長按即可參與

風險提示：本文所提到的觀點僅代表個人的意見，所涉及標的不作推薦，據此買賣，風險自負。

作者：巴菲特讀書會

來源：雪球

1、AI醫療產業整體前景大，能夠賦能醫療產業端公司的傳統業務，提升其盈利能力，并在客戶綁定、新客戶開拓上提供幫助。

2、在患者端，AI醫療可以提高了醫療資源的可及性，使得偏遠地區的人能夠觸達到高等級的醫療資源（醫療資源平權）；還可以減少漏診和誤診，提高診斷的準確性（診斷準確性）；以及AI制藥如果成功，患者將受益（制藥）。

3、AI醫療產業端落地成熟度，影像→體外診斷→醫療機器人→制藥→慢病管理→醫療信息化。

4、AI+診斷領域：

1）體外診斷公司：主業有業績壓力，但需給予AI屬性估值溢價。關注與大廠綁定深、落地成熟的公司。

2）影像公司：如聯影，在設備市場鋪設、市占率、數據授權上有優勢。

3）業績變好公司：對主業業績有包容度，關注可能迎來拐點的公司。

4）細分領域數據公司：如華大智造，除數據、AI邏輯外，還受Illumina被禁入中國市場影響。

5、AI+醫院/醫生：AI能提高醫生和醫院的診斷治療能力；對醫院和醫生的運營效率有幫助。

6、AI+慢病管理：看好AI慢病管理，需解決市場教育和支付端問題，商保方案還在討論中。做硬件的公司可與診斷公司、藥企合作，C端醫療器械公司有數據積累優勢。

專家交流問答

Q：怎么樣看AI醫療產業的變化？

A：整體來講，從目前這個階段來看，AI加醫療產業端肯定是非常有前景的方向。

1、實業角度看，從產業端來說，像藥企，診斷，包括影像，也包括做服務的公司，不一定會有AI的單品出來，但一定在很大程度上可以使他的傳統業務得到AI的賦能，可以使他的盈利能力有可能會提升；還有和客戶的綁定，依從性上、新客戶的開拓上可能都會有比較大的幫助。

從這個角度來講，對相關產業來講，肯定已經很重視。國內很多公司在DeepSeek出來之后，他們都在植入DeepSeek，都在做相關領域的探索；也有很多公司在和華為這類的大廠合作。

2、患者端看，1）關于不平權的問題，醫療資源不能夠共享，或者說不能夠平等的均攤到每個人身上。這是一個事實，如果沒有AI，沒有互聯網這些，偏遠地區的人確實很難接觸到大三甲醫院，或者相對來說高等醫院的醫療資源。這確實是一個現狀，但有了AI之后，就有了一個載體，基層的人或者偏遠地區的人，他有可能通過AI工具，或者通過互聯網升級之后的載體，去觸達到比較高等級的醫院、醫療資源。從這個角度來講，醫療的便利性，醫藥資源的可觸及性，肯定是大幅提升。

2）從診斷端看，可以提升診斷或者治療的準確性，防止漏診、誤診。對患者來說肯定能夠受益，因為在診斷的時候，很多疾病通過影像報告，通過人眼去查看，很容易出現漏診，尤其是大的醫院，可能每天有大量的片子去看，醫生在看的時候，因為疲勞，或者什么原因，有可能會造成一些關鍵病灶位置的遺漏。有可能對疾病的診斷、治療錯過非常關鍵的窗口期。從這個角度來說，對于患者，減少誤診、漏診，肯定也是非常有幫助的。

3）對于制藥來說，如果AI制藥這事后面能夠成，從新藥出來或者更有效的新藥出來，是非常值得期待的。從這個角度來說，患者肯定充分受益。

3、醫院端看，醫院去買一些系統或者軟件，可能現在也沒有錢，但往長遠來看，大量的醫院，尤其是大的三甲醫院，經常能看到一個現象就是去的人特別多，排隊、掛號等特別久。站在醫院角度來說，肯定也是有動力去提高醫院本身的運營水平。從這個角度來看，站在醫院本身運營管理來看，肯定有動力去做事，對于醫院診療能力的提升肯定也是有這樣的訴求。

