2025年下半年到2026年上半年，是中国AI精准医疗政策最密集、产业最活跃的一段时期。国务院、国家卫健委、北京等省市接连发布重磅文件，手术机器人开始纳入医保，AI制药从概念走向管线，省级AI诊疗平台在广东、浙江跑出了千万级的用户数据。
本文所有数据和事实，均直接来自国务院、国家卫健委、国家药监局、各省市政府官网，以及一线科研机构和企业的公开公告。
2025年8月，国务院印发《关于深入实施“人工智能+”行动的意见》（国发〔2025〕11号），将“人工智能+医疗卫生”明确列为重点方向，要求有序推动AI在辅助诊疗、健康管理、医保服务等场景应用。
同年11月，国家卫生健康委、国家发展改革委、工业和信息化部、国家中医药局、国家疾控局五部门联合印发《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》。这是中国首个专门针对AI医疗的综合性指导文件，意义不在于具体措施有多少条，而在于它第一次把“AI+医疗”的边界、路径和红线画清楚了。
文件给出了明确的时间表：
到2027年——建成一批高质量数据集和可信数据空间，形成一批垂直大模型和智能体应用，基层诊疗智能辅助广泛落地，基本建成一批国家AI应用中试基地。
到2030年——基层诊疗智能辅助基本全覆盖，二级以上医院普遍开展医学影像智能辅助诊断和临床诊疗智能辅助决策，标准规范体系基本完善。
我的判断：这两个时间节点的设定非常务实。2027年不是要“全面AI化”，而是把基础设施搭好——数据集、可信数据空间、中试基地，这些是底层支撑。真正的规模化应用要看2030年。值得关注的是，文件明确提出了八大重点方向——AI+基层、AI+临床、AI+患者服务、AI+中医药、AI+公共卫生、AI+科研、AI+行业治理、AI+健康产业，这几乎覆盖了医疗卫生的全部环节。这意味着决策层已经把AI定位为医疗卫生的“系统性基础设施”，而非某个科室的辅助工具。
五部门文件在安全监管上给出了三条底线：第一，实施分级分类管理（低/中/高三级风险），不同风险等级对应不同的审评和监管要求；第二，坚持“人机协同，以人为主”，AI定位为辅助工具，禁止完全替代医务人员专业判断；第三，明确“数据不出院”原则，建立全生命周期监测与熔断机制——AI系统出现异常时能及时停止运行。
我的判断：“数据不出院”这条原则影响深远。它意味着医疗数据的利用不能走“先汇聚再开发”的传统大数据路线，而必须依赖联邦学习、安全多方计算、可信执行环境等隐私计算技术，让数据在不出医院的前提下参与模型训练。这既是安全要求，也是对技术路线的硬性约束。未来谁能在“数据不动模型动”的架构上走通，谁就能在医疗AI的合规赛道上占得先机。
如果说五部门文件画的是全国蓝图，北京的32条措施则给出了具体打法。
2026年4月7日，北京市医保局等十部门发布《北京市支持创新医药高质量发展若干措施（2026年）》（32条），这是北京连续第三年出台同类重磅政策。我将其中的AI精准医疗相关措施提炼为以下核心信息：
▶ AI+药物研发：开发不少于15种“AI预测+类器官/器官芯片”模型，用于靶点发现和候选药物筛选
▶ 高质量数据：培养不少于10个高质量医疗数据集；支持不少于20个企业数据需求
▶ 手术机器人：推动腔镜、骨科、神外、介入等全品类手术机器人入院，将符合条件的手术机器人辅助操作纳入医保立项
▶ 脑机接口：开发512通道侵入式产品，加速临床验证
▶ 中试转化：支持不少于10个“AI+医疗装备”研发成果通过国家AI应用中试基地推广
▶ 创新药械：2026年推动新获批创新药械不少于18个
▶ 投融资：市级政府投资基金联合中央和区级基金，投资额度超100亿元；“拨投联动”“投贷联动”资助早期项目不少于100个
