2月以來，二級市場醫藥健康領域眾多醫療AI企業迎來大幅上漲，如醫渡科技、京東健康、平安好醫生等企業股價接連攀升。而在一級市場，也陸續有深睿醫療等醫療AI企業宣布獲得新一輪融資。

這是醫療AI行業沉寂數年后難得的上行時刻，數十家企業宣布接入DeepSeek，從健康管理、醫療信息化到藥物研發、數字療法，DeepSeek的影響已經深入每個領域，二級市場的不斷拉升更顯示出市場對醫療AI的強烈信心。

而在此之前，醫療AI這一話題已獲得過多次行業關注與資本追捧，自2016年至今，AI醫療影像、AI制藥、AI導診、AI手術機器人、醫療大模型等細分賽道接連爆發，涌現出一批嘗試以AI能力改變醫療服務場景的新企業，在一級市場獲得大量融資，也催生出許多家估值超百億的獨角獸公司。

但商業化卻成為醫療AI產品的最大難題，沒有明確的支付方、收費渠道不通暢的問題無法解決，去年11月國家醫保局更是發文稱人工智能技術在臨床實踐中一定程度上起到輔助診斷或提高效率的作用，但還無法替代醫師診斷，因此在已收取診斷相應項目檢查費用后，不宜單就人工智能輔助診斷再向患者額外收費，使得AI產品的進院難度再度提升。

在持續數年的醫藥寒冬之中，DeepSeek成為一劑“強心劑”，為市場注入了新的活力，院方對DeepSeek也表現出前所未有的興趣，目前有數家三甲醫院已經完成DeepSeek部署，有受訪的醫療信息化企業也表示接到多家醫院咨詢AI產品與DeepSeek的融合情況。

但在醫療領域的諸多應用場景中，DeepSeek這一大模型工具究竟價值幾何，是否能夠打破醫療AI當下的困境，找到真正的商業化路徑？這場AI熱潮會隨時間逐漸消退，還是將深刻改變醫療AI的應用與商業模式？

DeepSeek改變了哪些醫療場景？

春節過后，在這場AI浪潮的狂歡中，微脈宣布正式接入DeepSeek，旗下的健康管理智能應用CareAI全面接入DeepSeek V3和R1模型能力。

在這之前不久，微脈剛剛完成2億元的D輪融資，用于病種管理方案及AI領域的持續研發，接入DeepSeek是公布新一輪融資消息后微脈的第一個大動作。

盡管由于DeepSeek用戶激增，服務器常常處于繁忙狀態，但絲毫不影響創始人裘加林對DeepSeek的信任與高度評價。

“DeepSeek真正的打開了AI時代，它讓大模型變得更加低成本和觸手可及。”裘加林介紹，在微脈的智能應用CareAI中，目前在預問診階段的健康小結就使用了DeepSeek，其它方面則通過軟件工程協同調用不同模型以達到場景下效率、準確度的最優選，但這只是剛剛開始，我相信未來隨著DeepSeek的優化，公司的多個產品鏈條中將會更大程度的接入DeepSeek。

醫渡科技、鷹瞳科技、智云健康、方舟健客、萬達信息、美年健康、推想醫療等，僅在今年2月宣布接入DeepSeek的醫療健康企業就遍布醫學影像AI、體檢、健康管理等各個細分賽道，這款突然爆火的大模型產品，是如何受到醫療領域眾企業青睞的？

幾位受訪者指出DeepSeek在推理模型上的強大能力。

裘加林表示，“以往的AI工具深度思考的過程是一個黑箱，我們無法驗證這個答案正確與否，但如今的DeepSeek可以將深度思考的過程展現出來，放在醫療應用場景中，我們就可以看到AI工具根據患者癥狀進行診斷的整個推理過程，以及支撐這個診斷結果的各種依據，更便于醫生參考，這是非常好的使用體驗。”

接入DeepSeek較早的福鑫科創CEO吳笛介紹，“DeepSeek-R1所采取的混合專家架構（MoE）、思維鏈（CoT）技術等技術都是新的突破，相比于傳統的大模型，不但提升了AI在臨床診斷中的透明度與可解釋性，并且在保持推理精度的情況下能夠降低40%以上的算力消耗。”相對于OpenAI，Claude，在提供相似推理能力的前提下，DeepSeek僅需要十分之一到二十分之一的成本。

從效率提升上來看，吳笛給出了一組AI生成式電子病歷接入DeepSeek后的新數據：門診AI生成式電子病歷錄入效率由60秒降低到10秒，每個門診醫生每日寫病歷時間由2小時降到0.5小時，接診患者數量提升了1.5倍，問診時間節省了15%；住院AI生成式電子病歷為每個住院醫生每日寫病歷時間從3小時縮短至0.5小時。

另一家醫療AI公司醫者科技也已經試用過DeepSeek一段時間，CEO劉呈輝表示，DeepSeek帶來的效率提升在產品的醫療問答節點已經有了顯著表現，“尤其是在一些偏嚴肅醫療問題的回答上，它的推理能力可以顯著提升準確性。”

劉呈輝指出，DeepSeek在推理模型上表現出的卓越能力，或許將開啟大模型行業在推理模型上的新賽事。

開源是對醫療AI產業最大的沖擊

DeepSeek技術上取得的新突破讓人驚喜，但還不足以引爆市場，成為當下的熱議話題。

“技術可能并不是DeepSeek最大的優勢，在代碼開源、研發人才充沛和迭代優化異常迅速的AI行業，技術上的差距或許很快會被其他公司追趕。”從事AI藥物設計研究的浙江大學藥學院教授謝昌諭表示。

