处方外流遇上数据入表：互联网医疗的变现逻辑如何被重写-育师

当“药从哪里买”与“数据值多少钱”两个问题同时被政策松绑，互联网医疗平台的估值锚正在从“供应链效率”切换到“数据资产运营”。

一个反常识的观察

处方外流政策松绑，市场第一反应往往是“药店要笑了”；医疗数据要素入表试点启动，舆论焦点通常是“医院的数据资产要升值”。但把这两个政策信号放在一起看，真正被重写估值逻辑的，可能既不是开药房的，也不是开医院的，而是那些手里攥着“电子处方流转路径”和“患者健康数据资产”的平台型公司。

原因不复杂：处方外流解决的是“药从哪里买”的物理通道问题，数据要素入表解决的是“数据值多少钱”的会计确认问题。当这两个机制咬合，互联网医疗的商业模式就从“卖药的差价”切换到了“数据资产的运营”。

核心结论：角色升级，从“搬运工”到“加工厂”

处方外流政策松绑，打开了处方药从医院流向院外市场的物理通道；医疗数据要素入表试点，则给这条通道上的每一笔流转数据贴上了“可计价资产”的标签。两者叠加，互联网医疗平台的角色从“药品搬运工”升级为“医疗数据资产的加工厂和交易所”。

这个逻辑已经部分反映在头部公司的财务结构里。根据小K爱研究产业数据库的截面数据（2025财年）：

公司	营收（亿港元）	净利润（亿港元）	净利率
京东健康	813.11	69.18	8.5%
阿里健康	331.57	21.93	6.6%
平安好医生	60.54	4.82	8.0%

三家全部盈利。这在“互联网医疗常年亏损”的旧叙事里，本身就是个结构性信号——商业模式已经从“烧钱买流量”进入了“精细化运营变现”的阶段。

机制拆解：三个环节如何咬合

第一环：处方外流，把“流量”变成“留量”

过去互联网医疗平台最大的痛点是低频——用户头疼脑热才上来问一句，问完就走。处方外流政策松绑后，慢性病、常见病的复诊续方开始从医院流向院外，平台承接的不再是“一次性咨询”，而是“长期用药管理”。

这一变化直接改变两个指标：

用户粘性：从“月活”变成“日活”，复诊续方的周期性需求天然带来高频访问；
客单价：从“问诊费”变成“全年用药流水”，单用户价值量级跃升。

第二环：数据要素入表，把“留量”变成“资产”

当医疗数据被允许作为“数据资源”入表，平台积累的脱敏处方数据、用药依从性数据、疾病分布数据，就从“成本项”（存储和管理费用）变成了“资产项”（可计价、可质押、可交易）。

这一步的跳跃是革命性的：过去数据是合规风险的来源，现在数据是资产负债表上的资产。它改变了平台型公司最核心的资产结构——从“固定资产+库存”转向“数据资产+用户资产”。

第三环：AI放大数据的复用价值

数据入表只是第一步，真正让数据“值钱”的是复用。平台用积累的处方和疗效数据训练用药推荐模型、合理用药审核模型，再反哺给医生端和患者端，形成“数据—模型—服务—更多数据”的飞轮。

这解释了为什么三家头部公司都被归入“医疗AI/消费”环节——它们的竞争壁垒正在从“供应链效率”转向“数据飞轮效率”。

数据锚点：三家公司在同一逻辑下的不同身位

用数据库里的真值做个横向切片，能看出三家公司在这个新逻辑下的不同位置：

京东健康：体量龙头，估值最“克制”

营收813.11亿港元，是三家中的体量龙头，净利率8.5%居中。优势在于“医药电商”的供应链底盘——处方外流的药品履约能力最强，数据沉淀的规模基数也最大。PE(TTM)17.06倍，PS(TTM)1.45倍，在盈利兑现后估值倍数反而最克制，市场似乎还没把“数据资产溢价”完全计入。

阿里健康：净利率最低，但倍数更高

营收331.57亿港元，净利率6.6%三家最低，但背靠阿里生态的流量和支付闭环。PE(TTM)25.3倍、PS(TTM)1.63倍，市场给了它比京东健康更高的倍数，隐含的是对“阿里系数据协同”的期待——如果支付宝的医疗支付数据能和健康管理数据打通，数据资产的维度会更丰富。

