医疗AI市场根本不存在

寂静回声

过去三年，医疗AI是创投圈里最性感的叙事之一。
万亿市场、政策红利、技术爆发、老龄化刚需，每一个关键词都精准命中投资人的兴奋阈值。
但如果你去看看这批公司今天的状态，画面远没有那么性感。融资到B轮后突然安静的，产品做出来了开始转型做外包的，创始人朋友圈从秀产品变成秀合作签约仪式的，还有一批已经悄悄注销、连讣告都没人写的。
它们中的绝大多数，不是死于技术不行，不是死于团队不强，甚至不是死于竞争对手。
它们死于一个听起来极其朴素的问题：做出来了，但没人付钱。

一个典型的医疗AI创业公司的生命周期，大致是这样的。
第一年，拿着模型去医院做演示。临床觉得效果不错，让信息科推进。信息科转了一圈，发现既没有预算科目，也没有采购先例，项目最后停在了“再研究研究”。
第二年，公司调整策略，开始做科研合作。和几家三甲签了联合研究协议，免费部署系统，医院提供数据和场景，公司提供算法和算力。合作顺利，论文发了，项目结题了。然后呢？然后没有然后。论文署名不是营收，结题报告不是合同。
第三年，投资人开始问商业化进展。公司拿出一堆合作医院的logo墙，几篇SCI，几个获奖证书。投资人问，收入呢？公司说，我们正在探索多元化的商业模式。翻译成大白话就是，还在找谁愿意付钱。
到了这一步，创始人通常会经历一个认知上的剧烈转折。过去三年获得的所有正向反馈，鼓掌、点头、签约、合影，没有一个动作包含付款这个环节。所有人都认可你的价值，但所有人都觉得这笔钱不该由自己出来。

如果把医疗AI的付费方拆开来看，理论上有四个候选人。
逐个检查一遍就会发现，每一个都有一道绕不过去的结构性障碍。
公立医院的采购逻辑不是效果驱动，是合规驱动。一个东西能不能买，首先取决于它在预算分类里有没有对应的科目。AI产品既不是医疗设备，也不是信息系统，也不是耗材，它在现有的采购框架里找不到自己的位置。就算勉强挤进信息化预算，排在前面的还有HIS维保、安全等保、接口改造这些不买就开不了门的刚需。医院对AI的态度不是拒绝，是排不上队。

但医保的支付逻辑正在往相反的方向走，DRG/DIP改革的核心是控总量，不是加项目。在打包付费的框架下，医保没有动力为AI单独设立付费编码。AI帮医生提了效率、降了差错率，这些价值在医保的会计科目里是隐性的，无法被直接折算成一个报销条目。

在中国的医疗服务体系中，患者的付费行为高度依赖医保目录。目录里没有的项目，绝大多数患者不会自费购买。更关键的是，患者对AI的感知几乎为零。你不用AI辅助阅片，患者拿到的报告长得一模一样，你没法向一个不知道你存在的人收费。

药企和器械公司，目前少数能跑通现金流的路径。AI辅助临床试验设计、真实世界研究、患者筛选，这些场景药企确实愿意付钱。但本质上是把AI能力包装成CRO服务在卖，CRO，即合同研究组织（Contract Research Organization），通过合同形式为制药企业、生物技术公司等提供从药物发现到上市后监测的研发服务。达索系统的BIOVIA和MEDEDATA就能提供这种服务，但药企也不是需要达索系统的AI才购买达索系统的服务，而是BIOVIA和MEDEDATA的传统业务再加上基于内部数据开发的专用AI吸引了客户的注意。
Medidata 的核心优势：
数据壁垒：基于超过38,000 项已完成的临床试验和1200 万名患者的历史数据训练 AI 模型
平台壁垒：统一架构的临床试验管理平台，整合了 EDC、CTMS、数据管理、统计分析等全流程功能
行业标准壁垒：全球 Top20 药企全部使用 Medidata，所有大型 CRO 都有专门的 Medidata 团队
合规壁垒：其系统通过了 FDA、EMA 等全球主要监管机构的验证，数据可直接用于申报
AI 在其中扮演的角色是 "效率放大器"，而不是核心卖点。Medidata 的 "AI Everywhere" 战略，是把 AI 能力无缝嵌入到现有工作流的每一个环节。
数据管理：AI 自动编码准确率超 96%，逻辑核查规则生成时间从 10-20 分钟缩短到 1 分钟。
患者体验：AI 生成个性化知情同意书，5 分钟完成阿尔茨海默病评估。
研究执行：AI 预测试验风险，提供最优行动建议。
BIOVIA 的核心优势：
几十年的物理建模积累：在分子动力学、量子化学、材料科学等领域有深厚的技术沉淀。
工作流整合：将 OpenFold、AlphaFold 等 AI 模型与传统的同源建模、分子对接工具整合在一起。
虚拟孪生技术：从分子水平到整个生产工厂的全链条虚拟模拟。

