当AI医疗产品在临床获得认可，却卡在采购环节——院长只问“装了它，医院哪笔钱能多收回来？”本文从一线产品经理视角，拆解AI医疗商业化的三道坎：支付PMF缺失、中美支付结构分化、责任归属难题。读懂政策中“不与主项目重复收费”的深意，才能理解为何创造价值不等于捕获价值。

影像科里，AI圈出的病灶越来越准；但采购会上，院长问的从来不是准不准。

先讲一个我反复见到的场景。

一款肺结节影像AI，敏感度做到95%以上，几秒钟就能在CT上圈出可疑病灶，标记大小、密度和前后变化。影像科试用三个月，医生反馈出奇一致：省事、准、愿意用。产品也顺利拿到了NMPA三类证。

然后商务团队去谈正式采购，院长翻完材料，问了一个问题：

“这东西是挺好。可我装了它，医院哪笔钱能多收回来？”

销售愣住了。节省的时间？医生下班早了一点，医院不会因此多一分钱收入。减少的漏诊？那只是规避了一笔”没有发生的赔偿”，财务报表上看不见。提高的阅片量？在DRG/DIP按病种付费的大背景下，多看片不等于多挣钱，科室甚至可能因为效率太高，把单位检查的成本结构做得更尴尬。

那场谈判最后没有结果。

这不是某一家公司的窘境，而是AI医疗行业过去几年的缩影：技术在狂奔，临床在点头，账单却卡在原地。

我是一名AI医疗产品经理。这个行业过去最不缺的就是”技术叙事”——模型又刷新了什么纪录、又拿了几张证、哪个大厂发布了医疗大模型。但在一线做产品，你会发现真正决定生死的，从来不是模型能不能答对，而是四个很朴素的问题：谁付钱？为什么付？付多少？出了问题算谁的？

这篇文章想把这几年的观察串起来，聊三道坎。它们由浅入深：第一道关于”钱从哪来”，第二道关于”路为何分叉”，第三道关于”责任落在哪”。看完你或许会理解，为什么AI医疗的商业化，本质上不是一道技术题。

01 工具证明了价值，却没人能把价值换成钱

医疗AI的第一阶段，主流价值主张几乎都写着同一句话：帮医生节省时间。

这句话临床价值上成立。影像科医生一天看几百个患者的片子，AI预筛、勾画、生成结构化报告，确实能把机械性的工作吃掉一大块。但产品经理在医院里会很快撞上一个冰冷的财务事实：在现行的医院运转逻辑里，”节省医生时间”很难被翻译成”医院的收入”。

要理解这一点，得先理解中国医院的支付环境正在发生什么变化。这几年DRG/DIP（按疾病诊断相关分组、按病种分值付费）全面推行，医保对医院的付费方式从”按项目累加”变成了”按病种打包”。什么意思？以前做一项检查收一项的钱，做得越多收得越多；现在一个病种医保给的是一个打包价，超支了医院自己承担，结余了可以留用。

这套机制下，医院的经营逻辑从”多做项目”转向”控制成本”。AI作为一笔新增大额投入，它带来的效率提升并不会让医保多付钱，反而先表现为一笔确定的支出。德勤中国一位行业合伙人在今年接受采访时把这层窗户纸捅破了：AI设备带来的”诊断效率提升”，在DRG/DIP下无法让医保额外付费，导致医院的投资回报难以量化。

那医院买AI的钱从哪来？现实中主要是四个口袋：自筹预算、科研经费、财政专项、智慧医院评级配套。每一个口袋都不是稳定的、可重复的市场化收入。新华网今年7月的调研里，有医院管理者算了一笔账：一套AI系统动辄数百万元，如果无法通过收费回收成本，就只能被视为”锦上添花”的硬件投入，缺乏大规模更新的动力。基层医院更是直言，病种相对单一，运维成本却不菲，”轻量级、低成本”的产品还没出现。

于是行业陷入了一个很拧巴的局面：三方受益，一方掏钱——省下的时间归了医生，减少的风险归了患者，控费的收益归了医保，而买单的是医院。没有一方受益主体和付费主体是重合的，这笔账天然难算。

