在过去数十年里,医疗行业一直被认为是数字化的“落后者”,技术创新迟缓,采购周期漫长。但今天,情况彻底反转。
根据Menlo Ventures发布的《2025: The State of AI in Healthcare》,这个在美国价值 4.9万亿美元的庞大行业,现在正以比其他经济领域快2.2倍的速度部署AI技术。在短短两年内,美国医疗机构实施领域特定AI工具的比例实现了 7倍 增长。今年的医疗AI支出已达到 14亿美元,几乎是去年整个垂直AI市场的总和。

这种剧变对于AI医疗的创业者们意味着什么?你将在这篇文章中了解:
• 医疗AI爆发背后的核心驱动力,以及医疗机构是如何加速技术采购的。
• AI投资的实际流向:14亿美元 的资金投向了哪些具体的痛点领域。
• 最具颠覆性的创业机会:如何将行业内 7400亿美元 的传统人工服务支出转化为软件收入。
• 面对行业巨头的反击,创业公司应采取什么样的竞争策略。
-----------------------------------------------------
作为一名关注AI和医疗交汇点的投资人,我看到当前医疗AI的转型并非昙花一现,而是由深层次的行业压力和明确的投资回报率(ROI)驱动的 。
医疗健康领域正在成为企业级AI采用的领跑者。数据的快速增长证明了这一点:
• 惊人的采用速度: 2025年,已经有 22% 的医疗组织实施了领域特定的AI工具。这比2024年增长了7倍。
• 医疗系统领跑: 在所有细分领域中,医疗系统的AI采用率最高,达到 27%。这主要是因为它们面临着最迫切的挑战,包括稀薄的利润、高昂的行政成本和各级别的人员短缺。
• 独角兽集中地: 医疗AI领域已经诞生了8家独角兽公司,以及更多估值在 5亿至10亿美元 之间的后起之秀,数量超过了法律、金融服务或媒体等任何其他垂直AI领域。
医疗AI的紧迫性源于持续恶化的行业状况。AI的部署不再是锦上添花,而是提高效率、改善经济效益和临床成果的战略必需品。
• 行政负担与倦怠: 对于医疗服务提供方而言,高昂的行政开销持续侵蚀利润。此外,每为患者提供 5小时 的护理,医生就必须花费1小时 用于记录(即所谓的“睡衣时间”)。这种负担导致临床医生精疲力竭,加剧了疫情后的劳动力短缺。
• 成本与效率压力: 支付方面临医疗成本上升和保费增长受限的困境。制药和生物技术公司则在与停滞不前的生产力、漫长的研发周期和高昂的成本作斗争。
• 采购模式的重大转变: 与以前由法规驱动、决策集中、周期漫长的EHR时代不同,现在的医疗买家正在拥抱快速试验。
• 医疗提供方的技术采购周期正在压缩:
- 医疗系统 将平均采购周期从传统的8.0个月缩短至 6.6个月,加速了 18%。
- 门诊提供方 加速更快,周期从6.0个月缩短至 4.7个月,提升了 22%。
• 支付方和生命科学保持谨慎: 相比之下,支付方的采购周期反而从9.4个月拉长到了11.3个月。这反映出提供方已经跨越了“死亡试点”的门槛,开始快速部署生产级解决方案,而支付方和生物制药仍在试点和实验阶段。
• 提供方的采购优先级(给创业者的启示):
1. 技术成熟度: 优先选择可在规模上可靠运行的生产就绪解决方案。
2. 对患者护理的风险等级: 不直接与患者接触的工具获得批准更快,而高风险应用则面临更深入的审查和更长的周期。
3. 短期价值交付: 快速实现投资回报率(ROI)至关重要,它能为持续采用创造势头和信任。
值得注意的是,在这一框架中,成本是次要因素。在医疗领域,失败的风险(包括运营中断、患者伤害和声誉损害)巨大,因此机构愿意为值得信赖的AI解决方案支付溢价。
资金流向清晰地反映了AI的采用步伐。在 14亿美元 的医疗AI总支出中,提供方 贡献了 10亿美元,占据了总额的 75%。
1. 创业公司主导支出:$1.4B中的85%
目前医疗健康领域 85% 的生成式AI支出流向了创业公司,而非传统巨头。
• 核心痛点支出分布:
◦ 环境临床文档: 6亿美元。这是减轻医生倦怠的关键。
◦ 编码和账单自动化: 4.5亿美元。这有助于挽回因编码错误和拒付而损失的收入。
• 超越巨头: 尽管微软的Nuance已将DAX医疗语音识别解决方案部署到了77%的美国医院,但像Abridge和Ambience这样的创业公司凭借卓越的性能,在新市场中占据了近 70% 的份额。
2. 行业客户的“AI赌注”
领先的医疗系统正在进行大规模投资,以迅速实现转型:
• Kaiser Permanente: 部署了Abridge的环境文档解决方案,覆盖 40家医院和600多家诊所。这是医疗史上规模最大的生成式AI推广,也是Kaiser 20多年来 实施速度最快的一项技术。
• Advocate Health: 评估了 225个AI解决方案,选择了40个用例上线,预计将文档记录时间减少 50%以上,同时实现预授权、转诊和编码工作流程的自动化。
• Mayo Clinic: 计划在未来几年投资 超过10亿美元 用于AI项目,涵盖200多个项目,不仅限于行政自动化,还包括诊断和患者护理。
这些案例表明,快速行动 和 大额押注 是当前行业的AI部署战略。
作为一名关注AI赛道的投资人,我认为对于AI医疗的创业者,最大的机会潜藏在两个截然不同的预算池中,同时必须警惕市场竞争的加剧。
1. 创业机会的核心公式:将服务转化为软件
