2026年1月，NVIDIA发布《State of AI in Healthcare andLife Sciences: 2026 Trends》（2026年医疗健康与生命科学领域AI应用现状报告），报告通过对全球600余位行业专业人士的调研，全面呈现了医疗健康与生命科学行业的AI应用全景，解读了行业核心技术趋势、商业落地成果与未来发展方向。

调查概述

医疗健康与生命科学领域AI：行业领导者需关注的核心趋势

执行摘要

结果深度解析

医疗健康与生命科学行业AI应用持续深化

开源模型是构建垂直领域AI解决方案的核心

智能体AI迎来亮眼首秀

AI对医疗健康与生命科学行业的营收影响

未来展望

调研方法

调查概述

PART 01

医疗健康与生命科学领域AI：行业领导者需关注的核心趋势

人工智能已全面渗透医疗健康与生命科学的各个环节。AI助力医疗设备制造商在设备更新设计、迭代最佳实践的过程中，始终保持合规就绪状态；大幅缩短了新药、新疗法与新设备的研发周期；甚至被用于构建人体数字孪生，实现肿瘤定位与癌症辅助治疗。

与此同时，AI智能体让临床医生得以回归本职工作：与患者开展深度沟通。

简而言之，AI已为整个行业带来了真正的变革，而这一切才刚刚开始。

在这份《2026年医疗健康与生命科学领域AI现状报告》中，NVIDIA对数百位行业专业人士开展了调研，旨在探究AI对行业产生的影响、不同细分领域开发与部署AI的模式，以及AI对企业盈利状况的作用。

过去数年，AI在医疗健康与生命科学领域的应用持续深化，其成熟度曲线在过去一年迎来了关键拐点。

AI已取得了可验证的商业成果，各企业的核心AI项目均实现了投资回报。具体而言，企业正基于开源基础模型与工具，结合自有数据进行微调，构建并规模化落地垂直领域AI应用场景，打造真正具备实效的解决方案。

本报告深入分析了AI在行业内的应用现状、企业正在部署的AI应用场景，以及企业对新型解决方案的投入与落地成效。今年的报告新增了专门章节，探究AI智能体的应用与落地情况。

PART 02

执行摘要

AI应用增速持续加快

70%的受访者表示，其所在企业正在积极应用AI，这一比例在2025年为63%。
69%的受访者表示，其所在企业正在使用生成式AI与大语言模型，这一比例此前为54%。

医疗健康与生命科学行业对人工智能的接纳度已得到充分验证，从数字医疗、医疗科技到制药研发，全行业均实现了AI的规模化应用。即便是过往技术采纳速度较慢的细分领域——支付方与医疗服务提供方（包括医院、基层医疗机构、保险公司等主体），在今年的调研中也实现了AI应用率的大幅攀升。

预测与数据分析是医疗AI的核心

65%的受访者表示，其所在企业将AI用于数据分析与数据科学工作。
42%的受访者表示，其所在企业将AI用于辅助临床决策。

预测与数据分析是医疗健康与生命科学领域AI应用的核心，为各细分领域的各类AI工作负载提供支撑。药物研发、诊断、医学影像、个性化医疗等诸多场景，均需依托预测与数据分析完成特定任务。相关分析成果从科研端延伸至患者端，行业开发者正寻求可直接落地的一体化解决方案，将AI整合至临床工作流中。

可量化的商业价值

医疗科技领域57%的受访者表示，其已通过医学影像相关AI应用实现投资回报。
制药企业46%的受访者表示，其已通过药物研发相关AI解决方案实现投资回报。

调研数据清晰地揭示了AI在医疗健康与生命科学领域的价值：当垂直领域AI技术落地于特定应用场景时，既能实现应用实效，也能创造商业收益。医疗科技企业通过医学影像AI的投入获得了投资回报，制药企业则通过药物研发与个性化医疗AI解决方案实现了投资回报。

数字医疗企业将虚拟健康助手与聊天机器人列为实现投资回报的核心AI应用场景。企业正通过自有数据与工具进行模型微调，打造并规模化落地在特定场景具备突出优势的AI解决方案，同时也将AI应用于后台自动化场景，例如工作流优化、临床文档自然语言处理等。

开源模型的重要价值

82%的受访者表示，开源模型与软件对其企业的AI战略具有重要意义。

开源模型让企业能够针对高度专业化的应用场景对AI进行微调。开源模型为模型能力与智能体AI推理能力提供了更多可能，其对垂直领域AI场景的适配性，使其得到了全行业AI创新者的广泛应用。

