2025至2030中国医疗AI软件临床应用现状与商业模式探讨报告

2025至2030中国医疗AI软件临床应用现状与商业模式探讨报告目录一、中国医疗AI软件临床应用现状分析 31、临床应用场景覆盖情况 3医学影像辅助诊断应用现状 3电子病历智能分析与临床决策支持系统应用现状 42、医疗机构采纳与使用情况 5三甲医院与基层医疗机构应用差异 5医生接受度与实际使用频率调研数据 5二、市场竞争格局与主要参与者分析 71、国内头部企业布局与产品矩阵 7腾讯觅影、阿里健康、科亚医疗等代表性企业产品对比 7创业公司技术特色与市场定位分析 82、国际企业在中国市场的渗透与合作模式 8西门子、飞利浦等跨国企业本地化策略 8中外合资与技术授权合作案例 10三、核心技术发展与临床适配能力 111、核心AI算法与模型演进趋势 11深度学习、大模型在医疗AI中的应用进展 11多模态融合与小样本学习技术突破 122、临床验证与产品注册合规性 14三类医疗器械审批路径与典型案例 14真实世界数据（RWD）在临床验证中的作用 15四、市场规模、增长驱动与商业模式 161、市场规模与细分领域预测（2025–2030） 16按应用场景（影像、病理、慢病管理等）的市场拆解 16按区域（华东、华北、华南等）的市场分布特征 182、主流商业模式与盈利路径 19订阅、按次收费、与医保/商保联动等模式比较 19医院采购、政府项目、保险合作等收入来源分析 20五、政策环境、数据治理与风险挑战 221、国家与地方政策支持体系 22十四五”医疗装备产业规划与AI专项政策梳理 22医疗AI产品纳入医保目录的试点进展 232、数据安全、伦理与商业化风险 24算法偏见、责任认定与临床误诊风险防控机制 24摘要近年来，中国医疗AI软件在临床应用领域发展迅猛，据相关数据显示，2024年中国医疗AI市场规模已突破120亿元人民币，预计到2025年将达160亿元，并以年均复合增长率约28%的速度持续扩张，至2030年有望突破500亿元大关。这一增长主要得益于国家政策的持续推动、医疗资源分布不均带来的效率提升需求、以及人工智能技术在医学影像、辅助诊断、智能随访、电子病历结构化等场景中的不断成熟。目前，医疗AI软件的核心临床应用方向集中在医学影像智能分析（如肺结节、眼底病变、乳腺癌筛查）、临床决策支持系统（CDSS）、病历质控与自然语言处理（NLP）以及围手术期智能管理等领域，其中医学影像类AI产品已率先实现商业化落地，部分产品获得国家药监局三类医疗器械认证，进入医院采购目录。从商业模式来看，当前主流路径包括“项目制交付+年度服务费”“SaaS订阅模式”“与硬件设备捆绑销售”以及“按诊断量或服务效果收费”的创新支付模式，尤其在医保控费和DRG/DIP支付改革背景下，医院对AI工具的成本效益比愈发重视，推动厂商从单纯技术输出向价值导向型服务转型。值得注意的是，数据壁垒、算法泛化能力不足、临床验证周期长以及医生接受度等问题仍是制约规模化应用的关键瓶颈，为此，头部企业正加速构建多中心临床验证体系，强化与三甲医院的战略合作，并探索联邦学习、隐私计算等技术以破解数据孤岛难题。展望2025至2030年，随着《人工智能医用软件产品分类界定指导原则》等监管框架逐步完善，以及“十四五”数字健康规划对智慧医疗的明确支持，医疗AI软件将从单点功能向全流程、多病种、跨科室的集成化平台演进，同时在基层医疗场景中发挥更大作用，助力分级诊疗落地。此外，生成式AI的兴起为临床知识库构建、患者交互、科研辅助等新场景带来想象空间，预计到2030年，具备真实世界证据支撑、通过医保或商保支付验证的AI产品将占据市场主导地位，形成“技术—临床—支付”闭环的可持续商业模式，从而真正实现从“可用”到“好用”再到“必用”的跨越，为中国医疗体系的提质增效提供核心驱动力。年份产能（万套/年）产量（万套/年）产能利用率（%）国内需求量（万套/年）占全球比重（%）2025856880.07228.520261109283.69531.2202714012287.112534.0202817515890.316036.8202921019592.919839.5一、中国医疗AI软件临床应用现状分析1、临床应用场景覆盖情况医学影像辅助诊断应用现状近年来，中国医疗AI软件在医学影像辅助诊断领域的应用持续深化，市场规模呈现显著扩张态势。根据权威机构统计，2024年中国医学影像AI辅助诊断市场规模已突破45亿元人民币，预计到2030年将增长至超过200亿元，年均复合增长率维持在28%以上。这一增长动力主要来源于国家政策的强力支持、医疗机构对诊断效率与准确率提升的迫切需求，以及人工智能技术在图像识别、深度学习算法等方面的快速迭代。国家卫健委、工信部等多部门联合发布的《“十四五”医疗装备产业发展规划》明确提出，要推动AI在医学影像等关键诊疗环节的融合应用，为行业提供了明确的发展导向和制度保障。与此同时，三甲医院及区域医疗中心逐步将AI影像辅助系统纳入常规诊疗流程，尤其在肺结节、脑卒中、乳腺癌、眼底病变等高发疾病的早期筛查中，AI系统展现出接近甚至超越初级放射科医师的判读能力。以肺结节检测为例，主流AI产品的敏感度普遍达到95%以上，假阳性率控制在每例影像5个以内，显著缩短了阅片时间并降低了漏诊风险。在数据层面，截至2024年底，国内已有超过800家医院部署了至少一种医学影像AI辅助诊断产品，覆盖CT、MRI、X光、超声等多种模态，其中三级医院的渗透率超过60%，二级医院的部署比例也快速提升至约25%。技术方向上，行业正从单一病种、单模态识别向多病种联合分析、多模态融合诊断演进，部分领先企业已推出支持胸部CT、头部MRI与腹部超声联动分析的综合平台，通过跨模态特征提取与知识图谱构建，实现更全面的临床决策支持。此外，AI模型的可解释性、泛化能力及与医院PACS、RIS等信息系统的无缝集成成为技术优化的重点方向。