2026 年医疗人工智能现状报告
本文信息来源：BVP
Bessemer 的分析探讨了医疗创新如何超越炒作阶段，通过私募市场信号和新兴的“医疗 AI X 因素”力量，揭示了医疗科技 2.0 的独特前景。
2025 年是医疗创新行业的转折点。在 AI、可持续商业模式以及公共和私募市场重新焕发的投资回报与热情的推动下，我们见证了技术采用的关键体征。IPO 窗口强力重启——2024 年至 2025 年间，共有六家医疗科技公司上市，在经历了两年的干旱期后，增加了 366 亿美元的新增市值。这些公司并非 2020 年和 2021 年那些因无利可图、靠炒作驱动而跌跤的企业。这第二代企业——包括 Waystar、Tempus、Hinge Health、Omada、Caris Life Sciences 和 HeartFlow——带来了强劲的单位经济效益、清晰的盈利路径，以及甚至超过过去十年云软件宠儿的快速增长。
公开市场做出了回应。 通过我们的 Bessemer 医疗科技指数分析 ，我们看到新兴医疗科技股票在 2025 年上涨了 18%，与纳斯达克和标普 500 指数的强劲表现持平，并使下跌 7% 的纳斯达克新兴云指数 (EMCLOUD) 黯然失色。然而，尽管取得了这些胜利，且各项指标足以媲美甚至超过高增长软件公司，但医疗科技股的交易价格仍比云行业同行有 10-20% 的折扣，尽管其底层业务指标更强——新兴医疗科技公司的营收增长和自由现金流（FCF）利润率是高增长软件同行的两倍。原因何在？在第一代企业失利后，上市医疗科技公司仍在努力赢回信托。
但怀疑论者忽略了这一点： 这一次有着本质的不同。AI 正在将医疗技术从工作流工具转变为关键任务基础设施，从而推动收入增长、利润率扩张，以及最令人兴奋的——更好的临床效果。业界都在好奇：我们是处在另一个泡沫中，还是迎来了医疗技术的真正突破时刻？
我们对公开和私募市场数据的分析，结合与数百位创始人的对话洞察，果断地指向了后者。
医疗 AI 公司的年经常性收入（ARR）在不到五年的时间内就达到了 1 亿美元甚至 2 亿美元，而医疗软件公司则需要 10 年以上，云公司大约需要 7 年。这就是为什么我们创建了 Health AI X Factor —— 一个解释这些企业如何通过前所未有的速度、利润率扩张和平台潜力来实现其估值的框架。
在《2026 年医疗 AI 现状报告》中，我们将涵盖：
- 为什么医疗科技 2.0 与众不同（以及为什么信任差距将会缩小）
- 证明这并非炒作的三个私募市场信号
- 医疗 AI X 因子框架及其对风险投资的影响
- 将塑造下一波创新浪潮的 2026 年七大预测
2026 年医疗人工智能现状核心预测
- 支付方将面临来自医疗服务提供方的压力，要求其在人工智能领域“赶上进度”，从而推动管理层级的一波采用浪潮。
- 临床人工智能应用将会兴起，主要用于在临床医生参与监督下的分诊和评估。
- 美国医疗保险和医疗补助服务中心 (CMS) 将启动试点实验，尝试建立临床人工智能支付代码。
- 自费消费者将比任何报销代码都更有效地加速临床人工智能的普及。
- 一个新兴的健康 AI 数据基础设施类别将蓬勃发展，在模型实验室和应用程序公司需求的推动下获得大量投资。但它们能否在医疗保健领域长期获取并维持价值？
- 新一代 AI 原生型价值医疗公司将启动并扩大规模。
- 新时代的数字 CRO 将破解制药研发的三难困境——成本、速度和竞争力。
基于 2025 年公开和私募市场表现的医疗科技洞察
2025 年的医疗科技公开市场上演了一场“王者回归”。但要理解其原因，我们需要回顾该行业演变过程中的两个不同阶段。
两代医疗科技的故事
医疗科技 1.0 (2015-2021)： 我们可以将医疗保健领域技术创新的诞生追溯到 2010 年左右，这是为了应对美国两项重大的政策变革：2008 年的《经济与临床健康信息技术法案》（HITECH Act）和 2010 年的《患者保护与平价医疗法案》（PPACA）。医疗科技 1.0 是指在随后的十年中成长起来的一批公司，而新冠疫情为这一代大多数医疗科技公司的 IPO 创造了完美的契机。随着 COVID-19 推动数字化进程，远程医疗、虚拟护理和数字健康工具的采用率激增。特别是在 2020 年至 2021 年初，众多医疗科技公司顺应这股热潮冲向公开市场。包括 Livongo（后被 Teladoc Health 收购）、Amwell、Hims & Hers Health、Doximity 和 Definitive Healthcare 在内的许多公司在上市时，虽然营收增长令人瞩目，但单位经济效益疲软，留存率未经证实，且其商业模式依赖于疫情时期的顺风车，以及一种认为零利率下“不惜一切代价增长”的心态将无限持续的错觉。
当这些利好因素逆转时，现实给予了沉重打击。这一代股票的表现遭受重创，IPO 窗口在 2022 年砰然关闭，并在整个 2023 年保持关闭状态。这些公司耗尽了公开市场投资者的信任，整个行业都为此付出了代价。
医疗科技 2.0 (2024-2025)： 快进到 2024 年，一个新的群体开始浮现。随着 Waystar 在 2024 年 6 月上市，IPO 窗口裂开了一道缝隙，随后是 Tempus。2025 年，又有四家公司加入其中：Hinge Health、Omada Health、Caris Life Sciences 和 HeartFlow。这六家公司代表了与前代公司本质上不同的特质。在我们追踪的 BVP 医疗科技指数（BVP Health Tech Index）中，目前活跃交易的 28 家公司总市值为 1210 亿美元，而医疗科技 2.0 群体占据了其中的 30%。
