美国AI医疗世界最强？五把标尺量完：三个"是"，一个"未必"，一个"无法证明"

一个事实：按可核查的硬指标，美国是AI医疗产业无可争议的第一极——FDA（美国食品药品监督管理局）累计授权1,524款AI医疗器械（截至2026年3月），AMA（美国医学会）调查显示医生使用率三年内从38%升至81%，2025年数字健康风投142亿美元，其中54%的资金流向AI企业，AlphaFold拿了诺贝尔化学奖。

一个边界：同一批证据的另一面是——最强的大模型开放式诊断准确率只有52.1%，不及专家医生。81%的使用率是"广覆盖、浅渗透"；而"AI让美国人更健康了吗"这个问题，目前没有证据能给出肯定回答，反证倒有不少。

一个判断："美国AI医疗是不是世界最强"，取决于你用哪把标尺量——源头创新和监管制度：是。临床真实世界表现：未必。国民健康收益：无法证明。

这篇文章不喊结论。它只做一件事：把"最强"拆成五把可以验证的标尺，逐一把证据摆给你看，最后给出一个可以被推翻的答案。

五把标尺，先给答案速览

（本文所有证据均来自公开可核查的信源，完整信源清单见文末。）

开篇：一个问题，五把标尺

"美国AI医疗世界最强"——这几乎是行业的默认共识。但三个经常被混用的数字提醒我们，这个共识需要检验：

截至2026年3月，FDA累计授权1,524款AI医疗器械，十年增长近50倍。

美国医生AI使用率达到81%，是医疗史上最快的一次技术扩散。

每周超过3亿人次向ChatGPT提出健康问题，七成发生在诊所下班之后。

这三个数字都很惊人，但它们回答的是三个完全不同的问题：第一个说的是制度，第二个说的是采纳，第三个说的其实是体系失灵——人们深夜问AI，部分是因为看不起、约不上真人医生。把它们打包成一句"美国最强"，是传播，不是研究。

所以本文换一种问法。"最强"不是一个单一事实，而是一组需要分别验证的命题。我们把它拆成五把标尺——源头创新、监管制度、临床真实世界、产业与资本、国民健康收益——每一把都用公开可核查的证据测量，每一把都给出限定性回答。最后你会发现：标题那个问题的答案，是"分层的是与不是"。

标尺一：源头创新，美国最强吗？——是

这是五把标尺里答案最干净的一把。

1、三次浪潮

美国AI医疗并非一夜爆发，而是经历了清晰的三次浪潮。

第一次（1970s—1990s）是专家系统时代：斯坦福的MYCIN试图用规则库诊断细菌感染，但因无法处理医学知识的不确定性和上下文复杂性而止步实验室。

第二次（2010s）是深度学习时代：算力、GPU（图形处理器）与电子病历普及催生了影像AI的黄金期。2017年Esteva等人证明CNN（卷积神经网络）识别皮肤癌可与皮肤科医生比肩；2018年FDA通过De Novo路径授权IDx-DR，成为全球首个无需医生介入即可自主做出诊断的AI系统（糖尿病视网膜病变筛查），其关键性试验灵敏度87.2%、特异度90.7%，均超过预设优效终点。

第三次（2022年至今）是基础模型与智能体时代：ChatGPT的出现把AI从"单一任务工具"变成"通用临床语言接口"。能力跃迁速度可从美国医师执照考试（MedQA）成绩直观感受：2022年Flan-PaLM为67.6%，2023年GPT-4与Med-PaLM 2双双越过86%，2024年Med-Gemini达91.1%；Med-PaLM 2的答案在医生盲评的9个维度中有8个被偏好于真实医生的答案。

三年时间，机器在医学知识考试上从"勉强及格"走到了"超越多数执业医生"。

2、Watson的幽灵：一堂价值百亿的失败课

理解今天美国AI医疗的成熟，绕不开IBM Watson Health的失败。

这个曾在2011年《危险边缘》击败人类冠军、被定位为"治愈癌症登月计划"的系统，最终在2022年以约10亿美元的价格被卖给私募基金Francisco Partners（仅为累计投入的零头），重组为Merative。

其失败原因构成了今天行业的事实共识：以营销代替临床验证（MD安德森癌症中心（MD Anderson）的6,200万美元项目无果而终）、用合成病例和单一机构数据训练导致推荐脱离真实世界、试图一上来就攻克肿瘤这一最难问题、以及把系统包装成"替代医生的神谕"而非辅助工具。

Watson的遗产是深刻的行业心智转变。今天成功的美国医疗AI公司几乎都反其道而行：从文书、分诊、排班等"小切口"起步；让临床医生深度嵌入产品开发（Abridge由医生创立、Hippocratic AI让临床人员30分钟内自建智能体）；追求可解释与证据链接而非黑箱权威（OpenEvidence只基于同行评议文献作答，Abridge的每句话可回溯到原始录音）。

可以说，美国AI医疗当前的务实主义，是用Watson的学费换来的。

3、今天的顶点：诺奖与临床前沿

2024年诺贝尔化学奖授予AlphaFold的创造者Hassabis、Jumper与蛋白质设计先驱Baker——AI首次以科学突破本身获得诺奖；AlphaFold数据库已免费开放超2亿个蛋白质结构预测，被190多个国家的300多万研究者使用，其中超三成研究聚焦疾病机制。2024年5月发布的AlphaFold 3把预测范围扩展到DNA、RNA与配体相互作用，为"数字生物学"奠基。