在商业模式方面，当前主流路径包括按次收费（如每次调用收取0.5–2元）、年度订阅服务（单台设备年费约3–10万元）、以及与设备厂商捆绑销售等模式。部分头部企业正探索“AI即服务”（AIaaS）的云平台模式，通过区域影像中心实现资源共享，降低基层医疗机构的使用门槛。未来五年，随着医保支付政策对AI辅助诊断项目的逐步覆盖，以及国家药监局对三类医疗器械审批路径的进一步明确，行业将加速从试点验证走向规模化商业落地。预计到2030年，医学影像AI辅助诊断将在全国90%以上的三级医院常态化运行，并在县域医共体中形成标准化部署方案，成为提升基层诊疗能力、缓解优质医疗资源分布不均问题的关键技术支撑。同时，伴随真实世界数据积累与算法持续优化，AI系统将不仅限于辅助诊断，还将延伸至治疗规划、疗效评估与预后预测等全流程临床场景，推动医疗服务模式向精准化、智能化深度转型。电子病历智能分析与临床决策支持系统应用现状2、医疗机构采纳与使用情况三甲医院与基层医疗机构应用差异相比之下，基层医疗机构受限于财政预算紧张、专业IT人才匮乏、电子病历标准化程度低以及患者流量分散等因素，AI软件的应用仍处于初级探索阶段。当前基层主要部署的AI产品集中于轻量化、低门槛的场景，如基于智能手机的慢病管理助手、AI语音问诊系统、基础影像筛查工具（如眼底照相AI分析、肺结节初筛）等。这些产品多采用SaaS模式，按年订阅收费，单机构年均支出通常不超过10万元。尽管国家在“千县工程”和“优质服务基层行”等政策中明确鼓励AI技术下沉，但实际落地效果受限于数据孤岛问题——基层机构缺乏结构化、连续性的患者数据，难以支撑复杂AI模型的训练与验证。此外，基层医生对AI系统的信任度与使用意愿普遍较低，培训成本高、操作流程繁琐进一步制约了应用深度。据弗若斯特沙利文预测，2025年至2030年，基层医疗AI软件市场虽将保持31.2%的高速增长，但到2030年整体规模预计仅为48亿元，不足三甲医院市场的40%。未来五年，推动基层AI应用的关键在于构建“云边端”协同架构，通过区域医疗中心或医联体平台实现数据汇聚与模型共享，同时开发高度适配基层工作流的“傻瓜式”AI工具。政策层面亦需强化医保支付对AI服务的覆盖，例如将AI辅助诊断纳入诊疗项目收费目录，以形成可持续的商业闭环。唯有通过技术简化、成本控制与制度激励三者协同，方能在2030年前实现基层医疗机构AI应用从“试点示范”向“常态运行”的实质性跨越。医生接受度与实际使用频率调研数据近年来，中国医疗人工智能软件在临床场景中的渗透率持续提升，医生群体对AI工具的接受度与实际使用频率成为衡量该技术落地成效的关键指标。根据2024年由中国医学人工智能协会联合多家三甲医院开展的全国性调研数据显示，在参与调查的12,850名临床医生中，约68.3%表示已在日常诊疗中接触或使用过至少一种医疗AI软件，其中放射科、病理科和皮肤科医生的使用频率最高，分别达到82.1%、76.5%和71.8%。这一趋势与AI在医学影像识别、病理切片分析及皮肤病智能诊断等领域的技术成熟度高度相关。值得注意的是，尽管整体接受度呈上升态势，但不同级别医疗机构之间存在显著差异：三级医院医生的AI软件使用频率平均每周达3.2次，而二级及以下医院仅为0.9次，反映出资源分布不均与技术推广深度的结构性挑战。从地域维度看，东部沿海地区如北京、上海、广东等地医生的AI使用率普遍超过75%，而中西部部分省份尚不足50%，进一步凸显区域发展不平衡问题。与此同时，医生对AI辅助诊断的信任程度与其使用频率呈正相关，调研中72.4%的高频使用者（每周使用≥3次）认为AI输出结果“基本可靠”或“高度可靠”，而低频使用者中持相同观点的比例仅为41.6%。这一数据表明，实际使用经验是提升医生信任度的重要路径。在市场规模方面，据艾瑞咨询预测，2025年中国医疗AI软件市场规模将突破180亿元人民币，到2030年有望达到520亿元，年均复合增长率约为23.7%。该增长动力不仅来源于政策支持与技术迭代，更依赖于临床端医生群体的持续采纳与深度整合。国家卫健委于2023年发布的《人工智能医用软件产品分类界定指导原则》为AI软件的临床准入提供了明确路径，加速了产品从研发走向实际应用的进程。未来五年，随着多模态大模型、联邦学习与边缘计算等技术的融合应用，AI软件将逐步从单一任务辅助向全流程诊疗支持演进，医生的角色也将从“被动接受工具”转向“主动协同决策者”。为提升基层医生的使用意愿与能力，行业正推动“AI+培训”一体化解决方案，通过嵌入式教学模块与实时反馈机制降低使用门槛。预计到2030年，全国范围内医生对医疗AI软件的整体接受度将提升至85%以上，实际使用频率在三级医院稳定在每周4次以上，二级医院则有望突破每周2次。这一演进不仅将重塑临床工作流，也将催生以“按效果付费”“订阅式服务”和“数据价值分成”为核心的新型商业模式，推动医疗AI从技术驱动迈向价值驱动的新阶段。年份市场规模（亿元）年增长率（%）头部企业市场份额（%）平均单价（万元/套）202586.528.342.1185.02026112.029.543.8178.52027145.229.645.0172.02028187.529.146.2166.02029240.028.047.5160.52030305.027.148.8155.0二、市场竞争格局与主要参与者分析1、国内头部企业布局与产品矩阵腾讯觅影、阿里健康、科亚医疗等代表性企业产品对比在2025至2030年中国医疗AI软件临床应用的发展进程中，腾讯觅影、阿里健康与科亚医疗作为行业代表性企业，各自依托不同的技术积累、生态资源与战略定位，在产品形态、临床覆盖、商业化路径及市场拓展方面展现出显著差异。腾讯觅影由腾讯优图实验室孵化，聚焦医学影像AI辅助诊断，已覆盖肺结节、食管癌、糖尿病视网膜病变等十余个病种，截至2024年底，其产品在全国超过1500家医疗机构部署，其中三甲医院占比达62%，年处理影像数据超2亿例。