深度分析丨武汉按Token,北京按数据集——医疗数据定价的第一道路口

2026年上半年，医疗数据定价出现了两条清晰的路线。

武汉。3月7日，东西湖区惠姓医院在汉数通平台购买了30例宫颈癌AI早筛报告。发票上的计价单位：Token。3600万Token对应30例诊断，单例约120万Token。

北京。7月，首都医科大学附属复兴医院的子宫内膜息肉专病数据集，取得北京国际大数据交易所数据产权登记证书——全市区属医院首张。同样在7月，烟台毓璜顶医院完成山东省首例公立医院数据资产入表：入表价值1158万元，场内交割20万元。

两条路线在同一个夏天平行推进。武汉在度量"模型消耗了多少计算"。北京在度量"数据集本身值多少钱"。同一个问题——医疗数据怎么标价——给出了两个截然不同的答案。

并不能简单的理解为定价路线之争。这是两种完全不同的资产类别，被"数据"这个词装进了同一个筐里。把它们分开，定价逻辑才能成立。

◇◇◇

一、武汉路线：把AI的诊断行为拆成Token，按消耗量结算

武汉模式的核心交易发生在汉数通平台——武汉数据集团承建的国家数据基础设施试点。交易三方：武汉兰丁智能医学（AI服务提供方）、惠姓医院（购买方）、汉数通（交易与计量平台）。

兰丁的资产底数：全球最大的宫颈细胞病理数据库，1400TB。精细标注细胞图像超10亿张。日检测能力5万例。全国累计1300万例宫颈癌筛查。模型"思邈"参数量15亿。累计Token消耗15.6万亿。2026年7月入选WAIC《中国智·惠世界》十大案例，落地16个国家，同时入选世界经济论坛全球AI标杆项目。

30例诊断的交易结构如下：医院上传数字化宫颈细胞样本 → 兰丁AI在几十秒内完成诊断并生成报告 → 汉数通记录Token消耗量并结算。3600万Token，单例约120万。

定价逻辑——武汉数据集团董事长桂玉平的原话："从人力、设备成本转向大数据规模、云平台效能与算力强度。"翻译：过去的医疗服务价格=f(医生时间, 设备折旧, 耗材)。现在兰丁的价格=f(数据规模, 模型精度, 算力消耗)。旧函数里，规模越大成本越高。新函数里，AI检测量越大，单位成本越低。

Token在这个模型里的角色：AI"劳动"的计时器。一次推理消耗的Token数，直接度量了模型为这一例诊断"思考"了多少步。Token消耗量可记录、可验证、可审计——汉数通平台负责这个事。

武汉路线的隐含假设：医疗AI服务的价值锚定在计算消耗上。数据不单独标价——数据的价值体现在模型精度里，已经被Token消耗量间接度量的推理成本覆盖了。

◇

二、北京路线：把临床数据打包成资产，按稀缺性和场景价值定价

北京模式的核心交易发生在北京国际大数据交易所。与武汉不同，这里交易的标的不是"AI诊断服务"，是"经过脱敏、清洗、标准化标注的临床数据集本身"。

三组案例构成了北京路线的坐标：

案例一：宣武医院颈动脉支架手术数据集。2024年12月，北京市首笔公立医院数据交易。2550条经匿名化处理的颈动脉支架手术数据，在北数所完成确权登记并交易。买方用于国产颈动脉支架产品的研发。宣武医院对数据集每周更新一次——传统数据资产更新周期通常长达一年。该交易获《商法》2025年度杰出交易大奖。

案例二：复兴医院子宫内膜息肉专病数据集。2026年7月获北数所数据产权登记证，全市区属医院首张。复兴医院宫腔镜诊治中心由我国宫腔镜奠基人夏恩兰教授创办，依托海量临床病例，经脱敏、清洗、标准化标注建成覆盖完整诊疗链条的高质量专病数据集。同期，北京市肛肠医院痔病种数据集也获颁证书。

案例三：邵逸夫医院54套数据集。2026年2月，邵逸夫医院在杭州数据交易所一次确权54套医疗数据集，刷新全国单次数据登记确权规模纪录。包括蔡秀军教授"AI分身"肝胆胰恶性肿瘤全景数据集（全国首个）、泌尿系统恶性肿瘤全景数据集（全国首个）、门诊全场景全流程智慧就诊数据集（全国首个）。"邵医模式"完成全链路闭环：合规确权→安全加工→可信流通→价值变现。数据在杭州城市可信数据空间邵医中心本地化部署，"原始数据不出域，数据可用不可见"。

案例四：毓璜顶医院数据资产入表。2026年7月，烟台毓璜顶医院完成山东省首例公立医院医疗数据资产确权确价入表。入表价值1158万元。依托国家健康医疗大数据中心（北方）平台，以20万元完成场内交割。

北京路线的定价支撑：北数所2025年9月发布的"医数估"医疗数据估值模型——多维度参数配置、量化评估因子与自动化估值逻辑。现场案例验证，模型估值结果与实际交易金额偏差小于3%。定价权重参考（国家数据局框架）：数据质量与准确性35%，应用场景与商业价值30%，数据稀缺性与独家性20%，确权与合规成本10%，供需市场情绪5%。

