为期四天的 2026 世界人工智能大会（WAIC）已落下帷幕。1100 余家参展企业、4000 余项前沿展品、300 余款技术实现全球首发—— WAIC 2026 把上海世博塞得满满当当。

医疗 AI 的展台，几乎什么都有。

你可以看到蚂蚁灵波的智慧药房机器人，在 90 秒内完成 " 订单接收 - 智能取药 - 药品打包 " 全闭环，国大药房上海门店已经实盘运行；

也可以看到讯飞 AI 眼镜在演示医疗场景识别，同一展台上的晓医 APP 和医学影像云平台，C 端、B 端齐头并进；

联影智能的展台更像未来医院的缩影：VR 三维影像可视化系统让医生戴着头显在病灶里 " 漫游 "，阿尔茨海默多模态早筛助手让用户拿手机画个钟、说几句话就能评估痴呆风险，" 元医生 " 影像智能体则像《钢铁侠》里的贾维斯一样，医生一句 " 你好，帮我整合这位患者的诊疗时间线 " 便可唤起；

影禾医脉带来的多类影像智能体报告生成系统，依托连锁影像中心数据搭建全模态影像基座，建成了临床数据迭代全链路闭环；

万达信息灵素 V4.0 则在展台上演示了三件事：多模态影像 + 病理融合诊断、AI 病历质控、语音写病历——而它们恰好是三甲医院最耗人力的三个场景；

岩山科技的岩思类脑瞬悉 2.0 把 AI 癫痫筛查器械推广到了 60 余家三甲医院；

天鹜科技的 MatwingsVenus 晓鹜蛋白设计智能体把蛋白质设计周期压缩到 2-6 个月，湿实验成功率从 1% 冲到 30%；

字节 PX-Design 蛋白质结构大模型联合金斯瑞跑 DBTL 闭环，湿实验命中率飙到 82%；

生生纪的长程动态心电仪 AI 心探，拿下全国动态心电监测首批 AI-ECG 三类医疗器械注册证，院内版覆盖 6000 余家公立医院。

大模型层面更热闹。百川 Baichuan-M4 把 HealthBench 综合分冲到 68.6 分，全球第一，展位现场演示的家庭医生 " 百小医 " 能做初诊建议、复诊追踪、就医路径规划；云知声 U2-Med 把 MedBench 也刷穿了：双榜第一，自称 " 全球首个覆盖医疗 + 医保 + 医药的三医大模型 "，已经接入 327 家三级医院的 HIS/PACS/EMR 系统；商汤华佗 3.0 医疗多模态、北电数智的家医助手、飞瀑智能的光学无创影像体检设备 …… 医疗 AI 第一次不比参数，比谁能走进病历系统、谁能跑在真实科室里。

在所有热闹之中，有一个赛道已经悄悄走出了 " 概念验证 " 阶段，进入了真正的商业化深水区——医学影像 AI。它不像药房机器人那样需要等物流标准，不像 AI 制药那样需要等临床审批周期，也不像通用医疗大模型那样还在和医院 HIS 系统 " 磨合对接 "。

弗若斯特沙利文数据显示，2024 年全球智能医学影像检测市场规模达 16 亿美元，预计 2030 年将增至 93 亿美元；中国市场增长动能更强，2030 年行业规模有望突破 401 亿元。

透过 WAIC 2026 的展台，我们可以清晰看到三条并行、差异化竞争的影像 AI 发展主线：设备嵌入式 AI、院内独立算法 AI、全域影像基座平台 AI。它们一同勾勒出了当前国内医学影像 AI 产业的竞争格局。

更值得观察的是，大会释放了一个明显信号：企业不再固守自身边界，而是纷纷选择跨界融合，行业竞争正从 " 单点工具 " 转向 " 全流程、全域、全生命周期智能 "。

影像 AI" 三足鼎立 "

我们大致可以按照业务载体、产品形态、参与主体等将影像 AI 领域企业分为三大类型。需要补充说明的是，该划分不一定完全准确，大量企业正在打破边界。我们在后续内容中也会提及。

