2026年北交所AI医疗行业投资策略分析报告：AI重塑医疗价值链把握 细分赛道机会

证

券

研

究

报

告AI重塑医疗价值链，把握优质细分赛道机会2026年春季北交所AI医疗投资策略2026.03.17投资要点◼

医疗资源剪刀差扩大，AI作为生产力填补缺口。研发侧：新药研发高风险、高投入、周期长，成功率低，“低垂的果实”被摘取殆尽，新药研发难度非线性增长；诊疗侧：中国卫生费用占GDP比重持续增长，但医疗资源呈紧缺态势且分布严重不均。医疗领域，AI主要在图像和信号分析、模式识别以及数据科学领域发挥作用。在底层技术持续进步、算法架构革新、算力成本下降等推动下，AI医疗从辅助工具向核心决策系统演进◼

生成式AI医疗全球扩容速度预计领跑全行业。根据波士顿咨询预测，预计27年全球生成式AI市场规模220亿美元，23-27年CAGR为85%，增速高于金融、零售等其他行业◼

AI渐进式重塑医疗工作流程与范式，非一蹴而就，建议把握技术成熟度高、商业模式清晰且支付路径相对顺畅领域机会：AI制药、AI医学影像、AI辅助诊断、个性化治疗、AI健康管理等：◼

①AI制药：AI擅长处理高维数据和复杂非线性关系，AIDD是未来药物研发的核心方向。目前大型制药企业将AIDD定位研发基础设施，随着AI发现的新靶点、AI设计的分子陆续进入III期临床（预计2028年前后），市场将重新评估AI技术平台和资产价值。目前市场参与者多元，包括AI

CRO、AI

Biotech、科技公司等，建议关注能够找准自己生态定位、具备长期优势的企业◼

②AI医学影像：相较于早期医学影像AI产品，多模态大模型优势突出，需求来自传统医疗影像市场的产品升级需要（国家大规模设备更新政策托底+智慧医院建设需要+分级诊疗制度纵深推进）和新兴医学影像市场（第三方独立影像中心、诊断中心等）发展，目前软硬件结合是主流模式◼

③AI辅助诊断：AI病理辅助诊断的盈利模式趋于明朗，主流商业模式或偏向软硬件结合、信息系统整合的解决方案。AI医学检验市场竞争格局未定，主流商业模式为提供软硬件+耗材一体化方案，产品均处于数据积累的市场开发阶段◼

④个性化治疗：AI+多组学为个性化治疗提供全面的科学依据支持，软硬件结合构筑竞争壁垒，数据是核心资产，让模型“越用越准”◼

⑤健康管理：C端潜力可观，以蚂蚁阿福为代表的平台型AI商业模式明确（后端收费），具备较好变现预期◼

北证重点标的：研发侧：锦波生物(AI+重组胶原蛋白研发与制造平台)、百英生物(专注抗体药物发现环节CRO，自研AI技术平台)(北证IPO在审)、海金格(临床CRO，构建HI+AI知识库，智能化设计临床试验方案)(北证IPO在审)

；诊疗侧：丹娜生物(专精IFD诊断，市占率高，延伸AI产品)

、联川生物(提供基因检测科研服务，开发多款AI模型及生物信息分析平台)

(北证IPO在审)◼

风险提示：数据与算法相关的风险；技术商业化节奏不及预期的风险；行业竞争加剧的风险；支付体系变化的风险等证券研究报告2本人有

169580个文档在互联网上公开展示，

每天几万个目光扫过，商业价值无可估量。本广告页虚席以待，有眼光人士可以和我联系宣传和推广，目前只放开四个位置，见下方有意联系wechat

:

lycqlc位置一：

每月5000元位置二：

每月3000元位置三：

每月2000元位置四：

每月1000元主要内容1.

供需共振，AI渐进式重塑医疗产业链2.

把握结构性机会，识别优质细分赛道3.

北证重点个股介绍31.1

AI渐进式重塑医疗价值链◼

AI医疗：将基于人工智能（以下简称“AI”）的方法和技术应用于医疗数据，AI主要在图像和信号分析、模式识别以及数据科学领域发挥作用，主要应用场景：药物发现、医学影像、临床辅助决策、精准医疗、健康管理等◼

生成式AI医疗全球扩容速度预计领跑全行业。需求端：短期确定性机会来自医疗体系降本增效需求，研发及临床价值更多在中长期体现；供给端：AI大模型从辅助工具向核心决策系统演进。根据波士顿咨询预测，预计27年全球生成式AI市场规模220亿美元，23-27年CAGR为85%，增速高于金融、零售等其他行业◼

AI渐进式重塑医疗工作流程与范式：AI医疗发展依赖于算力、数据基础设施建设水平提升；医疗行业容错率低，产品需反复验证、与监管和支付体系适配图：AI医疗产业链图谱图：2023-2027年全球生成式AI在各行业市场规模及增速资料：波士顿咨询，申万宏源研究资料：头豹研究院《中国AI医疗行业白皮书》，申万宏源研究证券研究报告41.2

医疗资源剪刀差扩大，AI作为生产力填补缺口◼

医疗资源剪刀差扩大，AI作为生产力填补缺口◼

研发侧：新药研发具有高风险、高投入、周期长，成功率低等特征，“低垂的果实”被摘取殆尽，新药研发难度非线性增长◼

诊疗侧：中国医疗需求与日俱增，卫生费用占GDP比重持续增长，但医疗资源呈紧缺态势且分布严重不均衡表：生成式AI在药物研发中的应用价值图：AI在诊断治疗中的应用价值药物研发环节AI赋能影响程度协助发现和优化小分子和大分子药物候选物，加速早期药物突破药物分子设计临床开发和获取质量管理减少约25%的研发时间自动化临床开发中的医疗文件生成，减少医疗写作时间，改善临床试验设计医疗写作速度提升20-30%生产效率提高20-30%增强或自动化制造过程中的质量保证分析和报告生成内容创造、个性化和适应

