繁體
  • 简体中文
  • 繁體中文

熱門資訊> 正文

AI醫療,沙利文重磅報告!這家中國企業榜上有名!

2026-08-11 18:39

近日,國際權威諮詢機構弗若斯特沙利文(Frost & Sullivan)發佈《2026 AGI時代全球數智醫學影像生態產業發展白皮書》(以下簡稱《白皮書》)。

報告首次從產業生態視角,系統梳理了醫學影像生態,重點分析AGI時代下醫學影像AI的產業邏輯。

依託「場景-數據-標準-基座模型-檢查項目級智能體」完整閉環,一脈陽光所孵化的人工智能企業影禾醫脈成為白皮書重點分析案例。

影禾醫脈獲「2026沙利文全球醫學影像AGI年度公司獎」

代表着影禾醫脈已具備國內醫療大模型領先梯隊與圖像類大模型第一梯隊的核心競爭力,其與一脈陽光協同構建的數智影像生態,更被視作全球醫學影像生態模式探索中的重要力量。

競爭從「算法精度」

轉向「場景閉環與進化能力」

作為全球知名的企業增長諮詢公司,沙利文此次發佈的《白皮書》首次從產業生態視角,對全球數智醫學影像行業進行了系統性梳理。

《白皮書》梳理AI醫學影像從1.0到3.0的發展脈絡,清晰地揭示了不同階段參與者從「工具開發」到「方案整合」再到「生態共建」的差異化演進路徑。

過去數年,AI醫學影像賽道的評價體系長期被「實驗室數據集準確率」這單一指標所主導。從肺結節檢測到腦出血識別,大量創業公司在公開數據集上將算法精度刷到99%以上,卻始終難以跨過規模化臨牀落地的鴻溝。

《白皮書》一針見血地指出,醫療AI已進入AGI探索階段,競爭核心定義發生了根本性轉移——競爭焦點不再是單點算法的精度極限,而是模型能否以場景原生設計深度嵌入真實臨牀流程,並以數據飛輪實現持續自我進化。

這一轉向之所以必然,源於醫療場景的本質特徵:臨牀決策是一個高度動態、多變量耦合的複雜系統,單一算法即便在實驗室數據集上達到99%的準確率,若無法適應真實環境中設備差異、患者異質性、診療路徑多樣性,仍難以產生規模化臨牀價值。

AGI 3.0時代的醫療AI,必須以端到端的場景理解能力替代碎片化的工具拼接,以持續進化的數據閉環替代靜態的模型訓練範式。

影禾醫脈的技術架構與AGI 3.0時代演進方向高度同頻,這為其在醫療大模型和圖像類大模型領域建立領先地位奠定了底層基礎。

影禾醫脈:醫療大模型領先梯隊

與圖像類大模型第一梯隊

(一)具備國內醫療大模型領先梯隊的核心條件

《白皮書》指出,衡量一個大模型是否真正具備產業價值,核心在於它能否以端到端的生產邏輯孵化出可閉環、可落地、可自我進化的AI應用,而非單純的參數規模比拼。

影禾醫脈的「小君醫生2.0」顱腦CT超級智能體是業內首個實現「檢查項目級完整智能」的影像AI系統,依託近30萬例臨牀數據、超千萬圖文對訓練,綜合診斷準確率達87.8%。

該產品於2026年4月在北京天壇醫院正式發佈,在全國30余家影像中心實測中,90%以上常規病例僅需小幅修改即可簽發報告,落地效果成熟穩定,全方位體現了企業三大核心能力。

一是全鏈條推理的場景穿透能力:對應「場景穿透力」。產品依託視覺語言原生多模態能力,一次性完成顱腦影像識別、異常判斷、疾病分析、結構化報告生成全流程工作,無需零散API拼接,可在94種顱腦疾病的醫學知識體系中完成高複雜度邏輯推理,實現一分鍾快速出報告,完成了從技術demo到臨牀生產工具的跨越。

二是垂直領域的持續進化能力:對應「精準天花板」。影禾醫脈依託一脈陽光全國影像中心網絡,持續獲取真實臨牀數據,完成模型垂直場景適配與迭代優化,憑藉高可塑性模型架構,實現診斷精準度持續提升,構建起行業稀缺的數據迭代閉環。三是標準化規模化複製的產業能力對應「產業寬度」。

影禾醫脈以顱腦CT場景為切入點,打磨出「識別-判斷-分析-報告」的標準化產品範式,可快速向其他檢查場景複製落地,契合行業從單點產品研發向全場景能力體系建設的轉型趨勢。

基於《白皮書》對AGI 3.0時代醫療大模型產業價值的界定標準,影禾醫脈在「強基座模型能力+垂直數據閉環+場景原生設計」的路徑上,已完整具備國內醫療大模型領先梯隊的核心競爭要素。

(二)具備圖像類大模型第一梯隊的核心壁壘

《白皮書》分析指出,當前大模型賽道中,語言類模型呈爆發式增長,而圖像類模型——尤其是垂直領域的醫學影像大模型——卻長期處於「高門檻、稀缺化」狀態。

主要源於行業在數據採集、專業標註、設備異構存在三大壁壘:影像數據合規匯聚難度大、醫生專業標註成本極高、不同設備影像數據碎片化嚴重,多數企業無法搭建有效的數據飛輪。

