從人工智能的技術突破和應用價值兩維度分析，未來人工智能將會出現三個階段：
一階段： 未來3-5年的服務智能階段。機器始終作爲人的輔助;在應用層面，人工智能拓展、整合多個垂直行業應用，豐富實用場景。隨着數據和場景的增加，人工智能創造的價值呈現指數增長。
二階段：人工智能技術取得顯著突破，如自然語言處理技術可以即時完全理解類人對話，甚至預測出“潛臺詞”。在技術創新的領域，現有的應用向縱深拓展，價值創造限制在技術取得突破的領域。
三階段：人工智能的技術取得顯著突破，應用範圍顯著拓寬，人機完全共融，人工智能全面超越人類，無所不在，且顛覆各個行業和領域，價值創造極高。
到目前爲止，人工智能還停留在“第一階段”階段，主要應用是完成具體任務，例如“識別病竈醫學圖像並判斷是否是腫瘤”。現階段，人工智能將逐漸向“通用人工智能”過渡，應用於完成複雜任務，判斷並滿足用戶需求，如“識別醫學圖像，並快速診斷疾病(不限於腫瘤)”。
人工智能的應用將更加廣闊，例如綜合天氣、土壤變化數據和大宗商品交易行情，人工智能可以爲農業決策，選擇今年最有經濟效益的種植品種;或者，圖像識別技術突破後，機器人可以識別消費者微表情的變化，從而預測消費者的情緒。人工智能的應用將更有深度，產生新的社會、商業和個人生活模式，創造巨大的商業價值。人工智能的發展也將更爲融合：實現“感知/交互—正確理解—自主決策—自我學習”的實時循環;數據傳輸速度實現質的飛躍，雲端將無縫融合;介入式芯片等新的硬件形式將出現，甚至實現人機共融。
對人工智能而言，醫療領域一直被視爲一個很有前景的應用領域。基於人工智能的應用在未來數年內能夠爲千百萬人改進健康結果和生活質量，例如臨牀決策支持、病人監控、輔導、在外科手術或者病人看護中的自動化設備、醫療系統管理、慢病用藥和生活管理等。
(一)醫療機器人
機器人技術在醫療領域的應用並不少見，比如智能假肢、外骨骼和輔助設備等技術修復人類受損身體，醫療保健機器人輔助醫護人員的工作等 。目前實踐中的醫療機器人主要有兩種：
一是，能夠讀取人體神經信號的可穿戴型機器人，也成爲“智能外骨骼”;
二是，能夠承擔手術或醫療保健功能的機器人，以IBM開發的達·芬奇手術系統爲典型代表。
(二)智能藥物研發
智能藥物研發是指將人工智能中的深度學習技術應用於藥物研究，通過大數據分析等技術手段快速、準確地挖掘和篩選出合適的化合物或生物，達到縮短新藥研發週期、降低新藥研發成本、提高新藥研發成功率的目的。
人工智能通過計算機模擬，可以對藥物活性、安全性和副作用進行預測。藉助深度學習，人工智能已在心血管藥、抗腫瘤藥和常見傳染病治療藥等多領域取得了新突破。在抗擊埃博拉病毒中智能藥物研發也發揮了重要的作用。
(三)智能診療
智能診療就是將人工智能技術用於輔助診療中，讓計算機“學習”專家醫生的醫療知識，模擬醫生的思維和診斷推理，從而給出可靠診斷和治療方案。智能診療場景是人工智能在醫療領域最重要、也最核心的應用場景。
(四)智能影像識別
智能醫學影像是將人工智能技術應用在醫學影像的診斷上。人工智能在醫學影像應用主要分爲兩部分： 一是圖像識別，應用於感知環節，其主要目的是將影像進行分析，獲取一些有意義的信息;二是深度學習，應用於學習和分析環節，通過大量的影像數據和診斷數據，不斷對神經元網絡進行深度學習訓練，促使其掌握診斷能力。
(五)智能健康管理
智能健康管理是將人工智能技術應用到健康管理的具體場景中。目前主要集中在風險識別、虛擬護士、精神健康、在線問診、健康干預以及基於精準醫學的健康管理。
醫療AI泛指應用人工智能技術，包含但不限於智能傳感器、神經網絡芯片、開源開放平臺等技術應用於醫療健康領域。人工智能技術對算力、算法、數據提出了更高的要求，醫療領域具有大量的醫療數據，對更精準更高效的診療、操作存在現實需求，因而成爲AI技術落地的重要場景。廣義的智能化包含很多內容，這裏定義的醫療AI是真正具有自主學習能力可以有效進行深度拓展的項目和相關應用。
- 人工智能技術：包括硬件在算力的提升，深度學習算法的進化以及結構化數據帶來的資源配合。圖像識別技術的發展迅速，在醫療領域的落地應用最爲突出。
- 醫院、患者兩端：醫院端以醫院信息化爲載體，爲院內、院間的信息化系統賦能。患者端以輕問診和健康管理形態多見，解決健康數據的收集、分析、應用問題。
- 提升診療效率與精準度：無論是醫學圖像識別還是臨牀決策支持系統，抑或是輔助藥物挖掘，其最終的目的都是儘可能提升診療效率，減少誤診偏差提高診療精準度。
具體發展情況總結如下：
- 醫療健康行業供需失衡矛盾由來已久，醫療AI有望打破僵局
- 技術條件相對成熟、醫院信息化建設深入、居民健康意識提升成爲醫療AI發展的原動力
應用
- AI醫療影像是目前細分領域中最成熟的應用，在提升診療效率和準確率方面益處明顯
- 醫療AI在C端的應用集中在問診及健康管理兩大版塊中，智能化程度仍有很大進步空間
現狀
- 支付方缺乏付費動力，商業模式不清晰導致了目前醫療AI廠商並沒有實現贏利
- 同質化競爭嚴重，多種企業進入賽道，技術及渠道的整合正在進行
趨勢
- AI技術將被廣泛應用於醫療雲服務的場景當中，企業在應用層仍有機會
- 持續看好AI醫療影像及藥品挖掘兩個細分領域、研究將持續向更多病種展開、研究門檻逐步提升