英伟达:AI生命科学应用2026趋势调研结果发布

State of AI in Healthcare and Life Sciences: 2026 Trends

Survey Overview | 调查概览

人工智能正在深刻重塑医疗与生命科学。从器械合规到新药与新疗法研发周期缩短，再到人体数字孪生用于肿瘤描绘与癌症治疗，AI 已渗透研发、临床与运营链条。更重要的是，AI 代理正释放临床一线生产力，让医生回归与患者互动的本职。NVIDIA 面向全球行业专业人士发起的本次调查，聚焦 AI 的影响、各细分领域的开发与部署现状，以及对企业营收与成本的实质性作用，并新增对“代理式 AI（Agentic AI）”采用的观察。

Executive Summary | 执行摘要

• AI 采用加速
  
  70% 的受访者称其组织正积极使用 AI（去年为 63%）；69% 在用生成式 AI 与大语言模型（去年为 54%）。传统较慢的“付费方与提供方”（医院、基层医疗与保险）也显著提升。
• 数据与预测是核心
  
  65% 使用 AI 做数据分析与数据科学；42% 用于临床决策支持。数据与预测能力贯穿药物发现、诊断、影像与个体化医疗等工作负载，并逐步融入临床工作流。
• ROI 清晰且专用更有效
  
  在明确用例上部署“专用 AI”更能产出成效。医械与诊断企业在医学影像 AI 上的 ROI 最为突出（57% 报告见效）；制药企业在药物发现与开发上的 ROI 可观（46%）。数字医疗在虚拟助手/聊天机器人上见到回报，付费方与提供方在行政流程与文档 NLP 上收效。
• 开源与代理式 AI 崛起
  
  82% 认为开源模型与软件对其 AI 战略至少中度重要，其中 57% 评为非常或极其重要。47% 的组织在使用或评估 AI 代理；制药/生物技术领域中，48% 将代理用于药物发现与生物标志物识别。

An In-Depth Look at the Results | 结果深入解读

Healthcare and Life Sciences Climb the AI Adoption Curve | 采用曲线全面抬升

• 行业分布
  
  数字医疗的活跃使用率达 78%（去年 70%）；制药与生物技术 74%；医械/工具/诊断 70%；付费方与提供方从 43% 跳至 56%。
• 工作负载重心
  
  生成式 AI 与 LLM 成为头号工作负载（69%，同比+15 个百分点），超过数据分析与数据科学（65%）；预测分析为 51%，代理式 AI 为 47%。
• 规模差异
  
  员工数 >100 的组织更广泛采用多类工作负载，与小型组织相比几乎各项均高约 10 个百分点。例如，>100 人组织在代理式 AI 的“使用或评估”比例为 52%，小型组织为 43%。
• 细分重点
  
  整体：生成式 AI/LLM（69%）、数据分析/数据科学（65%）、预测分析（51%）、代理式 AI（47%）
• 数字医疗：生成式 AI（77%）、数据分析（69%）、代理式 AI（60%）、预测分析（55%）
• 制药/生物技术：数据分析（80%）、生成式 AI（74%）、预测分析（61%）、代理式 AI（53%）
• 付费方与提供方：生成式 AI（72%）、数据分析（59%）、代理式 AI（49%）、预测分析（46%）
• 医械/工具/诊断：计算机视觉（59%）居首，其后为生成式 AI 与数据分析（各 55%）、预测分析（45%）、代理式 AI（30%）

AI Integrated Into Clinical Support | AI 正式融入临床支持

• 全行业前三大用例
  
  临床决策支持（42%），医学影像（38%），行政任务与工作流优化（38%）。
• 按细分行业
  
  制药/生物技术：药物发现与开发（57%）；基因组学相关应用（NICU、肿瘤、罕见病、群体研究等）（44%）。
• 数字医疗：虚拟健康助手与聊天机器人（52%）；临床文档 NLP（50%）；临床决策支持（48%）。
• 付费方与提供方：行政任务与工作流优化（52%）；临床文档 NLP（40%）；临床决策支持（39%）。
• 医械/工具/诊断：医学影像（61%）；临床决策支持（42%）；诊断检测（含疾病诊断与风险预测）（34%）。

Infrastructure Inequality Shapes AI Challenges | 基础设施差异决定了挑战结构

• 小型组织瓶颈
  
  40% 指出预算不足为首要挑战（大型组织为 20%）；33% 指数据规模不足影响训练与准确性（大型为 21%）。这反映“AI 运维差距”集中在资源与数据可用性。
• 大型组织痛点
  
