丁香園、微醫、醫聯，誰的AI牌最硬？

一輪輪的寒潮不斷將氣温拉低，2025年慢慢走進尾聲，此前傳出年內有望啟動IPO(首次公開募股)的兩家醫療科技企業——丁香園和醫聯，似乎凝滯了。

醫聯相關負責人對《財經》表示，目前沒有具體信息可以披露。丁香園未予迴應。

同賽道的微醫控股（下稱「微醫」）在9月底更新招股説明書，衝擊港交所，正在焦灼地等待結果。

互聯網賣藥越來越火熱，「互聯網醫療」卻還是在資本市場濺不起水花。微醫、丁香園、醫聯不約而同轉向了一個熱度更高的賽道——AI醫療。

「AI醫療的熱度，在項目路演現場就能感受到。」一位專注港股IPO業務人士介紹，像互聯網醫療企業，如果有一些創新的AI技術與業務融合，肯定是更投資人歡迎。

港股市場目前整體情況較好，IPO發行有很多是超額認購。冠上AI醫療概念的健康160、健康之路、方舟健客，近一年已陸續在港股掛牌上市。

微醫、微脈、鎂信健康等也紛紛向港交所遞表排隊中。這些互聯網醫療賽道曾經的戰友們，雖然主攻的方向已經截然不同，不約而同開始努力凸顯自己的AI實力，奔向香港。

借AI押注IPO

微醫，已經脱胎成一家AI醫療企業。

其招股説明書顯示，2025年上半年，公司實現營收30.8億元，其中AI醫療服務收入28.41億元，佔總收入比重超過九成。

丁香園就連新落成的總部大樓也被稱為「醫療大數據中心」。近期，其上線了臨牀決策AI工具ClinMaster，醫生只需要輸入臨牀問題，AI便能提供一個基於循證醫學的建議，每個建議都附有相關的研究文獻和最新的臨牀指南。此前，丁香園已上線了丁香AI助手、Clinflow等AI模型。

醫聯也押注醫療AI大模型，做醫生的助手，提供疾病診斷與治療建議。期望通過AI技術將專家醫生的服務規模化，覆蓋預防、診斷、治療、康復等環節。

這些企業強化AI標籤的背后，是一場不得不做的轉型。

1月，好大夫在線正式被螞蟻集團收購，似乎再次印證了行業魔咒，「互聯網醫療領域只有賣藥能掙錢」。

好大夫在線創始人王航，於2006年成立了這家互聯網醫療平臺，一度與微醫、丁香園、醫聯，並稱互聯網醫療四隻「獨角獸」。2013年起，互聯網醫療受資本追捧，這幾家陸續成為騰訊等一眾資本的標的。

「好大夫在線是唯一一家不從藥上掙錢的互聯網醫療公司，它們主要就是向患者提供醫療服務而收費。」一位原互聯網醫療企業人士告訴《財經》。

遺憾的是，王航的堅持並沒能帶着好大夫在線殺出一條路來，公司持續虧損，幾度裁員瘦身。

丁香園創始人李天天曾表示，上市是企業發展到一定階段的自然選擇，但並非唯一目標。

可現在，「面前就兩條路，要麼上市，要麼被大的機構財團收購。」上述原互聯網醫療企業人士認為，這幾家公司都面臨相同的情況，老闆想不想上市不重要，背后投資者這麼多的投入需要退出機制。

IPO似乎成為必須邁過的一道坎。2025年9月底，微醫更新了招股説明書，醫聯在2021年的IPO計劃折戟，丁香園也三次傳出IPO消息。

相比之下，以電商模式為引領的互聯網醫療成為唯一被驗證通路，京東健康、阿里健康、平安好醫生陸續上市，且成功扭虧為盈。

不過，「AI醫療的市場是熱度高，但投資人還是比較冷靜的，他們更關心企業的業務內核，一是否會受到醫療行業監管政策的影響，二是商業模式能不能快速鋪開，三是企業有沒有獨特性，比如建立自己的技術壁壘或者資源壁壘。」上述專注港股IPO業務的人士説。

