3157億市場背后，AI醫療為何跑不通最后100米？

出品｜搜狐科技

作者｜常博碩

編輯| 楊 錦

隨著大語言模型能力不斷增強，“AI醫生”這一概念開始頻繁被大家提起。在AI醫療這條賽道上，國內外科技巨頭悉數入局。

國內，百川智能最近連發兩款醫療大模型，螞蟻、字節、訊飛等大廠也相繼上線AI健康醫療產品，而在國際舞臺上，OpenAI和谷歌等巨頭已將醫療診斷能力視為衡量其模型實力的試金石。

2026 年開年，OpenAI以1億美元收購AI醫療初創公司Torch，隨后推出ChatGPT Health咨詢入口。在ChatGPT超過8億用戶中，每天咨詢健康問題的用戶數超過4000萬。

醫療健康已然成為大模型最活躍也最具潛力的應用場景之一，行業希望通過提升診斷精度與速度、促進個性化治療、加速藥物研發以及降低醫療成本，從而緩解醫療資源分布不均的痛點。

然而，AI是否真的能減輕醫生的負擔、給患者提供真正的幫助？AI醫療如何落地、如何變現？AI醫療產品的商業化應該面向用戶、醫生，還是醫院、藥企、保險？

大廠紛紛入局，AI問診靠譜嗎？

根據弗若斯特沙利文預測，從2023年到2033年，中國AI醫療市場規模將從88億元飆升至3157億元，年復合增長率43.1%。

目前，醫療影像、輔助診斷、健康管理等領域大模型滲透率相對較高，但依然屬于市場早期階段。

從產品形態來看，目前國內頭部大廠的醫療AI嘗試多集中在C端，這些應用以“健康管家”或“健康助手”為定位，提供的服務多為健康科普、疾病咨詢、報告解讀、鏈接醫生線上問診等，如“訊飛曉醫”、螞蟻“阿福”，以及字節“小荷AI醫生”等。

和通用大語言模型相比，醫療大模型或智能體最大的區別在于處理復雜且高風險的醫學數據。

“醫療數據包括影像、基因、電子病歷、病理報告和生命體征等多個維度。高效融合這些多模態數據是醫療大模型的核心挑戰。”

有技術人員對搜狐科技表示：“比如在腫瘤的早期診斷中，基因數據提供分子信息，而電子病歷數據則涉及臨床表現。只有將這些數據通過AI模型進行深度融合，模型才能輸出準確、全面的診斷信息。”

在數據層面，大廠都有自己的“獨門秘籍”。2025年，螞蟻收購了好大夫。字節小荷健康也完成了對美中宜和婦兒等醫院的全資收購。這些動作，都旨在為模型提供獨家臨床訓練數據。

隨著大廠下場，C端健康大模型應用的競爭變得愈發激烈。

在所有大廠中，螞蟻是步伐最大的一家，其在去年6月推出AI健康應用AQ，半年后AQ品牌升級為“螞蟻阿福”。有報道稱，僅過去一個月，阿福在廣告投放上的投入就達到小幾億元規模。

也是通過瘋狂砸廣告，阿福上線后一個月MAU達到3000萬。螞蟻CEO韓歆毅透露，目前阿福的日均健康咨詢量已超過1000萬次。

前不久的溝通會上，王小川還吐槽阿福廣告“看吐了”，并稱螞蟻瘋狂挖角行業技術人員。

經過搜狐科技的實測，前文提到的三款應用都在慢性病診療及皮膚病的檢測和診斷效果上明顯優于其他疾病。但在解讀報告時，仍然存在幻覺的情況。比如上傳一份血液報告，模型偶爾會額外編造出CT檢測結果并以此給出建議。

巨頭們入局做AI醫療都有著相似的、天然的流量入口。而醫療，似乎也只是作為大廠們實現自己終極目標的其中一條道路。

有行業資深人士對搜狐科技表示：“螞蟻之意其實不在醫療行業，他們的最終目的還是讓更多人去使用支付寶這個產品，把支付和醫保打通。”

而商業化模式也是這些C端產品共同面臨的困境。由于醫療健康的特殊性，它很難簡單復制“先做規模、再談收費”的老路，信任、合規以及責任邊界問題，使得 AI 醫療的變現節奏注定更慢，也更謹慎。