遠毅資本創始人楊瑞榮也指出，遠毅資本投資的數字醫療企業中，已有數家使用過DeepSeek，“DeepSeek是一個非常優秀的大模型基座，但是目前這個階段，它暫時還無法為醫療行業的應用層帶來太大改變，遠沒有到‘即插即用’的級別。”

開源+本地化部署的模式才是DeepSeek引爆市場的原因。

吳笛介紹，DeepSeek的開源策略為醫療健康領域的企業提供了更具靈活性的工具，允許他們基于DeepSeek的基礎模型進行自定義開發。這種開放的生態系統使醫療企業能夠根據自身的業務需求，開發出更符合實際應用場景的醫療大模型，并結合本地的醫療數據和專業知識，實現個性化的智能解決方案。

“這對所有的應用領域來說都是巨大的正向沖擊。”遠毅資本創始人楊瑞榮也表示，“在此之前，不論是ChatGPT還是國內其他公司的模型底座不是開源的，我們在投資大模型的醫療應用公司時一直擔心的一個問題是，我不知道當大模型底座的下一個版本推出來的時候，應用公司所做的研發方向是否已經被人家覆蓋了，他們研發的東西可能毫無價值。”

此前《健聞咨詢》在《醫療大模型：觀望中的投資人，創業者尋找殺手級場景》一文中曾介紹，雖然很多通用大模型會開放參數，但不會公開“配方”，即每個領域的數據配比。當企業想要在某個開源模型的底座上開發醫療大模型時，如果只單一灌輸醫學知識，模型本身的醫療能力或許會提升，但會破壞底座結構，影響最終效果。

因此，騰訊、百度、阿里這些自研通用大模型的大廠，顯然更具備做好醫療大模型的先天條件，可以在其基礎上，按照精準的數據配比進行醫學訓練，成本投入更小。

事實上，自2023年起，騰訊、百度等公司的確先后發布了醫療方向的垂直大模型，小廠的生存空間與業務場景受到擠壓，也使得投資人對醫療大模型創業公司的前景顧慮重重。

如今，在大模型底座開源的情況下，應用層的公司可以放心在DeepSeek的底層框架之上再去開發其他獨特的應用，楊瑞榮認為，“兩者變成共生關系，這是對產業最大的影響。”

楊瑞榮指出，應用層的企業未來調用大模型的成本也會隨之降低，“醫療領域的企業過去和業內這些大模型底座公司或多或少都有合作，在各家的大模型之上搭建出一個最優解，現在DeepSeek選擇開源，就打破了原本的平衡狀態，其他大模型公司也不得不跟進。”

但DeepSeek的推出以及大模型開源，暫時不會改變中國醫療AI產品應用層的發展方向，“中國的醫療大模型還是會集中在問診等C端場景。”楊瑞榮表示。

商業化模式的演進

DeepSeek以及大模型技術帶來的“降本增效”，未來將會對哪些醫療場景產生深刻影響？

在楊瑞榮看來，這一變化將會對數字醫療賽道產生很大的促進作用。例如在數字療法領域，企業在研發針對某種疾病的軟件產品的過程中，原本的底層算法無法在治療過程中達到很好的效果，但在DeepSeek的加持之下，或許能夠以更低的成本投入到算法研發當中，以取得更好的治療效果。

同時，各類可穿戴設備所采集的患者身體數據，經過醫療大模型的處理后應用在患者的治療過程當中，以便更好地進行疾病管理。

在AI藥物設計領域，謝昌諭指出也許能夠利用DeepSeek強大的推理能力建立藥物設計中更加疏遠的因果關系，幫助研究人員找到新的靶點，以及作為龐大的知識庫為研究人員提供參考建議，例如如何保持藥物活性、改善成藥性，或是降低毒性、提高代謝，DeepSeek在閱讀大量文獻之后能夠為藥化學家提供一些專業的建議，幫助藥化學家作出正確的判斷。

“這些輔助工作以往的AI也能做到，但是不夠系統化和精確化。DeepSeek在掌握足夠數量的信息與大量訓練后，或許能夠過邏輯思考作出更加精準、更加貼近于人的判斷。”

在醫療信息化領域，吳笛分享了多個AI+醫療服務管理的應用場景，例如AI生成式電子病歷、AI慢病管理、AI隨訪等場景，未來都會隨著DeepSeek的深入應用有所提升。

此外，隨著DeepSeek在數據處理和分析方面的優勢凸顯，醫療AI公司未來或許會更加重視數據的獲取、處理和利用，建立基于數據驅動的商業模式。通過積極整合和分析醫療數據，企業不僅能夠提高自身產品的精準性和效益，還能為醫院提供基于數據的決策支持，從而創造新的收入渠道。

吳笛還指出，雖然DeepSeek不會立即徹底改變醫療信息化行業現有的商業模式，但一定會催生出更多的醫療AI應用公司，同時也造就更多樣化的商業模式。

例如DeepSeek的多功能性和強大推理能力，會促使醫療AI產品從傳統的單一解決方案向綜合性服務模式進行轉變，即提供基于AI的全周期醫療管理解決方案。

同時，DeepSeek的靈活應用會推動醫療AI企業實行訂閱制或按需服務式的商業模式，以便醫院根據自身需求選擇相應的服務，為企業帶來穩定的收入。

2025年伊始，DeepSeek帶著強大的推理能力，以開源+本地化部署的全新模式進入醫療領域，這個取得了突破性進展的大模型新工具，或許將推動醫療AI探索出更加多元化的商業化模式，以高頻次、低價格的付費方式取代以往的一次性收費方式，打開困擾行業已久的商業化道路。

文 / 喬燕薇

編輯 / 龐貝貝 李琳