讲座伊始，孙老师首先对AI医疗行业的宏观现状进行了定调。她指出，当前AI医疗正处于基础设施建设的关键时期，也是从量变到质变的飞跃阶段。这一进程在2025年初DeepSeek等国产大模型上线后显著加速，标志着中国AI大模型在全球确立了显著优势，AI医疗应用也从去年底开始全面进入大众视野。

孙老师强调，该赛道在资本市场表现优异，是目前表现最佳、最具前景的细分方向之一。然而，行业整体仍处于相对早期阶段，具备医学与AI复合背景的高端人才供给稀缺。对于在座的医学生而言，这既是挑战也是机遇，未来行业将提供大量高价值的就业岗位，具备医药专业背景的人才在这一领域拥有天然的优势。

     随后，孙老师系统梳理了AI在医疗全产业链的应用逻辑与价值。她将AI医疗的核心价值归纳为降本增效与突破局限两个维度。

     在降本增效方面，AI通过处理海量数据，显著优化了传统医疗流程。例如在医院端，AI辅助诊疗系统可以自动抽取信息、生成病历文书并推荐相似病例，大幅减轻医生负担；在检验端，AI辅助病理诊断可将人均阅片效率提升4倍，TAT时间缩短2小时。

    在突破局限方面，AI利用算法突破了人类认知与客观条件的瓶颈，创造了全新的商业模式。例如在基因检测领域，通过多组学数据分析发现疾病早期标志物，实现多癌种的早期筛查；在AI制药领域，通过蛋白结构预测加速新药研发，从而突破传统冷冻电镜在成本与时间上的限制。

     关于AI医疗的商业化落地与投资逻辑，孙老师特别强调了“数据”的核心地位。她指出，在评估AI医疗企业时，核心在于数据的质量与广度。涉及严肃医疗的B端业务（如AI辅助诊断、AI制药），由于获取高质量临床、病理及基因数据的难度极大，一旦形成数据壁垒，企业便拥有极高的护城河。相比之下，C端健康管理业务虽然获客容易，但数据壁垒低，最终可能由拥有巨大流量基础的大厂胜出。

     从变现效率来看，孙老师分析指出，目前AI制药和AI辅助诊疗是变现较快的细分赛道。AI制药因其在药物研发早期即可通过授权实现变现，且能大幅降低研发成本，受到了资本市场的高度追捧。

     针对医学生的具体职业发展路径，孙老师给出了中肯的建议。她认为，医药专业背景是进入该行业的核心竞争力，因为AI模型需要医学思想的赋能，这是纯技术背景人才难以替代的。但同时，她也鼓励同学们打破学科壁垒，掌握统计学、数学及计算机技能，培养“医学+AI”的复合思维。

     对于希望进入券商做医药分析师的同学，孙老师建议在深耕医学主业的同时，补充会计、财务及估值知识。她指出，分析师不仅要懂技术好坏，更要懂企业价值，只有具备全面的研究能力，才能在未来的职场竞争中脱颖而出。

     在随后的互动问答环节，现场气氛热烈，同学们结合自身专业背景与职业困惑踊跃提问。

Q1：目前AI医疗辅助诊断研发投入大但变现难，未来趋势如何？

A：目前AI诊断更多体现为“降本增效”，即用更少的人力完成工作从而提升净利润，而非直接创造新的巨额收费项目。短期内，由于医院话语权及数据非独家性，很难形成强溢价。未来需等待技术成熟到“非用不可”且精度极高的阶段，才可能实现按例收费的强议价模式。

Q2：基因检测数据未来国内市场与国外相比如何？监管趋势是更严还是更松？

A：在隐私保护的前提下，未来数据合规使用的问题有望解决。中国拥有庞大的人口基数和强大的研发能力，只要数据瓶颈突破，国内市场潜力巨大，但数据跨境流动将长期面临严格监管。

Q3：非临床背景的学生想进入AI制药行业，应具备哪些能力？

A：AI制药企业需要算法人才和懂医药逻辑的人才。建议结合自身背景，若偏向算法则需深耕计算机技术；若偏向医药端，则需理解药物研发流程与数据逻辑。