文｜AIX財經(jīng)見習作者 雷晶

編輯 | 金玙璠

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

在2025年12月新版發(fā)布一個月后，其月活（MAU）達到3000萬，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，或許意味著AI在健康管理場景的應(yīng)用并非偽命題。

與此同時，其他大型科技公司也在醫(yī)療AI領(lǐng)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(yīng)用；京東健康推出AI健康智能體“康康”，串聯(lián)問診、檢測、購藥全流程。此外，字節(jié)跳動、百川智能、科大訊飛等公司也均在這一領(lǐng)域有所布局，市場對醫(yī)療AI的興趣正在回升。

回顧過往，互聯(lián)網(wǎng)大廠在醫(yī)療領(lǐng)域的探索，多以在線問診、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雜性，許多平臺未能建立起可持續(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，通過對接醫(yī)保支付、聯(lián)動線下醫(yī)療機構(gòu)等，試圖構(gòu)建“醫(yī)、藥、險、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，注定是一個長周期、高門檻的故事。

平臺派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(yè)認知與資源投入?；诓煌暮诵幕蚺c資源積累，主要互聯(lián)網(wǎng)公司的戰(zhàn)略路徑已分化為“橫向平臺化”與“縱向?qū)I(yè)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(tài)優(yōu)勢，覆蓋醫(yī)療健康服務(wù)的全流程。

其中，螞蟻集團的“阿?！?，其三個核心功能——健康陪伴、健康問答和健康服務(wù)，分別對應(yīng)了螞蟻整合智能設(shè)備數(shù)據(jù)、調(diào)用醫(yī)療知識庫與名醫(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。這使得阿福能實現(xiàn)從咨詢到掛號、支付、購藥的端到端服務(wù)體驗。

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)鍵場景的閉環(huán)能力。

京東健康是少數(shù)已實現(xiàn)穩(wěn)定盈利的平臺，不過其核心收入來源仍為醫(yī)藥零售，AI醫(yī)療服務(wù)是其提效的工具。它旗下的“康康”，依托京東集團的物流與供應(yīng)鏈體系，實現(xiàn)了AI問診、藥品即時配送與線下服務(wù)的深度綁定。其短板在于，技術(shù)探索相對聚焦于與零售協(xié)同的場景，在多模態(tài)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?qū)I(yè)化玩家包括字節(jié)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(yōu)勢。

字節(jié)跳動的“小荷AI醫(yī)生”，采取輕量化策略，嵌入抖音生態(tài)，通過用戶搜索疾病相關(guān)內(nèi)容進行導流。優(yōu)勢在于獲客成本低，但娛樂平臺屬性與嚴肅醫(yī)療需求之間存在隔閡，且未打通購藥、掛號等核心服務(wù)環(huán)節(jié)，流量轉(zhuǎn)化效率存疑。

科大訊飛的“智醫(yī)助理”，立足B端和G端，產(chǎn)品經(jīng)過大量基層醫(yī)療機構(gòu)驗證，臨床數(shù)據(jù)積累深厚。其C端產(chǎn)品“曉醫(yī)”體驗更偏向?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主打問診能力、治療方案建議等專業(yè)功能，并通過與衛(wèi)健委、醫(yī)院合作落地。其優(yōu)勢在于技術(shù)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(zhàn)，短期面臨盈利壓力。

平臺型玩家憑借生態(tài)優(yōu)勢追求服務(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。這場戰(zhàn)事不是簡單的技術(shù)競賽，任何單一維度的優(yōu)勢，都不足以在這個“慢行業(yè)”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(yè)具備高監(jiān)管、長周期、高投入特性，但它依然吸引了巨頭們的戰(zhàn)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(xù)增長。

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。我國醫(yī)療體系長期面臨資源分布不均、醫(yī)院負荷過載的挑戰(zhàn)。在這樣的背景下，AI的價值首先體現(xiàn)在對醫(yī)療工作流的提效上。例如，在真實、復雜的醫(yī)療流程中承擔標準化、重復性工作，釋放醫(yī)生精力。行業(yè)調(diào)研也印證了這一趨勢，有71%的中國臨床醫(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(zhuǎn)向高頻、主動的健康維護，為AI提供了更廣闊的應(yīng)用空間和用戶互動頻次。巨頭們的產(chǎn)品演進，反映出這一趨勢。

