➢ 催化 AI 医疗发展的核心原因。技术迭代与数据积累。AI 医疗的起源可追溯 至 20 世纪 70 年代，早期以专家系统（如 QMR、DXplain）为主，但因技术限 制（如算力不足、算法不成熟）未能大规模应用。21 世纪初，深度学习、自然语 言处理和计算机视觉技术的突破重新激活了 AI 在医疗领域的潜力。医疗行业数 据量庞大（占全球数据总量的 30%），但 97%未被有效利用，这为 AI AI 模型的训 练提供了基础资源。例如，AI 通过分析医学影像和电子病历数据，实现了从辅助 诊断到药物研发的跨越式发展。政策与资本的双重推动：1）政策支持：数字社 会下，全球医疗数字化转型已成为大趋势，各国相继出台相关政策布局数字医疗 产业加速发展。2）资本涌入：2025 年 1 月，全球医疗保健和 AI 领域融资额分 别达 94 亿和 57 亿美元，占当月风投总额的 58%。例如，Hippocratic 随着科技的飞速发展，人工智能（AI）技术逐渐渗透到各个领域。医疗领域也 不例外，AI 医疗逐渐成为我国医疗科技发展的重要方向。AI 医疗，即人工智能在 医疗领域的应用，主要包括人工智能辅助诊断、治疗、康复等方面。随着深度学习、 大数据、物联网等技术的快速发展，AI 医疗逐渐从概念走向实际应用。目前，AI 医疗已经在国内外多个医疗机构得到实际应用，并取得了显著的成效。 行业深度研究/计算机 本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明

.......................................................................... 25 4.2.2 信创云基础设施与软件定义的数据中心...................................................................... 26 4.2.3 信创云原生平台与容器云 ... ...................................................................................... 31 4.3 信创大数据技术体系 .............................................................................................. 养计划、高技能人才培养计划等具体措施，推进教育信息化和产业人才的培养。 教育机构需要将信创教育（也就是基于信创技术体系的计算机相关教育）纳入其 教育体系，从而为培养大批信创技术体系的 CPU、操作系统、数据库及各种应用 型人才。第三，以云计算、大数据、移动互联网、物联网等为代表的新一代信息 技术，带来新的架构模式和技术体系。教育信创需要基于新的架构模式和技术体 系，做好教育信创的顶层设计，重视规划，做出自身特色和差异化，构建长远的

为医药健康带来的想象空间。 ❑ 生成式 AI 爆火，“AI+医药健康”应用场景广阔。AI 在医药健康领域的应用 经过多年发展，ChatGPT 的爆火则再次引燃热情，应用领域百花齐放。其中 医院作为医疗行为核心发生地，数据资源丰富、应用场景多样，本篇从诊前/ 诊断、诊中治疗、医院 AI 基建全面梳理 AI 在医院场景下的应用。 ❑ 诊前/诊断：1）AI+检验：检验诊断是临床信息的主要来源，AI+检验具有高 临床 技术赋能，提升医院综合管理水平，并促 进医保资金安全有效使用，相关公司：卫宁健康、创业慧康、东软集团、万 达信息、久远银海等。 ❑ 风险提示：技术迭代、市场竞争、政策监管、产品落地不及预期风险、企业 经营、数据泄露风险等。 行业规模 占比% 股票家数（只） 447 8.9 总市值（十亿元） 6654.7 7.9 流通市值（十亿元） 5351.1 7 -5.4 4.5 资料来源：公司数据、招商证券 相关报告 1、《医美行业周报（2023.7.31） —欧莱雅 23H1 业绩点评：药妆部 门领跑，北亚地区现复苏》2023- 07-31 2、《2022 年及 2023 年 1-5 月份 医保基金数据点评—基金支出增速 恢 复 ， 为 医 药 行 业 刚 需 托 底 》 2023-07-27

