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摘要1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。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”核心发现(Key Insights)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。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”加速转移核心发现23. 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Harness Engineering，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。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。核心发现34. “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