来源：器械之家

近日，弗若斯特沙利文发布《AGI时代全球数智医学影像生态产业发展白皮书》（以下简称《白皮书》），第一次从产业生态视角，把医学影像AI的竞争逻辑从“单点算法”重新拉回到“场景闭环与持续进化”，把“数智影像生态”直接推到台前。

当下，人工智能的发展正面临关键转折。过去十年，单病种AI工具的精度比拼已经卷到极致。一大批看片工具相继面世，可热潮退去后，真正能扎根医院工作流、实现可持续运转的产品并不多。问题的根源不在于算法不够强，而在于模式本身——当AI只解决“单一器官、单一病种、单一任务”的局部识别，它就注定是碎片化、难规模化的附加件。行业迫切需要的，是一套能搭建全流程、可进化的智能诊疗体系。

《白皮书》中，一脉阳光与旗下影禾医脉作为数智医学影像生态的核心参与者被纳入，沙利文给出了一个极具分量的判断：一脉阳光与影禾医脉，是全球数智影像生态中目前唯一实现“场景—数据—标准—模型—产品—反馈”全链路闭环的生态模式。

对行业而言，比一份报告更值得追问的是：在AGI加速渗透医疗的当下，医学影像AI究竟靠什么活下来、走更远？我们试图以影禾医脉为样本，拆解这道题的3.0答案。

01

风向已经改变

从“碎片化”到“数智影像生态”

《白皮书》传递出了一个清晰的行业风向，随着AGI技术深度渗透医疗产业，赛道核心矛盾从已经从“能否提供单一AI工具”转向“能不能搭建全流程、可进化的智能诊疗体系”。

把时间拨回十年前，医学影像AI曾经历一轮典型的狂热与回落：资本集中涌向肺结节、眼底病变、骨折筛查等最容易出成果的单个场景，上百家公司挤进同一条赛道，单病种AI工具的精度比拼被卷到了极致。可当这些产品真正进入医院，共性难题纷纷浮出水面：

对医院而言，不实用。单病种AI本质上是把影像科拆成了一堆孤立的采购项。以胸部CT为例，其下涵盖数十个需要分别建模的病种；若逐一立项、分别采购、独立运维，科室要同时背负多套系统的接口对接、人员培训与日常维护成本，集成负担往往盖过了工具本身带来的效率。

对医生而言，能用，但不够好用。工作流被切割得支离破碎：先打开A系统看肺结节，再打开B系统看冠脉，最后回到PACS写报告——AI没有减负，反而增加了操作负担。

对厂商而言，无法商用。单病种路径的商业逻辑基本跑不通。一款影像AI从研发到拿证，动辄需要数千万乃至上亿元的投入，而它所能覆盖的数据与适应症却极为有限；以胸部CT的全病种覆盖为例，逐病种的累加开发可能烧掉数十亿元，回报却受单个收费项和医保控费的双重挤压，ROI的账根本算不平。

这像极了医疗器械行业早期的“单机设备”时代——各科室分别采购不同品牌、彼此不联通的设备，医院为打通它们付出了巨大的集成代价。医学影像AI在1.0与2.0阶段，事实上一直没有摆脱同一套困局。

十年后的现在，整个AI医疗产业的竞争早已跳出单一模型参数、算法精度的浅层比拼，核心胜负手已然变成全链路、可进化、可落地的产业生态闭环能力。通用大模型逐步走向基础设施化，单纯依靠API售卖、轻量化功能订阅的商业模式已然触顶，无法深耕真实临床场景、无法实现持续迭代的AI产品，终将被行业淘汰。真正的核心价值，是让AI深度扎根医疗工作流、成为诊疗服务中不可剥离的核心能力，而能否搭建起自主循环、持续进化的完整服务体系，已然成为医疗AI行业的终极竞争分水岭。

02

双梯队站位

影禾医脉的“双重标杆”逻辑

如果顺着产业事实推演，影禾医脉已经站上两条门槛的交汇点：既是国内医疗大模型的领先梯队，也是图像类大模型的第一梯队。

在医疗大模型维度，3.0时代的领跑者被界定为“拥基座模型、工具链与集成平台、能批量造物”的生态级玩家。影禾医脉是目前公开信息中唯一完成“场景—数据—标准—模型—产品—反馈”全链路闭环的主体，自然跻身医疗大模型领先梯队。