帮助收集和组织复杂信息，创造个性化的互动

提高5-10%收入，降低约25%成本自动化材料的预筛选，协助完成人工执行的审审查流程资料生产效率最高可提升40%查流程部分：波士顿咨询《Biopharma’s

PathtoValuewith

GenerativeAI》，申万宏源研究资料源研究：智药局《AI智能体在医疗领域中的应用》，申万宏证券研究报告51.3

基础层能力进阶，助推AI医疗产品渗透◼

AI医疗底层技术：深度学习、知识图谱、计算机视觉、自然语言处理。知识图谱整合异构大数据，实现高效信息检索与自动知识发现；计算机视觉用于准确获取数据；自然语言处理技术将人类使用的自然语言转换为计算机可理解的指令；深度学习技术革新推动AI医疗从信息化向智能化升级◼

算法架构革新历程大致分四阶段，基于Transformer架构的预训练大模型具有强大的泛化能力与临床应用潜力，驱动AI医疗应用从单一模态（如纯图像）向多模态（融合影像、病历、基因、文献等）发展表：医疗行业深度学习技术革新历程基于规则的专家系统阶段（1970–1990年）深度学习驱动的单一任务模型阶段（2012-2022年）早期机器学习阶段（1990-2011年）生成式AI与多模态大模型阶段（2022年至今）发展阶段代表技术卷积神经网络、循环神经网络、图神经网络知识表示支持向量机、随机森林基于Transformer架构的预训练大模型具备通用泛化能力，通过微调可以适配多种具体任务。生成式AI将形成“基础大模型-领域专用模型-临床微调模型”的三级技术架构：从结构化数据中学习模

解决非结构化数据的特

基础大模型提供广泛的常识与语言理解能力；技术价值识别特定模式式征提取难题领域专用模型在海量医学文本上进行二次训练，掌握深厚的医学知识；临床微调模型针对特定医院或科室的数据进行微调，以适应个性化的临床工作流各类多模态大模型斯坦福大学

MYCIN细

随机森林广泛应用于疾

Arterys

Cardio

DL软代表应用应用瓶颈菌感染并推荐抗生素的

病预测；支持向量机用

件（分析心脏核磁共振专家系统于心血管疾病风险预测

图像）应用范围狭窄，高度依知识库更新困难，存在无法处理不确定性、泛化能力弱等缺陷受限于标注医学数据成本高昂及罕见疾病样本匮乏等赖人工构建的知识库，无法处理不确定性或学习新知识大模型存在“幻觉”与偏差，且对提示词精准度的要求很高证券研究报告6资料：上海社会科学院信息研究所《AI医疗治理白皮书》，申万宏源研究1.3

基础层能力进阶，助推AI医疗产品渗透◼

DeepSeek

R1等大模型引领AI技术平权，使得更多企业和开发者能够负担得起高性能AI模型的训练和使用。DeepSeek

V3训练成本仅为557.6万美元，DeepSeek

R1调用成本每百万输出

tokens16元

，不到OpenAI

o1的4%◼

目前大部分大模型处于价值验证期。目前医疗大模型分五类：大型图模型(LGMs)、语言条件多智能体大模型(LLMMs)、多模态大模型(LMMs)、大语言模型(LLMs)、视觉大模型(LVMs)、视觉-语言大模型(VLMs)，大部分处于价值验证阶段。从应用端看，大模型在医疗影像、辅助诊断、健康管理等领域的渗透率相对较高，但仍属于市场渗透早期，药物发现领域是产品研发重心图：医疗大模型的主要应用场景表：医疗大模型分类模型类型用途专门处理图结构数据的AI模型，可用于预测蛋白质结构、分析基因组学及设计药物大型图模型(LGMs)可实现远程诊疗、智能导诊，被逐步应用于手术机器人控制和操作任务中语言条件多智能体大模型（LLMMs）多模态大模型（LMMs）大语言模型（LLMs）可用于识别医学数据并挖掘数据价值从海量数据中获取知识识别、总结、翻译、预测和生产文本及其他内容视觉大模型（LVMs）、视觉-语言大模型（VLMs）可用于识别医学图像、生成图像注释等资料：动脉智库《2025新质生产力大模型在各医疗场景的赋能实践》，申万宏源研究资料：动脉智库，申万宏源研究证券研究报告71.4

政策扶持增强AI产业确定性，AI医疗走向“规模化推广”◼

政策全链条支持，增强AI产业确定性。国家将基础设施及技术底座放在优先位置，推动数、算、电、网协同发展，破解AI落地瓶颈。2025年8月国务院印发《关于深入实施“人工智能+”行动的意见》，明确AI应用重点领域及落地节奏◼

医疗方面，国家出台AI医疗应用发展实施意见，AI医疗从“试点探索”走向“规模化推广”。2025年10月，国家联合多部门印发《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》（以下简称“《实施意见》”），明确至2027年和2030年两阶段发展目标，并从基层应用、临床诊疗、患者服务到中医药、公共卫生等八大方向部署24项重点任务表：《实施意见》两阶段发展目标及重点应用领域时间主要内容建立一批卫生健康行业高质量数据集和可信数据空间，形成一批临床专病专科垂直大模型和智能体应用，基层诊疗智能辅助、临床专科专病诊疗智能辅助决策和患者就诊智能服务在医疗卫生机构广泛应用，基本建成一批医疗卫生领域国家人工智能应用中试基地，打造更多高价值应用场景，带动健康产业高质量发展2027年基层诊疗智能辅助应用基本实现全覆盖，推动实现二级以上医院普遍开展医学影像智能辅助诊断、临床诊疗智能辅助决策等人工智能技术应用，“人工智能+医疗卫生”应用标准规范体系基本完善，建成一批全球领先的科技创新和人才培养基地2030年重点应用领域主要目标加强紧密型县域医共体智能应用；建立基层医生智能辅助诊疗应用；加强居民慢性病规范管理服务；强化健康管理、养老和托育服务人工智能+基层应用人工智能+临床诊疗

