2025中国医务人员AI临床应用与循证决策趋势洞察报告

摘要(Executive Summary) 随着通用大模型（LLM）快速普及，以及专业医学AI从“问答演示”走向“工作流嵌入”，人工智能正在以前所未有的速度重塑中国医务人员的信息获取、知识处理与临床决策方式。过去一年，AI在医疗场景中的角色已经明显发生变化：它不再只是一个可以偶尔尝试的“新工具”，而正在成为一类被高频调用、用于提升效率、缓解认知负荷、辅助循证判断的“新基础设施”。 本报告基于梅斯医学平台于2026年1月面向全国医务人员开展的专项调研，共回收885份有效问卷，覆盖全国31个省、自治区、直辖市，受访者涵盖临床医生、护理人员、医技人员、药师等多个职业群体。调研结果不仅呈现了医务人员当前使用AI的真实状态，也揭示出一个更值得关注的趋势：医疗AI正在从“模型可不可用”的阶段，进入“能否稳定嵌入临床工作流、能否提供可信证据支撑、能否承担责任与合规要求”的新阶段。 从这一意义上看，当前医疗AI市场的竞争焦点，已经不再只是模型本身是否“聪明”，而是围绕医疗工作场景展开的系统能力建设：是否具备专业知识底座，是否能够连接指南、文献、药品信息、计算工具与结构化模板，是否能够在给出答案的同时保留证据链、提示风险边界，并通过流程设计降低误用概率。近期AI行业提出的 Harness Engineering，本质上正对应这一变化⸺真正决定AI落地效果的，不只是模型能力，而是模型外部的“约束、工具、反馈回路、监测与治理”如何被设计出来。对于医疗行业而言，这尤其重要，因为临床不是一个只追求“生成能力”的场景，而是一个高度依赖准确性、可追溯性与责任边界的高风险场景。 本次调研显示，中国医务人员对AI的态度已经从观望转向务实。一方面，他们普遍认可AI在检索、总结、信息压缩、知识组织与重复性任务替代中的现实价值；另一方面，他们也清醒地看到，医疗AI若要真正进入临床核心环节，仍必须跨越法律责任、数据安全、知识可靠性、机构支持和支付机制等多重门槛。也就是说，医务人员并不排斥AI，相反，他们已经准备好拥抱AI；真正的问题在于，行业是否能提供更专业、更可信、更低摩擦、更可持续的产品与服务体系。 因此，这份报告希望回答的，不只是“医生有没有在用AI”，而是更深一层的问题：医务人员究竟把AI用于哪些任务？他们最迫切的真实痛点是什么？为什么通用大模型的热度正在让 位于专业医学AI？医疗AI下一阶段的产品形态、商业模式与组织支持机制，又将朝什么方向演进？这些问题的答案，将决定未来几年医疗AI是停留在边缘辅助，还是能够真正进入循证决策与临床协同的主航道。 核心发现(Key Insights) 1.AI渗透率已达85.2%，市场教育基本完成，医疗AI正在从“尝鲜工具”跃迁为“生产力工具” 调研显示，85.2%的受访者已经使用AI，只有14.8%的人表示极少或从不使用，且约四分之一的受访者已将AI深度融入日常工作流。这意味着，在中国医务人员群体中，AI的“认知教育期”实际上已经基本结束。今天再讨论“医生会不会接受AI”，意义已经不大；更关键的问题变成了：医生会持续使用什么样的AI，以及什么样的AI能够留在他们的工作流里。 这一变化具有很强的产业信号意义。因为一旦某项工具的渗透率跨过早期采用者门槛，它的竞争逻辑就会发生变化：从“新鲜感驱动”转向“效率收益驱动”，从“会不会用”转向“值不值得每天用”。对于医疗AI而言，这也意味着未来产品优胜劣汰的标准，不再是单次回答是否惊艳，而是是否能够稳定、低摩擦、低风险地陪伴医务人员完成高频任务。 从更长趋势看，这种跃迁也意味着医疗行业正在进入“人机协同”的实用阶段。全球关于agentic AI 的讨论已经表明，未来AI的价值不只是回答问题，而是承担部分任务流转、信息整理和工具调用工作；组织层面则会逐步从“给员工一个AI入口”，升级为“围绕AI重新设计知识工作流程”。 