大廠AI，激戰醫療

AIX財經（AIXcaijing）原創

見習作者 | 雷晶

編輯 | 金玙璠

2025年末，螞蟻集團旗下AI健康應用“阿福”通過密集的線上線下廣告投放，獲得了市場關注，將醫療AI這一賽道再次推向臺前。

在2025年12月新版發布一個月后，其月活（MAU）達到3000萬，并登頂App Store醫療類下載榜。這款定位為“AI健康朋友”的產品，其用戶的迅速增長，或許意味著AI在健康管理場景的應用并非偽命題。

與此同時，其他大型科技公司也在醫療AI領域動作頻頻。

百度將百度AI健康管家升級為文心健康管家，并將入口從單一的搜索場景擴展至多個應用；京東健康推出AI健康智能體“康康”，串聯問診、檢測、購藥全流程。此外，字節跳動、百川智能、科大訊飛等公司也均在這一領域有所布局，市場對醫療AI的興趣正在回升。

回顧過往，互聯網大廠在醫療領域的探索，多以在線問診、醫藥電商為核心，本質是流量變現邏輯的延伸。但由于醫療服務的專業壁壘和資源整合的復雜性，許多平臺未能建立起可持續的商業模式，逐步收縮了業務范圍。

當前，大廠們以大模型技術為核心的新一輪布局，與此前顯示出一些本質差異：參與者不再試圖取代醫院或醫生等專業醫療角色，而是明確了“輔助”與“賦能”的定位，戰略也從流量分發轉向生態整合，通過對接醫保支付、聯動線下醫療機構等，試圖構建“醫、藥、險、檢”一體化的服務。

然而，在技術光環之下，醫療AI的商業化路徑、數據質量、責任界定等核心挑戰依然懸而未決。大廠們轟轟烈烈的醫療AI戰事，注定是一個長周期、高門檻的故事。

平臺派VS專業派：大廠醫療AI的兩種打法

醫療服務是個很特殊的賽道，無法通過簡單的線上連接來完成，它需要深度的行業認知與資源投入。基于不同的核心基因與資源積累，主要互聯網公司的戰略路徑已分化為“橫向平臺化”與“縱向專業化”兩類。

橫向平臺化玩家，包括螞蟻集團、百度和京東健康。它們的核心目標是利用既有生態優勢，覆蓋醫療健康服務的全流程。

圖源 / 螞蟻集團的“阿福”（左）、百度的“文心健康管家”（中）

其中，螞蟻集團的“阿福”，其三個核心功能——健康陪伴、健康問答和健康服務，分別對應了螞蟻整合智能設備數據、調用醫療知識庫與名醫資源、以及打通支付寶醫保支付與好大夫在線醫生網絡的能力。這使得阿福能實現從咨詢到掛號、支付、購藥的端到端服務體驗。

然而，其商業模式仍處于探索期，健康管理的低頻屬性與追求高頻粘性之間存在一定矛盾，且作為長期戰略投入，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，采用“AI+真人”雙保障模式提供服務。其挑戰在于，用戶心智短期內仍停留在信息搜索，向深度服務轉化的難度大，且缺乏支付、電商等關鍵場景的閉環能力。

京東健康是少數已實現穩定盈利的平臺，不過其核心收入來源仍為醫藥零售，AI醫療服務是其提效的工具。它旗下的“康康”，依托京東集團的物流與供應鏈體系，實現了AI問診、藥品即時配送與線下服務的深度綁定。其短板在于，技術探索相對聚焦于與零售協同的場景，在多模態交互、復雜疾病輔助等前沿能力的投入上顯得謹慎；同時，C端流量高度依賴京東主站，獨立品牌心智的建立仍需時間。

另一類縱向專業化玩家包括字節跳動、科大訊飛、百川智能。它們放棄了全場景覆蓋的野心，試圖在特定場景建立優勢。

圖源 / 字節跳動的“小荷AI醫生”（左）、科大訊飛的“曉醫”（中

字節跳動的“小荷AI醫生”，除獨立APP外，還以小程序的形式嵌入抖音生態，通過用戶搜索疾病相關內容進行導流。目前，其官方介紹和產品界面中推介的主要功能側重“健康咨詢”、“報告解讀”等醫療咨詢相關能力，未就購藥服務設立獨立端口。

科大訊飛的“智醫助理”，立足B端和G端，產品經過大量基層醫療機構驗證，臨床數據積累深厚。其C端產品“曉醫”體驗更偏向專業工具，用戶友好度與流量規模是主要短板。

作為“AI六小虎”中唯一All in醫療的玩家，百川智能聚焦臨床循證與科研支持，它的核心產品“百小應”及近期發布的醫療大模型 Baichuan-M3主打問診能力、治療方案建議等專業功能，并通過與衛健委、醫院合作落地。其優勢在于技術精度高，但面臨B/G端項目落地周期長、缺乏C端流量與市場資源的挑戰，短期面臨盈利壓力。

平臺型玩家憑借生態優勢追求服務閉環，但其醫療專業深度的構建，以及低頻健康需求與互聯網高頻邏輯之間的調和，仍是待解難題。垂類玩家雖在專業或流量上有所側重，卻普遍受困于規模瓶頸或轉化效率。這場戰事不是簡單的技術競賽，任何單一維度的優勢，都不足以在這個“慢行業”中輕易勝出。

為何成為大廠的必爭之地？

盡管當前鏈接C端用戶的健康助手多采用免費模式，直接盈利路徑模糊，且行業具備高監管、長周期、高投入特性，但它依然吸引了巨頭們的戰略級投入。它的吸引力主要源于以下三個層面。