前沿正在快速移动。Google的AMIE系统2026年发表于《Nature》的研究中，在100个跨越三次就诊的模拟慢病管理案例上，其整体管理推理被评定为不劣于21名认证初级保健医生，且在检查与治疗建议的精确性、指南依从性上得分更高。尽管仍是模拟环境，Google已启动与Included Health的全国性虚拟照护研究和与Beth Israel Deaconess的临床可行性研究。

从"一次性诊断对话"到"跨多次就诊的连续病程管理"，这是大模型医学能力评估的范式升级，也预示下一阶段的竞争焦点。

标尺一小结：从专家系统到基础模型，三次浪潮都发源于美国；AI首次以科学突破本身获得诺奖；大模型在医学知识考试上三年从"勉强及格"走到"超越多数执业医生"。在源头创新这把标尺上，"美国最强"是一个事实判断。但请注意，这把标尺测量的是能力——能力能不能转化为制度、临床和人的健康，是后面四把标尺的事。

标尺二：监管制度，美国最强吗？——是，而且是最深的护城河

1、器械端：1,524款授权背后的制度机器

FDA的AI/ML医疗器械清单是全球观察医疗AI产业化最权威的晴雨表。数字本身就是一部加速史：2015年全年授权6款，2024年253款，2025年295款（同比增长16.6%），截至2025年底累计1,451款，到2026年3月30日已达1,524款。

结构上呈现"一超多强"：放射科以超1,100款（约76%）占据绝对主导，心血管（146款）、神经科（69款）分列其后。但2026年4月新授权中放射科占比已降至56%，胃肠、眼科、麻醉等科室快速补位，标志着技术外溢进入第二阶段。

比数量更重要的是制度设计的精细度。约97%的AI器械通过510(k)"实质等同"路径获批（仅证明与已上市产品相当，不证明临床优越性），De Novo占2%—3%，最严格的PMA（上市前批准）不足1%；2025年授权中62%是纯软件（SaMD）。

这一结构体现了FDA的务实平衡：用低风险路径快速放行辅助型工具，把严格证据要求留给自主诊断类高风险产品（如IDx-DR走的就是De Novo并附带前瞻性临床试验）。

2026年1月，FDA发布临床决策支持（CDS）软件最终指南，进一步厘清了哪些软件功能构成"器械"、哪些不属于监管范围——规则的确定性本身就是产业竞争力。

2、药品端：从每年1件到800件的审评革命

药品领域的AI渗透同样可观。FDA药品审评与研究中心（CDER）收到的含AI/ML组件的申报，2016和2017年每年仅1件，2021年132件，2022年170件，2016—2023年累计超500件，到2026年初累计已超800件；治疗领域以肿瘤（约27%）居首，其次为精神科和消化科。

面对指数级增长，FDA于2025年1月发布史上首份药品AI指南草案，提出基于"使用场景（COU）"的七步可信度评估框架——同一算法用于标记生产异常只需轻量验证，用于支持临床安全性声明则需完整独立评估。

2026年1月，FDA更与欧洲EMA联合发布药品AI研发十条共同原则，两大监管机构首次在AI问题上统一话语体系。

3、监管者自身的AI化：Elsa实验

美国监管的独特之处还在于"监管者亲自下场用AI"。

2025年6月2日，FDA提前近一个月在全机构上线内部大模型工具Elsa（底层模型未公开披露，部署于AWS GovCloud，官方称不使用企业申报数据训练），用于加速临床方案审评、汇总不良事件、比对标签、生成数据库代码和筛选检查对象。局长Makary宣称有审评员反馈"过去两三天的活儿现在六分钟完成"，并同步推出"局长国家优先审评券"（CNPV），将部分药物审评从10—12个月压缩至1—2个月。

但Elsa也是一面诚实的镜子：多名FDA员工向媒体反映工具会"自信地幻觉"——编造研究、错误引用法规、甚至答不出现任局长是谁，输出需大量人工复核。

这场"监管机构自己的生成式AI实验"，把全行业面临的能力—可靠性矛盾浓缩进了一个象征性样本：即便是世界上最重要的药品监管机构，也必须在效率诱惑与准确性红线之间摸索护栏。此外，FDA还计划用AI计算模型预测毒性以替代部分动物试验，监管的AI化仍在向深处推进。

4、支付报销：批准容易、买单难

监管放行只是商业化的一半，另一半是支付。

CMS（联邦医保）的支付工具箱——门诊的CPT（现行操作术语）编码、住院的DRG（按病种分组付费）与新技术附加支付（NTAP）、门诊过渡性支付（TPT）——为AI产品提供了有限通道，但整体覆盖极不均衡。

一项对110亿条医保报销记录（claims）的分析发现，2018—2023年间仅有两个AI应用的年报销量破万：冠脉CT-FFR评估（67,306次）和糖尿病视网膜病变AI筛查（CPT 92229，15,097次），而FDA清单上躺着上千款获批AI产品。

"获批—收费—规模化"的漏斗极为陡峭：大量影像AI被打包进既有服务项目无法单独收费；环境式病历则完全没有医保专项支付，只能由医疗机构自掏腰包（靠节省的医生时间和减少离职来回本）。

行业向厂商支付的医生关系也初现雏形：一项基于Open Payments数据的分析称，心脏电生理科医生中74.9%曾收到AI器械厂商的相关支付，提示商业化渗透已深入到专科网络。