■ 影像设备厂商：硬件原生嵌入式 AI，构造软硬一体化闭环

赛道内企业以 CT、MR、PET/CT、DR 等影像设备硬件研发、整机销售为基本盘，AI 作为设备原生增值能力，深度嵌入成像、重建、后处理全链路，并依托硬件采购同步交付。其核心客户多为新建院区、设备需更新换代的各类等级医院。该模式的优势在于，底层硬件与 AI 原生协同，搭载边缘算力，扫描完成即可同步输出病灶分析，实时性强、院内数据不出设备，安全合规；并且医院标准化落地门槛较低。如业内迈瑞医疗、万东医疗等厂商，也在推进将 AI 嵌入 CT、DR、超声设备成像链路，配套肿瘤早期筛查、远程影像诊断等能力。

本届 WAIC 上，联影医疗及旗下联影智能是这一赛道最亮眼的代表。联影智能发布 " 元医院 " 战略，推出两款全球首发影像产品——阿尔茨海默多模态影像早筛助手和云影像分析助手。前者通过手机语音交互、图形绘制等自然交互实现无感筛查；后者可直接分析云胶片内容，用户扫描二维码即可通过自然语言与 AI 交流，AI 可标注影像病灶区域，大幅降低医学影像解读门槛。其将 AI 算法嵌入医疗设备全生命周期，公司的各产品线均已完成智能化技术平台的开发和搭载，实现了 AI 技术的源头级赋能，推动了多模态、跨尺度诊疗技术的创新。而基于 AI 与 CT、MR、PET/CT 等核心设备的协同集成，其系统级智能化能力得到了有效提升。

■ 影像软件服务商：院内独立算法 AI，提升现有设备疾病诊断效率

赛道企业往往不依赖自有影像硬件，以独立工作站、PACS 外挂软件形式实现交付，多聚焦肺结节、冠脉疾病等标准化病种，凭借注册证切入医院采购，主要瞄准的是医院设备轻量化升级的需求，适配范围包括县域医院、体检中心等。其优势在于产品往往兼容市面主流影像诊断设备，医院无需更换硬件即可上线 AI 辅助诊断，大幅降低医院运维成本。

目前，相关单病种算法 AI 已经大幅降低了医院人工阅片时间。诸如 WAIC 大会现场数坤科技便提到，以冠脉 CTA 为例，传统人工阅片单例耗时 30 分钟，而 AI 自动完成三维重建、斑块测量并输出标准化报告，全程仅需 1 分钟。而诸如联影智能的胸部核医学图像辅助分诊软件，用于对成人的 18F-FDG PET/CT 全身图像进行处理、显示与分析，可自动识别胸部放射性浓聚灶，减轻医生工作负担。

■ 影像大模型服务商：基于行业底层基础设施，打造智慧影像平台

影像大模型服务商，往往自研通用多模态影像大模型底座，通过搭建跨设备、跨院区、全病种可快速迭代的开放平台，可面向各类医院提供标准化 AI 能力，适配全域规模化场景落地。代表性企业包括参加 WAIC 大会的影禾医脉等。

以影禾医脉为例，依托一脉阳光全国 117 家连锁影像中心，沉淀海量标准化临床数据，落地全模态医学影像大模型 " 影禾觅芽 "，上线颅脑 CT、胸部 CT、膝关节 MR 等多款临床智能体，且其 AI 应用商店，更是内置数十款成熟诊断工具，形成 " 临床使用—真实世界数据回流—模型持续迭代 " 的闭环。对行业而言，这种 " 数据 + 生态 +AI" 的垂直整合模式，既解决了通用大模型临床数据供给不稳定、标注成本高的痛点，又为连锁影像中心、区域医疗云等场景提供了可快速规模化部署的成熟方案。与大多数依托公有云或医院单体数据训练模型的厂商不同，影禾医脉的基座能力建立在真实临床环境的持续数据回流之上，这在当前影像大模型领域是较为稀缺的能力资产。

