人工智能正在以前所未有的速度渗透医疗健康与生命科学行业。

NVIDIA面向全球600余名行业从业者开展了本次调研，覆盖医疗技术、数字医疗、医药生物、医疗支付与医疗服务提供等多个细分板块。本文依据报告原文，逐一梳理关键发现与核心数据。

PART 01 AI采用率持续攀升

本次调研显示，医疗健康与生命科学行业的AI应用正快速进入成熟期。70%的受访者表示其所在机构正在积极使用AI，较2025年调研的63%进一步提升。

生成式AI的采用尤为显著，69%的受访者表示正在使用生成式AI与大语言模型，较上年的54%大幅增长15个百分点，首次超越数据分析与数据科学（65%），跃居所有AI工作负载之首。

从各细分板块来看，数字医疗的AI应用最为活跃，78%的受访者表示正在积极使用AI；医药与生物技术紧随其后，占比74%；医疗技术及诊断板块为70%。过去历来是技术采用慢行者的医疗支付与服务提供板块，本年度同样实现大幅跃升，从43%跳升至56%，增长13个百分点。

70%受访机构正在积极使用AI（较2024年的63%大幅提升）

69%受访者表示正在使用生成式AI与大语言模型

规模较大的机构（员工人数超过100人）在AI工作负载的多样性上明显领先于小型机构。在几乎所有AI类型包括生成式AI、数据分析、智能体AI、数据处理及计算机视觉中，大型机构的使用率均比小型机构高出约10个百分点。

PART 02 预测分析是医疗AI的核心支柱

数据分析与预测分析是当前医疗AI的基础性工作，贯穿各细分板块的众多应用场景。在具体用途方面，全行业最主要的AI应用场景是临床决策支持，42%的受访者将其列为首要用途；其次是医学影像与行政流程及工作流程优化，均为38%。

若按细分板块分别观察，差异十分显著：

医药与生物技术板块最主要的AI应用场景是药物发现与开发（57%），其次是基因组学应用（44%）。数字医疗板块最受关注的是虚拟健康助手和聊天机器人（52%），以及用于临床文档的自然语言处理（50%）。医疗支付与服务提供板块则侧重于内部效率提升，以行政任务和工作流程优化（52%）为首要场景，自然语言处理位居第二（40%）。医疗技术与诊断板块的首要AI场景是医学影像（61%），临床决策支持紧随其后（42%）。

61%医疗技术板块将医学影像列为首要AI应用场景

42%临床决策支持是全行业最主要的AI使用场景

PART 03 开源模型是构建专项AI解决方案的关键

当AI专注于特定场景时，能够带来更清晰的业务回报，这一认知已在行业中形成共识。调研显示，开源工具与基础模型是帮助机构打造聚焦型AI的核心路径，因为它们可以针对特定任务进行微调，适应高度专业化的业务需求。

82%受访者表示开源模型和软件对其AI战略：中等重要至极其重要

其中，57%的受访者表示开源对其AI战略“非常重要”或“极其重要”，另有25%表示“中等程度重要”。大型机构对开源的重视程度（64%认为非常/极其重要）明显高于小型机构（49%）。

在推理性能方面，AI推理是训练好的模型对新数据进行实时预测与分类的持续性过程。受访者最关注的推理因素包括：模型性能与基准测试（38%）、数据驻留与合规（38%）以及成本效益与总拥有成本（37%）。

在计算架构方面，混合计算正成为主流。采用云端与本地混合计算的机构比例从去年的35%增至今年的43%，而纯云计算的使用率则从41%下降至35%。混合架构兼顾灵活性与安全合规需求，正逐步取代单一的云计算模式。

43%机构正在使用混合计算处理AI工作负载（较去年35%大幅增长）

PART 04 智能体AI崭露头角，前景可期

2026年调研新增了对“智能体AI”（Agentic AI）使用情况的专项问卷。智能体AI是指能够自主推理、规划并执行复杂任务的高级AI系统。调研结果显示，医疗健康与生命科学行业正稳步推进智能体AI的落地应用。