转折发生在支付端。

2024年11月，国家医保局发布《放射检查类医疗服务价格项目立项指南》，第一次把”人工智能辅助诊断”作为扩展项，放进了放射检查的价格项目里。随后超声、康复、病理（2025年12月）等立项指南陆续跟进。今年以来，多家媒体报道：AI辅助诊断服务按乙类管理纳入医保支付，首批覆盖肺结节CT筛查、眼底糖网识别、心电图分析、脑卒中影像评估等12个高频场景，数百家三甲医院同步落地，并称中国由此成为全球首个把AI诊断大规模纳入国家医保体系的国家。

作为从业者，看到这样的消息当然振奋。但做产品的人必须读懂政策条文里那个最关键、也最容易被标题忽略的限定词——“不与主项目重复收费”。

它的真实含义是：AI辅助诊断不能作为一个独立项目向患者额外收费，而是和主项目（比如一次CT检查）执行相同的价格水平，医院可以选择用人工，也可以选择用AI，但价格不变。医保部门的原话是，在已经收取诊疗费用后再就AI额外收费”有失公平”；AI的价值通过主项目的价格整体调节来体现。

换句话说，医保给了AI一个”名分”，但没有给它一张独立的”价签”。

这看起来是泼冷水，其实是一次重要的定位澄清：政策没有把AI定义为医院的”创收工具”，而是明确定位成”降本增效工具”。它不指望AI直接帮医院多收钱，而是期待它帮医院在既有预算里把活干得更省、更规范，在医保的质量考核和绩效评价里少扣分、多拿结余。这也是为什么今年9月国家卫健委在答复政协提案时，把这套安排表述为”为人工智能辅助技术应用理顺收费路径”——注意，是”理顺路径”，不是”打开钱袋”。

这件事对产品经理的启发，我认为价值千金：医疗AI的PMF（产品市场匹配）其实有两层，第一层是临床PMF，医生愿意用、用了确实好；第二层是支付PMF，付费方在自己的账本能算出正向回报。过去死掉的大批医疗AI公司，大多只过了第一关。demo里医生的惊叹是真的，采购会上财务的沉默也是真的。

更深一层看，这是商业世界里一个经典命题在医疗场景的放大：创造价值和捕获价值，是两种完全不同的能力。你能创造价值，只说明你有价值；你能捕获价值，才说明你活得了。第一阶段的AI医疗，集体擅长前者，集体卡在后者。

省下的时间归医生，减少的风险归患者，控费的收益归医保——掏钱的却是医院。

02 同一项技术，在两片支付土壤里，长成两种产品

如果说第一道坎讲的是”钱从哪来”，那么顺着付费方往下看，会出现一个更意味深长的现象：中美两国用的是同一代AI技术，长出来的产品却几乎没有相似之处。

这不是技术路线的差异，而是支付结构筛选的结果。什么样的付费方，就会筛选出什么样的产品。

先看中国：单一支付方主导，产品首先要回答”资源不均”。

中国医疗体系最大的痛点，是优质资源高度集中在头部三甲，基层能力薄弱。覆盖13.3亿参保人的基本医保（截至2025年底参保率稳定在95%）是绝对的单一支付方，它的政策目标非常明确：控费、分级诊疗、把优质能力下沉。

在这种土壤里，最先跑出来的不是”帮大医院名医减负”的工具，而是”让基层医生达到合格线”的助手。最典型的是讯飞医疗的智医助理。根据科大讯飞2025年半年报，到2025年6月，智医助理已经覆盖全国31个省份697个区县、超过7.5万个基层医疗机构，累计提供超过10.1亿次AI辅诊建议，辅助生成标准化电子病历3.9亿余份。这个量级的落地，在世界上任何其他市场都难以想象——它依托的不是市场化的逐家销售，而是分级诊疗的国家意志和财政体系。

由此，国内主流厂商形成了一种独特的”GBC”结构：G端政府定标准、建平台、做基层；B端医院打磨技术、建智慧医院；C端再通过健康管家类产品（讯飞晓医、阿里氢离子、蚂蚁健康等）开拓增量。讯飞医疗2025年初在港交所上市，被称为”医疗大模型第一股”，今年它的战略重心还在从一次性项目交付转向按使用量、按服务周期收费的ARR（年度经常性收入）模式。今年启动试点的”个人医保云”，目标是整合13.3亿人分散在医院、药店、可穿戴设备上的全量健康数据，构建国民级健康智能体——这同样是只有单一支付方才能推动的数字基建。