BVP 医疗科技指数
核心洞察： 医疗科技 2.0 进入市场时展现出截然不同的面貌 ：盈利或接近盈利的运营状态、强劲的净留存率、经证实的客户投资回报率（ROI），以及无论宏观经济状况如何都能有效运作的商业模式。
以 Hinge Health 为例，该公司于 2025 年 5 月以 26 亿美元的估值上市（披露：Bessemer 是其投资者）。截至 2025 年第三季度，该公司展现了 72% 的年化营收增长率和 26% 的自由现金流量利润率——其“40 原则”数值高达 98%（年化营收增长率加上过去 12 个月的自由现金流量利润率），这种表现被投资者视为金标准，即便在 SaaS 巨头中也出类拔萃。
或者以 Tempus 为例，尽管其自由现金流（FCF）利润率为 -22%（在增长方面投入巨大），但凭借 85% 的增长率以及真正改变肿瘤护理的 AI 驱动精准医疗平台，它获得了 9.3 倍的 EV/收入倍数。自 2024 年 6 月 IPO 以来，Tempus 的股价已上涨 65%，市值增加了 57 亿美元。
2025 年，医疗科技 2.0 股票上涨了 18%，与纳斯达克 23% 的涨幅和标准普尔 500 指数 18% 的涨幅基本一致。与此同时，“医疗科技 1.0”指数——即 2021 年底前上市的公司——基本持平。涵盖这两代公司的更广泛的医疗科技指数全年收涨 4%，轻松跑赢了云软件指数 7% 的跌幅。
这些早期信号表明了一个更广泛的趋势：尽管近年来新上市公司的表现强劲，但相对于高增长软件，医疗科技的价值仍被低估。
信任差距：为什么医疗科技的交易价格仍处于折价状态
尽管表现强劲、指标出色且具有明确的战略价值，医疗科技股的交易价格仍低于同类高增长软件公司。这就是我们所说的“信任差距”——即公开市场投资者中挥之不去的怀疑态度，他们仍对第一代公司的困境记忆犹新。
让我们来看看数据：
| 公司 | 企业价值 / 年营收 | 年化营收增长率 | 自由现金流利润率 | (营收增长率 + 自由现金流利润率) 法则 |
| Waystar | 6.9x | 12% | 27% | 39 |
| Tempus AI | 9.3x | 85% | -22% | 63 |
| Hinge Health | 5.7x | 72% | 26% | 98 |
| Omada Health | 2.5x | 65% | -1% | 64 |
| Caris LS | 8.9x | 117% | -7% | 110 |
| HeartFlow | 13.8x | 49% | -36% | 13 |
| 医疗科技 2.0 平均值 | 7.2x | 67% | -2% | 65 |
| EMCLOUD 平均值 | 8.0x | 19% | 19% | 38 |
核心结论是什么？ 大多数医疗科技 2.0 公司的增长速度（同比增长 67%）快于 EMCLOUD 指数平均水平（同比增长 19%），且其中几家公司表现出更强的盈利能力。尽管其规模尚不及云服务同行，但它们的平均交易倍数却较低。
但为什么存在“折价”？ 医疗保健商业模式仍被认为具有复杂性，监管风险真实存在，且市场对 2020-2021 年估值飙升后又剧烈下跌的记忆犹新。公开市场投资者表示，如果这些企业能在多个季度内展现出可持续的增长指标，市场情绪可能会得到重新评估。
好消息是什么？ 医疗保健公司正展现出持续的高增长，且这种表现正逐季得到验证。随着这一业绩记录的积累，我们预计在未来 12-24 个月内，信任差距将显著缩小。基本面已经具备，证据正在不断积累。耐心资本将获得回报。
为什么医疗 AI 不是炒作：来自私募市场的三个信号
在之前的数字化时代，医疗保健行业进展缓慢，难以实现其他行业软件同行所享有的增长和转型。而医疗 AI 正在以比任何其他行业都更快的速度压缩这一演进过程。 三大私募市场趋势证明了这一波浪潮与众不同。
1. 2025 年并购活动激增，其驱动力源于一个明确的论点：AI 能够推动增长和利润率扩张。
2025 年全球医疗科技并购交易达到 400 笔，高于 2024 年的 350 笔。 但交易量仅反映了部分情况，战略逻辑更为重要：医疗保健行业的现有巨头和私募股权投资公司已经意识到，AI 的实施能同时推动营收增长和利润率提升。
以汇总策略为例：SmarterTechnologies 收购了 Access Healthcare（私募股权支持）、Thoughtful 以及 Bessemer 的投资组合公司 SmarterDX，旨在将其 AI 和自动化技术注入其整个收入周期管理（RCM）业务中。其核心论点是：利用 SmarterDx 的增长引擎和临床 AI 平台，推动整个 Access Healthcare RCM 服务集团的生产力提升和利润率扩张。
其他收购案例，包括 Waystar 对 Iodine 的收购以及 R1 对 Phare Health 的收购 ，并非是对未来 AI 技术的投机性押注。通过收购创新成果或与新锐公司合作，将针对性解决方案扩展为平台以扩大潜在市场，是成熟运营商采取的一种 “层级蛋糕策略”。这些运营商看到了 AI 带来的营收增长机会和/或即时的利润率提升，并希望直接拥有这些能力，而非从零开始构建。
2. 在私募市场，交易活跃度已回升至疫情期间水平，且平均交易规模更大。
