从人工智能的技术突破和应用价值两维度分析，未来人工智能将会出现三个阶段：
一阶段： 未来3-5年的服务智能阶段。机器始终作为人的辅助;在应用层面，人工智能拓展、整合多个垂直行业应用，丰富实用场景。随着数据和场景的增加，人工智能创造的价值呈现指数增长。
二阶段：人工智能技术取得显著突破，如自然语言处理技术可以即时完全理解类人对话，甚至预测出“潜台词”。在技术创新的领域，现有的应用向纵深拓展，价值创造限制在技术取得突破的领域。
三阶段：人工智能的技术取得显著突破，应用范围显著拓宽，人机完全共融，人工智能全面超越人类，无所不在，且颠覆各个行业和领域，价值创造极高。
到目前为止，人工智能还停留在“第一阶段”阶段，主要应用是完成具体任务，例如“识别病灶医学图像并判断是否是肿瘤”。现阶段，人工智能将逐渐向“通用人工智能”过渡，应用于完成复杂任务，判断并满足用户需求，如“识别医学图像，并快速诊断疾病(不限于肿瘤)”。
人工智能的应用将更加广阔，例如综合天气、土壤变化数据和大宗商品交易行情，人工智能可以为农业决策，选择今年最有经济效益的种植品种;或者，图像识别技术突破后，机器人可以识别消费者微表情的变化，从而预测消费者的情绪。人工智能的应用将更有深度，产生新的社会、商业和个人生活模式，创造巨大的商业价值。人工智能的发展也将更为融合：实现“感知/交互—正确理解—自主决策—自我学习”的实时循环;数据传输速度实现质的飞跃，云端将无缝融合;介入式芯片等新的硬件形式将出现，甚至实现人机共融。
对人工智能而言，医疗领域一直被视为一个很有前景的应用领域。基于人工智能的应用在未来数年内能够为千百万人改进健康结果和生活质量，例如临床决策支持、病人监控、辅导、在外科手术或者病人看护中的自动化设备、医疗系统管理、慢病用药和生活管理等。
(一)医疗机器人
机器人技术在医疗领域的应用并不少见，比如智能假肢、外骨骼和辅助设备等技术修复人类受损身体，医疗保健机器人辅助医护人员的工作等 。目前实践中的医疗机器人主要有两种：
一是，能够读取人体神经信号的可穿戴型机器人，也成为“智能外骨骼”;
二是，能够承担手术或医疗保健功能的机器人，以IBM开发的达·芬奇手术系统为典型代表。
(二)智能药物研发
智能药物研发是指将人工智能中的深度学习技术应用于药物研究，通过大数据分析等技术手段快速、准确地挖掘和筛选出合适的化合物或生物，达到缩短新药研发周期、降低新药研发成本、提高新药研发成功率的目的。
人工智能通过计算机模拟，可以对药物活性、安全性和副作用进行预测。借助深度学习，人工智能已在心血管药、抗肿瘤药和常见传染病治疗药等多领域取得了新突破。在抗击埃博拉病毒中智能药物研发也发挥了重要的作用。
(三)智能诊疗
智能诊疗就是将人工智能技术用于辅助诊疗中，让计算机“学习”专家医生的医疗知识，模拟医生的思维和诊断推理，从而给出可靠诊断和治疗方案。智能诊疗场景是人工智能在医疗领域最重要、也最核心的应用场景。
(四)智能影像识别
智能医学影像是将人工智能技术应用在医学影像的诊断上。人工智能在医学影像应用主要分为两部分： 一是图像识别，应用于感知环节，其主要目的是将影像进行分析，获取一些有意义的信息;二是深度学习，应用于学习和分析环节，通过大量的影像数据和诊断数据，不断对神经元网络进行深度学习训练，促使其掌握诊断能力。
(五)智能健康管理
智能健康管理是将人工智能技术应用到健康管理的具体场景中。目前主要集中在风险识别、虚拟护士、精神健康、在线问诊、健康干预以及基于精准医学的健康管理。
医疗AI泛指应用人工智能技术，包含但不限于智能传感器、神经网络芯片、开源开放平台等技术应用于医疗健康领域。人工智能技术对算力、算法、数据提出了更高的要求，医疗领域具有大量的医疗数据，对更精准更高效的诊疗、操作存在现实需求，因而成为AI技术落地的重要场景。广义的智能化包含很多内容，这里定义的医疗AI是真正具有自主学习能力可以有效进行深度拓展的项目和相关应用。
- 人工智能技术：包括硬件在算力的提升，深度学习算法的进化以及结构化数据带来的资源配合。图像识别技术的发展迅速，在医疗领域的落地应用最为突出。
- 医院、患者两端：医院端以医院信息化为载体，为院内、院间的信息化系统赋能。患者端以轻问诊和健康管理形态多见，解决健康数据的收集、分析、应用问题。
- 提升诊疗效率与精准度：无论是医学图像识别还是临床决策支持系统，抑或是辅助药物挖掘，其最终的目的都是尽可能提升诊疗效率，减少误诊偏差提高诊疗精准度。
具体发展情况总结如下：
- 医疗健康行业供需失衡矛盾由来已久，医疗AI有望打破僵局
- 技术条件相对成熟、医院信息化建设深入、居民健康意识提升成为医疗AI发展的原动力
应用
- AI医疗影像是目前细分领域中最成熟的应用，在提升诊疗效率和准确率方面益处明显
- 医疗AI在C端的应用集中在问诊及健康管理两大版块中，智能化程度仍有很大进步空间
现状
- 支付方缺乏付费动力，商业模式不清晰导致了目前医疗AI厂商并没有实现赢利
- 同质化竞争严重，多种企业进入赛道，技术及渠道的整合正在进行
趋势
- AI技术将被广泛应用于医疗云服务的场景当中，企业在应用层仍有机会
- 持续看好AI医疗影像及药品挖掘两个细分领域、研究将持续向更多病种展开、研究门檻逐步提升