北京路线的隐含假设：临床数据集本身是独立资产，价值锚定在数据的稀缺性、完整性和应用场景的商业回报上。AI模型是买方的事——你拿数据去训练模型还是做真实世界研究，数据集的价格不应因此改变。

◇

三、同一个词——"数据"——指向了两种资产

武汉和北京在定价上分道扬镳，根源不在"定价方法不同"。根源在它们交易的标的属于两类资产，碰巧都被称为"医疗数据"。

武汉交易的资产：AI诊断能力。Token度量的是模型推理的计算消耗。兰丁的1400TB数据库和10亿张标注图像是"生产资料"——它们让AI诊断变得可能，但它们本身不直接出售。出售的是诊断服务，Token是诊断服务的计量单位。用经济学术语：兰丁卖的是服务流（service flow），不是资产存量（asset stock）。

北京交易的资产：临床数据本身。宣武医院的2550例颈动脉支架数据、复兴医院的子宫内膜息肉病例、邵逸夫医院的54套数据集——买方花钱购买的，是对这些数据的访问权和使用权。用这些数据做什么（训练模型、真实世界研究、器械研发），是买方的事。数据集是资产存量，交易的也是存量。

这个区分解释了一个看似矛盾的现象。

毓璜顶医院数据资产入表1158万元。场内交割价格：20万元。1158万和20万之间的差距高达58倍。如果这两个数字衡量的是同一件东西，这个差距说明定价彻底失败。但如果入表价值度量的是"数据资产的存量价值"（这个数据集在整个生命周期内可能产生的全部经济收益的折现），而交易价格度量的是"一次特定场景下的使用权让渡"——两者是不同的事。20万是一次交易的现金回报，1158万是会计上对未来收益的估计。差距大，说明两件事的度量尺子不同，不说明定价失败。

武汉和北京的分歧，是"服务流定价"和"资产存量定价"的分歧。Token适合前者。数据集挂牌适合后者。

◇

四、Token和数据集，各有一块最适合的土壤

Token计价在四个条件下最优：

第一，AI服务高度标准化。宫颈癌AI筛查——每一例诊断的流程、输入、输出高度一致。Token消耗量可预测、可比较。标准化程度越高，Token作为计价单位的公平性越强。

第二，单例价值低但总量巨大。宫颈癌筛查每年超1亿人次。单例诊断的Token消耗约120万，按目前市场Token价格估算，单例AI诊断费用远低于人工病理。Token计价的规模效应在这里充分释放——量越大，单位成本越低。

第三，数据是生产工具而非交易标的。兰丁的1400TB数据库是护城河，但兰丁不卖数据库——卖的是基于数据库训练出来的诊断能力。Token记录的是"能力的使用量"，不是"数据的转让量"。

第四，需要实时结算和动态计量。AI诊断是连续服务流，不是一次性交付。Token天然适合持续计量——每次推理消耗的Token量自动记录、自动结算。

专病数据集挂牌交易在另外四个条件下最优：

第一，数据稀缺且不可替代。宣武医院的2550例颈动脉支架手术数据——中国神经介入领域的标杆医院，凌锋教授团队数十年的积累。复兴医院的子宫内膜息肉数据——夏恩兰教授创办的宫腔镜中心。这些数据的价值在"只有这家医院有这个深度和厚度"。Token逻辑在这里失效——稀缺数据的价格不应由"计算消耗"决定，应由"可替代性"决定。

第二，应用场景多元且不可预知。一组高质量的颈动脉支架数据集，买方可能用于：国产支架研发、AI手术规划模型训练、真实世界研究、医保准入证据、临床指南修订。同一个数据集，五个场景，五个价值。Token消耗量一样（模型训练的计算量），场景价值迥异。数据集挂牌允许买方根据自身应用场景出价，Token统一定价抹平了这种差异。

第三，数据可以脱敏为独立产品。临床数据集经匿名化、清洗、标准化标注后，可以脱离医院环境独立存在和使用。这是数据集成为可交易资产的技术前提。

第四，卖方有持续更新和维护的能力。宣武医院对颈动脉支架数据集每周更新——从静态资产变成动态资产。毓璜顶医院将交易收益20万元全部反哺数据治理能力升级——资产越用越厚。持续更新使数据集从"一次交易"变成"持续价值"。

◇

五、绝大多数医疗数据落在两条路线之间——这里目前没有定价机制

武汉和北京各自跑通了极端情形。武汉的Token路线对应一个极端：高度标准化的AI诊断服务，数据不单独出售。北京的专病数据集路线对应另一个极端：高度稀缺的临床数据资产，AI服务不是交易标的。

两个极端之间，是大片定价真空。

一家普通三甲医院的影像数据：不够稀缺（很多医院都有），不够标准化（设备型号、扫描参数、标注质量参差），但又确实有使用价值（AI训练、科研）。这类数据的定价，Token模型不用——没有标准化的AI诊断服务作为载体；数据集模型用不上——稀缺性不够，无法支撑独立挂牌。

