2026全球医疗机器人行业发展蓝皮书：医疗AI与结构修复

以下 10 份报告建议优先精读；完整可下载报告和数据清单见文末折叠区。

1. 同一板块为何出现从负增长到两位数正增长的利润结论，引用时该以哪一口径为准？
2. 手术机器人与康复、护理机器人的放量，分别被哪些配置与收费政策约束？
3. 老龄化与慢病负担如何把医疗需求从院内推向长期、院外与家庭化管理？
4. ESG披露扩容为何首先表现为C级占比上升，估值重估会落在哪些细分领域？
5. 远程医疗与具身智能两条增长曲线，哪一种预测更依赖模型假设而非已披露数据？

拓端研究团队使用桌面研究与定量调查、定性分析相结合的方式，全面客观的剖析医疗行业发展的总体市场容量、产业链、经营特性、盈利能力和商业模式等。科学使用SCP模型、SWOT、PEST、 机器学习 、LLM等研究模型与方法综合分析医疗行业市场环境、产业政策、竞争格局、技术革新、市场风险、行业壁垒、机遇以及挑战等相关因素。根据医疗行业的发展轨迹及实践经验，精心研究编制《2026全球医疗机器人行业发展蓝皮书》，为企业、科研、投资机构等单位投资决策、战略规划、产业研究提供重要参考。

本报告数据来源主要是一手资料和二手资料相结合，我们建立了严格的数据清洗、加工和分析的内控体系，分析师采集信息后，严格按照公司评估方法论和信息规范的要求，并结合自身专业经验，对所获取的信息进行整理、筛选，最终通过综合统计、分析测算获得相关产业研究成果。

本报告包含完整数据图表和100份最新参考报告，完整数据报告请阅读原文链接获取。

国金证券研究所《医疗服务及消费医疗中报总结：板块步入结构性修复期，关注海外盈利拐点与存量提效机会》给出14家可比公司收入453.65亿元、归母净利同比增22%；平安证券研究所《医药行业医疗服务2026H1中报总结》给出医院类标的收入279.48亿元、归母净利同比下降18.63%。两个结论都成立，只是量的不是同一批公司。

一、核心结论：口径先对齐，再谈景气度

三份中报给出方向相反的利润结论，口径差异是本次分析的第一前提。

二、政策催化与放量前置条件

3645台配置规划与2026年1月收费立项，共同决定手术机器人装机节奏。

三、行业景气度基本面：营收微增、利润分化

板块毛利率38.03%、净利率7.62%，个股营收增速自+20.6%到-15.9%两极分布。

四、需求底座与支付梯度

老龄化把需求推向长期管理，卫生支出占GDP比重决定各市场天花板。

五、细分赛道：中东供给与资本市场定价

GCC五大集团营收合计7048百万欧元，ESG披露扩容使C级占比升至40.68%。

六、数智化：远程医疗与具身智能两条曲线

2030年远程医疗1450亿元、医疗机器人1262.5亿元，约束条件并不相同。

七、机器学习建模结果与 异常检测

六组模型的预测、聚类、迁移与异常评分结果，以及可被复核的口径冲突清单。

八、对比表、风险提示与行动清单

把读数差异、落地风险与三件可立即执行的事放在一起。

总结、图表索引、常见问题、关于分析师、参考报告目录

1.1 同一板块的三种利润结论

国金证券研究所《医疗服务及消费医疗中报总结》统计14家可比公司2026H1收入453.65亿元，营收同比增2%、归母净利同比增22%。湘财证券研究所《化学制剂&医疗服务2026H1业绩分析》按申万医药二级「医疗服务」口径给出营收增12.9%、归母净利增14.2%。平安证券研究所《医药行业医疗服务2026H1中报总结》按医院类标的给出营收仅增0.08%、归母净利同比下降18.63%。三份报告的样本范围、是否含医药外包资产、上年同期亏损基数各不相同，方向相反并不等于数据错误。（见 _图18｜三份中报口径分化_）

