中国AI医疗行业
(含大模型)月度洞察报告
2025年12月
一
政策动态
01
国家卫健委等六部门发文：指导“基层特色科室”建设，推动基层医疗发展
12月17日，国家卫生健康委、国家发展改革委等六部门印发《关于加强基层医疗卫生机构特色科室建设的指导意见》，在重点任务和措施方面，一是加强科室设置，二是配齐科室人员，三是规范科室管理，四是提升服务能力，五是强化医疗质量管理，六是落实医联体帮扶责任。其中强调，鼓励运用信息化、人工智能等手段，加强特色科室合理用药监测、院内感染防控、不良事件上报等管理，重点监控院感发生率、并发症发生率、不良事件上报率等。各地要将基层医疗质量管理纳入当地医疗质量管理与控制体系。
02
武汉：发布“人工智能医疗应用共享服务平台”，首批入驻20个品类72款产品
12月6日，武汉市卫健委正式发布人工智能医疗应用共享服务平台，平台提供AI产品订阅、大模型训推、算力弹性支撑、医企联合研发四类核心服务，以新一代人工智能深度赋能卫生健康行业高质量发展。据介绍，针对资源分散、算力成本高的痛点，平台创新推出集约高效的数智医疗新模式。凝聚国内主流AI医疗产品，首批入驻20个品类72款产品，助力医疗机构灵活试用、个性化订阅。汇聚Deepseek、千问等通用大模型，济世等医疗垂类模型，自研“吾医大模型”，助力医疗机构开展专科专病模型训练推理。
03
山东：推动人工智能在医养健康等场景广泛应用
12月12日，山东省工信厅等八部门印发《山东省人工智能产业高质量发展行动计划（2025-2027年）》，提出聚焦“大算力”、大数据、大模型、智能体、智能软硬件、智能服务、智能安全等重点领域，实施人工智能技术创新、要素扩容、产业集聚、场景赋能和生态培育“五大行动”。推广健康管理等场景的个人智能体。面向辅助医疗等领域，加快布局以人形机器人、仿生机器人为代表的具身智能产品。聚力做精智能服务产业。聚焦民生需求，推动人工智能在医养健康等场景广泛应用，促进生活性服务业向“一人一策”“一景一策”升级。
04
浙江：加快医疗AI应用、建立区域三医数据平台、将AI辅助诊断纳入医保
12月17日，浙江省卫生健康委员会等10部门印发《关于深化紧密型县域医共体建设促进基层医疗卫生服务体系高质量发展的实施意见》，其中提到，加快医学人工智能应用推广，创新发展“人工智能+互联网+医疗健康”服务。完善医保支付政策，对紧密型医共体实行医保基金总额付费，推动互联网诊疗、远程医疗、人工智能辅助诊断技术等向基层延伸。
05
浙江：成立浙江省人民医院医疗集团，3家医院7个院区统一信息化建设
12月23日，浙江省卫健委发布《关于成立浙江省人民医院医疗集团的通知》，其中提出，医疗集团以浙江省人民医院为核心主体，纳入浙江省皮肤病医院、杭州市富阳区第一人民医院等为成员医院。医疗集团内部实施医疗、信息、科教、后勤、人员、运营一体化管理。统一医疗集团信息化建设，成立医疗集团信息管理中心，建设智慧医疗云平台，推进内部数据共享、业务协同。推动医疗集团以数字底座为重点的信息平台一体化建设，以智能化指挥舱为牵引，打造新一代智能化诊疗、管理、服务新模式。
06
江西：率先在全省统建基层人工智能辅助智慧医疗系统
12月18日，江西省人民政府发布《江西省“人工智能+”行动方案》，其中提出，“人工智能+”医疗养老行动。健全省基层人工智能辅助智慧医疗系统，推动医疗数据合法合规安全有序利用。鼓励中医药和病理等领域大模型研发。开展智慧医院、互联网医院建设，推动人工智能在辅助诊断、慢病管理、医保服务等领域的合法合规应用。打造养老高质量数据集，开展人工智能技术的适老化设计，加强脑机接口、养老机器人等智能产品在养老场景的推广力度。
07
云南：深化人工智能在医疗服务等方面的应用