再看美国：商保和医疗集团买单，产品首先要回答”医生倦怠”。

美国的付费方是商业保险公司、大型医疗集团（如Kaiser、Mayo Clinic）和药企。它们不操心”基层没有好医生”，因为医生是高成本人力，医疗集团最头疼的是另一件事：医生把大量时间耗在了文书上，职业倦怠（burnout）高企，诊后还要花两三个小时写病历。

于是美国商业化最快、最成熟的产品，是一个中国同行相对陌生的品类——环境临床智能（Ambient Clinical Intelligence，ACI）。它在诊室里”无感”地收听医患对话，自动生成结构化病历，医生只需审核修改。微软的DAX Copilot（来自2022年微软以197亿美元收购的Nuance）和Abridge是代表产品。DAX深度嵌入Epic、Oracle Health、athenahealth等电子病历系统，医生不用切换界面，诊后60秒内就能拿到病历草稿，公开数据显示其平台临床医生已达55万量级；Abridge则快速签下UPMC（1.2万名临床医生）等200多家医疗集团。

渗透率可以用行业调研来量化。Doximity《2026年医疗AI状况报告》（样本超3100名医生）显示，包括环境听写、AI病历员在内的语音文书工具，医生使用率已从2025年初的20%升至2026年1月的29%；医生在临床工作中的每日AI使用率，一年内从47%升至63%。另一个明星产品是临床决策工具OpenEvidence，公司披露到2025年年中已有超过43万认证医生注册（约占美国医生的四成），月临床咨询量超过850万次，到年底注册量进一步升至约76万。

它们的收费方式也直接得多：按医生席位订阅，主流产品价格大约在每医生每月200至800美元之间——PitchBook 2025年四季度的行业笔记给出的口径是，DAX约600美元/月/席，Abridge、Ambience在200至300美元区间。对医疗集团而言，这笔账很好算：一名真人病历员的成本通常在每月3000美元以上，AI病历员只要几百美元，且能直接降低医生离职率。

与此同时，那些只卖单一功能、不进入核心系统的独立SaaS厂商（Point Solutions），生存空间正被急剧压缩。订单和资本向EHR生态与头部厂商集中——因为医生没有耐心再多开一个软件。

把两条路并排放，结构会看得更清楚：

同一代技术，在两片支付土壤里，走向了不同的远方。

这张表背后，有三个比结论更重要的产品洞察。

第一，场景不是选出来的，是支付结构筛选出来的。中国基层缺的是”一个合格的诊断”，美国医生缺的是”一个不用写病历的晚上”。同一家公司如果抱着”美国ACI很火、复制到中国”的念头做产品，大概率会水土不服——中国基层的支付方不为”医生少写病历”付溢价，中国公立医院的医生也没有美国医生那种”病历是自己私人加班时间”的成本结构。反之亦然。脱离支付结构谈场景，是医疗产品最常见的战略失误。

第二，真正的护城河都不是算法，而是分发管道。中国的GBC是管道——借政府和医保的网络把产品铺进7.5万个基层机构；美国的EHR也是管道——借Epic这类系统占据医生每天必须停留的工作界面。算法的领先能维持几个月，但工作流中的位置一旦占住，后来者替换你的成本极高。这解释了为什么DAX的护城河是”医生零点击、不用换系统”，而不是某个模型指标。对产品经理的启示是：在医疗领域，算法能力只是入场券，工作流卡位才是护城河。

第三，定价方式的差异，本质是把AI定义成了两种东西。中国的”打包付费、不单独收费”，实际上是把AI当作像水电一样的基础设施，它的价值摊薄在整体服务里；美国的”按席位订阅”，则是把AI当作一种人力替代，直接和医生、病历员的工资对标。前者追求普惠和公平，后者追求效率和投入产出比。没有高下之分，都是各自支付制度的理性产物。

监管层面的分叉同样深。中国实行NMPA三类医疗器械注册制，根据国家药监局2025年10月对人大建议的答复，已批准超过110款基于深度学习的三类医疗器械独立软件（若按含软硬件在内的更宽口径统计，行业累计数字已超过200款）；同时法规明确划出红线——2022年《互联网诊疗监管细则（试行）》规定，人工智能软件不得冒用、替代医师本人提供诊疗服务，处方必须由接诊医师本人开具，严禁AI自动生成处方。这就是行业常说的”医生终审制”：AI可以辅助，签字和责任必须是人。