（见 _图18｜医疗行业_三份中报口径分化与板块结构性修复_信息图表18_）

图18｜医疗行业_三份中报口径分化与板块结构性修复_信息图表18

_图18｜医疗行业_三份中报口径分化与板块结构性修复_信息图表18_（步骤7）

把六个读数放在同一坐标里，最容易误读的是「板块景气度分歧」。实际发生的是统计口径差异：当样本包含高景气的医药外包资产时利润增速被抬升，当样本聚焦医院类标的时利润端仍在承压。产业资本在引用板块均值前，需要先确认这组均值由哪些公司构成。

（见 _图1｜医疗行业_三口径医疗服务板块增速对比_灰底比例条形图_图表1_）

图1｜医疗行业_三口径医疗服务板块增速对比_灰底比例条形图_图表1

_图1｜医疗行业_三口径医疗服务板块增速对比_灰底比例条形图_图表1_（步骤5）

解读：口径差异可在40个百分点以上，跨报告合并计算会制造不存在的波动。对应人群行动建议：战略与投研团队应把「样本范围、是否含外包资产、基期是否亏损」三项做成引用前的固定检查项。

1.2 核心判断

本次分析的核心判断有三条。第一，2026H1医疗服务板块处于结构性修复而非需求整体回暖，费用率下行是利润修复的主要来源。第二，数智化的放量节奏由配置证与收费立项决定，不由技术成熟度单独决定。第三，多数跨报告数值差异来自口径，模型外推值必须与已披露值分开标注。这三条贯穿后文全部章节。

2.1 配置证：3645台规划里乙类占约96.8%

《2026全球医疗机器人行业发展蓝皮书》梳理的全国大型医用设备配置规划为3645台，其中甲类117台、乙类3528台，腹腔内窥镜手术系统仍归乙类管理目录。政策同时把甲类单台（套）兜底价格限额由3000万元调增至5000万元，乙类由1000—3000万元调增至3000—5000万元。2026年1月国家医保局印发《手术与治疗辅助操作类医疗服务价格项目立项指南（试行）》，首次在全国层面建立手术机器人相关辅助操作的收费框架。

（见 _图22｜医疗行业_大型医用设备配置规划与手术机器人收费框架_信息图表22_）

图22｜医疗行业_大型医用设备配置规划与手术机器人收费框架_信息图表22

_图22｜医疗行业_大型医用设备配置规划与手术机器人收费框架_信息图表22_（步骤7）

这张左右对比信息图把「配置端」和「支付端」分开摆：左侧是数量与目录，右侧是价格限额与收费立项。中间那条红色箭头，正是从「能装机」到「能收费」的跨域连接。

（见 _图11｜医疗行业_大型医用设备配置规划数量_阴影条形图_图表11_）

图11｜医疗行业_大型医用设备配置规划数量_阴影条形图_图表11

_图11｜医疗行业_大型医用设备配置规划数量_阴影条形图_图表11_（步骤5）

解读：乙类占比接近全部规划量，意味着国产厂商的装机弹性主要落在乙类目录。对应人群行动建议：设备厂商与渠道方应以各省配置证发放进度和收费项目落地时间作为排产的季度触发条件。

2.2 政策不是唯一变量

需要同时看到，配置规划数量是上限而非出货量。平安证券研究所《医药行业医疗服务2026H1中报总结》显示医院类标的净利率仅7.62%，资本开支能力受限；因此装机节奏还取决于医院端现金流与收费项目实际执行口径。两条约束叠加，才构成完整的放量路径。

3.1 个股增速两极分布

湘财证券研究所《化学制剂&医疗服务2026H1业绩分析》梳理的重点公司营收增速，头部超过两成、尾部接近下滑16%，头部与尾部相差36.5个百分点。板块「结构性修复」的实质，是存量提效与个股分化，而不是需求端整体回暖。