当公开市场还在消化第二代企业的强劲表现时，私募市场已重焕生机。2025 年的交易活动保持稳健，全年共达成 527 笔风险投资交易，估计部署资金总额达 140 亿美元。 同比来看，医疗科技轮次的平均交易规模增长了 42%，从 2024 年的 2070 万美元增至 2025 年的 2930 万美元。
到 2025 年，人工智能公司占据了所有医疗科技融资的 55%，高于 2024 年的 37%、2023 年的 33% 以及 2022 年的仅 29%。 最重要的是， 在人工智能领域的每 1 美元总投资中，就有 0.22 美元投向了医疗人工智能初创企业，这超过了医疗支出在美国 18% 的 GDP 占比 。
3. 虽然尚未达到疫情期间的巅峰水平，但在医疗人工智能交易的推动下，估值正在不断攀升。
医疗科技估值同比显著增长，其中 D 轮及以后轮次的涨幅最大，较 2024 年增长了 63%。虽然中位数投前估值尚未达到疫情期间的巅峰水平，但我们观察到顶尖企业与普通企业之间的差距正在拉大，少数交易占据了增长巅峰期的估值并完成了巨额融资，包括 Abridge 以 50 亿美元估值完成 3 亿美元 E 轮融资、Ambiance 以 10.4 亿美元估值完成 2.43 亿美元 C 轮融资、Function Health 以 22 亿美元估值完成 3 亿美元 C 轮融资，以及传闻中 OpenEvidence 以 117.5 亿美元投前估值完成的 2.5 亿美元融资。
我们是否处于泡沫之中？理解医疗 AI 的 X 因素
估值的飙升和巨额交易引发了一个显而易见的问题：我们是否正处于另一个泡沫之中？
答案是微妙的。当前的时刻更像 20 世纪 90 年代末的互联网时代，而非 2020-2021 年的零利率政策（ZIRP）/新冠泡沫。但正如任何范式转移一样，一些公司会被高估并最终失败，而我们也同样见证了像 Amazon、Google 和 Meta 这样改变经济格局的代际巨头的崛起。
同理，人工智能将催生出一批改变医疗管理、诊断和治疗方式的公司。这场变革将是巨大的、跨时代的，而最终的赢家将实至名归，撑起那些看似“离谱”的估值。
抛开表面的估值倍数，深入探究其背后的基本面，医疗人工智能（Health AI）确实与众不同：
- 人工智能带来的技术变革催生了全新的商业模式，驱动了新的收入来源，并赋予了以往软件和技术迭代版本直到现在都无法解决的新能力。“AI 即服务软件” 公司的出现，以软件级的毛利率（70-80%以上）交付了服务级的结果（人类质量的工作）。
- 买方现在是主动拉动，而非被动推动。AI 的采用速度是前所未有的。AI 驱动的环境声学记录仪（ambient scribes）凸显了这一转变：电子健康档案（EHR）用了 15 年才实现规模化，而 AI 记录仪仅用两到三年就做到了。截至 2025 年 3 月，92% 的医疗机构系统正在部署、实施或试点该技术——对于一项三年前几乎不存在的技术来说，这几乎是全民级的普及。其投资回报率（ROI）是实实在在的。早期采用者已经报告称，通过第一年更好的编码和文档记录，收入捕获提升了 10-15%。
- 临床医生不仅在接受 AI，他们还在渴求 AI。 一旦他们看到了效率的提升，就再也无法回到过去。我们希望，随着时间的推移，临床效果也能得到改善。美国医疗保健支出中有超过 1 万亿美元的浪费——其中一半以上与行政管理开销有关——AI 正在解决效率低下的问题，并改善临床医生在整个价值链中的工作方式。 目前 67% 的临床医生每天使用 AI 工具，超过 90% 的人每周使用，这表明仍有改进空间 。
医疗 AI 的 X 因子
我们将其定义为 AI “超新星”和“流星” 的新兴突破性公司不仅增长迅速，而且完全改变了传统的增长曲线。医疗超新星正以前所未有的加速和普及率打破传统的估值模型。这些医疗 AI “超新星”包括 SmarterDx、Abridge 和 OpenEvidence。
最优秀的公司在未来一年的增长率不是 2-3 倍（这是 SaaS 时代的传统认知），而是 6-10 倍 。投资者愿意支付在传统医疗标准看来天文数字般的倍数，在传统的远期增长预期之上又增加了一个增量乘数。我们将这一乘数描述为 医疗 AI 的 X 因子，即医疗 AI 超新星所特有的四个稀有特征 。
例如，一家年经常性收入（ARR）为 3000 万美元、估值超过 10 亿美元的“超新星”公司并非估值过高，而是基于根本不同的增长动态进行定价。当你的年增长率是 6 倍而非 2 倍时，你只需 18 个月就能达到 1 亿美元 ARR，而不是 36 个月或更久。这种实现规模化时间的缩短，证明了在当前营收基础上溢价倍数的合理性。其未来十二个月（NTM）的市销率倍数实际上仅为 7 倍。
哪些公司值得拥有这种 X 因素溢价？
并非每一家以高倍数融资的医疗 AI 公司都配得上“医疗 AI X 因子”溢价。这种 X 因子仅适用于具备以下四个核心特征的稀有企业：
医疗 AI X 因子公司的四大支柱
1. 持续的超高速增长（而非仅仅是增长预测）
未来 6 倍以上增长的最佳预测指标，是该公司在去年和前年是否也以类似的速度增长，并且是否拥有支撑这一轨迹的底层客户管线和需求。这些公司能够通过强有力的客户背书以及近期签署增量合同的可能性来验证其管线，切实证明明年的预期增长并非空谈；这种增长已通过新签约客户、正在进行的实施项目以及现有客户不断扩大的使用场景得到了体现。
警示： 那些不断下调增长目标，或收入模式波动大、不可预测的公司。持续的增速需要经过验证的需求，而非一次性的激增。
2. 通过防御性实现收入的持久性
如果客户流失，或者竞争对手可以轻易复制你的产品并压缩定价，那么高速增长就毫无意义。
