8.9
深览指数
商业人人都是产品经理·壮年女子AIGC版··AI 生成
AI医疗的钱，为什么这么难赚？
本文从一线产品经理视角，剖析中国AI医疗商业化卡在支付端而非技术端的核心问题：创造价值不等于捕获价值。文章指出，在DRG/DIP按病种付费大背景下，医院的经营逻辑转向控制成本，而AI的“节省医生时间”无法直接转化为医院的收入，导致“三方受益，一方掏钱”的困境。即使2024年国家医保局将AI辅助诊断纳入立项指南，但也同时明确“不与主项目重复收费”，将AI定位为“降本增效工具”而非“创收工具”。文章进一步对比中美支付结构差异，揭示出各自长出的AI产品形态截然不同：中国是基层赋能型（如讯飞医疗），美国是医生减负型（如DAX Copilot）。最终指出AI医疗商业化最深处的难题是“责任归属”——医疗核心是“有人为不确定的决策负责”，AI无法承担法律责任，产品设计的本质是重新划定“人机分工界面”。适合关注医疗科技产业、产品商业化、以及AI落地的从业者和投资人阅读。原文 ↗
核心观点
- ▍中国AI医疗商业化的核心卡点不是技术，而是“支付PMF”缺失：在DRG/DIP付费机制下，医院从“多做项目”转向“控制成本”，AI带来的效率提升无法直接转化为医院收入，导致“三方受益（医生、患者、医保）、一方掏钱（医院）”的结构性矛盾。
- ▍2024年国家医保局将AI辅助诊断纳入立项指南，但同时规定“不与主项目重复收费”，将AI明确定位为“降本增效工具”而非“创收工具”，这一定位对产品商业化路径有深远影响。
- ▍AI医疗产品的设计本质是在划定一张“责任分配图”：信息处理可以外包给机器，但“在不确定情况下做出不可逆决定并为此负责”的核心无法外包，这是医疗的本质，也是AI商业化的终极边界。
- 01以肺结节影像AI为例，产品敏感度超95%，医生试用一致好评，但院长采购时追问“装了它，哪笔钱能多收回来？”因节省的医生时间、减少的漏诊在财务上无法量化，采购谈判无果。
- 02DRG/DIP（按疾病诊断相关分组/按病种分值付费）全面推行后，医院经营逻辑转向控制成本。德勤中国行业合伙人指出，AI的诊断效率提升在此付费机制下无法让医保额外付费。
- 03现实中医院购买AI系统的资金主要来自四个不稳定口袋：自筹预算、科研经费、财政专项、智慧医院评级配套，缺乏稳定市场化收入支撑，基层医院直言“病种单一，运维成本高”。
- 04讯飞医疗的智医助理已覆盖全国31个省份697个区县超7.5万个基层机构，提供超10.1亿次AI辅诊建议，依托分级诊疗的国家意志和财政体系落地，形成独特“GBC”结构。
- 05美国最快落地的AI医疗产品是环境临床智能（如微软DAX Copilot、Abridge），按医生席位订阅，价格约200-800美元/月/席，因直接对标真人病历员成本3000美元/月以上，投资回报明确。
- 06美国CMS在2025年12月启动ACCESS十年试点，对6类慢性病试行“结果对齐付费”，50%费用暂扣，待患者健康指标达标后发放，首次为“AI参与创造的健康结果”付费。
反方 / 局限
- — 文章承认“按效付费”模式虽被看好，但面临三个绕不开的前提：结果可测量（复杂疾病“更好”的标准难界定）、贡献可归因（健康结果是多因素产物，AI贡献难以单独量化）、责任可界定（按临床结果付费触及合规与伦理敏感地带）。
- — 文章隐含的张力：中国政策明确AI不能独立收费且医生必须终审（限制商业化天花板），而美国犹他州沙盒尝试让AI在严格监管下续开处方，两种监管哲学究竟哪种更能兼顾创新与安全，文章未给出定论。
- — 文章指出“真正的护城河都不是算法，而是分发管道”，但并未深入讨论：当GBC和EHR这类管道被少数厂商垄断后，是否会形成新的市场壁垒，反而抑制了AI医疗的创新活力。
18 分钟 · 3 卡片 · 8 资料
读原文 →