背景数据同样值得关注：截至2026年3月，北京累计获批国家创新医疗器械84个、手术机器人43个、人工智能医疗器械60个，三项指标均居全国第一。2025年北京医药健康产业规模突破1.13万亿元，同比增长6.5%。
来源：北京市人民政府官网（beijing.gov.cn）；国家药监局官网（nmpa.gov.cn）
结论：北京的32条不是“锦上添花”，而是在解决AI精准医疗落地的真实堵点。比如手术机器人——以前最大的障碍不是技术不成熟，而是医院“买不起、用不起、不赚钱”。32条从三个维度同时下手：推动入院（解决准入）、纳入医保（解决支付）、纳入绩效考核（解决激励）。这套组合拳如果能落地，手术机器人的渗透速度会明显加快。同样，“AI预测+类器官”的布局也很有意思——这是在用类器官替代动物实验和早期临床的不确定性，一旦走通，新药研发的早期筛选效率将会有数量级的提升。
AI制药是2026年最活跃的赛道之一。传统新药研发平均需要筛选数万种化合物，耗时10年以上，投入超10亿美元。AI的核心价值在于把“经验试错”变为“模型预测”。
2026年2月，晶泰科技与尧唐生物宣布共建AI驱动的mRNA药物筛选平台，聚焦mRNA药物与体内CAR-T疗法。根据新华网报道，晶泰科技的AI平台平均仅需设计约10条序列即可筛选出高质量候选分子，相比传统方法节省90%以上实验需求。这意味着过去需要数月乃至数年的分子筛选过程，现在可以在数周内完成。
来源：新华网（2026年2月23日报道）
同月，北京32条明确提出将“AI预测+类器官/器官芯片”作为加速药物筛选的核心技术路线，开发不少于15种模型。类器官（Organoid）是利用干细胞在体外培养出的微缩器官模型，结合AI可以对药物进行高通量功效和毒性预测，大幅减少动物实验。北京的政策表态意味着，这套技术路线已经从学术界进入了产业政策视野。
在国际层面，2026年4月，St. Jude儿童研究医院的研究团队在《Science Advances》发表了一项重要成果：利用AI将346个候选靶点筛选至一个跨多种实体瘤且正常组织低表达的新靶点——IRS4。该研究的独到之处在于，它把毒性预测提前到了药物发现的最早期阶段，而传统的毒性评估往往要到临床试验阶段才暴露问题。
来源：St. Jude Children's Research Hospital官方公告（2026年4月29日）；《Science Advances》
结论：AI制药正在经历从“辅助工具”到“主导引擎”的定位升级。2024年以前，AI在制药中主要做的是“帮科学家找文献、筛分子”，更像一个高级助手。2025—2026年出现的变化是：AI开始直接“设计分子”，然后通过实验验证，形成“AI设计→实验验证→数据反馈→AI优化”的闭环。晶泰科技节省90%实验并不是一个孤例，它代表了AI制药从“提高效率”到“改变范式”的质变。我预计2027—2028年将进入AI主导发现的新药IND申报高峰期。
传统的精准诊断依赖单一基因位点或少数生物标志物——比如检测EGFR突变来决定是否用靶向药。但这套思路的局限越来越明显：同一个基因突变的患者，对同一药物的反应可能完全不同。
AI正在推动精准诊断从“单点标志物”走向“全景分子图谱”——同时整合基因组、转录组、蛋白质组、代谢组和影像组学的数据，形成对疾病的系统性判断。美国Caris Life Sciences是这一路线的代表企业。截至2026年，Caris已处理超过100万例肿瘤分子图谱，积累超过500亿个分子标志物数据点。2026年其密集发布了多项AI精准诊断产品：
▶ 乳腺癌卡培他滨AI Signature——利用2000+基因特征预测HER2阴性乳腺癌化疗反应
