产业研究|AI智慧医疗行业研究报告(三)AI智慧医疗行业正从技术验证的“试验田”跨入商业化爆发的“深水区”。全球市场规模2025年约393亿美元，中国市场达1157亿元，预计以10.5%的年复合增长率持续扩张。AI已渗透医学影像、药物研发、临床辅助决策等全链条，国家五部门明确8大方向24项重点应用。研究该产业有助于优化医疗资源配置、缓解供需矛盾；投资该产业可把握千亿级市场增长红利与国产替代机遇；培育该产业能提升我国在全球AI医疗领域的核心竞争力。 关键词：AI制药、智慧医院、AI医学影像、AI医学检验、AI健康管理 四 智慧医疗/AI医疗产业链分析 （二）AI助力医疗信息化向智能化升级 医疗信息化即医疗服务的数字化、网络化、信息化，是指通过计算机科学和现代网络通信技术及数据库技术，为各医院之间以及医院所属各部门之间提供病人信息和管理信息的收集、存储、处理、提取和数据交换，并满足所有授权用户的功能需求。医疗信息化包括4大主要领域：医院信息化、区域医疗信息化、医保信息化以及药品信息化。 图表：医疗信息化包含的领域 资料来源：华经产业研究院，东北证券 2023年中国医疗软件系统解决方案市场规模为206亿元，同比+5%。伴随云计算、大数据、人工智能等前沿技术的持续迭代与深度发展，医疗信息化行业的技术壁垒正不断加高。在此背景下，持续的创新实践与技术革新，才能够契合市场动态变化所产生的多元需求，推动医疗信息化行业迈向更高发展阶段。 当前的医疗信息化建设，主要参照国家“智慧医院”建设标准，包括智慧医疗、智慧管理和智慧服务3部分。面向医院管理的智慧管理包含财务、成本控制、物资、药事等多方面的内容，来帮助医院进行精细化的运营管理。第二个领域则是面向患者的智慧服务，院内的一体机、智能导诊、医院导航，院外的远程诊疗、在线预约、健康管理等，为患者提供更加便捷高效的就医体验。面向医务人员的智慧医疗主要以电子病历为核心，加之影像、检验等其他系统，实现互联互通的信息系统建设。 图表：智慧医院划分与建设范围 资料来源：艾瑞咨询，东北证券 医院信息化、智慧化的建设自电子病历系统开始，并始终以此为核心展开。在中国，智慧医院可以看作是医疗新基建的高级形态，它发源于医疗信息化，并在信息化逐步发展成熟后进行进一步的升华探索。2011年电子病历评级开启了智慧医院的启幕之年，加快院内互联互通建设；自2015年始，区域平台建设脚步加快，强调医院“孤岛”上的信息互联互通，庞大的院内信息再利用价值将被释放，同时互联网医院新业态诞生，慢病线上复诊、续方获得许可，医疗服务从线下向线上延伸，智慧服务分级评估体系出台；2019年之后，中国智慧医院的需求和落地有了丰富土壤，在信息化的基础上升级为智慧医院，全方位提升医疗服务的效率和质量。 图表：中国智慧医院发展历程及阶段划分 资料来源：艾瑞咨询，东北证券 医疗IT竞争格局：单一领域服务商、中型厂商、综合型厂商共同构建了智慧医院的行业生态，各自发挥着重要作用，为医院的智慧化发展提供多样化的选择。其中，综合型厂商能够提供涵盖智慧管理、智慧服务与智慧医疗的全方位解决方案，具备强大的系统集成能力和广泛的市场覆盖，是医院实现智慧化升级的最优选择。 图表：智慧医院厂商能力分布 资料来源：艾瑞咨询，东北证券 1.AI+医疗信息化主要应用场景 （1）诊前（自动生成电子病历/智能推荐就诊科室/预问诊/智能分导诊等） 早在互联网医疗兴起之时，大量诊前应用之中引入AI，如今大模型兴起，诊前环节再度成为互联网企业的必争之地，讯飞医疗、腾讯健康、百度灵医智惠均在此布局。 