智能体AI开局亮眼

47%的受访者表示，其所在企业要么正在积极应用AI智能体，要么正在评估智能体的应用场景。
制药与生物技术领域48%的受访者，正在将AI智能体用于药物研发与生物标志物识别。

智能体AI，即能够自主完成推理、规划并执行复杂任务的高级AI系统，已正式进入医疗健康与生命科学企业的工作流中。企业正将AI智能体用于知识管理、信息检索、文献综述等任务，同时也将其落地于药物研发等特定应用场景。

结果深度解析

PART 03

医疗健康与生命科学行业AI应用持续深化

全行业AI应用率实现全面提升，各细分领域均录得增长。其中，在2024年调研中应用率显著落后的支付方与医疗服务提供方领域，同比提升13个百分点，从43%升至今年的56%。数字医疗领域的AI应用表现最为强劲，78%的受访者表示正在积极应用AI，较去年的70%有所提升。制药与生物技术领域的AI积极应用率为74%，医疗科技、设备与诊断领域为70%。

今年，全行业所有细分领域的AI应用率均实现增长。

69%的受访者表示，2025年医疗健康与生命科学领域最核心的AI工作负载是生成式AI，较2024年提升15个百分点。

在今年的调研中，生成式AI已超越占比65%的数据分析与数据科学，成为企业最核心的关注领域。预测分析占比51%，紧随其后的是占比47%的智能体AI。

中大型企业（员工规模超100人）往往比小型企业（员工规模不足100人）采纳更多类型的AI工作负载。调研中几乎所有工作负载类型——包括生成式AI、数据与预测分析、智能体AI、数据处理、计算机视觉，大型企业与小型企业的应用率均存在10个百分点的差距。例如，大型企业52%的受访者表示，其正在积极应用或评估智能体AI，而小型企业的这一比例为43%。

除医疗科技、设备与诊断领域将计算机视觉列为首要关注领域（占比59%）外，其余所有细分行业均将生成式AI与数据分析列为前两大核心AI关注方向。

AI深度融入临床支持体系

医疗健康与生命科学的不同细分领域，AI的应用模式存在差异。整体来看，42%的受访者表示，行业内AI的首要应用场景是临床决策支持，其次是医学影像、行政任务与工作流优化，后两者占比均为38%。

按细分领域拆分来看，制药与生物技术领域AI的首要应用场景是药物研发，占比57%，其次是基因组学应用，占比44%。作为直面患者的数字医疗领域，将虚拟健康助手与聊天机器人列为首要应用场景，占比52%，其次是临床文档自然语言处理，占比50%。

这与同样直面患者的支付方与医疗服务提供方领域的情况略有差异，该领域将员工生产力提升作为核心应用方向。在这一细分领域，行政任务与工作流优化以52%的占比位居首位，临床文档自然语言处理占比40%。而医疗科技领域AI的首要应用场景是医学影像，占比61%，其次是临床决策支持，占比42%。

尽管各细分领域的AI应用场景各有侧重，但临床决策支持仍被全行业列为AI首要应用场景。

基础设施差异导致大小企业AI落地挑战分化

企业在AI应用过程中面临的挑战，凸显了医疗健康与生命科学行业内大型企业与小型企业的差异。小型企业面临的AI运营缺口，主要源于资源与预算限制。

40%的小型企业受访者表示，预算不足是其面临的首要挑战，而大型企业受访者中，仅有20%将预算不足列为核心挑战。同样，33%的小型企业受访者表示，模型训练与精度优化所需的充足数据规模是其核心挑战，而大型企业受访者中仅有21%认同这一观点。调研结果显示，大型企业正凭借更充足的资源，部署更多场景的AI解决方案，覆盖从后台运营到临床整合的全流程。

与此同时，大型企业也面临着其特有的挑战。在企业内部广泛部署AI，意味着需要更多的AI专家与数据科学家，而这类人才在竞争激烈的就业市场中缺口显著。33%的大型企业受访者将AI专业人才短缺列为首要挑战。而随着数据访问权限的扩大，数据的整理、存储与安全也随之带来挑战。与此对应，39%的受访者将数据相关问题（包括隐私、存储位置、主权）列为首要挑战，37%的受访者表示，监管与伦理挑战也是其核心顾虑。

