夜雨聆风如果让我选择一个最值得长期关注的AI应用领域，我可能不会首先选择聊天机器人，也不会首先选择广告、游戏或者短视频。
我会选择医疗。
原因很简单：
医疗行业本身就是一个高度依赖知识、信息、判断和大量重复劳动的行业，而这些恰恰是AI最擅长介入的地方。
更重要的是，美国医疗系统本身存在一个巨大的经济问题。
2024年，美国医疗卫生支出达到 5.3万亿美元，人均约 15,474美元，医疗支出占美国GDP的 18%。仅这一年，美国医疗支出就增长了7.2%。CMS目前预计，2025—2034年美国医疗支出平均增速仍将达到5.4%，高于同期GDP预计4.1%的平均增速。(CMS)
这意味着一个非常现实的问题：
美国医疗系统越来越先进，但也越来越贵。
而AI恰好可能成为降低这种成本的一种重要技术。
⸻
一、AI最先改变的，可能不是医生，而是医生的工作方式
很多人谈AI医疗，第一反应就是：
AI会不会取代医生？
我认为这个问题可能问错了。
短期真正有价值的不是让AI取代医生，而是：
让一个医生能够服务更多患者。
美国医生面临一个非常现实的问题：
看病只是工作的一部分。
大量时间还花在：
病历记录、电子病历、保险材料、诊疗记录、信息检索、检查结果整理以及各种行政工作上。
这些工作并不一定需要一个高水平医生亲自完成。
AI非常适合做这些事情。
例如现在已经出现了AI临床记录工具。
美国The Permanente Medical Group的一项实际部署数据显示，在63周的评估期间，7,260名医生使用AI记录工具完成了超过257万次患者就诊；研究估计节省了 15,791小时的文书时间，相当于 1,794个8小时工作日。(美国医学会)
更有意思的是，这并不仅仅是节省时间。
在这项部署中，84%的医生认为AI改善了医患沟通，82%的医生表示整体工作满意度提高；47%的患者认为医生看电脑的时间减少，39%的患者认为医生与自己直接交流的时间增加。(美国医学会)
这其实非常重要。
因为AI不是把医生变成机器。
恰恰相反：
AI把医生从机器面前解放出来。
⸻
二、医疗AI已经不是概念，而是进入真实医院
很多人对AI医疗的印象还停留在实验室。
但实际上，美国监管体系中的AI医疗设备数量已经相当庞大。
FDA在2025年初表示，已经通过既有上市前路径授权了 超过1,000款AI医疗设备。(U.S. Food and Drug Administration)
而斯坦福2026 AI Index进一步统计，2025年FDA授权的AI医疗设备达到258款。(Stanford HAI)
这说明一个问题：
AI已经开始进入真正的医疗工作流。
尤其是在医学影像领域。
医生需要处理大量CT、MRI、X光、超声以及病理图像。
这些图像包含海量信息，人类医生需要长时间训练才能掌握。
而计算机视觉恰恰擅长：
从大量图像中寻找模式。
所以AI在医学影像领域的应用并不令人意外。
未来医生可能不再是：
医生自己看完所有影像，再做判断。
而越来越可能变成：
AI先完成第一轮分析 → 标记异常区域 → 提供风险排序 → 医生进行最终判断。
这不是简单的“AI替代医生”。
而是：
一个医生背后增加了一个不会疲劳的数字助手。
⸻
三、真正让我看好AI医疗的，是药物研发
如果说AI医疗的第一阶段是提高医生效率，那么我认为第二阶段可能更加重要：
AI参与药物研发。
传统药物研发是一个极其昂贵、漫长而且失败率很高的过程。
科学家需要寻找潜在靶点、筛选分子、预测结构、进行实验、动物实验、临床试验，最终才能知道一种药物有没有可能成功。
AI的价值在于：
它可以在大量实验发生之前，先进行计算筛选。
例如蛋白质结构、分子相互作用、基因变化以及药物候选物，都可以成为AI模型处理的数据。