清華智能產業研究院（AIR）執行院長劉洋曾對搜狐科技表示，用戶只有生病時才會想起這些應用，而目前它們大多只能提供健康建議。

還有醫療行業資深人士對搜狐科技表示：“這些產品在醫院沒有大規模應用的場景，因為醫院自己也在做了。”

在他看來，所有的智慧醫療最終都會走向“賣藥”這條路。“因為問診這條路，他們也是賺不出錢的。唯一能夠自供血的就是賣藥。”

比如在阿福中使用“拍藥品”功能時，就出現跳轉其他平臺便捷買藥的提示，可直接跳轉至淘寶閃購平臺進行購藥，同時還可授權使用支付寶查詢醫保。

搜狐科技對話的多名用戶中，大部分人認為，作為健康助手，通用模型已經足夠專業，并沒有必要去單獨下載一個醫療軟件。

玲玲（化名）是北京某互聯網大廠的一名員工，兩年前查出心臟預激綜合征，她表示：“目前AI只能用來輔佐我對醫生診斷的理解，比如我看不懂預激的心電圖到底有什么不一樣，但是AI直接給我解釋了。”

談及是否會用專門的醫療APP，她說：“通用模型已經可以解釋我的問題了，如果需要更專業的結果我會選擇直接去醫院。”

除了AI問答之外，目前螞蟻阿福、百度健康、平安好醫生已推出醫生線上問診功能，用戶支付問診費用后，即可線上請對應的醫生看診。

對于網上看病，玲玲表示，“我沒辦法確定對面是不是真人問診，感覺不太靠譜。”

也有用戶表示，自己經常在網絡問診各種AI醫生，往往收費越貴解答越詳細，但不能保證每次問題都得到很好的解答，比較下來還不如去趟醫院。

不過，有老年用戶對搜狐科技表示，在阿福出現后，自己去醫院的頻率明顯降低。“有些小毛病就先問阿福，只要和我的癥狀能對上，我就聽它的，不去醫院跑一趟了。”

B端AI醫療的落地困境

劉洋曾對搜狐科技表示：“傳統醫療行業依然存在供需缺口。從掛號到治病每一步都還存在難點。”

這樣的行業痛點和市場需求，讓AI醫療賽道持續火熱。除了大廠外，擁有先發優勢的“AI六小虎”之一百川智能再次被迫卷入競爭。

就在近日，繼醫療增強推理大模型Baichuan-M2-32B之后，百川又推出醫療大模型 Baichuan-M3 Plus。將幻覺率降低至2.6%，此外，百川推出“海納百川”計劃，面向所有服務醫務工作者的機構，免費開放M3 Plus的API形式，適用場景包括臨床輔助決策、醫學教育。

在商業模式上，百川走的是B端醫院定制路線，目前已經與北京兒童醫院簽署戰略合作協議，其聯合研發的AI兒科醫生已在疑難病例的頂級專家會診中正式上線。

同樣走B端路線的還有脫胎于清華大學智能產業研究院（AIR）的紫荊智康，它發布的智慧醫療系統Agent Hospital，核心是在計算機中搭建了一個“虛擬醫院”。在這里，所有的病人、護士和醫生角色都由大語言模型驅動的智能體扮演。

劉洋對搜狐科技表示：“目前醫療AI的一大挑戰在于難以實現AI與醫療流程的深度融合。”

在他的構想中，未來AI和醫生應該是共生的，在重要的環節AI可以給出建議，最后那個確認的按鈕還是要人來按。

如果C端產品是生態付費，那么B端醫療更多是面向醫院的定制付費。劉洋曾對搜狐科技表示，當前產品落地的最大挑戰就是數據不出院。理想情況下如果企業系統和醫院的系統直接對接，用戶體驗會很好，但這非常困難。

“在不出院的模式下，一種解決方式就是直接在醫院部署，但醫院得采購GPU服務把整個系統布起來，對醫院的要求很高。”

不僅如此，當前所有ToB產品幾乎都會遇到一個繞不開的對手——DeepSeek。目前國內已有近百家醫院部署了DeepSeek，應用場景覆蓋患者服務、科研、診療、辦公與管理等多個環節。