PART 04

开源模型是构建垂直领域AI解决方案的核心

调研结果显示，针对特定场景的AI解决方案，为医疗健康与生命科学企业带来了更明确的收益与投资回报。而相较于通用型AI解决方案，构建垂直场景专用AI解决方案的核心，在于能够针对特定任务进行微调的开源工具与基础模型。行业对此已有充分认知，57%的受访者认同，开源对其AI战略具有非常重要或极其重要的意义，另有25%的受访者表示，开源至少具有中等程度的重要性。

聚焦推理性能

AI推理，是指经过训练的AI模型基于新数据进行推理与预测、生成新输出，对输入内容进行分类，并实时应用所学知识的过程。推理与模型训练不同，它是一个持续进行的过程，也会产生持续的成本——模型每一次被调用，都会执行推理过程。

AI推理是一个多维度的技术环节，需要在模型精度、运行速度、基础设施性能、功耗，以及整套系统的成本效率之间实现平衡。当被问及企业运行AI推理时的核心考量因素时，38%的受访者提及模型性能与基准测试结果，以及数据驻留与合规要求；另有37%的受访者将成本效率与总体拥有成本列为核心考量因素。

AI工作负载混合计算架构兴起

全行业的一大趋势是，企业正为AI工作负载采用混合计算架构，而非单纯依赖云计算或本地部署基础设施。混合架构兼具灵活性与可扩展性，企业可将对性能与安全有高要求的AI工作负载部署在本地，同时将需要弹性扩展能力的项目放在云端运行。这一趋势在医疗健康与生命科学领域同样显著：采用混合计算架构运行AI项目的企业占比，从去年的35%升至今年的43%；而采用云计算的企业占比，同比从41%降至35%。

PART 05

智能体AI迎来亮眼首秀

2026年NVIDIA AI现状调研新增了关于智能体AI，即企业运营中AI智能体应用情况的相关问题。AI智能体，是指能够基于高层级目标，自主完成推理、规划并执行复杂任务的高级AI系统。

医疗健康与生命科学行业已正式开启AI智能体在工作流中的落地进程。如前文所述，47%的全行业受访者表示，其已在应用或评估AI智能体，其中22%的受访者表示，其企业已完成智能体的部署；另有19%的受访者表示，将在未来一年内完成部署。

知识管理与数字智能体成为智能体AI核心应用场景

整体来看，46%的受访者表示，AI智能体的首要应用场景是知识管理与信息检索，其次是文献综述与分析（38%）、内部流程优化（37%）。

各细分领域在AI智能体的部署优先级上各有不同。制药与生物技术领域智能体AI的前两大应用场景，分别是文献综述与分析（55%）、药物研发与生物标志物识别（47%）。医疗科技领域将知识管理与信息检索列为首要应用场景，占比47%，其次是文献综述与分析，占比40%。

直面患者的细分领域，其核心诉求自然是通过技术优化企业与服务对象的关系。数字医疗领域49%的受访者、支付方与医疗服务提供方领域39%的受访者均表示，面向患者交互的聊天机器人与数字智能体，是智能体AI的核心应用场景之一。

监管合规是智能体AI落地的首要问题

医疗健康与生命科学企业在智能体AI应用中面临的挑战，与整体AI应用的挑战高度一致，数据相关问题、监管顾虑、内部专业能力缺口是被提及最多的核心问题。性能与可靠性是首要顾虑，全行业27%的受访者、小型企业28%的受访者均提及这一问题；大型企业则将数据相关问题列为首要挑战，占比29%。

任何新技术融入医疗健康这一涵盖严格数据监管与患者隐私保护的复杂行业，都需要一定的时间周期。当被问及影响企业智能体AI解决方案落地策略的核心因素时，40%的受访者提及医疗相关法规合规要求，包括《健康保险流通与责任法案》（HIPAA）、美国食品药品监督管理局（FDA）审批要求、《通用数据保护条例》（GDPR）等。

PART 06

AI对医疗健康与生命科学行业的营收影响

人工智能的核心优势之一，是助力企业实现现有业务的提质增效。例如，医疗科技、设备与诊断行业57%的受访者表示，其已通过医学影像相关AI应用实现投资回报；制药与生物技术领域46%的受访者表示，其已通过药物研发相关AI解决方案实现投资回报。数字医疗服务商将聊天机器人与数字助手列为实现投资回报的首要AI应用场景，而支付方与医疗服务提供方则表示，利用AI优化行政任务与工作流是其实现投资回报的核心方向。

从全行业来看，医学影像、工作流优化、临床文档自然语言处理是实现投资回报的三大核心应用场景，既涵盖了行业专属的应用场景，也覆盖了后台运营优化——这一方向已被全行业企业验证具备显著价值。

