本文系基于公開資料撰寫，僅作為信息交流之用，不構成任何投資建議

最近半年，醫療AI賽道的溫度，已經不需要研報來證明了。

5月29日，國家衛健委發布通知，要求加強基層醫療的數智化賦能，明確探索AI輔助診斷、處方前置審核等技術。往前翻，年初六部門印發疾控強基方案要求推進“人工智能+”行動，再往前，“健康中國2030”、五部委“人工智能+醫療衛生”實施意見、AI輔助診斷納入醫保乙類目錄——政策鏈條從頂層設計一路穿透到基層落地，節奏越來越密。

市場也在跟著升溫。企查查數據顯示，2025年國內AI醫療企業注冊量達2.48萬家，同比增長22.38%，創下近十年新高。阿里、字節、百度等頭部玩家相繼推出AI醫療產品，賽道繁榮度肉眼可見。

無論從政策定調、支付路徑還是企業參與度來看，醫療AI已經告別了“會不會來”的討論階段，進入了“誰能真正兌現”的驗證期。

在這個窗口期，訊飛醫療交出的成績單尤其驚艷。2025年各項業務增速迅猛（見下圖）不遑多說，最新發布的星火醫療大模型V3.5，更是在醫療知識問答、診斷治療推薦、文書生成、多模態交互等關鍵任務上，能力均顯著超越GPT-5.5、DeepSeek-V4-Pro和Qwen3.7-Max。就在6月8日，上海人工智能實驗室MedBench智能體評測中，綜合得分98.9登頂。

為什么在這輪確定性兌現中，訊飛醫療會成為最大受益者？它脫穎而出的底層優勢到底是什么？

01

數據飛輪：無法復制的底層資產

去年2月，Gartner發布了AI-ready在數據層面的調研報告，Gartner認為，在算法模型相對成熟的前提下，仍有60%的項目并沒有做好充分的數據準備，最終會導致行業AI化腳步變慢。

在醫療垂直領域，高質量數據語料的匱乏尤其嚴重。問題集中體現在三個方面：

其一，醫療數據呈現“量質雙缺”，數量不足且質量參差不齊，大量病歷、影像等非結構化數據存在缺失與錄入錯誤。

其二，“孤島效應”顯著，不同醫療體系、甚至同一體系內不同科室的數據系統往往互不相通，標準化缺失導致數據編碼和字段命名混亂，大模型難以直接讀取和整合。

其三，專業標注成本極高且“數據來源單一”，醫學標注需要臨床專家深度參與，成本高、周期長，同時數據來源集中于大城市大醫院，導致模型在基層醫療機構或面對不同人群時泛化能力不足。

醫療 AI 的數據困境并非新命題。去年下半年川觀智庫就明確指出，醫療模型在學習階段面臨“數據貧瘠與知識鴻溝”；今年行業普遍熱議的數據 “量質雙缺”，進一步印證了這一核心難題始終懸而未決。

這些行業普遍性難題，恰好是訊飛醫療的壁壘所在：

受益于進入行業早、渠道覆蓋深，在數據覆蓋面上，面向基層的智醫助理已覆蓋全國31個省市超800個區縣、超7.7萬家基層醫療機構。B端面向超600家等級醫院，推出覆蓋診前、診中、診后的系列AI產品。影像云平臺累計超1.6億例影像數據，并已將體系復制至全國多個省份。

而在行業普遍卡殼的數據互聯互通與標準化治理等核心環節，訊飛醫療同樣具備體系化的解決能力。

更關鍵的是，訊飛醫療率先打通了基層醫療機構 - 等級醫院 - 居民健康管理三級數據鏈路，打破了長期存在的跨層級數據壁壘，為每一位用戶構建起全生命周期的動態健康畫像。這種跨場景、多源異構醫療數據的深度互通整合能力，是競爭對手短期內都無法復制的結構性優勢。

得益于此，星火醫療大模型依托16億人次脫敏醫療語音數據、12億次真實脫敏診療數據，疊加平臺每日新增的超220萬份語音、影像、病歷類真實醫療數據，正加速形成數據驅動的馬太效應。

最新推出的星火醫療大模型V3.5在醫療知識問答、語言理解、診斷治療推薦、文書生成、多模態交互等關鍵任務上，能力均顯著超越GPT-5.5、DeepSeek-V4-Pro和Qwen3.7-Max。

在6月8日上海人工智能實驗室MedBench智能體評測中，星火醫療大模型以綜合得分98.9的成績登頂，醫療場景感知與交互、醫療多智能體協作、醫療安全倫理與合規等多項核心能力位居第一。

就好比Coding能力強的Anthropic，通用能力強的ChatGPT，行業底層邏輯是相通的：模型能力決定應用上限，性能越強可落地的場景空間就越大。持續的研發投入和工作量轉化為海量的數據積累，數據又持續驅動大模型迭代；而迭代升級后的模型，又能滲透更多醫療場景，拓寬高質量數據的采集范圍，由此形成自我強化的正向增長飛輪。