▶ Caris Detect泛癌早筛产品中期分析——基于全基因组测序，I期癌症检测灵敏度56.8%，特异性99.1%
▶ 非小细胞肺癌多模态AI分子洞察——精准识别哪些患者从“化疗+免疫”联合方案中获益
来源：Caris Life Sciences官方公告（2026年2—4月）
在国内，新合生物（NeoCura）开发的mRNA个性化肿瘤新抗原疫苗XH001，依托其自研AI ALPINE系统，将新抗原预测准确率提升至国际先进水平。该产品已获国家药监局CDE临床试验批准，正在北京协和医院、北京大学肿瘤医院开展I期临床试验，用于复发高危实体瘤的术后辅助治疗。这是中国首个进入临床的mRNA个性化肿瘤疫苗，也是AI+RNA药物从实验室到临床的标志性突破。
来源：新合生物官方公告；CDE临床试验登记
结论：精准诊断正在从“测一个基因、定一个药”的单维模式，升级为“测全面、算清楚、动态调”的多维模式。这个转变的关键瓶颈不是测序本身——测序成本已经大幅下降——而是“谁能把多组学数据整合成临床可用的决策信息”。Caris能做到500亿+数据点的分析，背后是AI对多模态异构数据的整合能力。国内企业在数据积累体量上还有差距，但新合生物的mRNA疫苗路径选择很聪明——它跳过了“先建数据库再开发应用”的长周期路线，直接从临床需求切入，用AI能力反向整合所需数据。
2025年被称为中国医疗大模型的“爆发之年”，市场上涌现了大量医疗垂直大模型。但数量不等于质量。2026年，行业的核心命题从“有没有大模型”变为“大模型能在临床干什么”。
中国工程院院士、清华大学临床医学院院长董家鸿教授提出了一个值得关注的概念——“人机共智空间”。其核心思路是：未来的精准外科，不是AI替代医生，而是通过融合AI大模型、数字孪生、具身智能和混合现实技术，构建外科医生与AI系统实时协同的智能手术环境。AI负责整合患者多模态数据，进行手术方案模拟与优化；外科医生基于AI的推理结果，结合自身临床经验，做出最终决策。
复旦大学附属中山医院已经在多个场景落地医疗大模型：AI自动标注体检异常项、ICU大模型主动监控生命体征、心血管病辅助诊疗智能体结合多模态数据进行推理。这些案例表明，医疗大模型正在从“演示级”走向“生产级”。
但挑战同样不容忽视。新华社《经济参考报》在2026年3月的深度报道中直言：“通用大模型难以精准捕捉医生的临床思维”，打造原生医学多模态大模型仍受制于高质量医学数据不足。2026年4月，40余家医疗卫生机构联合发布《医疗机构人工智能应用与治理专家共识（2026版）》，从准入评估、临床应用、患者权益、数据治理等六大维度对AI医疗应用进行了细化规范。
来源：新华社《经济参考报》（2026年3月25日）；《医疗机构人工智能应用与治理专家共识（2026版）》
结论：医疗大模型当前最大的矛盾不是“技术不够强”，而是“能力与边界不匹配”。大模型能做的事情很多，但医生需要的是一个在特定场景下“不出错”的助手，而不是一个“什么都会但什么都不敢信”的通用工具。从2026年的趋势来看，行业正在从“卷参数”转向“卷场景”——不是比谁的模型更大，而是比谁能在某个专科、某个病种上做到“医生真的愿意用它做决策参考”。这需要模型能力的提升，但更需要高质量专科数据和临床验证体系的双重加持。
广东的AI医疗布局思路很清晰——不是让每家医院各自去采购和部署AI，而是由省级统一建设，免费向全省医疗卫生机构开放。
2025年7月，广东上线“粤医影智”省级AI辅助阅片系统，覆盖七类高频影像检查，免费向全省2146家医疗卫生机构开放，已辅助完成超10万份影像阅片。2025年12月，再次推出“粤医慧诊”AI辅助诊断系统，重点覆盖粤东、粤北895家乡镇卫生院。
来源：广东省卫生健康委