推广医学影像智能诊断服务；拓展临床专病辅助诊疗服务；拓展临床专病辅助诊疗服务人工智能+患者服务

优化患者智能服务流程；强化智能转诊服务人工智能+中医药加强智能中医诊疗应用；加强中药全周期智能管理；推进中医药装备智能升级人工智能+公共卫生

加强传染病监测预警；强化卫生应急管理和处置；加强重点疾病和重点人群管理人工智能+科研教学

深化医学科学研究智能应用；拓展健康科普服务；推进药物科研成果转化人工智能+行业治理

推广医疗卫生机构智能管理；加强卫生健康行业智能监管；深化应急救治体系智能应用人工智能+健康产业

发展智能新型服务业态；提升智能医疗装备创新能力；推动智能信息产业创新证券研究报告资料：中央人民政府网站，申万宏源研究81.5

一级市场投资趋理性，聚焦诊断与研发图：2015.06-2025.06中国AI医疗行业各赛道融资事件统计（项目数量：个）◼

一级市场AI项目投资趋于理性，对医学诊断、AI赋能医学诊断848981261471057846138352311921564121317056361381121新药研发赛道的关注度高AI赋能新药研发其他7◼

多个细分赛道领跑企业在一级市场得到孵化，依托在数据、算法、产业链协同等方面的先发优势，有望引领各自领域行业变革AI赋能诊断及运营AI赋能医疗器械与硬件AI赋能健康管理及服务3372早期阶段（种子/天使）后期阶段

其他（战（D轮及以

略投资/并成长期（A

成长期（B

成长期（C成熟期（IPO）轮）轮）轮）后）购等）资料：动脉网，申万宏源研究表：2015-2025

年国内AI医疗行业各赛道明星项目公司简称行业主营业务所在赛道最近一期融资规模英矽智能AI靶点发现,AI药物发现人工智能药物发现AI赋能新药研发AI赋能新药研发AI赋能新药研发AI赋能新药研发2025年

，港股IPO，募资近23亿港元深势科技剂泰医药晶泰科技华深制药AI药物设计新一代分子模拟技术平台人工智能驱动药物制剂开发药物晶型设计服务2025年，C轮，超8亿元AI药物开发AI药物设计,创新药AI药物开发2024年，C轮，1亿美元2025年，港股上市后三轮配售，合计募资43.43亿港元2022年，A轮，近5亿元微观世界分子计算、模拟与设计的智能系统

AI赋能新药研发万相科技X射线机及配套,人工智能多模态影像和人工智能深度融合AI赋能医疗器械与硬件2025年，Pre-A轮，数千万元集神经接口、机器人与人工智能技术于一体傲意科技生理参数监测设备,人工智能,康复机器人AI赋能医疗器械与硬件2025年，B3轮，近亿元的研发平台睛采智能聆心智能深至科技康复训练软件,人工智能康复训练软件,人工智能,医疗服务影像处理软件,AI影像诊断肌肉骨骼数字疗法研发精神健康服务超声影像AI诊断植入式视网膜电刺激器、持续葡萄糖监测及疾病筛查AI赋能医疗器械与硬件AI赋能医疗器械与硬件AI赋能医学诊断2023年，Pre-A轮，数千万元2023年，Pre-A轮，数千万元2025年，A轮，数千万元硅基仿生监护设备,AI辅助诊断AI赋能医学诊断2025年，D轮，近5亿元数坤科技库柏特森亿智能Manteia柯林布瑞每因智能AI影像诊断人工智能影像诊断平台机器人智能操作系统医疗数据智能分析及管理自适应放射治疗计划系统医疗大数据服务商AI赋能医学诊断2024年，B轮，2亿元2022年，C轮，亿元级别2021年，E轮，4亿元2024年，B轮，1.1亿元2022年，B轮，近2亿元2025年，种子轮，千万级医疗信息化,人工智能医疗信息化,人工智能人工智能,治疗计划软件人工智能,医药数据人工智能,健康管理AI赋能诊疗及运营AI赋能诊疗及运营AI赋能诊疗及运营AI赋能诊疗及运营AI赋能健康管理及服务疾病预测平台倍佐健康智冉医疗数鸣科技人工智能,健康管理,互联网医疗人工智能,医疗服务医疗保险,人工智能心血管健康数字化服务商侵入式柔性电极脑机接口保险及大健康用户行为预测及商业化AI赋能健康管理及服务AI赋能健康管理及服务AI赋能健康管理及服务2024年，天使轮，千万级2026年，A+轮，3亿元2021年，A轮，过亿元创芯国际程天科技索思医疗镁伽科技类器官,人工智能,器官移植人工智能,肌肉及运动功能康复器械生理参数监测设备,人工智能人工智能类器官全产业链及类器官库其他其他其他其他2025年，B轮，近亿元2024年，B轮，近亿元2025年，C轮，数亿元2025年，D轮，近亿元外骨骼康复机器人柔性可穿戴医疗器械致力于机器人自动化与人工智能应用证券研究报告资料：动脉网、36氪创投平台，申万宏源研究91.6

二级行情从基础设施起步，向模型及应用层扩展◼

二级市场AI医疗行情演绎路径与其他科技主线相近。从算力等基础设施起步，逐步向模型层和应用层扩展。标的方面，率先获得市场认可的是商业模式清晰（支付端明确或即将明确），具备数据核心资产或技术护城河的企业，如平安好医生（1833.HK）、京东健康（6618.HK）、美年健康（002044.SZ）◼

2026开年（截至26/2/27收盘）AI医疗迎普涨行情。主要原因包括：1）26年初智谱AI、MiniMax相继登陆港股，标志大模型商业模式初步成熟，26年AI在工业、医疗等领域的应用落地速度有望加快；2）25年底英矽智能等明星企业上市提振市场情绪，一级市场及IPO在审队伍中仍有较多优质标的表：沪深、港股AI医疗代表公司股价涨跌幅及PS估值股价涨跌幅%估值截至26/2/27收盘公司代码公司名称202120222023

20242025PSttm26PSAI赋能诊疗及运营1833.HK6618.HK0241.HK平安好医生京东健康阿里健康-69.8-59.0-71.2-24.916.10.9-16.6-45.2-36.2-1.9-28.1-21.7127.197.552.1-6.52.310.55.02.62.54.62.22.6AI赋能新药研发2228.HK3696.HK688222.SH

成都先导AI赋能健康管理及服务002044.SZ

美年健康AI赋能医学诊断晶泰控股英矽智能58.223.991.09.566.824.959.784.223.546.6231.519.1-21.87-30.7-42.4-21.911.2-2.0-17.5-23.215.332.62.62.3688271.SH

联影医疗600055.SH

万东医疗603882.SH

金域医学603108.SH

润达医疗-22.5-12.1-18.0103.3-7.4-10.8-54.7-21.1-0.64.05.34.1-0.112.97.07.86.82.41.37.14.82.11.1136.9-12.921.2-17.6-28.7-24.6-6.0资料：Wind，申万宏源研究。注：2026年2月28日美以伊战争爆发，影响市场情绪及流动性，剔除突发事件影响，26年我们统计截至26/2/27日收盘的涨跌幅证券研究报告10主要内容1.

