商汤医疗累计融资达10亿元，A轮投后估值超30亿元，正加速推进AI医疗商业化落地。然而，商汤医疗CMO钱琨与CEO张少霆近日指出，当前AI医疗行业面临信任度不足、数据质量不佳与商业模式不清晰三大核心瓶颈，严重制约行业可持续发展。尽管2025年AI不会取代医生已成行业共识，预计2028年行业规模将达1598亿元，但如何突破这三重障碍成为行业关键挑战。
商汤医疗作为商汤科技孵化的AI医疗准独角兽，已累计融资10亿元，2025年再获数亿元战略融资，A轮投后估值超过30亿元，新一轮融资计划预计将于明年启动。[1][2]
目前，商汤医疗团队规模达百余人，其中产研人员占比超过70%。2025年年初，公司为美的集团旗下和祐医院部署了"SenseCare® 智慧诊疗平台"，上线15款AI辅助诊断应用，为复杂疾病诊断提供支持。[1]
行业整体发展态势良好，预计2028年AI医疗市场规模将攀升至1598亿元，2022-2028年复合增长率保持在10.5%。截至2025年4月，国内排名前100的医院中，98家已完成大模型部署，且有33家医院研发出55个垂类大模型，显示行业正从通用型向专病专科深化。[3]
商汤医疗CMO钱琨明确指出，信任问题是AI医疗落地的首要障碍：“很多医生对AI持保留态度，因为遇到过’幻觉’，AI说得头头是道，但可能没有证据。”[1]
尽管2025年"AI不会抢医生饭碗"已成医疗圈共识，但医生群体对AI诊断结果的可靠性仍存疑虑。这种不信任源于AI系统有时会生成看似合理但缺乏医学证据支持的结论，影响临床决策的准确性。
商汤医疗联合创始人兼首席医学官钱琨解释，解决这一问题的关键在于构建"通专融合"模式：“通用模型来理解用户需求，调用传统AI和数字化工具，逐个解决用户真实的小场景诉求。”[2]
为增强可信度，商汤医疗正依托自研医疗大模型"大医"作为智慧中枢，统筹调度覆盖影像、病理、内镜等多模态专有模型群，力求提供更精准、可解释的AI辅助诊断。[3]
数据问题被商汤医疗视为AI医疗落地的第二大瓶颈。钱琨表示：“中国的病种谱系很广，很多罕见病、细分病种是’长尾问题’，没有足够的高质量数据来训练模型。”[1]
行业数据显示，2024年全国卫生机构101.1亿诊疗人次产生百亿条数据，体量庞大却价值难挖。在合规框架下，国内医疗数据呈现"多而不优、散而不通"的特征——医院间数据标准不一，大量数据以非结构化形式存储，错漏、残缺等问题频出，直接影响AI模型的训练效果与应用精度。[2]
针对这一挑战，商汤医疗正发力多模态领域专有模型，包括病理大模型，其目标是"用更少的数据、更快的速度，解决更多的长尾疾病，而不是永远扎堆在肺结节那几个红海领域"。[1]
同时，商汤医疗提出并构建"医疗世界模型"，推动大模型突破纯文本交互，进入高度拟真的数字临床环境，通过模拟患者反馈、精准解析病灶结构等方式，减少对海量真实数据的依赖。[3]
支付体系不完善是AI医疗商业化的第三大瓶颈。钱琨指出：“医保支付需要漫长的循证数据链来评估’AI到底能为患者诊治解决多大问题’。支付是全球性难题，即便是美国，能为AI医疗付费的CPT code也十分有限。”[1]
此外，ICD（国际疾病分类）操作编码对AI服务的适配缺陷，使得AI在严肃医疗的商业化落地产生瓶颈。商汤医疗CEO张少霆坦言：“软件类AI并不存在绝对的技术壁垒，AI医疗企业需着力构建平台化能力，并形成生态层面的护城河。”[2]
行业普遍面临"定制化服务削弱规模化复制能力"的困境，这也是多数AI医疗企业依赖资本输血的主因。对此，商汤医疗采取了差异化策略：
早在2018年就提出"赋能全院诊疗愈"的平台化理念，形成临床诊疗、智能决策、患者服务、医学科研等全流程应用[3]
搭建智能体开发、模型应用生产双中台体系，实现"自主可控+灵活调配"，避免陷入"软件标品"价格战[3]
克制盲目扩张产品线，确保成本可控、壁垒高、回款快、现金流稳[1]
商汤集团董事长徐立强调："医疗是AI最为深远的应用领域，其核心价值在于破解资源不均的’不可能三角’，让健康公平成为可及的现实。"随着政策支持力度加大，预计到2030年，基层智能辅助将基本全覆盖，二级以上医院普遍开展影像智能诊断等AI技术应用。[2][4]