《投资者网》伍维言
当前，中国医学影像市场正面临着结构性的供需断层。数据显示，国内影像检查需求正以年均超过30%的速度膨胀，而放射科医生的年供给增速仅约4%。巨大缺口之下，医学影像AI曾被市场视为破局的关键，但历经多年发展，大量AI产品却陷入了“叫好不叫座”的商业化泥沼中。
在2026年7月的一场媒体调研中，一脉阳光（02522.HK）北京影像中心里，一脉阳光创始人、影禾医脉董事长王世和与影禾医脉CTO张杏林联手向市场展示了另一个范式。
在颅脑CT影像被调阅时，AI已同步输出包含自动标注与分段的结构化诊断报告，全程仅需约1分钟。AI技术成功将医生从传统的“写报告人”转变为“审报告人”。这意味着，AI不再是一个游离于工作流之外的单点工具，而是深度嵌入诊断闭环的“数字协作者”——这恰恰是医疗AI从“技术可行”迈向“临床可用”的关键一跃。
这一场景转变的背后，是一脉阳光与其独立孵化的人工智能企业影禾医脉，在技术路径、数据资产与商业模式上进行的底层重构。这两家系出同源的企业相携共生却各有侧重——影禾医脉聚焦于底层基座模型的研发与AI工具链的打造，而一脉阳光则依托其庞大的线下影像中心网络，以近3000万例、5PB的真实世界数据，构筑了任何算法层面的先发优势都无法逾越的壁垒。但二者绝非单向的“供料者”与“加工者”，而是“场景哺育技术、技术反哺场景”的双向闭环。因为在大模型时代，高质量的临床数据不是靠爬虫或购买就能获取的资产，它需要影像中心的重资产投入、专业医生团队的持续治理以及长达数年的合规沉淀，这种“时间×规模×标准化”的三重积累，是竞争对手短期内无法复制的硬核护城河。
技术范式转变：从“单病种盲人摸象”到“通用AGI全景图”
早期的医学影像AI（1.0时代）多集中于肺结节等单病种模型，这种模式存在致命的临床逻辑错位。医生开具的是涵盖全解剖结构的“检查项目”如胸部CT，而AI只能针对单一病种进行“是与否”的问答，无法感知肺结节与肺炎、胸腔积液的并发关系。
而从商业账本来看，单病种研发模式的成本极高。研发并落地一款肺结节AI产品需耗资5000万至1亿元人民币。若以此逻辑覆盖包含30多个病种的全胸部CT，研发资金将高达30亿元，因此这一模式完全不具备商业可行性。 这便是AI 1.0时代“单病种识别”的典型困局——模型孤立、临床适配度低，难以规模化商用。
2025年10月，影禾医脉联合四川大学华西医院正式发布胸部CT路径级辅助诊断AI工具（AIR）。该产品直击行业长期存在的“单病种碎片化、多模型难整合、诊断与报告脱节”三大痛点，以扫描部位为诊断单元，实现一次胸部CT平扫同步完成对肺、胸膜、纵隔等多器官的全病灶检测与诊断，一举将行业拉入2.0时代。但2.0本质上仍是工具数量的堆叠——各部位、各病种模型各自为战，应用场景依然割裂，无法从根本上解决医学影像AI规模化落地应用的问题。
影禾医脉及一脉阳光并未止步于此，而是以此为基础，迅速向3.0时代完成自我迭代与行业突破——公司从“以‘检查项目’为单元”，迈向“全模态、全部位、全流程”的AI智能体生态，真正嵌入医技护工作流。
王世和用三个递进公式概括了影禾医脉技术跃迁背后的数学表达：将单一器官内的所有病种集合，即具备该器官的诊断能力AIU = ∑ AISUᵢ (i=1~n) （AISU为一个病种，AIU为一个器官）；将一个检查项目涉及的所有器官与解剖结构诊断能力相加，即可实现该项目的AI替代AIR = ∑ AIUᵢ (i=1~n)（AIR为一个扫描部位）；而所有检查项目AI能力的总和，便构成了一个全能的数字影像医生AI = ∑ AIRᵢ (i=1~n)。
影禾医脉的思路是，不再针对单个病种逐一训练模型，而是构建一个能同时处理多病种、多模态、多部位的基础模型，在统一框架内解决所有影像理解任务——“把一个检查项目里的所有解剖结构和所有疾病一次性做完”。
张杏林指出，公司的模型训练借鉴了大语言模型“统一下游任务”的思路，从零开始训练跨模态的医学影像视觉基座模型，而非简单调用通用大语言模型进行外挂知识库包装。基于“L0基础模型+L1应用模型”的双层架构，影禾医脉于2025年1月发布了全球首个跨模态医学影像L0级基座模型“影禾觅芽®”。在应用端，除了2025年发布的胸部CT智能体外，仅半年时间又与北京天坛医院联合研发了完全不同部位的颅脑CT超级智能体“小君医生2.0”，目前该系统已能覆盖94种颅脑疾病，综合诊断准确率达87.8%。在天坛医院等机构的实测中，超90%的常规病例报告无需医生修改即可直接签发，1分钟完成原本15至20分钟的工作。
