【大模型】-华为军团-拉高AI医疗概念股 商业模式仍有待摸索

　　3月10日，AI医疗概念股大幅高开。消息层面上，华为于3月7日在内网发文，正式成立“医疗卫生军团”。第壹财经记者从多位知情人士独家确认，华为DCS领域总裁张伟力将担任华为医疗卫生军团责任人，张伟力此前岗位隶属于华为数据存储产品线。

　　根据华为发文显示，医疗卫生军团的成立主要是为解决AI在医疗行业落地进程中的技术、生态对接等诸多问题。

　　“张伟力是存储线的人，现场职位仍然挂在存储产品线，看医疗军团的方向主要技术基础还是源于之前的DCS领域，但会从行业下沉，加大力度投入医疗领域。”华为内部人士对记者表示。

　　AI医疗概念股异动

　　受华为组建医疗卫生军团消息影响，10日多个医疗概念股早盘高开， 创业慧康 （300451.SZ）、新赣江（873167.BJ）涨超20%， 润达医疗 （603108.SH）、 塞力医疗 （603716.SH）、 国脉科技 （002093.SZ）涨停， 卫宁健康 （300253.SZ）、机科股份（835579.BJ）、 迪安诊断 （300244.SZ）涨超10%。

　　“医疗领域是潜力较大的行业，所以华为贡献自己的能力出来，军团是一种比较好的承载方式，但成立军团也不意味着我们要进军医疗领域，以前华为拥有行业业务部，但范围太大，很难将外部槽点和内部方案进行精准匹配，军团解决了这个问题。”华为内部人士对记者表示。

　　虽然明确表示不会进入医疗领域，但华为2月以来已与多家医院和医疗企业展开合作。

　　2月18日，瑞金医院发布瑞智病理大模型RuiPath，官方称该模型能够提前精准识别病灶区域，单切片AI诊断时间减少至数秒。2月21日， 塞力医疗 集团与华为在武汉研究所签署合作协议，双方宣布在智能诊断产品研发、数字疗法及脑科学大模型、罕见病、危重症等专病大模型、微生物耐药治疗及预测大模型、智慧“无废城市”“无废院区”等多个领域展开深度合作。

　　而在2月25日， 润达医疗 在官微表示基于华为轻量化AI训推底座LightDC AI和DeepSeek大模型发布“华擎智医”训推一体机。

　　有AI医疗行业人士对第壹财经记者表示，DeepSeek造成的意义在于，使得企业使用AI大模型门槛大幅下降，AI技术进入平权时代。

　　在技术进步、有利的政府政策及各行业需求增加的推动下，全球 人工智能 解决方案市场正在快速发展。中邮证券方面预计，“AI+医疗”解决方案全球市场有望突破千亿美元。

　　但从财务数据看，目前部分医疗概念股仍处于亏损状态。

　　1月17日， 塞力医疗 发布2024年业绩预告，报告期内，预计实现归属于上市公司股东的净收入为-2.1亿元到-2.5亿元；预计实现归属于上市公司股东的扣除非我们时常性损益的净收入为-1.45亿元到-1.9亿元人民币。另外， 塞力医疗 此前因挪用募投资金未能按期归还，造成信用评级遭下调。公司计划2025年12月前分两批归还4.98亿元用于补充流动资金的募集资金。

　　1月20日， 润达医疗 发布2024年度业绩预减公告，预计2024年度实现归属于母公司所有者的净收入为4291万元到5149万元人民币，与上年同比减少81.16%到84.30%。公司称，业绩预减主要因素是受国内宏观环境及集中采购等医疗政策环境影响，公司业务发展受影响，销售收入不及预期，但服务成本、固定资产折旧等固定开支未减少，边际成本费用增加，造成净收入减少。另外，终端客户的应收账款回款周期延长，引发的信用减值损失对当期归母净收入有较大影响。

　　商业模式仍有待探索

　　随着大模型出现，医疗领域被认为是极具潜力的应用场景之一，具体到医学影像辅助诊断、 基因测序 、辅助临床决策、健康管理、制药、手术 机器人 上，AI都有对应的应用空间。

　　在医疗行业，AI医疗的应用已经显现，好比，可以减轻医师工作负担，提升工作效率；提升基层机构治疗水平，改变医疗资源分布不平衡局面；缩短药物研发周期，助力靶点发现及临床疗效预测。

　　 天风证券 在最近发布的研报中表示，随着AI平权时代的开启，AI医疗的核心矛盾正在从“大模型+算力的军备竞赛”转向“数据价值重估”。医疗行业作为具有高壁垒的垂类行业，具有高质量数据、稀缺性应用场景、掌握多模态融合数据的赛道与企业将有望获得增长。

　　但上述AI医疗行业人士也对第壹财经记者表示，医疗行业大量的数据聚焦在医院端，如何推动医疗端数据的应用，目前仍有挑战。

　　在此前与瑞金医院合作的进程中，华为公司副总裁、数据存储产品线总裁周跃峰曾提及，医疗领域的数据质量很高，这样的行业会率先实现AI应用的落地。但应用落地前医疗领域仍旧存在三方面障碍。

　　“首先从通用大模型到行业场景大模型，需要进行针对性训练，训练所需数据预处理耗时长，收集、清洗等环节占模型开发训练时长60%；其次，行业场景模型训练和应用落地难，项目开发难度大，人员技术要求高，开发周期不可控；最后，因算力等待、任务潮汐、资源碎片化等原因，AI集群可用度往往不足50%。”周跃峰说。

　　广州国家实验室研究员李亦学也曾对记者表示， 数据要素 在重塑医疗体验， 数据要素 赋能医疗服务可以提升医疗服务效率，使得医疗决策更加科学化，同时增进了不同领域间的合作，最终让广大病友享受到更加便捷，更加精准的医疗服务，实现医疗服务品质的全面提升。当前，数据流通面临的瓶颈问题是，信任机制缺失，造成数据“不敢”共享；价值牵引缺失，造成数据“不愿”共享；互通机制不畅，造成数据“不能”流通，需要建立以数据为枢纽的协同创新机制。

　　另有从事AI医疗大模型研发的人士对第壹财经记者表示，除了数据掣肘外，目前AI医疗的商业模式还不清晰，好比在辅助诊断上，还无法直接面向患者收费，AI医疗的商业模式仍有待探索。