  33% 指缺乏 AI 专家与数据科学家；39% 以数据相关（隐私、位置、主权）为首要挑战；37% 指监管与伦理问题。规模越大，数据治理与人才短板越凸显。

Open Source Is Key to Building Specific AI Solutions | 开源驱动专用化 AI

• 战略重要性
  
  82% 认为开源对其 AI 战略至少中度重要，其中 57% 评为非常或极其重要（小型与大型组织均显示高认同）。
• 推理成为焦点
  
  在模型推理环节，38% 将“模型性能与基准测试、数据驻留与合规”列为最重要因素，37% 聚焦“成本效率与总体拥有成本（TCO）”。持续推理成本与合规性正成为架构决策关键。
• 混合计算上升
  
  采用混合架构的组织从 35% 增至 43%，纯云从 41% 降至 35%。混合模式让高性能与高安全需求留在本地，弹性扩展任务上云。

Agentic AI Makes a Promising Debut | 代理式 AI 的可期起步

• 采用现状
  
  47% 已在使用或评估代理式 AI；22% 已部署；另有 19% 计划一年内部署。大中型组织在部署意愿与落地进度上更积极。
• 顶级用例版图
  
  （总体与分行业）：
• 总体：知识管理与检索（46%），文献综述与分析（38%），内部流程优化（37%）。
• 制药/生物技术：文献综述与分析（55%），药物发现与生物标志物识别（48%），知识管理与检索（47%）。
• 医械/工具/诊断：知识管理与检索（47%），文献综述与分析（40%），临床决策支持（37%）。
• 付费方与提供方：内部流程优化（41%），面向患者的聊天机器人/数字代理（39%），知识管理与检索（37%）。
• 数字医疗：知识管理与检索（51%），患者聊天机器人/数字代理（49%），临床笔记总结（44%）。
• 主要挑战与合规
  
  性能与可靠性是总体与小型组织的首要担忧（约 27%–28%），大型组织更关注数据相关问题（29%）。40% 表示医疗法规合规（如 HIPAA、FDA 审批、GDPR）显著影响代理式 AI 的实施路径。

The Revenue Impact of AI on Healthcare and Life Sciences | 对营收与成本的实质影响

• ROI 用例清单
  
  医学影像、工作流优化与临床文档 NLP 是全行业看到 ROI 的前三大领域。分行业看，医械/工具/诊断在影像（57%）上回报显著；制药/生物技术在药物发现与开发（46%）上见效；数字医疗在虚拟助手/聊天机器人上实现回报；付费方与提供方在行政与工作流优化上收益明确。
• 组织效益路径
  
  19% 指 AI 首先提升员工生产力；19% 指加速研发；18% 指带来竞争优势。AI 的价值既体现为一线效率，也体现在创新周期与差异化上。
• 财务结果
  
  85% 的管理层表示 AI 带来年度营收增长，80% 表示 AI 帮助降低年度成本。44% 的管理层称营收提升超过 10%（小型公司为 56%），35% 称成本下降 10% 及以上（小型公司为 44%）。

AI Budgets to Increase Substantially in 2026 | 2026 年预算继续扩张

• 预算走势
  
  85% 预计 2026 年 AI 预算增长，12% 持平；近半数预计同比增长超过 10%（小型公司 50%，大型公司 40%）。预算增长与前述 ROI 呈正相关，显示行业进入“飞轮期”——以可量化成效驱动再投资与规模化。
• 投向变化
  
  47% 计划将新增预算用于“优化 AI 工作流与生产化周期”（去年为 34%）；将“识别新增用例”作为优先项的比例从 47% 降至 37%，表明组织更聚焦既有、已验证的场景扩容；34% 将“建设/获取 AI 基础设施”列为优先（去年 24%），反映算力与平台能力成为规模化关键。

Looking Forward | 展望

医疗与生命科学展示了“以专用场景为牵引”的 AI 路径：用例清晰、合规可控、与临床/运营紧密耦合，从而实现可持续的业务回报。数据也提示一条组织能力建设曲线：尚处评估阶段的公司更感缺人（39% 指出缺 AI 专家），而已投入运行的公司这一比例下降至 24%，说明在生态伙伴与内部团队协作下，组织能跨越早期门槛并进入规模化阶段。展望至 2027 年，行业有望从以预测为主，逐步走向在患者群体、临床试验与照护工作流中更一致地部署具备推理与规划能力的代理式系统。

如需获取英文报告原文，可留言或在NVIDIA官网查询。