英伟达与OpenAI的商业闭环，缺一个迈瑞医疗

2026年，全球科技巨头卷入了一场AI建设的军备竞赛。

硬件厂商加码扩产、AI大厂比拼参数、资本开支停不下来，据估算，亚马逊、谷歌、微软、Meta和甲骨文五家公司，2026年AI资本支出将逼近8050亿美元。

钱烧得前所未有的凶。芯片越做越快，模型越做越大，算力越堆越猛。但有一个问题却无法回避：

当所有人都在建设供给端，需求从哪里来？

1

AI价值从哪里来？

人类科技史上的每一次跃进，最终都指向同一件事——创造价值。

蒸汽机不是为了看蒸汽升腾，电力不是为了让灯泡发光，互联网不是为了让网线铺满地球……技术要落地，要进入具体场景，要为行业、企业和消费者创造实际价值。

AI同样如此，它的任务不是挑战技术极限，不是造出最“像人”的智能体，而是要落地到具体的场景中，把“能做”变成“在做”，把“在做”变成“价值”。

这个问题，关系到AI产业的钱，从哪里赚回来。

在AI当下的商业闭环里，有英伟达为代表的企业做硬件，有一众大大小小的OpenAI做模型，有大厂充裕的资本投入，供给端的引擎全速运转，唯独缺了一个环节：

场景打通，价值落地，让投入的资本，从真实应用中流回来。

没有落地场景的AI，就是无龙可屠的屠龙术。这就是为什么在AI的商业闭环中，缺少需求这最后一环的原因。

然而，AI要落地行业，不是随便找个场景就可以，在现阶段，并非所有行业，都适合成为AI落地的温床，它需要几个先决条件：

第一，它必须有实实在在对AI的需求。AI技术进去后，能解决真实且迫切的问题，不是形式主义的隔靴搔痒。

第二，它拥有密集、海量的业务数据。大模型要学习、要训练、要应用，没有海量高质量数据就是无米之炊。

第三，最好能有现成的场景入口和数据入口，比如通过硬件，让AI拥有通往物理世界的触角。

用这三条来作为筛选标准会发现：医疗器械行业，是AI落地浑然天成的选择。

医疗的需求几乎无需论证——医疗资源稀缺，优质资源分布不均是全球难题，医疗人员工作强度大、资深医生培养周期长，这些明确的痛点，都急需普适性的解决方案。

医疗的数据密集度，同样无需论证——呼吸机的参数、监护仪的波形、检验科的指标、超声的影像……每分钟都在生成数据，而且有结构、有标准、有因果关系。

最关键的是第三条，医疗器械行业以设备为产品，设备装在医院里，就是天然的场景入口和数据入口。只要设备在运转，数据就在生成，设备有多少，入口就有多大。

当行业逻辑成立，企业就是践行者。作为中国本土器械龙头，迈瑞医疗，正是那个先行者。

2

AI价值先行者

迈瑞的AI基因，不是从天上掉下来的，而是自己一层一层搭起来的。

它的第一层，是巨大的装机量。

作为全球领先的医疗器械供应商，想要精确统计现在到底有多少台迈瑞设备还在运行，已经是一件不可能完成的任务。

但在同业内，迈瑞拥有最全的产品线。其中9类产品市场占有率居中国第一，6类产品占有率居全球前三。它远销190多个国家及地区，覆盖了全球前100医院中的87家，以及美国Top30的医疗机构。

这数百万台存量设备，加上持续的增量装机，形成了迈瑞的硬件底盘。它的意义，并不限于过去卖了多少设备，更可以反映出真实场景下临床的深层次需求，还可以成为信息与数据的端口。

它的第二层，是从2020年就开始打造的“三瑞生态”。

在迈瑞最近几年的财报中，由瑞智生态、瑞检生态、瑞影生态组成“三瑞生态”始终是高频词。

将监护仪、麻醉机、呼吸机、输注泵连接起来，实现设备物联的瑞智生态，截止2026年一季度，在国内装机医院数量累计超1300家，其中80%以上为三级医院。

瑞检生态对应检验实验室管理，立足迈瑞丰富的医学检验产品体系，实现实验室精益化运营和全流程管理。截止2026年一季度，在国内装机医院数量累计近1250家，其中80%以上为三级医院。