结论：广东模式的本质是“把AI诊疗能力变成公共服务”。这解决了两个关键问题：一是基层医疗机构单独采购AI的成本太高、技术能力不足；二是分散采购导致数据标准不统一，后续难以打通。省级统一建设、统一标准、统一部署，让偏远乡镇卫生院直接获得三甲医院级别的AI辅助能力，这是缩小城乡医疗差距最务实的一条路。
浙江构建了“1+5+6+N”AI医疗发展架构，标志性成果“安诊儿医疗智能体”已接入全省所有公立医院，累计注册用户超过2000万，是目前全国覆盖面最广的省级AI医疗服务平台。
来源：浙江省卫生健康委
结论：安诊儿2000万用户的数字，说明患者端对AI医疗服务的接受度远高于很多人的预期。“智能导诊、预约、预问诊、随访”这些功能虽然技术含量不算高，但恰恰是患者最高频接触的医疗场景。先把这些做好，培养用户的信任度，再逐步向更深度的AI辅助诊疗延伸，是一条务实的路径。
2026年3月20日，江苏省省长主持召开“人工智能+医疗健康”路演推进会，建立月度调度、双月路89999999999i演机制，聚焦AI赋能重症救治、肝癌精准诊疗、AI+心理综合健康服务等方向。这种高规格、常态化的推进机制在全国尚属首创。
来源：新华日报（2026年3月21日）
结论：省长的参与不是象征性的。月度调度、双月路演意味着AI医疗被纳入了省级行政的日常议程，而不是开完会就放下的“一次性工程”。江苏选的重症、肝癌、心理健康这三个场景也很有针对性——都是现有医疗体系中痛点最突出的领域。
一、AI制药将在2027—2028年迎来“成果兑现期”
多家AI制药企业已进入或即将进入临床试验阶段。晶泰科技节省90%实验需求的效率提升，St. Jude医院从346个靶点AI筛选到1个临床候选靶点的路径，都表明AI不是锦上添花的效率工具，而是正在成为药物研发的核心引擎。北京32条对AI+类器官的明确支持，意味着政策端也在为这条路线铺路。我判断，首批由AI主导发现的新药将在2027—2028年集中进入IND阶段，AI制药将从“演示能力”进入“证明价值”的关键窗口。
二、精准诊断将从“测序为中心”转向“AI分析为中心”
测序成本的下降曾经是精准医疗最大的推动力。但现在瓶颈已经转移——不是“测不起”，而是“测完了看不懂”。一个人全基因组数据约200GB，全外显子组约10GB，加上转录组、蛋白质组、代谢组，数据量呈指数级增长。靠人工解读已经不可能。AI——尤其是能够同时处理文本（病历）、图像（影像/病理）和序列（基因组）的多模态大模型——将成为精准诊断的核心基础设施。谁掌握了“多组学数据+AI分析”的完整能力，谁就掌握了精准诊断的下一个十年。
三、基层将超过三甲医院，成为AI精准医疗的最大增量市场
五部门文件明确“2030年基层诊疗智能辅助基本全覆盖”。广东“粤医慧诊”覆盖895家乡镇卫生院的实践已经证明，用AI为基层“兜底”是可行的。三甲医院不缺少好的医生和诊断工具，AI的价值是“锦上添花”；但基层缺少的恰恰是高水平诊断能力，AI的价值是“雪中送炭”。从商业逻辑看，三甲医院的市场是存量博弈，基层医疗才是增量蓝海。未来五年，能扎根基层场景的AI医疗产品，将获得最大的增长空间。
四、“数据不出院”将重塑整个AI医疗的技术架构
传统的AI开发依赖数据集中式训练——把数据搬到一起，训练出模型。但五部门文件明确的“数据不出院”原则，彻底封死了这条路线在医疗领域的可能性。联邦学习、安全多方计算、可信执行环境（TEE）等隐私计算技术将成为必选项而非加分项。这对行业的影响是结构性的：过去比的是“谁的数据多”，未来比的是“谁能在数据不移动的前提下把模型训练好”。技术门槛大幅提高，但也为真正有技术实力的团队建立了竞争壁垒。
五、合规能力正在成为核心竞争力