具有医疗 AI X 因素的公司通过以下方式构建持久的收入流：
- 经常性收入模式 ，能够随时间推移产生复利，而非需要不断获取新客户
- 高昂的转换成本 ，由深度的流程集成、专有数据护城河或临床验证要求所形成，使得更换系统变得极其痛苦
- 溢价定价能力 ，适用于那些能提供极其清晰的投资回报率（ROI），以至于客户愿意支付比同类通用产品高出 2-3 倍价格的应用
成功的公司将利用其挖起杆地位、数据和成果，防止其 AI 应用被基础模型复制，或被其他地方作为免费功能提供。我们目前仍处于理解健康 AI 收入持久性演变过程的早期阶段，因为这些解决方案尚不具备前几代记录系统和软件经常性收入业务所享有的平台粘性。但这并不意味着无法实现。收入持久性的一个现实案例是 SmarterDx 每万张床位的美元发现额 。这些数据并未随时间推移而下降；相反，随着 AI 临床模型的改进和学习，以及临床文档的细微差别和特异性持续存在多年，这些发现额反而有所增加。
警惕： 净收入留存率低于 100% 的公司，或那些主要依靠价格而非差异化成果进行竞争的公司。如果客户正在流失，或者你的主要竞争优势仅仅是便宜 20%，那么你的收入就不具备持久性。
3. AI 生产力在规模化时转化为类软件的毛利，并催生了新的“人均 ARR”指标
医疗保健领域的第一波“技术赋能服务”在“不惜一切代价增长”的策略下掩盖了薄弱的单位经济效益，依赖庞大的员工队伍，这限制了可扩展性，并使利润率远低于软件水平。AI 原生公司通过提升人均全职员工（FTE）ARR 彻底改变了这一模式：该指标衡量公司在 ARR 达到 5000 万美元以上的规模时，每名员工创造的收入：
- 传统医疗服务：人均 ARR 10-20 万美元
- 医疗保健 SaaS（AI 时代之前）：人均创收（ARR per FTE）20 万至 40 万美元
- AI 原生医疗保健：人均年经常性收入（ARR per FTE）达 50 万至 100 万美元以上
这些公司将 AI 视为“服务即软件”的引擎，通过自动化劳动密集型任务来实现类似软件的高毛利率（70-80% 以上），同时仍能交付服务级别的成果。具备核心竞争力的公司展示了从当前表现向软件级利润迈进的清晰路径，从第一天起就采用 AI 优先的工作流，而不是在人力沉重的业务上强行加装自动化。
警惕 ：人均 ARR 持平或下降的公司并非真正的 AI 原生企业，它们只是披着 AI 外衣的服务型业务。那些声称采用“AI + 人工环路”模式的公司，不应暗示随着 AI 的改进，人力投入仅会微幅减少——真正的 AI 系统将让员工仅处理边缘情况和异常，而非核心运营工作量。
4. 从单点解决方案到平台扩展：切入动作系统的挖起杆
最有价值的 X Factor 公司并不局限于单一用例。它们利用高投资回报率（ROI）的切入点（wedge）来获取客户，然后有条不紊地扩展到相邻的工作流，从而成为不可或缺的动作系统。通过在端到端流程中部署多个 AI 智能体，它们从点解决方案演变为具有持久、高粘性收入的完整运营平台。
以 Zingage（Bessemer 投资组合公司）为例，它最初是一个 AI 护理导航智能体，现在正扩展到收入运营、理赔管理和护理人员招聘等领域——转型为家庭护理机构的行政骨干。每一个新的工作流都增强了切换成本，深化了客户集成，并增加了增售机会。
警惕 ：那些在市场上运作 18-24 个月后仍无任何扩张迹象、客户对其其他用例毫无兴趣，或者试图从第一天起就构建整个平台的公司。医疗 IT 的坟场里到处都是那些试图“煮干大海”，却在找到产品市场匹配点（PMF）之前就淹没在复杂性中的初创公司。
现实提醒：并非每家公司都具备 X Factor
医疗 AI 的 X 因子并非营销口号，而是一个用于识别长期护城河、优异的单位经济效益以及增长轨迹的框架。许多公司将以 X 因子的估值倍数进行融资，但很少有公司能名副其实。长期的表现和执行力将把真正的超新星和流星，与那些仅仅是顺风起飞的公司区分开来。
对于创始人而言 ，门槛已经提高。投资者现在愿意为可持续的高速增长买单，前提是拥有通往市场领导地位的清晰路径和类软件的利润率。证明所有四大支柱——而不仅仅是一两个——至关重要。
对于投资者而言 ，该框架有助于区分合理的估值与投机性的估值。当一家年经常性收入（ARR）为 3000 万美元的公司以超过 10 亿美元的估值融资时，不要将其斥为炒作——而要询问他们是否展现了 6 倍以上的增长、120% 以上的净收入留存率（NRR）、不断提升的单位经济效益和人均 ARR 生产力指标，以及是否拥有可信的平台扩展能力。如果答案全是肯定的，那么该估值可能是合理的。
那些能够精于解决宏大且具有挑战性的问题，并展示出持续的增速、持久的收入、AI 生产力和平台扩展能力的公司，将定义医疗 AI 的下一个时代——实现并超越其估值。当 AI 炒作的尘埃落定，X 因子将揭示谁在闪耀，谁已耗尽。
2026 年医疗创新预测
基于我们新兴的投资路线图、与数百位创始人及医疗买家的对话，以及我们公司在医疗 AI 生态系统中的深度参与，我们正在追踪将塑造 2026 年及未来机遇的七大趋势。
这些预测仅是我们更广泛的医疗 AI 路线图的一部分，我们期待与属于以下任何类别、或更广泛地属于下方地图中各个板块的创始人进行交流。
预测 1：支付方将感受到来自提供方的压力，要求其在 AI 领域“赶上进度”，从而推动行政管理技术栈的大规模采用
在过去的 18-24 个月里，医疗服务提供方在其行政工作流程中积极采用了人工智能，特别是在收入周期管理领域。他们正利用 AI 通过更精准的编码和记录、更规范的索赔申请以及更快速的上诉处理来获取更多收入。