突破原有 " 边界 "

各个赛道企业显然并没有止步于现状，而是实现着跨界融合升级，以便打破增长瓶颈，拓宽市场空间。

■ 设备厂商：破解硬件生态封闭难题

以往，硬件设备厂商嵌入式算法仅适配自有品牌设备，海量异构设备市场无法覆盖。我们观察到，赛道内企业正在整合升级：如联影医疗对内完善全品类产品矩阵，覆盖影像诊断、介入治疗、外科导航、可穿戴监测、数智化医院全流程；对外则协同旗下联影智能输出算法能力，主动兼容第三方异构设备，输出全院级综合解决方案。

■ 院内独立算法 AI 服务商：破解临床应用场景单一痛点

此前，行业普遍采用 " 一病一模型 " 架构，单套系统仅支持单一部位筛查，无法实现多模态影像融合诊断，临床应用受限；而医院往往需采购多套独立软件，导致运维成本居高不下。部分企业则在尝试通过技术改变这一局面，如数坤科技落地 " 一次扫描多病同步筛查 " 产品，用平价 CT 设备承载多慢病筛查，解决单病种碎片化问题。实际上，厂商本身的身份也是动态变化的，数坤科技也不再是大众理解的软件服务商，其也在通过 " 数坤坤 " 多模态医疗健康大模型，进一步缩短新品研发周期；业务端则依托 AI 智能体延伸服务边界，打通院内诊断、术后随访、居家健康管理等多元场景。

■ 影像大模型服务商：破解体系化落地难题

影像 AI 3.0 时代的技术路径，有别于单病种 AI、单检查项目全病种 AI，是将一个检查项目中所有解剖结构和疾病做完。它是行业企业孜孜不倦的追求。难点不是没有。一方面通用大模型持续迭代需要海量、合规、标准化标注的真实临床影像数据，数据获取成本高、供给不稳定；另一方面，模型研发需要医师全流程深度参与，以保障循证医学可靠性；此外，多模态千亿参数影像大模型，意味着算力、研发团队巨额投入。中小厂商往往无力构建影像大模型基座并持续运维。

影禾医脉则依托一脉阳光连锁影像中心服务底盘，并从零开始训练视觉基座模型，以便改变过往通用大模型仅能看懂文本的局限，让模型看懂了影像图像。在 WAIC 现场，影禾医脉与一脉阳光携手，成为当下少有的构建起了 " 数据 + 生态 +AI" 闭环能力的企业。

影像诊断需求红利持续释放

当前，国内年度医学影像就诊人次已达 75.4 亿次。老龄化进程加速推高心脑血管、肿瘤、神经退行性疾病筛查需求，但高水平放射医师供给持续短缺，AI 影像辅助诊断成为临床刚性需求。政策也在持续催化，政策要求 2027 年二级以上医院需普及 AI 影像辅助诊断，多地医保更是将 AI 辅助诊断纳入收费项目。影像 AI 商业化支付环境持续完善。

在这个持续向好的市场中，赛道也在不断分化。对于等级医院而言，软硬一体的嵌入式 AI 交付便捷，是首选方案，具备长期稳定订单空间；而独立算法 AI，则适配县域级或体检中心等的智能化需求。而助力诊疗效率重构、帮助医疗机构快速迭代 AI 能力的影像大模型服务商，更被视为未来医院智慧化升级的重要推手和可视化落地路径。

从产业层面来看，影像诊断的供需失衡，需要大量影像 AI 应用的规模化落地；临床诊疗的局限，也希求 AI 产品深度嵌入医技护工作流，产业亟需更多影像 AI 智能体解决现有问题。而影像基座大模型正在批量制造 AI 工具，从科研到临床实现全方位助力。影像大模型服务商在持续打开自身收入空间的同时，无疑将更快地推动影像 AI 产业发展，造福更为广大的患者群体。