更具颠覆性的是影禾医脉推出的“AI DIY”工具链。针对不同医院报告风格迥异的非标准化难题，影禾医脉提供AI-DIY工具链工具链，允许医生在本地环境中基于基础模型进行微调。医生在日常复核报告时产生的修改数据（Bad Case），能直接用于模型的自进化学习，使模型实现“工作即训练、使用即进化”的本地自生长。
真实世界护城河：一脉阳光的“数据资产”核心底牌
在大模型时代，算法的壁垒正逐渐被拉平，真正的胜负手在于高质量的真实世界数据。国际顶级学术机构如斯坦福大学在2026年初发布的腹部CT大模型，其训练数据仅为6万余例，且偏向学术导向，因此在临床实测中难以直接应用。
相比之下，一脉阳光的数据储备呈现出压倒性的量级优势。截至2025年末，一脉阳光在全国20个省份运营了117家影像中心，并与超1100家医疗机构建立合作。公司累计沉淀的标准化医学影像数据高达约2800万例，数据存储规模达5PB，且日均新增约2万例。
然而，能用于大模型训练的数据，其核心价值并不单纯在于“量”，更在于“标准”。 据透露，企业内部有一支由影像医生组成的“BI事业部”，专门负责理解医学影像数据。
该团队基于对六大医疗场景即日常工作、教学、管理、AI训练、患者服务、数据资产化的深刻认知，建立了严苛的数据治理体系与核心定义表。他们负责定义针对特定检查项目需要采集何种序列、标注哪些结构，确保AI的工程目标与临床需求精准咬合。这种“医生定义标准、算法实现标准”的协同机制，被张杏林称为“比模型架构更难复制的壁垒”。
这种数据治理能力正快速转化为实质性的数据资产。2025年，一脉阳光的“CT胸部病变标注数据”率先在上海数据交易所挂牌。同年8月，通过北京国际大数据交易所完成首批数据交易。2025年10月，与北京数据先行区签署共建合作，在数据沙盒环境下实现了首个千万元级的大模型训练服务商业转化签约，近期再度落地超500万元的数据服务合作——在医疗数据要素市场化仍处于“摸着石头过河”的阶段，一脉阳光已经走完了从数据生产、标准化治理、合规确权到市场交易的全链路闭环。
生态协同与全球扩张：构建“连锁服务+AI”的商业版图
王世和用“飞机与机场”的比喻解释影禾医脉的节奏：“前几年我们在修跑道和机场——持续完善底层基础设施，搭建数据治理体系、基座模型、工具链。今年开始，飞机落地了。”
在商业战略层面，一脉阳光与影禾医脉形成了“场景+数据+AI”的深度捆绑。一脉阳光通过多年的重资产投入建设的影像中心网络和数据中台，而影禾医脉研发的AI智能体则是那架被研发创造的飞机。两者独立运作又高度协同，使得技术得以在真实的商业跑道上迅速变现。
财务数据的修复与高增长印证了这一商业逻辑。2025年，一脉阳光实现总收入8.73亿元，同比增长14.8%，并成功扭亏为盈，实现归母净利润达374.8万元。作为独立业务板块的影禾医脉，2025年收入约4600万元，2026年其收入有望冲击超亿元，从而实现2倍左右的增长。
而在宏观层面，相关政策红利正在加速释放。2025年11月，国家卫健委明确提出在二级以上医院推进医学影像AI辅助诊断的全覆盖；2026年4月，部分地区医保局开始允许AI辅助诊断向患者端进行收费，支付端的商业闭环在逐渐打通。
放眼全球，中国医疗AI企业正凭借认知与技术优势开启出海征程。在发达国家市场如欧美、香港地区，影像医生的极高薪资构成了沉重的运营负担，人工成本占比常达40%至50%。影禾医脉通过AI技术大幅替代基础人力工作，能够优化当地存量市场的利润结构；而在印尼、北非等发展中国家，一脉阳光与影禾医脉则能通过输出成熟的“AI+影像中心”模式填补当地基础设施的空白。
事实上，全球医学影像产业正不约而同地走向“区域影像连锁+医学影像AI”的终极形态。无论是美国RadNet斥巨资收购欧洲AI企业Gleamer SAS，还是大洋洲最大的影像连锁I-MED孵化Harrison.ai，均表明脱离线下实体与真实数据的纯粹AI软件厂商将难以建立护城河。
当前医学影像行业正处于破茧重生的关键节点。一脉阳光与影禾医脉以千万级真实世界数据为底座，用工程化与商业化的双重视角重塑了AGI时代的医疗AI评价标准，为中国技术方案在国际舞台上的角逐提供了极具价值的产业样本。