走向不同的岔路口

雖然都加載了AI標籤，丁香園、微醫、醫聯已經轉向完全不同的方向。

丁香園直接轉型消費市場，選擇了已經被驗證過的成熟電商方向，打造了一條從內容引流，到健康諮詢服務，再到電商銷售的商業模式。

有趣的是，這個擁有最多醫生用户的平臺，賣一切和健康相關的產品，唯獨不賣藥。

截至2023年，丁香園擁有900余萬註冊專業用户，佔全國衞生技術人員的80%，其中包括405萬註冊醫師用户，佔全國執業醫師總數的92%。全域月活躍用户數610萬。

這些用户構成丁香園的基本盤，面向公眾做健康科普，以及面向醫生提供專業服務。

在原本的營收來源中，既有給醫生提升能力的職業培訓、科研工具等，也有向醫藥企業提供市場營銷、市場調研等服務。

一位知情人士向《財經》介紹，「丁香園能從醫院方面收費的業務基本上到天花板了，而且各類機構手上都沒錢，所以這塊增長不會太大。」

貼在丁香園辦公室牆上的企業願景，在2019年從 「健康更多，疾病更少」更新為「健康更多，生活更好」，丁香園將注意力轉向了C端用户的消費市場。

在丁當商城上，產品覆蓋從食品保健、書籍百貨到家用電器，唯獨沒有藥。多位業內人士表示，賣藥，丁香園是賣不過京東、阿里的，做這塊業務沒有必要。

手握龐大醫生資源的丁香園，沒有打通賣藥業務，也確實避開了中國醫療領域一直所詬病的「以藥養醫」的鏈條。

「老闆有一些自己的堅持，比如丁香園雖然賣保健品，但是必須符合循證醫學，也就是得有試驗數據支持其保健功效。」一位丁香園前員工告訴《財經》。

相比於丁香園繼續在線上業務做延伸，微醫則轉向了業務模式更「重」的線下方向。

其實在轉型的路上，微醫有諸多嘗試，但最先成熟的業務，還是線上線下醫療服務業務的延伸，依託健共體開展健康管理會員服務。

一向對政策風口敏感的微醫，抓住了近年來各地醫保改革需求的窗口，快速切入基層醫療的慢病管理賽道。

2022年，天津市着手搭建「健共體」，微醫天津人工智能總醫院作為牽頭醫院，通過AI技術賦能當地266家基層醫療機構和2000余個基層醫療服務站、衞生室，截至2025年6月30日，該服務已覆蓋約110萬名健康會員。

這些慢病患者的會員式服務收入，其實來自當地醫保部門對慢病患者按人頭打包支付的費用。只要能夠管理好這些慢病患者，讓健共體醫院有醫保結余，微醫就能盈利。

一方面，微醫將AI助手嵌入社區醫院的信息系統，為醫生提出診療建議，減少違規行為；另一方面派駐健康管理師到社區醫院，與AI協同承擔管理慢病患者的日常工作，比如定期隨訪、答疑解惑等。

診療效果與健康管理效果的提高，為基層醫療機構留下了更多的患者，數據顯示，2023年1月至2024年6月間，天津健共體合作的基層醫療機構中，門診人次增幅達23%至50%；醫保結算的結余逐步增長，全病種健康管理盈余率由2024年的3.3%提升至2025年上半年的6.1%。

醫聯也迴歸了最熟悉的技術領域，專注開發醫療大模型。醫聯創始人王仕鋭曾向《財經》介紹，這幾年公司的盈利，基本全部用於大模型開發上。

早在2017年，醫聯與IBM Woston等機構合作AI研發。但王仕鋭發現，上一代AI醫療模型的一個重要缺陷在於，AI不能識別自然語言，整個庫的應用，是建立在專業詞匯搜索的基礎上，一些項目無疾而終。而近幾年生成式大語言模型的出現，再次讓王仕鋭看到了機會。