4、站在政府端看，醫療相關的資金的高效利用，醫療資源更有效地均攤，肯定都是有幫助的。

從以上四個方面，產業端肯定會積極擁抱AI。像慢病、制藥，還有診斷、治療等非常多的方向，AI都能夠賦能。但目前來看，大多的方向還處于非常早期的階段。

Q：華為大力度地布局AI醫療將對行業的沖擊影響？

A：對于醫療領域投資來說，機遇和挑戰都有。

挑戰方面，華為是一個非常強大的公司，既然有一個軍團做這個事情，那他肯定會布局非常強大的人在這里面。華為本身的影響力，包括在國內的一些資源、號召力，再加上人才團隊的搭建，包括自己的模型，比如模型底座，數據安全底座等，肯定都是非常強的。

目前華為更多是聚焦在診斷上，這對國內診斷公司來說，肯定是有一定的挑戰。從市場份額角度來看，如果相關企業不做非常前瞻的布局，非常快地落地的話，可能就會有一定的失去市場份額，或者很難把握住AI醫療機會的風險。

機遇方面，還是華為的號召力。華為都做這個事情，肯定對社會的資源，包括社會的響應，政府的響應，可能會有更快的一些動作。可能會讓大家認識到AI真的能夠在醫療，或者在聚焦在診斷領域，AI能夠真正地做一些事情，有可能會使得行業更加規范。這可能會是很大的一個優勢，或者很大的利好，行業更加規范，后面配套的政策會更進一步地落地。

第二個利好，就是華為既然這么重視這件事情，那他肯定在相關領域的資源投入會進一步增加。比如有了盤古大模型之后，可能AI醫療靠這個模型就夠了，但實際上這領域還需要特別多的垂類的大模型。如果華為在這個領域投入更多的資源，極有可能在技術方面有特別大的推動。國內很多的AI診斷公司，像潤達醫療、金域醫學、迪安診斷等，他們都在和華為合作，建立起了非常緊密的聯系。如果華為在這個事件里進一步做投入，技術進一步升級，對于相關合作公司肯定是重大利好。

Q：AI醫療細分領域較多，應該怎么樣去選擇？

A：通過兩個角度來看，站在產業端，哪個方向相對來說落地的最成熟或者落地得更快一步；站在投資端，現在這個階段去選擇哪個方向做偏β一點的布局。

從產業端，AI醫療落地，從成熟度來看，目前影像這塊是落地最成熟的。因為現在確實可以通過影像的快速閱片，一方面提高效率，另一方面提高診斷的準確度，能夠更精準地發現一些病灶等。

除了這個方向之外，其他方向大部分都是更早期的階段。

體外診斷相對來說是第二成熟的方向。

第三是醫療機器人，醫療機器人里很多做導診的機器人，還有陪診的機器人、手術機器人，但是手術機器人現在肯定也是有一定的曲線，比如特別復雜的動作，特別精準的手術，可能還有一定的不足，但是相對來講可能還是比較快的。

除了這三個方向之外，其他方向，像制藥這塊現在降本增效事情非常確定，在靶點發現，尤其在分子設計這塊，做藥的環節很長，從靶點開始，到分子，再到臨床前，臨床試驗，非常長的過程。現在可以看到在分子落地相對來說最多，但目前確實沒有看到一款藥物通過AI做出來，或者是AI成藥這個事，完全落地現在確實還沒有看到相關特別成熟的案例，還需要再觀察，今明年可能是非常關鍵的一個節點。現在AI制藥做管線的公司，他們有大量的管線，可能至少有幾十條管線都在臨床二期甚至偏后的位置，如果他們后面的數據特別好，AI制藥這塊可能會有非常大的機會。

