6月30日，美国NIH Common Fund正式发布PRIMED-AI项目资助机会，聚焦临床影像与多模态数据的整合，目标是开发可靠、低成本的AI工具，提升慢性病等精准医疗效果。项目设置验证中心、物流中心、框架 playbook、多学科学术-产业合作（D2M-AIP）及模型转诊所（M2C）五类机会，申请截止时间集中在10月，单年资助规模约2500万美元，五年总投入预计超1.25亿美元。
这一动作标志着公共资金从通用大模型军备赛，转向医疗等高价值垂直场景的验证与部署。过去两年，OpenAI、Anthropic、Google等以通用能力竞赛为主，估值与算力投入动辄数百亿美元；相比之下，NIH强调第三方验证、不确定性量化、监管准备和真实患者结局，直接对标临床决策支持工具的落地瓶颈。
与大厂“模型即服务”路径不同，PRIMED-AI要求学术-产业预竞争合作与多模态数据本体构建，试图解决数据孤岛与模型幻觉问题。这与Palantir等企业级AI落地逻辑更接近，也预示政策杠杆正被用来降低垂直领域AI采用门槛。
未来6-12个月，类似政府引导的垂直项目是否会加速行业从“参数竞赛”转向“效果竞赛”？医疗监管路径是否会成为其他高风险领域（如金融、制造）的模板，仍值得持续跟踪。
信源：
https://commonfund.nih.gov/primed-ai/news/apply-nih-common-fund-primed-ai-funding-opportunities (2026-06-30)
https://simpler.grants.gov/opportunity/360c4588-1512-4fa4-9b61-52a3f1d6c368 (2026-06-30)