产品经理每日认知 · 晚刊第012期
读法建议：本期难度中上，涉及一个政策术语（可信数据空间），已配白话翻译。主线一句话：医疗数据正从"院内资产"走向"区域公共品"，政策在铺路、城市在招标、企业开始把 AI 写进账单。建议重点读 ③ 的变化信号和 ④ 的思考题，其余可快速扫读，全程约 8 分钟。看到生词别停，往下读就有解释。
- ① 一个新概念：可信数据空间——"数据可用，但带不走"
- ② 一个真实案例：厦门 1080 万把 AI 底座当市政工程招标
- ③ 一个近期变化：医疗健康进了国家数据局"十大行业攻坚"名单
- ④ 一个思考题：数据越开放，你的护城河越难建？
- ⑤ 一个商业案例：美年健康 AI 收入 2.19 亿，"三张表"看落地
- ⑥ 今日工作可用：聊 AI 项目的"四问"，评数据产品的"三张表"
① 一个新概念：可信数据空间——"数据可用，但带不走"
▍一句话先讲明白
可信数据空间（Trusted Data Space）可以理解成一个"受监管的数据流通客厅"：不同机构的数据不直接交给对方，而是在这个空间里按事先约定的规则被使用、被计算。翻译成大白话就八个字——数据可用，但带不走。
▍为什么会有它 / 背景
医疗数据流通一直卡在一个死结上：要共享就得交出数据，一交出去就失去控制——被拷走、被滥用、被转卖，谁也说不清。所以医院宁可让数据"烂在库里"，也不愿开这个口子。国家卫健委今年在答复政协提案时，把这个困局直接点名为"医疗数据不出院困境"（提案标题叫《关于破解医疗数据不出院困境、构建安全-科研-患者三元共赢机制的提案》）。可信数据空间的解法是：数据继续留在所有者这边，通过隐私计算、沙箱、数字合约和审计，让需要数据的一方"用数据、得结果"，但不碰原始数据。
这不是一个概念梗，国家已经把它变成制度安排：2024 年 11 月国家数据局印发《可信数据空间发展行动计划（2024—2028 年）》；2025 年首批试点遴选 63 个项目（13 个城市、22 个行业、28 个企业可信数据空间），其中 6 个覆盖医保医疗医药领域；截至 2025 年底已累计孵化 7000 余个数据产品和服务。这两个数字的口径是"官方试点与孵化统计"，不是市场交易额——但它们说明"可信数据空间"已经从文件走进了运营。（来源：国家卫健委提案答复函，2026-09-17）
▍这对你（医疗信息化产品经理）意味着什么
如果你的产品逻辑还是"把数据打包交付给客户"，接下来会越来越难卖——政策在推动医疗数据流通走向"授权 + 规则 + 审计"模式。产品形态要从"交付数据"迁移到"交付使用规则"，这意味着你的产品里要长出几个新东西：数据授权协议、使用留痕与审计、按用途分级开放的配置。下次设计评审，多问一句：我们在"卖数据"，还是在"卖数据被使用的规则"？
本节术语速通
- 隐私计算：让多方在不暴露原始数据的情况下一起算结果的技术，通俗说"数据不搬家，计算上门"。
- 数字合约：把数据使用规则写成可执行的电子协议，违反即违约、全程留痕。
- 数据不出域：数据在所有者授权范围内被使用，原始数据不离开其存储边界。
② 一个真实案例：厦门把"AI 大模型底座"当成市政工程来招标
▍背景：先看一个刚发生的采购信号
9 月下旬，厦门市健康医疗大数据中心（厦门市医药研究所）发布"人工智能医疗大模型底座与应用工程（一期）"招标公告，预算 1080 万元。（来源：cn-witmed 转引招标信息，2026-09-22）
▍数字怎么读
1080 万是政府采购预算，也就是招标上限价，不是最终成交价，也不包含后续每年的运维投入——口径先讲清楚。真正值得产品经理看的不是金额本身，而是采购结构。
▍三个结构信号
- 采购方不是某家医院，而是城市的健康医疗大数据中心：城市开始把"AI 底座"当公共基础设施统一建设，像修路一样招标。
- 写了"一期"：意味着后面大概率有二期、三期，这是政府项目分期投入的典型节奏。
- 付费方是财政，走政府采购流程：决策链从"院长 + 信息科"变成"数据局/卫健委 + 招投标"，销售逻辑完全不同。
▍背后藏着什么