该平台依托腾讯云底层算力与微信生态入口，逐步从单点AI工具向院内全流程智能诊疗系统演进，并在2025年启动“AI+基层医疗”下沉计划，目标在2027年前覆盖全国80%县域医院。阿里健康则以“云+AI+药+医”四位一体模式构建闭环生态，其核心产品“DoctorYou”系列涵盖影像识别、慢病管理、用药指导及互联网医院支持系统。2024年数据显示，阿里健康AI产品服务已接入超3000家医疗机构，日均调用量突破500万次，尤其在慢病管理领域，依托淘宝、支付宝用户行为数据，实现用户健康画像与干预策略的动态优化。预计到2030年，其AI驱动的健康管理服务将覆盖1.2亿活跃用户，形成以数据驱动的预防—诊疗—康复—支付一体化商业模式。相较之下，科亚医疗作为专注心血管AI的垂直领域企业，凭借“深脉分数DVFFR”成为国内首个获NMPA三类证的AI影像辅助诊断产品，截至2024年已在800余家医院落地，年检测量超60万例，临床采纳率达78%。其技术路径聚焦CTFFR无创功能学评估，显著降低不必要的有创冠脉造影比例，单例节省医疗费用约3000元。科亚医疗采取“设备+软件+服务”捆绑销售模式，与GE、联影等影像设备厂商深度合作，同时探索按次收费、结果付费等创新支付机制。据弗若斯特沙利文预测，中国心血管AI辅助诊断市场规模将从2024年的18亿元增长至2030年的120亿元，年复合增长率达38.5%，科亚医疗有望凭借先发优势占据30%以上市场份额。三家企业虽路径各异，但均体现出从技术验证向规模化临床落地的关键转型。腾讯觅影强调生态协同与基层渗透，阿里健康侧重用户流量与健康管理闭环，科亚医疗则深耕专科赛道并推动支付端改革。未来五年，随着医保DRG/DIP支付改革深化、AI三类证审批常态化及医院智慧化建设提速，上述企业将进一步优化产品临床价值验证体系，强化真实世界数据积累，并探索与商保、药企、政府公卫项目的多元合作模式。据IDC测算，2025年中国医疗AI软件市场规模将达92亿元，2030年有望突破400亿元，其中临床辅助诊断类占比维持在60%以上。在此背景下，具备高质量临床证据、明确收费路径及强医院运营协同能力的企业将主导下一阶段竞争格局，而腾讯、阿里与科亚的差异化战略，正分别代表平台型巨头、生态整合者与专科垂直者的典型发展范式，共同塑造中国医疗AI软件临床应用的多层次市场结构。创业公司技术特色与市场定位分析2、国际企业在中国市场的渗透与合作模式西门子、飞利浦等跨国企业本地化策略近年来，随着中国医疗人工智能软件市场持续扩张，跨国医疗科技巨头如西门子医疗（SiemensHealthineers）与飞利浦（PhilipsHealthcare）纷纷加速其在中国市场的本地化布局，以应对日益激烈的竞争环境与政策导向。据IDC数据显示，2024年中国医疗AI软件市场规模已突破85亿元人民币，预计到2030年将超过300亿元，年复合增长率维持在23%以上。在此背景下，西门子与飞利浦不再仅依赖其全球技术平台进行产品输出，而是深度融入中国本土生态，从研发、注册、临床验证到商业化路径均实施高度本地化的战略调整。西门子医疗于2022年在上海设立其全球首个AI医疗创新中心，聚焦医学影像AI算法的本地训练与优化，联合复旦大学附属中山医院、北京协和医院等顶级医疗机构构建高质量中文医学数据集，并针对中国高发疾病如肝癌、胃癌及脑卒中开发专属AI辅助诊断模块。该中心已成功推动十余款AI软件通过国家药品监督管理局（NMPA）三类医疗器械认证，其中“AICoronaryPlaque”冠脉斑块分析系统在2024年实现超2亿元人民币的销售收入，覆盖全国300余家三甲医院。飞利浦则采取“双轮驱动”模式，一方面强化其苏州AI研发中心的本地算法团队建设，另一方面通过与中国本土科技企业如腾讯医疗、联影智能建立战略合作，整合云计算与边缘计算能力，提升AI软件在基层医疗机构的部署效率。其“IntelliSpaceAIWorkflow”平台在2023年完成与中国电子病历系统的深度对接，支持结构化数据自动提取与临床决策辅助，目前已在浙江、广东、四川等省份的县域医院实现规模化落地，用户数突破1500家。值得注意的是，两家企业在本地化过程中高度重视合规性建设，积极响应《人工智能医用软件产品分类界定指导原则》及《医疗器械软件注册审查指导原则（2023年修订版）》等监管文件，将数据隐私保护、算法可解释性及临床有效性验证纳入产品全生命周期管理。面向2025至2030年，西门子计划将其中国AI软件营收占比从当前的18%提升至35%，重点拓展放射科、病理科与重症监护三大场景；飞利浦则规划在未来五年内投资超10亿元人民币，用于建设覆盖全国的AI临床验证网络，并推动其AI产品从“辅助诊断”向“治疗规划”与“预后预测”延伸。此外，两家公司均积极参与国家“十四五”医疗装备产业高质量发展规划，通过参与行业标准制定、联合申报国家重点研发计划项目等方式，强化其在中国医疗AI生态中的影响力。这种深度本地化不仅体现在技术适配与市场拓展层面，更反映在组织架构、人才储备与商业模式创新上——例如，西门子已在中国组建独立的AI软件商业化团队，采用“订阅制+按例付费”混合收费模式，降低医院初始采购门槛；飞利浦则试点“AI即服务”（AIaaS）模式，通过与地方卫健委合作，将AI软件嵌入区域医联体信息平台，实现按使用量计费的可持续运营。随着中国医疗支付体系改革深化及DRG/DIP支付方式全面推行，跨国企业正将本地化战略从单纯的产品适配升级为与医保支付、临床路径、医院绩效考核深度耦合的系统性解决方案，以期在2030年前稳固其在中国医疗AI软件市场的领先地位。中外合资与技术授权合作案例近年来，中外合资与技术授权合作在中国医疗AI软件临床应用领域呈现出显著增长态势，成为推动技术落地与商业模式创新的重要路径。据IDC数据显示，2024年中国医疗AI软件市场规模已达68亿元人民币，预计到2030年将突破320亿元，年复合增长率维持在28.5%左右。