影禾醫脈的「河圖計劃」,正是針對上述行業痛點構建的系統性破局方案。《白皮書》將其作為當前行業內較具代表性的醫學影像AI基礎設施建設案例進行分析。

「河圖計劃」面向AI 3.0時代,以三層基建形成閉環:標準基建搭建百萬級醫學影像標準化語義體系,統一影像數據交互語言,解決跨設備、跨場景數據互通難題;數據基建依託真實臨牀場景,打造百萬級精標註影像數據集,積累行業核心優質數據資產;模型基建基於標準化數據與語義體系,訓練出強泛化能力的全模態醫學影像基礎模型。

區別於行業多數單點任務型圖像模型,影禾醫脈以完整檢查項目為單元,實現端到端全流程智能診療,對模型的影像理解、知識推理、工程化落地能力要求遠超行業平均水平。

同時,一脈陽光的臨牀場景資源與影禾醫脈的模型技術形成雙向賦能,數據持續餵養模型迭代,模型優化反向推動數據質量與規模提升,構築起持續加深的技術與數據壁壘。

《白皮書》指出,醫學影像AI應按照「場景—角色—任務」定義,影禾醫脈這一路徑對模型的要求遠高於單點工具:不僅需要像素級的影像理解能力,還需要跨模態的醫學知識推理能力,以及將複雜診療邏輯封裝為標準化輸出的工程化能力。

模型與數據的聯動,正是影禾醫脈在圖像類大模型領域難以被複制的核心優勢。當行業競爭從「算法精度」轉向「場景閉環與進化能力」時,影禾醫脈已率先完成了從單點智能到系統智能、從靜態模型到動態飛輪的躍遷。

基於白皮書所梳理的AGI 3.0時代產業演進邏輯,這既是影禾醫脈具備圖像類大模型第一梯隊核心競爭力的底層邏輯,也是其在未來AGI醫療競爭中持續領跑的戰略根基。

生態閉環與全球模式對比:

中國方案的國際化路徑

隨着醫學影像數據持續積累、AI能力加速融入臨牀流程,數智醫學影像的發展正由單點技術應用邁向生態化建設,並在全球範圍內延伸出不同的協同路徑。《白皮書》分析了三類代表性數智影像生態模式,並展望數智醫學影像生態的建設方向與國際化路徑。

其中,RadNet與Gleamer的組合代表了「影像服務網絡+AI產品矩陣嵌入」的路徑,優勢在於依託成熟的門診影像中心網絡實現AI能力的規模化商業部署。I-MED與Harrison.ai的模式則更側重於「影像服務集團+AI研發平臺」的聯合研發,強調多異常聯合檢測能力在大規模臨牀網絡中的持續優化。

而一脈陽光與影禾醫脈打造了全球第三條創新路徑——覆蓋真實臨牀場景、數據治理、標準建設、基座模型、檢查項目級AI產品、平臺集成和醫生反饋迭代的完整數智影像能力閉環。

正如《白皮書》所指出的,這一模式的獨特價值在於,它不僅解決了「AI產品如何進入醫院」的落地問題,更從底層回答了「AI能力如何在真實臨牀場景中持續進化」的產業命題。

2026年4月,一脈陽光宣佈斥資超3.5億港元增持影禾醫脈,以25.36%股權躍升爲后者第二大股東,投資從「項目孵化」正式邁入「戰略重倉」。

通過此次深度綁定,一脈陽光以全國影像中心的海量真實場景與高質量臨牀數據為「土壤」,以影禾醫脈的基座大模型與智能體技術為「引擎」,構建起「數據驅動技術、技術賦能場景」的雙向循環閉環。

《白皮書》指出,中國數智醫學影像生態的國際化路徑將由產品出海逐步邁向生態協同出海:第一階段是產品出海,以經過臨牀驗證的AI醫學影像軟件進入海外市場;第二階段是數據與標準出海,輸出數據治理框架、結構化標註體系和核心定義標準;第三階段是生態出海,將平臺、AI和醫學影像服務進行一體化輸出。

一脈陽光與影禾醫脈具備較為完整的數智影像能力閉環,成為全球數智影像生態模式探索的有效路徑之一。

沙利文這份白皮書恰如一道清晰的分水嶺,它不僅重新標註了醫學影像AI產業的成熟度,也讓市場看清:在AGI 3.0時代的醫學影像賽道上,真正能持續領跑的將是那些同時掌握場景理解力、數據資產力與生態整合力的長期主義者。

影禾醫脈正沿着這一方向,為全球數智醫學影像生態建設提供一個值得關注的中國樣本——真正的AGI時代競爭,纔剛剛開始。

風險及免責提示:以上內容僅代表作者的個人立場和觀點,不代表華盛的任何立場,華盛亦無法證實上述內容的真實性、準確性和原創性。投資者在做出任何投資決定前,應結合自身情況,考慮投資產品的風險。必要時,請諮詢專業投資顧問的意見。華盛不提供任何投資建議,對此亦不做任何承諾和保證。