第02课：美国护理市场与AI投资逻辑（市场分析）

本课用可核查的公开数据勾勒市场，并解释：为什么医院愿意为「护理相关 AI」买单——便于你理解产品叙事、院内立项与职业机会。

1. 劳动力盘子：谁在干活？

美国护理人力有多层证书与角色，行业组织与联邦数据常合并统计 RN、LPN/LVN、APRN 等。AACN 等机构在 workforce 事实简报中曾给出总量数百万级的执业人口、并细分 RN / LPN / NP 等规模（各年修订，以下仅作量级感知）：

例：公开简报中可见「全美 RN + LPN/LVN + APRN 合计约 428 万（约 2026 口径）」「RN 约 328 万」等表述——务必下载 AACN 当期 PDF 核对。
HRSA 与各州数据用于看地理与专科分布，对理解「哪里更缺人、哪里更爱买调度/远程产品」有帮助。
AACN Nursing Workforce Fact Sheet：https://www.aacnnursing.org/news-data/fact-sheets/nursing-workforce-fact-sheet
HRSA 护理人力数据入口：https://data.hrsa.gov/topics/health-workforce/nursing-workforce-survey-data

心智模型：你不是「可被随便替换的螺丝钉」，而是医疗交付里最大块的人力模块之一——这决定了招聘、加班、agency 成本会长期出现在 CFO 表上。

美国劳工统计局（BLS）《职业展望手册》对 Registered Nurses 提供全国层面的工资中位数与增长预期。以下数字为手册公开过的典型口径（会随年度修订而变化），引用前请打开官网核对当前表。

指标（示例口径）	量级（请以 BLS 最新页为准）	来源
注册护士年薪中位数	约 9 万美元级/年（例如公开报道中曾见 93,600 美元等表述，对应 BLS 更新周期）	BLS Registered Nurses
十年就业增速	约快于全行业平均的个位数百分比（例如曾公布 2026–2034 约 5%）	同上
年均职位空缺	约十余万级/年（含离补与新设岗，例如曾见约 18.9 万量级）	同上

心智模型：工资高 ≠ 班上得轻松；高工资 + 高流动往往意味着隐性成本（招聘、培训、agency premium）在吞噬利润——这正是自动化文档、排班优化、虚拟坐席等赛道的商业逻辑。

「缺多少护士」取决于模型假设（老龄化、教育容量、地理分布、角色结构变化如 NP 增长等）。AACN 等机构持续发布短缺相关事实简报，常与教育席位、师资、临床实习资源挂钩。

心智模型：不要把「短缺」理解成「你一定能议价一切」，而要理解成——系统会同时尝试「多招人」与「少用人做非护理工作」，后者就是 AI/流程工程的采购动机。

从医院与护理管理者视角，预算通常问三个问题：

能否减少当班外的文书加班（pajama time）与倦怠？
文档负担与倦怠、离职关联在研究与行业媒体中被反复讨论；若 AI 能把口述→结构化笔记→EHR 草稿缩短时间，就有 ROI 叙事。
能否降低不良事件与再入院风险？
决策支持、早期预警、出院教育一致性——若能接上质控指标（如某些 readmission 相关 bundle），更容易进采购清单。
能否与现有 EHR 与工作流集成？
不能进工作流的「第二个 App」在美国大医院很难规模化——互操作性是产品生死线。

细分赛道（便于你做职业叙事）：ambient documentation（环境/语音文档）、护理调度与容量管理、患者沟通聊天机器人（非诊断型）、临床决策支持/预警、继续教育与模拟培训等。

信号	你可采取的动作
高流动 + 高招聘成本	学「如何度量文书节省的分钟数」——与护士长算得清账
HIPAA 极严	优先掌握去标识化与机构批准的 AI 工具，而不是「最聪明的模型」
APRN 供给结构变化	关注角色边界与州法；你的价值叙事可强调床旁协调+复杂照护
生成式 AI 热	区分研究演示与已签 BA 的医院级产品

官方统计与行业协会数字会年度修订。引用到简历、立项书或对外文章时，请标注数据年份与来源页面；本课不替代专业市场研报或投资建议。