对医疗行业来说，这种转变不会表现为“AI替代医生”，而更可能表现为：医生开始把AI视作一个持续在线的知识助手、信息压缩器与流程加速器。 2. 需求迎来拐点：从“通用大模型尝鲜”向“专业医学AI”加速转移 本次调研显示，在最常用的前五大通用大模型中，国产模型占据四席，DeepSeek以48.6%的使用率呈现断层式领先。这说明，过去一年，中国医务人员已经完成了对通用大模型的 快速启蒙，且本土模型凭借可获得性、低门槛和传播效率，率先占领了医疗专业群体的入口心智。 但更值得注意的是，通用模型的高使用率，并不代表它们已经成为最终答案。相反，本次调研中高达98.1%的医务人员明确表示需要医疗领域的专业AI，这表明需求已经发生结构性迁移：通用模型解决的是“能不能开始用AI”的问题，而专业医学AI解决的是“能不能把AI用于真正重要的医疗任务”的问题。 这种迁移背后的逻辑很清楚。医务人员可以用通用模型做头脑风暴、文字润色、基础总结，但一旦任务进入诊疗建议、文献解读、指南对照、药品适应证边界、鉴别诊断与循证支持等更高风险环节，通用模型的局限就会迅速暴露出来。医疗场景真正需要的不是一个“什么都能聊一点”的模型，而是一个能够连接专业知识底座、证据来源、临床流程和风险提示机制的系统。 这也是为什么今天讨论医疗AI，不能只讨论模型性能，而要讨论“系统工程”。所谓HarnessEngineering，如果放到医学场景中理解，就是把AI放进一个被约束、被校验、被记录、可回溯的工作环境里：它不仅要会回答，还要知道何时调用指南、何时引用文献、何时提示不确定性、何时把高风险判断交还给医生。近期研究也提示，在临床规模负载下，经过编排的多代理体系比单一代理更能保持准确率和效率，这对未来专业医学AI的产品设计很有启发。 因此，可以预判：未来1—3年，医疗AI的主战场将从“通用模型入口争夺”逐步转向“专业场景深耕”，谁能把专业知识、工作流、证据链和组织落地结合起来，谁才更有可能成为医务人员长期留存的核心工具。 3. 移动端为王，76.2%医务人员倾向使用手机端小程序，AI首先要适应碎片化临床场景 调研显示，76.2%的医务人员更倾向于使用手机端小程序，PC端仍保留16%的使用场景，而HIS系统内嵌集成需求虽已出现，但仅占5.9%，短期内尚未爆发。这个结果非常具有现实意义：医疗AI当前最核心的使用环境，不是在理想化的一体化信息系统中，而是在高度碎片化、时间被切割的移动端临床现场。 这意味着，谁能在移动端先把体验做顺，谁就更有机会抓住真实使用时刻。医生在门诊间隙、查房途中、会诊前后、夜班空档、文献查阅瞬间，对AI的诉求往往不是长时间深度交互，而是“快速问、快速得、快速判断能否继续深挖”。因此，移动端的价值不仅是“方便”，更是更贴近临床工作的时间结构与行为节奏。 当然，这并不意味着PC端不重要。相反，PC端更适合承担复杂任务，如科研写作、病例整理、PPT生成、长文献阅读与项目型工作；而移动端更适合承担即时查询、要点总结、快速比对和临床现场支持。未来真正成熟的医疗AI产品，很可能不是单纯押注某一终端，而是形成“移动端高频触发、PC端深度完成”的双端协同。 至于HIS内嵌，为何当前占比仍低？原因并不在于需求不存在，而在于这类集成涉及采购流程、院内IT协调、数据接口、安全审查和责任归属，落地周期长、组织成本高。因此短期内，轻量化入口仍然是主流；但中长期看，一旦机构侧开始系统性推动AI工具纳入工作体系，HIS、EMR、药学系统和科研平台的嵌入式整合仍将是重要方向。换句话说，移动端决定当前渗透率，系统集成决定未来天花板。 4.“检索与总结”是首要刚需，直击的不是知识不足，而是临床决策中的信息处理成本 在所有AI使用动因中，33.8%的受访者表示会因“检索与总结耗时”而求助于AI，信息获取滞后（26.8%）和指南不统一（17.6%）紧随其后。表面上看，这是一个效率问题；更深层看，这反映的是当代临床实践中一个越来越突出的结构性矛盾：不是医学知识太少，而是医学信息太多、更新太快、格式太碎，医生很难在有限时间内完成高质量吸收与判断。 