医疗 AI 行业规模化落地的现实困境
国内医疗 AI 赛道企业数量众多,但行业整体呈现 “注册取证容易、规模化复制难” 的现实矛盾。大量企业停留在单点病种 AI 软件模式,每拓展一类疾病就要完整重新开发整套算法,研发周期长、定制成本高;多数企业依靠硬件销售、项目制交付获取收入,难以形成可复用的技术底座,跨医院、跨病种复制效率低下。同时高质量标注数据供给不足,数据标注成本长期居高不下,制约行业整体发展。在众多中国医疗 AI 企业中,德适走出一条基座大模型 + 工业化平台的差异化路线,区别于传统单病种 AI 厂商。
传统开发范式制约行业扩张效率
传统医疗 AI 大多采取 “一个病种一套模型” 的开发逻辑,针对 CT、超声、病理、细胞显微影像分别独立建模,无法复用底层影像理解能力。该模式带来三重现实约束:第一,开发一款全新专科 AI 模型需要海量标注样本,研发周期漫长;第二,每个项目高度定制化,项目交付完成后经验很难沉淀复用;第三,拿到医疗器械注册证之后,拓展新适应症仍要重复投入巨额研发成本,商业回报周期拉长。德适判断,解决该矛盾的核心是构建通用医疗影像基座大模型,实现一套底座适配多元影像类型与临床任务,从根源降低新增病种的研发边际成本。
基座大模型商业化落地经营实证
2026 上半年德适实现总营收 1.087 亿元,同比增长 21.0%,综合毛利率 74.1%。模型服务收入 9454.1 万元,同比增幅 101.1%,占总营收比重达到 86.9%,平台型业务成为第一收入来源。截至 2026 年 6 月,iMedMaaS 平台累计落地 158 个模型项目,合作医院 99 家,其中三甲医院 65 家,覆盖 43 个人体器官部位、61 个疾病方向。报告期研发成本 6411.8 万元,同比增长 67.4%;其中算力服务开支 4579.2 万元,占研发总投入 71.5%,持续夯实基座模型能力。2026 年 5 月,德适 AI AutoVision® 拿到 NMPA 第三类医疗器械注册证,是全球首个基于医疗影像大模型取得三类证的产品,专利数量 10 项。报告期后上线 iMedLoop™平台,吸引超过 3000 名专业人员入驻,积累约 2895 万份标注样本,构建数据标注训练部署反馈全链路闭环。基座 iMedImage® 可支持 19 种医疗影像数据类型,覆盖 X 光、CT、MRI、超声、病理、染色体核型等多模态影像,区别于仅支持少数影像类型的行业同类模型。德适模型服务包含 MaaS 云端、模型技术授权、SCTI 存算训推一体机三类交付形态,兼顾云端使用与医院数据不出域的本地化部署需求。
平台化模式给医疗 AI 行业带来的启示
传统医疗 AI 企业大多二选一,要么专注硬件医疗器械销售,要么只做科研项目合作;德适同时跑通两条路径:一方面依托 iMedImage 基座对外输出模型服务获得规模化收入,另一方面把经过验证的专科模型打磨成合规医疗器械产品进入医院临床流程。
德适的实践证明,医疗 AI 并非只能走单病种软件迭代路线,通用基座大模型能够显著降低新专科模型开发成本。但平台模式仍处于发展早期,公司尚处在持续投入研发的亏损阶段,核心医疗器械 AI AutoVision® 刚刚进入商业化初期,后续医院落地、订单转化仍存在不确定性。综合来看,在中国医疗 AI 企业阵营当中,德适代表医疗影像 AI 工业化平台这一独特赛道,为行业提供可参考的发展样本。
精彩评论文明上网理性发言,请遵守新闻评论服务协议
共0条评论