【摘要】医疗AI诊断的定价权不在算法精度而在付费方预算科目。国内212张AI医疗器械注册证中84%集中于影像诊断，头部企业Tempus较高点回撤约35%，医保体系内AI辅助诊断仅享有不额外加价的扩展项地位。拆解三道制度闸门与院端博弈逻辑，对照海外4类成熟路径，输出可执行的付费方筛查清单与商业可行性判断框架。

核心关键词：医疗AI诊断 ｜ 医疗器械注册证 ｜ 医疗服务价格立项 ｜ SaMD独立软件 ｜ 医保支付约束 ｜ 商业化困局 ｜ 医院付费意愿 ｜ 影像AI防守资产 ｜ 商保协同付费 ｜ 药企研发预算 ｜ 运通链达研究 ｜ 海外商业模式对标

引言

过去28个月，全球医疗AI赛道完成一轮完整估值压力测试。头部企业Tempus较2025年10月104.32美元的历史高点回撤约35%，市值从180亿美元区间持续回落。国内市场截至2026年9月累计发放212张AI相关医疗器械注册证（全量口径，含二类及嵌入组件），其中84%集中于影像诊断赛道，持证企业却普遍困于盈利线以下。

获证边际成本持续下降，支付准入的边际成本却未同步下移，两者的剪刀差构成医疗AI行业最核心的矛盾。AI诊断的商业化钥匙不在算法精度里，在付费方的预算科目表里。这套框架面向医疗科技从业者、产业投资人、产品负责人，从监管规则、院端博弈、海外对照三个维度拆解商业化卡点，覆盖产品设计、注册申报、支付路径全流程节点。

一、行业现状：估值回调与获证结构的双重分化

医疗AI的商业化应用可划分为7类方向：医学影像AI、诊断AI、AI制药、医疗大模型与临床决策支持、手术机器人AI、办公与病历文书AI、患者慢病管理。不同赛道的技术成熟度、监管路径、支付逻辑差异极大，商业化进度呈现显著分化。

其中影像诊断是获证数量最多、市场讨论度最高的赛道，也是政策约束最清晰、商业化矛盾最突出的样本。拆解这一赛道的困局，能够映射整个医疗AI行业的底层商业逻辑。

1.1 资本市场：估值锚从叙事切换为收入结构

Tempus的股价轨迹完整反映了市场预期的起落。2024年6月以37美元发行上市，2025年10月触及104.32美元历史高点，对应市值约180亿美元。即便后续披露EBITDA季度转正、顶刊论文发布、药企合作落地等利好，股价仍回落至68美元附近，较高点回撤约35%。

估值回调的本质是定价逻辑切换。早期市场基于肿瘤基础模型、AI辅助诊断的技术潜力给出高估值，后续逐步意识到AI诊断无法脱离现有医疗服务体系独立变现，多数产品找不到独立的预算科目，无法支撑独立的估值体系。收入结构的质量取代技术叙事成为新的估值锚。

国内市场呈现相同的背离特征。讯飞医疗科技作为港股“AI医疗第一股”，股价自2025年3月高点181.7港元回落至66.4港元，累计跌幅超63%，市值蒸发超139亿港元。其2026年上半年营收4.46亿元、同比增长49.4%，归母净亏损5930.3万元。收入增速与市值走势反向运行，说明二级市场早已不把单纯的收入增长当作医疗AI的估值依据。

1.2 监管端：212张注册证高度集中于影像赛道

统计2020年初至2026年9月国内公开披露的全量AI相关医疗器械注册证（含二类、含嵌入器械的AI组件），共计212张，其中三类证174张。从应用领域划分，177张应用于影像诊断AI，占比84%，全部为**独立软件（Software as a Medical Device, SaMD）**产品；其次为体外诊断AI应用，14张，占比7%；手术机器人、患者服务等其他方向合计占比9%。