在这一高速增长背景下，跨国企业与中国本土机构通过合资设立实体或签署技术授权协议，加速了AI算法、影像识别、辅助诊断及临床决策支持系统在医院场景中的部署。例如，西门子医疗与联影智能于2023年成立的合资公司，聚焦于医学影像AI平台开发，已在全国超过400家三级医院部署其肺结节与脑卒中AI辅助诊断系统，年处理影像数据超1200万例。该合作不仅整合了西门子在高端影像设备与全球临床数据库方面的优势，也融合了联影在本土化算法训练与医院渠道资源上的积累，形成“硬件+软件+服务”的闭环生态。与此同时，GE医疗与推想科技的技术授权合作亦具代表性，前者将其在北美验证成熟的AI肺部疾病筛查模型授权给后者，并允许其基于中国人群数据进行二次训练与优化。截至2024年底，该模型在中国基层医疗机构的部署量已超过1500台CT设备，筛查准确率提升至92.3%，显著高于未使用AI辅助的平均水平。此类合作模式有效规避了跨国企业单独进入中国医疗市场所面临的监管壁垒、数据合规挑战及临床适配难题，同时为本土企业提供了国际前沿技术验证路径与商业化出口。从政策导向看，《人工智能医用软件产品分类界定指导原则》及《医疗器械软件注册审查指导原则（2023年修订版）》等文件明确鼓励“产学研医”协同创新，为中外技术融合提供了制度保障。在预测性规划层面，2025至2030年间，预计此类合作将从单一产品授权向平台级共建演进，重点覆盖肿瘤早筛、慢病管理、手术导航及药物研发四大方向。尤其在肿瘤领域，罗氏诊断与零氪科技的合作已启动基于多模态数据的AI预后预测系统开发，计划于2026年完成多中心临床验证并申报三类医疗器械证。此外，随着国家推动“千县工程”与智慧医院建设，中外合资企业有望在县域医疗市场获得更大渗透空间，预计到2030年，其在基层医疗机构的AI软件覆盖率将从当前的不足15%提升至45%以上。值得注意的是，数据主权与算法透明度仍是合作中的核心议题，2024年出台的《医疗卫生机构数据安全管理规范》要求所有涉及患者数据的AI系统必须实现本地化存储与脱敏处理，这促使合作双方在技术架构设计阶段即嵌入合规机制。总体而言，中外合资与技术授权合作不仅加速了医疗AI软件在中国临床场景的规模化应用，也正在重塑行业价值链，推动从“技术引进”向“联合创新”乃至“标准输出”的战略转型。未来五年，随着医保支付政策对AI辅助诊断项目的逐步覆盖及DRG/DIP支付改革深化，此类合作的商业回报周期有望缩短至24至30个月，进一步激发资本与技术的双向流动。年份销量（万套）收入（亿元）平均单价（万元/套）毛利率（%）20258.241.05.058.0202611.563.35.560.2202715.894.86.062.5202821.0138.66.664.0202927.5192.57.065.8203035.0262.57.567.0三、核心技术发展与临床适配能力1、核心AI算法与模型演进趋势深度学习、大模型在医疗AI中的应用进展近年来，深度学习与大模型技术在中国医疗AI软件临床应用中展现出强劲的发展势头，成为推动行业智能化转型的核心驱动力。根据艾瑞咨询发布的数据显示，2024年中国医疗AI市场规模已突破180亿元人民币，其中深度学习与大模型相关技术贡献率超过65%。预计到2030年，该细分领域市场规模将超过600亿元，年均复合增长率维持在22%以上。这一增长态势得益于国家政策的持续支持、医疗数据资源的不断积累以及算力基础设施的快速完善。国家卫健委、工信部等多部门联合发布的《“十四五”医疗装备产业发展规划》明确提出，要加快人工智能在医学影像、辅助诊断、药物研发等关键场景的落地应用，为深度学习与大模型技术提供了明确的发展路径和制度保障。数据资源的丰富性与高质量标注是支撑深度学习与大模型发展的关键基础。截至2024年底，中国已建成国家级医疗健康大数据中心12个，覆盖超过5亿人口的电子健康档案，同时多家医院完成院内数据治理与脱敏处理，为AI模型训练提供了合规、安全的数据环境。在数据驱动下，模型性能持续优化，部分AI辅助诊断系统在特定病种上的诊断准确率已接近或超越初级医师水平。此外，联邦学习、隐私计算等新兴技术的应用，有效缓解了数据孤岛与隐私保护之间的矛盾，使得跨机构、跨区域的模型协同训练成为可能，进一步加速了大模型在真实临床场景中的泛化能力提升。未来五年，深度学习与大模型在医疗AI中的应用将更加注重临床价值验证与监管合规。国家药监局已启动AI医疗器械审评指导原则的更新工作，强调算法透明性、可解释性与临床有效性评估。同时，行业标准体系逐步完善，涵盖数据标注、模型训练、系统部署等全生命周期。在此背景下，具备扎实临床合作基础、强大工程化能力与合规运营经验的企业将占据竞争优势。技术演进方向将聚焦于多模态融合（如影像+文本+基因）、小样本学习、因果推理等前沿领域，以应对真实世界中数据稀疏、标注成本高、因果关系复杂等挑战。可以预见，到2030年，深度学习与大模型不仅将成为医疗AI软件的核心技术底座，更将深度融入中国医疗服务体系，助力实现“以治病为中心”向“以健康为中心”的战略转型。多模态融合与小样本学习技术突破近年来，中国医疗人工智能软件在临床应用领域加速演进，其中多模态融合与小样本学习技术的突破成为推动行业高质量发展的核心驱动力。据IDC与中国信息通信研究院联合发布的数据显示，2024年中国医疗AI软件市场规模已突破120亿元人民币，预计到2030年将增长至480亿元，年复合增长率达25.6%。在这一增长曲线中，多模态融合技术通过整合医学影像、电子病历、基因组学、病理切片及可穿戴设备数据等异构信息源，显著提升了疾病识别与辅助诊断的准确率。例如，在肺癌早期筛查场景中，融合CT影像与临床文本数据的AI模型，其敏感度已从单一模态下的82%提升至94%，特异性同步提高至91%。这一技术路径不仅优化了临床决策支持系统（CDSS）的性能边界，也促使AI产品从“单点工具”向“全流程诊疗平台”转型。