（见 _图2｜医疗行业_重点医疗服务公司营收增速_横向比例条形图_图表2_）

图2｜医疗行业_重点医疗服务公司营收增速_横向比例条形图_图表2

_图2｜医疗行业_重点医疗服务公司营收增速_横向比例条形图_图表2_（步骤5）

把九家公司按增速排开，中间段集中在低个位数增长，正负两端各自成群。这种分布下，用板块均值描述景气度会同时高估承压公司与低估高增长公司。

3.2 费用结构是利润修复的关键

平安证券研究所《医药行业医疗服务2026H1中报总结》给出板块毛利率38.03%、净利率7.62%，两者相差30.41个百分点；销售、管理、财务、研发四项费用率合计约24.80%。管理费用率与销售费用率同比下降，说明降本已经见效，研发费用率同比提升则在短期内进一步压制利润。

（见 _图3｜医疗行业_医疗服务板块盈利质量指标_灰底比例条形图_图表3_）

_图3｜医疗行业_医疗服务板块盈利质量指标_灰底比例条形图_图表3_（步骤5）

解读：毛利率与净利率之间的巨大缺口，主要由费用结构而非成本端解释。对应人群行动建议：运营方应把管理费用率与销售费用率的季度变化作为利润修复的先行指标，而不是只跟踪收入增速。

4.1 老龄化改变的是需求形态

国信证券经济研究所《消费医疗：行业现状、海外经验与重点赛道分析》援引研究指出，我国成人高血压患病率自18—24岁4.0%升至75岁及以上58.9%，最高年龄段约为最低年龄段的14.7倍；截至2024年末65岁及以上人口2.20亿人、占总人口15.6%。老龄化不只是增加老年消费者数量，而是把需求从低频、单次、院内诊疗推向高频、长期、院外与家庭化管理。

（见 _图19｜医疗行业_消费需求底座与中东支付供给梯度_信息图表19_）

图19｜医疗行业_消费需求底座与中东支付供给梯度_信息图表19

_图19｜医疗行业_消费需求底座与中东支付供给梯度_信息图表19_（步骤7）

九宫格把年龄梯度、支付比重与中东供给规模放在同一视野中。这里的生活类比是：患病率随年龄抬升像给水管加压，支付能力则决定水管最终能铺多长；行业术语对应「卫生总支出占GDP比重」。

（见 _图5｜医疗行业_成人高血压患病率年龄分布_横向比例条形图_图表5_）

图5｜医疗行业_成人高血压患病率年龄分布_横向比例条形图_图表5

_图5｜医疗行业_成人高血压患病率年龄分布_横向比例条形图_图表5_（步骤5）

解读：年龄是慢病需求的第一驱动，但需求能否转化为收入取决于支付端。对应人群行动建议：连锁药房、家用器械与消费医疗三条线，应优先按年龄分层设计长期管理型产品，而非单次交易型产品。

4.2 支付能力决定天花板

同一指标放到统一量纲后可见明显梯度：据CMS National Health Expenditure，美国医疗卫生总支出占GDP比重由1970年6.9%升至2024年18.0%；据卫健委数据，中国2024年约6.7%；盈天国际给出沙特2022年约6.2%。美国当前水平约为中国的2.7倍，而中国接近美国1970年起点。四项数据年份与统计口径并不完全一致，此处用于量级对比而非精确逐年比较。

（见 _图6｜医疗行业_卫生支出占GDP比重国际对比_灰底比例条形图_图表6_）

图6｜医疗行业_卫生支出占GDP比重国际对比_灰底比例条形图_图表6

_图6｜医疗行业_卫生支出占GDP比重国际对比_灰底比例条形图_图表6_（步骤5）

5.1 中东供给端的一超多强

盈天国际《2026中东医疗行业市场研究报告》梳理的GCC五大医疗集团2023年营收合计7048百万欧元，首位约为末位的4.1倍。报告同时指出沙特私营部门医疗服务占比计划由40%提升至65%、医疗私有化PPP投资目标165亿美元。存量集团并购整合与外资新进入者将同时争夺增量份额，这是中资医疗企业出海中东时必须考量的竞争基线。