斯坦福2026 AI Index已经把AI在生物医学领域的发展单独列为重要趋势。
其中一个非常值得注意的变化是：
2025年出现了大量“虚拟细胞”模型，它们试图在不进行实际湿实验的情况下预测细胞对药物和基因扰动的反应。
当然，目前这些模型仍然需要实验验证。(Stanford HAI)
这句话非常重要：
AI不是把实验室取消了，而是在实验室之前增加了一层超级计算筛选。
过去科学家可能需要：
100万个候选方案 → 实验筛选 → 最终留下几个。
未来可能变成：
AI先计算100万个方案 → 筛选出几千个最值得实验的 → 实验室重点验证。
如果这个过程能够不断成熟，药物研发成本和研发周期就可能出现非常大的变化。
⸻
四、AI真正可能改变的，是医疗的“生产率”
我认为这是整个问题最关键的一点。
很多人认为医疗成本高，是因为医生工资高、医院收费高。
但这只是表面。
更深层的问题是：
一个医生一天能看多少患者？
一个护士一天能处理多少工作？
一个放射科医生一天能看多少影像？
一个研究人员一天能筛选多少药物？
一个医院行政人员一天能处理多少病例？
这些实际上都是生产率问题。
假设一个医生过去一天能够有效处理20个患者。
如果AI让医生少花30%的时间做文书、检索和重复性工作，那么医生理论上就可能把更多时间投入真正的医疗活动。
这并不意味着医生工作量必须增加。
更理想的情况是：
同样数量的医生，可以服务更多患者。
这才是AI降低医疗成本真正可能发生的机制。
⸻
五、美国尤其需要这种技术
为什么我特别看好美国的AI医疗？
因为美国医疗成本实在太高。
2024年，美国医疗支出已经达到5.3万亿美元，占GDP的18%。
这是一个巨大的市场。
更重要的是，美国还面临人口老龄化带来的长期医疗需求增长。
如果未来医疗需求继续增长，而医生、护士等专业人员数量无法同步增加，那么医疗系统最终只能有几个选择：
提高价格；
增加医疗人员；
或者：
提高医疗生产率。
而AI恰恰提供了第三种可能。
这也是为什么我认为：
AI对美国医疗的意义，可能远远超过一个普通的软件工具。
它有机会成为一种生产率技术。
⸻
六、但是不要高估AI现在的能力
我并不认为AI已经解决了医疗问题。
事实上，医疗可能是AI最需要谨慎的行业之一。
因为AI在医疗领域犯一个错误，可能不是软件崩溃这么简单。
可能直接影响患者生命。
目前最大的几个问题依然存在。
第一，数据问题
医疗数据非常碎片化。
不同医院使用不同系统，不同格式的数据之间很难完全互通。
患者病历、影像、基因数据、实验室数据甚至保险数据都可能分散在不同机构。
AI模型再强，如果拿不到高质量数据，也很难发挥作用。
第二，责任问题
如果AI判断错误：
到底谁负责？
医生？
医院？
AI开发公司？
保险公司？
这个问题目前仍然没有完全解决。
第三，算法偏见
如果训练数据主要来自某一类人群，那么AI在其他人群中的表现可能下降。
医疗AI尤其不能只看平均准确率。
因为：
平均准确率99%，并不意味着每一个人都有99%的安全保障。
第四，监管
医疗AI不能像普通App一样：
今天上线，明天更新。
FDA已经针对AI医疗设备的生命周期管理、透明度、偏见、性能监测等问题不断完善监管框架。(U.S. Food and Drug Administration)
这意味着：
医疗AI的发展速度可能没有普通互联网产品那么快。
但换一个角度看，这也意味着一旦真正通过验证，它的商业壁垒会非常高。
⸻
七、未来五到十年，可能是关键时期
我认为AI医疗真正的大规模影响，不一定发生在2026年。
更可能发生在：
2027—2035年。
第一阶段：
AI文书、行政、信息整理。
这是最容易落地的。
因为风险相对较低，收益却非常直接。
第二阶段：
辅助诊断和临床决策。
AI开始处理更多医学影像、病历和患者数据。