与此同时，国家药监局自2023年起加快对多模态AI医疗器械的审批节奏，截至2025年6月，已有17款基于多模态融合的三类证获批，覆盖肿瘤、心脑血管及精神类疾病三大高发领域，标志着该技术已进入规模化临床验证阶段。从商业模式角度看，多模态融合与小样本学习的结合正在重塑医疗AI企业的价值链条。传统按软件授权收费的模式正向“效果付费+数据服务+模型迭代”三位一体的订阅制转型。以推想医疗、数坤科技为代表的头部企业，已在其心脑血管AI产品中嵌入动态小样本更新机制，允许医院在本地数据基础上微调模型，同时通过联邦学习实现跨机构知识共享而不泄露原始数据。这种模式不仅提升了客户黏性，也构建了可持续的数据飞轮效应。据Frost&Sullivan预测，到2030年，基于小样本持续学习的SaaS型医疗AI服务收入占比将从2025年的28%提升至65%。与此同时，医保支付政策的逐步放开也为技术变现提供支撑——2024年国家医保局将首批5项AI辅助诊断服务纳入DRG/DIP支付试点，其中3项涉及多模态融合技术，预示未来三年内相关服务有望进入医保常规目录。综合来看，技术突破、政策引导与支付机制的协同演进，正推动中国医疗AI软件从“技术验证期”迈入“商业兑现期”，为2025至2030年间的产业爆发奠定坚实基础。年份多模态融合技术临床应用项目数（项）小样本学习算法部署医疗机构数量（家）多模态模型平均准确率（%）小样本学习训练数据需求量（例/任务）20251208582.5200202618515085.3150202726024088.1100202834035090.770202943048092.4502、临床验证与产品注册合规性三类医疗器械审批路径与典型案例在中国医疗人工智能快速发展的背景下，三类医疗器械作为最高风险等级的医疗器械类别，其审批路径对AI软件的临床落地具有决定性影响。国家药品监督管理局（NMPA）自2019年起逐步建立针对人工智能医疗器械的审评体系，2023年发布的《人工智能医疗器械注册审查指导原则》进一步明确了软件作为医疗器械（SaMD）的分类标准、临床评价路径及数据治理要求。截至2024年底，已有超过40款AI医疗软件获批三类证，涵盖医学影像辅助诊断、病理分析、心电监测及手术导航等多个方向，其中医学影像类占比超过70%。以肺结节CT辅助诊断系统为例，推想科技、联影智能、深睿医疗等企业的产品已通过创新医疗器械特别审批通道，完成前瞻性多中心临床试验，验证其在敏感性（≥95%）、特异性（≥85%）及阅片效率提升（平均缩短30%50%）方面的临床价值。审批流程通常包括产品分类界定、质量管理体系核查、算法验证、临床评价及注册审评五个核心环节，整个周期从申报到获批平均耗时18至24个月，较传统医疗器械显著延长，主要受限于算法可解释性不足、训练数据多样性欠缺及临床终点指标设定模糊等挑战。为加速审批，NMPA鼓励企业采用真实世界数据（RWD）补充临床证据，并推动“预审评”机制，允许企业在研发早期与审评中心进行技术沟通。2025年起，随着《医疗器械监督管理条例》修订落地，AI软件将面临更严格的全生命周期监管，包括上市后变更控制、算法迭代备案及不良事件主动监测。据弗若斯特沙利文预测，中国AI医疗软件市场规模将从2024年的约85亿元增长至2030年的420亿元，年复合增长率达31.2%，其中获得三类证的产品将占据高端市场70%以上的营收份额。典型企业如科亚医疗的“深脉分数”（CTFFR）作为全球首个获批的无创冠脉功能评估AI产品，不仅完成覆盖全国300余家三甲医院的商业化部署，还通过与医保支付方合作探索按效果付费模式，单例检测收费约2000元，2024年实现营收超3亿元。另一案例为数坤科技的“数字心”平台，其冠脉CTAAI系统在获批三类证后，迅速嵌入GE、西门子等影像设备厂商的工作流，形成“硬件+软件+服务”的捆绑销售模式，2025年预计装机量突破5000台。未来五年，随着审批标准趋于成熟、临床验证路径更加清晰，具备高质量多中心数据积累、算法鲁棒性强且能与医院信息系统深度集成的AI软件将率先实现规模化临床应用，并通过与DRG/DIP支付改革联动，构建以临床价值为导向的可持续商业模式。监管机构亦将持续优化审评资源配置，计划到2027年将AI三类证平均审批周期压缩至12个月以内，同时推动国际互认，助力中国AI医疗软件出海。真实世界数据（RWD）在临床验证中的作用真实世界数据（RealWorldData,RWD）作为医疗人工智能软件在临床验证阶段不可或缺的核心要素，正逐步从辅助角色演变为驱动产品注册、监管审批与商业化落地的关键支撑。在中国，随着国家药品监督管理局（NMPA）于2021年发布《真实世界证据支持药物研发与审评的指导原则（试行）》以及后续对医疗器械特别是AI软件类产品的监管框架逐步完善，RWD在医疗AI临床验证中的价值日益凸显。据艾瑞咨询数据显示，2024年中国医疗AI市场规模已突破180亿元人民币，预计到2030年将超过650亿元，年复合增长率达24.3%。在这一高速增长的背景下，AI软件企业若无法有效整合高质量RWD进行临床验证，将难以通过NMPA三类医疗器械审批，亦无法在公立医院等核心应用场景中实现规模化部署。真实世界数据来源广泛，涵盖电子健康记录（EHR）、医保理赔数据、疾病登记库、可穿戴设备监测信息及患者自报数据等，这些多源异构数据通过标准化治理与脱敏处理后，可构建出反映中国人群疾病谱、诊疗路径与治疗反应的真实世界证据（RWE）体系。尤其在肿瘤、心血管、神经退行性疾病等慢病管理领域，RWD能够弥补传统随机对照试验（RCT）样本量小、周期长、外部效度低等局限，为AI模型提供更具代表性的训练与验证环境。例如，某头部AI影像公司于2023年基于全国30家三甲医院超50万例肺结节CT影像数据构建的RWD验证集，成功支撑其肺结节辅助诊断软件获得NMPA三类证，该产品随后在2024年实现超3亿元销售收入，验证了RWD驱动临床转化的商业可行性。