在图像类大模型维度，真正的门槛不在于模型参数，而在于能否把影像AI真正嵌入临床工作流、实现全病种全流程覆盖与可持续商业化。影禾医脉以AGI超级工厂批量孵化全病种能力，并以“小君医生2.0”把AI沉到阅片的每一步——这正是关键。抛开让行业惊艳的数据，不妨换个角度理解“小君医生2.0”这个“全球首个检查项目级”应用的价值。它没有把叙事停在“性能多强、精度多高”，而是从“是否嵌入工作流程”这一更稀缺的维度切入：在真实科室里，一套系统就能替代数十套单病种AI的叠加，医生不必再在多个软件界面之间反复穿梭。AI不再割裂工作流，而是成为阅片全过程的基础设施。在当下“单点AI工具泛滥、却难落地”的市场里，这种真正融入临床流程的产品，本身就是一种现象级的存在。

两条线索交汇，可以看出影禾医脉的技术架构与AGI3.0时代演进方向高度同频。

影禾医脉选择的3.0路径，不是在碎片化的旧格局里做修补，而是直接换了一种产品定义方式：把一次完整的影像检查——而不是某一个孤立病种——作为能力交付的最小单位，在同一流程内完成全模态、全解剖结构、全流程的影像理解。

这种定义方式的转换，放在医疗器械行业的发展史里并不陌生：就像当年设备厂商从单一功能的单机，走向把多种能力集成进同一台系统的整机化诊疗系统。区别在于，影禾医脉不是去卖更多工具，而是把一个检查项目内的“影像输入—智能分析—结构化报告”整条链路，收拢到同一套系统里闭环完成。

更关键的是，这条路径改写了行业的商业模型。过去影像AI按病种单独售卖授权，计费颗粒度碎、医院决策链条长；而“按检查项目”打包交付，把价值收拢进一次完整服务，医院的决策焦点也从“某个病种要不要上AI”转向“这个检查项目能否整体智能化”。颗粒度变了，客单价、覆盖深度与用户黏性随之被重新打开。

也正是在这些维度上，影禾医脉由此成为少有的同时跻身医疗大模型领先梯队与图像类大模型第一梯队的“双梯队”标杆。

03

产业纵深

为什么影禾医脉能率先走通3.0？

医学影像AI的3.0路径，对底层能力的要求远超单病种时代——它要的不再只是模型准不准，而是数据规模、数据质量与临床场景验证三者同时在线。这背后是一条医疗器械行业反复验证过的硬约束：产品始于数据，成于临床验证，最终落于注册准入。任何一款影像AI，没有扎实的数据基底就谈不上可用的产品，没有经过严格临床验证就拿不到注册证，而没有注册证，便永远进不了医院的采购目录。

影禾医脉的产业纵深，并不来自单点算法的堆砌，而来自一套可循环的能力底座——数据、标准与模型三者咬合，构成3.0时代最难复制的护城河：

第一层是数据壁垒。影禾医脉依托国内规模最大的第三方影像中心网络（其母体一脉阳光布局全国上百家影像中心及移动医疗单元），拥有者其他同类企业难以企及的数据存量和数据标准化体系。

累计影像数据超2853万例、日均新增约2万例，兼容12种影像模态、覆盖300余种病种与500余种疾病亚型，专业的“BI事业部”形成“医生定义标准、算法实现标准”的协同机制等。这不仅是“量大”，更是“稀缺的标准化”：在行业普遍受困于数据采集合规、专业标注成本高、设备数据碎片化的背景下，这样一个既成规模、又经治理、可持续回流的真实临床数据底座，是任何纯算法公司买不到、也等不来的“土壤”。

而真正把“数据壁垒”变成“数据能力”的，是影禾医脉一套少见于公开市场的临床级多模态数据治理能力。当前全球数据市场已形成明确分工：部分公司做数据获取与脱敏（L1），部分做报告结构化（L2），但在影像与文本的精细对齐（L3）以及纵向多模态证据链（L4）环节，尤其3DCT/MR这类复杂模态，仍存在显著空白。影禾医脉的核心差异化，正在于实现了报告Finding与3D影像证据的像素级对应——把“右侧基底节区脑出血”“左侧颞骨骨折”等每一条临床发现，精确映射到具体切片、三维坐标与病灶Mask，并形成从标准概念、解剖定位、关键切片到3D病灶、医生确认的完整交付能力。

在此基础上，其AI自动预标注引擎直接在图文联动维度工作，将报告表述自动转化为可定位的影像查询，大幅压低人工标注成本；纵向多模态证据链则能在同一患者不同时间点的多次影像间，追踪病灶演变、量化体积与属性变化、连接影像与治疗及结局，构建完整的临床证据。最终，这一切归集为一套端到端临床级GroundTruth生产体系：以医学核心定义表统一语义、以报告结构化引擎将自由文本转化为可计算信息、以图文联动标注平台支撑精细对齐、以“AI预检—初级医生标注—高级医生审核”三级质控守住质量、以可追溯的数据血缘与审核日志完成标准化交付。换言之，影禾医脉提供的不是“标注外包”，而是把原始影像与报告转化为可训练、可评价、可追溯、经医生审核的临床GroundTruth的能力——这恰是3.0时代最稀缺的数据资产。