生成大量免费课程引流，降低用户门槛、打造社区氛围；2）用户留存： 借助自研 AI 系统精准提供课程，同时利用大数据 A/B 测试优化消息推送机 制，提升用户留存度；3）用户付费：利用 AI 打造互动性更强的 Duolingo Max 产品，构筑 Super-Max 多层级订阅服务，同时利用 AI 加速课程迭代，提升 用户付费及续费率；4）循环：基于大量用户数据迭代优化技术产品。国内 教育企业可沿两条路径借鉴：用途上利用 AI 规模生产、以算法优化教学、 规模生产、以算法优化教学、 打造强即时性、互动性课程等；引流策略上，基于 AI 降本可提供低价/免费 内容打开流量入口，取得数据要素积累先发优势，开启增长飞轮开关。 不同于多邻国，国内教育企业 AI 实践更多在软硬件两侧同时发力。1）有道： 软件端有基于自研教育大模型“子曰”的有道小 P，硬件端已形成丰富的产 品矩阵，近期推出融合 DeepSeek-R1 的首款 AI 原生硬件 SpaceOne；2）好未 SpaceOne；2）好未 来：以 MathGPT 数学大模型为核心，软件端打造“九章随时问”，硬件端学 而思学习机已占据学习平板高端市场重要市场地位；3）豆神教育：软件端 依托核心名师 IP 及教培数据优势，推出“豆神 AI”产品，从答疑工具升级 为教学主体，硬件端规划便携式智能硬件“小豆”等产品；4）盛通股份： 硬件端打造中鸣机器人编程教具将抽象编程语言转化为实体机器人便于理 解，软件端接入 Deepseek 打造支持自然语言对话与智能决策的教育硬件平

需要重塑高等教育生态，服务于世界经 济社会数字化发展大势 中观层面 需要创新高等教育模式，建立高等教 育新范式 微观层面 需要依托数据要素，构建高等教育发 展新路径，实现教育全流程的数字化 改造 高等教育数字化就是通过彻底和全面的 数字化转型，形成数据驱动、人技结合、 跨界开放的教育生态，构建更加敏捷、 适切、公平、可持续的高等教育体系， 为学习者提供全面和丰富的学习体验。 高等教育数字化 高等教育将完成再造，与社会之间的界 限进一步打破 将实现高等教育理念、教学模式、教育治理 整体性变革，全面赋能学习者发展，形成教 育全新生态 高等教育实现自我转型与提升，高校内部各项业务流程 实现再造 通过对数据的深度分析和价值挖掘，实现教育各要素、各环 节的全面数字化转型 高等教育数字化发展的3个阶段 2025高等教育数字化研究报告 2025 Digital Research Report on Higher （2024－2035年）》 实施国家教育数字化战略。坚持应用导向、治理为基，推动集成化、智能化、 国际化，建强用好国家智慧教育公共服务平台，建立横纵贯通、协同服务的 数字教育体系。开发新型数字教育资源。建好国家教育大数据中心，搭建教 育专网和算力共享网络。推进智慧校园建设，探索数字赋能大规模因材施教、 创新性教学的有效途径，主动适应学习方式变革。打造世界数字教育大会、 世界数字教育联盟、全球数字教育发展指数、数字教育权威期刊等公共产品，

品-渠道-模式-生态多个层次，市场供给与用户需求两端，对教育智能硬件市场进行全盘分 析。天猫作为传统电商平台，是教育智能硬件销售的重要渠道，本次报告艾瑞联合天猫平台 进行共同发布，以期为行业输出有价值的数据、分析与洞察。 3 摘要 ABSTRACT SMS 国内探究 趋势前景 中美对比 用户洞察 • 中国校外教育智能硬件的品类多样，生态十分繁荣。学习平板作为综合性的超级品类，功能齐全，单 从模式力来看，传统商业模式中，仍以软硬功能、内容资源等一次售卖为主，增值服务模式尚未发力 但未来可期。AI智习室作为创新模式，通过线上录播自学+线下伴学服务，变革了传统模式，满足了 供需多重需求。 • 从生态力来看，产品生态促进数据协同并提高产品性能，用户生态推动消费决策与用户价值拓展。 • 教育智能硬件的家长用户以31-45岁、生活在一二线城市、中高家庭收入水平的职业白领居多， 70.4%的家长用户在“双减”政策实施后增加了孩子教育智能硬件的支出。 com.cn 研究范围与价值特征 教育智能硬件是教育数字化落地的重要载体，兼具规模化与个性化价值 教育数字化是一个逐层建设的过程，其关注点从基础设施层的高带宽网络覆盖到多终端数据采集的硬件发展策略，再逐渐关注到学 情数据的分析和应用过程，由底层到顶层，逐层深入建设并发挥效力。经过“三通两平台”、教育信息化1.0、教育信息化2.0的多年 建设，当前网络及数字平台建设已较为完备，正处于多硬件终端的建