政策层面，国家卫健委与工信部联合推动的“医疗健康大数据中心”建设已覆盖28个省份，累计汇聚超10亿人次健康数据，为AI企业获取合规RWD提供基础设施支持。与此同时，《个人信息保护法》与《数据安全法》对数据采集、存储与使用提出严格规范，促使行业形成“数据可用不可见”“隐私计算+联邦学习”的技术路径，确保RWD应用在合法合规前提下高效推进。展望2025至2030年，随着医保DRG/DIP支付改革深化与公立医院绩效考核对AI应用采纳率的纳入，医疗机构对具备RWE支撑的AI产品需求将持续攀升。据弗若斯特沙利文预测，到2027年，超过70%的国产医疗AI软件将依赖RWD完成上市后临床跟踪研究，而具备RWD闭环能力的企业将在市场中占据显著先发优势。未来，RWD不仅用于产品注册验证，更将延伸至AI模型的持续迭代优化、适应症拓展及医保谈判定价等环节，形成“数据—验证—应用—反馈—再训练”的商业飞轮。在此过程中，能否构建覆盖多中心、多病种、多模态的高质量RWD生态，将成为决定医疗AI企业能否在2030年前实现规模化盈利与可持续发展的核心变量。分析维度关键内容预估数据/指标（2025–2030年）优势（Strengths）AI算法在医学影像识别准确率高影像AI平均准确率达92.5%，高于人工阅片89.1%劣势（Weaknesses）临床落地审批周期长、合规成本高三类医疗器械AI软件平均审批周期为18–24个月，合规投入占研发总成本35%机会（Opportunities）国家政策支持医疗AI纳入医保支付试点预计2027年前覆盖30个省级行政区，AI软件医保支付试点项目年均增长40%威胁（Threats）数据隐私与安全监管趋严2025–2030年因数据合规问题导致项目延期比例预计达22%优势（Strengths）医疗AI企业与三甲医院合作紧密截至2025年，Top20医疗AI企业平均与45家三甲医院建立临床合作，年均联合发表论文12篇四、市场规模、增长驱动与商业模式1、市场规模与细分领域预测（2025–2030）按应用场景（影像、病理、慢病管理等）的市场拆解在2025至2030年期间，中国医疗AI软件在不同临床应用场景中的市场格局呈现出显著的差异化发展态势，其中医学影像、数字病理与慢病管理三大领域构成核心支柱。医学影像AI作为最早实现商业化落地的细分赛道，2024年市场规模已突破45亿元人民币，预计到2030年将增长至180亿元，年复合增长率维持在25%以上。该领域产品主要聚焦于肺结节、脑卒中、乳腺癌及眼底病变等高发疾病的辅助诊断，依托深度学习算法与多模态影像融合技术，显著提升放射科医生阅片效率并降低漏诊率。国家药监局截至2024年底已批准超过60款三类医疗器械认证的AI影像软件，其中联影智能、推想科技、数坤科技等头部企业占据超60%市场份额。随着三级医院AI部署趋于饱和，市场增长动力正逐步向二级及县域医院下沉，同时政策端推动“影像云+AI”区域协同诊疗模式，进一步拓展基层应用场景。数字病理AI虽起步较晚，但受益于病理医生资源极度稀缺（全国注册病理医师不足2万人，供需缺口达90%），其商业化进程正在加速。2024年该细分市场规模约为8亿元，预计2030年将达50亿元，年复合增长率高达35%。AI病理产品主要应用于肿瘤组织分型、免疫组化定量分析及预后预测，尤其在宫颈癌、胃癌和前列腺癌筛查中展现出高准确率。伴随全玻片数字扫描（WSI）设备成本下降及医院病理科数字化改造提速，AI病理软件正从科研辅助工具向临床常规诊断工具演进。多家企业如迪英加科技、衡道病理已实现与LIS系统深度集成，并探索按检测例数收费的SaaS模式。慢病管理AI则依托可穿戴设备、电子健康档案与大数据平台，构建覆盖筛查、干预、随访全周期的闭环服务体系。2024年该领域市场规模达32亿元，预计2030年将攀升至120亿元，年复合增长率约24%。糖尿病、高血压、慢性肾病及COPD是主要应用病种，AI系统通过实时监测生理指标、个性化用药建议与行为干预策略，有效提升患者依从性并降低并发症发生率。平安好医生、微医、智云健康等平台型企业正联合医保部门试点“AI慢病管理服务包”纳入地方医保支付目录，推动B2B2C商业模式成熟。此外，政策层面《“十四五”数字经济发展规划》及《人工智能医用软件产品分类界定指导原则》持续释放利好，驱动各场景AI产品从“可用”向“好用”“必用”跃迁。未来五年，跨场景融合将成为新趋势，例如影像与病理数据联动用于肿瘤精准分型，或慢病管理平台整合影像筛查结果实现早期预警，从而催生一体化智能诊疗解决方案，进一步重塑医疗AI软件的市场边界与价值链条。按区域（华东、华北、华南等）的市场分布特征中国医疗AI软件在临床应用领域的区域市场分布呈现出显著的非均衡性，这种格局既受到区域经济发展水平、医疗资源集聚程度的影响，也与地方政府政策导向、医疗机构数字化基础及产学研协同能力密切相关。华东地区作为全国经济最活跃、医疗资源最密集的区域之一，在2024年已占据全国医疗AI软件临床应用市场规模的约38%，预计到2030年该比重将进一步提升至42%左右。以上海、杭州、南京、苏州等城市为核心，华东地区不仅拥有复旦大学附属华山医院、浙江大学医学院附属第一医院等国家级临床研究中心，还聚集了联影智能、深睿医疗、推想科技等一批头部AI医疗企业，形成了从算法研发、产品验证到临床落地的完整生态链。区域内三甲医院普遍具备较高的信息化水平，电子病历系统（EMR）四级以上评级占比超过65%，为AI软件的部署和数据训练提供了坚实基础。同时，上海、浙江等地率先出台支持AI医疗器械创新应用的地方性政策，如“AI+医疗健康”试点项目、医保支付探索机制等，有效推动了影像辅助诊断、智能随访、临床决策支持等AI产品的商业化进程。华北地区以北京为核心，依托国家医疗资源高地和科研机构密集优势，在医疗AI软件临床应用方面同样表现突出。2024年华北市场占比约为22%，预计2030年将稳定在23%—24%之间。