瑞影生态对应影像互联，支持跨科室、跨院区、跨地域的远程指导、线上会诊、分院教学。截止2026年一季度，已经覆盖了全国31个省市自治区，以及若干国际区域，实现全球累计装机超27500套。

对于“三瑞”的坚定推动，是迈瑞的关键一跃，当装机量成为数据入口，数据不再以“孤岛”状态存放，转而成为了可以反复利用的资产，医院采买的设备，得以发挥出几倍甚至几十倍的效能。

它的第三层，是AI的落地。

2024年12月14日，迈瑞与腾讯联合发布启元重症医学大模型——全球首个临床落地的重症医疗大模型。

与普通疾病相比，重症的特点是病情危重、诊疗繁难。比如心脏移植术后何时撤走人工心肺机、比如脑出血患者为什么出现意识障碍、比如卵巢上的巧克力囊肿是否恶变成癌、比如子宫大体积肿瘤扩散后的减灭……

治疗类似重症，医院打的都是“与阎王抢人”的硬仗，因此也最需要医生的判断力，而而年轻医生跟专家的差距，很多时候就在这里——能不能对病情给出一锤定音的精准判断，能不能对治疗给出贴合临床实际的处置建议。

培养一个重症专家，医院通常提两个要求：建立重症思维、了解患者全貌。用专家的话说，叫“见得多、离得近”。

迈瑞做启元大模型，走的正是这条路。

“见得多”靠的是训练。迈瑞团队确定了一个原则：做少就是做多，做精就是做好。语料不在多，在精。只采用含有完整诊疗思维链的语料——针对明确的临床问题，包含复杂病情、完整患者数据、鉴别诊断过程、诊疗决策、干净干预结果。最终入选语料库的案例，只有1000多例。

这个“少即是多”的思路，与学术界的方向不谋而合。上海交大的LIMO模型，用817个高质量样本，达到了10万样本训练效果的7倍。而迈瑞团队用1000例高质量语料，在数据领域性能超越了ChatGPT的O1 preview。

“离得近”靠的则是应用。迈瑞用高质量数据为患者建立高清画像——全面真实的静态数据、排除信号污染、秒级连续波形数据、诊疗连续完整。然后用增强检索技术，让大模型在80k的患者数据中，快速定位到做决策所需的关键精准数据，压缩到8k以下输出结果。

在5秒内，启元可以完成病情回溯整合，提取关键指标，生成患者数字画像，深度融合重症思维，像真实的重症医生一样思考，预测病情趋势，提供治疗建议。

截止2026年一季度，瑞智重症决策辅助系统&启元重症医学大模型实现部署三甲医院39家，而诸如启元围术期大模型、启元超声AI大模型、启元检验大模型、启元设备管理大模型亦在多家三甲医院先行部署，预计2026年装机医院数量持续增加。

3

结语

如果说，迈瑞医疗的装机量是种子、数据是土壤，那么它的AI落地，就是等待蓬勃生长的庄稼。

就医疗器械行业而言，单纯卖设备的时代早已触顶，在经历了价格为王、渠道为王、产品为王的阶段后，AI成为了新一波增长点。

这一波趋势，迈瑞押注了长线——不是一两张报表数据的增减，而是下一个时代的入场券。

因此，回答我们开头的那个问题，在物理世界里，哪里找得到对AI的商业需求？

将迈瑞的模式蒸馏出来，可以发现它并不复杂：装机量（客户基础）+ 行业know-how + AI赋能 = 闭环。

装机量是物理世界的触角，是场景入口，是数据入口。行业know-how是理解数据、提炼需求的能力。AI赋能就是在这个基础上，把数据变成决策，把经验变成能力。

显然，这不是AI找场景，而是从场景出发长出AI。

对于还在持续火热的AI产业链而言，它的商业故事如果要继续，靠的不是继续大干快上基础设施，那是英伟达与OpenAI们的事情。

在它们的闭环里，真正缺少的，是一批像迈瑞医疗这样的企业，反过来，每个行业龙头，也都有机会成为这最后一环。