慢病這塊，國內一直都有提，但AI植入，或者AI在慢病管理產生價值，但市場需要教化，尤其國內消費端這塊還需要一定的時間做市場教育。

醫療信息化，本身國內信息化已經做得非常好了，但智慧化這塊可能還需要一點時間，其實很大一部分原因在于支付端的問題，比如醫院沒錢，醫保今年有壓力。所以短期來講，醫療信息化這塊有特別多的落地，可能需要一點時間。但醫療信息化這一塊非常值得期待，如果政策上有一定的超預期，如成立專門專項基金等一些動作，醫療信息化這塊的發展會非常迅速。

Q：AI+診斷領域，可比公司比較多，核心公司的后續業務展望如何？

A：1）體外診斷可能很多公司，尤其是服務端的公司，如金域、迪安、潤達他們本身的檢驗行業的主業確實從業績的兌現上有一定的壓力。但現在這個位置，對于這些公司來看，不能嚴格地只看主業或者看業績，肯定要給它AI的屬性，或者特征，給相對的估值溢價。所以從這個角度來講，關注診斷里和這些大廠綁定特別深的公司，或者落地程度最成熟、最多的公司。這個思路之下，和大廠綁定的如潤達醫療，它在2023年6月份開始和華為有比較深度的接觸，從接觸合作之后，公司的模型良醫小慧等這些產品有一定的推進，也有一定的進展、更新、迭代等。像金域、迪安也在和華為有特別大的、特別多的合作。

2）診斷方向，病理醫生短緊缺。在醫生資源分布不足或者不夠的背景之下，AI去做一些事，肯定會對這個領域產生特別大的推進，對于相關病理疾病的診斷效率，還有準確性等角度來說，肯定有重大幫助。安必平可以做重點關注。

3）影像公司，從設備市場鋪設、市占率、合作的醫院或者拿到的數據授權的角度來看，聯影都非常有優勢。影像這塊應該是AI落地程度最成熟的方向。

4）業績有可能逐步變好的公司，AI醫療很大一部分程度要給AI一定的溢價，對主業對業績有一定的包容度，但還是要有關注，如診斷服務這塊，可能在今年下半年，甚至到明年，可能會慢慢迎來行業的拐點。

5）對于在某些細分領域有特別豐富的數據積累的公司，如華大智造，華大基因。但華大智造除了數據的邏輯，Ai的邏輯之外，還有Illumina被禁入中國市場的邏輯，所以在數據層面，有豐富積累的公司，可以重點關注。

Q：AI+醫院，或者AI+醫生方向上，有哪些機會，或者期待點？

A：第一提升提高醫生或醫院的診斷治療能力。

第二提高醫院本身的運營效率、醫生自己的工作效率。

在和業內人士交流的時候，大家擔心的點就是數據問題。這個數據并不是屬于診斷公司，也不屬于醫療信息化公司，訓練模型又需要數據，很難形成閉環。像國際醫學這樣的公司，它在數據層面會有更豐富的數據，或者能夠形成一個數據閉環，所以它在模型訓練上會有一定的幫助。對于這些公司來講，它的數據確實會更好，用模型來訓練它，它的價值也會非常豐富。所以AI+醫院，AI+醫生，更多的解讀是利好。

可能有些醫生排斥AI診斷的觀點，覺得搶飯碗等，這就是一個短期現象，因為他們遲早會發現AI確實能夠給他帶來很大的便利，給他的診斷，治療能力帶來很大的提升。可能隨著技術進步、迭代，會慢慢地去弱化這些問題。同時AI+醫療+醫院+醫生的事情，并不是說完全擺脫醫生，它更多的是醫生的助手。

