AIX財(cái)經(jīng)（AIXcaijing）原創(chuàng)

見習(xí)作者 | 雷晶

編輯 | 金玙璠

2025年末，螞蟻集團(tuán)旗下AI健康應(yīng)用“阿?！蓖ㄟ^(guò)密集的線上線下廣告投放，獲得了市場(chǎng)關(guān)注，將醫(yī)療AI這一賽道再次推向臺(tái)前。

在2025年12月新版發(fā)布一個(gè)月后，其月活（MAU）達(dá)到3000萬(wàn)，并登頂App Store醫(yī)療類下載榜。這款定位為“AI健康朋友”的產(chǎn)品，其用戶的迅速增長(zhǎng)，或許意味著AI在健康管理場(chǎng)景的應(yīng)用并非偽命題。

與此同時(shí)，其他大型科技公司也在醫(yī)療AI領(lǐng)域動(dòng)作頻頻。

百度將百度AI健康管家升級(jí)為文心健康管家，并將入口從單一的搜索場(chǎng)景擴(kuò)展至多個(gè)應(yīng)用；京東健康推出AI健康智能體“康康”，串聯(lián)問(wèn)診、檢測(cè)、購(gòu)藥全流程。此外，字節(jié)跳動(dòng)、百川智能、科大訊飛等公司也均在這一領(lǐng)域有所布局，市場(chǎng)對(duì)醫(yī)療AI的興趣正在回升。

回顧過(guò)往，互聯(lián)網(wǎng)大廠在醫(yī)療領(lǐng)域的探索，多以在線問(wèn)診、醫(yī)藥電商為核心，本質(zhì)是流量變現(xiàn)邏輯的延伸。但由于醫(yī)療服務(wù)的專業(yè)壁壘和資源整合的復(fù)雜性，許多平臺(tái)未能建立起可持續(xù)的商業(yè)模式，逐步收縮了業(yè)務(wù)范圍。

當(dāng)前，大廠們以大模型技術(shù)為核心的新一輪布局，與此前顯示出一些本質(zhì)差異：參與者不再試圖取代醫(yī)院或醫(yī)生等專業(yè)醫(yī)療角色，而是明確了“輔助”與“賦能”的定位，戰(zhàn)略也從流量分發(fā)轉(zhuǎn)向生態(tài)整合，通過(guò)對(duì)接醫(yī)保支付、聯(lián)動(dòng)線下醫(yī)療機(jī)構(gòu)等，試圖構(gòu)建“醫(yī)、藥、險(xiǎn)、檢”一體化的服務(wù)。

然而，在技術(shù)光環(huán)之下，醫(yī)療AI的商業(yè)化路徑、數(shù)據(jù)質(zhì)量、責(zé)任界定等核心挑戰(zhàn)依然懸而未決。大廠們轟轟烈烈的醫(yī)療AI戰(zhàn)事，注定是一個(gè)長(zhǎng)周期、高門檻的故事。

平臺(tái)派VS專業(yè)派：大廠醫(yī)療AI的兩種打法

醫(yī)療服務(wù)是個(gè)很特殊的賽道，無(wú)法通過(guò)簡(jiǎn)單的線上連接來(lái)完成，它需要深度的行業(yè)認(rèn)知與資源投入。基于不同的核心基因與資源積累，主要互聯(lián)網(wǎng)公司的戰(zhàn)略路徑已分化為“橫向平臺(tái)化”與“縱向?qū)I(yè)化”兩類。

橫向平臺(tái)化玩家，包括螞蟻集團(tuán)、百度和京東健康。它們的核心目標(biāo)是利用既有生態(tài)優(yōu)勢(shì)，覆蓋醫(yī)療健康服務(wù)的全流程。

圖源 / 螞蟻集團(tuán)的“阿福”（左）、百度的“文心健康管家”（中）

其中，螞蟻集團(tuán)的“阿?！保淙齻€(gè)核心功能——健康陪伴、健康問(wèn)答和健康服務(wù)，分別對(duì)應(yīng)了螞蟻整合智能設(shè)備數(shù)據(jù)、調(diào)用醫(yī)療知識(shí)庫(kù)與名醫(yī)資源、以及打通支付寶醫(yī)保支付與好大夫在線醫(yī)生網(wǎng)絡(luò)的能力。這使得阿福能實(shí)現(xiàn)從咨詢到掛號(hào)、支付、購(gòu)藥的端到端服務(wù)體驗(yàn)。