标尺二小结：制度层面，美国不仅是第一，还在输出标准（FDA-EMA联合原则、全球参照的器械清单）。但这把标尺有自己的边界，文章已经诚实摆在那里了：“批准容易、买单难”——监管护城河挡不住支付漏斗，上千款获批产品只有两款年报销破万。制度最强，不等于商业化自动发生。

标尺三：临床真实世界，美国最强吗？——未必

这是全文最重要的转折。前两把标尺测量"能不能"，这把标尺测量"真到了诊室里，行不行"。

1、采纳率：医疗史上最快的一次技术扩散

先看整体水位。行业调研口径约80%的美国医院报告在至少一个临床或运营职能中使用AI。

AMA连续调查显示，医生个人使用率从2023年的38%升至2024年的66%、2026年调查的81%（2026年调查覆盖近1,700名医生）——非使用者比例相应从62%降至19%。对以保守著称的医疗行业而言，这是异常陡峭的扩散曲线。

驱动因素非常集中：57%的医生认为AI最大机会是"消灭行政负担"，其次是文档处理和随访管理。

但水位之下分布极不均匀：据行业调研，真正在临床核心诊断中"持续高成功率"使用AI的机构不足五分之一，使用重心仍在影像科和富裕的都会区学术医学中心。

“广覆盖、浅渗透”是当前采纳格局的准确写照。

2、影像与分诊：最成熟的战线与一则警示

影像AI是美国临床AI的"老战场"，价值主张已从"比医生看得准"转向"让流程快几分钟"。

脑卒中分诊是标志性场景：Viz.ai的LVO（大血管闭塞）检测系统2018年获批后，单中心研究显示进门到穿刺时间从206.6分钟缩短至119.9分钟（-86.7分钟），多中心数据平均缩短31分钟，加州大学戴维斯分校（UC Davis）的院间转诊"进门—出门"时间从202分钟降至109分钟——在"每分钟延误损失4天残疾调整生命年"的卒中救治里，这是实打实的临床价值。

然而，2023年发表在美国医学会杂志子刊《JAMA Neurology》上的一项随机对照试验，给这股热情泼了一盆冷水：AI分诊确实让患者从进急诊室到开始手术的时间缩短了11.2分钟，但90天后，患者能不能生活自理，两组没有显示出明显差别——AI组的数据略好，但波动范围太大，无法判定是真有效还是巧合。

一句话说透：AI已被证明能让手术开始得更快，但还没有被证明能让患者恢复得更好。这正是整个分诊AI行业最大的一笔"科学欠账"：流程确实变快了，但患者结局变好了吗？至今悬而未决。而美国学术界愿意自己花钱做这种"泼冷水"的试验，恰恰是它自我纠偏能力的体现。

类似地，眼科自主筛查的成功（Johns Hopkins部署IDx-DR后糖网筛查依从率提升7.4个百分点，对照组反而下降）证明：只有当影像标准化、疾病定义清晰、假阴性代价低时，自主AI才真正成立。

3、环境式AI病历：第一个现象级品类

如果说影像AI是上一个十年的故事，那么"环境式AI病历"（Ambient AI Scribe）就是这个十年的爆发点。

医生在诊室与患者自然交谈，AI在后台实时生成结构化病历——这个简单构想2025年创造了约6亿美元收入（2024年仅约2.5亿，+140%）。

部署AI病历工具的医疗系统比例一年内从14%升至32%，约三分之一的美国医生已可使用，使用Epic系统的医院中三分之二已经接入；美国医院协会预测2026年底覆盖率将过半。

效果证据喜忧参半但整体积极：《JAMA》多中心研究显示医生每8小时诊疗节省约16分钟文书时间；Emory Healthcare报告医生文档相关幸福感提升30.7%；Abridge在UPMC向5万名临床人员开放后月活跃率达85%。

竞争格局则是理解美国AI医疗产业活力的最佳切片：

• 微软旗下Nuance DAX凭历史装机量（行业估计约占三分之一份额）深度嵌入Epic；
• 医生创立的Abridge估值53亿美元、服务250多个医疗系统、处理超1亿次医患对话，蝉联KLAS（医疗IT权威评级）最佳；
• Ambience（估值12.5亿美元）主打专科深度；
• 2025年8月Epic亲自下场推出原生AI病历"Art"（其母公司覆盖3,620家医院、3.25亿患者档案），市场传言其定价激进（低至每医生每月80美元的说法未经公司证实），被业内称为"分水岭时刻"。

平台巨头与独立厂商的攻防战刚刚开始。

4、临床决策支持：OpenEvidence奇迹

一个2022年才成立的公司，三年多时间拿下76万注册医生、每月1,800万次临床咨询、超过40%的美国医生每天使用、估值120亿美元——OpenEvidence的崛起是2025—2026年美国AI医疗最惊人的商业故事。

它的打法极其简单：只基于《新英格兰医学杂志》（NEJM）、JAMA等同行评议文献（与这些期刊有内容合作）回答临床问题，对认证医生免费，靠药企广告变现（CPM，即每千次广告展示成本，高达70—150美元；2026年1月年化收入已达1亿美元）。免费模式绕开了医院漫长的采购周期，直接实现了"病毒式"医生采纳。

它与UpToDate（专家订阅制，7,600多名作者）和DoxGPT（医生网络+实名同行审核）之间的"临床AI三国杀"，本质是三种信任架构之争：机构权威、证据溯源与同行背书。

