医疗健康行业已达到AI转折点。经过三年以实验为主导的时期，行业正从探索生成式人工智能能做什么，转向确定它在哪里能提供可衡量的经济价值。问题不再是人工智能是否会变革医疗健康，而是哪些组织将捕获这种价值。
几乎没有哪个行业能获得更多收益。医疗健康继续面临日益严重的劳动力短缺、不断上升的行政成本、研发生产力下降，以及在控制支出的同时改善结果的压力。这些结构性挑战已将人工智能从一项新兴技术转变为战略必需品。
第一波采用浪潮专注于临床助手——帮助医生处理文档、决策支持和行政任务的工具。下一波浪潮将由自主工作流程定义，其中AI智能体在医疗机构、保险公司、医疗技术公司和生命科学公司之间协调复杂的运营流程。
对投资者而言，这一转变标志着重要变化。随着基础模型日益商品化，竞争优势将超越模型本身。价值可能流向那些拥有专有医疗健康数据、深度融入临床工作流程，并构建安全大规模部署AI所需基础设施的组织。
医疗健康正在进入人工智能的新阶段。实验时代即将结束，运营转型时代已经开始。
行业已达到AI转折点
几十年来，医疗健康在采用变革性技术方面一直落后于其他行业。监管复杂性、数据碎片化和遗留IT系统使得创新缓慢、昂贵且难以扩展。虽然金融和零售等行业迅速采用自动化，医疗健康往往仅在将现有工作流程数字化方面就举步维艰。
人工智能最初似乎注定会走同样的道路。
当生成式人工智能在2022年底进入聚光灯下时，热情迅速超过了执行能力。医疗机构启动了试点项目，制药公司探索基础模型，几乎所有医疗技术供应商都宣布了AI驱动的产品。然而，大多数部署仍限于概念验证计划，受到治理问题、临床风险和不确定的投资回报率的制约。
两年后，对话已从根本上改变。
医疗组织不再质疑AI是否应进入企业内部。相反，他们正在确定哪些应用能产生可衡量的价值，AI应首先部署在哪里，以及如何将其嵌入日常临床和运营工作流程中。行业的重点已从实验转向执行。
这一转变反映在不同细分领域如何优先考虑AI能力。
图1. AI优先事项开始在医疗健康生态系统中出现分化。
并非围绕单一技术趋同，每个细分领域都根据自身的经济优先事项追求AI。制药和生物技术公司正在大力投资预测分析和数据科学，以加速药物发现。医疗机构仍专注于生成式AI，以减少行政负担并提高临床医生生产力。与此同时，数字健康公司正成为代理型AI的早期采用者，标志着从辅助人类的AI系统向能够执行日益复杂工作流程的系统转变。
对投资者而言，这标志着一个重要的转折点。竞争优势不再由访问大型语言模型的能力决定——这些模型正迅速商品化。相反，价值正在向能够将AI整合到临床工作流程中、利用专有医疗健康数据，并部署在企业范围内安全扩展AI所需基础设施的组织转移。
医疗健康已超越"是否"AI将变革行业的质疑。下一阶段将由组织如何将AI转化为持久的运营优势来定义。
从AI实验到企业价值
如果说第一波医疗健康AI由实验定义，那么第二波正由经济因素定义。
近两年来，医疗组织在试点项目上投入巨资，测试从环境文档到临床决策支持的一切。虽然这些举措展示了AI的技术能力，但许多仍难以回答一个更重要的问题：AI会产生可衡量的商业价值吗？
这个问题正变得更容易回答。
麦肯锡估计，生成式AI可以在整个医疗健康行业每年解锁600–1100亿美元的生产力收益，主要由行政自动化、临床文档、收入周期管理和加速药物发现驱动。AI并非创造全新的商业模式，而是通过减少医疗健康一些最劳动密集型流程中的摩擦，改善现有商业模式的经济性。
早期部署表明这一价值已经显现。
医疗健康高管越来越多地报告称，AI举措正通过收入增长和成本降低带来切实的财务收益。随着组织超越孤立的概念验证项目，AI正成为一项运营投资，其衡量标准与其他企业技术相同：生产力、利润率扩大和投资回报率。
图2. AI正日益转化为可衡量的财务表现。
数据凸显了一个重要转变。与2024年相比，更大比例的医疗健康组织现在报告AI对年收入增长的贡献超过10%，同时产生显著的成本节约。同样重要的是，报告无显著影响的高管比例继续下降，这表明AI部署正超越实验阶段，开始在企业范围内扩展。
这一区别很重要，因为医疗健康最大的AI机会从来不是取代劳动力——而是增强劳动力。从文档、预先授权、编码或行政协调中节省的每一小时，都创造了额外的临床能力，而无需增加额外人员。在面临持续劳动力短缺和成本压力的行业，即使是渐进式的生产力提升也能转化为有意义的财务成果。
对投资者而言，这代表了行业真正的AI转折点。争论不再围绕AI能够实现什么，而是哪些组织能够大规模实施它。随着实施成为主要区分因素，竞争优势将越来越多地属于能够将AI嵌入关键任务工作流程的公司，而不仅仅是向现有产品添加AI功能。
未来十年的赢家可能不是由其模型的复杂程度定义，而是由其创造的经济价值的一致性定义。
从临床助手到自主工作流程
