医疗 AI 的数字真相：1,451 款 FDA 获批设备、75% 的医疗系统采纳率，以及 43% 缺乏临床验证数据这一发现。
采纳面很广：如今约 75% 的美国医疗系统至少运行着一个 AI 应用（一年前还不到 60%），并且 74% 的美国医院在影像科使用 AI 诊断工具。
监管层面的数量是实打实的：FDA 已列出 1,451 款获准上市的 AI 医疗设备——仅影像科就有 1,104 款——其中 295 款是在 2025 年获批的。
真正要紧的那个缺口：在核心临床诊断上达到可靠 AI 使用水平的机构不到 20%，而 43% 的 FDA 获批 AI 设备缺乏临床验证数据。部署跑在了证据前面。
影像科是滩头阵地。 四分之三的 FDA 许可和四分之三的医院诊断部署都集中在这里，原因是结构性的：图像天生就是数字化的，金标准相对可定义，而工作流里本来就有第二读片人这一环。报告出来的收益是真实的——有 AI 支持的医院报告诊断错误明显减少，检测算法在受控评估中达到很高的准确率。
文书与运营是更安静的那类胜利：环境语音记录、编码支持、排班与分诊。它们比诊断更少上头条，但回本更快，临床风险更低。
临床医生的使用随之跟上：医生使用率从 38%（2023 年）跃升到 66%（2024 年）——这是有记录以来最陡的专业采纳曲线之一。
43% 的 FDA 获批 AI 设备缺乏临床验证数据。 这个数字值得比本文中任何一项准确率宣称都更多的关注。
多数 AI 设备的 FDA 许可，走的是证明与既有对照设备实质等同的通道——而不是证明患者获益的前瞻性临床试验。再叠加准确率数字上那条"受控环境"的限定（在精挑数据集上的表现，通常高于在杂乱真实人群上的表现），诚实的总结是：获批 ≠ 已验证 ≠ 在你的人群里有益。
对医疗系统的实操含义是：把厂商的准确率宣称当作本地验证的起点，而不是它的替代品。核心诊断可靠使用率不到 20% 这个数字，正是机构真做了这份功课之后的结果。
大约 95–97% 获授权的 AI 医疗设备是通过 510(k) 通道获批的，而不是 De Novo 或 PMA。这条路径要求证明的是与既有对照设备实质等同——而不是获益的独立临床证据。
这就是验证问题背后的机制。不是监管方忽略了证据；而是多数设备所走的那条通道，从设计上就没打算要求它。
截至 2025 年底的累计设备授权，高度集中在影像行业的老牌厂商：
| 公司 | 授权数 |
|---|---|
| GE HealthCare | 120 |
| Siemens Healthineers | 89 |
| Philips | 50 |
| Canon | 45 |
| United Imaging | 38 |
| Aidoc | 31 |
| DeepHealth | 28 |
注意这说明了什么：AI 设备市场的赢家，是那些早就把扫描仪卖给你的公司，而不是 AI 原生的创业公司。
FDA 正在依据**质量管理体系法规（QMSR）**更新设备规则，让美国的监管与 ISO 13485:2016 对齐。对制造商来说这是合规流程的变化；对采购方来说，这是一个温和的信号：证据门槛正在通过质量体系被抬高，而不是通过许可通道本身。
不是"它拿到 FDA 许可了吗？"——超过 1,300 款设备都拿到了。要问的是走的是哪条通道、对照设备是什么，以及在与你相似的人群上是否存在前瞻性临床数据。 这三个问题能把真正帮得上忙的设备，和仅仅通过了许可的设备区分开。
各家预测集中在 2026 年医疗 AI 市场约 520 亿美元——一个真实且快速增长的数字，同时也比 2025 年前后流传的一些说法小了一个数量级。（本文更早的版本里带过一个被严重夸大的市场数字；它没有出处，已被删除。如果一项医疗 AI 统计数字无法追溯到具名来源和方法论，就不要转述它——包括来自我们的。）
75% 的医疗系统至少运行一个 AI 应用，与不到 20% 在核心临床诊断中达到可靠使用，这两者并不矛盾。多数部署属于行政类和影像分诊类，它们的失败模式是浪费一分钟，而不是漏掉一个诊断。
风险敞口在那些会影响临床决策、却没有人类同时查看同一份证据的设备上。43% 的 FDA 获批 AI 设备缺乏临床验证数据——这个数字对自主决策极其要紧，对重排一份工作列表则几乎无关紧要。
对每一件已部署的工具都问一句：如果它错了，谁会发现、什么时候发现？ 有同班次人工复核的工具，无论验证状态如何都属低风险。没有的那些，需要的正是 510(k) 通道当初没要求的那份证据。
来源: SQ Magazine healthcare AI statistics · TheAIDaily 75+ data points · Uvik 80+ key data points · About Chromebooks adoption tracker
最后更新：2026 年 7 月 29 日
OpenAI 的 Agents API 让持久化云端智能体更容易构建。本文解释真正改变了什么、哪些问题尚未验证，以及如何在可控边界内落地。
AI 如何重塑创意工作：86% 采纳率、平面设计岗位下降 17%、立下模板的音乐和解案，以及法院至今仍未裁定的部分。
2026 年数据：88% 的学生用生成式 AI，教师每周省下 5.9 小时——但只有 13% 的学校有正式 AI 政策。该怎么办。
2026 年监管全景：Digital Omnibus 把高风险义务推迟到 2027 年、欧盟新增两项禁令、GPAI 监督启动，以及美国的拼图式规则。
反欺诈准确率 90–99% 且快 300 倍，但超过一半的欺诈也用上了 AI。2026 年金融业的真实数据、监管动向与那个无人解决的不对称。
专家对2030年AI的预测。发现AGI时间表、社会影响、技术突破和领先AI研究人员的未来情景。
2026 年劳动力数据显示了什么：五个月内 87,714 起归因于 AI 的裁员、科技与金融每月减少 28,000 个岗位，以及真正重要的自动化分野。
定义 2026 年 AI 的八个趋势：估值竞赛、发布即退役的模型节奏、Sora 撤退、版权和解转为授权，以及监管刻意放慢的步调。
