①当下，有企业正在陷入算法浪潮冲击下的AI焦虑，一面在重金堆砌算力硬件，另一面却在组织流程与业务架构上按兵不动，导致AI在旧体系中空转，无法创造实际价值；
②行业还需跳出 “传统业务+AI插件”的叠加思维，AI并是要重新定义医患服务、医药研发与供应链运转的内在逻辑。

《科创板日报》8月14日讯（记者 史士云）1987年，诺贝尔经济学家罗伯特·索洛曾在其知名的索洛悖论里提出：计算机时代随处可见，唯独没有体现在生产率统计里。

在日前举行的第十九届健康产业生态大会2026西普会上，有行业人士表示，现在的AI发展和索洛悖论相仿。“每个人都在讨论AI，甚至每天都在用AI，但如果落脚到财报数据里，生产率到底提升了多少。”

西普会大会主席、中康科技董事长吴瀚也指出，当下，有企业正在陷入算法浪潮冲击下的AI焦虑，一面在重金堆砌算力硬件，另一面却在组织流程与业务架构上按兵不动，导致AI在旧体系中空转，无法创造实际价值。

“现下，技术生态已发生根本性位移，产业进化的土壤也随之改变，不再是渐进式改良，而是需要一次逻辑底层的彻底重构。”吴瀚进一步提出。

当整个医疗健康行业已随处可见AI, 大模型开始逐步渗透产业全链条，行业还需跳出 “传统业务+AI插件”的叠加思维，AI并非在原有流通体系、诊疗模式、研发范式基础上做小修小补，而是要重新定义医患服务、医药研发与供应链运转的内在逻辑。

▌AI医疗热象

“现在参与行业交流，你要不提提AI，就会被视作观念滞后，跟不上节奏，整个行业气氛都烘托到这儿了，肯定还是要积极拥抱AI嘛。”有医药行业人士在西普会上对《科创板日报》记者如此笑言。

医疗赛道，无疑已跻身AI竞争最为火热的领域之列。根据此前国家工信部联合国家药监局发布的新一轮人工智能医疗器械创新任务入选清单显示，有182个项目入选，覆盖了智能辅助诊断产品、脑机混合智能产品、支撑环境等方向。

如果从整体的应用场景来看，从药物的分子筛选、临床试验数据研判，到医学影像阅片、基层慢病筛查、医院运营管理、线上问诊随访，AI已经贯穿了医疗健康产业链的上下游。

在医疗AI产业化落地节奏加快的同时，市场体量也在同步扩容，根据弗若斯特沙利文数据，国内医疗AI市场规模将由2023年的88亿元攀升至2033年的3157亿元。

与此同时，资本市场对于医疗AI也保持了较高的热情。据Wind数据，自2025年四季度起，AI医疗指数范围内已有150家上市公司迎来机构调研，其中36家企业接待的调研机构数量超40家。

在吴瀚看来，行业热度升温的背后，AI正从三个维度拆解和重构了医疗健康的产业机制。

在供給端，过往三十年增长建立在已病群体的存量博弈上，当AI与多维感知设备融合，可在疾病发生前3到5年唤醒隐匿的“沉默需求”。当需求被前置激活、供给以指数级迭代，产业核心价值将从“卖药给已病患者”转向为全生命周期“管理风险”。

在决策端，以往的医药研发是“千万分之一”的豪赌，商业决策依赖直觉与博弈，而AI正在打破这个黑盒，在研发层面将试错转化为数据建模的风险对冲，在商业端对数亿级诊疗数据进行结构化处理，提升了资本效率的确定性。

再看“信任端”，当“循证级”决策支持能力下沉至药店、诊所等终端，药店将进化为实时交互的“健康驿站”，药师则转型为执行AI建议的“健康管理师”，这将从根本上破解医患、药患信任危机，让产业回归“患者获益”的本质。

作为零售药店终端AI的实践者，老百姓大药房董事长、总裁谢子龙更是深有感触，其表示也一直在思考，在AI重塑行业格局的浪潮下，连锁药店店该如何找准自身全新的价值定位。