12月19日，云南省人民政府办公厅发布《云南省全面实施“人工智能+”行动计划》，其中提出，深化人工智能在医疗服务、基层公共卫生服务、健康产业发展等方面的应用。推动人工智能在辅助诊疗、健康管理、医保服务等场景的应用。依托居民电子健康档案、电子病历等健康数据，建立“人工智能+健康画像”模型，形成面向群众疾病风险预测、健康管理等维度的居民健康画像。
二
整体市场
2025年12月，公开渠道统计到AI医疗行业本月中标项目数量145个，其中140个项目披露金额超11亿元，AI医疗行业中标项目数量与披露金额创下全年新高，其核心是年底财政预算集中执行，政策推动国家级、省级层面以“平台”和“中试基地”为代表的长周期、系统性采购项目开始集中落地，及大模型技术商业化加速，并带动AI大模型医疗项目中标数量超越AI传统医疗项目。
三
项目类型
我们将AI医疗项目整体上划分为二大类：AI传统医疗项目、AI大模型医疗项目；其中AI大模型医疗项目包含算力、大模型及应用、综合类。
从中标项目类型数量看，本期AI大模型医疗项目中标数量超过AI传统项目，占比接近60%，标志着大模型技术在具体医疗场景中的落地应用正在加速。
从披露金额来看，本期AI大模型医疗项目中标总金额高于传统医疗项目，占比约87%，这主要得益于其单笔合同金额普遍较高，且人工智能应用中试基地项目的落地贡献。
注：
AI传统医疗项目：通常指的是在医疗领域中应用的小型、轻量级的AI模型，核心目的提高诊疗水平、改善患者体验和降低患病风险。
AI大模型医疗项目：基于大规模人工智能模型（大模型）在医疗领域的应用，通过深度学习、自然语言处理、多模态融合等技术，赋能诊疗、科研、管理等全链条场景。
✔ 算力：训练、运行大模型所需要的计算资源。
✔ 大模型及应用：医疗大模型、基于大模型开发的应用类项目等。
✔ 综合类：算力、应用、大模型相结合的项目，包含算力+大模型+应用、算力+大模型、算力+应用等。
四
应用场景
从应用场景来看，医疗服务始终是AI应用的核心支柱，健康管理服务与医院管理则紧随其后，驱动AI医疗行业的发展。
12月AI大模型医疗中标56个项目(不含算力项目)，环比11月增长20个，其数量略低于AI传统医疗应用。其中医疗服务主要应用于智能病历辅助生成、智能预问诊、医学影像智能辅助诊断等；健康管理服务主要应用于慢性非传染性疾病筛查与预测、智能心理自助服务等；医院管理主要应用于智能医疗文书质控辅助等。
注：依据《卫生健康行业人工智能应用场景参考指引》
医疗服务细分场景包含：医学影像智能辅助诊断、医学影像数据智能辅助质控、临床专病智能辅助决策、基层全科医生智能辅助决策、医学影像智能辅助治疗、手术智能辅助规划、放射治疗靶区智能辅助勾画、智能门诊分诊、智能就医咨询、智能预问诊、智能陪诊、智能随访、智能满意度调查、智能患者院后管理、智能病历辅助生成。
医院管理细分场景包含：智能医疗文书质控辅助、智能医疗质量管理、智能医务人员管理、智能手术室管理、智能药房管理、智能耗材管理、智能医疗设备管理、智能物流管理、智能医院停车管理、智能医院后勤安全管理、智能医院经济管理决策支持。
健康管理服务细分场景包含：智能健康管理、智能中医健康管理、智能慢性病管理、智能心理自助服务、智能心理分级评估与护理、智能学生心理健康管理服务、智能遗传性疾病筛查与预测、慢性非传染性疾病筛查与预测。
医学科研细分场景包含：智能患者招募、智能研究型病房、医学科研智能辅助、智能文献挖掘分析、智能医学科研数据分析。
医学教学细分场景包含：医学教学智能辅助、医学智能仿真实验、医学教育患者虚拟人、医学教学资源智能生成、医学科普智能生成。
中医药管理服务细分场景包含：中医临床智能辅助诊疗、中医经络智能检测、中药智能审方、中医临床病案智能质控、名中医学术思想智能传承、中医药科研智能辅助。