然而，其商業(yè)模式仍處于探索期，健康管理的低頻屬性與追求高頻粘性之間存在一定矛盾，且作為長(zhǎng)期戰(zhàn)略投入，明確的盈利模型尚未形成。

百度的“文心健康管家”，依托搜索入口的流量與文心大模型技術(shù)，采用“AI+真人”雙保障模式提供服務(wù)。其挑戰(zhàn)在于，用戶心智短期內(nèi)仍停留在信息搜索，向深度服務(wù)轉(zhuǎn)化的難度大，且缺乏支付、電商等關(guān)鍵場(chǎng)景的閉環(huán)能力。

京東健康是少數(shù)已實(shí)現(xiàn)穩(wěn)定盈利的平臺(tái)，不過(guò)其核心收入來(lái)源仍為醫(yī)藥零售，AI醫(yī)療服務(wù)是其提效的工具。它旗下的“康康”，依托京東集團(tuán)的物流與供應(yīng)鏈體系，實(shí)現(xiàn)了AI問(wèn)診、藥品即時(shí)配送與線下服務(wù)的深度綁定。其短板在于，技術(shù)探索相對(duì)聚焦于與零售協(xié)同的場(chǎng)景，在多模態(tài)交互、復(fù)雜疾病輔助等前沿能力的投入上顯得謹(jǐn)慎；同時(shí)，C端流量高度依賴京東主站，獨(dú)立品牌心智的建立仍需時(shí)間。

另一類縱向?qū)I(yè)化玩家包括字節(jié)跳動(dòng)、科大訊飛、百川智能。它們放棄了全場(chǎng)景覆蓋的野心，試圖在特定場(chǎng)景建立優(yōu)勢(shì)。

圖源 / 字節(jié)跳動(dòng)的“小荷AI醫(yī)生”（左）、科大訊飛的“曉醫(yī)”（中

字節(jié)跳動(dòng)的“小荷AI醫(yī)生”，除獨(dú)立APP外，還以小程序的形式嵌入抖音生態(tài)，通過(guò)用戶搜索疾病相關(guān)內(nèi)容進(jìn)行導(dǎo)流。目前，其官方介紹和產(chǎn)品界面中推介的主要功能側(cè)重“健康咨詢”、“報(bào)告解讀”等醫(yī)療咨詢相關(guān)能力，未就購(gòu)藥服務(wù)設(shè)立獨(dú)立端口。

科大訊飛的“智醫(yī)助理”，立足B端和G端，產(chǎn)品經(jīng)過(guò)大量基層醫(yī)療機(jī)構(gòu)驗(yàn)證，臨床數(shù)據(jù)積累深厚。其C端產(chǎn)品“曉醫(yī)”體驗(yàn)更偏向?qū)I(yè)工具，用戶友好度與流量規(guī)模是主要短板。

作為“AI六小虎”中唯一All in醫(yī)療的玩家，百川智能聚焦臨床循證與科研支持，它的核心產(chǎn)品“百小應(yīng)”及近期發(fā)布的醫(yī)療大模型 Baichuan-M3主打問(wèn)診能力、治療方案建議等專業(yè)功能，并通過(guò)與衛(wèi)健委、醫(yī)院合作落地。其優(yōu)勢(shì)在于技術(shù)精度高，但面臨B/G端項(xiàng)目落地周期長(zhǎng)、缺乏C端流量與市場(chǎng)資源的挑戰(zhàn)，短期面臨盈利壓力。

平臺(tái)型玩家憑借生態(tài)優(yōu)勢(shì)追求服務(wù)閉環(huán)，但其醫(yī)療專業(yè)深度的構(gòu)建，以及低頻健康需求與互聯(lián)網(wǎng)高頻邏輯之間的調(diào)和，仍是待解難題。垂類玩家雖在專業(yè)或流量上有所側(cè)重，卻普遍受困于規(guī)模瓶頸或轉(zhuǎn)化效率。這場(chǎng)戰(zhàn)事不是簡(jiǎn)單的技術(shù)競(jìng)賽，任何單一維度的優(yōu)勢(shì)，都不足以在這個(gè)“慢行業(yè)”中輕易勝出。

為何成為大廠的必爭(zhēng)之地？

盡管當(dāng)前鏈接C端用戶的健康助手多采用免費(fèi)模式，直接盈利路徑模糊，且行業(yè)具備高監(jiān)管、長(zhǎng)周期、高投入特性，但它依然吸引了巨頭們的戰(zhàn)略級(jí)投入。它的吸引力主要源于以下三個(gè)層面。