5、患者智能体与手术机器人：两条纵深战线

在患者侧，Hippocratic AI（估值35亿美元）代表了从"帮医生记录"到"替系统联系患者"的跃迁：其AI智能体承担预约、用药提醒、慢病随访、出院后跟踪等任务，15个月内签约6国50多家大型机构；临床人员可在30分钟内构建一个新智能体原型，每个智能体须经安全测试才可复用——直接对准2030年全球1,000万医护缺口的劳动力危机。

在手术室里，美国AI医疗呈现出"隐形冠军"形态：Intuitive Surgical的达芬奇系统2025年第四季度跨过累计2,000万台手术的历史门槛，全年完成约320万台，收入约100.6亿美元（+21%）；新一代da Vinci 5集成力反馈与数据洞察，一年内装机超1,200台、完成27万台手术，美国单机利用率比上一代Xi高11%。

随着美敦力Hugo（据公司公告，2025年12月获FDA首个适应证）和强生Ottava（已提交De Novo）入场，手术机器人正从"一家独大"进入"数据与AI生态"竞争的新阶段。

6、系统级部署：Mayo与Epic的两种范式

顶尖医疗机构已把AI从单点工具升级为组织能力。

Mayo Clinic（梅奥诊所，常年霸榜全美医院第一）：设立内部AI中心，在影像（自动勾画解剖结构、量化肿瘤）、机会性筛查（从常规CT中识别高冠脉钙化积分并自动核查患者是否已接受预防治疗，发现被漏掉的心脏病风险）、乃至手机照片识别手术切口感染（90%准确率）等场景多点开花，并通过孵化和分拆公司实现模型商业化。其领导层公开提出从"管线"走向"平台"——让AI持续而非一次性地改善健康。

另一极是Epic（美国最大电子病历厂商）：这家覆盖全美约42%医院市场的EHR（电子病历）巨头把AI做成操作系统级功能——病历Art、术前摘要Insights（月调用1,600万次）、收入周期Penny（已在200多个系统将编码类拒付降低20%以上）、患者端助手Emmie；俄亥俄Christ Hospital借助其影像AI将肺癌早期检出率做到69%，显著高于全国平均的46%。

当渠道霸主亲自下场，AI医疗的分发逻辑已被永久改变。

7、转折：三个无法回避的裂痕

2025年发表于《npj Digital Medicine》的83项研究荟萃分析显示：生成式AI模型的开放式诊断综合准确率仅52.1%（95%CI 47.0–57.1），与非专家医生无显著差异，但显著低于专家医生15.8个百分点；GPT-4o、Gemini 1.5 Pro、Claude 3 Opus等最强模型才刚达到与专家"无统计学差异"的水平。

这与考试表现形成鲜明对照：同一批模型在MedQA等选择题基准上轻松超过86%。选择题考的是知识检索，开放式诊断考的是病史采集、鉴别推理与不确定性管理，后者恰是AI的短板。

幻觉是结构性的。即便是最强模型也会编造文献与指南引用——FDA自己的Elsa工具都被内部员工吐槽"自信地幻觉"；一项受控模拟（样本有限）发现两个未具名AI病历产品生成的病历中70%存在错误。

偏见是可测量的。商用胸片AI被证明存在显著的种族与性别诊断准确率差异，模型甚至学会利用医院标识等混杂变量"作弊"而非识别真实病理。

自动化偏见是监管者的核心关切。一项2026年6月发表于arXiv、调查了136名美国处方医生的研究得出了耐人寻味的结论——如果没有"校准置信度+逐级升级"机制，医生不会接受AI自主处方；换言之，临床信任是脆弱的：AI正确时它是效率，AI错误时它就是风险放大器。

这三个真相共同解释了为什么81%的使用率与47%医生要求"加强监管"可以并存：美国医生群体对AI的态度是"用起来，但不轻信"。

2021年一项外部评估发现，部署于数百家医院的Epic败血症预测模型漏掉了67%的败血症病例，且假阳性率惊人——而在此之前该模型已静默运行多年。

这一事件成为"专有、不透明、未经外部验证的临床AI"的标志性反面教材，也推动了模型审计、外部验证与上市后监测成为学术与监管共识。更深层的系统性问题是发表偏倚：成功案例被大量报道，失败模型无人问津，扭曲了整个行业对进展的感知。

标尺三小结：采纳速度世界第一，但"用起来"不等于"用得好"——省时间已被证明，改善结局尚未被证明；考试冠军，开放式诊断不及专家；头部机构多点开花，也有模型静默失效多年。在这把标尺上，诚实的回答是：未必。

标尺四：产业与资本，美国最强吗？——是，但集中且尚未兑现

1、市场体量：口径之争背后的真实量级

衡量美国AI医疗市场首先要面对"口径混乱"的问题：不同研究机构对"AI医疗"的界定（是否含机器人、软件服务、药物研发工具）差异巨大，导致2025年市场规模估计从115.7亿美元（Towards Healthcare）到227亿美元（Fortune Business Insights对2026年的预测）不等。

但无论采用哪个口径，两个结论高度一致：

其一，美国占据全球市场的四成以上，是第二名区域（欧洲，约110亿美元）的两倍左右。其二，增速惊人——主流预测给出的2026—2035年复合增长率为35.02%—36.97%，即每两年翻一倍多，到2035年美国市场将达到2,365亿—2,689亿美元的量级。