很明顯，國內AI醫療層面，訊飛醫療的飛輪已經轉起來了。可謂“這里風景獨好”。

02

實用能力：飛輪轉起來的前提條件

在理解了訊飛醫療現階段積累優勢的同時，我們需要明晰的是，數據飛輪運轉的前提是什么，這種優勢具不具備可持續性。

其實答案非常簡單，正如前文所述，數據量優勢的前提是有人用。訊飛星火醫療大模型V3.5給出了兩組關鍵數字：病歷生成醫生采納率91%，影像報告采納率75%。

那么為什么訊飛醫療的產品會受到醫生的青睞，設想一下這個場景：一間真實的三甲醫院診室里，醫生正在和患者對話。走廊里的腳步聲、診室外面的交談聲、護士站的呼叫鈴混在一起。醫生一邊問診一邊敲鍵盤，患者偶爾插話，家屬在旁補充。這種嘈雜環境下的多說話人語音識別，比單人說標準普通話難一個數量級。

但是訊飛醫療，依靠著長期在聲學、影像學的行業Know-how，其實積累了很強的多模態能力，這一點容易被忽略。

最新推出的大模型產品中，深度融合醫療語音識別、影像輔診和醫學語義理解的多模態能力全面升級，在業界率先突破真實醫療場景下，遠場多說話人語音識別與病歷自動生成的實用門檻；在影像質控超越專家會診水平的基礎上，星火醫療大模型將影像識別與診療推理能力深度結合，影像報告生成能力業界首次跨越實用門檻。

在這背后，本質上是技術的底層突破。過去，大模型在處理長文本時存在“算力黑洞”：輸入的字數越多，計算量就會呈指數級暴增。這在醫療場景實際落地中引發了兩個行業難題：一是醫療場景下，動輒數萬字的病歷和檢查報告極易讓系統緩慢、成本飆升，無法滿足醫院本地化部署的嚴苛要求；二是國產算力平臺在面對這種超長文本時，往往由于生態和適配問題，導致訓練推理效率低下。

針對這一痛點，星火醫療大模型依托昇騰算力集群搭載 MoE 稀疏架構與 DSA+MTP 優化方案，完成了全鏈條技術重構，率先實現 DSA 訓練與推理全流程原生算子支持，優化分布式訓練策略將訓練效率提升至 90%，并通過增量遷移技術僅用 3 天就完成了從稠密到稀疏架構的無損切換。讓模型學會了針對醫療場景的重點信息捕獲與并行輸出，最終在國產昇騰 910B 集群上實現醫療長上下文場景推理吞吐量提升4.5倍。這一系列技術硬核突破，不僅完美攻克了醫療長文本的本地化響應難題，更徹底打通了國產算力平臺的性能瓶頸，為醫院和區域醫療本地化部署及高效迭代提供了堅實的底層技術支撐。

跨過實用門檻的直接結果，是商業化放量通道被徹底打開。醫療語音、病歷生成、影像輔診、循證診療助理四款產品均已率先達到實用門檻，B端收入增長的確定性正在快速提升。

其中，面向診療醫生的高毛利創新產品——循證診療助理智能體，深度整合了權威診療指南、專家共識等海量高質量醫學證據，覆蓋線上問診、門診、住院全診療場景，兼容中國診療規范與中西醫雙體系。

這其中的商業化潛力不言而喻。

2022年成立的醫療科技企業OpenEvidence就是最好的類比。OpenEvidence是一款面向醫生的AI醫學搜索引擎，通過免費策略快速滲透美國約65%的醫生群體。其核心特點是僅基于經同行評審的頂級醫學文獻訓練，為臨床決策提供帶完整出處的可溯源答案，從根源上解決了AI在嚴肅醫療場景中的信任問題。

2025年7月，OpenEvidence B輪融資后估值35億美元；僅僅三個月后估值躍升至60億美元；2026年1月完成D輪融資后，估值定格在120億美元，一年內估值翻了12倍，成為北美的AI醫療最炙手可熱的獨角獸企業。

圖：OpenEvidence使用頻次，來源： ETHK Labs

AMA調查顯示，2026年美國醫生AI使用率已從2023年的38%飆升至81%。憑借這一滲透率，OpenEvidence 2025年ARR突破1.5億美元，毛利率高達90%，已實現盈利。