一家县级医院的电子病历数据：数据量大、覆盖病种广、真实世界属性强。但数据质量方差极大，数字化程度低，标注缺失严重。Token模型不适用——没有AI服务载体。数据集模型也不适用——数据治理成本可能超过交易价格。

定价真空的后果：这部分数据的供给方（医院）没有动力投入治理和流通。需求方（药企、AI公司）找不到合规、标准化的购买渠道。真空地带的数据量，占中国医疗数据的绝大多数。

国家数据局2026年7月印发的《数据产权登记工作指引（试行）》在解决这个问题——登记是定价的前提。但登记之后的定价，目前不在指引的范围内。指引给了数据"身份证"，没给"价签"。

◇

六、两条路线不会合并——会分层

预判一：专病数据集交易将从"顶级医院标杆案例"扩散到"省级头部医院"，但全国三甲医院的覆盖率在2029年前不会超过10%。

逻辑链：宣武、复兴、邵逸夫、毓璜顶——这四家案例的共同点：每家都有一个全国领先的专病中心或学科带头人。数据集的核心价值锚在人（学科带头人的临床经验）和数据（数十年积累的病例厚度）的组合上。这种组合的稀缺性决定了专病数据集交易的扩散极慢——大多数三甲医院没有这个厚度。省级头部三甲（各省排名前五）有这个厚度。普通三甲很难支撑独立专病数据集挂牌——数据量够但独特性不够。

预判二：中间地带的定价真空将由"数据加工服务费"填补，而非Token或数据集挂牌。

逻辑链：普通三甲医院的数据价值不够独立挂牌，但有训练AI的价值。最可能的商业模式：数据加工服务商（如联仁健康、德适生物）进驻医院做数据治理和标注→加工后的数据集由服务商挂牌交易→医院按贡献获得收益分成。实质是"医院贡献原始数据+服务商贡献加工能力→联合产出可交易数据产品"。定价锚在服务商的加工成本和服务费上，不在原始数据的稀缺性上。

◇

结尾：定价的分层，资产的分层

武汉和北京把"医疗数据"这个笼统的概念拆开了。

以前，药企、AI公司、保险公司都说"需要医疗数据"。这个词包罗万象——AI诊断服务、病理切片、手术录像、电子病历、基因序列、保险理赔记录——全是"医疗数据"。用一个词指代完全不同的资产类别，定价无从开始。

现在，两条跑通的路线给出了坐标系。横轴：标准化程度——从完全标准化的AI筛查服务到高度特异的专病数据集。纵轴：交易标的——从服务流（Token度量）到资产存量（数据集挂牌）。

落在坐标系不同位置的数据，适用不同的定价机制：

高度标准化 × 服务流 → Token计价（如兰丁宫颈癌AI筛查）

高度标准化 × 资产存量 → 按数据集质量分层定价（如影像AI训练集）——目前空白

高度特异 × 服务流 → 按临床价值分层Token计价——目前仅有理论

高度特异 × 资产存量 → 专病数据集挂牌（如宣武颈动脉支架、复兴子宫内膜息肉）

四个象限，两个跑通了，两个空白。空白的两个恰好是市场规模最大的部分。

一个边界条件：如果国家数据局在2027年底前推出"医疗数据分级定价指引"，明确不同类别数据的定价方法和参考区间，本文描绘的分层框架将被政策工具填充。如果届时没有这样的指引，"两条路线各跑各的"将持续，定价真空地带持续扩大，市场参与者各自摸索规则——效率损失在真空地带不断累积。

当前，武汉和北京把两端标出来了。中间的路线，市场在等政策，政策在等更多跑通的案例。

◇◇◇

参考文献

1. 武汉数据集团，"武汉开出AI数据交易'第一票'", 武汉市国资委官网，2026年5月18日

2. 兰丁智能医学，"落地16国、日查5万例，入选WAIC十大案例", 湖北日报，2026年7月19日

3. 首都医科大学宣武医院，"北京市首笔公立医院数据交易完成", 2024年12月

4. 北京市人民政府，"西城区两家医院专病数据集获北数所数据产权登记证", 2026年7月8日

5. 浙大邵逸夫医院，"54套数据集确权+可信数据空间上线", 杭州数据交易所，2026年2月27日

6. 烟台毓璜顶医院，"山东省首例公立医院医疗数据资产确权确价入表1158万元", 烟台日报，2026年7月18日

7. 北京国际大数据交易所，"医数估医疗数据估值模型发布", 2025年9月25日

8. 国家数据局，《数据产权登记工作指引（试行）》，2026年7月

9. 国家医保局，《病理类医疗服务价格项目立项指南（试行）》，2025年12月

10. 国家数据局，"汉数通数据服务中心启动运营", 国家数据局官网，2026年6月17日

11. 杭州数据交易所，"邵医模式：医疗数据要素流通全链路闭环", 2026年2月12. 北数所/一脉阳光，CT胸部病变数据集交易成本结构，2025年9月

📌 往期深度分析