报告披露，国内医疗大模型累计发布量从 2023 年的 61 个跃升至 2025 年 6 月的 311 个，三年增长数倍。这个速度说明两件事：一是技术门槛在快速下降，通用底座加领域数据适配就能产出一个「医疗大模型」；二是命名与发布本身已经不能构成竞争力，因为供给远超真实采购需求。报告对阶段的划分很清晰：2023 年是「百模大战」，比算力与参数；2025 年是「数据壁垒」，比谁能卡住高价值场景；进入 2026 年，竞争焦点变成「谁的智能体能真正跑通业务闭环」——从被动应答的认知引擎，进化为主动协作的执行主体，从单点问答走向贯穿预防、诊疗、管理的连续服务。对厂商而言，这意味着评价标准从「模型跑分」换成了「上线后医院还用不用」。

报告给出的场景成熟度梯队，是这份报告最有实操价值的一张表。第一档是成熟应用：医疗影像 75%–85%，数据标准化程度高、任务边界明确、监管路径清晰（三类证获批），已实现规模化临床应用；诊疗辅助 70%–80%，与临床需求结合紧密，覆盖辅助诊断与病历生成，成为医生的核心辅助工具。第二档是快速推广与应用拓展：医院管理 60%–70%，聚焦运营效率与资源调度；健康管理 60%–70%，面向患者全周期但数据分散、个性化要求高。第三档是试点与验证：中医药 50%–60%，受望闻问切主观性制约，以知识问答为主；药物研发 50%–60%，技术融合但尚未颠覆传统流程；公共卫生 30%–40%，跨部门数据壁垒高，多个方向仍在探索。这个梯队意味着，资源应该压在能拿证的场景上，而不是均匀铺开。

报告对商业化的量化判断集中在一组预算数据上：终端 IT 预算中大模型相关支出占比，将从当前水平提升至 20%；预计 2028 年大模型在医院端的渗透率达到 65%。这两条合起来，指向一个并不激进但很确定的市场——医院的信息化预算总量增长有限，但内部结构在快速重排，大模型正在从「创新试点科目」变成「常规预算科目」。报告同时提示，采购决策权正在迁移：过去由信息科主导，现在临床科室、院办、甚至地方卫健委都在参与，厂商的销售对象从「一个部门」变成「一套决策链」。这也解释了为什么头部医疗 IT 企业的优势明显——它们本来就握着 HIS、电子病历这些系统级入口，把大模型嵌进去，比从零进场容易得多。预算结构的重排，比任何单点技术突破都更值得关注。

报告把玩家分成四类，商业模式各不相同。科技生态企业以技术底座与 C 端流量双轮驱动，用 C 端健康服务构筑流量闭环，叠加 B 端智能医疗解决方案（项目制、SaaS、Agent 全栈方案），部分企业还与医疗 IT 生态合作，借医院渠道实现院内渗透。头部医疗 IT 企业把大模型深度嵌入自有 HIS、电子病历等核心系统，建立覆盖诊前、诊中、诊后的智能体矩阵，面向存量医院实现系统级升级，提升客单价与粘性。技术创新型企业聚焦垂直场景，靠专用模型与细分领域技术打造核心产品，通过技术授权、软硬一体化方案及医疗器械认证实现营收。医院与科研机构则从技术使用者转为研发主体，头部医院在通用模型上自主研发垂直医疗模型，对外输出工具，通过技术授权、联合科研、商用工具付费变现。四条路各有天花板，跨道经营往往两头不讨好。

报告提到，临床一线超过 80% 的医生已将 AI 工具纳入日常工作流。这个数字比任何渗透率预测都更有分量——它说明使用习惯已经形成，剩下的问题不是「要不要用」，而是「怎么用得放心」。报告在政策部分梳理了三层驱动逻辑：国家战略定方向（《国民健康「十五五」规划》与「人工智能+」行动意见）、专项政策强支撑（五部门《实施意见》与药监创新举措规范八大应用场景）、地方场景促落地。政策把 AI 从「鼓励探索」推入了「落地考核」阶段，同时也意味着合规要求会越来越硬。真正的难点在责任划分：模型给出建议、医生签字负责，一旦出现误判，责任如何界定？这个问题不解决，高成熟场景之外的应用很难规模化。报告的趋势判断是焦点从模型性能转向 Agent 闭环能力，而闭环的前提，正是把责任、审计与可解释性一起设计进去。

图中红色为增长。

区间为报告给出的成熟度范围；医疗影像与诊疗辅助已在 70% 以上。

图中红色为增长；预计 2028 年大模型在医院端渗透率达到 65%。

两项口径不同：前者为医生个人使用，后者为医院端整体渗透。