讯飞医疗的星火大模型直面的是医患沟通这一痛点。在星火大模型的支持下，AI能够模拟医生与患者进行自由对话，根据患者的病情描述，智能推荐就诊科室和合适的医生。同时，该大模型还能基于患者的病情描述、病史等信息，自动生成电子病历，提高病历记录的效率和准确性。 腾讯健康与讯飞医疗的逻辑相似，但它更为精细地捕捉到了“预问诊”这一需求。基于过往智能导诊的经验，腾讯健康用大模型做了一个AI预问诊系统，患者预约挂号后便可同系统进行详细的预问诊回答，提前提供主诉、既往病史、用药禁忌等信息。正式就诊时，医生对于患者的病情已有一定了解，便能提出更多针对性的问题，诊断的精准度也随之提升。 百度灵医智惠针对诊前环节推出了智能分导诊、智慧加号和智能候诊三项应用，旨在优化医疗资源配置、提升诊疗效率与患者体验。其中，智能分导诊通过大模型模拟诊前咨询，引导患者精准描述病症并推理归纳，为其匹配适配的临床科室和专家，最大化利用医疗资源；智慧加号则填补传统服务“真空地带”，患者线上与AI交互并上传检查结果后，模型提取病史摘要及关键阳性信息，辅助医生快速判断是否需要专家诊疗，将单向申请转为医患“协议”，有效减少医生资料查阅和沟通时间，提升病因判断准确性与诊疗质量；智能候诊聚焦优化医生问诊效率，AI提前整理病历，医生接诊时仅需几秒即可了解患者情况，既节省问诊与病历书写时间，又促进医患精准高效交流，助力诊疗决策更准确。三项应用共同推动诊前流程智能化，实现医疗资源高效利用与医疗服务质量提升。 图表：讯飞星火医疗大模型赋能全线医疗服务体系（左），百度灵医大模型四层架构（右） 资料来源：东北证券 （2）诊中（电子病例分析/药物提醒与剂量优化/辅助诊断等） 传统的诊中医疗信息系统主要包括HIS、EMR、CIS、PACS等，医院信息化、智慧化的建设自电子病历系统（EMR）开始。在电子病历发展具有一定基础的情况下，信息化发展较为领先的医院正逐步建立以电子病历为核心的临床医疗服务体系，囊括患者信息、药品管理、医嘱诊断、费用管理等所有临床活动信息。AI赋能诊中流程后将在各方面对传统医疗信息系统进行升级。 1）AI辅助诊断与治疗，分析患者的症状、体征、检查检验结果等数据，与疾病知识库中的信息进行比对，为医生提供诊断建议和鉴别诊断列表，还能对医学影像进行分析，识别异常情况并提供报告。此外，依据诊断结果，参考大量临床病例和最新医学指南，为医生提供个性化的治疗方案建议，包括药物治疗、手术治疗、物理治疗等，并对治疗方案的疗效和风险进行评估。 2）电子病历分析：AI可以对电子病历中的文本信息进行挖掘和分析，提取关键症状、检查结果、诊断信息等，帮助医生快速了解患者的病情历史，为当前诊断提供参考。同时，通过对大量病历数据的学习，AI还可以发现疾病之间的关联和潜在规律，为医生提供诊断思路和建议。 3）药物提醒与剂量优化：考虑患者的个体差异，如年龄、体重、肝肾功能等，对药物的选择、剂量和用药时间进行提醒和优化，避免药物相互作用和不良反应。 4）智能导航与流程优化：AI陪诊系统能规划最优就诊路径，实时提示检查排队时间；缓解患者“迷宫式就医”焦虑，减少无效等待。 图表：以电子病历为核心的临床医疗基础架构与内外联动 资料来源：艾瑞咨询，东北证券 （3）诊后（AI随访电话/诊后智能咨询等） 由于医疗资源的缺乏，国内的诊后环节一直缺乏成体系的医疗服务，大模型的出现有望化解这一难题。 