供需共振，AI渐进式重塑医疗产业链2.

把握结构性机会，识别优质细分赛道3.

北证重点个股介绍112.1

把握结构性机会，识别优质细分赛道◼

AI在医疗行业的应用前景广阔，但不同应用场景的成熟度与市场潜力存在显著差异，其中，AI制药和AI医学影像诊断处于“高成熟度+高潜力”区间，健康管理和个性化治疗处于“高潜力+中成熟度”区间，属于优质细分赛道图：医疗AI细分场景技术成熟度与市场潜力表：医疗AI优质细分赛道说明应用方向技术成熟度市场潜力说明AI制药核心价值在于有望从根本上重塑药物开发模式，但商业化节奏受到临床试验周期等制约，当前更多体现为中长期期权价值药物研发高高医学影像诊断高中高高应用最成熟，成长路径最清晰由于疾病的多样性和个体差异，AI系统的预测精度和临床适用性仍需提升个性化治疗健康管理在情感理解、复杂问题处理和个性化服务方面还有改进空间低高资料：阿里云，申万宏源研究资料：阿里云，申万宏源研究证券研究报告122.2

AI制药：从根本上重塑药物研发模式◼

AI制药：传统新药研发依赖开发者的经验和反复试验，AI擅长处理高维数据和复杂非线性关系，改变传统药物研发流程◼

AI制药主流商业模式分三类，AI+SaaS、AI+CRO、AI

biotech，即售卖AI辅助药物开发平台、提供服务、推进自研管线。从SaaS到CRO是发展趋势；AI+CRO模式公司大致分两类，一是CRO+AI类，AI作为工具提高工作效率，竞争要点仍在客户维护以及全链条服务方面；二是AI＋CRO类公司，竞争要点在于算法能力，提供CRO实验服务是为了AI预测的验证和落地；AI

biotech公司自研药物管线，也会推进BD合作或者提供平台服务◼

参与者背景多元，技术平台各异，共同“做大蛋糕”。生命科学领域可探索空间广阔，已有的数据积累相较于可探索的药物分子、作用机制来讲极为有限，预计行业将以较快速度持续增长。据弗若斯特沙利文预测，2023至2032年全球AI赋能药物研发费用将从119亿美元增加至746亿美元，CAGR为22.6%表：AI赋能药物主流商业模式图：2019-2032(E)年AI赋能药物研发费用市场规模74.680706050403020100商业模式AI

SaaS公司举例60.8国际：ConcertAI国内：西湖欧米、百奥智汇48.9CAGR

22.6%38.8国际：Shrodinger、Charles

River30.323.9AI

CRO国内：泓博医药、成都先导、晶泰科技18.915.6国际：Recursion、Relay、英矽智能国内：德睿智药、百图生科13.711.910AI

biotech科技企业8.65.37

5.41国际：谷歌、微软国内：字节跳动、阿里巴巴、、腾讯AI赋能药物研发市场规模（10亿美元）资料：弗若斯特沙利文，申万宏源研究资料：弗若斯特沙利文，申万宏源研究证券研究报告132.2

AI制药：临床价值预计在中长期体现◼

由AI设计的药物分子陆续进入临床试验，AI制药技术价值逐步转化为市场认可的商业现实。2024年6月高德纳咨询公司（Gartner）对生命科学高管进行调查，结果显示，2024年正在实施或已经实施生成式AI的受访者数量占比从21%增加到49%，临床开发和商业化领域的生成式AI实施率分别从11%和9%攀升至36%。全球范围6家生成式AI药物发现公司将创新候选药物推进至临床阶段，随着AI发现的新靶点、AI设计的分子陆续进入III期临床，市场将重新评估AI技术平台和资产价值表：全球领先的AI制药企业、技术平台及管线情况等汇总主要资产I期临床公司AI平台临床管线实验室AI技术重点领域科研成果试验周期靶点发现：√

(商业可用)分子生成：√

(商业可用)临床试验：√

(商业可用)靶点发现：√

(内部)分子生成：√

(内部)临床试验：无公开可用资料

Ⅰ期英矽智能（InSilicoMedicine）智能实验室与湿实生成式AI/机器学纤维化、肿瘤学、

超过250篇同行评免疫学

审出版物2个Ⅱ期、8个Ⅰ期12个月验室习/深度学习1个Ⅲ期、1个Ⅱ期、1个Ⅰ/Ⅱ期、1个

无公开可用资料机器学习/深度学习精准肿瘤学与遗传

在会议与研讨会上RelayTherapeuticsSchrödingerRecursion33个月疾病多次展示靶点发现：√

(商业可用)数百篇关于生物制剂及小分子药物发现的出版物机器学习/深度学习分子生成：√

(商业可用)临床试验：无公开可用资料靶点发现：√

(商业可用)分子生成：√

(商业可用)临床试验：√

(商业可用)靶点发现：无公开可用资料分子生成：√

(商业可用)临床试验：无公开可用资料靶点发现：√

(商业可用)分子生成：√

(商业可用)临床试验：无公开可用资料2个Ⅰ期无公开可用资料1期未完成未披露肿瘤学1个Ⅱ期、3个湿实验室与干实验机器学习/深度学肿瘤学、炎症与免

多篇出版物与海报疫学、罕见疾病

以及开放数据集Ⅰ/Ⅱ期、1个Ⅰ期室习/LLM内分泌系统疾病、湿实验室与干实验室多篇出版物与海报以及开放数据集AbCellera2个Ⅰ期机器学习尚未启动临床试验代谢疾病及免疫性疾病2个Ⅰ期、2个IND获批、2个IND申请肿瘤学、神经学、呼吸学、炎症性疾