当城市统一建底座，医院层面的"底座自由竞争"就会收窄，竞争会往应用层迁移——谁能在这座统一底座上把业务跑通、跑出效果，谁就有生意。
▍这对你（医疗信息化产品经理）意味着什么
如果你的产品是"AI 底座/中台/数据平台"，城市级大单是新的销售路径，值得盯住各地健康医疗大数据中心的招标公告；如果你的产品在应用层，要提前想清楚"跑在谁的底座上、被替换的成本高不高"。另外提醒一句：政府采购从发标到验收周期长、垫资情况多，别把"中标"当成"到款"。
本节术语速通
- MaaS（Model as a Service，模型即服务）：把大模型能力做成像水电一样按需使用的服务。
- 底座：行业对"底层平台/基础设施"的俗称，指模型、算力、数据这些公共能力层。
③ 一个近期变化：医疗健康进了国家数据局"十大行业攻坚"名单
▍发生了什么（日期关键）
9 月 22 日，国家数据局向媒体表示，国家层面将推出新举措，在工业制造、医疗健康、金融服务、交通物流、现代农业、能源电力、文化旅游、教育、商贸流通、公共事业十大重点行业开展数据资源开发利用攻坚行动，并鼓励组建行业数据创新联合体，围绕行业高价值场景，推动公共数据、企业数据、社会数据融合应用。（来源：国家数据局官网转载央视新闻，2026-09-22；光明网同期报道）
▍配套动作：安徽已经跑在前面
9 月 20 日，安徽省在世界制造业大会上披露，安徽省申报的"深化汽车行业、医疗健康行业数据开发利用方案"获国家数据局率先批复，安徽成为全国第一个启动这一攻坚的省份。（来源：安徽省数据资源管理局官网，2026-09-22）
▍卫健委这条线同时也在动
9 月 17 日，国家卫健委在提案答复函里放出一批"家底"数字：全国 29 个省份建立卫生健康"影像云"，8000 余家二级以上公立医院开展检查检验结果跨机构调阅，2700 余个县域开展居民电子健康档案向本人开放；下一步将推进"数据要素×医疗健康"、开展行业可信数据空间创新发展和高质量数据集建设，国家数据局将适时开展第二批可信数据空间试点和"可信数据空间+AI"融合应用试点。（来源：国家卫健委提案答复函，2026-09-17）
▍怎么解读
一句话：医疗数据政策从"管起来"进入"用起来"阶段。供给端被政策推着开放（互认、档案开放、攻坚行动），需求端被政策鼓励去接（行业数据创新联合体、可信数据空间试点）。
▍这对你（医疗信息化产品经理）意味着什么
需求会先砸在"数据治理"上，而不是"数据应用"上——因为医院要接得住开放数据、进得了联合体，前提是先把自己的数据治理干净。所以近期谈数据类项目，别一上来就讲 AI 应用多炫，先把"院内数据治理、主数据、标准接口"这层地基讲清楚，这是政策最直接拉动的需求。另外，留意你所在省份/城市是否跟进"可信数据空间""数据创新联合体"试点——一旦落地，就是立项和报预算的现成依据。
④ 一个思考题：数据越开放，你的护城河越难建——差异化到底押在哪？
▍一个真实张力
这一期所有信号放在一起，藏着一个让产品经理别扭的张力：政策一边推数据开放（免费或低成本供数、跨机构互认、电子档案开放），一边推数据不出院（安全底线）。两个方向同时成立——数据作为公共资源要流动，作为敏感资产不能外流。而夹在中间的产品经理要回答：当"数据能力"正在被政府变成公共品（统一底座、可信数据空间、区域平台），第三方厂商还能靠什么差异化？
▍可能的押注方向（不急于下结论）
- 押场景深度：底座统一了，但每个科室、每种病种的流程 Know-how 仍在你手里。
- 押合规中间层：帮医院在"不出院"前提下把数据用起来的授权、沙箱、审计工具——政策催生的稀缺能力。
- 押实施与服务：底座是公共品，但"怎么接、怎么治理、怎么让临床真的用起来"是没人替你做的脏活。
- 押患者/医生端体验：数据要素最终要落到人和场景，谁离终端用户近，谁的话语权大。
▍今天值得花五分钟想的问题
假如明天起，你所在区域的医院都能免费用上政府采购的"AI 底座 + 可信数据空间"，你的产品属于增值层，还是可替代层？这个问题现在不回答，等底座落地那天就晚了。