按临床模态进一步拆分，拥挤度差异十分显著：

临床模态	注册证数量	竞争状态	结构成因
肺结节/肺部影像	32张	白热化，招标出现低价中标	CT数据标准化程度高，结节标注边界清晰
心血管/心电/心脏	22张	激烈，头部密集布点	冠脉CTA等高价值场景先行验证
神经影像	18张	较快饱和	卒中分诊等急症场景需求明确
骨科	10张	中等	测量标准化可行，术规划场景有限
眼底	10张	中等，体检渠道主导	影像采集链路短，适合筛查场景
乳腺	8张	中等	筛查体量大，标注依赖病理金标准
内镜/消化	6张	结构性蓝海	依赖操作者手法，数据获取门槛高
病理/细胞	5张	结构性蓝海	切片标注需高专业度，数据壁垒高
超声	3张	蓝海	图像质量受操作者影响，采集难标准化

获证结构的高度集中并非技术选择的结果，而是政策引导的产物。影像诊断是最早明确监管标准、最早打通价格立项的赛道，自然成为企业扎堆布局的领域。数据易得性决定获证速度，获证速度决定注册证数量，注册证数量反过来把同质化产品推向同一批医院的同一张采购清单。

核心结论：国内AI医疗器械获证结构高度集中于影像辅助诊断赛道，84%的注册证无法支撑独立商业化路径，仅能作为硬件设备的增值能力存在。

Q：为什么影像AI成为获证最多的赛道？

A： 影像诊断是AI技术门槛、数据可得性与监管路径确定性3项条件同时满足的唯一象限。CT影像标准化程度高、标注边界清晰，头部企业能在4至8个月的审批周期内完成取证。超声、病理、内镜等模态受操作者手法与标注专业度制约，数据获取门槛天然更高。

二、三道政策闸门：逐级锁死独立收费资格

三道闸门的本质，是从制度层面划定了AI诊断能够进入的预算科目范围。医疗产品的商业化路径由制度预先框定：产品化（企业与监管）→注册证（药监局）→价格立项（医保局）。AI诊断的价值必须封装为标准医疗产品，才能逐层通过闸口。三道闸门逐级收口，独立收费的通道在制度层面处于关闭状态。

2.1 产品化闸门：垂直适应症与医师责任主体

2026年6月，国家药监局医疗器械技术审评中心发布《人工智能辅助诊断医疗器械临床评价注册审查指导原则（征求意见稿）》，明确两项核心规则：一是软件仅可辅助医师进行诊断，医师对临床诊断结果负责；二是产品设计必须依据医学指南，且需明确对应具体版本的诊疗规范。

监管规则的核心逻辑是划定清晰的责任边界。医疗行为直接关联患者健康安全，必须有明确的责任主体。AI作为辅助工具，不能替代医师作出最终诊断，也不能出现功能边界模糊的通识化能力。所有AI能力必须封装为边界清晰、风险可控、可重复交付的标准化产品，对应具体的垂直适应症，不能以通用模型接口的形式存在。

通用大模型的能力泛化性与医疗监管的垂直化要求存在本质冲突。通识大模型具备跨领域问答、多任务处理能力，但无法满足医疗产品的两项核心要求：一是无法对应单一医学指南与具体适应症，二是无法保证输出结果的稳定性与可追溯性。通识大模型的生成式输出存在不确定性，不符合医疗器械的安全性、有效性审评标准。

2.2 注册证闸门：唯二形态锁死交付模式

2022年3月发布的《人工智能医疗器械注册审查指导原则》，首次明确AI医疗器械的申报范围：第二类、第三类人工智能独立软件，以及含有人工智能软件组件的医疗器械。2026年9月发布的修订版征求意见稿，依然维持这两种注册形态的划定。

独立软件模式下，企业以纯软件产品申报三类证，获批后单独向医院销售。嵌入组件模式下，AI软件作为医疗器械的一部分，随硬件设备一同注册，销售时打包进设备价格。目前国内177张影像AI注册证全部为独立软件形态，但实际销售中绝大多数依附于硬件设备进院，纯软件单独采购占比极低。

互联网行业常见的API调用、按次计费模式，在医疗行业暂不具备合规基础。医疗器械监管要求产品以完整、固定的形态交付，可安装、可验证、可追溯，API接口的动态调用模式不符合医疗器械的产品定义。企业无法通过云端API向大量中小医院提供轻量化服务，必须完成本地化部署与完整的产品注册，商业拓展的边际成本远高于通用AI场景。