診斷數據，或者信息化數據，不是沒有價值，各有各自的價值，只不過是不同環節的公司，它處于不同的地位，或者它的價值有不同的體現。在診斷領域，它的數據其實會更加聚焦，如聚焦影像，聚焦病理，在這個領域的模型也會更好，在這個領域的數據也會更多。對一些疑難雜癥的診斷，有非常大的幫助。當然大家又會質疑，說這樣的公司，它的數據沒有醫生決策的數據，沒有形成一個完整的數據鏈條，但它畢竟只是一個診斷的環節。從這個角度來講，它的很多指征已經一定程度上指向某些疾病了，而且模型在做數據訓練的時候，還有一類數據就是知識，所以它在診斷這塊，肯定也是有自身的價值。它的價值對于細分領域更加精準，更加高效。

傳統概念中，醫院的數據不一定愿意拿出來，但隨著數據訓練模型價值逐步體現，未來很多醫院會愿意去和相關公司合作。

Q：AI+慢病管理方向怎么看？如何應對大廠的競爭？

A：整體來講，對AI慢病管理這塊非常看好。

慢病這塊目前來講，最大的問題在于市場教育，還有支付端的問題。有些產品會比較貴，買單是一個問題，尤其國內沒有開通商保，但也在探討，還沒有完全覆蓋。

人口老齡化，像阿爾茨海默綜合征，心腦血管疾病，還有糖尿病等，這些方向都是非常大的賽道。

慢病這塊，可以有一些不同的分類，舉個例子，做硬件的公司（魚躍醫療，樂心醫療等），后面可以做精準慢病管理；除此之外，還有一些做診斷的，如美年健康，也在做慢病管理，它先給體檢，體檢之后，看一些指標情況，然后給出健康管理方案，讓相關患者按方案去做。這兩類，就是一個制定大的方案，另外一個在過程之中做精準調整，預測干預，兩種不同形式。關于應對大廠競爭，第一是和大廠合作；

第二是這兩類的慢病管理公司，他們本身做合作，也可以和一些藥企合作，如做心腦血管疾病相關的監測，可以和相關藥企合作，注意相關藥企藥品銷售，拉動相關藥企業績，反過來，也會給它帶來一定的收益。

另外也可以不合作，像樂心醫療，魚躍醫療這樣的公司，他們本身和這些大廠上面有成本優勢，華為、小米這些公司，他們確實有C端醫療的基因（手環、體脂秤等），但如果真正去做慢病管理服務，相關的垂類模型是非常關鍵的。在這個領域，長期數據積累是非常關鍵的。你可以通過一定的技術團隊攻關，把硬件做出來，達到很高的標準，但模型還需要一段時間，大模型不夠，還要有細分領域的垂立模型。另外還需要非常豐富的數據才能去訓練模型。對于國內做C端醫療器械的公司，他們在數據積累，醫師積累方面會更有優勢。

行業投資建議：

站在投資角度看，對醫療+AI領域需增加包容度。

包容度，一方面是對于業績，另一方面是對于相關公司的估值。從產業端來講，AI醫療有一些方向相對來講已經邁過了0-1的階段，可能已經走在了1-10的路上。

從投資端去看業績，可能大部分都是處于0-1的階段。業績這塊還要等待1～2年，對業績需要包容度。

現在很多公司漲得都比較高，股價漲得比較多，比較急。從這個角度看，產業方向是一個思路，哪些方向落地的程度最深，細分方向里的龍頭可以做重點關注。但落地程度不高的并不是不值得關注，如在醫療信息化中的嘉和、衛寧、訊飛等。有沒有落地只是其中一方面，其他還有很多，如預期的政策性支持，或者從邏輯上來講，它有這樣的可能性。另外一些公司，可能也在探索和一些大廠模型的合作，和一些醫院授權數據方面的合作。

估值角度，不一定按照傳統的醫療行業的估值去看，要更多一點思考，甚至要跨行業給估值，對標一些科技型的公司，這樣估值相對來說合理一點，但不要盲目追高。

雪球三分法是雪球基于“長期投資+資產配置”推出的基金配置理念，通過資產分散、市場分散、時機分散這三大分散進行基金長期投資，從而實現投資收益來源多元化和風險分散化。