北京拥有协和医院、301医院、北大人民医院等全国顶尖医疗机构，同时也是国家药监局医疗器械技术审评中心所在地，在AI三类证审批、临床试验规范制定等方面具有引领作用。区域内AI企业如数坤科技、医渡科技等，聚焦心血管、肿瘤、神经等重大疾病领域，产品已在全国数百家医院落地。值得注意的是，京津冀协同发展政策推动下，天津、河北部分三级医院开始承接北京AI医疗技术的辐射，形成区域协同应用网络。尽管华北整体市场规模略逊于华东，但其在高端AI产品认证、标准制定及政策试点方面的影响力不可忽视。华南地区则以广东为核心，凭借粤港澳大湾区的开放创新环境和制造业基础，展现出强劲增长潜力。2024年华南市场占比约为18%，预计到2030年将提升至21%。广州、深圳两地不仅拥有中山大学附属医院体系、广东省人民医院等优质临床资源，还汇聚了腾讯觅影、碳云智能、晶泰科技等科技与医疗交叉型企业。深圳作为国家新一代人工智能创新发展试验区，在AI医疗器械注册审批、跨境数据流动试点等方面具备政策优势。此外，华南地区基层医疗AI应用推进较快，尤其在远程影像诊断、慢病管理等领域，通过“AI+医联体”模式向县域医院下沉，有效缓解了区域医疗资源分布不均的问题。西南和华中地区虽起步较晚，但近年来增速显著。成都、重庆、武汉等地依托本地高校和三甲医院，正加快构建区域AI医疗创新中心。2024年西南与华中合计占比约15%，预计2030年将突破18%。东北与西北地区受限于经济结构转型压力和医疗投入相对不足，目前合计占比不足7%，但随着国家“东数西算”工程推进及区域医疗中心建设加速，未来五年有望通过远程诊疗平台和轻量化AI工具实现跨越式发展。总体来看，中国医疗AI软件临床应用的区域格局将在未来五年持续优化，从“核心引领、梯度扩散”向“多极协同、全域覆盖”演进，区域间的技术流动、数据互通与商业模式融合将成为推动行业高质量发展的关键动力。2、主流商业模式与盈利路径订阅、按次收费、与医保/商保联动等模式比较在中国医疗AI软件临床应用加速落地的背景下，商业模式的可持续性成为决定行业能否实现规模化发展的关键变量。当前主流的收费模式主要包括订阅制、按次收费以及与医保或商业保险联动的支付机制，三者在市场接受度、收入稳定性、政策适配性及长期发展潜力方面呈现出显著差异。据艾瑞咨询2024年数据显示，中国医疗AI软件市场规模已突破85亿元，预计到2030年将增长至420亿元，年复合增长率达28.6%。在此增长曲线中，不同商业模式对市场渗透率和企业营收结构产生深远影响。订阅制模式以医院或医疗机构为付费主体，按年度或季度收取固定费用，通常涵盖软件使用、系统维护及基础算法更新服务。该模式在三级医院中接受度较高，因其预算稳定、IT基础设施完善，且对长期数据积累和系统集成有较强需求。2023年，采用订阅制的医疗AI企业占比约为45%，其客户续约率普遍维持在75%以上，显示出较强的客户黏性。然而，订阅制在基层医疗机构推广受限，主要受制于预算约束和对AI价值认知不足，导致下沉市场覆盖率不足20%。相比之下，按次收费模式以单次诊断、筛查或辅助决策为计费单元，更契合基层医疗机构“按需付费”的财务逻辑。例如，肺结节AI辅助诊断单次收费约30至50元，眼底病变筛查单次约20元，此类定价策略在县域医院和体检中心迅速铺开。2024年，按次收费模式在基层市场的渗透率已提升至38%，预计到2027年将覆盖超过60%的二级及以下医疗机构。该模式虽具备灵活性强、启动门槛低的优势，但收入波动性大，难以支撑企业持续研发投入，且易受诊疗量季节性波动影响。更具战略前景的是与医保或商业保险联动的支付机制。目前，国家医保局已在部分城市试点将AI辅助诊断纳入医保支付目录，如上海将AI乳腺癌筛查纳入门诊统筹支付范围，单次报销比例达60%；深圳则探索将AI心电图分析纳入DRG/DIP支付体系。商业保险方面，平安健康、众安保险等机构已推出包含AI服务的健康管理产品，通过保费分摊实现AI服务的间接支付。据麦肯锡预测，到2030年，医保与商保联动模式有望覆盖30%以上的医疗AI临床应用场景，成为推动行业从“项目制”向“服务化”转型的核心驱动力。该模式不仅可显著降低患者自付比例，提升AI服务可及性，还能通过保险数据反哺算法优化，形成“支付—使用—反馈—迭代”的闭环生态。尽管当前医保目录准入周期长、商保产品设计复杂，但随着国家《人工智能医用软件产品分类界定指导原则》及《AI医疗器械审评审批绿色通道》等政策逐步完善，支付联动机制的制度基础正在夯实。未来五年，具备临床价值明确、循证医学证据充分、成本效益比优越的AI软件将优先纳入医保谈判，而企业需同步构建合规、可审计、可追溯的服务交付体系，以匹配支付方对质量与效率的双重诉求。综合来看，三种模式并非相互排斥，而是呈现阶段性互补与融合趋势。头部企业正从单一订阅或按次收费向“基础订阅+按需调用+保险分摊”的混合模式演进，以兼顾收入稳定性与市场扩展性。在2025至2030年这一关键窗口期，能否构建与支付体系深度耦合的商业模式，将成为医疗AI企业能否跨越“死亡之谷”、实现规模化盈利的决定性因素。医院采购、政府项目、保险合作等收入来源分析中国医疗AI软件在2025至2030年间的收入来源呈现多元化发展趋势，其中医院采购、政府项目与保险合作构成三大核心支柱。根据艾瑞咨询与IDC联合发布的数据显示，2024年中国医疗AI软件市场规模已突破85亿元人民币，预计到2030年将增长至420亿元，年复合增长率达28.6%。在这一增长过程中，医院作为临床应用的直接终端，持续成为AI软件采购的主力。三级医院在国家卫健委“智慧医院建设三年行动计划”推动下，对AI辅助诊断、智能影像分析、临床决策支持系统等软件的采购意愿显著增强。2025年，全国三级医院AI软件采购渗透率预计达到45%，采购金额占整体市场收入的52%左右。采购模式正从一次性买断向“软件即服务”（SaaS）订阅制转型，单家三甲医院年均AI软件支出已从2022年的约80万元提升至2024年的150万元，预计2027年将突破250万元。