这给支付方带来了新的挑战，因为医疗费用的上升并非源于欺诈或过度利用，而是由于提供方变得更擅长获取合理的报销。当 AI 识别出漏诊、提示完善记录并优化上诉流程时，医院会获得更高的付款，预先被拒的索赔减少，且更多的拒付被成功推翻。
结果如何？支付方正面临来自多个方面的压力：
- 行政成本正在上升 ，因为提供方提交了更高质量的索赔申请，这需要更复杂的审核，从而导致索赔量和通话量增加。
- 医疗赔付率正在攀升 ，因为提供者端的收入获取能力有所提升
- 竞争压力来自那些已经采用人工智能并实现利润率改善的支付方
2026年将成为一个转折点，支付方将加速在其行政运营中采用人工智能，并转向外部合作，以追赶提供者在过去一年中所取得的效率提升；与此同时，他们还需在应对就医机会担忧和监管审查的挑战中，证明明确的投资回报率。
为支付方（Payers）开发产品的医疗领域创业者需要关注以下方面：
- 支付完整性： 包括适当的理赔单据记录与审核自动化、申诉管理、欺诈检测、浪费识别以及适当的利用率审查
- 预授权自动化与同步利用率审查 ：专注于通过经过验证的临床指南更快地批准护理服务。监管利好（CMS 新规）加上明确的投资回报率（ROI），使其成为高优先级的应用场景
- 会员参与度 ：包括计划与护理导航、护理缺口分析以及适当的风险识别（如社会健康决定因素 SDOH、合并症等）
对创始人的启示： 利用支付方与 AI 优先公司合作的重燃热情，寻找具有高投资回报率（ROI）和高复杂性的应用场景，这将有助于你争取到稀缺客户并缩短销售周期。
预测 2：临床 AI 应用的兴起，主要用于有临床医生参与的预检分诊和风险评估
虽然行政类 AI 已获得大规模应用，但临床 AI（即直接涉及患者护理的 AI）进展较为缓慢。究其原因，在于监管的复杂性（如食品药品监督管理局对 AI 诊断的审批）、责任归属问题，以及传统按服务收费模式下不明晰的支付模型，因为该模式奖励的是临床医生花在患者身上的时间。
这些障碍是真实存在的，且不会一夜之间消失。但我们正看到临床 AI 的早期进展，即通过让临床医生牢牢参与其中，在现有的监管和支付框架内运行。我们预测，用于预检分诊和风险评估的临床 AI 将实现显著规模化——它并非自主诊断，而是通过将杂乱、碎片化的数据合成完整、可衡量的患者画像，从而改变临床医生的工作方式。这意味着更少的诊断错误，能更快识别多模态输入中的细微模式，并更清晰地确定哪些患者需要关注以及哪些干预措施有效。
实际应用场景如下：
- 就诊前风险分层 ：AI 在预约前审查患者的病史（电子健康记录数据、理赔数据、化验结果和社交决定因素），标记高风险指标，建议相关的筛查问题，并识别护理缺口。临床医生随后只需花费筛选记录所需时间的一小部分，即可审阅这份综合报告。
- 住院患者病情恶化预测 ：AI 持续监测所有住院患者，预测哪些患者存在病情恶化、并发症或其他不良事件的风险。AI 无需等待护士发现细微变化，而是可以持续监测患者并主动向临床团队发出警报。
- 分诊优化 ：AI 根据患者表现出的症状、体征和病史，帮助临床医生优先确定哪些患者需要立即护理。临床医生做出最终决定，但 AI 能捕捉到人类可能忽略的细微模式，尤其是在高负荷的轮班期间。
- 专科转诊匹配与会诊 ：AI 分析患者病情，并根据病例复杂程度、专科医生专业知识和患者因素，将其匹配给最合适的专科医生。AI 还可以辅助专科医生管理高敏锐度的会诊，并为低敏锐度的会诊提供适当的临床指南和自动化支持。
这对创业者的意义 ：临床 AI 实现自主诊断和治疗决策的最大障碍是合适的商业模式。目标应是循序渐进地通过监管审批，并确定可行的支付模式。从第一天起就在临床医生的参与下进行构建，针对临床工作流程而非绕过它进行设计，并投入大量资金进行评估和偏见测试。 一个好的切入点是前台行政用例 ，这为提供诊断和分诊、临床决策支持、风险评估和护理协调提供了窗口。
预测 3：CMS 尝试建立临床 AI 支付代码。
尽管监管法规正在推进，以使 AI 能够完全接管某些临床任务（例如开具处方药 ），但临床 AI 大规模普及的最大障碍并非技术，而是支付模式。医疗服务提供者是根据诊疗操作、就诊次数和与患者相处的时间获得报酬的。他们无法从 AI 生成的诊断、监测或预防性干预中获得报酬。
这就产生了一个悖论：AI 可以识别出需要预防性护理的高风险患者，但如果这些预防性护理无法获得报销，医疗服务提供者就没有动力根据 AI 的洞察采取行动。或者，如果 AI 自动与患者互动、提供诊断或在后台监测症状，临床医生就没有投入时间，从而无法满足支付条件。价值医疗模型通过为结果而非服务付费解决了这一问题，但目前仅有 30-40% 的医疗保健业务是在价值医疗合同下运行的。
到 2026 年，我们预计 CMS（美国联邦医疗保险和联邦医疗补助服务中心）将启动针对 AI 优先护理（AI-first care）明确设计的全新 CPT 代码和支付模式实验。
为什么是 CMS/CMMI？原因有三：
- 规模 ：覆盖超过 1.4 亿美国人（通过 Medicare、Medicaid 和 CHIP）——这意味着当 CMS 创建新的支付代码或模式时，商业保险公司通常会在 12-24 个月内跟进。
- 权威性： CMS 拥有监管权限，可以通过其创新中心 (CMMI) 在无需国会批准的情况下测试新的支付模式，从而实现快速实验。
- 动力十足： CMS 面临着控制成本增长并同时改善疗效的巨大压力， 而 AI 为这两者提供了一条路径：更好的预防减少了昂贵的急症护理，更早的干预减少了住院次数，而更高效的护理协调则以更低的成本改善了疗效。