其次，場景價值與用戶粘性高。

醫(yī)療覆蓋場景多、鏈條長，那么AI在醫(yī)療場景中能帶來哪些增量呢？根據(jù)2025年頭豹研究院發(fā)布的《中國AI醫(yī)療行業(yè)白皮書》，當前AI+醫(yī)療的核心應(yīng)用場景集中在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)療器械賽道長期由傳統(tǒng)醫(yī)療企業(yè)主導，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、與用戶高頻互動的潛力，成為了互聯(lián)網(wǎng)大廠切入醫(yī)療AI的首選。

當前其C端免費模式僅是培育市場的第一步，但行業(yè)共識是，它是撬動健康保險、藥品研發(fā)、慢性病管理等產(chǎn)業(yè)鏈價值的入口?？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(fā)服務(wù)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(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、訊飛中標的相關(guān)國家級、省級醫(yī)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(guī)數(shù)據(jù)訓練的權(quán)限。

B端能帶來規(guī)?；杖?。能否進入并服務(wù)好大型醫(yī)院，尤其是百強三甲醫(yī)院，是檢驗醫(yī)療AI產(chǎn)品的標準。服務(wù)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(yè)的核心壁壘。

C端是沉淀個性化數(shù)據(jù)、完成服務(wù)閉環(huán)的入口。千萬級乃至億級用戶的日常健康咨詢與數(shù)據(jù)，并與G、B端能力結(jié)合，使得巨頭能夠為用戶提供從健康建議、就醫(yī)指導到醫(yī)保支付、藥品配送的完整閉環(huán)服務(wù)，體驗超過單一功能的應(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，更是未來醫(yī)療健康生態(tài)的“操作系統(tǒng)”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(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，無論是數(shù)據(jù)跨域流通的合規(guī)性，還是不同場景下技術(shù)能力的通用性，都是挑戰(zhàn)。

數(shù)據(jù)、成本與責任，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峻和基礎(chǔ)的制約。

首先是技術(shù)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(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(shù)據(jù)瓶頸。

醫(yī)療AI對訓練數(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、標準化與合規(guī)性。然而，大型科技公司的數(shù)據(jù)優(yōu)勢多集中在消費領(lǐng)域，核心、高質(zhì)量、標準化的醫(yī)療數(shù)據(jù)，仍主要沉淀在公立醫(yī)療機構(gòu)內(nèi)部，且受限于數(shù)據(jù)確權(quán)、隱私安全與共享機制，獲取難度大、成本高。數(shù)據(jù)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(yī)療AI，尤其是涉及影像、文本等多模態(tài)數(shù)據(jù)的模型，其訓練與推理需要巨大的計算資源支撐。為滿足醫(yī)院對數(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軟硬件一體解決方案的巨額投入與長期維護成本。

從市場落地來看，商業(yè)化路徑依然模糊。

基層醫(yī)療本是AI技術(shù)賦能的重要場景，但存在付費意愿低、AI服務(wù)未被納入醫(yī)保、產(chǎn)品同質(zhì)化嚴重等問題。大廠的流量優(yōu)勢在嚴謹?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，責任認定的模糊地帶是潛在的風險。

當發(fā)生醫(yī)療損害時，責任在醫(yī)療機構(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(yè)。

總的來看，數(shù)據(jù)、算力、商業(yè)化與責任風險這幾大挑戰(zhàn)，并非依靠單純的技術(shù)升級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(yōu)化。

因此，大廠的醫(yī)療AI之路，復雜性遠超一般的互聯(lián)網(wǎng)產(chǎn)品攻堅。它考驗的不僅是技術(shù)實力與財力，更是對醫(yī)療行業(yè)規(guī)律的理解以及戰(zhàn)略智慧。