2.3 价格立项闸门：无独立产出则无独立收费资格

取得注册证仅解决合规销售问题，产品能否实现规模化收入，取决于是否有对应的医疗服务价格项目。医保局的价格立项规则，直接决定AI诊断能否向患者收费、能否进入医保结算，也是三道闸门中最关键的一环。

2024年11月，国家医保局首次在放射、超声、康复三类价格项目立项指南中纳入AI内容，将“人工智能辅助诊断”设为主项目下的扩展项，明确不额外加价，按主项目价格执行。官方解读给出的理由十分直接：在尚无独立的医疗服务产出、辅助诊断质量效用难以确定的情况下，在已收取诊断相应项目检查费用后，不宜单就人工智能辅助诊断再向患者额外收费。

2025年12月发布的病理类立项指南延续这一规则。2026年8月发布的检验类立项指南中，AI辅助诊断从征求意见稿的扩展项，调整为正式稿的主项目价格构成，连单列扩展项的地位都未保留。政策演进的趋势非常清晰：AI诊断被视为检查项目的能力升级与成本替代，而非独立的医疗服务产出，不具备单独收费的资格。

2.4 中美监管与支付体系横向对照

中美两国对医疗AI的监管逻辑底层一致，但支付体系差异直接决定了商业化空间的分化：

对比维度	中国（NMPA/医保局）	美国（FDA/商保体系）
获证形态	独立软件（SaMD）或嵌入器械组件，二者唯二	510(k)实质等同为主，占比95%-97%
数量口径	累计212张全量AI相关注册证（2020初-2026.9）	累计1606款AI/ML器械授权（截至2026年）
审评周期	三类证已压缩至4-8个月	平均90天
收费资格	扩展项不额外加价，检验类正式稿取消单列	部分产品获CPT编码，商保按次支付
核心支付方	公立医院采购+医保基金	商业保险+药企研发预算+Medicare

2.5 三重制度约束的底层逻辑

独立收费通道关闭不是单一政策的结果，而是三层约束同时作用的叠加效应。

第一层是服务项目目录的封闭性。中国的医疗服务价格由各省医疗服务价格项目目录管理，新增项目需要经过成本测算、专家论证、价格听证等流程。AI辅助诊断没有产生新的“服务动作”，它嵌入在既有检查项目的操作流程内部，因此无法作为独立项目申报。

第二层是责任边界的不可分割性。诊断行为的法律责任主体是执业医师，AI的输出在制度上被定义为“辅助信息”。如果为AI设立独立收费，付费方会追问“这笔钱买到的独立交付物是什么”，而制度答案只能是“没有独立交付物”。责任不可分割，收费就不可独立。

第三层是医保基金的增量约束。2010-2018年医保基金收入年均复合增长率达22%，同期GDP年均复合增长率为11%；2023-2025年医保基金收入年均复合增长率降至4%，与GDP增速基本持平。医保基金从增量时代进入存量时代，任何可能推高单次服务价格的新增项目都面临严格的增量审查。

核心结论：医疗AI独立收费的关闭是服务项目目录封闭性、责任主体不可分割性与医保增量约束三重制度叠加的结果；突破这一约束的可行方向不是争取新收费项目，而是将AI嵌入已有预算科目的成本节约或收入增量逻辑中。

Q：一张三类注册证从申报到获批已经压缩到4至8个月，为什么还换不来收费资格？

A： 注册证解决准入合法性问题，收费资格由另一套价格立项规则独立判定。注册证证明产品安全有效，医保价格立项要求的是可界定的独立医疗服务产出，AI辅助诊断恰好缺少这项产出。两道许可分属不同主管部门，获证速度提升不会自动转化为定价权。

Q：医疗AI诊断为什么不采用API大模型调用收费的模式？

A： API交付物在现行注册框架下不存在申报路径。药监局只认可独立软件与嵌入医疗器械的软件组件两种形态，注册主体必须是明确的产品而非服务，模型接口、提示词、云端推理调用均无法承载产品责任。