首先，需求真實存在且在持續增長。

一方面，優質醫療資源供需矛盾尖銳，AI成為系統性提效的關鍵工具。我國醫療體系長期面臨資源分布不均、醫院負荷過載的挑戰。在這樣的背景下，AI的價值首先體現在對醫療工作流的提效上。例如，在真實、復雜的醫療流程中承擔標準化、重復性工作，釋放醫生精力。行業調研也印證了這一趨勢，有71%的中國臨床醫生開始依賴AI工具緩解工作壓力。

另一方面，健康管理需求崛起，AI應用場景從“治病”延伸到“防病”。用戶需求已從低頻、被動的疾病問診，轉向高頻、主動的健康維護，為AI提供了更廣闊的應用空間和用戶互動頻次。巨頭們的產品演進，反映出這一趨勢。

其次，場景價值與用戶粘性高。

醫療覆蓋場景多、鏈條長，那么AI在醫療場景中能帶來哪些增量呢？根據2025年頭豹研究院發布的《中國AI醫療行業白皮書》，當前AI+醫療的核心應用場景集中在AI醫療器械、AI醫療助手、AI制藥、AI健康管理與自動化藥房五大板塊。其中，AI醫療助手與AI醫療器械落地最快，而醫療器械賽道長期由傳統醫療企業主導，技術門檻與渠道壁壘較高，AI醫療助手則因較低的直接門檻、與用戶高頻互動的潛力，成為了互聯網大廠切入醫療AI的首選。

圖源 / pexels

當前其C端免費模式僅是培育市場的第一步，但行業共識是，它是撬動健康保險、藥品研發、慢性病管理等產業鏈價值的入口。可以這么理解，有了AI，企業“每年就賺的不再只是體檢費的錢了，而是可以更多的去賺保險控費的錢，賺健康管理的錢，賺藥企研發服務的錢”。例如，通過健康管理降低保險理賠率，與保險公司分享利益；為藥企提供患者招募、用藥依從性管理等研發服務等。

最后，醫療是少數能深度串聯G（政府）、B（機構）、C（用戶）三端的垂直領域。

G端能提供合規基礎與高質量數據。如近期螞蟻、訊飛中標的相關國家級、省級醫療AI平臺項目，其意義遠不止于項目收入，更在于參與標準制定與獲取合規數據訓練的權限。

B端能帶來規模化收入。能否進入并服務好大型醫院，尤其是百強三甲醫院，是檢驗醫療AI產品的標準。服務B端的過程，本身就是對模型能力的打磨，由此形成的臨床理解和工程化交付能力，才是企業的核心壁壘。

C端是沉淀個性化數據、完成服務閉環的入口。千萬級乃至億級用戶的日常健康咨詢與數據，并與G、B端能力結合，使得巨頭能夠為用戶提供從健康建議、就醫指導到醫保支付、藥品配送的完整閉環服務，體驗超過單一功能的應用。

因此，大廠扎堆醫療AI助手，賭的不僅是健康咨詢工具的市場，更是未來醫療健康生態的“操作系統”級入口。然而，這條路徑的邏輯是否成立取決于：通過C端入口獲取的數據與流量，能夠反哺并提升B端與G端的服務能力與模型精度。目前，無論是數據跨域流通的合規性，還是不同場景下技術能力的通用性，都是挑戰。

數據、成本與責任，醫療AI的“三座大山”

在醫療AI的商業化道路上，決心遠不足以掃清障礙。生命健康的特殊性，使得技術應用面臨著一系列更為嚴峻和基礎的制約。

首先是技術可靠性。

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

其次，AI幻覺背后是數據瓶頸。

醫療AI對訓練數據的要求更為苛刻，不僅需要海量樣本，更追求高質量、標準化與合規性。然而，大型科技公司的數據優勢多集中在消費領域，核心、高質量、標準化的醫療數據，仍主要沉淀在公立醫療機構內部，且受限于數據確權、隱私安全與共享機制，獲取難度大、成本高。數據標準不一、格式混亂等問題進一步制約了模型訓練的效果。

再者，這直接推高了算力成本。

醫療AI，尤其是涉及影像、文本等多模態數據的模型，其訓練與推理需要巨大的計算資源支撐。為滿足醫院對數據安全的要求，私有化部署成為主流，這意味著廠商需承擔軟硬件一體解決方案的巨額投入與長期維護成本。

圖源 / pexels

從市場落地來看，商業化路徑依然模糊。

基層醫療本是AI技術賦能的重要場景，但存在付費意愿低、AI服務未被納入醫保、產品同質化嚴重等問題。大廠的流量優勢在嚴謹的醫療資源分配體系和薄弱的支付能力面前，轉化效果有限。

最后，責任認定的模糊地帶是潛在的風險。

當發生醫療損害時，責任在醫療機構、醫生和AI提供商之間如何劃分，目前缺乏清晰的法律界定。對于用戶量級巨大的大廠而言，潛在的集體性追責風險與品牌聲譽危機遠超其他行業。

總的來看，數據、算力、商業化與責任風險這幾大挑戰，并非依靠單純的技術升級或資本投入就能快速解決，而是根植于醫療行業的倫理規范、監管體系與利益結構之中。例如，責任認定的模糊性，需要的是法律與倫理框架的完善，而非算法優化。

因此，大廠的醫療AI之路，復雜性遠超一般的互聯網產品攻堅。它考驗的不僅是技術實力與財力，更是對醫療行業規律的理解以及戰略智慧。

*題圖來源于pexels。