交流及历史健康档案数据提取高效生成精炼准确的主 诉、并通过相似案例比对精准推荐医生，在诊中诊后作为线上助理陪伴始终， 更好的服务体验有望加强 C 端付费意愿、医生时间节约有利于成本控制。 ❑ AI+健康管理：国内“互联网+健康管理”经历了物种爆发→流量竞争加剧→ 淘汰整合的变革，我们认为发展瓶颈的原因主要包括对平台及相关数据信赖 度较低以及服务的碎片化和过于标准化。AI 的引入有望提高数据准确度和数 的引入有望提高数据准确度和数 据连续性（智能可穿戴设备进行连续化数据采集，结合患者医院就医数据记 录），提供专业个性化健康服务（AI 医生/护士），并创造更多可能性（脑机 接口提供辅助运动与神经康复帮助，提高残疾病人生活质量等）。 ❑ AI+线下辅助就诊：①AI 辅助门诊能提高患者就诊体验，缩短就医时间（通过 AI 辅助门诊，上海儿童医学中心的患者平均等待时间从约 2 小时减少到 0.38 小时），也减少医生信息录入时间使其能专注于诊断处方。②AI 投资建议：我们看好 AI 赋能健康管理及医疗服务各个环节，对人们日常健康 管理和就诊行为带来颠覆性改变。受限于数据获取，当下应用于患者端的“AI+ 医疗”更多是基于文本生成、信息收集等方式提供服务，尚处早期发展阶段。 随着文心一言和 GPT-4 在医疗领域的应用，龙头企业有望优先受益。建议关 注已具备一定流量及数据基础、积极引入 AI 模型的互联网医疗企业，例如京 东健康、阿里健康、平安好医生、智云健康、百度灵医智惠、微医、春雨医

AI 制药龙头 Schrödinger，重点 讨论 AI 制药的商业模式变迁，并梳理相关公司。 ❑ AI 可用于新药开发全过程，达到降低成本，增加药物研发可能性目的。根据 DPI 援引英矽智能数据，通过 AI 技术能将 ISM001 分子发现时间由传统手段 的 2 年降至 11 个月，总费用从 4.14 亿美元降低至 20 万美元，极大降低了新 药研发负担。目前人工智能技术在药物研发过程中的应用主要集中于药物发 与 新药开发过程提供 CRO 服务或者自建研发管线成为 Techbio 企业成为普遍 选择。对于 AI+SaaS 和 AI+CRO 为核心服务模式的企业，我们建议重点关注 公司平台能力的建设，包括数据的获得、技术积累等，同时与核心重点客户 的合作也是重要催化剂；对于自建管线为核心的 AI Biotech 公司，我们建议 重点关注核心产品的关键研发节点，比如英矽智能治疗 IPF 的 ISM001-055、 ；2）利 用 AI 技术自建创新药物管线的 Techbio 公司，如 Recursion、Relay 、 Exscientia、英矽智能（未上市）等。 ❑ 风险提示：技术迭代风险、市场竞争风险、数据获取风险、商业应用风险、 研发失败风险、盈利风险、政策监管风险等。 行业规模 占比% 股票家数（只） 450 8.8 总市值（十亿元） 5580.6 6