三、院端市场博弈：AI诊断的真实角色是防守资产

院端博弈的核心结论是，即便抛开制度约束，医院也没有为AI诊断单独开设预算科目的动力。政策层面的三道闸门，已经框定了AI诊断的商业边界；从医院端的市场化博弈来看，AI诊断同样难以成为独立的付费商品，其真实产业角色与市场预期存在明显错位。

3.1 需求认知：AI是硬件标配升级而非新增服务

AI出现之前，影像、检验设备本身就配套分析软件，承担图像重建、数据处理、基础分析等功能。医院采购设备，购买的是软硬件一体的整体解决方案，而非单纯的硬件设备。

厂商将原有软件升级为AI算法，本质是既有软件能力的智能化迭代，并非创造一项全新的服务。站在医院视角，AI能力是设备厂商应有的服务升级，是产品竞争力的标配，而非需要额外付费的增值服务。一套AI系统动辄数百万元采购成本，若无法带来额外收费项目，医院只会将其视为硬件采购的谈判筹码，而非独立采购标的。

3.2 竞争格局：买卖双方共同排除独立付费可能

医疗器械行业进入存量竞争阶段后，价格战成为常态，送设备、换耗材的打法普遍存在。在这种竞争格局下，AI能力成为厂商守住价格与份额的防守工具，而非创造新增收入的创收工具。

对医院而言，采购谈判中可以要求厂商标配AI功能，否则转向其他提供同类功能的竞品；对厂商而言，搭载AI功能可以维持设备报价，避免陷入单纯的价格战，守住现有市场份额。双方都将AI视为硬件竞争的附加项，没有人愿意为其单独付费。

行业内部一句精准的总结是：证是软件的证，钱是设备的钱。AI诊断的真实角色是厂商的竞争壁垒与防守资产，而非独立的生意。

3.3 企业财报验证：量增价减与回款周期拉长

多家上市公司的财报数据为上述逻辑提供了可验证的注脚。

鹰瞳科技2026年中期报告显示，视网膜检测AI收入3690万元、同比下降35.6%，其中医疗场景收入1280万元、同比大幅下滑53.8%；平均每次检测收费从2025年同期的16.1元降至11.6元，降幅28.0%。活跃服务网点同比增长18.7%，检测量318万人次，呈现典型的量增价减结构。这直接印证了AI诊断一旦脱离硬件捆绑，在独立收费场景下必然陷入量增价减的内卷困境。

数坤科技与飞利浦的捆绑合作，同样没有撑起独立第二曲线。接近飞利浦的业内人士评价：早期AI产品不够成熟、没有明确收费项目，在医院卖不上价、销量有限，只能算是一种营销方式而已。数坤科技首次递表未完成，后续重启进程仍受盈利条件制约，估值推至94亿元仍处亏损状态。缺少自有硬件生态的AI公司，捆绑只是延缓独立收费难题的手段，不是解法。

应收账款暴露了另一重结构性风险。讯飞医疗的应收款项周转天数从2022年的166.3天升至2026年上半年的397.35天，应收账款合计13.82亿元。公立医院与地方卫健委采购受财政预算、采购审批、拨款节奏多重约束，项目验收完成不代表钱款落袋，收入增长与现金流回款脱钩。

玩家类型	代表公司	变现载体	付费方	结构性约束
设备厂商系	联影智能	设备+软件整体方案	医院设备采购预算	AI作为配件强化整机中标能力
AI原生影像	数坤、推想、深睿	独立软件或捆绑销售	医院信息化/设备预算	无收费通道，搭设备进院
跨院诊断AI	医策科技、德适生物	按例检测服务	检验/病理科、第三方实验室	单价受渠道议价压制
C端筛查	鹰瞳科技	按次调用+订阅	体检、保险、药店、银行	单价年降28%，临床场景收入下滑

核心结论：在设备充分竞争的买方市场结构中，医院将AI诊断视为采购谈判筹码、厂商将其视为维持价格水平的防守资产，双方共同排除了把AI诊断作为独立付费商品的商业可能。

Q：注册证数量增长是否代表商业化成熟？

A： 注册证仅代表合规准入资格，不对应明确的付费通道。多数影像AI注册产品依附于硬件设备销售，无法单独创造收入；肺结节赛道32张注册证对应的是32家公司的同质化价格战，证越多反而意味着内卷越激烈。

