医疗影像分析卡在打开率与招投标的夹缝里

一场没投满的县域招标

2026年3月，中部某省一个县域医共体的招标现场。预算表上写着“医学影像人工智能辅助诊断系统”，打包在PACS升级里，总盘子四百多万。评标细则第17条：投标产品需具备肺结节、肋骨骨折、脑出血三类检出功能，并提供三家以上三级医院使用证明。

听着挺硬。结果只有两家来投。一家报了47万，另一家直接弃标。

陪标的人私下说了一句：那三家三甲医院的证明，全是免费送的。装机装了，用得不多。

这就是医疗影像分析在2026年的真实切面。不是算法不行。算法早就够用了。是没人天天打开它。

我这些年跑过不下三十家医院的影像科。看得多了，有个判断越来越硬：这个行业最贵的成本不是算力，不是标注，是打开率。一套系统装进去，日均调用次数低于三位数，它就是个装饰品。有的科主任干脆把AI图标从PACS工具栏挪到二级菜单——理由很实在，点着烦。

急诊是唯一的例外。脑出血、主动脉夹层、肺栓塞，这三类是真有人用。为什么？因为会死人，而AI那几十秒能把顺序排对。一个县医院夜班就一个医生看片，AI把可疑的往前推，这价值实打实。可你要是说肺结节筛查——那是个慢病场景，今天看和下周看，临床结局差不了多少。付费意愿立马就下来了。

更微妙的是，招标文件正在改写竞争格局。写“需具备三类检出功能”和写“需通过某省药监审批的二类证”，是两个完全不同的赛道。前者谁都能凑，后者直接把一批公司挡在门外。标准联盟这几年做的事，本质是把技术参数翻译成准入资格。门槛设在哪一层，谁就被淘汰。这跟技术好不好，关系不大。

算力不值钱 数据劳动力才是天花板

先算账。

一张胸部CT平扫的薄层重建，原始数据体量大概300到500MB。一家日扫1200人次左右的二级医院，一年产生的影像数据约在150到250TB这个量级。什么概念？差不多相当于把两万部高清电影，每天从头到尾重看一遍。存和传的成本，比推理本身贵得多。

AI推理那一下其实很便宜。按目前国产推理卡的算力租赁价折算，跑一次肺部结节检出，电费加工时摊下来也就几分钱到一毛五。真正贵的是三块：数据接入和格式转换（DICOM那一套接口，每家PACS厂商都留一手）、每季度一次的现场模型调优、以及临床科室的信任建立——这活儿没法自动化，得靠人一趟趟跑科室，请主任吃饭，陪技师改协议。

所以这行的成本结构特别像种业。你育出一个好品种，实验室里产量数据漂亮，种到不同的地里——土壤酸碱、积温、水肥——表现全变了。医院的CT品牌不一样，扫描参数不一样，重建算法不一样，同一个模型在A院召回率92%，到B院可能掉到78%。这78%不是算法的错，是地的问题。于是厂商被迫在全国建育种站：本地化微调、本地数据回训。这块成本，签合同的时候没人写进去，做起来全是自己的。

数据那本账更要命。训练一个能上临床的多病种模型，需要几十万例量级的高质量标注数据。一个放射科主治医师认真标一张薄层CT的结节，要5到10分钟。按一小时标6到10张算，标一万张就是1000到1600小时。这不是钱的问题——是根本没有这么多有资质的医生愿意干这个。所以大量数据外包到第三方标注公司，再往下是县城的标注员，一天标几百张，单价几毛到几块。高质量医疗数据的劳动力供给，才是这个行业真正的天花板。

赠品和商品 差的不是技术

2024到2026这两年，做AI影像的公司数量其实在收缩。头部那几家——推想、数坤、深睿、联影智能——从做全病种退回到做两三个能收费的病种。冠脉CTA血流储备分数那条线，是少数还在真砸钱的方向，因为心血管有明确的收费项目和临床路径。数坤在这条线上押得重，联影智能靠设备捆绑走量。两家打法完全不同：一个是软件公司求进院，一个是设备公司顺手带。

这里有个特别拧巴的事。设备厂商卖AI是赠品，独立软件公司卖AI是商品。赠品可以不要钱，商品必须有价格。同一个功能，一个按机台白送，一个报三十万。医院会选谁？用脚投票都知道。

再往下是收费。2023年之后，部分省份陆续把人工智能辅助诊断纳入价格管理，但多数是不得单独收费，只能含在现有影像诊断费里。这直接决定了买单方是谁——不是患者，不是医保，是医院自己掏。医院的信息化和设备预算一年就那么多，影像科要和检验科、手术室抢。你说科主任有多大动力去买一个不能收费、还可能被投诉漏诊的东西？

库存呢。这个行业有一批僵尸装机——装上了，护士站大屏亮着，实际上三个月没人点一次。厂商的账上算装机量，医院的账上算闲置率。估值和现实，就这么劈成两半。还有算力卡，2024年那波囤卡的公司，到现在还有一半压在仓库里，折旧一天一天地啃现金流。

谁在这个循环里拿到工资

那普通人在这条链上得到什么、失去什么？

先说放射科医生。AI进来之后，最直观的变化不是轻松了，是节奏被改了。以前一份报告从头写到尾，现在系统给你一版草稿，你做的是删改。听着省事，实际上很多人的感受是——注意力被切碎了。你得一边读原始图像，一边评估AI框得对不对，还得防着AI没标出来的。心理负荷没降。尤其年轻医生，独立判断能力长得慢。

技师那边。扫描参数、体位、重建层厚，AI吃得挑。有的医院为了迁就模型，把扫描协议改了。活儿变细了，绩效没变。这种摩擦基本没人写进案例里。

县域和第三方影像中心，是真受益的一层。一个县医院招不到足够的影像医生，AI加远程会诊，能让基层从能做不能读，变成能做也能读。眼底糖网、肺结节、骨密度这类筛查项目，在这些地方找得到真实付费方，因为背后是公共卫生项目或者保险公司。

还有那批做标注、做数据清洗的人。月薪六千到一万二，工作是把肺、肝、骨、血管一层层勾出来。这工种不性感，但它是整个行业的粮食产地。模型迭代快的时候他们加班，资本退潮的时候他们先被裁。

极简预言：到2027年，能活下来的医疗影像分析公司不会超过十五家，而且它们当中多数会被归类为医疗器械公司，而不是人工智能公司。

不过话说回来，真正该问的是——当一个县医院的夜班医生，把先看AI推的那三张变成了肌肉记忆，这到底是算法赢了，还是那个医生已经被驯化成了流水线上的一道复核工序？