美国走的是另一条试探性的路。FDA将医疗AI纳入医疗器械软件（SaMD）框架，重视临床试验和真实世界证据；面对AI模型”会迭代”的特性，2024年12月发布了预定变更控制计划（PCCP）的最终指南——厂商可以在首次申报时预先声明未来的算法更新计划，获批后在计划范围内的更新无需重新申报（但目前仍不允许设备在临床现场持续自主学习，更新发布前算法必须锁定）。更激进的是州一级的”监管沙盒”：犹他州2024年通过人工智能政策法案，允许企业在严格协议下试点AI自主决策——但边界划得极小心，AI只能续开医生此前已经开具的非管制药物处方，不能开新方、不能调剂量，第一阶段每条续方仍需医生审核，达到安全基准后才能进入下一阶段。

一个把”人必须在回路里”写成刚性红线，一个在小心翼翼地试验”人可以在多大程度上退出回路”。两种监管哲学的背后，其实已经隐隐触到了同一个更深的难题——责任。

03 当行业开始按”疗效”收费，撞上了医疗最古老的问题

中美两条路看起来天差地别，但如果继续往深处走，会发现它们迎面撞上的是同一堵墙。

这堵墙叫”责任”。要理解它，得先看商业模式演进的下一个形态：按效付费。

无论中美，卖软件都被认为是一种”浅”的商业模式。软件费是固定的，客户用得好不好、赚没赚到钱，厂商不担风险。更深的绑定方式，是把厂商的收入和客户的实际收益挂钩——你帮我省了多少钱、多赚了多少钱，我分你一部分。这在行业里叫Outcome-based Pricing（按结果/按效付费）。

美国已经在部分领域跑通了这种模式，但请注意它跑通的位置：主要是收入周期管理（RCM）这类行政、财务环节。比如一批AI公司专门帮医院处理被保险公司拒付的理赔单（Claim Denial），它们的商业模式是”零预付、按追回金额抽成”——追不回来不收费，追回来按比例分。还有公司把合同直接写成绩效SLA：清洁理赔率、拒付率、应收账期达不到目标，费用自动下调。这些环节之所以能按效付费，是因为结果是冷冰冰的数字，归因清晰，没有争议。

但一旦把”效”从财务指标换成临床疗效，事情立刻变得极其谨慎。

2025年12月，美国CMS（医疗保险和医疗补助服务中心）宣布了一个值得记住的试点：ACCESS模型，全称”以高效可规模化方案推进慢性病诊疗”。这是一个为期十年的全国性自愿替代支付模型，针对糖尿病、高血压、慢性肌骨疼痛、抑郁等六类慢性病，试行”结果对齐付费”（Outcome-Aligned Payments）。参与机构按管理患者数拿到打包支付，第一年每患者约180至420美元，但其中50%会被暂扣，只有12个月后患者的血压、血糖等指标真正达标了才发放。这个模型首次明确鼓励参与机构使用AI等技术，但付费的依据不是”你用了AI”，而是”患者的健康结果改善了”。

这是一个意味深长的信号：支付方第一次愿意为”AI参与创造的健康结果”付钱，而不是为”软件”付钱。但它同时也暴露了按效付费绕不开的三个前提——结果可测量、贡献可归因、责任可界定。

第一个前提是结果可测量。血压、血糖还算好办，更复杂的疾病呢？什么叫”更好”？用谁的标准？测量窗口多长？第二个前提更难：贡献可归因。一个患者的血压降下来了，是AI用药提醒的功劳，是医生调药的功劳，是药物本身的功劳，还是患者自己戒烟减重的功劳？健康结果是多因素共同作用的产物，很难干净地切出”AI贡献了多少”。行业里已有观察者指出，与临床结果或报销直接挂钩的分成模式，会触及合规和伦理的敏感地带，因此真正落地的项目大多停留在运营指标上。