Q：独立AI软件公司为什么很难和设备厂商竞争？

A： 设备厂商拥有成熟的进院渠道与客户关系，AI可随设备一同打包销售，边际成本极低；独立软件公司缺乏硬件载体，单独进院的商务成本高，且无收费项目支撑预算。

四、海外对照：付费方选择决定商业模式天花板

海外市场的成熟样本验证了同一个逻辑——所有跑通规模化收入的模式，都找到了已有的预算科目；所有试图独立成军的诊断AI公司，最终都归入巨头生态。美国市场给“付费方选择决定商业模式天花板”提供了最干净的对照，不同付费方对应的收入规模、增长速度存在数量级差异。

4.1 核心样本全景对照

7家代表性企业的商业模式差异，完整呈现了不同路径的天花板：

公司	国家	核心付费方	计费方式	关键经营数据
Tempus	美国	药企数据授权+医院检测服务	授权协议+按例检测	阿斯利康2亿美元肿瘤基础模型协议；较高点回撤约35%
Natera	美国	商保与Medicare	按例收费，ASP约1275美元	2026Q2营收7.53亿美元、同比+37.7%；单季检测28.3万例
Abridge	美国	医院/医疗系统	按医生席位订阅	2026年初ARR突破2.5亿美元，NRR 125%，估值53亿美元
OpenEvidence	美国	药企与医械厂商广告	医生免费+广告变现	美国医生日活渗透率40%+，2026年估值升至150亿美元
英矽智能	中国	大型药企BD	首付款+里程碑+销售分成	2026H1收入1.06亿美元、同比+287.2%，毛利率90.3%
讯飞医疗	中国	卫健委/医院（B2G为主）	项目制+订阅	2026H1收入4.46亿元、同比+49.4%，应收周转天数397天
鹰瞳科技	中国	体检/保险/药店+基层医疗	按次调用+订阅	2026H1医疗场景收入1280万元、同比-53.8%，单次检测价降28%

4.2 影像诊断的终局：独立公司并入巨头生态

FDA累计授权的AI/ML器械中放射科产品占约76%，商保CPT编码确实提供了按次计费通道。即便如此，病理与影像端的头部独立公司仍集体退出独立赛道：Roche以7.5亿美元首付（总价不超过10.5亿美元）收购PathAI，Tempus以8125万美元收购Paige，Agilent以2.4亿美元收购Proscia。

并购后这些AI产品不再作为独立SKU计价，而是作为设备或药企服务的组成部分嵌入原有体系，本质上同样承担“防守资产”的角色——强化主产品的竞争力、守住原有市场份额。独立影像/病理AI公司的终局是被巨头并购整合进设备或药企生态，“有编码可收费”与“能独立做成生意”之间存在巨大距离。这一点中美市场的终局逻辑高度一致：AI诊断依附于硬件或药企生态，难以独立成军。

4.3 四类跑通的商业化路径

真正跑出规模化收入的路径，全部跳出了“医院为诊断AI单独付费”的逻辑，各自对应一类成熟的预算科目。

第一类是检验项目+商保覆盖，代表为Natera的Signatera。其核心产品是实体瘤**微小残留病灶（Molecular Residual Disease, MRD）**伴随诊断，2026年Q2营收7.53亿美元、同比增长37.7%，全年指引中值28.8亿美元，测试处理量同比增长22.4%。单季检测28.3万例、单例价格约1275美元，四项适应症已获Medicare覆盖。它卖的不是一次AI分析，而是一个带医保编码、能改变治疗决策的检验项目，直接切入商保与医保的检验费用预算科目。

第二类是行政效率工具+按席位订阅，代表为Abridge。其商业模式经历三阶段演进：V1阶段帮医生节省病历文书时间，每天节省约2.1小时，由医院IT部门按医生席位订阅；V2阶段解决医生职业倦怠与流失问题，由医院管理层签订企业级框架合同，**净收入留存率（Net Revenue Retention, NRR）**达125%；V3阶段进入医院收入循环，自动识别可计费项目、生成ICD-10编码建议、降低医保拒付率，测算口径下医院每投入1美元约获得4.2美元回报。它切入的是医院行政成本与收入管理预算，绕开了临床服务的价格立项约束。