首先，需求真實(shí)存在且在持續(xù)增長(zhǎng)。

一方面，優(yōu)質(zhì)醫(yī)療資源供需矛盾尖銳，AI成為系統(tǒng)性提效的關(guān)鍵工具。我國(guó)醫(yī)療體系長(zhǎng)期面臨資源分布不均、醫(yī)院負(fù)荷過(guò)載的挑戰(zhàn)。在這樣的背景下，AI的價(jià)值首先體現(xiàn)在對(duì)醫(yī)療工作流的提效上。例如，在真實(shí)、復(fù)雜的醫(yī)療流程中承擔(dān)標(biāo)準(zhǔn)化、重復(fù)性工作，釋放醫(yī)生精力。行業(yè)調(diào)研也印證了這一趨勢(shì)，有71%的中國(guó)臨床醫(yī)生開始依賴AI工具緩解工作壓力。

另一方面，健康管理需求崛起，AI應(yīng)用場(chǎng)景從“治病”延伸到“防病”。用戶需求已從低頻、被動(dòng)的疾病問(wèn)診，轉(zhuǎn)向高頻、主動(dòng)的健康維護(hù)，為AI提供了更廣闊的應(yīng)用空間和用戶互動(dòng)頻次。巨頭們的產(chǎn)品演進(jìn)，反映出這一趨勢(shì)。

其次，場(chǎng)景價(jià)值與用戶粘性高。

醫(yī)療覆蓋場(chǎng)景多、鏈條長(zhǎng)，那么AI在醫(yī)療場(chǎng)景中能帶來(lái)哪些增量呢？根據(jù)2025年頭豹研究院發(fā)布的《中國(guó)AI醫(yī)療行業(yè)白皮書》，當(dāng)前AI+醫(yī)療的核心應(yīng)用場(chǎng)景集中在AI醫(yī)療器械、AI醫(yī)療助手、AI制藥、AI健康管理與自動(dòng)化藥房五大板塊。其中，AI醫(yī)療助手與AI醫(yī)療器械落地最快，而醫(yī)療器械賽道長(zhǎng)期由傳統(tǒng)醫(yī)療企業(yè)主導(dǎo)，技術(shù)門檻與渠道壁壘較高，AI醫(yī)療助手則因較低的直接門檻、與用戶高頻互動(dòng)的潛力，成為了互聯(lián)網(wǎng)大廠切入醫(yī)療AI的首選。

圖源 / pexels

當(dāng)前其C端免費(fèi)模式僅是培育市場(chǎng)的第一步，但行業(yè)共識(shí)是，它是撬動(dòng)健康保險(xiǎn)、藥品研發(fā)、慢性病管理等產(chǎn)業(yè)鏈價(jià)值的入口?？梢赃@么理解，有了AI，企業(yè)“每年就賺的不再只是體檢費(fèi)的錢了，而是可以更多的去賺保險(xiǎn)控費(fèi)的錢，賺健康管理的錢，賺藥企研發(fā)服務(wù)的錢”。例如，通過(guò)健康管理降低保險(xiǎn)理賠率，與保險(xiǎn)公司分享利益；為藥企提供患者招募、用藥依從性管理等研發(fā)服務(wù)等。

最后，醫(yī)療是少數(shù)能深度串聯(lián)G（政府）、B（機(jī)構(gòu)）、C（用戶）三端的垂直領(lǐng)域。

G端能提供合規(guī)基礎(chǔ)與高質(zhì)量數(shù)據(jù)。如近期螞蟻、訊飛中標(biāo)的相關(guān)國(guó)家級(jí)、省級(jí)醫(yī)療AI平臺(tái)項(xiàng)目，其意義遠(yuǎn)不止于項(xiàng)目收入，更在于參與標(biāo)準(zhǔn)制定與獲取合規(guī)數(shù)據(jù)訓(xùn)練的權(quán)限。

B端能帶來(lái)規(guī)?；杖?。能否進(jìn)入并服務(wù)好大型醫(yī)院，尤其是百?gòu)?qiáng)三甲醫(yī)院，是檢驗(yàn)醫(yī)療AI產(chǎn)品的標(biāo)準(zhǔn)。服務(wù)B端的過(guò)程，本身就是對(duì)模型能力的打磨，由此形成的臨床理解和工程化交付能力，才是企業(yè)的核心壁壘。

C端是沉淀個(gè)性化數(shù)據(jù)、完成服務(wù)閉環(huán)的入口。千萬(wàn)級(jí)乃至億級(jí)用戶的日常健康咨詢與數(shù)據(jù)，并與G、B端能力結(jié)合，使得巨頭能夠?yàn)橛脩籼峁慕】到ㄗh、就醫(yī)指導(dǎo)到醫(yī)保支付、藥品配送的完整閉環(huán)服務(wù)，體驗(yàn)超過(guò)單一功能的應(yīng)用。