47%受访者表示所在机构正在使用或评估AI智能体

在已使用或评估AI智能体的受访者中，22%表示智能体已在机构内部署，另有19%表示将在未来一年内部署。大型机构（27%）的部署比例明显高于小型机构（18%）。

从应用场景来看，知识管理与检索是全行业最主要的智能体AI用途（46%），其次是文献综述与分析（38%）及内部流程优化（37%）。

各板块的优先级存在差异：医药与生物技术板块最看重文献综述（55%）和药物发现及生物标志物识别（47%）；医疗技术板块最重视知识管理与检索（47%）；数字医疗板块中，患者互动聊天机器人与数字助手的排名最高（49%）；医疗支付与服务提供板块将内部流程优化列为首位（41%）。

55%医药与生物技术板块将文献综述列为智能体AI首要应用场景

在挑战方面，性能与可靠性问题是最主要的顾虑（27%），数据相关问题（隐私、数据主权等）和监管合规问题紧随其后。具体而言，40%的受访者表示HIPAA、FDA审批、GDPR等医疗法规的合规要求，正在影响其机构推进智能体AI解决方案的节奏。

PART 05 AI的商业回报：显著且持续扩大

调研数据呈现出一个清晰的规律：将AI精准应用于特定场景，能够切实提升组织的业绩表现。

57%医疗技术板块受访者表示在医学影像AI上获得了投资回报

46%医药与生物技术板块受访者表示在药物发现AI上实现了回报

数字医疗机构将聊天机器人与数字助手列为回报最高的AI场景；医疗支付与服务提供板块则认为行政任务与工作流程优化带来了最显著的业务价值。就整体行业而言，医学影像、工作流程优化和临床文档自然语言处理，是AI投资回报最突出的三大应用场景。

在AI对业务绩效的整体影响方面，85%的管理层受访者表示AI有助于提升年度营收，80%表示AI有助于降低年度成本。今年的数据较去年进一步改善：

85%管理层受访者表示AI有助于提升年度营收

80%管理层受访者表示AI有助于降低年度成本

44%的管理层受访者表示AI帮助营收增长超过10%（小型机构这一比例更高，达56%）；35%表示AI帮助成本降低超过10%（小型机构为44%）。与2024年相比，表示AI带来实质影响的比例明显上升，而表示AI无影响的比例则相应下降。

PART 06 AI预算将持续大幅增长

伴随AI应用的深化以及清晰可见的业务回报，各机构普遍计划在2026年进一步加大AI投入。

85%受访者表示其AI预算将在2026年增加

其中，近半数受访者预计预算增幅将超过10%，包括50%的小型机构受访者和40%的大型机构受访者。仅12%表示预算持平，仅3%预计削减。

在资金流向方面，47%的受访者表示2026年AI支出将优先用于优化现有AI工作流程和生产周期，较去年的34%大幅提升；37%表示将用于探索新应用场景，较去年的47%有所下降。这一趋势表明：机构正从探索期转向深化期，将资源集中在已被验证有效的AI解决方案上，并持续扩大规模。

此外，34%的受访者表示将把更多预算用于构建或获取AI基础设施，较去年的24%明显增长。

PART 07 挑战与展望

大型与小型机构面临不同挑战

小型机构（员工人数低于100人）面临的主要障碍是资源与预算不足：40%的小型机构受访者将预算不足列为首要挑战，33%表示用于模型训练的数据规模不足。大型机构则在数据相关问题（隐私、位置、数据主权等，39%）和监管合规方面面临更大压力，同时招聘具备AI专业技能的人才也是一大难题（33%）。

未来展望

报告认为，AI经验丰富的机构已深刻理解AI的价值与局限。相较于AI应用尚在评估阶段的机构，前者在应对挑战方面更为从容。创建真正有效的AI，不仅仅是购买和部署硬件与软件，更需要一个广泛的合作伙伴生态系统来协同攻克初期障碍。

报告预测，到2027年，医疗AI将从以预测分析为主，逐步转向能够跨患者群体、临床试验及诊疗流程进行综合推理的智能体系统的规模化落地。随着技术的持续演进与商业价值的不断验证，医疗AI正步入“飞轮效应”阶段。机构因获得可量化的回报而持续加大再投入，循环往复，驱动整个行业加速进化。

本文数据均来源于 NVIDIA《2026年医疗健康与生命科学AI现状》调研报告。调研于2025年8月至9月间开展，共收集超过600份有效问卷，受访者来自全球各地，涵盖医疗行业多个细分领域的管理层及AI从业者。

英伟达：2026年医疗健康与生命科学AI现状报告