平安好医生：体量最小，倍数最高

营收60.54亿港元，体量最小但净利率8.0%与京东健康接近。PE(TTM)33.42倍、PS(TTM)2.63倍，三家最高。背后的逻辑是“保险+医疗”的闭环——平安系的商保支付方身份，让它的数据不仅用于卖药，还能用于核保理赔和健康管理，数据资产的变现场景最直接。

一个值得注意的细节：三家公司的DCF内在价值在数据库里都标注为“N/A（多数未盈利）”，但截面数据其实显示三家都已盈利。这个“N/A”更合理的解读是——对这类尚在模式切换期的平台，自由现金流的预测不确定性太高，DCF模型反而失真，市场更愿意用PE+PS的组合来定价。

诚实B面：这个逻辑链条的三个裂缝

不提反方就是耍流氓。这个逻辑有三个明显的裂缝：

第一，数据入表的会计口径还在试点阶段。目前“数据资源入表”更多是政策鼓励方向，具体怎么计价、怎么摊销、怎么审计，会计准则还没给出可操作的细则。现在说“数据资产”能直接增厚利润表，为时过早。

第二，处方外流的“外”字有水分。政策松绑不等于医院真的愿意放——处方流转平台的建设进度、医保统筹账户在院外药店的打通程度，都决定了“外流”是纸面上的还是真金白银的。如果只是“院内处方在院外拿药”，平台赚的仍是物流和履约的钱，数据资产的想象空间要打折。

第三，净利率都在6%-8.5%之间，说明“卖药”仍是绝对主业，数据变现尚未在利润表上形成独立贡献。PE倍数里隐含的“数据资产溢价”，更多是预期定价，而非业绩定价。

研究框架：怎么看懂这场变局

对产业研究者而言，与其盯着“哪家公司会涨”，不如建立一套可复用的观察框架。三个维度：

维度一：从“卖药差价”到“数据资产”，估值锚在换。过去互联网医疗的估值锚是GMV和履约效率，未来要看数据资产的确认口径和计价方式。当“数据资源入表”从试点走向细则，资产负债表上会直接体现差异。

维度二：从“流量入口”到“数据入口”，壁垒在换。流量可以买，数据买不到。处方流转的独占性、用药数据的连续性、患者健康档案的完整性，构成了新的竞争壁垒。这解释了为什么平安好医生能拿到最高倍数——它的数据闭环最完整。

维度三：从“政策受益”到“政策依赖”，风险也在换。处方外流和数据入表都是政策驱动的，政策节奏直接决定商业节奏。这意味着这类公司的业绩波动会与政策周期高度相关，研究时要同步跟踪政策落地进度。

附：核心数据与计算（数据复现）

以下为本文核心数据的结构化输出，可直接复现：

# 小K爱研究产业数据库 · 互联网医疗板块截面数据（2025财年）# 数据源：公司财报 + 小K爱研究产业数据库（2026-07截面）companies={"京东健康":{"营收_亿港元":813.11,"净利_亿港元":69.18,"净利率":0.085,"PE_TTM":17.06,"PS_TTM":1.45},"阿里健康":{"营收_亿港元":331.57,"净利_亿港元":21.93,"净利率":0.066,"PE_TTM":25.30,"PS_TTM":1.63},"平安好医生":{"营收_亿港元":60.54,"净利_亿港元":4.82,"净利率":0.080,"PE_TTM":33.42,"PS_TTM":2.63},}print(f"{'公司':<8}{'营收(亿港元)':<14}{'净利(亿港元)':<14}{'净利率':<8}{'PE(TTM)':<10}{'PS(TTM)'}")print("-"*68)forname,dincompanies.items():print(f"{name:<10}{d['营收_亿港元']:<14.2f}{d['净利_亿港元']:<14.2f}"f"{d['净利率']:<8.2%}{d['PE_TTM']:<10.2f}{d['PS_TTM']:.2f}")# 验证：三家是否全部盈利all_profitable=all(d["净利_亿港元"]>0fordincompanies.values())print(f"\n三家全部盈利:{all_profitable}")# 净利率区间rates=[d["净利率"]fordincompanies.values()]print(f"净利率区间:{min(rates):.2%}~{max(rates):.2%}")

输出结果： 公司 营收(亿港元) 净利(亿港元) 净利率 PE(TTM) PS(TTM) ------------------------------------------------------------------------- 京东健康 813.11 69.18 8.50% 17.06 1.45 阿里健康 331.57 21.93 6.60% 25.30 1.63 平安好医生 60.54 4.82 8.00% 33.42 2.63 三家全部盈利: True 净利率区间: 6.60% ~ 8.50%