AI 医疗投资拐点 2026：诊疗大模型与 AI 制药的双线突破

过去三年，AI 医疗的叙事一直卡在两个「差一口气」上：诊疗端不够可靠（幻觉率高，不敢真用于临床），药物端不够能赚（平台估值高，但缺少可计费的里程碑）。2026 年年中，这两口气几乎同时被补上。

判断一个赛道是否到拐点，天际看的不是单点突破，而是相互独立的信号是否同时出现。本轮 AI 医疗满足了这个条件：诊疗侧出现了把幻觉率压到 3.3% 的临床级医疗大模型，药物侧出现了高达 25 亿美元的 AI 驱动研发大单。两者来自完全不同的公司、不同的商业模式，却指向同一个结论——AI 医疗正从「能演示」走向「敢落地、能收钱」。

代表事件是百川智能与清华团队联合发布的 Baichuan-M4。其意义不在「又一个更大的模型」，而在三个对临床部署至关重要的指标同时领先：

• 权威评测全球第一：在 OpenAI 提出的 HealthBench 及其 Hard、Professional 三个榜单上同时位列世界第一，综合得分 68.6，领先第二名 GPT-5.5 逾 10 分；在最考验复杂临床决策的 Hard 子集上领先约 15.9 分。
• 幻觉率行业最低：将事实性幻觉率压到 3.3%（对照 GPT-5.5 3.8%、Claude Opus 4.7 6.9%、DeepSeek-V4-Pro 9.8%）。在医疗场景，幻觉率就是「敢不敢用」的红线。
• 临床工作流原生能力：全病程记忆、主动追问、循证锚定（引用精度 90.0），把模型从「问答机器人」变成可嵌入诊疗流程的协同系统。

对投资人而言，这条线的含义是：医疗大模型的竞争正从「跑分」转向「可信度 × 工作流嵌入」，护城河从参数量转向专有临床数据与合规能力。

如果说诊疗端解决的是「敢用」，药物端解决的是「能赚」。三个证据：

• BD 大单：英矽智能与 SK 生物制药达成价值高达 25 亿美元的 AI 驱动研发合作，英矽以其 Pharma.AI 平台负责标靶验证、生成式化学与分子优化。这类里程碑+分成结构，是 AI 制药把平台能力变成现金流的关键路径。
• 一级市场逆势：据 PitchBook，2026 Q1 全球 pharma biotools 风险融资约 11 亿美元、122 笔，AI-native 早期融资首次超过非 AI-native；瓶颈正从「发现」向「开发」转移。
• 市场空间：全球 AI 制药 2025 年约 24.9 亿美元，预测 2035 年突破 460 亿美元（CAGR>33%），中国被视为最具确定性的增量市场之一。

（本预览到此。完整报告继续展开「投资地图」与「天际下注框架」。）