医疗影像AI的下一个十年

过去五年，医疗影像AI几乎把全部赌注压在一场比赛上：模型竞赛。

谁的模型在某个单病种上读数更准、敏感性更高、漏诊率更低，谁就赢得资本、赢得头条、赢得医院的试用。这是技术探索期的必然——当行业还在回答"AI到底能不能用"，精度就是最强的话语权。

但任何一场以"单点精度"为终点的比赛，都会撞上三道墙：

三道墙叠加，模型竞赛的结局已经写定：它不会诞生一个终局赢家，只会滑向一场没有终局的内卷。竞争的焦点，必须迁移。

迁移到哪里？从"谁的模型更准"，转向"谁能构建覆盖数据生产、治理、流通、利用和价值实现的完整体系"。模型是结果，体系才是前提；模型是表象，数据供给体系才是底层生产力。

顺着上篇提出的"医疗影像AI五问"往下追问，行业表面上是四个单点问题在打架，但每一个，都经不起深挖：

● 数据孤岛：不是"没有数据"，而是海量合规临床影像"进不了训练场"——权属、脱敏、互通任何一环卡住，数据就只是躺在系统里的死资产；

● 标注成本：不是"标得太慢"，而是整个行业把昂贵的研发经费，烧在了一遍遍重复的人工标注里，模型迭代被卡在最贵的环节；

● 标准缺失：不是"没有规范"，而是每家机构都在造自己的接口、自己的格式、自己的流转规则，对接成本被无限放大；

● 模型零散：不是"模型不够多"，而是所有模型都长在各自孤立的底座上，没有能跨场景复用的"母舰"。

● 价值悬空：不是"用不起来"，而是模型即便进了院，也大多没接入诊疗与支付闭环，价值无法量化、难以持续，久而久之沦为"摆设"。（对应链路：价值实现）

把这些问题并排放在一起，真相浮出水面：它们从来不是几个独立问题，而是一个系统失效的症状。

真正的瓶颈，是整条价值链路——数据生产、治理、流通、利用、价值实现——从头到尾没有被任何主体真正打通。生产了，治理跟不上；治理了，流通不起来；流通了，利用不充分；利用了，价值实现不了。每一环都在自己的地盘里做到极致，却没有一环对"全链路结果"负责。

这恰恰是"五问"始终悬而未决的根因。行业不缺单点技术，缺的是把单点技术编排成一条能跑通的商业链路的系统能力。用单点思维去解单点问题，只会把断点从一个位置搬到另一个位置。要破局，需要的是一套贯穿全链路的完整体系——而不是又一个更准的模型。

打一个更贴切的比方：今天的医疗影像AI行业，就像智能手机爆发前夜——市面上已经涌现出无数个功能强大的"App"（单病种模型），但整个行业还没有一套统一的"操作系统"。没有操作系统，再好的App也只能在各自的硬件上孤立运行，无法形成生态、无法共享能力、无法持续迭代。医疗影像AI真正缺的，从来不是一个更精致的App，而是那套能让所有App跑起来的底层操作系统——也就是数据供给体系。

医疗AI的下一个十年，不属于单一模型或单一产品，而属于那些能够构建数据供给体系、搭建行业生态的平台型企业。

2026年6月30日工业互联网大会上，余晓晖院长在系统阐述"AI+工业互联网"融的"10+1"方向时，已经把"数据供给体系"拆解得极为清楚：数据要素要分"治理—数据集培育—可信空间"三步走，平台要从"数据汇聚"升级为"集数据、模型、工具、组件于一体的智能资源交换枢纽"，模型要走向"垂域大模型+企业级大模型+专用小模型"协同。这几乎是国家级的产业方法论原型——而德适科技在医疗影像领域的体系化实践，正与这一框架高度同构。

德适科技给出的回应，不是一个更准的单点工具，而是一套从数据生产直通价值实现的四层闭环能力——更准确地说，是一条能自我增强的飞轮，且每一步都能在余晓晖的方法论里找到对应：

四层之间，基座模型与智能标注平台主攻"治理—生产"，MaaS平台承接"利用"，可信空间打通"流通"；而"价值实现"并非某一层，正是四层飞轮持续转动后自然沉淀的结果。

四层叠在一起，恰好拼出余晓晖院长所言的那条完整链路：从数据生产、治理、流通、利用，直到价值实现。

但关键不在于"有四层"，而在于这四层构成了一个复利引擎：更多合规数据进入 → 标注与训练成本下降 → 医院更低门槛用起来、沉淀自有数据 → 可信空间让数据跨机构反哺 → 模型更好 → 更多医院接入……正向反馈一旦转起来，单点问题会在体系内部被逐一消化，而不是在体系外部被反复投诉。

这，正是德适科技沉淀出的体系化方法论：它从第一天起就以体系架构师的视角设计底座，如今把这套路径讲清楚、做出来，让行业看到"建体系"具体长什么样、怎么落地。单点问题的解，从来不在某一环里——在数据孤岛里找不到，在标注工具里找不到，在又一个单点模型里也找不到。答案，在体系里。

回看医疗影像AI这十年，我们见证了模型精度的一次次刷新，也见证了单点突破的一次次高光。但当三道墙与五问共同指向同一道断链，行业必须承认一个事实：模型竞赛，终有尽头。

真正决定下一个十年的，是把"数据供给体系"这件最难的事做出来、做通、做出闭环——并且让全行业在其上协同。

这不是德适科技一家的事，而是一个产业范式迁移的信号——德适科技的体系化实践，是这一迁移的先行样本，而非终局答案。就像云计算成熟后，价值从"卖服务器"下沉到"卖算力与平台"；当医疗影像AI的单点能力趋于同质化，价值同样会从"应用层"下沉到"基础设施层"。未来十年，行业必将生长出自己的"通用数据底座"——那是一套让医院与企业共同依赖、在其上协同的底层设施，也是医疗影像AI真正规模化的前提。

把体系建起来，本身就是在为行业立标准、为协同定规则。当数据供给体系从理念走向基础设施，定义它的那套标准、方法与路径，终将沉淀为全行业共同的行动指南。

当沉睡的临床影像数据，第一次有可能成为全行业可共享、可复用、可累积的基础设施，医疗AI才真正越过了"从工具到公共能力"的那道坎。这注定是体系之争，而非单点之争：它考验的不再是谁能做出更准的模型，而是一个行业能否把零散的数据、割裂的能力，编排成那套让所有App都能跑起来的"操作系统"——并让这套系统成为所有人共享的底层生产力。

这，正是一项基础技术走向成熟的标志，也是医疗影像AI真正长入医疗体系的必经之路。模型竞赛终有尽头，而体系之争，才刚刚开始。