我们不认为 CMS 会创建一个单一的“AI 报销代码”。相反，我们预见会出现针对性的试点和示范项目：
- AI 辅助诊断代码：CMS 已经拥有几个针对 AI 诊断的 I 类 CPT 代码：(1) 用于糖尿病视网膜病变自主 AI 筛查的 CPT 代码，以及 2026 年新增的 (2) 用于冠状动脉斑块评估的 CPT 代码。目前正在测试几个 III 类（临时和新兴技术）代码，包括 AI 增强的心电图测量、超声心动图、乳腺和甲状腺超声以及其他影像模式。我们预计 CMS 将加速批准和测试更强大的 AI 辅助 CPT 诊断代码群。
- AI 辅助预防性护理 ：针对预防性就诊的新代码或增强报销，在这些就诊中，AI 已预先识别出高风险患者并建议了特定的筛查或干预措施。这涵盖了根据 AI 洞察采取行动所需的临床时间。
- 远程患者监测的扩展 ：目前存在扩展远程患者监测（RPM）代码的机会，将人工智能驱动的慢性疾病监测纳入其中，涵盖心力衰竭、糖尿病和慢性阻塞性肺病（COPD）等疾病。AI 持续监测患者数据，并在需要干预时提醒护理团队——这一模式完美契合了联邦医疗保险（Medicare）预防高昂二次入院费用的需求。
为什么这很重要——以及它能实现什么： 如果美国联邦医疗保险和联邦医疗辅助计划服务中心（CMS）能成功证明 AI 辅助护理能以更低的成本改善疗效，并创建让医疗机构能从 AI 洞察中获取价值的支付模型，那么商业保险也将紧随其后，覆盖同类型的 CPT 代码。
这对创业者意味着什么： 随着行业演进到为 AI 优先的护理提供补偿，应将法规、试点项目和现有的支付模型结构视为一种资产加以利用。在医疗保健领域，开发能够让 AI 临床工作盈利的强大商业模式至关重要。这将抵消医疗成本上升的趋势。
预测 4：现金支付消费者推动临床 AI 普及的速度将超过任何报销代码
当医疗保险和医疗补助服务中心（CMS）正在试验 AI 支付代码，且支付方仍在辩论报销框架时，消费者并没有等待：他们正自掏腰包，迫使整个系统随之改变。
在三股合力的推动下，消费者健康领域在过去几年经历了复兴：对传统医疗复杂性和准入障碍的挫败感（参见 Hims & Hers 在异步医疗领域的爆发式增长）、对预防性健康和技术赋能洞察日益增长的兴趣（Function Health 在不到两年内实现了超过 1 亿美元的年度经常性收入），以及 AI 在日常生活中的广泛普及。OpenAI 报告称，每天有超过 4000 万人使用 ChatGPT 咨询医疗保健问题 ——其中五分之一的用户每周都会提出与健康相关的问题——随后该公司于 2026 年 1 月推出了 ChatGPT Health。人们已经习惯于向 AI 寻求健康指导，现在他们已准备好为能提供更好护理服务的 AI 买单。
证据非常具有说服力：RadNet 对 10 家医疗机构的 747,604 名女性进行的学习研究发现，36% 的人选择自费 40 美元接受 AI 增强型乳腺癌筛查。结果证实了她们的直觉——选择 AI 增强筛查的女性，其整体癌症检出率比未选择的人高出 43%，其中 21% 的增长直接归功于 AI 分析。参加该课程计划的女性癌症检出率提高了 21%，且癌症阳性预测值提高了 15%，这意味着每次召回检查都能产生更多实际的癌症诊断。
这种自费意愿正在为 AI 优先的医疗服务创造一个脱离传统报销限制的新市场。当消费者直接付费时，公司可以部署临床 AI，而无需等待 CPT 代码、支付方合同或报销方面的监管明确性。
实际应用场景如下：
- 初级保健和急诊： AI 优先平台在人类临床医生的监督下，为尿路感染、皮肤病、呼吸道感染等常见病症提供诊断和治疗方案。消费者按次付费，以获得更快的接诊速度，以及 AI 对症状、病史和风险因素进行的全面分析。
- 专科护理的第二诊疗意见： 最直接的例子是面向消费者的 AI 影像解读，用于肿瘤、心脏病、骨科和眼科的扫描、MRI 及其他复杂影像的诊断。面临重大治疗决策的患者付费购买 AI 增强的第二意见，该技术通过将他们的影像与数百万类似病例进行对比，识别出可能被遗漏的模式。RadNet 的研究表明，AI 提高了放射科医生的表现，在使用 AI 辅助时，准确率从 84-89% 提升至约 93%。
- 健康 AI 教练： 消费者上传诊断笔记、同步可穿戴设备数据并追踪健康指标，以便 AI 监测症状、推荐预防措施并标记风险或模式。订阅模式目前正以更低的成本与人类健康教练竞争，尽管像 ChatGPT Health 和 Anthropic 的 HealthEX 这样的新进入者带来了庞大的内置用户群。剩下的优势可能在于慢性病管理和基于语言的治疗，而最重要的是，那些拥有强大顾客支持与参与度、能够整合进医疗基础设施，并具备差异化分发渠道的公司。
为什么这很重要——以及它能实现什么：
自费消费者市场正在为“AI 医生”在未来十年内变得可行奠定基础。我们尚未达到那个阶段，因为监管框架、责任模型和信任障碍依然巨大。但消费者的采纳正在解决最根本的挑战：证明 AI 驱动的护理具有经济价值，且患者愿意为此付费。
对创始人的启示： 消费级医疗 AI 市场提供了一条比等待医疗系统建立支付模型更快的收入增长和产品市场匹配路径。应针对当下愿意自费的消费者进行构建，通过严格的验证来证明临床价值和安全性，并为支付代码完善后最终融入传统医疗体系做好准备。专注于 AI 能显著改善结果的用例——如更高的准确性、更早的检测、更快的诊断——以及消费者能直接感知价值的领域。当支付方和提供方准备好跟进时，那些精通消费级 AI 优先护理的公司将处于最有利的位置。