多篇出版物与海报病、眼科湿实验室与干实验生成式AI/机器学XtalPi1期未完成室习/深度学习资料：弗若斯特沙利文，申万宏源研究证券研究报告142.2

AI制药：优选找准自己生态定位、具备长期优势的企业◼

建议关注能够找准自己生态定位、具备长期优势的企业。若定位医药研发外包企业，竞争优势在于数据-算法-算力-实验闭环能力，若竞争优势仅停留在算法或工具层面，业务空间或许随着大型药企内部开发AI工具而被压缩；若定位创新药企，主动承担临床风险，需要AI系统真正理解疾病机制、与实验验证（湿实验）形成闭环；若深耕细分赛道，AIbiotech需瞄准高壁垒领域，在数据壁垒高、设计复杂度强的特定药物形态上建立绝对专业优势表：不同生态定位代表性企业企业名称定位AI技术能力公司是全球少数同时拥有基于量子物理的第一性原理计算、人工智能技术及自动化湿实验室能力的药物及材料科学研发公司拥有8个自主开发的AI基本生成模型，包括：用于同类药物发现的口袋型生成模型、用于同类最佳或快速晶泰科技医药研发外包服务

跟进药物发现或SAR研究的骨架跃迁模型、用于性质优化的目标导向生成模型等智能机器人湿实验室能够覆盖并自动化传统实验过程中约80%的实验步骤2020至2024年公司自动化和控制解决方案收入占比增加，24年生物制药解决方案/自动化和控制解决方案收入占比分别为39%/61%AI驱动药物发现与开发公司，自主开发生成式人工智能平台Pharma.AI，已有效产生超20项临床或IND申报阶段资产。其中3项已对外授权，1项推进至II期临床医药研发外包服务+英矽智能华深智药利用Pharma.AI，候选药物从靶点发现到PCC确认时间为12至18个月，短于传统方法（平均需时4.5年）正在将Pharma.AI的应用范围扩展至多个行业：先进材料、农业、营养产品、兽医药物等自研管线临床前药物研发服务是最主要的收入，软件解决方案来自专有生成式AI平台的授权部分相关的订阅单由清华大学人工智能产业研究院孵化，公司技术平台包括蛋白质结构预测与高通量生物实验两大模块，具备成专注于AI+高通量抗

熟的抗体发现与优化平台能力体优化2026年1月，海外关联公司与赛诺菲达成战略合作，公司将收取约1.6亿美元的前期与阶段款，并在未来可按销售额分成特许权使用费利用独有的Synov

平台技术建立了丰富而差异化的大环肽药物管线专注于大环肽药物

2025年3月，与阿斯利康达成战略合作，阿斯利康将获得公司大环肽平台使用权，公司获得7500万美元首付款及其他近期里程碑付款和商业里程碑付款，总金额最高可达34亿美元元思生肽资料：各公司官网，申万宏源研究证券研究报告152.3

AI医学影像：从“辅助工具”到“诊断伙伴”◼

AI医学影像应用价值从“辅助工具”到“诊断伙伴”。初期的医学影像AI主要基于卷积神经网络（CNN），通过在大量标注影像数据上的训练，实现特定部位的病灶识别，2020-2022年，人工智能医学影像产品在多个领域通过国家药监局的审评审批，深度学习等AI技术在临床得以应用和验证。早期医学影像AI的局限性：一是封闭模型，泛化能力弱；二是缺乏对临床文本、病理报告等多源信息的综合理解能力等。2023年起多模态大模型兴起，多模态大模型优势在于能够协同处理和理解多种类型的医疗数据，包括影像、文本、语音等，功能定位逐步从辅助诊断向全病程管理、融合诊断演进表：联影集团"元智"医疗大模型（uAI

NEXUS）模块核心能力表：早期医学影像AI与多模态医疗大模型技术特征对比基于DeepSeek等通用模型注入医学知识，仅70B参数即可本地部署，兼顾算力与响应速度文本大模型特性早期医疗影像AI当前多模态医疗大模型数千万级影像、数十万级标注训练，支持10+模态、300+分割任务，关键任务准确率影像大模型>95%CNN等专用深度学习架构Transformer架构

+预训练-微调范式技术基础视觉大模型语音大模型混合大模型覆盖4D建模、电影级高速渲染、医疗视频生成、人体重建，多项SOTA在嘈杂环境精准识别医疗术语，支持多说话人声纹分析，解决临床交流“最后一米”融合“看、听、想、读”，已在AI+AR皮瓣移植手术中完成数十例真实落地多模态

(影像、文本、语音、视频)数据处理能力疾病覆盖范围系统集成度单一影像模态单病种

/单部位多病种

/多部位联合资料：新华社客户端，申万宏源研究图：MeDiM医学离散扩散模型：通过一个多模态大语言模型作为扩散骨干，实现图像和文本之间的转换以及图像-报告对的联合生成独立工具，分散工作流嵌入式智能，无缝集成知识更新机制解释性定期重训练黑盒决策持续学习，自主进化可解释的推理过程资料：动脉网《大模型在医疗场景的应用实践》，申万宏源研究资料：Jiawei

Mao等《DISCRETE

DIFFUSION

MODELSWITH

MLLMSFORUNIFIED

MEDICALMULTIMODAL

GENERATION》，申万宏源研究证券研究报告162.3

AI医学影像：传统与新兴市场均有看点◼

AI在医学影像领域的应用将不断增强，需求来自传统医疗影像市场的产品升级需要和新兴医学影像市场发展◼

传统市场：2024年国内医学影像设备市场约562.9亿元，三甲医院贡献医学影像设备采购总量的50%以上，国家大规模设备更新政策托底设备更新需求，智慧医院建设政策鼓励AI与影像设备结合。此外，分级诊疗制度实施为AI医学影像带来下沉市场需求◼

