晚刊第005期｜当 AI 必须「持证上岗」
医疗 AI 从「能演示」到「能落地上岗」的最后一公里
读法建议 · 难度两星（通勤轻松读）
今晚不聊"AI 多聪明"，聊一个更现实的问题：AI 想在医院干活，得先拿到什么"牌照"。全文所有术语都随讲随翻译，蓝字（划线词）都是白话注。建议先看板块①把"二类/三类"的坐标系建立起来，再读后面两个案例会非常顺。约 7 分钟读完。
▍① 一个新概念：AI 医疗器械的「证」
白话版小标题：AI 看病软件，凭什么是"医疗器械"、还要分二类三类？
▍一句话先讲明白
凡是想在临床诊断、治疗上"给建议"的 AI 软件，在中国几乎都要按"医疗器械"来管，并领一张分类管理的"证"——不是所有 AI，而是"算过临床的账"的那部分。
▍为什么 / 背景
监管的逻辑很直白：AI 一旦影响"怎么看病"，它出错就可能出人命，所以不能当成普通 App。国家药监局把医疗器械按风险分三类，软件也是一样：
- 二类（中风险）：做"辅助参考"，比如帮医生算一个测量值、改善影像质量。由省级药监局发注册证，门槛相对低。
- 三类（高风险）：做"辅助决策"，比如直接给病灶特征识别、病变性质判定、用药指导、治疗计划建议——也就是会实质影响医生判断的。由国家药监局（NMPA）注册发证，审评最严、周期最长。
这里有个关键分界线：算法成熟度没被验证之前，偏向"辅助决策"的一律按三类管；等安全有效性被充分证实后，遵从那套已确立的规则走。换句话说——"越聪明、越像在给医生出主意"的 AI，管的越严。
▍这对你（医疗信息化产品经理）意味着什么
这直接决定你产品里某个 AI 功能的"上线路径"和成本。同样是加一个影像功能：只做测量标注，可能走二类、省级审评、几个月能见着；若做"疑似病灶定位、给出诊断倾向"，就可能被划到三类、进入国家局审评，一拖以年计。所以立项第一步不是先写需求，而是先判断"我这功能算几类医疗器械"——这比需求评审更早、更致命。
本节术语速通：二类/三类医疗器械（按风险分的两个管理等级）、注册证（相当于这款软件的"营业执照"）、辅助决策 vs 辅助参考（给医生提建议 vs 只做参考信息）。
▍② 一个真实案例：商汤医疗，八年磨剑到估值破百亿
白话版小标题：一个做影像 AI 做了八年的老兵，凭什么突然被资本重新捡起来？
先讲背景，再讲数字。商汤是大家熟知的 AI 公司，但它的医疗业务其实孵化很早，从医学影像出发，做了八年多。这家公司有过起伏——早年影像 AI 热过一轮，也冷过一轮，很多同行转行或倒下。如今大模型浪潮一来，它手里八年攒下的数据和场景突然变成了"富矿"。
近期消息是：商汤医疗完成超 1 亿美元的 B 轮融资，投后估值突破 100 亿元人民币。有报道称它因此被称为"国内首个估值破百亿的医疗世界模型公司"，并进入 Pre-IPO（上市前最后阶段）准备，正在筹备上市前最后一轮融资。
注意两个数：「1 亿美元」是一次输血，代表机构资本愿意下重注；「100 亿估值」是把商汤医疗八年积累的资产折现出来的一个价格，含"世界模型"这一概念溢价。它不完全等于当下赚了多少钱——更多是资本市场对"底层模型 + 医院场景 + 多年数据"这个组合未来盈利能力的预期。
▍这对你（医疗信息化产品经理）意味着什么
这家公司想通用化的是"医疗世界模型"——也就是不做一个具体小工具，而是做一个能理解各种医学影像、病历、检查的大底座，再向多个科室、多个场景输出能力。这提醒我们：医疗 AI 的竞争正在从"单个点功能"走向"底层能力平台"。你所在的医院、或你服务的客户，越早想清楚自己是"用别人的底座出场景"，还是"自己造底座"，越能避免重复建一堆同质化的小模型。
本节术语速通：世界模型（比单任务模型更大的通用模型，先理解世界再干活）、Pre-IPO（上市前的最后一轮融资阶段）、估值（资本给公司当前的"定价"）。
▍③ 近期行业与科技变化（本条为真实动态，注明来源与日期）
白话版小标题：这几天，政策端给医疗 AI 的"考卷"和"教材"都在更新。
今天这一板块放两个本月的真实动作，一个管"AI 能不能上的标准"，一个管"医院钱袋子的算法"。
变化一：AI 医疗器械的"行业标准"在补课。
国家卫健委在答复全国人大代表建议时披露：截至 2026 年 4 月，已发布人工智能医疗器械行业标准 10 项，并制定《人工智能医用软件产品分类界定指导原则》，明确了作为医疗器械管理的人工智能医用软件的属性界定和分类判定原则（来源：国家卫健委官网 2026 年 9 月答复函）。
变化二：医保把 DRG/DIP 分成规则的"底牌"打开了。
（DRG/DIP 是两种按病种打包付费方式，白话即"治好某类病一口价"）。9 月 2 日，国家医保局发布《按病组和病种分值付费 3.0 版分组方案》；9 月 9 日，医保局把 DRG 分组配置信息和 DIP 付费分组方案的 Excel 版面向社会公开，官方称之为分组配置信息"开源"（来源：国家医保局官网 2026 年 9 月 2 日、9 月 9 日）。要求实施地区今年底前完成 3.0 版切换准备，2027 年 3 月底前落地。