更有说服力的不是咨询公司的外推曲线，而是产业行为的拐点信号。Menlo Ventures（一家美国的风险投资公司，成立于 1976 年，是硅谷历史最悠久的 VC 机构之一）对700多家医疗系统、门诊、支付方和生命科学企业决策者的调研发现：医疗健康这个4.9万亿美元的行业（占美国经济五分之一，却只占软件支出的12%）采用AI的速度已是整体经济的2.2倍。

2025年医疗机构的AI支出约14亿美元，是上一年的近三倍，且大部分流向生产环境而非试点。同年企业级生成式AI整体投资增长两倍至370亿美元，其中垂直行业解决方案以医疗健康居首。

这意味着：AI医疗在美国的角色已从"创新实验"变为"运营基础设施"。

2、结构特征：谁在买单，买什么

从结构看，美国市场呈现三个鲜明特征。

第一，买方以医院和医疗系统为主，占终端用户约50%，诊断应用占应用层约35%份额，云端部署占65%。

第二，钱主要花在"省人"而非"看病"上，医疗文书（约6亿美元）与收入周期管理（RCM，约4.5亿美元）合计占医疗机构AI支出的大部分，二者瞄准的是行政负担而非临床决策。

第三，初创企业拿走了绝大部分增量，Menlo的调研显示85%的医疗生成式AI支出流向初创公司而非传统厂商，这是医疗IT史上罕见的"颠覆者红利"。

值得注意的是宏观效率账：行业分析估计，AI最终可为美国医疗系统每年消除2,000亿—4,000亿美元成本（自动化、分诊、减少并发症与再入院），其中仅行政成本就有约200亿美元的中期下降空间。在一个人均医疗支出全球最高、行政成本占四分之一的国家，这是AI叙事最坚硬的底层逻辑。

3、资金的量级与结构

2025年美国数字健康风投达142亿美元（同比+35%，2022年以来最高），其中54%流向AI企业（上年为37%）；全年26笔超亿美元巨型交易占资金总额42%，诞生15家新独角兽；AI企业平均融资额比非AI企业溢价19%，C轮溢价高达61%。

Crunchbase（全球最大的初创公司与创投数据库，相当于创业圈的"LinkedIn + 天眼查"）口径下，2025年前三季度AI医疗赛道融资即达107亿美元，超过2024年全年。2026年上半年热度不减：数字健康融资74亿美元，20笔巨型交易吸走45%的资金。

并购市场同样活跃——2025年数字健康领域的并购达195起（+61%），且66%的收购方是数字健康公司自身，行业整合进入内生循环。

OpenEvidence（临床知识平台）约120亿美元、Abridge（临床文档AI）约53亿美元、Hippocratic AI（患者对话AI）约35亿美元、Ambience（专科文档AI）约12.5亿美元、Suki（语音助手）约7亿美元（；药物研发端Xaira Therapeutics（AI制药公司）以超10亿美元A轮创纪录，Isomorphic（AI制药公司）传闻估值140亿—260亿美元。

a16z（顶级风投）、红杉、Kleiner Perkins（顶级风投）、Thrive（风投机构）、Lightspeed（风投机构）等一线基金在赛道内进行多公司、多轮次的组合式下注，Kaiser Permanente（美国大型医疗集团）、Mayo Clinic（美国顶级医院）、UnitedHealth（美国最大健康保险集团）旗下Optum（健康服务子公司）等产业资本则以"投资人+试验场"双重身份入场——医疗机构直接投资并部署自己参股的AI公司，成为美国独有的产融闭环。

4、科技巨头的四条路线

巨头之外，医疗贡献了全球约三分之一的数据却长期只利用了极小一部分——基础设施碎片化的现状，恰恰是算力厂商与云厂商把医疗视为下一片高地的根本原因。

值得注意的是生成式AI医疗的独立市场规模还很小（2025年全球约18.4亿美元），但已孵出8家独角兽、预计2034年达216亿美元——它更像是嵌在上述各条战线中的"技术横切层"而非独立赛道。

5、AI制药：标尺一与标尺四的正面碰撞

AI药物研发是美国（及其延伸的英美AI生态）最具科学光环的战线。

临床端则接连迎来标志性事件：英矽智能（Insilico Medicine，一家美国孵化、波士顿/香港双总部、研发深度扎根中国、香港上市的全球化公司）的rentosertib（ISM001-055）——靶点由生成式AI发现、分子由AI设计——2025年在《自然·医学》（Nature Medicine）发表IIa期结果，60毫克剂量组12周用力肺活量平均改善+98.4毫升，安慰剂组为-20.3毫升，成为首个经受住高水平同行评审的生成式AI药物概念验证；该项目从启动到进入人体试验仅约18个月，传统路径需4年左右。

2026年7月，这款药正式启动III期临床试验：计划在全国47个研究中心招募320名患者，以52周肺功能下降速率为主要终点，由北京协和医院徐作军教授牵头、钟南山院士等任联合牵头研究者。这是全球首个进入注册性III期试验的"端到端AI"药物。不过要守住一个边界：IIa期的疗效信号来自71人小样本的次要终点，III期关键数据预计2029年才读出——对"AI制药能否兑现"的真正考验，现在才刚开始。