医疗健康IT支出历来有限,且集中在少数系统。但行业的年度行政管理支出总额高达 7400亿美元。AI真正的变革机会在于首次将这些人工密集型服务支出 转化为 软件支出。
A. 抓住现有IT支出($380亿市场)
现有IT支出主要集中在医疗文档(196亿)和 后端RCM(收入周期管理,188亿),两者共占医疗IT支出的近60%。
• 创业策略: 不要试图取代Epic或Waystar这样的现有系统。相反,要成为工作系统,提供智能模块来增强现有IT系统,减少所需的人工临床和行政劳动。
• 示例: Abridge在文档方面、Commure和Smarter Technologies在后端RCM方面,都是通过在医生与EHR之间或账单部门与理赔处理方之间构建“智能层”来实现规模化。
B. 抢占服务支出(更大的颠覆性机会)
在7400亿美元的行政支出中,有大量的、以前无法自动化的工作流程,例如预授权、患者参与和前台RCM操作。
• 预授权: 这是医疗界最令人厌恶的行政流程之一,也是巨大的效率瓶颈。前台RCM的行政服务支出高达 980亿美元/年,但软件仅占3%。AI已经创造了一个 超1亿美元 的市场,并以 10倍 的速度增长。
◦ 创业着力点: 开发能够提取非结构化数据、应用临床推理并自动将授权流程从数天缩短到数分钟的解决方案。
• 患者参与与前端: 每年行政支出超过 1000亿美元,软件仅占5%。AI正在推动这一市场以 20倍 的速度增长。
◦ 创业着力点: 切入患者全程的各个环节,从使用AI分诊平台将患者引导到合适的护理级别,到调度自动化,再到持续的护理导航和随访。
2. 竞争洞察:环境文档的教训与巨头的反击
环境文档是医疗AI的首个爆款品类,但其早期成功也带来了挑战。
• 痛点与风险: 虽然环境文档市场在2025年达到6亿美元,但客户对其忠诚度不高,许多客户认为抄写服务正在商品化,并计划在未来三年内切换供应商。对于创业公司而言,仅仅做“抄写员”难以持久。
• 创业公司的扩张: Abridge、Ambience等创业公司正在超越文档,寻求成为医疗AI平台,扩大到实时预授权、收入完整性、编码等能力。
• EHR巨头的反击: 创业者必须正视其最大的竞争对手——Epic、Oracle Health和athenahealth等EHR巨头。它们正在将自己的环境抄写工具直接集成到平台中。数据显示,尽管创业公司目前占据了85%的收入,但大多数客户表示他们更愿意从现有的EHR供应商那里购买AI解决方案,尤其是在编码、账单和临床决策支持等领域。
创业公司必须利用其“AI原生”的架构和快速的产品迭代速度来保持领先。成功的关键在于:快速扩大价值链,利用“情报层”的地位,最终挑战底层系统。如果你提供的价值远超巨头,客户的偏好将随之改变。
-----------------------------------------------------
对于AI创业者来说,现在是进入医疗健康领域的最佳时机。要取得成功,请关注以下几个核心要素:
1. 解决效率痛点: 你的产品必须在短期内交付明确的ROI,减轻提供方或医护人员的行政负担。
2. 瞄准服务预算: 真正的颠覆性机会在于自动化以前从未被IT预算覆盖的人工流程,如预授权和患者参与。
3. 快速迭代与合作: 鉴于提供方采购周期的压缩,快速将试点转为生产规模的能力至关重要。
文章来自于“一个投资人的AI学习”,作者 “Tony Liang”。
【开源免费】字节工作流产品扣子两大核心业务:Coze Studio(扣子开发平台)和 Coze Loop(扣子罗盘)全面开源,而且采用的是 Apache 2.0 许可证,支持商用!
项目地址:https://github.com/coze-dev/coze-studio
【开源免费】n8n是一个可以自定义工作流的AI项目,它提供了200个工作节点来帮助用户实现工作流的编排。
项目地址:https://github.com/n8n-io/n8n
在线使用:https://n8n.io/(付费)
【开源免费】DB-GPT是一个AI原生数据应用开发框架,它提供开发多模型管理(SMMF)、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL(智能体工作流编排)等多种技术能力,让围绕数据库构建大模型应用更简单、更方便。
项目地址:https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file
【开源免费】VectorVein是一个不需要任何编程基础,任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤,并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。
项目地址:https://github.com/AndersonBY/vector-vein?tab=readme-ov-file
在线使用:https://vectorvein.ai/(付费)
【开源免费】MONAI是一个专注于医疗影像分析的深度学习框架,它可以让医院高效、准确地从医疗影像数据中提取有价值的信息,以辅助医生进行诊断和治疗。
项目地址:https://github.com/Project-MONAI/MONAI?tab=readme-ov-file