预测 5：初创的医疗 AI 数据基础设施类别开始蓬勃发展，但它们能否在医疗领域获取并维持价值？
几十年来，风险投资者在医疗基础设施领域吸取了一个痛苦的教训：价值积累在应用层，而非基础设施层。
原因何在？医疗基础设施公司面临着结构性挑战：
- 有限的买方群体 ：仅有几千家医疗系统、几百家支付方和几百家制药公司；更不用说，内部拥有开发人员来利用数据和基础设施工具的买方数量更是少之又少。相比之下，通用型 SaaS 的潜在客户则涵盖了数百万家企业。
- 合同价值较低 ：医疗 IT 预算十分有限。即使是大型医疗系统，在连应用程序软件都难以负担的情况下，也很难证明 50 万美元以上的基础设施合同是合理的。
- 通用型对手的竞争 ：Snowflake、AWS、Databricks 等通用基础设施厂商能够很好地服务医疗客户。当通用版本更好、更便宜且更经受过验证时，为什么要购买医疗专用的基础设施呢？
结果如何？医疗基础设施公司在历史上一直难以达到风险投资所要求的规模。少数公司取得了成功（数据互操作性领域的 Datavant 是其中的佼佼者），但大多数公司的年度经常性收入（ARR）止步于 2000 万至 5000 万美元——对于风险投资回报来说规模太小了。
但转变正在发生：AI 时代正从一个完全不同的买家群体中创造出对医疗专用数据和基础设施的新需求：即 AI 模型实验室和 AI 应用程序公司。
2026 年，在模型实验室和应用程序公司的共同需求推动下，医疗人工智能（AI）基础设施领域将迎来重大投资。然而，该类别能否维持风险投资规模的回报，目前尚无定论。
对创始人的意义 ：如果你正在构建医疗 AI 基础设施，请专注于以下三点：
- 与通用型厂商的差异化 ：为什么客户不能直接使用 Snowflake、Databricks 和/或 AWS？你的解决方案有哪些医疗特有的属性，足以支撑其作为一个独立的基础设施存在？
- 经常性收入模式 ：避免一次性的数据授权交易。将合同结构设计为持续的 AI 服务即软件，包含基于使用量的组件和经常性的企业许可。
- 服务于多个利益相关者： 您的平台需要与各种医疗保健利益相关者保持相关性，以避免限制您的买家群体。您可以从服务于多方互动的交叉用例开始。例如，临床试验期间的提供者（Providers）和生物制药公司（Biopharma）。
扩展路径 ：构建具有通往应用层营收路径的基础设施。最具价值的基础设施公司是那些也能捕获应用层价值的公司。
预测 6：价值医疗在人工智能的助力下卷土重来
十年来，价值医疗（VBC）一直是医疗保健行业梦寐以求但难以企及的目标。其承诺令人信服：根据患者的健康状况而非服务量向提供者支付费用；围绕结果对齐激励机制；减少浪费性支出；提高质量。
现实情况令人失望：大多数基于价值的医疗（VBC）模式都难以实现可持续的经济效益。原因何在？
- 人力密集型参与 ：价值医疗（VBC）需要大量的患者参与——包括护理协调电话、慢性疾病监测、用药依从性检查以及社会决定因素支持。依靠人类护士和护理协调员来完成这些工作成本极高。
- 风险利润空间狭窄 ：VBC 公司通过接受按人头付费或分享结余来承担财务风险。然而，医疗成本波动大且难以预测。微薄的利润空间意味着一个严重的流感季节或一名高成本患者就可能抵消所有利润。
- 投资回收期长 ：VBC 的成果改善通常需要 12-24 个月才能显现。这需要大量的初始资金以及来自投资者的耐心资本。
- 归因挑战 ：当多位服务提供者共同接触一名患者时，成果应归功于谁？归因过程非常复杂，且经常存在争议。
这些挑战导致价值医疗（VBC）公司在 2022-2024 年间经历了一场残酷的大洗牌。许多公司倒闭，另一些则缩减了规模，投资者也对这一类别失去了兴趣。AI 通过以极低的边际成本实现规模化的患者参与，从根本上改变了 VBC 的经济效益。想想 AI 带来了什么：无需人工干预的持续监测、大规模的主动外联、个性化的护理规划等等。
结果如何？AI 显著改善了 VBC 的成本结构。在 AI 的助力下，VBC 可能每 200-300 名患者才需要一名护士，由 AI 处理日常互动和监测，而不再是每 50-75 名患者就需要一名护士或护理协调员。
2026 年将见证新一代 AI 原生且 VBC 原生的公司启动并规模化。这些公司不会是在传统 VBC 模式上叠加 AI，而是从第一天起就围绕 AI 赋能的参与模式进行架构设计。
我们将看到多家以此模型为基础建立的新型 AI 优先公司，它们在以下方面呈现差异化：（1）目标人群（联邦医疗保险优惠计划 vs. 医疗补助计划 vs. 商业保险人群）；（2）疾病焦点（慢性病管理 vs. 急性病管理 vs. 行为健康）；（3）护理交付模式（虚拟优先 vs. 混合模式 vs. 为现有服务商提供的技术层）。
预测 7：新时代数字 CRO 破解制药研发的三难困境——成本、速度与竞争
药物开发一直对我们在医疗 AI 其他领域所见的速度提升具有抵抗力。虽然行政工作流程已从数周缩短至数分钟，但药物研发仍需 10-15 年时间，且每款获批疗法的成本高达 10-20 亿美元。
传统的合同研究组织（CRO）仍属于人力密集型业务，拥有庞大的科学家团队，在动物和细胞培养物上进行物理实验，并按照僵化、顺序的测试阶段推进。为了降低成本，过去二十年里，这项工作的大部分已外包至中国，目前中国 CRO 处理着西方超过 70% 药物开发项目的临床前工作。