与此同时，二级及县域医院在分级诊疗政策引导下，逐步引入轻量化、模块化的AI工具，用于提升基层诊疗效率，其采购规模虽单体较小，但数量庞大，整体贡献率有望从2025年的18%提升至2030年的28%。政府采购方面，国家及地方财政通过“新基建”“数字健康”“人工智能+医疗健康”等专项计划，持续投入资金支持医疗AI落地。2023年中央财政在医疗AI相关项目拨款达23亿元，2025年预计增至35亿元，2030年或突破70亿元。地方政府则通过区域医疗中心、城市大脑、公共卫生应急平台等载体，将AI软件纳入整体信息化建设包，形成以项目制为主的采购模式。例如，浙江省“未来医院”试点工程在2024年集中采购了覆盖12个地市的AI慢病管理系统，合同金额达4.2亿元。此类项目通常具有周期长、金额大、示范效应强的特点，成为医疗AI企业获取稳定收入的重要渠道。保险合作作为新兴收入来源，正加速崛起。商业健康险公司为控制赔付率、提升风控能力，积极引入AI工具用于核保、理赔审核与健康管理。平安健康、众安保险等头部机构已与多家AI企业建立战略合作，将AI影像识别、电子病历结构化、疾病风险预测模型嵌入保险服务流程。2024年，保险端为医疗AI软件贡献的收入约为6.8亿元，占市场总额的8%；预计到2030年，该比例将提升至15%以上，年收入规模突破60亿元。部分AI企业更进一步探索“按效果付费”模式，例如与保险公司联合推出“AI健康管理+保费折扣”产品，用户使用AI干预后若健康指标改善，可获得保费返还，企业则从保险公司分润。此外，医保支付改革也为AI软件商业化开辟新路径。国家医保局在2024年启动AI辅助诊疗项目收费编码试点，北京、上海、广东等地已将部分AI影像分析服务纳入医保报销目录，单次收费在80至200元之间。若该模式在全国推广，将极大提升医院采购AI软件的积极性，并形成可持续的支付闭环。综合来看，未来五年医疗AI软件的收入结构将持续优化，医院采购保持基本盘，政府项目提供规模化订单，保险合作则开辟增量市场，三者协同驱动行业迈向高质量、可持续发展阶段。五、政策环境、数据治理与风险挑战1、国家与地方政策支持体系十四五”医疗装备产业规划与AI专项政策梳理“十四五”期间，国家层面密集出台多项政策文件，明确将人工智能技术深度融入医疗健康领域，作为推动医疗装备产业高质量发展的核心驱动力。2021年12月，工业和信息化部联合国家卫生健康委员会等十部门印发《“十四五”医疗装备产业发展规划》，首次将医疗人工智能软件列为高端医疗装备重点发展方向，明确提出到2025年初步建成覆盖全生命周期的智能医疗装备产业体系，形成一批具有国际竞争力的AI医疗产品与解决方案。该规划设定了具体目标：推动AI辅助诊断、智能影像识别、手术机器人、慢病管理等关键软件系统在三级医院的临床应用覆盖率超过70%，二级及以下医疗机构覆盖率提升至40%以上，并支持不少于50个AI医疗软件产品获得国家药品监督管理局（NMPA）三类医疗器械注册证。据中国信息通信研究院数据显示，2023年中国医疗AI软件市场规模已达86.4亿元，年复合增长率达32.7%，预计到2025年将突破150亿元，2030年有望达到420亿元规模。政策导向不仅聚焦技术突破，更强调临床价值转化与商业化路径构建。2022年国家药监局发布《人工智能医疗器械注册审查指导原则》，系统规范了AI软件作为医疗器械的审评标准、数据质量要求与算法更新机制，为产品上市提供制度保障。2023年科技部启动“诊疗装备与生物医用材料”重点专项，设立“智能诊疗软件关键技术”子课题，投入专项资金超8亿元，支持多模态医学影像融合、可解释性AI模型、真实世界数据驱动的临床验证平台等前沿方向。与此同时，《新一代人工智能发展规划》《“十四五”数字经济发展规划》《关于推动公立医院高质量发展的意见》等文件持续强化医疗AI的基础设施支撑，要求三级公立医院普遍部署医学人工智能平台，推动电子病历、医学影像、病理数据等结构化与标准化，为AI训练与部署提供高质量数据底座。国家卫生健康委2024年印发的《人工智能赋能医疗服务高质量发展行动计划》进一步细化应用场景，明确在肿瘤、心脑血管、眼科、精神心理等专科领域优先推广AI辅助诊疗系统，并鼓励医疗机构通过“服务采购+效果付费”模式引入AI软件，探索按诊疗效果、效率提升比例支付费用的新型商业模式。地方政府亦积极响应，北京、上海、广东、浙江等地相继出台地方性支持政策，设立医疗AI创新应用先导区，提供临床试验绿色通道、首台套保险补偿、政府采购优先等激励措施。截至2024年底，全国已有超过120款医疗AI软件产品进入创新医疗器械特别审批通道，其中38款获得NMPA三类证，覆盖CT肺结节检测、眼底病变筛查、脑卒中风险预测、病理切片分析等多个高价值临床场景。展望2025至2030年，政策体系将持续向“临床可用、医保可付、机构愿用”方向演进，预计国家医保局将逐步将符合条件的AI辅助诊疗服务纳入医保支付范围，推动形成“产品销售+服务订阅+效果分成”的多元化营收结构。同时，随着《人工智能法（草案）》立法进程推进，医疗AI的数据安全、算法透明性与责任认定机制将进一步完善，为行业长期健康发展奠定制度基础。在政策与市场的双重驱动下，中国医疗AI软件产业将加速从技术验证迈向规模化临床落地，成为医疗装备现代化与健康中国战略实施的关键支撑力量。医疗AI产品纳入医保目录的试点进展近年来，随着人工智能技术在医疗健康领域的深度渗透，医疗AI软件逐步从科研验证走向临床落地，其价值日益被医保体系所关注。2023年起，国家医保局联合多部门启动医疗AI产品纳入医保目录的试点工作，标志着AI医疗正式进入医保支付体系探索阶段。截至2024年底，已有北京、上海、广东、浙江、四川等8个省市开展相关试点，覆盖医学影像辅助诊断、病理智能分析、慢病管理决策支持等12类AI软件产品。其中，以肺结节CT影像AI辅助诊断系统、