2026年4月发布的《医疗机构人工智能应用与治理专家共识（2026版）》，加上五部门文件的分级分类管理框架和熔断机制，以及NMPA的AI医疗器械三类证审评体系——监管框架正在从“有”走向“细”。对于行业参与者而言，“能不能过审”正在成为决定生死的问题。我观察到的一个趋势是：早期拿到NMPA三类证的AI影像产品，已经在医院形成了先发优势和替换成本壁垒。随着监管体系进一步完善，“合规能力”——包括产品注册、临床评价、数据合规、算法可解释——将从“法务部门的事”上升为“CEO级别的事”。
所以回到最初的问题：AI精准医疗，到底走到了哪一步？
我的答案是：它已经过了“概念验证”的阶段，正在进入“规模落地”的前夜。
政策端——从国务院到五部门到北京32条，顶层设计和落地细则已经齐备。技术端——AI制药从节省90%实验到新靶点发现，精准诊断从单基因到500亿+数据点的全景分析，路径已经被跑通。市场端——广东覆盖2146家机构、浙江2000万用户、北京1.13万亿产业规模，数字不再是PPT里的预测，而是真实发生的事。
但“规模落地的前夜”也意味着最大的不确定性。数据怎么安全地流通？模型怎么让医生信任？产品怎么通过监管审批？基层怎么用得起来？这些问题的答案，将决定AI精准医疗是从“前夜”走向“黎明”，还是停在“前夜”迟迟等不到天亮。
但方向是确定的。正如五部门文件给出的时间表——2027年搭好基础设施，2030年实现基层全覆盖。这意味着未来五年，AI精准医疗不是可选项，而是医疗卫生体系升级的必选项。对于这个领域的从业者、投资者和关注者来说，真正的机会可能才刚刚开始。
1. 国务院《关于深入实施“人工智能+”行动的意见》（国发〔2025〕11号）
2. 国家卫生健康委等五部门《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》（2025年11月，nhc.gov.cn）
3. 北京市人民政府《北京市支持创新医药高质量发展若干措施（2026年）》（2026年4月7日，beijing.gov.cn）
4. 北京市卫生健康委等十部门《北京市支持医疗健康领域人工智能应用发展行动计划（2026—2027年）》（2025年12月30日）
5. 国家药监局：北京累计获批创新医疗器械84个、手术机器人43个、AI医疗器械60个（nmpa.gov.cn，2026年4月）
6. 新华网：晶泰科技与尧唐生物合作推动mRNA药物创新研发（2026年2月23日）
7. St. Jude Children's Research Hospital：AI识别IRS4为跨多种实体瘤新药靶点（2026年4月29日，《Science Advances》）
8. Caris Life Sciences：乳腺癌AI Signature、Caris Detect泛癌早筛、NSCLC多模态AI洞察（官方公告，2026年2—4月）
9. 新合生物（NeoCura）：mRNA个性化肿瘤新抗原疫苗XH001获CDE批准进入I期临床
10. 新华社《经济参考报》：“从感知到共智，AI+健康正解锁更多新可能”（2026年3月25日）
11. 《医疗机构人工智能应用与治理专家共识（2026版）》（2026年4月）
12. 广东省卫生健康委：“粤医影智”和“粤医慧诊”省级AI诊疗系统
13. 新华日报：江苏省“人工智能+医疗健康”路演推进会（2026年3月21日）
14. 浙江省卫生健康委：“安诊儿医疗智能体”相关数据
特别声明：智慧医疗网转载其他网站内容，出于传递更多信息而非盈利之目的，内容仅供参考。版权归原作者所有，若有侵权，请联系我们删除。
凡来源注明智慧医疗网的内容为智慧医疗网原创，转载需获授权。