在众多选项中，19%的受访者认为，AI为企业带来的首要提升是员工生产力改善；19%的受访者表示，AI加速了企业的研发进程；18%的受访者称，AI帮助企业构建了竞争优势。

AI对企业盈利产生正向影响

调研数据呈现出清晰的规律：针对特定场景落地的AI，能够为企业盈利带来正向增益。与之印证的是，85%的管理层受访者表示，AI帮助企业实现了年度营收增长；80%的管理层受访者表示，AI帮助企业降低了年度成本。

对众多企业而言，AI对营收的拉动作用十分显著。与去年相比，今年更多受访者表示，AI在营收增长与成本降低方面的作用进一步提升，而认为AI对营收无影响的受访者占比有所下降。整体来看，44%的管理层受访者表示，AI帮助企业实现了10%以上的年度营收增长。其中小型企业受益尤为显著，56%的小型企业受访者表示，AI帮助其实现了10%以上的营收增长。成本降低方面的趋势同样如此，全行业35%的受访者、44%的小型企业受访者表示，AI帮助企业实现了10%及以上的年度成本下降。

2026年AI预算将大幅增长

AI在医疗健康与生命科学领域的加速渗透，叠加其已被验证的收益与投资回报，将推动企业在2026年进一步提升AI相关预算。整体来看，85%的受访者表示，其企业2026年的AI预算将有所增长；12%的受访者表示，预算将保持不变。其中近半数受访者表示，预算将实现大幅增长，同比增幅超10%；这其中包括50%的小型企业受访者与40%的大型企业受访者。

预算增长与投资回报之间的相关性表明，医疗AI正进入飞轮增长阶段：企业基于前期试点与概念验证取得的可量化成果，持续加大对AI的投入。

新增的预算投入，将用于优化企业已部署的AI系统。整体来看，47%的受访者表示，优化AI工作流与生产周期是其2026年AI投入的首要优先级，这一比例在去年为34%。与之相对的是，37%的受访者表示，投入将用于挖掘更多AI应用场景，这一比例较去年的47%有所下降。这一趋势印证了过去一年AI应用的核心变化：企业正聚焦于已验证有效的AI解决方案，并投入资源实现这些场景的规模化落地。

为实现这一目标，企业明确意识到，需要更完善的AI基础设施支撑。34%的受访者表示，搭建或获取AI基础设施将成为2026年的投入重点，这一比例较去年的24%有所提升。

PART 07

未来展望

医疗健康与生命科学行业，为AI如何落地于特定问题、创造有效解决方案，提供了独一无二的范本。企业正通过AI优化运营工作流，并实现了正向的商业影响；与此同时，企业也在持续探索优化现有AI系统的路径，同时挖掘新的应用场景。

调研数据中一个值得关注的差异是：深度应用AI的企业，对AI的价值有着更清晰的认知。在积极应用AI的企业中，24%的受访者表示，AI专家与数据科学家短缺是其面临的首要挑战；而对于仍处于AI试点项目早期评估阶段的企业，39%的受访者将AI专业人才短缺列为首要挑战。打造具备实效的AI系统，绝非单纯采购与部署AI软硬件即可实现，而是需要广泛的合作伙伴生态共同协作，助力企业跨越初期落地障碍。而AI解决方案一旦落地，其带来的成果将远超预期。

可以预见，到2027年，医疗AI的应用重心将从单一的预测分析，转向更规模化落地的智能体系统，这类系统将能够跨患者群体、临床试验与诊疗工作流完成自主推理。

PART 08

调研方法

本次调研于2025年8月至9月开展，共回收600余份有效反馈。受访者中，管理层（含高管）与AI从业者的比例为6:4，覆盖全行业多个细分领域，包括生物制药数据平台与分析、生物技术与生物信息学、临床服务、临床研究、诊断、基因组学、数字医疗、健康信息学、健康保险、居家医疗、医院、仪器设备、医疗器械（含影像）、制药、手术机器人、远程医疗等。

受访者来自不同规模的企业，其中三分之一的受访者所在企业年营收超2000万美元，另有40%的受访者来自员工规模超1000人的企业。本次线上调研的受访者，均来自NVIDIA全球分发名录。

参考资料：

https://www.nvidia.com/content/dam/en-zz/Solutions/lp/survey-report/healthcare-state-of-ai-report-2026-4559650-web.pdf

--------- End ---------

英伟达发布《2026年医疗健康与生命科学领域AI应用现状报告》