2025 年 4 月，食品药品监督管理局宣布了一份战略路线图，旨在减少临床前安全性研究对动物测试要求的依赖。该计划立即从单克隆抗体开始，并在 3-5 年内扩大范围，使“动物研究成为异常情况而非普遍规范”，并明确认可基于 AI 的计算模型、类器官芯片系统和计算机模拟毒性预测作为替代方案。其理由令人信服：超过 90% 在动物研究中表现安全的药物，因缺乏人体疗效或出现意外安全问题而未能获得食品药品监督管理局批准；此外，动物测试速度缓慢（使时间表延长数年）且价格昂贵（非人灵长类动物单只成本高达 5 万美元，典型的单抗项目需要 100 多只灵长类动物）。
2026 年将见证 AI 原生数字 CRO（合同研究组织）的崛起。它们通过虚拟实验取代物理实验，将药物研发周期缩短数月甚至数年，同时也为药物研发的回流和增强美国竞争力创造了机遇。
实践中的具体表现
数字 CRO 利用人工智能来模拟传统上需要物理实验室、动物实验和多年测试的生物实验。它们不再是合成数千种化合物并逐一测试，而是在接触物理分子之前，通过计算建模预测数百万个候选药物与靶点蛋白的相互作用，并预测其毒性。
新兴领域示例：
- AI 驱动的生物制剂设计平台通过计算预测蛋白质结构并优化治疗特性，在合成最有希望的候选药物之前，先进行数百万种分子可能性的计算机模拟（in silico）。蛋白质语言模型可以在计算“干实验室”中优化药物特性，如结合亲和力、免疫原性风险和可制造性，从而大幅减少在传统“湿实验室”中确认这些特性所花费的时间和成本。这可以将生物技术公司确定开发候选药物的时间缩短数月甚至数年。公司部署最先进的 AI 模型和平台专业知识，以加速设计周期并提高生物技术客户研发管线的成功率。
- 虚拟实验室平台通过在数千种实验条件下计算模拟细胞行为、分子相互作用和生物通路，取代了早期阶段的湿实验室实验。研究人员可以在进行任何物理实验之前，通过计算机模拟测试假设、识别药物靶点并验证作用机制，从而省去了 18-24 个月的重复性实验室工作。
- 机器人实验室自动化平台利用 AI 编排高通量物理实验，在极少人工干预的情况下全天候运行，并以超人的精度执行数百个并行实验。数月的连续实验室工作被压缩至数周，同时消除了人为错误和变异性。
- 人工智能驱动的临床试验设计平台通过计算建模来预测哪些患者群体最有可能对某种疗法产生反应，从而帮助制药公司设计规模更小、速度更快且成功率更高的试验。在二期临床试验失败率高达 90% 的领域，更好的患者筛选可以显著改善结果并降低成本。
- 真实世界数据平台通过分析临床试验结果和真实世界证据，预测药物在特定患者亚群中的疗效和安全性，帮助制药公司在投入昂贵的试验之前确定最具前景的适应症。
为什么这很重要？ 数字化 CRO 同时解决了三个问题：
速度 ：想象这样一个世界，公司从靶点识别到确定临床候选药物仅需 12-18 个月，而非 5-7 年。食品药品监督管理局对计算模型的批准意味着虚拟实验可以取代连续的动物研究，使临床前时间缩短 60-70%。对于患有终末期疾病的患者来说，治疗方法能提前数年送达意味着一切。
成本与利润率 ：药物研发一直遵循“反摩尔定律”（Eroom’s Law），即每种获批疗法的成本每九年翻一倍，达到 26 亿美元，这使得针对许多疾病的药物开发在经济上充满挑战。数字 CRO 通过用计算成本和云成本更低的计算模型取代 5 万至 10 万美元的湿实验，扭转了这一趋势。
关键能力回流 ：当药物发现转向计算化时，竞争优势将从廉价的海外劳动力转向卓越的 AI 模型和监管专业知识——这些正是美国公司擅长的领域。这为将关键的药物发现能力带回国内创造了机会，同时降低了成本并保护了敏感知识产权，加强了国家安全和流行病防范能力。
这对创始人意味着什么： 数字 CRO 的机遇提供了两条路径：构建一家全栈式、AI 赋能的生物技术公司，利用计算方法开发内部治疗管线；或者构建作为基础设施服务于整个行业的基座模型和平台。全栈生物技术公司进展更快，但需要更多资金且面临更长的开发周期。平台型公司收入增长更快，资金需求更低，但必须通过严格的验证来证明其模型，并应对企业级销售。那些能够展示出持续的预测准确性和监管洞察力的公司，将在规模超过 700 亿美元的 CRO 市场中定义这一类别。
AI 驱动的医疗科技未来
医疗 AI 已从承诺转向实证。在私募和公开市场中，新一代医疗科技 2.0 公司增长更快，展现出更强的单位经济效益，并将规模化所需的时间从十年压缩到仅需几年。虽然目前估值仍有折扣，但对于愿意承担信任差距的创始人和投资者来说，这里蕴藏着巨大的机遇。
在全新的医疗人工智能白皮书中，领军企业正在打破传统的增长曲线，在不到五年的时间内实现超过 1 亿美元的年度经常性收入（ARR），并通过 AI 原生生产力和“服务即软件”模式维持增长并扩大利润率。这些获得“X 因子”估值的公司将这种高速增长与持久的营收、深度的流程整合以及明确的发展路径相结合，利用 AI 智能体成为“行动系统”，而非一次性的工具。
对于创业者来说，标准已经确立：设计出能够证明“医疗 AI X 因素”四大支柱的 AI 原生业务，你的公司就能成长并达到巅峰估值甚至更高。展望未来，接下来的两年将决定哪些医疗 AI 公司能成为定义类别的基础设施，而哪些公司将随着市场的常态化而逐渐淡出。
免责声明
本文仅供信息参考和教育之用。文中提及的 Bessemer Venture Partners (BVP) 投资组合公司仅用于示例说明，并不代表 Bessemer 的全部投资。过往业绩并不预示未来结果。本内容不构成投资建议，亦不构成投资 BVP 旗下基金的要约。请访问 BVP.com/Legal 了解更多信息。
.png)