医生面临的并不是单一的“找不到信息”，而是复合型的信息负担：要在有限时间里完成文献检索、摘要阅读、指南比对、证据等级识别、药品说明书核对、病例差异判断，再把这些内容转化为可执行的临床决策。AI之所以首先在“检索与总结”环节爆发，不是因为这个环节最简单，而是因为它最接近医务人员日常负荷的痛点中心。 这也提示医疗AI产品一个很重要的方向：未来不能只提供“答案”，而要提供“证据压缩能力”。也就是把海量、分散、异构的医学信息，压缩成适合临床现场快速吸收的结构化结果， 同时保留追溯路径。近期关于医疗 agentic AI 的讨论也越来越强调，真正有价值的系统不是只会生成文本，而是能在检索、抽取、计算、校验等多个工作原语之间进行协调。 因此，下一阶段医疗AI的竞争重点，很可能会从“谁回答得更像人”转向“谁更能减少医生的信息摩擦成本”。在这一点上，循证决策类专业AI具备天然优势，因为它们更接近临床任务的真实结构。 5. AI付费依然审慎，“低门槛DTC + 温和商业化”是当前最现实的路径 调研显示，87.4%的受访者期望AI免费或月费控制在30元以内；但与此同时，98.1%的医务人员支持DTC（直接面向医务人员）的专业AI模式，且近七成用户表示愿意为此付费。这个结果并不矛盾，反而非常真实：医生并不是拒绝付费，而是对“高频轻工具”的价格容忍度有限。 这意味着，医疗AI当前更适合采用“低客单价、高频使用、长期留存”的产品逻辑，而不是传统软件行业那种高价订阅、重销售、重部署的路径。尤其是在个人支付场景中，用户决策往往遵循非常朴素的标准：这个工具是否每天都能帮我省时间？是否足够专业、值得信任？是否便宜到不用反复权衡？只要这三个条件同时满足，付费意愿就会显著提升。 对商业化方式的态度同样说明了这一点。超过半数受访医生可接受“在AI回答及参考文献下方展示资讯”等不打断阅读流的温和植入，说明医务人员并不排斥商业化本身，他们反感的主要是对专业阅读体验的打断，以及对答案独立性的侵蚀。因此，底部资讯、相关产品信息、循证资料推荐等非侵入式方式，比弹窗式、强插式广告更符合医疗内容消费的心理机制。 从行业趋势看，未来更可行的模式很可能不是单一收费，而是“基础服务低价甚至免费+专业增值能力收费+温和内容型商业化+机构端补贴/采购”的复合模式。尤其考虑到94.1%的医务人员呼吁医疗机构提供AI工具使用津贴，这说明个人端付费虽然可以启动市场，但若要进一步放大使用深度，机构端支持将是下一阶段增长的重要杠杆。 6. 医务人员总体乐观拥抱人机协同，但临床落地的真正门槛已经转向治理、责任与组织支持 调研显示，82.3%的受访者认为AI将替代重复性工作而不是取代医生，83.7%坚信AI最终将帮助患者更健康。总体上，医务人员对AI的态度是务实乐观的，他们已经不再把AI视为一种外部威胁，而更愿意把它看成减负提效、拓展能力边界的协作伙伴。 但与此同时，55.7%的受访者担心“法律权责黑洞”，55.0%担心“数据安全风险”，94.1%呼吁医疗机构提供AI使用津贴。这说明，医疗AI接下来的主要障碍，已经不是“用户接不接受”，而是“制度能不能接住”。也就是说，技术采用的瓶颈正在从个体认知层面，转移到组织治理层面。 这背后其实是医疗行业的天然属性决定的。医疗不是普通内容生产行业，不能只讲效率和体验，还必须讲责任、审计、授权、隐私、证据来源和风险处置。因此，未来医疗AI产品如果要真正进入临床核心环节，必须具备以下能力： 一是明确边界，知道什么能答、什么只能提示、什么必须转交人工； 二是可追溯，让医生知道答案来自哪里、依据是什么； 三是可治理，让机构能看见使用过程、配置权限、设定审查规则； 四是可嵌入，让AI不是一项额外负担，而是被纳入日常工作规范。 这恰恰也是 Harness Engineering 在医疗场景里的核心价值：它不是让AI“更会说”，而是让AI“更能被组织放心地使用