我国每年新增脑卒中出院患者高达300多万，但出院并不代表病情彻底康复，其中有12%患者在出院后30天内再入院。从这一需求出发，讯飞医疗研发了星火认知大模型+诊后康复管理平台，该平台可以在家智能生成康复计划，主动发起随访，变更康复计划并向专业医生提出问询，将专业的康复管理和康复指导由院内延伸到院外，确保患者享受到高品质、连续性的医疗服务。 同时，平台自动提醒患者，并在康复过程中，通过AI随访电话等方式对患者进行主动式管理，并通过大模型为患者提供7*24小时咨询服务。新一代诊后患者管理平台在安徽和山东率先开展服务，已覆盖30多个科室的主要病种，覆盖85%的出院患者，通过管理，患者的依从性得到大幅提高。 CDSS（临床决策支持系统）的使用场景涵盖诊前决策、诊中支持和诊后评价全过程，市场规模超百亿，AI赋能为CDSS发展带来广阔空间。随着AI的成熟和发展，CDSS为人工智能商业化落地提供了合适的土壤，机器学习具有学习速度快的优势，抓取和理解临床信息的速度比医生平均快2700倍，临床决策支持系统可以通过让机器深度学习大量高质量的既往临床实践病历和各种文献等资料，使机器具备了一定高水平的专业能力，可以对医护人员的一些行为进行建议和规范、对患者的一些病情进行预测和提前警示。 CDSS是指运用相关的、系统的临床知识和患者基本信息及病情信息，加强医疗相关的决策和行动，提高医疗质量和医疗服务水平的计算机应用系统。其本质上是一个大的医学知识库，是一个基于人机交互的医疗信息技术应用系统，旨在为医生和其他卫生从业人员提供临床决策支持，通过数据、模型等辅助完成临床决策。通俗地说，CDSS就是把医生记不住的知识通过计算机界面呈现出来，来帮助医生看好病。 CDSS系统是提升医疗质量的重要手段，因此其根本目的是评估和提高医疗质量，减少医疗差错，从而控制医疗费用的支出。CDSS的使用场景涵盖诊前决策、诊中支持和诊后评价全过程，临床医生可以通过CDSS的帮助来做出最为恰当的诊疗决策。过去，CDSS的主要市场是大医院，但随着国内对基础医疗的投入支持不断加大，基层医疗机构和基层医生的数量不断增多，老百姓对于优质基本医疗服务的需求也在增多，CDSS的市场开始逐渐从大医院转向基层。 CDSS的四大基本功能：①诊断辅助：利用机器模型根据患者主诉现病史检验检查结果等信息推断患者可能的疾病，并给出可能疾病的概率和判断依据。②治疗方案辅助：根据患者的个人基本情况和疾病等情况，推送出治疗方案供医生参考。③开单项建议和监督：根据患者的个人基本情况推送用于鉴别诊断和辅助确诊疾病需要做的检验检查项目，此外还可以对已开立的项目做合理性监督，重复开单和开单互斥等错误情况可以及时提醒纠正。④知识库查询：广义的知识库内容除了包含上述的辅助信息，还包括狭义的知识库内容，如文献、操作手册、专家指南、药品说明书等资料入库，方便医生及时查阅。 2.医院运营管理智能体 医院运营管理智能体是指构建一个立体的、多域协同、精确判断和持续智能的系统，它包括智能交互、智能连接、智能中枢和智慧应用四个主要层次。四个层次共同构建了一个能够实现医院人、财、物全要素协同，医疗、服务、管理全场景智慧化的系统。 熙软科技的医院运营管理智能体在保有上述基础特征的情况下，围绕医院运营管理建设进行重点突破，围绕ODR核心运营数据中心、ODSS运营辅助决策、小熙AI运营助理三个核心功能不断发力。 