医疗AI的冷热两极：研发突破与诊断隐患

说句大实话，2026年的医疗AI，正在上演一出“冰火两重天”的剧情。 一边是烈火烹油：AI制药领域，晶泰科技首次实现年度盈利，营收暴增201%；英矽智能13款AI药物获批临床，BD交易首付款合计1.5亿美元。产业正从“概念验证”狂奔向“规模兑现”。 另一边却是冷水浇头：牛津大学研究发现，模拟真实问诊时，AI医疗建议的准确率从95%暴跌到35%。《BMJ Open》测试五大AI平台，近半数健康回答“有问题”。 同样是AI，一边在实验室里加速“救命药”的诞生，一边在诊室里给出可能误导人的建议。这巨大的反差，恰恰揭示了医疗AI当下的真实处境。

过去，新药研发有著名的“双十定律”：耗时十余年、投入超十亿美元，成功率不足10%。AI正在改写这个公式。

在浦东张江，一批AI制药企业已经跑通了从技术到商业的闭环。

晶泰科技率先打造了“AI模型预测—机器人执行实验—数据反哺AI”的全闭环研发体系。2025年，它首次实现年度盈利，营收8.026亿元，同比增长201.2%，成为AI for Science领域首家盈利的港股上市公司。它与全球TOP20药企中的17家建立了合作。

英矽智能同样凶猛。其自主研发的全球首个由AI识别靶点并设计分子的创新药物，雾化吸入制剂已获批临床——这是其AI驱动管线中第13个获批IND的项目。2026年一季度，它先后与施维雅、衡泰生物、齐鲁制药达成三笔BD交易，首付款合计1.5亿美元。3月，还与礼来达成27.5亿美元的合作。

德睿智药的GLP-1受体激动剂仅用19个月获IND批件，2025年12月已启动临床III期试验，减重效果显著。

AI制药的逻辑已经跑通：用AI预测靶点、设计分子，用机器人做实验验证，用数据反哺模型迭代——形成飞轮效应。这不是“未来可期”，是“正在发生”。

就在AI制药高歌猛进的同时，AI在诊室里的表现，却让人捏了一把汗。

牛津大学的研究很扎心：把完整信息一次性喂给AI，准确率高达94.9%。但模拟真人问诊——信息一点点给、会遗漏重点、会跑题——准确率直接暴跌到34.5%。三分之二的情况，你得到的是错误诊断或照护建议。

《BMJ Open》的研究更吓人：测试五大AI平台，近半数健康回答“有问题”，其中近20%“问题非常严重”。而且AI几乎从不拒绝回答，无论问题多离谱，都会“自信且权威”地给你答案。

真实案例：英国一位女士背部撞到岩石，AI判断“可能需要就医”，她在急诊室等了3小时就回家了——事后承认AI“完全判断错误”。国内更有家长按AI建议给孩子调奶粉，结果婴儿发育不达标。

问题的关键不在于AI对不对，而在于很多人把它的回答当成了“医嘱”。英格兰首席医疗官警告：AI“语气自信，却是错的”。

好消息是，技术正在改善。百川智能发布的Baichuan-M4模型，将“事实性幻觉率”降至3.3%，为AI医疗问答提供了更可靠的技术底座。

同样是医疗AI，为什么制药和看病表现如此悬殊？根本原因在于任务性质完全不同：

简而言之：AI制药在“有图纸的车间”里工作，AI看病在“充满噪音的现场”里工作。难度不是一个量级。

医疗AI的出路，不是取代医生，而是成为医生的“超级助手”。

腾讯健康总裁吴文达说得直白：“AI提供的是科普问答服务，诊疗的主导人永远是真人医生。AI的价值是帮医生提前预判流程、规划方案，等检查结果出来再做最终决策。”

国内最大的健康AI应用“蚂蚁阿福”，刚上线了“医生把关”功能：AI给出分析后，系统会匹配三甲医院医生复核，全程约2分钟。测试期数据显示，约15%的用户选择“医生把关”，而医生复核结果和AI的一致率超过90%。那个不一致的10%，就是AI“幻觉”的风险边界。

IDC预测，到2030年，50%的中国等级医院将部署AI智能体提供实时决策支持，但异常情况必须上报给临床工作人员。这不是束缚，是护栏。

医疗AI的“冰火两重天”，其实是一枚硬币的两面。

AI制药的火，证明AI在“结构化科学问题”上已经跨越了价值拐点。它正在实实在在地缩短研发周期、降低失败率、创造商业价值。这条路会越走越宽。

AI看病的坑，则是在提醒我们：医疗是“人命关天”的领域，容错率极低。AI可以是“聪明的实习生”，但绝不能在没有“主治医师”把关的情况下独立坐诊。

凯文·凯利那句话依然成立：“未来最好的医疗服务，是AI与真人医生的结合。”AI负责即时响应和大规模科普，医生负责专业把关和临床判断。

说白了一句话：AI在药厂里可以当“主角”，但在诊室里，它只能是“配角”。而人类医生，永远是那个握有处方权的主角。

如果你觉得这篇文章有用，可以转发给：

各位读者，你用过AI问诊吗？有没有遇到过“自信但错误”的回答？欢迎留言分享你的经历。

*本文综合自晶泰科技年报、英矽智能公开信息、牛津大学研究、BMJ Open研究等公开信息。

*免责声明：本文引用的数据和观点均来自公开文件及报道，旨在提供行业趋势讨论参考。

如果你觉得这篇文章有启发，请动动您发财的小手点个👍或❤️就是对我最大的鼓励～

如果你也关心AI时代的规则、落地与中美博弈，点个「关注」，我们每天一起追踪～