此次西普会上，多位零售药店人士向《科创板日报》记者坦言，现在零售终端的经营压力非常大，医保支付方式的改革等多重因素瓦解了行业的传统盈利模式，依托药品进销差价获利的粗放式经营路径已经难以为继，想要活下去，就必须要转型。

而政策层面已为零售药店的转型定了调，今年1月，国家九部门联合发文，鼓励药店从卖药转向提供用药指导、健康咨询、社区康养等综合服务，明确提出零售药店要打造为能满足大众健康需求的“健康驿站”。

“向健康驿站转型是一项系统性工程，拥抱AI是落地推进的先决条件。联动医疗机构、疾控部门开展医嘱依从管理与健康生活方式干预，构成了健康驿站的核心服务能力，而AI能够持续提升门店专业服务水平、释放人力。同时，依托算法对连续、动态健康数据的整合研判，以健康改善成效为导向的服务模式路径愈发清晰。接下来，药店之间的竞争重心，将从药品供给的可及性转向健康改善结果的可预判性。”谢子龙说道。

在健康管理上，AI已经在慢病的多病共管上开启了实践探索。

据中国疾控中心慢病中心主任吴静介绍，当前国内慢病患者超4.5亿，多病共患人群基数庞大，AI数字化工具能够搭建标准化数智化共管体系，统一药店、医疗机构服务路径，完善建档、监测、随访全流程标准，推动慢病防控无处不在。

▌热闹背后的技术与盈利现实

当AI不缺医疗场景，标志着行业早已跨过“找不到落地入口”的早期阶段，但行业短板也开始逐步显现。现阶段AI的技术能力与真实需求之间仍存在一定差距。

当前主流AI医疗模型，大多只能应对标准化和结构化的应用场景，在精准度、稳定性以及泛化能力上有一定不足。与此同时，医疗数据碎片化、数据质量良莠不齐、多场景数据融合困难等现实问题，也限制了模型能力的进一步迭代，AI还难以真正理解复杂的医疗逻辑与临床思维。

这也意味着，现阶段AI医疗更多承担的是降本增效的作用，尚不足以彻底颠覆医疗体系，实现全域智能化落地，行业仍需要经历一段落地磨合期。

有药企人士在会上向《科创板日报》记者表示，公司已将AI应用于药物研发的多个环节，过去需要一周完成的工作，如今AI只需两小时就可以输出结果，但团队并不完全信赖AI，其完成后运算后仍要经过人工复核，AI实际应用中依旧存在一定的错误率。

另有某头部零售药店城市区域负责人也向《科创板日报》记者指出，公司用AI处理一些数据问题遇到了卡点。药店线下业务数据来源繁杂，既有门店销售、库存台账，也有会员消费、线上平台订单，数据口径并不统一。AI工具虽能快速做数据归集，但很难输出可直接拿来决策的结果，因此AI现阶段更多只承担基础的数据初筛职能，还难以深度介入业务的决策环节。

而对于医疗AI企业来讲，完整成熟的商业闭环也仍未完全跑通。

近日，美股AI医疗龙头Tempus AI发布2026年第二季度财报，宣告首次实现季度盈利，该消息迅速搅动了资本市场的情绪，并一度传导至国内的二级市场，有市场声音将Tempus AI跨过盈亏平衡点视为AI医疗跑通商业模式的关键信号。

资料显示，Tempus AI定位以人工智能与机器学习技术赋能医疗健康行业，该公司也引来了华尔街知名投资人“木头姐”的重仓。

但层层拨开Tempus AI财报中的繁杂数字会发现，其仅是账面盈利，且盈利主要来源于“其他收入”而非AI医疗主营业务，而核心经营利润实际仍在亏损，且同比有所扩大之势。

业内指出，未来，AI 仍有一段路要走。技术层面，模型不能仅局限于标准化任务，还需持续提升对非结构化产业数据的处理能力，真正适配真实业务链条的决策逻辑。商业化层面，技术迭代、数据治理、临床验证以及客户定制化改造都会带来持续成本投入，如何将AI产品释放的价值转化为客户愿意持续付费的价值兑现，仍是行业亟待破解的命题。