两件事方向一致：标准越来越清晰，规则越来越透明。对不懂的人是天书，对看得懂的人，这是入场券和竞争门槛
▍这对你（医疗信息化产品经理）意味着什么
「行业标准 10 项」意味着你的 AI 病历、AI 质控功能，未来要对着白纸黑字的标准自查，而不是靠"临床看起来顺眼"。而「DRG/DIP 分组开源」是一个难得的红利——医院要想在 2027 年 3 月前完成切换，你的产品如果提前吃透这套分组的 Excel 逻辑（哪些病种打包、权重怎么算），就能直接帮医院算账、做诊疗路径优化。这是可以立刻动手跟进的真需求，不是讲故事。
▍④ 一个值得产品经理思考的问题：AI 出了错，谁担责？
白话版小标题：监管反复强调"医师主导、AI 只做辅助"，但产品把这些写进流程了吗？
监管口径已经很明确：AI 软件不得冒用或替代执业医师独立开展诊疗，禁止由 AI 自动生成处方，全部诊疗决策权必须掌握在具有执业资质的医师手里。它只是辅助工具。
话是这么说，但落到产品层面有一个真实的张力没过关：当 AI「只给建议」时，谁来为"采纳了这个建议的后果"负责？
- 如果 AI 的建议是"弱提示"（几乎不显示），那它帮不上忙，价值存疑；
- 如果 AI 的建议很强、很醒目，医生大概率采纳，那出了问题，"是医生没把关，还是 AI 引导了方向"就成了扯不清的皮。
这是这几天我会一直放在心里、但不急于给答案的问题：叫"辅助"的 AI，到底应该把剑递到多近、多显眼，才既有效又不越界？一个刻意做"弱"的 AI，是合规了，但会不会也等于放弃了产品价值；一个做得很强的 AI，价值高，但责任边界谁兜底？这个平衡点，我认为就是未来两年医疗 AI 产品经理的核心竞争力所在。
▍这对你（医疗信息化产品经理）意味着什么
这不是法务一个部门的事，它直接落在产品设计上：你的界面如何呈现 AI 建议、是否需要医生二次确认埋点、如何记录"谁在什么时候采纳了哪条建议"——这些审计痕迹，既是为了合规，也是为了将来出纠纷时有据可查。建议你把这当成一个可设计的产品能力，而不是风险"甩给医院"。
▍⑤ 一个市场或商业案例：讯飞医疗的"烧钱换增长"样本
白话版小标题：港股"医疗大模型第一股"，交了一份怎样的上半年成绩单？
先讲背景。讯飞医疗是科大讯飞旗下做医疗大模型的上市公司，被称为"港股医疗大模型第一股"，业务包括面向医院、基层、医保的 AI 应用。看它这份 2026 年半年报，最能看出"医疗 AI 到底能不能赚钱、以及怎么赚"。
再讲数字（来源：讯飞医疗 2026 年 8 月发布的中期业绩）：
- 收入 4.46 亿元，同比增长 49.4%——增长点意味着客户在真掏钱，不是讲故事。
- 毛利 2.36 亿元，同比增长 53.5%；毛利率 52.9%，同比提升 1.4 个百分点。
- 亏损 4810 万元，同比收窄 41.5%。
口径解释：「毛利率 52.9%」是说每收 100 元，减去直接成本后剩约 53 元，这个数对软件商来说偏中等，说明它不算纯卖软件的轻生意，还背了硬件/方案/交付成本；「亏损收窄 41.5%」意思是仍没赚钱，但流血速度大幅放缓——典型的「用收入高速增长对冲高投入、赌未来扭亏」的烧钱模型。
▍这对你（医疗信息化产品经理）意味着什么
信号很明确：医疗 AI 不是"没客户"，而是"客户愿意付钱，但还没到规模化盈利"。这告诉你，跟客户谈采购时，"AI 值多少钱"是可以谈的（因为有公司靠它做到近 50% 增长），但也要清醒——别人靠亏钱抢市场，你所在团队的商业模式（靠续费、靠项目、靠效果分成）要想清楚，别用同样的补贴打法把自己拖垮。
本节术语速通：毛利率（收入减去直接成本后的剩余比例）、亏损收窄（亏得比以前少了）、烧钱模型（先大投入换规模、后再追求盈利）。
▍⑥ 今日工作可用（1~2 条，克制不教条）
这两条随便拿一条，今晚或明天就能在你的工作里用上：
- 立项前先问一句"这 AI 算几类医疗器械"。无论你手头在评 AI 影像、AI 病历还是 AI 质控的某个需求，先判断它属于"辅助参考"（二类、省级审评）还是"辅助决策"（三类、国家局审评）。这一问能在一开始就暴露你的功能是"几个月上线"还是"以年计的审评长征"，避免需求做了很久才发现卡在注册证上。
- 本周值得盯的信号：DRG/DIP 3.0 的"开源 Excel"。如果你们已覆盖或准备覆盖按病种付费 / 病案质控 / 医保结算相关产品，建议安排一个人把 9 月 9 日公开的分组配置信息读一遍，重点看病种分组清单和权重系数的口径变化。谁能比别人早一步把 3.0 规则吃透，谁就抢到了 2026 年底前切换准备和 2027 年 3 月落地的服务窗口。
明天（早刊）预告：早刊已聊了医疗 AI 智能体"岗位化"的上手干活；今晚我们把视角切回"上岗资格与责任边界"。明天会回到更实操的话题，把这两天埋下的"标准"和"规则"落到一个具体产品场景里，接着往下掰。
七视角打卡：本期按进阶版锻炼了 产品视角（AI 功能该按几类医疗器械定位）、技术视角（分类界定与行业标准）、商业视角（估值与盈亏模型）、市场视角（DRG/DIP 开源的服务窗口）和 行业视角（监管趋严与规则透明）。用户、业务视角留待后续期次重点补。祝通勤愉快。