（见 _图4｜医疗行业_GCC五大医疗集团营收_圆环图_图表4_）

图4｜医疗行业_GCC五大医疗集团营收_圆环图_图表4

_图4｜医疗行业_GCC五大医疗集团营收_圆环图_图表4_（步骤5）

5.2 ESG披露扩容先暴露风险

头豹研究院《2026生命科学与资本市场探索深度报告》统计，2015年至2026年上半年境内上市公司A级企业占比由17.71%小幅降至15.73%，C级企业占比由2.48%大幅升至40.68%，上升38.20个百分点。报告给出的解释是，披露要求趋严、评价维度细化与数据可验证性增强后，过去被低披露水平掩盖的风险开始进入评级体系。披露率提升并不等同于ESG表现改善。

（见 _图7｜医疗行业_境内上市公司ESG评级分布变化_灰底比例条形图_图表7_）

图7｜医疗行业_境内上市公司ESG评级分布变化_灰底比例条形图_图表7

_图7｜医疗行业_境内上市公司ESG评级分布变化_灰底比例条形图_图表7_（步骤5）

进一步看细分板块，AAA级企业仍高度稀缺：境内医疗服务AAA占比3.9%，高于医疗制药2.5%与医疗器械1.5%；港股医疗制药AAA仅1.3%。医疗制药A级占比19.9%、B级占比达46.3%，医药商业C级占比50.0%，行业评级主体仍停留在基础披露阶段。

（见 _图8｜医疗行业_医疗细分板块AAA级企业占比_横向比例条形图_图表8_）

图8｜医疗行业_医疗细分板块AAA级企业占比_横向比例条形图_图表8

_图8｜医疗行业_医疗细分板块AAA级企业占比_横向比例条形图_图表8_（步骤5）

把评级分层与罗兰贝格、William Blair联合研究《Unlocking value in MedTech C(D)MOs》（2026-07）并列，可以看到另一条价值线索：MedTech C(D)MO的EBITDA利润率区间约7%至24%，MedTech整体市场预计年增7%，并购市场因供应商整合、供应链正常化与私募股权退出积压而重新开放。价值识别的重点在细分领域与头部企业，而非板块整体上移。

（见 _图20｜医疗行业_ESG披露扩容与MedTech价值重估_信息图表20_）

图20｜医疗行业_ESG披露扩容与MedTech价值重估_信息图表20

_图20｜医疗行业_ESG披露扩容与MedTech价值重估_信息图表20_（步骤7）

解读：披露强化首先提高的是风险识别效率，随后才是估值重估。对应人群行动建议：投前尽调应把治理整改与披露鉴证列为独立检查项，并对C级高占比细分板块设置单独的估值假设。

6.1 远程医疗进入放量期

华为技术有限公司与浙江大学医学院附属第二医院《2026破界与协同》白皮书援引国内数字医疗行业数据：2023年中国远程医疗市场规模已超445亿元，相比2019年约200亿元增长近120%；2030年相关市场或可取得1450亿元，2024—2030年复合增长率约14.7%。需求侧支撑来自慢病患者4.6—4.7亿人、相关费用占全部医疗开销70%以上，以及约70万医生缺口。需注明2030年数值为预测值。

（见 _图9｜医疗行业_中国远程医疗市场规模_阴影条形图_图表9_）

图9｜医疗行业_中国远程医疗市场规模_阴影条形图_图表9

_图9｜医疗行业_中国远程医疗市场规模_阴影条形图_图表9_（步骤5）

这张流程图式的中心辐射信息图，把规模、增速、全球口径、慢病负担与具身应用串成一条链路：需求压力先推动协同平台，再推动院内自动化。它替代了大段流程文字，也说明两条曲线共享同一需求底座。