新兴市场：第三方独立影像中心、诊断中心等新兴市场发展带来增量需求。据数坤科技预测，随着AI技术在医学影像行业的采纳提升和应用面拓展，行业渗透率将从2020年的0.7%升至2030年的41.3%图：人工智能医疗影像在下级医疗机构及第三方影像中心的应用结构图：2020-2030E

AI应用在中国CT、MRI及超声扫描的渗透率资料：头豹研究院《中国AI医疗行业白皮书》，申万宏源研究资料：数坤科技、头豹研究院，申万宏源研究证券研究报告172.3

AI医学影像：软硬件结合是目前主流，“独立支付”有望落地◼

AI医学影像主要有三种商业模式，与设备绑定是主流模式。(1)收取软件费用：企业提供AI医学影像分析软件，向医疗机构收取相应的软件使用费用；(2)医疗服务分成：AI医学影像产品提升诊断功能，与医疗机构进行服务费分成。以软件技术为核心驱动的企业如数坤科技、腾讯觅影往往同时提供软件售卖和按服务量分成的服务，因大部患者不愿意接受AI带来的额外收费，收入主要来自软件售卖或订阅。2024年底AI辅助诊断被国家医保局列入医疗服务价格构成，随着收费标准建立，数据孤岛、隐私安全等问题解决，AI医学影像软件有望形成独立的支付逻辑。(3)软硬件结合：在医疗设备中嵌入AI模块，硬件捆绑软件销售，因大型设备由头部厂商形成垄断，具有占位优势，软硬件结合是目前主流模式，软件系统由硬件企业自研或与外部软件公司合作图：2024年我国医学影像设备领域各品牌中标市场情况（前10名）表：中国已上市部分AI医学影像产品分布（单位：个）（械III，统计截至2026/3/3）企业分类公司GE医疗​西门子医疗​联影医疗​飞利浦医疗迈瑞医疗​东软医疗​万东医疗​佳能医疗​深圳开立​普爱医疗​深睿医疗数坤科技推想医疗医准智能肺部乳腺心血管脑血管骨科眼底其他14012010080117.89102.471414111222​83.3179.04硬件企业6035.014016.25208.676.495.144231122541336422111434.370软件及科技

乐普医疗企业腾讯觅影慧影医疗体素科技安德医智致远慧图111111221中标金额（亿元）2资料：新型生物材料与高端医疗器械广东研究院数据中心院端招采数据库，申万宏源研究资料：摩熵医药中国上市医疗器械数据库，申万宏源研究证券研究报告182.4

AI病理辅助诊断：有效解决人工诊断低效率等痛点问题◼

病理诊断是临床诊断的“金标准”，AI病理辅助诊断有效解决人工诊断效率低、病理医生不足等问题。病理诊断根据样本类型可分为组织学检查、细胞学检查，诊断流程依次分取样、制片、染色、诊断、报告五个步骤。人工病理诊断依赖人工分析，一是存在费时费力，主观性强，诊断一致性欠佳等问题；二是我国病理医生总体短缺且分布不均，极大制约了行业发展。AI病理辅助诊断的优势主要体现在效率、准确性、一致性上，AI基于海量高质量病理图像进行训练，大幅减少因经验差异、疲劳等因素导致的漏诊、误诊等情况发生表：几款国产AI病理大模型模型名称研发单位瑞金医院、发布时间使用场景与核心能力模型亮点瑞智病理大模型RuiPath临床级国产多模态互动式病理大模型，癌种覆盖广、互动式诊、诊断准确率高临床级应用、多模态融合、医企合作典范2025年2月图：AI病理诊断流程西湖大学人工智能与生物医学影像实验室融合镜下视野和全场图（WSI）的多模态病多模态融合创新、定位“超级私人助理”、DeepPathAI2025年4月2024年7月经过取样、切片、染色等步骤人工制片理大模型，多癌种诊断，效率提升显著制成病理切片国内首个病理大模型，大规模数据训练、广泛临床任务支持、SenseCare®消化道病理智能分析系统多视觉-语言多模态是关键、缓解医生工作负荷、推动行业标准化空军军医大学、清华大学等科研机构及企业联合PathOrchestra通过高清扫描设备将病理切片转变为数字图像数字化重庆大学附属肿瘤医院、智能肿瘤学教育部医药基础研究创新中心、医策科技全诊疗级多模态病理大模型，以高质量数据为基础，多器官、多癌种覆盖，还原诊断路径，提升可解释性由AI算法对数字图像进行分析“诊疗级”定位、攻克AI可解AI读片处理，排除阴性切片灵眸2025年3月2024年7月释性难题、产医研协同创新医师对AI标识的阳性切片进行复核，确定疾病种类医师读片专注于胶质瘤的临床级诊断和分子标志物发现，并可拓展到其他类型肿瘤的病理诊断，弱监督学习，多尺度信息提取，精准诊断与分子特征预测清华大学自动化系生命基础模型实验室、中南大学湘雅医院AI基础模型探索，分子标志物发现ROAM模型根据AI报告和医师检查出诊断报告出具报告湘江实验室主导，中南大学湘雅基础医学院病理学科团队等参与湘江轩辕病理大模型融合了电镜超微病理信息，为一些疑难疾病的诊断提供更精细的依据技术融合创新、赋能区域医疗创新、推动多学科交叉2025年1月2024年7月资料：头豹研究院，申万宏源研究专门针对妊娠滋养细胞疾病（如葡萄胎、侵袭性葡萄胎、绒癌、胎盘部位滋养细胞肿瘤等）的AI辅助诊断AI聚焦专病，解决痛点、提升基层诊疗能力、多中心合作，数据驱动GTDoctor及GTDiagnosis清华大学自动化系、郑州大学第三附属医院证券研究报告资料：国际科技创新中心网站，申万宏源研究192.4

AI病理辅助诊断：盈利模式趋于明朗，普惠产品大有可为◼

AI病理辅助诊断的盈利模式趋于明朗，主流商业模式或偏向软硬件结合、信息系统整合的解决方案。2025年底国家医保局印发《病理类医疗服务价格项目立项指南（试行）》（以下简称《立项指南》），“人工智能辅助诊断”被列为扩展项，成本被要求在定价时予以考虑，为AI进入病理收费体系提供依据。收费形式：预计AI辅助诊断技术将融合在病理诊断服务中向患者收费◼