僅在北京市場，北京清華長庚醫院、北京友誼醫院、北大醫院等多家三甲醫院，已先后部署不同參數規模的DeepSeek 模型。

與此同時，醫療行業內對于引入AI仍然持審慎態度。今年1月，在香港舉辦的高山書院十周年論壇上，國家傳染病醫學中心（上海）主任張文宏教授就明確反對將AI系統性地引入醫院日常診療流程。

在他看來，AI 更適合承擔輔助性角色，如果一名醫生從實習階段起就高度依賴AI下結論，而缺乏完整的臨床思維訓練，未來將很難具備判斷AI診斷正誤的能力。

誰在提供產品，又是誰在買單？

一家為國內多家醫療機構提供大數據治理、人工智能與隱私計算服務的科技公司負責人王杰（化名）對搜狐科技表示：“現在花錢的醫院不多，很多醫院在觀望階段，一是錢的問題，二是大模型對于醫院來說不是最緊迫要解決的事。”

隨著DeepSeek爆火，不少廠商借勢推出了醫療大模型一體機。“一體機”通常提供存算一體服務，能夠將大語言模型（如DeepSeek）軟件、必要的算力硬件（如GPU服務器）、操作系統、安全模塊等集成在一個物理設備中。

這些大模型一體機價格不菲，通常在幾十萬元至數百萬元之間。

王杰表示，“如果要在院內做大規模訓練或多模態全流程處理，還需要更強的集群式算力，這對很多醫院都是挑戰。”

搜狐科技查詢政府中國政府采購網發現，近半年來，動輒投入數百萬元預算采購醫療大模型的大部分都為地方政府的采購項目。

如常州市第一人民醫院于2025上半年先后啟動兩項公開招標，采購AI醫療大模型平臺，整體預算接近1000萬人民幣。

河南省周口市衛健委也于2025年9月公開招標采購醫療大模型與國產算力服務，預算1970萬人民幣。

但搜狐科技走訪多家醫院發現，大部分北京三甲醫院對于通用大模型、醫療一體機仍持觀望態度。相比而言，醫院對于專科模型的推進反而更加迅速。

比如，中日友好醫院關于大模型的兩項招標分別為“中西醫結合通用數據平臺和研究路徑專病大模型項目”及“皮膚相關疾病大模型項目”，預算金額各為50萬元。專病大模型的主要需求是輔助醫生快速獲取知識點，實現專科專病文獻的大模型解析等。

多位大模型算法工程師都表示，影像醫學目前做的是最成熟的。“由于卷積神經網絡對于細節識別十分敏感，感知能力會遠超人類。醫療影像診斷又極依賴對low level feature（低級特征）的識別，所以深度學習和醫療影像診斷結合很契合。”

而現實生活中的醫生，是否真的因為AI的應用，減輕了工作壓力？

搜狐科技走訪國內多家三甲醫院，雖然很多家宣稱本地部署了大模型，但實際完全應用的屈指可數。

北京某三甲醫院醫生劉斌（化名）對搜狐科技表示，自己主要是用AI總結下工作日志，偶爾用來整理病歷。“看病開藥還是不用它，患者坐在我面前，我再去問它出方案開藥，這不現實。”

小天（化名）是中山大學孫逸仙紀念醫院一名影像科的醫生，該科室也是他們醫院AI應用最多的。“準確率還可以，主要是用來提高小病灶的檢出，具體的定性診斷更多依靠人工——就是醫生來判斷良惡性。”

談及目前AI的不足，小天認為：“AI有很多限制，比如大范圍的病灶它可能識別不出來，會誤判為正常，且目前AI能運用的器官也比較有限，比較成熟的就是肺結節、心腦血管這一塊。”

有了AI輔助診斷之后，小天并沒有感受到工作壓力有明顯減輕。對患者而言，也許除了診斷之外，醫生提供的還是一種情緒和心理安慰。

她表示：“患者自己問診更大的問題是專業術語的表達不到位以及缺乏檢查檢驗結果支撐，更多的是依靠患者的主觀感覺，這可能會加重一些患者的焦慮。”

運營編輯 |孟莎莎