第三类是医生注意力入口+药企广告，代表为OpenEvidence。医生完全免费使用，收入全部来自药企与医械厂商广告。2026年其广告收入预测4亿至5亿美元，估值升至150亿美元，美国医生日活渗透率超过40%。它绕开了医院采购的全部摩擦，切入药企的医学营销预算，本质是医疗垂直领域的注意力生意。

第四类是药企研发预算+里程碑付款，代表为英矽智能。2026年上半年其收入1.06亿美元、同比增长287.2%，毛利率90.3%，2026年内公布的BD合约总价值约73亿美元，合作方包括礼来、武田、赛诺菲等。其12至18个月开发一个临床前候选化合物的效率，约为传统路径的1/4至1/5。药企按里程碑付钱，不占用一分钱医保基金，完全切入药企研发预算科目。

核心结论：医疗AI公司的商业模式天花板由付费方选择决定，占用医保与医院新增预算的路径受价格立项约束，进入既有行政成本科目或药企BD预算的路径不受该约束，两类路径的规模化速度存在数量级差异。

Q：美国医疗AI的影像诊断按次收费路径走通了吗？

A： 有了CPT编码不等于独立生意成立，头部病理与影像AI公司集体以被并购收场。按次收费通道解决的是支付合法性，规模化付费仍依赖巨头渠道与捆绑生态。

Q：Abridge为什么比诊断AI公司更早实现规模化收入？

A： 它把AI嵌入医院已有预算科目，解决的是行政耗时与计费损失这类显性痛点。按医生席位订阅由医院IT部门统一签约，绕开了临床新增服务的价格立项流程；付费方不需要为“AI是否提高诊断质量”举证，只需验证工时与拒付率两个既有指标。

五、破局路径：把不显著的提效做成可量化的生产力

破局的核心不是争取新的收费科目，而是把AI的价值写进已有的预算科目，或者更换到不受医保约束的新预算池。医疗AI诊断的长期破局，可能要等行业积累出足够的临床价值与数据厚度；短期更现实的动作是调整目标定义：把“不显著的提效”做成“可量化的生产力”。

5.1 效率收入化：将通量提升计入既有检查收入科目

核心结论：效率收入化之所以成立，是因为AI贡献计入科室既有的检查收入科目，而非要求医院新增一笔“AI采购”支出——这恰好绕开了院端“不给AI开独立预算”的约束。

AI最直接的价值是提升诊断效率，缩短报告周转时间。但单纯的提效无法让医院付费，必须把效率提升转化为科室的实际营收增长。核心逻辑是：通过AI辅助提升科室检查通量，在相同人力、设备配置下承接更多检查量，新增的检查收入就是AI创造的可量化价值。

这条路径存在明确的适用边界。在门诊检查、特需服务、体检等非DRG约束场景，通量提升直接对应营收增长；在DRG/DIP付费的住院场景，单纯增加检查量反而可能推高成本、占用医保额度，AI的价值更多体现为平均住院日压缩、并发症率下降带来的医保结余，而非单纯的检查量提升。企业需要把产品指标翻译成科室看得懂的报表语言：单台CT机日检查量提升比例、报告周转时间压缩小时数、DRG结余增加金额，而不是敏感度、特异度这类技术指标。

5.2 场景下沉：医生稀缺场景中AI即生产力本身

在三甲医院，AI是医生的辅助工具；但在基层、体检、大规模筛查等医生稀缺的场景，AI就是核心生产力本身。这些场景没有足够的执业医师支撑诊断工作，AI是唯一可负担、可规模化的解决方案。

基层医疗、体检机构、公共卫生筛查项目，普遍面临医技人员不足的问题。AI可以独立完成初筛、分诊、基础诊断工作，仅需少量医生复核疑难病例，大幅降低人力成本。例如县域医院的眼底筛查、肺癌早筛项目，AI可完成90%以上的正常病例筛查，医生只需处理10%的异常结果，整体效率提升数倍。医策科技的宫颈细胞病理AI多中心临床数据显示筛查效率提升100%、漏诊率下降60%，累计产出超600万份报告，落地数百家机构。