面对国内病理医师供需缺缺口持续扩大的压力，下至基层的AI普惠产品大有可为。典型案例：瑞智RuiPath病理大模型→RuiPath智慧病理一体机（面向基层产品）图：瑞智RuiPath病理大模型总体框架资料：官方网站，申万宏源研究证券研究报告202.5

AI医学检验：临床未满足需求强烈，市场格局未定◼

AI赋能细胞形态学检验提质增效。细胞形态学是医学检验主要领域，主要涉及血液、体液、液基细胞、组织病理等样本的显微镜检查，覆盖面广泛。目前大部分医学检验项目依赖人工镜检，仅尿液、粪便成分简单的项目自动化镜检项比例达50-60%。随着深度学习在细胞形态领域的研究日趋成熟及全载片数字化成像等技术出现，AI医学检验产品逐步成为医师降低阅片强度，医院降本增效的有效手段◼

AI医学检验主流商业模式为提供软硬件+耗材一体化方案，市场格局未定，软件端和硬件端均处于数据积累的市场开发阶段。医学检验项目依赖人工，未形成严重的仪器占位，目前主要参与企业在市场开发阶段，通过收取试剂费用或第一年免费等优惠政策推动AI软硬件在院端落地图：AI在医学检验中的应用表：国内医学检验自动化程度样本类型人工镜检比例100%需要人工镜检临床未满足需求程度未满足需求非常强烈痰液妇科白带

95%以上需要人工判读

未满足需求非常强烈液基95%需要人工阅片判读

未满足需求非常强烈染色体95%需要人工阅片判读

未满足需求非常强烈80-90%需要人工阅片判血球精液尿液未满足需求大读80%以上需要人工镜检

未满足需求大全自动化程度较高，人工

存在一定未满足的需求：针对复杂细镜检率在50%左右胞仍有一定准确度提升空间存在一定未满足的需求：针对特殊虫卵识别的准确率较低，存在一定的提升空间全自动化程度较高，人工镜检率40%左右粪便资料：头豹研究院，申万宏源研究资料：头豹研究院，申万宏源研究证券研究报告212.5

个性化治疗：AI+多组学提供全面的科学依据支持◼

AI与多组学结合，为个性化治疗提供全面的科学依据支持。基因组学、转录组学、蛋白质组学、代谢组学等领域技术发展以及相应的数据分析为疾病预测和诊断提供关键信息，AI整合多组学数据突破单一组学限制，为制定个性化治疗方案提供支持。目前应用场景：疾病早期诊断、慢病管理等。作为基础研究至临床应用的基础设施，AI+多组学可扩展的应用场景广阔◼

软硬件结合构筑竞争壁垒，数据是核心资产。高端仪器（如高通量测序仪、质谱仪、冷冻电镜）生成多组学数据，仪器性能直接影响数据质量；多组学数据具有高维度、异质性特点，大模型有效整合数据资源。海量、高质量的多组学数据让模型“越用越准”图：人工智能在多组学分析中的应用表：AI+多组学应用场景示例应用领域用途在乳腺癌治疗中，AI系统通过整合以下数据：1.基因组突变图谱(如PIK3CA突变状态)；2.循环肿瘤DNA(ctDNA)动态监测；3.PET-CT代谢影像特征构建动态风险评估模型，指导个体化放化疗方案调整肿瘤精准治疗糖尿病管理系统通过:1.可穿戴设备采集血糖波动数据；2.肠道微生物组宏基因组分析；3.血清炎症因子水平，监测AI模型预测未来6个月并发症风险，提前调整用药方案慢病管理资料：头豹研究院，申万宏源研究资料：Josephine

Yates等《New

horizonsattheinterface

ofartificialintelligence

and

translationalcancer

research》，申万宏源研究证券研究报告222.6

AI健康管理：

C端潜力可观，平台型商业模式清晰◼

AI重塑健康管理生态，C端潜力可观。健康管理涉及运动健康管理、慢性病健康管理、睡眠健康管理、营养健康管理及生命体征监测管理等。需求端，国人付费意愿显现。根据益普索《2025中国成人健康管理洞察报告》，国人健康意识普遍提升，部分消费者愿意为AI健康管理服务付费，尤其在个性化监测与预警方面。供给端，以蚂蚁阿福为代表的平台型AI打通监测、分析、干预、支付闭环，提高健康管理的效果和可行性◼

蚂蚁阿福商业模式：基础咨询免费+复杂服务抽佣+保险转化。实现路径：先解决用户痛点、建立信任生态、再到商业变现。蚂蚁阿福生态完整，硬件与平台方资源互补：硬件方定位：专注于数据采集；平台方定位：流量入口、下沉市场图：蚂蚁阿福APP总体框架资料：蚂蚁阿福APP，申万宏源研究证券研究报告23主要内容1.

供需共振，AI渐进式重塑医疗产业链2.

把握结构性机会，识别优质细分赛道3.

北证重点个股介绍243.1

锦波生物：AI+重组胶原蛋白研发与制造平台◼

率先构建AI+重组胶原蛋白研发与制造平台：AI胶原智脑系统：构建多模态AI训练框架，生成式AI与高通量实验闭环反馈机制。FAST胶原蛋白数据库，数据来自：自主积累的胶原蛋白功能区数据和结构数据。GMP合规导向的智能生产体系：建立智能化生产系统（DCS+MES+SCADA+智能中枢）毫秒级动态监控生物反应器温度/pH/溶氧等关键参数；建立全生命周期追溯机制◼

AI平台效益：研发转化周期从18个月压缩至12个月，提速33%◼

有序推进多型别胶原基础研究及产品开发：重组胶原蛋白在血管内皮、子宫内膜、创面、口腔黏膜修复及骨科等领域前景广阔，公司推进重组I型、II型、IV型、V型、VII型、XVII型、III型等型别应用研究表：公司在研项目情况（不完全统计）图：公司AI+重组胶原蛋白研发平台序号胶原蛋白型别相关专利1重组I型-1.