五
典型项目
01
项目名称：深圳市宝安区卫生健康局“宝医数智”大模型平台建设项目
项目内容：
本项目坚持“以通为本、以用为本、以人为本”原则，充分考虑宝安区医疗卫生机构、居民和患者、政府管理者等多种角色需求，严格遵循相关建设要求，充分利用宝安区基础性公共资源，以大模型安全体系和平台团体标准为两大基础保障体系，进行整体架构设计，立足于建成“全区医疗领域人工智能应用的基础设施”，建成人工智能大模型软件平台、高质量语料库和六个“AI+医疗”应用场景和配套硬件设施。
1.人工智能大模型软件平台建设范围
面向全区所有公立医院、社区健康服务中心及公卫机构，提供覆盖开发、训练、部署、运维的全栈式工程服务平台，实现医疗大模型的一站式构建与智能体应用支撑。平台后续需整合全区分散的算力资源，对自研/引入的医疗大模型及智能体进行统一接入、监控与调度管理，确保资源高效利用与安全可控。
2.高质量语料库建设范围
面向全区所有公立医院、社区健康服务中心及公卫机构，建设高质量医疗语料库，覆盖电子病历、临床指南、医学文献、医学影像数据等医疗文本，经深度脱敏、结构化标注与多源融合，形成支撑模型训练的标准化知识底座，推动全区医疗知识共享与智能化应用生态发展。
3.智能化应用场景建设范围
（1）听译机器人
提供全区公立医院及下属社康中心的听译机器人基础版本API，及50个试点诊室的部署实施。
（2）智能客服
提供全区公立医院的智能客服基础版本API，及1家试点医院的部署实施。
（3）AI病历内涵质控
提供全区公立医院的AI病历内涵质控基础版本API，及1家试点医院的部署实施。
（4）智能医疗文书生成
提供全区公立医院的智能医疗文书生成基础版本API，及1家试点医院的部署实施。
（5）AI诊后患者管理
提供全区公立医院的AI诊后患者管理基础版本API，及1家试点医院的部署实施。
（6）社康智能体
提供全区社康中心的社康智能体基础版本API，全区200+家社康中心的实施。
4.接口开发
（1）医院信息系统接口：提供平台语料加工及应用场景对接所需接口开发。
（2）深圳市社康信息系统接口：提供平台语料加工及应用场景对接所需的接口开发。
（3）智慧健康一体化中台接口：与健康宝安微信公众号入口整合消息推送。
5.配套硬件设施建设
建设满足本项目应用需求的网络设备及信息安全设备。交货地点为深圳市宝安区卫生健康局，设备最终部署地为宝安区档案大厦机房（待机房交付使用，需搬迁）。
02
项目名称：北京市东城区卫生健康委员会公立医院改革与高质量发展示范性项目应用软件采购项目
项目内容：
为深入贯彻《北京市东城区公立医院改革与高质量发展示范性项目实施方案》，拟构建区域一体化数据及模型底座，实现对医疗数据的全生命周期追踪管理，敏捷响应医院业务需求与管理理念迭代，全面提升区属医院及社区卫生服务中心的数字业务响应力、运营服务力及对外资源输出能力，显著提高服务效率与创新效能。
1.大数据平台
通过整合区属 9 家医院和社区卫生服务中心业务系统的运行数据，利用 AI 技术对临床等多源数据进行分层主题归集，并针对不同角色需求进行智能分析与可视化呈现，与区级大数据平台共享数据。
2.大模型平台
大模型平台需包含虚拟化及容器化资源管理平台、计算资源统一接口与 API 支持、多模态数据采集与接入接口、多模态医学数据高效存储系统、知识化加工、多模态医学数据知识库管理系统、数据质量保障与治理平台、统一 API 服务平台及系统集成接口。
3.运营管理系统
系统基于大数据平台和大模型平台提供的 AI 能力构建运营决策分析平台，为管理者提供统一的数据可视化与分析支持，覆盖门诊动态、工作负荷、公卫数据、患者负担及工作效率等核心维度。并与京办对接，让管理者可以通过手机进行统计数据的预览。