图表：熙软医院运营管理智能体 资料来源：艾瑞咨询，东北证券 对于医务工作者，医院运营管理智能体主要发挥“助手”的作用。在申请出差时只要简单提问，就能清晰地了解差旅报销标准；想要查询科室的运营数据，只需向AI运营助理发问，便会直接获取想要的数据。 对于智能化需求更大的医院管理者。医院运营管理智能体能够实时获取所需的各种深度数据分析与服务，并根据管理者的习惯，自动推送其期望掌握的数据。即便初次推送的内容未能完全满足管理者的管理需求，系统也支持通过多模态交互方式，进一步定制并推送符合期望的信息。 实际运行中，医院运营管理智能体已逐渐成为提升医疗机构效率效益的重要技术实现路径。采用分析报告、管理路径、策略输出、目标导航、AI模拟仿真、AI运营助理机器人等管理方法和手段，对医疗机构经济运营状况进行事后分析、问题根因溯源、过程控制、改善评估、未来预测、辅助决策。实现全面支撑优化业务流程、合理资源配置、计划合理制定等方面的战略管控工作。 （三）AI医学影像 医学影像是利用光、电、磁、声等物理现象，以非侵入方式获得人体或人体某部分内部组织的影像。临床超过70%的诊断都依赖于医学影像。临床中最常见的影像模态包括X线摄影、CT、MRI和超声等。 AI医学影像技术，作为医学与人工智能深度融合的前沿领域，借助深度学习、机器学习等人工智能技术，对医学影像数据展开系统性分析与精准解读，进而为医生在疾病诊断、治疗方案规划，以及预后评估等环节，提供强有力的支持。这一技术的核心机制在于，通过构建并运用特定算法，对医学影像中的病变区域进行自动化识别，同时生成量化分析结果，并给出具有参考价值的诊断建议。相较于传统影像分析方法，AI医学影像技术以数据驱动的模式，极大提升了影像分析的效率与准确性，为医学影像诊断带来了新的变革与机遇。 图表：AI医学影像主要类型 资料来源：中商产业研究院，东北证券 图表：医学影像人工阅片与AI阅片对比 资料来源：华经产业研究院，东北证券 受益于医疗新基建和政策的驱动，我国医学影像设备的市场规模稳健增长。2024年中国医学影像设备市场规模约1360亿元，2025年市场规模将达到1468亿元，同比+7.94%。 近年来，AI医学影像市场呈现出迅猛的增长态势，已成为“AI+医疗”领域中落地最成熟的细分领域。据相关统计数据，2024年中国AI医学影像市场规模约为74.5亿元。2025年中国AI医学影像市场规模有望突破150亿元，到2026年则将进一步增长至235.7亿元，持续保持高速增长的趋势。 得益于人工智能技术的快速发展，其在医学影像领域的应用场景日益丰富，涵盖疾病筛查、辅助诊断、治疗规划等多个环节，展现出广阔的市场发展空间。 图表：2020—2025年中国医学影像设备市场规模趋势（亿元）【左】，2023—2026年中国AI医学影像市场规模（亿元）【右】 资料来源：中商产业研究院，东北证券 截至2025年7月，国内已有超过100款AI医学影像辅助诊断软件获批NMPA三类医疗器械注册证，涵盖超声、CT、MR、DR等影像设备，涉及肺部、眼底、心脑血管、骨科、产科和儿童发育评估等产品，其中心脑血管疾病筛查产品数量最多，而肝部、乳腺等部位产品仍稀缺。 中国AI医学影像领域的竞争格局呈现出显著的多元化态势。在这一格局中，不同类型的市场参与者凭借各自独特的资源与能力，在技术路径、商业模式和资源整合等维度展开差异化竞争。 （1）设备厂商如联影智能、万东医疗等，依托其在硬件研发与制造方面的深厚积累，构建起“设备+AI”一体化生态体系。