关于用途(202310537499.9)；2重组II型2.

在预防或治疗病毒感染中的应用((202510607465.1)3.

关于用途(202510388220.4，已提交申请)生产制备方法(202311391711.1)345重组IV型重组V型重组VII型生产制备方法(202210849498.3)生产制备方法(202211017546.9)1.

关于用途(202411691356.4)；678重组XVII型重组III型其他型别2.

生成制备方法(202410026356.6，已提交申请)1.

滴眼液制备方法(202410340763.4)；2.

用于血管修复(202410931833.3)；3.

用于治疗胃癌(202411849138.9，已提交申请)；4.

用于治疗宫颈癌(202411996629.6，已提交申请)；5.

水凝胶制备方法(202411095415.1，已提交申请)1.

XX型制备方法(202410969568.8，已提交申请)；2.

VI型制备方法(02411463562.X，已提交申请)资料：锦波生物官方网站，申万宏源研究证券研究报告25资料：公司定增申请文件第一轮问询回复，申万宏源研究3.2

百英生物：专注抗体药物发现环节CRO，自研AI技术平台◼

聚焦抗体药物发现阶段的CRO企业。拥有一系列独特优势的抗体发现平台，累计服务国内外超2600家药企客户◼

基于AI技术打造抗体优化改造平台FCMES-AM®。FCMES-AM亲和力成熟平台通过单点饱和突变结合高通量哺乳系统表达的方法，将CDR区域的每个氨基酸以相同的比例突变为其他18个氨基酸(半胱氨酸除外)，很好地解决了饱和突变库的偏向性问题。传统基于建库技术的亲和力成熟方法，实验周期需要3到6个月，公司平台最快6周交付◼

在抗体人源化平台中引入AI辅助设计提高项目成功率。公司提供基于CDR移植的抗体人源化服务，并借助AI进行回复突变的打分评估，帮助抗体的人源化设计，最快3周完成抗体人源化服务◼

有序推进AI技术与其他平台融合。公司在研全自动淘选噬菌体文库、基于高通量数据的抗体快速发现AI平台等项目，旨在进一步提高抗体发现效率表：公司AI技术应用情况图：百英生物技术平台抗体发现与优化业务技术平台AI技术应用确定CDR区及引物设计环节：自主研发的

BIOINTRONOVERLAPPCR

引物设计软件，可以准确高效进行引物设计热点组合抗体环节：自有计算资源英伟达A100（80G）可自研算法，将热点组合从通量筛选变为AI辅助抗体亲和力成熟技术平台FCMES-AM®抗体亲和力成熟服务序列到结构3D建模环节：自研结构预测模型Biointron-Fold，评估均方根差（rmsd）比现有的序列到结构预测模型高CDR移植环节：基于结构预测数据训练开发自有模型biointron-CDR，该模型确定的CDR区域更真实回复突变环节：通过图神经网络平台Biointron-Dock预测抗原抗体结合位点。准确分析CDR移植后亲和力下降的抗体，找出在框架区的结合位点，提高回复突变设计成功率抗体人源化技术平台抗体人源化服务资料：公司官网，申万宏源研究证券研究报告资料：公司北交所公开发行招股说明书（申报稿），申万宏源研究263.3

海金格：构建HI+AI知识库，智能化设计临床试验方案◼

提供一站式临床CRO服务。具备以创新药为主，仿制药、医疗器械等全覆盖的临床研究服务能力，公司人员规模在我国本土临床CRO企业中处于第一梯队◼

率先掌握HI与AI融合的临床试验顶层设计技术。公司与中科计算技术西部研究院，初步构建脓毒症、类风湿性关节炎、胰腺腺泡细胞癌等疾病的HI+AI知识库，通过AI

Agent调用通用大模型，探索AI智能化设计相关疾病的临床试验方案◼

战略合作参股企业哲源科技，推进“AI+临床研究”、“AI+药物研发”融合应用。2022年战略投资哲源科技（持股比例1.84%），哲源是一家以人工智能和超级计算技术驱动的创新药研发平台，旨在借助AI技术进行产业赋能图：基于HI+AI知识库的临床试验顶层设计构建过程（以脓毒症（Sepsis）为例）表：基于HI+AI知识库的临床试验顶层设计的主要优势创新点HI+AI优势将外部信息和内家经验积累进行融合，形成结构化的知识库，知识形态将碎片化的信息和经验转化为知识知识量海量文献通过AI进行学习，在原有知识积累基础上快速扩充知识更新知识库持续更新迭代，知识更新及时知识可继承性工作效率以知识库的形式进行沉淀，更便于继承和使用知识库的构建大幅提高了知识的检索速度、精准度和利用效率有结构化的知识库作为基础，可利用通用大模型实现AI智能化设计AI智能化设计HI与AI融合，高效利用更加全面和前沿的知识，建立顶层设计的技术优势和技术壁垒，真正成为申办方临床研究的外脑整体设计和服务能力资料：公司北交所公开发行招股说明书（申报稿），申万宏源研究资料：公司北交所公开发行招股说明书（申报稿），申万宏源研究证券研究报告273.4

丹娜生物：专精IFD诊断，市占率高，延伸AI产品◼

专精侵袭性真菌病诊断，市占率高。方法学全面，产品分酶动力学、酶联免疫法、免疫层析法、化学发光法、荧光定量PCR法五大系列，获国内外权威指南推荐。根据弗若斯特沙利文报告，22年公司国内市场份额约30%。截至2025年末，公司试剂产品进入全国1300多家医疗机构，大量三级及二级医院待拓展◼

加码AI应用，发挥专家资源和数据积累优势，落地精准诊疗、合理用药等场景，已有商业化产品，储备项目多元。目前两类产品布局，(1)“慧眼识菌”智能APP：通过形态学识别真菌感染种类，已完成APP开发并在多家医院试用；(2)微生物显微扫描仪：是一款基于自动化智能技术的微生物鉴定系统，主要攻克传统人工镜检不快、检不准、检不齐的痛点，产品预计2026年提交注册表：公司业务结构图：国内侵袭性真菌病检测试剂盒市场规模项目细分业