4.慢病管理系统需求
实现基于 AI 的慢病管理。依托从各医疗机构采集的数据，利用 AI 能力针对慢病患者进行查询、统计分析，医院与社区数据共享加强慢病共管，分级诊疗。
5.专病库管理系统
利用 AI 能力支持专病库管理系统的建设。利用专病数据打造一个示范性的专病库，形成高质量数据集。
6.双向转诊系统
为区属医院和社区卫生服务中心提供上下转诊服务；转诊时需获取患者知情同意书，提交转诊时拍照上传，转诊成功后，医生可查阅患者 6 个月内在区属医院和社区卫生服务中心电子病历信息。
7.区属医院集成智能化病历书写功能改造
区属医院集成智能化病历书写功能改造，需升级 HIS、EMR 等现有信息系统，标准化数据与编码并优化读写效率；同时搭建合规的数据接口并保障传输安全、高可用性，为智能化病历书写产品提供全量诊疗数据支撑。
03
项目名称：浙江省卫生健康信息中心医学人工智能创新服务平台项目
项目内容：
聚焦医学人工智能发展存在的运行算力不足、数据算料短缺、应用验证机制不完善、成果转化路径不明晰等行业共性问题，建设“1+4”医学人工智能应用服务平台（2025年）。“1”是指医疗健康AI产品服务平台；“4”是聚焦医疗大模型从训练、测评到应用的全链路服务平台，包括医疗健康湖仓一体大数据平台、医疗健康大模型研发平台、医疗健康大模型测评验证平台、医疗健康多模态数据管理服务平台，提供全栈式、统一架构体系的共性支撑能力，成为行业机构获取模型训练、算法迭代、数据利用等服务的重要枢纽，打造医疗人工智能创新链、产业链、服务链。
1.医疗健康湖仓一体大数据平台
建设医疗健康湖仓一体大数据平台，主要包括数据标准管理、建模治理、湖仓存储等核心模块，配套多模态标注、资产管理等工具链，形成高质量数据集及语料库，汇聚至行业可信数据空间，实现数据共享开放、授权运营流通的规范化管理，为医疗大模型训练、微调与推理全场景提供坚实的数据基础支撑。
2.医疗健康大模型研发平台
建设医疗健康大模型研发平台，主要包括千亿级医疗基础大语言模型自主训练和覆盖“训练 - 推理 - 开发 - 协同 - 运维” 全流程一体化平台，实现 “数据 - 模型 - 应用 - 服务” 全流程闭环，支撑医疗大模型迭代优化与 AI 原生应用快速开发交付。
3.医疗健康大模型测评验证平台
建设医疗健康大模型测评验证平台，主要包括基础能力与场景能力结合的自建测评集、专业评分模型、测评服务与运营管理系统。专业评价模型，支持AI评分逻辑设计、参评模型AI打分等；测评服务与运营管理系统，实现参评机构自测演练、榜单公示、评价体系、测评集及试题等动态维护。
4.医疗健康多模态数据管理服务平台
建设医疗健康多模态数据管理服务平台，主要包括多模态数据标准化管理、智能化标注工具及医疗人工智能科研专属服务系统，实现全域多模态数据统一管控与高质量处理，形成标准化数据集与语料库，支撑医疗大模型研发与人工智能科研分析双重需求。
5.医疗健康AI产品服务平台
建设医疗健康AI产品服务平台，提供业务集成、资源服务、运营决策服务，实现用户精细化管理、产品全生命周期管理、专家委员会调度管理，并通过开放式资源供需平台，为供需双方提供需求发布、审核、认领全流程管理。
说明：
1、本报告统计的中标项目信息均来自公开渠道，部分项目因未披露具体金额，在统计分析时统一按零值处理；
2、受限于数据获取渠道和信息披露完整性，可能存在部分项目未被纳入统计的情况；
3、项目分类及场景划分基于现有信息进行判断，可能存在一定的主观性和局限性；
4、上述因素均可能对最终的统计结果产生一定影响，请读者在参考时予以注意。本报告所有内容仅供研究参考之用。