护城河的第二层是河图计划的标准化底座。河图计划面向AI3.0时代，以“三大基建”形成闭环：标准基建定义百万级医学影像标准化语义，统一影像数据的交互语言；数据基建依托真实临床场景打造百万级精标注数据集，沉淀行业核心优质数据资产；模型基建基于标准化数据与语义体系，训练出强泛化能力的全模态医学影像基础模型。它直击医学影像AI最根本的痛点——未经治理的原始影像与自由文本报告，无法转化为可训练、可验证的高质量数据。

第三层是基座模型的能力。影禾医脉的MIIA医学影像智能体体系，以医学影像基座模型为核心，基于大规模、多模态影像与报告进行预训练，形成对解剖结构、病灶特征和报告语言的通用理解，可通过小样本微调、任务适配或工具调用快速拓展至检测、分割、分类与报告生成等下游任务。

数据、标准、模型三层叠加，模型与数据的有效联动，使得影禾医脉而非单病种玩家，能够满足3.0时代“真实场景—高质量数据—标准治理—模型训练—临床反馈”的闭环门槛。这套完整且持续进化的产业体系，彻底甩开行业碎片化、单一化的产品模式，既是二者稳居行业顶端、持续领跑的核心硬核壁垒，也是AGI数智医疗时代下，中国医学影像AI产业突破发展瓶颈、实现生态升级的3.0答案之一。

04

分水岭时刻

AI从“设备附加项”迈向“核心智能服务平台”

站在医疗器械行业的视角，这份白皮书真正值得关注的，不是任何一家企业的排名，而是它释放的两个关键产业信号。

第一个信号关乎品类的价值定位。当AI从“放射科的一个辅助模块”成长为贯穿开单、扫描、诊断到随访的工作流内生能力，它已不再是影像设备之上可有可无的附加项，更不该被框定为静态的医疗器械——因为它本质上是一个嵌入临床工作流、在大模型底座之上持续运行的智能服务平台：随着临床数据的不断产生和使用流程的持续训练，它在实时迭代与自我进化。其价值不再依附于某台硬件，而来自自身可验证、可部署、可迭代的诊断能力。

第二个信号关乎竞争格局的重构。语言大模型早已进入普及期，而图像类大模型——尤其垂直深入的医学影像大模型——却因数据合规、标注成本与设备数据碎片化三重壁垒，长期停留在稀缺状态。这种稀缺，正在沉淀为新的产业护城河：谁先构建起有效的数据飞轮，谁就掌握了下一阶段的准入门票。影禾医脉的河图计划与上文那套多模态数据治理能力，正是针对这三大壁垒搭建的系统性破局方案。

把两个信号合起来看，影禾医脉的“双梯队”便不言自明：在图像类大模型维度，它是少数真正以“检查项目”为单位实现端到端全流程智能的主体，稀缺性即壁垒；在医疗大模型维度，它是目前唯一被白皮书作为完整闭环案例剖析、覆盖“场景—数据—标准—模型—产品—反馈”全链路的主体，契合3.0时代对领先者的核心定义。两条线索交汇，影禾医脉由此成为少有的同时跻身医疗大模型领先梯队与图像类大模型第一梯队的“双梯队”标杆——这并非沙利文直接授予的标签，而是其产业事实在白皮书框架下的自然结论。

如果说这份白皮书划出了一道分水岭，它重新标注的不仅是产业的成熟度，更是竞争规则的转向：医学影像AI的下一程，不再是更多单病种工具的堆砌，也不再是被静态定义的医疗器械，而是一套可生产、可迭代、可生态共建的能力体系。

影禾医脉给出的3.0答案，正在成为这套体系的“新基础设施”——以河图计划夯实数据与标准底座，以MIIA基座模型提供通用智能内核，以检查项目级AI智能体与集成平台把能力真正嵌进临床工作流，并以真实场景的持续反馈驱动模型进化。它卖的不再是某一个算法，而是医学影像AI得以规模化生长的底盘。

在AGI3.0的赛道上，能够长期领跑的，往往是那些既吃透临床场景、又握有数据资产、还能把生态拧成一股绳的长期主义者。影禾医脉正走在这样的路径上，它所探索的闭环模式，也为全球数智医学影像的演进提供了一个值得观察的中国样本——属于这个时代的竞争，才刚刚拉开序幕。