医学影像AI的下一程（上）

过去十年，医学影像AI赛道经历了从资本涌入、论文迭出到注册证密集获批的上半场。然而,繁荣的表象之下，一个尴尬的现实逐渐清晰：绝大多数AI产品仍在临床边缘打转，医院采购意愿低迷，医生工作流中鲜见它们的身影，应用落地散在化。好在，积极变化正在发生。进入2026年，多重政策信号密集释放，行业似乎站在了规模化、商业化的拐点前夜：国家医保局面向全球征集医学影像AI付费方案，被视为打通支付最后一公里的关键动作；国家级个人全生命周期影像云加速搭建，为数据共享铺平道路；三类医疗器械审评机制持续优化，创新产品审批周期明显缩短。三大产业配套政策同步推进，共同指向一个趋势：医学影像AI正在从技术验证期迈入商业落地期。产业层面的突破信号也陆续显现。就在7月举行的2026全球数字经济大会中，作为备受瞩目的“新技术新产品首发首秀”重点环节之一，影禾医脉面向全球正式发布医学影像AI 3.0通用人工智能系统。这一里程碑式成果标志着医学影像AI从“图像识别”全面跃迁至“图像理解”的新时代，有望从根本上重塑全球医疗AI的发展范式，成为一个值得持续观察的行业风向标。当政策与技术的双重拐点交汇，一个更值得探讨的核心议题随之浮现：过去十年，医学影像AI价值释放不足的深层根源何在？未来五年，产业的核心增长极又在哪里？若要真正实现规模化商业化，业界还需要在哪些关键维度持续发力？要回答未来怎么走，先得弄清楚过去卡在了哪里。“行业一直在‘造飞机部件’，却从未真正‘建机场’。光有飞机没有跑道，技术自然难以真正落地。”一脉阳光集团创始人、影禾医脉董事长王世和用一个精妙的类比点破了迷思：医学影像AI的研发与落地是一套完整的体系化工程，可以用造飞机类比。过去行业里大量企业只专注研发飞机各类核心零部件，即大量研发资源集中于病灶检测、图像分割等核心算法，如同造出了精良的发动机和机翼，极少有企业能完成整机组装；即便少数企业造出完整飞机，也缺少跑道、航站楼、空中调度系统等全套配套基础设施。这就是过去十年影像AI难以释放实际价值的核心原因之一。与此同时，更深层次问题在于，行业对AI的认知仍停留在工具层面，而非基础设施。多数企业将AI定位为辅助医生完成某一具体任务的工具，却忽视了AI要真正发挥作用，必须深度融入从开单、扫描、诊断到临床应用的完整工作链条。这种认知偏差导致AI产品的研发与临床真实需求之间始终存在一道鸿沟，使得AI未能嵌入临床医生的真实工作流，大多以独立工作站或“外挂”系统的形式存在，医生需要在PACS与AI系统间反复切换，每一步切换都意味着时间成本与操作负担。事实上，医学影像AI正在经历从1.0到3.0的产业跃迁，这一演进本身也在倒逼认知升级。1.0时代是碎片化单病种模型，仅能识别单器官单病种，临床适配度低，商业化举步维艰；2.0时代升级为单检查项目全病种AI，局部阅片效率有所提升，但工具数量庞大，依旧无法规模化铺开；3.0通用人工智能时代则彻底打破边界，以检查项目为单元批量研发AI工具，全模态、全解剖、全流程、全自动，真正嵌入医技护工作流。全球医学影像AI正从单任务模型向这一全新架构演进。影禾医脉的3.0通用人工智能布局恰恰契合了这一方向。作为这一进程的深度参与者，王世和有一个核心判断：“当前AI的核心竞争力已经从模型性能转向融入工作场景解决实际问题的能力。不再是唯参数论来评价AI的价值——医学影像AI强调的是AI如何帮助医生快速、高效、准确地完成日常工作，这才是有用的AI，有人愿意付费的AI。”换言之，破解医学影像AI商业化“叫好不叫座”的困局，关键在于医学影像AI不应仅被视为单一诊断工具，而应作为系统级基础设施进行整体构建。这意味着三个层面的范式转变：一是AI必须融入临床工作流程，而非游离于流程之外；二是流程、场景与AI能力必须一体化协同建设，而非各自为政；三是效率提升与合规保障必须齐头并进，推动行业进入高质量发展新阶段。唯有完成从“工具”到“基础设施”的认知升级，医学影像AI才能突破“叫好不叫座”的困局，真正释放规模化价值。正因如此，王世和认为，未来五年行业最大的产业机会落在能完成医学影AI“整机组装”的企业身上。能够向医疗机构提供一体化完整解决方案，让医学影像AI真正像专业影像医生一样完成全流程工作，就是未来核心赛道。政策与技术双重拐点交汇，医学影像AI正处在一个关键转折点上。机会之下，挑战何在？方向又在何方？请您明天接着收听。