（见 _图21｜医疗行业_AI协同远程医疗与具身智能渗透路径_信息图表21_）

图21｜医疗行业_AI协同远程医疗与具身智能渗透路径_信息图表21

_图21｜医疗行业_AI协同远程医疗与具身智能渗透路径_信息图表21_（步骤7）

6.2 具身智能打开五倍空间

易观分析《中国医疗行业具身应用分析报告2026》测算，2025年中国医疗机器人（具身应用）市场规模达230.1亿元，2025—2030年CAGR约40.5%，至2030年突破1262.5亿元。报告明确2026—2030年为预测值，本组图表中2026—2029年中间点亦为按首尾值与复合增长率推算的估算值，仅用于呈现增长路径，不作为引用依据。报告同时指出康复、护理、药房自动化渗透率不足1%，2027年后自主手术机器人、AI康复外骨骼与院内物流AGV三类产品有望共振。

（见 _图10｜医疗行业_中国医疗机器人市场规模预测_灰底比例条形图_图表10_）

图10｜医疗行业_中国医疗机器人市场规模预测_灰底比例条形图_图表10

_图10｜医疗行业_中国医疗机器人市场规模预测_灰底比例条形图_图表10_（步骤5）

解读：远程医疗的增长由支付与协同平台驱动，具身应用的增长由配置证、收费立项与渗透率跃升驱动，两条曲线不可合并外推。对应人群行动建议：产品规划应分别设置验证节点，前者看收费项目覆盖范围，后者看装机与渗透率。

7.1 预测与外推：先建模再出图

对易观分析给出的6点规模序列，分别拟合指数增长（log-linear OLS）与线性OLS，并用留一交叉验证在原始量纲回测：指数模型平均绝对误差0.01亿元，线性模型125.19亿元，指数模型胜出，据此外推2031—2033年。需要明确，2026—2029本就是按CAGR推算的几何序列，指数模型近乎完美拟合属构造性质，不等于真实市场已验证复合增长。

（见 _图12｜医疗行业_机器学习_医疗机器人市场规模指数模型外推_灰底比例条形图_图表12_）

图12｜医疗行业_机器学习_医疗机器人市场规模指数模型外推_灰底比例条形图_图表12

_图12｜医疗行业_机器学习_医疗机器人市场规模指数模型外推_灰底比例条形图_图表12_（步骤6）

把同一序列换成「历史增速外推与报告预测缺口」的模型，得到另一类结论：以2019—2023年复合增速约22.1%外推，2030年约1803.8亿元，而报告预测1450亿元对应隐含增速约18.4%，即报告值比历史趋势低约19.6%。这说明报告预测已隐含增速放缓假设。两处模型结果共同提示：预测值必须标注假设，不可当作已披露事实。

（见 _图17｜医疗行业_机器学习_远程医疗历史趋势外推与报告预测缺口_半圆面积比例图_图表17_）

图17｜医疗行业_机器学习_远程医疗历史趋势外推与报告预测缺口_半圆面积比例图_图表17

_图17｜医疗行业_机器学习_远程医疗历史趋势外推与报告预测缺口_半圆面积比例图_图表17_（步骤6）

7.2 聚类、迁移与异常评分

对湘财证券披露的9家公司营收增速构造「标准化增速＋绝对偏离度」二维特征，以固定随机种子、nstart=25跑K-Means（k=3），按簇中心重排为高增长、稳健、承压三簇，簇中心分别约19.0%、3.93%、-11.27%，规模4/2/3家。聚类是无监督分群，不构成投资评级。

（见 _图13｜医疗行业_机器学习_医疗服务公司营收增速KMeans三簇分层_横向比例条形图_图表13_）

图13｜医疗行业_机器学习_医疗服务公司营收增速KMeans三簇分层_横向比例条形图_图表13

_图13｜医疗行业_机器学习_医疗服务公司营收增速KMeans三簇分层_横向比例条形图_图表13_（步骤6）

以头豹研究院2015年与2026H1两期评级结构为端点，按年均变化率外推并作非负归一化，2030年A级/C级/其余预测为15.13%/52.31%/32.57%。该模型为两期线性外推，未考虑监管口径再次调整，属情景预测而非点估计。