訊飛醫療與OpenEvidence在產品邏輯上高度一致：

●兩者都以循證醫學為核心——OpenEvidence基于同行評審文獻構建知識庫，訊飛通過“證據對齊-反思校驗-專家強化”循證推理技術確保輸出權威性。

●兩者都將產品定位為臨床決策支持系統，而非通用聊天工具，面向的是最嚴肅的場景；兩者的數據壁壘都是時間堆出來的。

實用門檻的跨越與商業模式的系統性驗證，共同構成了訊飛醫療從“技術可行”到“商業確定”的雙重證明。同樣，也成為了訊飛醫療構建數據循環的前提及成果。

03

從基層到全域：構筑實用能力的內核

訊飛醫療的商業化落地，并不是靠某一款產品單點突破，而是基于對中國醫療體系深刻理解之上的全鏈路能力布局。

訊飛醫療的商業化路徑，本質是一套以醫生診療助理和居民健康助手為雙核心，彼此協同、數據閉環的全場景模式：通過為醫生提供全流程診療輔助打磨核心技術、建立行業標準，通過為居民提供全生命周期健康服務開拓增量市場，兩者通過統一的技術底座和數據流形成良性發展飛輪，有效破除醫療領域的數據壁壘和商業化落地難題。

前文已提到循證診療助理智能體在B端的高毛利潛力。但訊飛醫療在B端的布局遠不止于此。多模態病歷生成與醫療語音識別，是現階段最具剛需屬性、也最能直接轉化為付費收入的產品線。

病歷書寫是臨床醫生最繁重、最耗時的工作環節。《中國醫師執業狀況白皮書》顯示，三級醫院住院醫師日均書寫病歷3到4小時，占工作時間的30%以上。相關調研進一步揭示，住院醫師每天投入2.5小時在病歷上，急診科醫生錄入一份病歷耗時是接診時間的近三倍。文書工作已成為臨床醫生倦怠的首要誘因。

而星火醫療大模型V3.5在病歷書寫場景，多模態病歷生成技術實現全維度升級，突破多源醫患遠場識別、多角色定向語音增強、醫療語音識別非自回歸架構等多項核心技術，端到端病歷生成合理率達到80%。

并且，這類范本具備典型的“標桿效應”。頭部三甲醫院對新技術采納極為審慎，一旦產品通過其嚴苛的臨床驗證并得到醫生常態化使用，就意味著獲得了行業最高等級的信任背書。

當AI醫療能力在本土醫療體系內部積累到足夠深度，向普通居民端的自然延伸就成為水到渠成的必然。居民端健康服務，正是訊飛醫療遠期價值的終極兌現空間。

2025年中國互聯網醫療用戶規模已達4.11億人，居民健康需求正發生深刻的結構性升級，從過去被動的"生病就醫"，轉向主動的"全周期健康管理"；服務邊界也從單一的在線問診、復診開藥，持續擴展至健康監測、慢病精細化隨訪與跨區域遠程會診。一個規模龐大、需求明確的全民健康市場已然形成。

更關鍵的是，居民端健康服務擁有遠超單一機構服務的多元變現路徑。無論是健康咨詢、慢病管理還是藥品服務、保險聯動，都是潛在的千億規模，這也為訊飛醫療的估值提供了更大的想象空間。

然而，這個萬億級的健康管理市場，并非所有玩家都能分一杯羹。一味圍繞醫療機構做工具化服務，價值終將局限在產業鏈上游；而照搬傳統互聯網 "燒錢換流量" 的打法，因缺乏核心醫療專業能力支撐，也難以建立真正的用戶信任與商業閉環。

只有植根于本土醫療服務體系、從臨床能力內生出來的發展模式，才能重塑健康管理的敘事邏輯。

訊飛是中國目前唯一完成這種敘事躍遷的價值標的。

04

“時間的復利”正成為訊飛醫療的朋友

醫療AI的終局，是看誰能真正成為醫生診室里離不開的那個工具，成為醫院默認部署的系統，成為居民健康管理中愿意長期使用的入口。訊飛醫療正在同時向這三個目標靠近。

星火醫療大模型V3.5的發布，其實有兩層更深刻的含義：

其一，它標志著我國基于全國產算力訓練的語音、影像與長文本技術融合的醫療多模態算法及工程創新方面邁入新階段，在醫療語音識別、醫學影像輔診等多個應用場景上實現了從0到1的突破。

其二：它向我們展示了訊飛醫療的長期價值，以及可預見的實現路徑。跨越實用性門檻、創造數據飛輪、跑通商業化可持續發展，并形成階段性壁壘。

而這種壁壘，是會隨著時間放大的。醫療行業是存在所謂“希波克拉底誓言”的。這一點非常關鍵，醫生對AI的信任需要時間建立，醫院對AI的采購需要預算配合，患者對AI的接受需要文化轉變。

包括前文中提到的數據飛輪，都需要長期的積累，對于訊飛醫療而言，現階段的成績放在更長的敘事框架下，其實就是難以對價的無形資產。

訊飛醫療的長期價值，在于它能否成為這個國家醫療AI基礎設施的默認操作系統。這本質上是一道關于時間的證明題。

目前來看，答卷交得不錯。

轉載開白 | 商務合作 | 內容交流

請添加微信：jinduan008

添加微信請備注姓名公司與來意