第一代医疗健康AI专注于帮助人们更高效地工作。临床助手总结患者记录、生成文档、建议诊断并自动化常规行政任务。其目标很简单：在让临床医生保持完全控制的同时提高个人生产力。
这种方法之所以成功，是因为它解决了医疗健康最大的限制之一——不是缺乏医学知识，而是缺乏时间。
然而，个人层面的生产力提升仅代表AI采用的第一阶段。
医疗组织现在开始将注意力转向一个更雄心勃勃的目标：自动化整个工作流程，而不仅仅是孤立的任务。医疗机构不再使用AI来起草临床笔记，而是探索能够将文档、编码、日程安排、预先授权和随访护理作为单一连接过程一部分的系统。
这一转变标志着多智能体工作流程的出现。
与支持特定任务中单个用户的传统助手不同，多智能体系统结合了专门的AI智能体，协同执行日益复杂的运营流程。一个智能体可能总结患者记录，另一个验证保险资格，另一个安排预约，另一个生成报销文档——所有这些都在最少人工干预下协同工作。
尽管采用仍处于早期阶段，但医疗健康领导者已开始从独立的AI助手转向工作流程自动化。
图3. 医疗健康组织开始采用多智能体AI工作流程。
采用模式显示行业仍在采取谨慎的方法。大多数组织继续通过集中、功能特定的解决方案部署AI，只有三分之一报告实施端到端工作流程自动化。医疗健康服务和技术公司似乎进展最快，反映了它们更高的数字化成熟度和比传统医疗机构更快重新设计运营流程的能力。
对投资者而言，影响远不止生产力软件。
临床助手可能改善个别员工的工作方式。多智能体系统有可能重新定义医疗健康组织的运营方式。随着AI从协助任务演变为协调企业工作流程，竞争优势将越来越多地取决于使这些系统能够访问数据、跨平台通信并在大规模安全运行的基础架构。
而这正是下一场战役开始的地方。
基础设施竞赛
随着AI能力的成熟，竞争格局再次转变。
过去三年，医疗组织专注于识别高价值AI用例并展示可衡量的回报。下一个挑战则截然不同：在企业范围内扩展这些成功。
这需要的远不止是功能日益强大的模型。
与其他大多数行业不同，医疗健康在碎片化数据、高度监管的工作流程和信任至关重要的关键任务决策上运作。随着AI从支持个别任务转向协调端到-end工作流程，限制因素不再是模型性能——而是组织将AI整合到现有临床和运营基础设施中的能力。
图4. 成功的AI采用更多地取决于组织准备程度而非模型能力。
这些发现强化了整个行业的更广泛转变。医疗健康领导者将员工培训和技术基础设施确定为成功采用AI的两个最重要的推动因素，将它们排在监管考虑甚至数据隐私之上。换句话说，组织越来越认识到，AI转型既是运营挑战，也是技术挑战。
这对投资者具有重要意义。
随着基础模型日益商品化，可持续的竞争优势可能流向拥有AI周围基础设施的组织——可信的临床数据、互操作平台、工作流程集成、网络安全和治理。赢家不一定是那些拥有最复杂算法的人，而是那些能够在复杂的医疗健康环境中可靠部署AI的人。
医疗健康的AI竞赛不再关乎构建更智能的模型。
而是关乎构建更智能的系统。
投资影响
人工智能正迅速成为医疗健康的基石层，而不仅仅是一项独立技术。随着采用的成熟，市场可能会奖励能够大规模实现AI的公司——而不仅仅是构建AI应用的公司。
短期内，大部分价值将继续流向解决高摩擦行政问题（如临床文档、收入周期管理和工作流程自动化）的软件供应商。这些用例已经展示了可衡量的投资回报率，并提供了最快的企业采用路径。
然而，从长远来看，投资机会进一步下移到技术栈中。随着基础模型日益商品化，可持续的竞争优势将建立在专有医疗健康数据、互操作性、安全基础设施以及与临床工作流程的深度整合之上。那些嵌入到医疗健康交付方式中——而不仅仅是AI开发方式中——的组织，可能会捕获行业下一波价值创造的不成比例份额。
对投资者而言，关键问题不再是谁拥有最好的AI模型，而是谁拥有AI创造价值的工作流程。
要点
医疗健康正在进入人工智能的新阶段。
第一章是证明AI可行。第二章是证明它可扩展。在医疗机构、保险公司、医疗技术公司和生命科学公司中，对话已从实验转向执行——从部署助手到重新设计工作流程，从构建模型到构建基础设施。
这一演变正在重新定义竞争优势将如何创造。
最有可能引领未来十年的公司不一定开发最先进的算法。它们将是那些将可信数据、无缝工作流程集成、强大的治理和可衡量的运营影响结合到成为护理交付不可或缺的平台中的公司。
医疗健康的AI竞赛不再仅关乎智能。
而是关乎基础设施。今天构建它的组织将塑造明天的医疗健康未来。
来源
本文综合了以下行业报告和研究出版物的见解、数据和分析：
- 麦肯锡公司：《医疗健康中的生成式人工智能：当前趋势与未来展望》
- 德勤洞察：《2026全球医疗健康展望》
- NVIDIA：《2026医疗健康AI现状报告》
- 斯坦福以人为本的人工智能研究所：《2026人工智能指数报告-医学章节》
- 毕马威：《生成式人工智能即将变革医疗健康》
- 斯坦福数字健康中心：《用于健康的生成式人工智能：机遇、挑战和考虑》
【全文结束】