（见 _图14｜医疗行业_机器学习_ESG评级结构2030迁移模型预测_圆环图_图表14_）

图14｜医疗行业_机器学习_ESG评级结构2030迁移模型预测_圆环图_图表14

_图14｜医疗行业_机器学习_ESG评级结构2030迁移模型预测_圆环图_图表14_（步骤6）

把步骤4的11组数据按量纲分为百分比、亿元、百万欧元、台四组，组内以MAD构造稳健z，阈值3.5，并自检异常点数严格小于总观测数。实测54个观测中仅3个越阈值：甲类设备配置数13.26分，以及两个高年龄段患病率3.83、3.60分。这些是政策分类与年龄非线性造成的结构差异，不是数据错误。单组序列均少于8点，故未使用Isolation Forest。

（见 _图15｜医疗行业_机器学习_MAD稳健z异常评分Top8_阴影条形图_图表15_）

图15｜医疗行业_机器学习_MAD稳健z异常评分Top8_阴影条形图_图表15

_图15｜医疗行业_机器学习_MAD稳健z异常评分Top8_阴影条形图_图表15_（步骤6）

跨报告冲突检测构造7组可比读数对，以相对差异＞20%为阈值，6组触发冲突，检出率85.7%；净利增速极差达40.63个百分点且方向相反。行动建议是：口径未对齐前不得合并计算板块均值。半圆环图展示的正是这一比例。

（见 _图16｜医疗行业_机器学习_跨报告口径冲突检出率_半圆环图_图表16_）

图16｜医疗行业_机器学习_跨报告口径冲突检出率_半圆环图_图表16

_图16｜医疗行业_机器学习_跨报告口径冲突检出率_半圆环图_图表16_（步骤6）

解读：六组模型输出可归纳为两句话——几何序列上的高分不等于泛化能力，跨报告的高冲突率说明口径治理优先于模型选择。对应人群行动建议：数据团队应把7列异常清单接入复核工单，每新增一个年度实际值即重跑回测并更新冠军模型。

8.1 同一主题的数据差异与原因分析

8.2 风险提示与具体应对方案

风险一：口径冲突。7组跨报告读数对中6组触发冲突，合并计算会制造不存在的板块波动。具体应对方案：建立「样本范围—基期—是否含外包资产」三项引用前检查表，冲突未消解前只并列呈现、不做加总。

风险二：预测值被当作已披露事实。医疗机器人2026—2029年中间点、远程医疗2030年数值均为推算或预测值。具体应对方案：所有图表与正文对预测值加注「预测／推算」，并保留原始首尾值与增速假设供复核。

风险三：模型自洽性被误读为泛化能力。指数模型留一回测误差极低，源于输入序列本身是按CAGR构造的几何序列。具体应对方案：每新增一个年度实际值即重跑回测；若误差优势转负，立即切换模型并重算外推区间。

风险四：政策落地节奏不确定。配置规划数量是上限而非出货量，收费项目落地还需地方执行口径配合。具体应对方案：以省级配置证发放与收费项目落地进度作为季度触发条件，动态调整排产与收入确认假设。

8.3 可落地的三件事

1. 本周内把三份中报的样本清单拉齐，逐家标注是否属于医院类标的、是否含医药外包资产，形成一页口径对照表，后续所有板块增速引用均以该表为准。
2. 为手术机器人与康复护理线各建一张季度跟踪表，左侧记录配置证发放与乙类目录调整，右侧记录收费项目落地与医院端净利率变化，任一条件未满足即不下修/上修装机假设。
3. 把7列异常清单接入数据复核工单，对甲类设备量级断层、两个高年龄段患病率断层逐项标注业务原因，并约定每新增一个年度实际值重跑一次留一回测。