联影智能凭借先进的医学影像设备制造技术，将AI技术深度嵌入设备之中，实现设备性能的智能化升级，为临床诊断提供更高效、精准的解决方案。万东医疗则通过自主研发的硬件设备，结合AI技术，推出一系列智能化医学影像产品，如搭载AI技术的磁共振成像设备，能够提高影像质量，辅助医生更准确地进行疾病诊断。这些设备厂商通过将探测器与AI软件捆绑销售的策略，有效抢占市场份额，其商业模式的核心在于利用硬件优势带动软件销售，实现硬件与软件的协同发展。 （2）纯AI企业如推想科技、深瞳科技，以高精度病灶识别和跨病种泛化能力作为核心技术壁垒。推想科技专注于通过深度学习算法对医学影像数据进行分析，实现对多种疾病病灶的精准识别，其技术在肺结节、肿瘤等疾病的诊断中展现出较高的准确率。深瞳科技则致力于研发先进的图像识别技术，能够在复杂的医学影像中准确检测出病灶，并具备一定的跨病种诊断能力。这类企业主要通过向医院提供订阅服务的方式实现商业化，其商业模式的优势在于能够为医院提供定制化的AI解决方案，降低医院的前期投入成本，同时通过持续的技术更新和服务优化，增强客户黏性。 （3）互联网巨头腾讯觅影、平安好医生、百度灵医，凭借其强大的大数据整合与多场景适配能力，积极布局C端健康管理与B端医院合作的双线模式。腾讯觅影依托腾讯庞大的用户数据和先进的技术平台，能够对用户的健康数据进行综合分析，为C端用户提供个性化的健康管理服务，同时与B端医院合作，将AI技术应用于临床诊断，提高医院的诊断效率和准确性。平安好医生通过整合线上线下医疗资源，为用户提供一站式的健康管理服务，包括在线问诊、健康咨询、体检预约等，同时利用AI技术辅助医生进行疾病诊断。百度灵医则借助百度的大数据和人工智能技术，开发出智能医生助手、智能健康管家等产品，满足“医－患－药”不同环节的需求。互联网巨头的商业模式优势在于能够利用其平台流量和数据优势，实现医疗服务的多元化和个性化，同时通过与医院的合作，加速AI技术在医疗领域的落地应用。 （4）科研机构如清华大学、中科院自动化所，聚焦于算法底层创新，如小样本学习等前沿技术领域。清华大学通过深入研究人工智能算法，在医学影像分析中取得了一系列创新性成果，为提高医学影像诊断的准确性和效率提供了理论支持。中科院自动化所则致力于研发先进的图像处理算法，能够对医学影像进行更精准的分析和处理。这些科研机构主要通过技术授权和孵化初创企业的方式参与产业生态建设，将科研成果转化为实际生产力。其参与产业生态建设的模式有助于推动行业的技术创新，为新兴企业提供技术支撑，促进整个AI医学影像产业的发展。 （四）AI医学检验 检验医学是现代医学的重要组成部分，临床决策所需信息70%来自检验，其高度自动化、数据化以及采用关系型数据库存储数据的特点为AI的应用和发展创造了有利条件；而以数据挖掘、机器学习、专家系统为支撑的AI技术也将为检验医学的跨越式发展提供契机。 随着国家政策支持人工智能的应用以及对应技术的研发升级，AI医学检验渗透率急速提升，2022年AI医学检验市场规模达90亿元，预计未来到2027年AI医学检验市场规模将达170亿元，复合增速达13.56%。 