这类场景的付费逻辑不是“给医生提效”，而是“替代人力完成工作”，AI本身就是生产力，对应的人力成本节约就是付费的核心依据。付费方从医院临床预算切换为公卫与政府项目预算，绕开了扩展项不加价的价格约束。需要注意的是，政府公卫项目普遍具备预算年度性与项目制特征，收入连续性弱于院内常规项目，企业需要多区域、多项目布局以平滑波动。

5.3 支付外拓：跳出医保的高天花板预算池

跳出医保支付体系，市场上还有更多愿意为AI价值付费的主体，包括商业保险公司、药企、企业雇主等。前两条破局路径的天花板由既有医疗预算的存量规模决定，第三条路径更换了预算池，天花板由药企研发与商保赔付的预算规模决定，整体量级高出一个数量级，是当前阶段增长潜力最高的方向。

商保协同模式下，收入本质是赔付节约的分成和福利预算的重新分配。保险公司愿意付费的原因是健康管理能够降低理赔支出：慢病用户的用药依从性提升、并发症减少、住院频次下降，对应的赔付金额收缩足以覆盖健康管理服务的采购成本。企业雇主付费则是员工健康福利的采购替代，同样的预算从购买体检套餐转向“体检+持续健康管理+在线问诊”，员工感知价值更高。天津等地的AI健共体采用以签约人员为基础的医保按人头总额打包付费，覆盖百万级人群，其核心逻辑同样是从总额预算的结余中兑现AI价值。

药企研发预算是另一个高潜力支付池。Tempus与阿斯利康2亿美元的肿瘤基础模型协议、英矽智能数十亿美元级别的BD合作，都验证了这条路径的商业价值。药企需要真实世界数据支持新药研发、临床试验招募与上市后研究，AI可高效处理影像、病理、基因等医疗数据，产出标准化的结构化数据，且无需取得医疗器械注册证，商业化限制更少，落地速度更快。

核心结论：医疗AI诊断在价格立项约束未解除的条件下，仅可通过效率计入科室收入、在医生稀缺场景充当生产力本身、跳出医保支付方三条路径建立可量化付费，其成立前提是价值表达完成向报表语言的转换。

Q：药企付费的AI服务，需要医疗器械注册证吗？

A： 若仅用于药企内部研发、数据处理，不直接用于临床诊断，无需取得医疗器械注册证，商业化限制更少，落地速度更快。

Q：基层医疗为什么可能成为AI诊断的第一付费场景？

A： 基层的医生稀缺使AI从辅助工具变成服务可达性的唯一可负担供给。付费方从医院临床预算切换为公卫与政府项目预算，绕开了扩展项不加价的价格约束。

六、商业可行性判断框架与常见误区

任何医疗AI变现命题，先问这笔钱进入谁名下、哪一张预算科目、对应哪个已在追踪的KPI，三者缺一即视为伪需求。 这是医疗AI商业化的核心判断标尺。医疗AI诊断的商业化探索中，存在三类普遍的认知误区，直接导致资源错配与项目失败。结合可量化的边界条件与判断清单，可以形成一套可复用的筛查工具，在项目早期即可判定商业化可行性。

6.1 三类典型认知误区

第一类误区：拿证即可变现。很多企业将拿到三类注册证作为商业化终点，实际上注册证只是合规入场券，不对应明确的付费通道与市场需求。没有清晰的付费逻辑，即便拿到注册证也无法实现规模化销售收入。

第二类误区：通用大模型可以降维打击医疗场景。通识大模型的技术优势是能力泛化，但医疗监管的核心要求是垂直、精准、可控。通用大模型不经过深度垂直改造与临床验证，无法通过医疗器械审评，也无法满足临床的可靠性要求。

第三类误区：所有科室都适合AI付费。只有检查通量高、人力缺口大、收入与工作量直接挂钩的科室，AI的价值才能快速转化为付费意愿。门诊量小、人力充足的科室，AI提效的感知极弱，没有付费动力。

