医学影像AI风雨飘摇的日子里，联影却在此刻连下重注。

去年年末，联影医疗及其早期投资人以10亿元的价格进行股权收购，将其兄弟公司联影智能一举推上100亿估值，远超同业水平。

不到一个月时间，上海联影医疗高新技术研究院有限公司又成立子公司联影科技创新（北京）有限公司，着力于人工智能基础软件开发、人工智能应用软件开发等业务，进一步强化、整合体系内的医疗AI能力。

面对至今仍未跑出可盈利商业模式的影像AI，联影的重重布局无异于又一场豪赌。

1998年，赴美十年的薛敏毅然带着一批留学生回国创建深圳迈迪特，在无路可循之际搏出中国首台1.5T磁共振系统。如今时过境迁，已逾千亿市值的联影，似乎已有信心复现当年的成功。

01 出道即巅峰

近期的频繁调整之前，联影早已深度布局AI领域。

2017年末，新成立的联影智能被委以医学影像数智化升级的重任。初创团队中，联合创始人周翔曾任西门子医疗计算机辅助检测和诊断事业部全球负责人；联席创始人沈定刚则是美国北卡罗来纳大学教堂山分校的终身教授，联影智能出道即巅峰。

此外，联影智能还有联影医疗作为研发、商业化的重要支撑。后者持续上涨的设备市占率不仅为联影智能带来了更为丰富的临床信息与训练数据，使其能在设计辅助诊断AI时够精准洞察临床需求，迅速且精准地创造AI应用；还能将联影智能的AI无缝接入到各式影像设备之中，提供低成本、高效的商业落地路径。

重重优势之下，联影智能在辅助诊断AI领域铺得很快。截至2024年12月31日，联影智能已获批22张NMPA二类证、12张NMPA三类证，15款应用获批FDA认证，13款应用获欧盟CE认证，与同业对手拉开显著差距。

不过，辅助诊断AI虽在医学影像数字化升级中占据了重要地位，但其赋能范畴几乎全部聚焦于诊疗流程中的诊断环节。因此，在联影智能躬身摸索的同时，联影亦先后成立了联影智融、联影智元等子公司，打造影像AI赋能生态。

其中，联影智融是联影的横向战略延伸，意在将诊断数智化逐步扩展为覆盖诊疗全流程的全方位、全模态智能化生态。因此，它的解决方案不仅包含院内的检测治疗，也涉及院外的康复预防，推动联影的AI生态从影像检测单场景赋能向全方位智慧临床诊疗拓展。

到目前为止，联影智融已拿下了大量外科手术相关耗材、设备的注册准入，还取得了神经外科手术导航定位系统、髋关节置换手术导航定位系统、关节置换手术计划软件三款赋能外科手术场景中的AI。

结合联影智能的众多辅助诊断应用，联影的诊疗数智化闭环已初步成型。

联影旗下各公司AI准入统计

02 难以破解的AI商业化难题

尽管联影的AI生态兼具了深度与宽度，已经优于市面上的绝大多数生态，但反映在实际经营数据上，仍然存在不少问题。

公开数据显示，联影智能2023年全年营收2.54亿元，亏损1.36亿元，其余与AI相关的子公司也均处于不同程度的亏损之中，距离盈利仍有相当一段距离。

拆解其中的原因，大致可分为两个方面。

首先，国内医疗机构本就不太习惯为软件付费，近两年的下行经济周期又进一步削弱了他们的付费意愿。此形势下，医院愿为影像AI支付的价格一直处于低位，尚不能很好覆盖研发成本。

其次，现阶段影像AI的能力有限，它们聚焦于提效而非提质，难以让医疗机构、患者为其价值买单。

当前市面上通过注册准入影像AI均为单病种AI，能够针对某一具体病种进行智能诊断，而医生需要的是能够通过一次操作找出影像中可能存在的所有疾病的AI。即便自建的影像平台虽已拥有两位数AI三类证，联影智能也难以对单个脏器所有疾病进行覆盖，需要医院自行整合多家企业应用才能满足需求。

若是放在几年前，联影还有大量时间可以逐步解决这些问题，帮助联影智能慢慢充盈AI管线。但如今，各个以医学装备企业、省市数据中心为核心的AI平台已经蜂拥而至。通过对众多初创公司的应用进行整合，这些生态已经具备甚至超越了联影的AI能力。

03 在影像大模型中另辟蹊径

破局，联影有很多路可以选择。

过去联影智能的应用环境相对封闭。深度绑定联影医疗，联影智能享受到了AI产品研发与商业化上的红利，但也制约了其融合其他数智化应用的可能。

因此，如果能够以联影医疗的各式医学装备为核心建立生态，将联影智能的应用与其他前沿AI应用进行整合，理论上能够快速输出以脏器为场景的更为精准的综合性人工智能解决方案。

此外，联影也可在技术路径上谋求突破。

按照传统的单病种AI研发思路，影像AI可以逐步覆盖所有的中大通量病种。但人类可能罹患的疾病种类极其多，仅肺部便有200余种疾病，神经系统更是超过1000种，远远超出现有AI企业的能力总和。

那么要让人工智能发挥理想中的价值，大模型可能是唯一的出路。

相关研究显示，医学影像大模型能够通过无监督学习高效完成各项勾画分割任务，为医学影像数据的治理节省大量成本。此外，大模型还能够对小样本数据进行充分学习，对于一些小通量病种模型，大模型找到了一种低成本高效率的产出路径。

早在2024年4月，联影智能便在CMEF之上发布了uAI影智大模型基座。联影智能表示：

uAI影智大模型具备对医学影像的通用底层学习技能，并具备了快速迁移到新疾病类型的能力，可充分利用不同模态和不同任务之间的相关性，对各类不同任务均可实现优异性能表现。以肾动脉血管分割任务为例，经过测试，该款大模型仅需10个训练数据便可达到传统小模型需要使用201个数据才能达到的性能水平。

对于大模型在临床实践中的未来畅想，联影智能进一步提出了uAI NEXUS一体化平台。uAI NEXUS将成为一个集算法模型、数据和算力于一体的综合体，不仅具备全局性、联动性、群体化的智能决策能力，更可实现自我学习与进化，有望达到医疗AI大模型的终极形态。

其中，得益于联影医学影像的积累，影像大模型承载了大量真实的、不同尺度下的诊断图像和医学知识，在灵活性上可以实现垂直病症诊断与能力拓展。例如在血管造影导丝的检测上，通过大模型生成的海量模拟训练视频得到不同案例数据，投入数据后的模型准确性提升6%。

04 难以预测的AI赌局

从联影过往的选择推测，联影智能大概率会维持与联影医疗的绑定，并在影像大模型这一技术路径之上寻求突破。即便会有新的生态布局，也将围绕新的基座模型展开。

毕竟，若能借助影像大模型实现“工厂式”的医学AI研发，联影将创造出远超传统生态融合的价值。

但也需注意，大语言模型出现后，人工智能的迭代速度极大提高。联影之外，其他握有医疗数据的企业亦可通过类似的路径迅速创造新的AI产品矩阵。

在这个新的医疗AI时代，任何参与者都有希望赢得这场AI赌局。

作者：赵泓维，36氪经授权发布。