关键区别：达索系统卖的是 "经过几十年验证的、符合行业标准的、端到端的解决方案"，AI 只是让这个解决方案变得更好用。
而国内很多医疗 AI 公司卖的是"AI 算法本身"，然后试图把算法包装成一个解决方案。
国内绝大多数面向药企的 AI 公司，都面临着同样的问题：
没有自己的 EDC、CTMS 等核心系统，只能在别人的平台上做插件。
没有大规模的、经过验证的临床试验历史数据，只能用公开数据或医院的零散数据训练模型。
数据质量参差不齐，缺乏标准化和治理，导致模型泛化能力差。
团队以算法工程师为主，缺乏有丰富临床试验经验的医学专家和运营人员。
不了解 GCP、GLP 等行业规范，不知道如何交付符合监管要求的服务。
只能做单点的技术服务，无法提供端到端的解决方案。
本质上是 "按人头收费" 的人力外包模式，AI 只是提高了人均产出。
没有客户粘性，药企可以很容易地更换供应商。
价格战激烈，毛利率不断下降。

四个候选人看完，结论很清楚。不是没有人需要医疗AI，是现有的支付体系里，没有一个现成的入口允许为AI买单。
但如果只停在“没人付钱”这一层，还是在描述症状。往下再挖一挖，会碰到一个更硬的东西。
医疗体系本质上不是一个技术体系，而是一个结算体系。
药为什么能收费？因为有药品编码。耗材为什么能收费？因为有医保目录。检查为什么能收费？因为有项目代码。连一张床位费，都有明确的计价规则。
在这个体系里，一样东西能不能被买卖，不取决于它有没有价值，取决于它有没有编码。
编码是入场券。没有编码的东西，在这个体系的视角里，不存在。
而AI的问题恰恰在于，它不是一颗药，不是一根导管，不是一台机器，不是一次检查。现有医疗体系并不擅长为能力付费。它只擅长为可编码的实体付费。

一个AI帮医生减少了30%的漏诊率。这件事很有价值。但问题是，这30%的价值该挂在哪个收费项目下面？挂在影像阅片费里？阅片费的定价标准跟AI没有关系。挂在诊疗费里？诊疗费是按科目和级别固定的，不会因为你多装了一个AI模块就上浮。
没有编码，就无法计价。无法计价，就无法进入预算。无法进入预算，就无法形成采购。
很多医疗AI创业公司以为自己在卷模型。后来才发现，自己真正撞上的，是编码体系。
在这个意义上，医疗AI不是卖不掉，是当前这套结算体系根本无法识别它是什么。
理解了上面这一层，就能看清一个让创业者反复想不通的现象。

明明演示的时候临床主任赞不绝口，为什么回去之后就没有下文了？不是临床不想要，是从点头到签字之间，有十道行政流程需要走。每一道流程都需要回答三个问题。这笔钱花出去年底能不能说清楚。出了事有没有人兜底。不买它医院会不会因此过不了检查。
而AI产品目前的状态，是三个问题一个都没有标准答案。
临床的赞美和院长的签字之间，隔着的不是产品迭代的距离，是一整套制度决定流程的距离。而这个流程不是为AI设计的，也从来没有人对AI改过。
创业公司能做的，是把技术打磨得更好。但付费口的缺失，不是创业公司能解决的问题。它需要支付制度层面的重新设计，需要医保对AI服务的价值认定和分类，需要医院采购体系对AI产品的科目归位，需要监管对AI辅助诊疗的责任框架做出明确定界。
这些事情每一件都在推进，但每一件的时间刻度都以年计。
而创业公司的现金流，以月计。

所以每次看到行业报告封面上那个万亿市场规模的数字， 明明它在假设支付体系已经为AI打开了入口，假设医院有独立预算投向AI，假设患者愿意为AI服务额外付费，假设监管框架已经明确了AI产品的定位和责任归属。但把所有假设去掉，剩下的实际可触达市场，可能连那个万亿数字的零头都不到。
更残酷的是，即使支付入口未来真的被打开，最后吃到最大红利的也未必是创业公司。因为医疗AI最终拼的，很可能不是模型能力，而是渠道、合规、云基础设施和支付体系接入能力。当大厂进入时，它们带来的不是更好的算法，而是更低的边际成本。很多创业公司不会被正面击败，它们只是被顺手覆盖了。
大部分医疗AI创业公司不是败给了竞争对手，是败给了一个没有为AI预留位置的制度结构。
技术的迭代速度是指数级的，制度的演化速度是线性的，而创业公司的生存窗口是倒计时的。三条时间线不在同一个尺度上，结局在它们进场的那一刻就已经被结构性地决定了。
所以下次再听到有人说医疗AI是万亿市场的时候，可以多问三个问题：
这万亿，谁来付？从哪笔预算出？挂在哪个编码下面？
如果这三个问题没有答案，那所谓万亿市场，从一开始就还没进入这个体系。
而在医院系统里，不能被结算的东西，通常等于不存在。