产业整合同步加速：Recursion（AI制药公司）与Exscientia（AI制药公司）于2024年11月合并，携带10多个自有管线与罗氏、赛诺菲、拜耳、默克的合作；DeepMind（谷歌AI实验室）孵化的Isomorphic Labs（AI制药公司）获Thrive Capital（风投机构）领投6亿美元，与礼来、诺华合作总额近30亿美元，Hassabis（DeepMind创始人）公开表示其首批AI设计药物将于2026年底前进入临床试验。

但这条战线也最能说明"美国AI医疗水平"的复杂性：截至2026年中，全球尚无任何一款AI原生发现平台产出的药物获批上市。

Recursion的REC-994——一度被视为AI药物研发的"招牌案例"——2025年2月完整数据确认疗效平庸，需更大规模III期试验，直接打击了"AI能从源头提高成功率"的叙事。

行业数据显示AI设计药物的I期成功率约80%—90%（传统为40%—65%），但I期只测安全性，真正的考验——II/III期疗效——尚无答案。Isomorphic估值传闻高达140亿—260亿美元却无一个在研临床项目；Polar Capital（欧洲最知名的科技/医疗主题主动型基金之一）等机构直言："科学工具令人印象深刻，但行业尚未展示其实施带来的实质收益"。

真正跑通商业闭环的是"卖水人"：Tempus AI（美国AI医疗领域最大的平台型公司）把基因组测序+临床数据+AI分析做成精准肿瘤学基础设施，2025年收入12.7亿美元，合作覆盖95%的头部肿瘤药企；最新市场数据显示其市值约94亿美元、TTM（最近12个月）收入约14.3亿美元（同比+21.6%），是AI医疗领域少有的具备真实规模收入的上市公司。

一条可能的产业规律正在显形：在药物研发这个超长周期领域，数据与分析服务的现金流先于"AI发现的神药"兑现。

标尺四小结：资金量级、产业层级、巨头生态，美国都是第一。但注意那个悖论——标尺一已经证明了"科学最强"，这里的证据却显示：截至2026年中，全球尚无一款AI原生发现平台产出的药物获批上市。科学最强 ≠ 产业兑现。目前真正跑通商业闭环的，是Tempus AI这样的"卖水人"，和文书、编码这类"省人"工具——现金流先于"AI神药"兑现，这是理解美国AI医疗产业的真实水位线。

标尺五：它让美国人更健康了吗？——无法证明，反证还不少

这是最重的一把标尺，也是最少被认真问的一把。美国AI医疗最具社会学意义的变化发生在诊室之外。

OpenAI披露：全球每周超过3亿人次向ChatGPT提出健康相关问题（占全部消息的5%以上），每天超过4,000万人；其中每周160万—190万条涉及医保比价、理赔与拒付申诉，医疗资源匮乏的农村地区每周贡献约60万条；七成健康对话发生在诊所营业时间之外——当人们纠结"要不要去急诊"的深夜，AI成了第一入口。

2026年1月，OpenAI推出ChatGPT Health，用户可连接Epic、Oracle Health病历与Apple Health数据，获得基于个人检验报告的解读；产品由260多名医生历时两年、60万次输出评分参与训练，并配套医生撰写的HealthBench评估体系；2026年7月向全体美国成年用户开放。

Anthropic同月推出符合HIPAA（美国医疗隐私法规）要求的Claude for Healthcare（连接美国联邦医保局数据库、美国临床试验注册平台，瞄准预授权与临床试验运营）；Google持续迭代Med-Gemini并开放MedGemma；OpenAI还在2026年4月发布了生命科学专用模型GPT-Rosalind。

三大模型厂商在三个月内集体进军医疗，标志着健康已成为通用AI的第一大垂直战场。

这股浪潮的暗面同样醒目：OpenAI披露每周超100万用户发送含明确自杀计划或意图信号的消息，公司面临至少一起非正常死亡诉讼；一位佛罗里达牧师起诉ChatGPT给出"近乎致命"的建议；伊利诺伊、内华达等州已立法限制AI充当心理治疗师。

耐人寻味的是，盖洛普民调显示美国人对医疗质量的评价降至24年新低、70%认为系统存在重大问题或已陷入危机——消费者拥抱AI医疗，与其说是技术信仰，不如说是对一个昂贵、难及、冷漠的体系的"用脚投票"。

美国AI医疗最黑暗的一页不在医院而在保险公司。

参议院常设调查小组委员会2024年10月报告揭示：联合健康（UHC）部署NaviHealth公司的nH Predict算法预测Medicare Advantage（联邦医保优势计划）患者的康复天数后，其急性期后照护预授权拒付率从2019年的8.7%升至2022年的22.7%，专业护理机构（SNF）拒付率从1.4%飙升至12.6%——三年九倍；算法给出的出院时间表常与主治医生的临床判断直接冲突。

2023年的一起集体诉讼更指控UHC明知该模型错误率高达90%（以被拒后又被推翻的比例计）仍用其推翻医生决定、拒绝老年患者必要护理；CMS数据显示被上诉的UHC预授权拒付中约80.7%最终被部分或全部推翻。

这个案例给全世界上了一课：AI在医疗里创造的效率，可以是共赢，也可以是零和——保险公司用AI省钱的速度，可能远快于医院用AI改善照护的速度；支付方省下的每一分钱，都可能来自患者被砍掉的治疗。

算法不透明、申诉窗口短（UHC商业险仅65天）、患者不知自己被算法拒付，构成了美国特有的"算法拒赔"治理难题，也直接催生了华盛顿州"AI不得作为拒付唯一依据"、阿拉巴马州"拒付必须由人做出"等一批州级反制立法。