图表：AI医学检验市场规模（亿元） 资料来源：共研产业咨询，东北证券 （1）检验流程的智能化：通过全流程降本增效，涵盖了基于机器学习的检验项目推荐以优化诊断方案、降低医疗成本；引入“移动平均统计质量控制”技术提升实验室质量管理与错误检出率；利用图像识别技术实现检验样本图像的全自动分析，提高诊断准确性与效率；通过自然语言处理技术构建个性化自动审核系统，结合临床信息与历史数据实现检验结果的智能判断与报警；并生成面向医患双方的智能检验报告，提供疾病预测、诊断建议、治疗方案及患者健康趋势分析等，全面提升检验医学的精准性、效率与临床价值。 （2）AI辅助诊断：通过基于常规实验室数据的模型帮助医生进行鉴别诊断，全球市场预计在2023至2028年间以23.2%的年复合增长率从13.12亿美元增长至37.38亿美元，主要应用于体内诊断和体外诊断两大领域：体内诊断依托AI算法分析医学影像（如X光、CT、MRI等），提升病变识别的准确性和效率；体外诊断则通过分析血液、基因等大量数据实现早期疾病检测与个性化治疗，其产业链涵盖生产（如东方生物、迈克生物等）、服务（如迪安诊断、金域医学等）和流通（如润达医疗）三大板块，展现出巨大的应用潜力和市场增长空间。 AI在辅助诊断中展现出巨大潜力的方向主要包括：病理诊断，我国潜在市场超400亿元，通过构建医学知识图谱实现综合性诊断并出具报告，行业分为外资企业（如罗氏、徕卡、安捷伦、樱花、赛默飞、雅培、西门子、碧迪）和本土企业（如迈新生物、艾德生物、安必平）两大梯队；精准医疗，全球市场预计十年内从12亿美元增至171亿美元，我国自2014年后在国家战略推动下快速发展，竞争格局涵盖基因检测（华大基因、贝瑞基因）、伴随诊断（泛生子、燃石医学）、第三方检测（迪安诊断、金域医学）、细胞治疗（南华生物、冠昊生物）及免疫治疗（药明巨诺、复兴凯特）五大派系，AI应用推动基因检测成本下降，促进肿瘤分型与靶向治疗优化；癌症筛查，通过AI提取肿瘤分期、分子特征及微环境信息，广泛应用于乳腺癌、肺癌等癌种的早期诊断与研究，为精准治疗提供重要依据。 （五）AI健康管理 AI健康管理主要是指利用新一代信息、通信、人工智能、生物信息等技术手段，感测、分析、整合健康数据采集、健康检测、健康评估、健康干预四个关键环节的各项信息，从而对个体或群体的健康需求做出智能响应的新模式。 AI赋能健康管理后可以分析个体健康数据和生活习惯，制定个性化的健康管理计划，提高健康管理的效果和可行性。目前已覆盖运动健康管理、护肤健康管理、营养健康管理、慢性病健康管理、睡眠健康管理及生命体征检测管理等。 AI健康管理通过整合多源异构数据与智能算法，构建起覆盖全生命周期的精准化健康服务体系。在个性化健康管理层面，系统融合基因图谱、行为特征及生命体征数据，生成动态干预方案，结合可穿戴设备实时监测与风险预警，实现从营养运动规划到疾病预防康复的全周期照护。在疾病预测预防领域，AI基于临床数据与多模态生物信息构建预测模型，通过深度学习解析疾病分子机制与个体易感性，不仅为慢性病防控提供时空动态传播模拟与公共卫生决策支持，更在遗传病早筛中实现基因型到表型的精准映射，推动医疗向预测性、预防性转型。药物管理方面，依托多维度医疗数据构建药效动力学模型，精准评估药物敏感性并优化给药方案，显著降低治疗风险。同时，AI赋能远程问诊通过症状识别、语音分析及流程优化，提升医患沟通效率与服务质量，最终形成集个性化干预、疾病早筛、精准用药及远程医疗于一体的智能化健康管理生态，全面赋能个体健康与公共卫生服务升级。 在慢性病患者、亚健康群体增大及老龄化驱动下，AI健康管理需求市场快速扩张，预计2024年市场规模近1.4万亿。