目前，醫聯推出的MedGPT大模型，已經有保險公司、醫藥企業等付費購買，用於公司的患者管理。醫聯的角色也慢慢轉向軟件解決方案的服務商。

誰距離上市更近

這些IPO候選者要回答投資者的是，商業模式可跑通、能複製推廣、有護城河。

「互聯網醫療整體都比較難，丁香園可能相對好一點，因為現在它更偏消費市場，想象空間更大。」一位關注一級市場投資的醫療分析師表示。

2022年初，李天天在接受《經濟觀察報》採訪時曾透露，公司年利潤保持了40%-50%的增長，但業務模式尚未跑通。

內容引流，是目前丁香園做電商的最大特色。「第一階段的內容引流是依靠醫生的專業科普，但現在已經擺脫那個階段，丁香園正在打造一個更全面的IP矩陣，來支撐電商業務。」上述原互聯醫療人士説。

能否把科普內容引流到電商消費是關鍵。在過去幾年，互聯網大廠都想嘗試這個路徑，騰訊醫典、百度健康醫典、小荷醫典等層出不窮。「百度前期投入了上千萬元，最后都沒打通從科普內容引流到健康消費的模式。」一位原百度健康人士説。

微醫比丁香園更迫切的可能是盈利，據微醫最新招股書顯示，目前已經接近實現。

微醫的虧損率連年收窄，到2025年上半年虧損率收窄至4.2%。深度綁定基層醫療機構后，微醫的會員收入穩定並在快速增長。

2022年-2024年，微醫經營收入年均複合增長率超100%。2025年上半年，微醫營收30.8億元，同比增長69.4%，微醫的現金流首次轉正。

更長期的挑戰來自健共體模式的推廣。在整體政策利好下，微醫的AI健共體模式正向上海、杭州、重慶、南京、深圳、温州、銀川等多地複製鋪開。

「微醫的模式更依賴於和地方政府的合作，受政策影響比較大，需求存在變數。」上述專注港股IPO人士説。

同樣，醫聯也面對着一個未知何時能走通的商業模式。

王仕鋭考慮了兩個盈利的方向，一是向個人用戶收取會員付費服務，這也是目前國際上大模型的營收方式之一；另一個是繼續拓展現在已經有企業合作模式。

決定醫聯能否建立起技術壁壘的，一是算法，二是能否獲得優質醫療數據。

醫聯對自己的技術壁壘頗有信心。上述醫聯相關負責人對《財經》表示，MedGPT醫療大模型採用的是模擬人腦認知邏輯的三層架構，即「快系統（類比大腦皮層執行語義任務）+ 慢系統（類比前額葉深度推理）+ACC層（類比前扣帶皮層，調和快慢系統矛盾）」。

這三層架構為強耦合閉環，少一層即退化為普通模型。上述醫聯相關負責人説，競品想要復刻需重寫四大核心模塊（模型編排、任務路由、過程監督、安全策略），即使原本就有成熟大模型，也至少需要花費9個-12個月研發，再加6個-9個月調參，而且這條技術路徑不可壓縮、不可跳步，也無法「砸錢加速」。

另一方面，即便競品花費2年到3年時間完成了技術復刻，但醫學專家資源是無法複製的，「與專家之間的信任與合作關係，是團隊深耕互聯網醫療行業多年積累下來的」。上述醫聯相關負責人説。

王仕鋭更希望通過優化模型，降低對大數據的需求，「現在大量的臨牀數據其實是腰部質量的數據，對訓練容錯率低的醫療大模型來説，更重要的是頭部專家的診療數據。如何能夠用有限的頭部數據訓練出模型，更考驗算法的設計」。

然而，這類減少數據需求的「小模型」，對整個AI界來説仍是挑戰。

這些曾經是互聯網醫療風口中的明星企業，卻必須現在就能重新證明自己的能力。