因此，大廠扎堆醫(yī)療AI助手，賭的不僅是健康咨詢工具的市場(chǎng)，更是未來(lái)醫(yī)療健康生態(tài)的“操作系統(tǒng)”級(jí)入口。然而，這條路徑的邏輯是否成立取決于：通過(guò)C端入口獲取的數(shù)據(jù)與流量，能夠反哺并提升B端與G端的服務(wù)能力與模型精度。目前，無(wú)論是數(shù)據(jù)跨域流通的合規(guī)性，還是不同場(chǎng)景下技術(shù)能力的通用性，都是挑戰(zhàn)。

數(shù)據(jù)、成本與責(zé)任，醫(yī)療AI的“三座大山”

在醫(yī)療AI的商業(yè)化道路上，決心遠(yuǎn)不足以掃清障礙。生命健康的特殊性，使得技術(shù)應(yīng)用面臨著一系列更為嚴(yán)峻和基礎(chǔ)的制約。

首先是技術(shù)可靠性。

在娛樂、聊天等場(chǎng)景中，模型偶爾的瞎編亂造或許可以被容忍，但在醫(yī)療行業(yè)，是可能直接威脅生命的安全隱患。這從根本上決定了當(dāng)前的AI醫(yī)療產(chǎn)品只能作為輔助工具。大廠需投入高昂的人力進(jìn)行校驗(yàn)與審核，這與AI提升效率的初衷相悖。

其次，AI幻覺背后是數(shù)據(jù)瓶頸。

醫(yī)療AI對(duì)訓(xùn)練數(shù)據(jù)的要求更為苛刻，不僅需要海量樣本，更追求高質(zhì)量、標(biāo)準(zhǔn)化與合規(guī)性。然而，大型科技公司的數(shù)據(jù)優(yōu)勢(shì)多集中在消費(fèi)領(lǐng)域，核心、高質(zhì)量、標(biāo)準(zhǔn)化的醫(yī)療數(shù)據(jù)，仍主要沉淀在公立醫(yī)療機(jī)構(gòu)內(nèi)部，且受限于數(shù)據(jù)確權(quán)、隱私安全與共享機(jī)制，獲取難度大、成本高。數(shù)據(jù)標(biāo)準(zhǔn)不一、格式混亂等問(wèn)題進(jìn)一步制約了模型訓(xùn)練的效果。

再者，這直接推高了算力成本。

醫(yī)療AI，尤其是涉及影像、文本等多模態(tài)數(shù)據(jù)的模型，其訓(xùn)練與推理需要巨大的計(jì)算資源支撐。為滿足醫(yī)院對(duì)數(shù)據(jù)安全的要求，私有化部署成為主流，這意味著廠商需承擔(dān)軟硬件一體解決方案的巨額投入與長(zhǎng)期維護(hù)成本。

圖源 / pexels

從市場(chǎng)落地來(lái)看，商業(yè)化路徑依然模糊。

基層醫(yī)療本是AI技術(shù)賦能的重要場(chǎng)景，但存在付費(fèi)意愿低、AI服務(wù)未被納入醫(yī)保、產(chǎn)品同質(zhì)化嚴(yán)重等問(wèn)題。大廠的流量?jī)?yōu)勢(shì)在嚴(yán)謹(jǐn)?shù)尼t(yī)療資源分配體系和薄弱的支付能力面前，轉(zhuǎn)化效果有限。

最后，責(zé)任認(rèn)定的模糊地帶是潛在的風(fēng)險(xiǎn)。

當(dāng)發(fā)生醫(yī)療損害時(shí)，責(zé)任在醫(yī)療機(jī)構(gòu)、醫(yī)生和AI提供商之間如何劃分，目前缺乏清晰的法律界定。對(duì)于用戶量級(jí)巨大的大廠而言，潛在的集體性追責(zé)風(fēng)險(xiǎn)與品牌聲譽(yù)危機(jī)遠(yuǎn)超其他行業(yè)。

總的來(lái)看，數(shù)據(jù)、算力、商業(yè)化與責(zé)任風(fēng)險(xiǎn)這幾大挑戰(zhàn)，并非依靠單純的技術(shù)升級(jí)或資本投入就能快速解決，而是根植于醫(yī)療行業(yè)的倫理規(guī)范、監(jiān)管體系與利益結(jié)構(gòu)之中。例如，責(zé)任認(rèn)定的模糊性，需要的是法律與倫理框架的完善，而非算法優(yōu)化。

因此，大廠的醫(yī)療AI之路，復(fù)雜性遠(yuǎn)超一般的互聯(lián)網(wǎng)產(chǎn)品攻堅(jiān)。它考驗(yàn)的不僅是技術(shù)實(shí)力與財(cái)力，更是對(duì)醫(yī)療行業(yè)規(guī)律的理解以及戰(zhàn)略智慧。

*題圖來(lái)源于pexels。