中国AI健康管理行业处于发展初期，细分领域众多，市场广阔。2018至2022年，市场规模由2937亿元增加至8913亿元，预计2023至2027年，市场规模将由11239亿元增加至25909亿元，复合增速为23.22%。 按需求人群来看，目前AI健康管理可分为三大细分市场，分别是慢病管理、老年康养、亚健康群体。 慢病管理：已成为全球重大公共卫生挑战，尤其在中国，随着人口老龄化加剧，心脑血管疾病、糖尿病、癌症及慢性呼吸系统疾病等慢性病的发病率与死亡率持续攀升，对医疗资源构成巨大压力。AI慢病管理依托互联网、物联网、大数据及智能算法，构建覆盖前期监测、跟踪管理及个性化服务的全流程数字化体系，通过整合医疗机构、药械企业等资源形成价值共创生态，为患者提供健康档案管理、电子就诊记录、远程咨询、用药指导等一站式服务，有效缓解医疗资源短缺与医护人员不足问题。在医护端，AI提升管理效率、减少人为错误并促进信息互联互通，助力临床研究；在患者端，则通过减少就医时间、保障用药连续性、降低医疗成本等提升服务体验。中国慢病管理行业已从传统线下模式演进至AI驱动的数字化阶段，早期以C端在线问诊为主但因支付意愿低面临盈利困境，现逐步转向医院、药店等B端市场，并探索引入商业保险作为付费主体，但相较于美国以企业为B端客户的成熟模式（如Livongo），中国商业保险覆盖率仍有差距。当前，在处方外流、药店转型及互联网医院发展推动下，院外市场快速扩张，但院内市场仍占主导地位，行业商业模式尚在持续探索中。 AI老年康养：在中国人口老龄化加速、预计2035年进入重度老龄化阶段的背景下，AI老年康养凭借政策支持与市场需求双重驱动，正快速发展成为应对养老挑战的重要技术路径。该领域依托物联网、大数据及人工智能技术，构建以智能产品和信息系统平台为核心的康养服务体系，涵盖可穿戴健康管理设备、便携式健康监测工具、自助健康检测设备等硬件产品，以及居家健康养老、个性化健康管理、互联网健康管理等服务形态，满足老年群体自我健康评估、疾病预防、医疗指导及居家/社区远程监护等多元化需求。2020年工信部等部委对智慧康养产品与服务的分类进一步明晰了行业发展方向，推动医疗器械类上市公司聚焦智能健康监测与检测产品研发，同时吸引科技、通信等非医疗行业企业加速布局，如中兴通讯与地方政府合作推进养老服务智能化，万达信息参与养老信息化平台建设等。未来，随着更多大型企业凭借技术与资金优势入局，AI老年康养行业将持续深化技术创新与服务整合，为应对中国老龄化社会提供智能化、规模化解决方案。 亚健康是一种介于健康与疾病之间的状态，全球约75%人口受其影响，尤其在中国呈现年轻化趋势，35岁以下人群占比近三成。改善亚健康主要通过锻炼、睡眠和饮食调整，而AI技术正深度渗透至运动监测、睡眠管理及饮食规划等环节，通过智能设备实时追踪身体状态并提供个性化干预方案，助力亚健康群体科学提升健康水平。当前中国AI亚健康行业尚处于发展初期，但市场增长迅速，2018—2022年市场规模从1.5亿元扩大至6.7亿元，预计2027年将达37.6亿元，其扩张动力主要源于亚健康人群基数扩大与AI技术驱动的数字化转型。行业创新不断涌现，如美丽田园的IRATHERM®技术通过模拟阳光提升核心体温以加速新陈代谢，exemplifying技术融合对亚健康管理的赋能作用。未来，随着技术迭代与需求升级，AI亚健康市场有望进一步释放潜力，成为健康管理领域的重要增长极。 未完待续