医生仍然是最终决策者。
第三阶段：
AI药物研发和生物医学研究。
AI开始参与发现新靶点、新分子、新疗法。
第四阶段：
AI成为医疗基础设施。
这时候AI可能不再是医院购买的一个软件，而是整个医疗系统的一层基础设施。
医生、医院、保险公司、药企、患者，都可能在使用AI。
如果发展到这个阶段，AI医疗的经济意义就完全不同了。
⸻
八、真正伟大的事情，不是AI替代医生
我认为未来最值得期待的画面，并不是：
AI医生坐在那里给人看病。
而是：
一个医生背后拥有越来越强大的AI系统。
医生负责：
理解患者；
做最终判断；
承担责任；
进行沟通；
处理复杂情况。
AI负责：
阅读大量资料；
分析影像；
整理病历；
检索医学知识；
发现异常；
筛选药物；
进行预测；
完成大量重复工作。
这实际上是：
人类医生 + AI。
而不是：
AI取代人类医生。
如果一个普通医生借助AI以后，可以完成过去两个甚至三个医生才能完成的工作，那么医疗系统的生产率就会发生变化。
这才是真正的革命。
⸻
九、AI最终能不能降低美国医疗成本？
我认为：
有可能，但不会很快。
这是一个非常重要的区别。
AI可以降低医生的文书成本。
可以提高影像分析效率。
可以减少行政工作。
可以提高药物研发效率。
可以帮助患者进行健康管理。
但是医疗成本不是只有这些。
还有医院建设、药品价格、保险体系、医疗支付制度、医生供给、医疗法律责任等大量问题。
因此：
AI不可能单独解决美国医疗成本问题。
但它可能解决其中一个最核心的问题：
用更少的医疗劳动，提供更多医疗服务。
而这恰恰是生产率提高最直接的表现。
未来如果美国医疗支付体系进一步从“按服务收费”向“按医疗结果和价值付费”转变，医院和保险机构也会更有动力采用能够真正降低成本、改善结果的AI工具。
⸻
十、所以我为什么对AI医疗特别乐观？
因为AI医疗与很多AI应用有一个本质区别。
有些AI产品解决的是：
“让人娱乐得更方便。”
有些解决的是：
“让人工作得更方便。”
而医疗AI解决的可能是：
“让有限的医疗资源服务更多人。”
这是完全不同的价值。
美国一年花掉5.3万亿美元在医疗上。
只要AI能够让其中一小部分环节提高效率，产生的经济价值就可能是巨大的。(CMS)
而现在，我们甚至还处于非常早期的阶段。
FDA已经授权超过1,000款AI医疗设备；医院已经开始大规模使用AI临床记录工具；AI开始进入医学影像、临床决策、生物医学研究和药物研发。(U.S. Food and Drug Administration)
但真正改变医疗经济模型的结果，还需要时间验证。
⸻
结语：AI第一次让医疗生产率有可能真正发生跃迁
所以，如果让我判断AI未来最大的长期价值在哪里，我会非常认真地说：
医疗可能是其中最大的一个方向。
不是因为AI最终会取代医生。
而是因为：
AI可能让一个医生拥有过去几个医生的处理能力，让一个科研团队拥有过去几十个研究人员的信息处理能力，让药物研发公司能够在真正实验之前筛掉大量无效方案。
这才是AI真正的生产力。
美国医疗现在每年消耗5.3万亿美元，而且支出增速仍然高于GDP长期增速。与此同时，AI已经开始进入医院、医学影像、临床记录、药物研发和生物医学研究。(CMS)
所以我并不认为AI医疗最大的机会已经过去。
恰恰相反：
我们可能还处在开始阶段。
未来五到十年，如果AI能够把“辅助医生”进一步发展成“医疗生产力基础设施”，那么它带来的变化可能不仅仅是医疗技术升级。
它可能真正改变美国医疗的成本结构。
而这可能是AI最重要的长期价值之一：
不是让机器替代人，而是让有限的人类医疗资源，服务更多的人。
AI第一次让我们看到，用有限的医疗资源为更多人提供更好的医疗服务，不再只是一个理想，而可能成为一个可以被技术实现的目标。