第三个前提，则是最深、也最古老的医学难题：责任可界定。

我们回过头看，会发现前面提到的所有监管设计，核心都在回答这一个问题。

中国为什么坚持”医生终审制”？因为AI不具备承担医疗责任的法律人格。医疗事故的责任主体必须是能够被吊销执照、承担赔偿、面对患者的人。AI可以给出建议，但它不能出庭、不能被问责、不能为一个错误的诊断付出职业代价。所以法律规定最后签字的必须是医生，责任也由接诊医师承担。这是一条用人来兜底的红线。

美国犹他州的沙盒为什么如此小心翼翼？表面看是在给AI放权，细看协议里全是”留后路”：AI只能续开医生已经开过的处方，不能开新方、不能调剂量；第一阶段每条都要医生审；达标后才逐步放松；要求每月安全报告和医疗事故保险。AMA（美国医学会）今年甚至在推动示范立法，明确AI不能作为医生的替代来开处方和管理诊疗。这背后是同一个顾虑：当决策可以自主化，责任却不能自主化。

NMPA”静态审批”追赶大模型”动态演进”的难题，根源也在这里。监管审批的本质，是为一个”确定的、被验证过的东西”背书；而大模型的特性是持续学习、不断变化。你很难让监管为一个明天可能就不一样的算法负责。FDA的PCCP给出的折中方案是：允许厂商按预先报备的计划更新，但更新前算法必须锁定、必须验证，仍不允许现场持续学习——本质上是在”创新速度”和”责任可追溯”之间，小心地寻找平衡点。

AI可以起草建议，但落下去的那个签名，必须属于一个能负责的人。

聊到这里，我想跳出产品经理的身份，说一点更”虚”的思考。

医疗这件事的本质，究竟是什么？很多人以为是信息处理——采集症状、匹配知识、做出诊断。如果只是这样，AI理应很快全面替代医生，因为机器处理信息的能力已经远超人类。但真正在医院待过的人会明白，医疗的核心动作是：在信息不完备、结果不确定的情况下，做出一个不可逆的决定，并由一个具体的人为这个决定承担责任。

信息处理可以外包给机器，责任承担却无法外包。这不是技术能力问题，而是制度设计和伦理结构问题。患者信任的从来不是”一个永远正确的判断”，而是”一个有资格、有担当、出了问题会负责的人”。AI可以无限逼近前者，却无法独立成为后者。

想通这一层，你就会理解为什么AI医疗的商业化，最终卖的不是”智能”，而是一套重新设计的”人机分工界面”：哪些判断可以让渡给机器，哪些必须保留给人；哪些环节机器可以先行，哪些节点必须有人签字；错误发生时，沿着怎样的链路追溯和分担。医生终审制、PCCP、犹他沙盒、ACCESS的50%暂扣——这些看似分散的政策，其实都是在为这张新的分工界面划线。

这也给了我们这些做产品的人一个终极提醒：设计AI医疗产品，本质上是在设计一张”责任分配图”。产品里每一个”AI建议”出现的地方，都必须回答四个问题：谁会看到它？谁来确认它？谁最终签字？全过程有没有留痕？一款只设计了能力、却没有设计责任的产品，过不了医院的法务科，也过不了医保的结算单。过去几年医疗AI踩的坑，一半在付费，另一半就在责任。

写在最后

回到开头那个院长的问题——”装了它，哪笔钱能收回来？”

走到今天，这个问题已经能回答一半。医保立项指南给了AI一个”名分”，按效付费的试点在试着给它一个”价签”，EHR和GBC这样的管道在帮它找到稳定的分发位置。商业化的”最后一公里”，正在被一寸一寸地打通。

但还有一半，没有标准答案：当机器能做出越来越多”正确”的判断时，谁来为那少数的错误负责？效率红利和责任红线之间的边界，应该划在哪里？

这不是任何一个产品经理能独自回答的问题，它需要医保、医院、监管、医生和患者共同书写。但产品经理能做的，是在每一个产品决策里诚实地面对它：不夸大自主性，不回避责任，不把发布会里”看起来很美”的演示，当成市场上”算得过来”的生意。

技术会继续进步，这是确定的。不确定的是，社会要为它建立怎样的支付制度、责任契约和信任机制。AI医疗真正的商业化，是从那份契约开始的，而不是从模型参数开始的。

毕竟，医院里最贵的东西，从来不是设备，而是”有人负责”这四个字。