临床数据、生成医生培训内容。未来，这类能力会变成企业流程的一部分，就像质量体系、合规体系一样，是不可或缺的基础。哪家企业能率先把AI做到这一层面，它的反应速度、创新速度就会领先。
“这就会重塑医疗器械行业的竞争格局。过去拼的是设备性能和渠道覆盖；而未来拼的是谁能在数据、算法和业务结合上形成持续优势。我们认为，那些数据积累深、对临床理解强、又能真正把AI整合进日常运营的企业，会最先在这一过程中脱颖而出。”吴晓颖说。
破局商业化落地难此次个人医保云的试点也被认为是AI落地临床应用的一大重要举措。
个人医保云，是依托全国统一的医疗保障信息平台，为每位参保人打造的专属、安全线上医保服务空间。这一“云”空间将整合参保人历年参保信息、缴费记录、就医结算明细、个人账户余额、电子凭证等核心数据，并提供统一的查询、办理与支付入口。试点工作将率先在信息化基础扎实、服务能力突出的部分地区启动，探索可复制、可推广的建设与运营模式。
《2025中国版未来健康指数报告》指出，中国卫生健康专业人员普遍认可AI在医疗领域已被证实的助益，例如提升运营效率、优化流程、提升医疗可及性、改善患者体验、提高临床能力与创新激励等。具体而言，他们将AI视为提升医疗干预精准度与及时性（69%）、自动化处理重复性工作（68%）、助力患者高效分诊（77%）的利器。面对医务人员紧缺的现状，AI能够助力提高生产力，尤其是在医疗资源相对匮乏的部分农村及城市地区，帮助卫生健康专业人员服务更多患者，并改善优质医疗资源的可及性。
不过，AI医疗的商业化仍面临多重挑战。数据问题首当其冲——中国医疗数据呈现出“多而不优、散而不通”的特征。每年全国卫生机构超100亿诊疗人次产生海量数据，但由于医院间数据标准不统一，大量数据以非结构化形式存储，错漏、残缺等问题频出，直接影响AI模型的训练效果；医生工作负担加重了数据质量问题。超过50%的医生日均工作超过8小时，20.6%的医生甚至超过10小时，在诊疗与科研的双重压力下，他们难以撰写精细化的病历。
吴晓颖指出，医疗数据确实分散在医院、检验中心、影像系统甚至设备里，很多企业在自己产品上积累了大量数据，但一旦涉及跨医院、跨区域或跨系统的共享，往往会卡在隐私合规、授权机制和接口标准这几道关。
“一个典型例子是AI影像算法的训练。很多厂商都有影像数据，但缺少统一标注和可追溯的治理体系，结果是数据量很大，但模型训练效果并不好。还有一些企业在和医院合作时，因为缺少可信的数据脱敏和安全计算机制，医院一听要开放数据就可能直接拒绝。”吴晓颖认为，解决的关键在于两点：第一，要建立健全的数据合作机制，比如通过联邦学习、隐私计算等方式，让数据不用出医院也能参与AI训练；第二，要让数据治理成为企业的核心能力，而不仅仅是技术部门的任务。
谈及AI的落地应用，有不具名医械企业高管对21世纪经济报道记者指出，为确保人工智能在医疗场景中的伦理与责任，作为器械厂商需要采取了三项举措：首先，确保数据的合规与责任。与意见领袖开展合作，确保所获取的数据具备可靠性。若要将人工智能产品应用于临床，就必须保证用于训练的数据真实可信。
其次，信息与产品安全的全流程保障。企业方需要在信息安全与产品安全方面具备强大实力，拥有完善的信息安全与产品安全专业团队，且产品安全保障贯穿人工智能开发全过程，涵盖数据采集、验证、穿透测试、压力测试等环节。
此外，“人机协同”的伦理导向。“医生仍将是最终的决策者。AI的角色是‘高效的助手’，旨在协助医生提高工作效率、改善诊疗体验，而非取代医生。因此，当‘人’始终掌握最终决策权时，AI的伦理边界和责任归属将更为清晰，这也是飞利浦在AI应用中坚守的基本原则。”该高管强调。
这也意味着，推动人工智能与产业融合落地，需平衡多方责任与利益，在找到公共交集的基础上解决。这不仅对行业具有重要价值，也将推动中国技术突破与商业实践。
富腾优配提示：文章来自网络，不代表本站观点。