问责与信任的拼图同样残缺：AMA（美国医学会）调查显示87%的医生要求数据隐私保证、87%要求不为AI错误担责、86%要求医疗责任险覆盖，47%把"加强监管"列为提升信任的第一诉求。

法律体系的回应是碎片化的州级实验——2025年47个州提出医疗AI法案，形成三种哲学：

• 禁止（伊利诺伊WOPR法：AI不得独立提供心理治疗，违者罚款1万美元；内华达AB 406罚款1.5万美元并延伸至学校）
• 披露（犹他HB 452：聊天机器人须明示AI身份并限制数据使用，同时给合规者安全港）
• 危机响应（加州SB 243：伴侣型AI须识别自杀意念并转介）

得州SB 1188要求医生必须审阅全部AI生成病历，特拉华HB 191则干脆规定AI不得持有或冒用医护执照。

联邦层面至今没有统一的医疗AI立法——美国在"创新先行、州法补位"的模式下，事实上把治理演化成了一场50个州的并行实验。

标尺五小结：每周3亿人次深夜问AI，与其说是技术信仰，不如说是对一个昂贵、难及、冷漠体系的"用脚投票"；支付方用AI把拒付率三年抬高9倍；问责、保险、立法的拼图残缺不全。在"国民健康收益"这把标尺上，答案不是"不是"，而是更严格的科学表述：现有证据无法证明——而且反证比正证多。

国际坐标：和谁比，比什么

把美国放进全球坐标系，"整体水平"才有标尺。

当前全球AI医疗呈三极格局：

美国强在源头创新与制度输出——全球最多的AI器械授权（1,524款，对比中国NMPA的百余款三类AI器械，统计口径不一）、最强的基础研究（诺奖级成果、《Nature》《JAMA》级临床证据）、最深的风险资本与最完整的产业层级。

中国强在政策驱动的规模化普惠落地——2025年11月五部委联合发文规范"AI+医疗"，基层临床决策支持广泛覆盖，AI影像产品在放射、病理、超声科室全面渗透，但监管明确禁止AI独立做出最终临床判断。

欧盟强在规则先行——《AI法案》把医疗AI列为高风险类别，合规成本最高、落地速度最慢。

这份对比的启示是：美国的"整体水平高"并非均匀的高——它在前沿能力、商业化深度、监管成熟度上遥遥领先，却在基层可及性、支付公平、治理统一性上落后于自己的技术水位。

一个每周3亿人次向聊天机器人问诊的国家，同时也是唯一没有全民医保的发达国家；技术最先进与体系最不平等，在美国AI医疗身上是同一件事的两面。

终章：分层回答，与五个可能推翻本文的变量

回到标题的问题：美国的AI医疗真的是世界最强吗？

分层回答是：

• 在源头创新与监管制度上，是——这是多源数据支撑的事实判断，短期看不到挑战者；
• 在临床真实世界表现上，未必——采纳最快，但核心诊断场景尚未被征服，结局证据依然稀薄；
• 在国民健康收益上，无法证明——技术最先进与体系最不平等，在美国身上是同一件事的两面。

AI没有、也不会改变美国医疗体系的根本矛盾——它只是把这个体系的效率与不公平，同时放大到了前所未有的量级。

一篇研究笔记的收尾不该是口号，而该是可证伪的观察点。以下五个判断，同时也是五个"证伪信号"——如果它们的走向与预期相反，本文的结论就该被改写：

判断一：智能体（Agentic AI）是下一条主战线。 联邦健康高级研究计划局（ARPA-H）已启动为期39个月的ADVOCATE计划，目标是研发并部署首个获FDA授权的临床智能体AI——包括一个可自主调整预约、药物、饮食与运动的患者端智能体，外加一个持续监督其安全性与有效性的"监督者AI"，二期将评估临床结局、成本与报销路径。与此同时，犹他州AI政策办公室已与Doctronic达成监管豁免协议，允许AI为该州患者续开低风险药物；2026年3月Legion Health获准在沙盒中续方精神类维持药物——AI处方权的破冰已经发生在美国。

判断二：从"辅助文书"走向"辅助判断"将伴随更硬的证据要求。 分诊AI"省时间但未证明改善结局"的证据鸿沟、生成式AI开放式诊断52%的准确率、以及FDA对AI药物申报的七步可信度框架，共同指向一个方向：下一阶段的竞争不再是模型能力，而是随机对照试验与真实世界证据。

判断三：支付与责任制度将决定渗透深度。 只要"获批—收费"漏斗依然陡峭（上千款获批产品仅2款年索赔破万），影像AI的商业化就会继续向文书、编码、预授权等"可计费、可量化ROI"的场景倾斜；而责任归属（医生、医院还是厂商为AI错误负责）将是未来五年医疗AI诉讼与立法的核心战场。

判断四：平台整合者将持续收割。Epic（美国最大电子病历厂商）亲自下场做AI病历并以激进定价搅局、微软把DAX（微软语音病历AI）嵌入Epic、OpenEvidence（临床知识平台）绕过医院采购直达医生。——分发渠道的掌握者（EHR（电子病历）巨头、通用模型厂商、医生网络平台）正在把独立AI厂商挤压向更深的专科与更宽的工作流。