6.2 5条可操作的商业判断清单

以下5条判断标准可以在不依赖复杂财务模型的情况下，对一个医疗AI产品方向做出初步的商业模式筛查。

1. 付费方是否已经存在一笔对应预算。能够说出具体预算科目名称（例如“某省商保公司的健康管理服务采购预算”“某市医保健共体按人头打包总额”“某药企的临床前研发外包预算”）为通过；只能说出“医院应该愿意为效率付费”“政策应该会开放收费”为不通过。

2. AI的产出能否折算为付费方已在追踪的指标。付费方的合同或预算文件中存在对应的KPI（赔付率、住院率、糖化血红蛋白达标率、候选分子数量）为通过；需要向付费方“解释一个新指标为什么重要”为不通过。

3. 单笔付费金额是否足以覆盖销售与履约成本。客单价与获客成本、合规成本、部署成本的比值可计算且大于1为通过；收入体量停留在百万元级别，但每个客户都需要定制化部署和漫长采购流程为不通过。

4. 收入是否过度集中于单一支付方或单一合同。最大付费方收入占比低于50%，或存在3个以上可独立续约的付费主体为通过；超过70%收入绑定一个客户或一个地方项目为不通过。

5. 替换为人工方案后付费方是否仍愿支付同等金额。付费方为“结果”付费，AI只是达成结果的手段之一，替换手段不影响付费意愿为通过；付费方明确只为“AI功能”付费，且该功能可被非AI方案以更低成本替代为不通过。

6.3 可执行的失效边界判据

医疗AI诊断的商业化存在明确的适用边界，两条行为化判据无需专业背景即可验证可行性：

1. 若医院决策方无法明确说出AI投入对应预算表的具体科目，商业化落地概率极低。

2. 若付费方的合同与考核体系中没有对应追踪指标，项目续约稳定性无法保障。

超出这两个边界的场景，强行推进AI诊断商业化，大概率会陷入“有价值、无付费”的困境。企业应优先选择边界内的高潜力场景集中突破，而非盲目全科室、全场景铺开。

核心结论：医疗AI商业可行性的判据不是注册证的数量而是预算科目的存在性，可用付费方、指标、客单价、集中度、可替代性5条标准独立校验。

Q：三甲医院和基层医院对AI的付费意愿有差异吗？

A： 三甲医院医生资源充足，AI更多是提效工具，付费意愿弱，且示范意义大于商业价值，企业还要付出定制开发与长期驻场的隐性成本；基层医院医生短缺，AI可直接补充诊断能力，付费意愿相对更强，但单家采购预算有限。

Q：AI诊断赛道最终会出现独立的百亿级纯软件公司吗？

A： 国内医疗AI诊断赛道不会诞生独立的百亿级纯软件公司，最终只会留存两类玩家：一类是绑定自有硬件生态的设备厂商内置AI部门，一类是服务药企、商保的第三方数据服务公司。纯独立影像AI公司的主流终局是被巨头并购，而非独立上市。

结论

医疗AI诊断的定价权不在算法手里，不在注册证数量里，也不在医院的采购清单里，而在付费方预算表的“科目名称”里——找错了科目，再准的模型也收不到钱。

产品化闸门要求依据医学指南封装垂直适应症产品，注册证闸门只承认独立软件与嵌入组件两种形态，价格立项闸门把AI定位成不额外加价的扩展项，三道闸门逐级收口，从制度上锁死了独立收费的可能。院端的付费逻辑补上了另一半解释：设备竞争白热化的买方市场里，医院把AI当谈判筹码、厂商把AI当价格防线，量增价减、回款周期拉长、捆绑销售沦为营销手段，共同印证AI诊断作为防守资产的真实身份。

独立收费的关闭不是医疗AI的失败，而是医疗AI回归其真实产业位置——它从来就不是一个独立品类，而是既有医疗产品（设备、检查、药品、保险）的能力升级项。短期可行的破局路径集中在三个方向：把效率换算为科室既有检查收入、在医生稀缺场景充当生产力本身、跳出医保拓展商保与药企等多元支付方。其中更换预算池的路径天花板最高，是当前阶段最具增长潜力的方向。

【链达锐评】

212张注册证证明的是准入能力，不是定价能力。AI诊断的商业化终局不在独立收费，而在每一张既有预算科目的价值重构里。