⑤ 一个商业案例：美年健康 AI 收入 2.19 亿、增 56%——"AI 进入三张表"才算真落地
▍背景
体检行业龙头美年健康在 2026 年 8 月 30 日发布的半年报里，罕见地披露了一个单独口径："主营收入中结合 AI 技术手段取得的收入"为 2.19 亿元，同比增长 55.96%。（来源：BT财经转引美年健康 2026 年半年度报告）
▍数字怎么读（口径很关键）
- 2.19 亿不是卖软件的收入，是"结合 AI 技术的医疗收入"——包括心肺联筛、AI 骨密度、胶囊胃镜、AI-MDT 报告、肺结宁、脑睿佳等体检项目。这是公司自定义口径，不是审计的独立 AI 业务线，别理解成"卖算法赚了 2.19 亿"。
- 使用量同样惊人："健康小美"智能主检系统覆盖 394 家体检中心，累计审核并生成超 1600 万份体检报告；超声 AI 语音智能体上线 224 家中心，累计完成 102.1 万人次的超声 AI 辅助报告、380.1 万项 AI 解读。
- 对照项不能少：公司上半年整体营收 38.44 亿元（同比 -6.45%），归母净利润亏损 1.82 亿元——AI 收入高增长 ≠ 公司盈利转身，别被单一口径带跑。
▍为什么体检是 AI 的"第一落地点"
体检的数据量大、流程标准、重复性工作多、连锁机构极度在意一致性——正好是 AI 最擅长补的位置。这篇分析给了一个可复用的判断框架，叫"三张表"：收费表（技术是否进入可付费产品）、工作流表（医生是否在日常工作里使用）、使用量表（是否形成跨机构、持续、规模化的真实使用）。
▍这对你（医疗信息化产品经理）意味着什么
以后再判断"某个医疗 AI 到底落没落地"，别只看发布会和证书，拿"三张表"去套：它进收费了吗？医生天天用吗？用了多少量？这三问同样可以用来评审你自己的产品——特别是当你向客户讲"AI 价值"却拿不出使用量时，问题可能不在销售，而在产品没有真正嵌进工作流。
本节术语速通
- AI-MDT 报告：多学科会诊报告里引入 AI 辅助生成与质控的体检报告产品。
- 口径：一个数字是怎么算出来的、统计范围是什么。读财报先看口径，再看数字本身。
⑥ 今日工作可用（两条，克制版）
1. 聊 AI 项目时，先抛"四问"
和客户、领导或合作方聊任何医疗 AI 项目，用四个问题快速把"钱权结构"摸清：底座谁建？模型谁管？数据出不出院？应用按什么收钱？四问问完，一个项目的真实买单结构基本就浮出来了，也能立刻定位你的产品在链条上是"增值层"还是"可替代层"。
2. 评审数据/规则类产品时，用"三张表"自查，并对照一个刚发布的真实样本
拿美年"三张表"框架自查自己的产品：进收费、进流程、上规模，缺哪补哪。如果你是医保、DRG 或质控类产品，可以对照北大人民医院的样本：医院自研的智能辅助审核系统已部署 8926 条审核规则、迭代 24 个版本、医保审核效率提升 20%，并获得 2025 年全国智慧医保大赛一等奖（来源：国家医保局官网，2026-09-22）。本周评审自己产品时顺手自查：规则可配置吗？版本可追溯吗？——这是所有"规则类"医疗产品迟早要过的坎。
七视角打卡
本期内容锻炼的视角：
- 行业视角：医疗数据政策从"管起来"到"用起来"；
- 技术视角：可信数据空间、数据不出域、隐私计算；
- 市场视角：城市级 AI 底座政府采购的结构信号；
- 商业视角：美年"三张表"框架与 AI 收入口径；
- 产品视角："四问"定位法、从卖数据到卖规则；
- 业务视角：医保审核规则引擎化（可配置、版本可追溯）；
- 用户视角：电子健康档案向居民开放、自助机适老化。
明日预告：今天早刊我们讲了支付端的逻辑变化（DRG/DIP 3.0、价值医疗），今晚从数据端补上了另一块拼图——钱怎么给是一件事，数据怎么流是另一件事，两者正在同时改写医疗信息化的需求结构。明天早刊，我们将回到"钱"的另一端：当数据要素和 AI 底座都在变公共品，医院信息化的预算结构会发生什么变化，谁在涨、谁在收缩。明天见。
说明：本文事实均来自标注的公开来源（政府官网/权威媒体），每个数字已注明口径；观点部分为编辑解读，不构成投资建议。图片来自国家医保局官网报道原图。