判断五：美国的最大不确定性不在技术而在政治与治理。FDA（美国食药监局）在裁员的同时推进AI审评，Elsa（AI医疗平台）的幻觉争议未平，NIH（美国国立卫生研究院）预算面临大幅削减威胁，联邦统一立法缺位而州法拼图日益碎裂——技术曲线的陡度与治理曲线的平缓之间的剪刀差，是美国AI医疗最大的系统性风险，也可能是其他国家（尤其是拥有集中力量办大事体制优势的中国）缩小差距的窗口。

未来五年真正值得追踪的，不是美国能否造出更聪明的模型，而是它能否为足够聪明的模型建出配得上它的制度。到那天再回头量一次这五把标尺，答案或许就不一样了。

【聊聊】 你觉得五年后，"美国AI医疗世界最强"这个判断会被推翻吗？会 or不会——评论区聊聊你的理由。

本文基于截至2026年8月的公开信息撰写，所引市场规模数据来自不同研究机构的测算，口径存在差异，趋势判断仅供参考；内容仅用于一般信息与研究目的，不构成任何医疗、投资或法律专业建议。

信息来源（按标尺）

开篇与标尺一（演进史、源头创新）

• Esteva et al., Nature 2017（皮肤癌CNN）；IDx-DR关键性试验（2018，De Novo）
• IBM Watson Health出售案公开报道（2022）；MD安德森合作项目报道
• DeepMind官方博客（AlphaFold五周年、AlphaFold 3）；2024年诺贝尔化学奖公告
• Google Research/DeepMind（Med-Gemini、Med-PaLM 2、AMIE）；《Nature Medicine》2025（Med-PaLM 2）；《Nature》2026（AMIE慢病管理）

标尺二（监管制度）

• FDA AI/ML医疗器械清单（截至2026年3月30日）及行业统计（Radiology Business、Innolitics）
• FDA药品审评与研究中心（CDER）公开披露（AI/ML组件申报数据）
• FDA药品AI指南草案（2025年1月）；FDA-EMA药品AI研发共同原则（2026年1月）
• FDA官方新闻稿：Elsa上线（2025年6月2日）；CNPV优先审评券
• Medical Economics、RAPS（Elsa准确性争议）；CMS支付工具箱文献；110亿条CPT索赔分析（Health Affairs系研究）
• Open Payments数据分析（心脏电生理科医生支付）

标尺三（临床真实世界）

• AMA医生AI调查（2023/2024/2026年，2026年调查n≈1,700）
• 《JAMA Neurology》2023：AI卒中分诊阶梯楔形试验；Viz.ai单中心/多中心研究；加州大学戴维斯分校转诊数据
• Johns Hopkins IDx-DR部署研究（糖网筛查依从率）
• 美国医院协会（AHA）部署率预测；《JAMA》环境式病历多中心研究；Emory Healthcare报告；KLAS评级
• 各公司业绩披露与融资公告（Abridge、Ambience、Hippocratic AI、Suki、Intuitive Surgical、Epic、Mayo Clinic公开材料）
• OpenEvidence融资与运营数据报道（2026年1月D轮）；UpToDate/DoxGPT行业评论
• 《npj Digital Medicine》2025：生成式AI开放式诊断荟萃分析（83项研究）
• arXiv:2606.25108（2026年6月，136名美国处方医生调查）
• 商用胸片AI种族与性别差异研究（Nature Medicine 2021等）
• 《JAMA Internal Medicine》2021：Epic败血症模型外部评估

标尺四（产业与资本）

• Fortune Business Insights、Towards Healthcare（市场规模与份额测算，口径存在差异）
• Menlo Ventures《State of AI in Healthcare 2025》《2025 State of Generative AI》
• Rock Health 2025年度数据（142亿美元风投、54%流向AI、独角兽与并购）；2026年上半年数据；Crunchbase News
• 《Nature Medicine》2025：rentosertib（ISM001-055）IIa期结果
• Recursion-Exscientia合并公告（2024年11月）；Isomorphic Labs融资公告（Thrive Capital，6亿美元）；Polar Capital报告
• Tempus AI业绩披露；Yahoo Finance股票数据（TEM，截至2026年8月8日）
• AI Funding Tracker（头部公司估值）

标尺五（消费者端与治理暗面）

• OpenAI《AI as a Healthcare Ally》（2026年1月）；TechCrunch（ChatGPT Health全美开放，2026年7月23日）
• Medical Economics（ChatGPT Health发布与相关诉讼）；Anthropic官方发布（Claude for Healthcare）；OpenAI官方发布（GPT-Rosalind，2026年4月）
• 盖洛普民调（美国医疗质量评价）
• 美国参议院常设调查小组委员会报告（2024年10月，nH Predict与预授权拒付）
• Estate of Lokken集体诉讼公开材料；CMS上诉推翻率数据
• 各州法案文本与追踪（伊利诺伊WOPR法、内华达AB 406、犹他HB 452、加州SB 243、得州SB 1188、特拉华HB 191；Manatt医疗AI政策追踪）

国际坐标与终章

• 中国NMPA三类AI器械公开统计（口径不一，取"百余款"保守表述）；五部委《关于促进和规范"人工智能+医疗卫生"应用发展的实施意见》（2025年11月）
• 欧盟《人工智能法案》
• ARPA-H ADVOCATE计划招标书（2026年1月，39个月周期）
• 犹他州人工智能政策办公室（OAIP）官网（Doctronic试点、Legion Health沙盒协议，2026年3月）
• MedTech Dive（FDA裁员与政治环境追踪）