醫療大模型不止於對話！互聯網大廠搶灘核心工作流，誰在逼近真正的商業閉環？|AI重塑醫療

財聯社4月18日訊（記者 王俊仙 盧阿峰）今年以來，圍繞醫療大模型及其應用的競爭迅速升溫，頭部企業動作密集。京東健康（06618.HK）推出「京東知醫」「京東卓醫2.0」，螞蟻集團旗下螞蟻阿福因「紅包大戰」而被廣泛知曉，百度（09888.HK）旗下百度健康發佈「有醫助理」，訊飛醫療（02506.HK）發佈星火醫療大模型X2並向基層與院內滲透。

財聯社記者多方採訪獲悉，當前醫療大模型已跨過早期的可用性驗證階段，正進入深水區，全面轉向真實醫療工作流的「場景嵌入」。不過，數據壁壘、流程約束、責任邊界與支付機制等多重因素，顯著制約了AI醫療大模型向規模化應用的演進。

在此背景下，單點模型能力不再是護城河。誰能率先打通技術黑盒與合規要求，並在「使用頻率、場景深度與支付承接」之間形成實質性閉環，正成為決定下一輪市場格局的關鍵分水嶺。

加速嵌入醫療核心「工作流」 互聯網巨頭各顯神通

2026年以來，醫療大模型的競爭核心正在從「模型能力」轉向「場景嵌入」，從「回答問題」轉向「任務執行」，各大公司也是「各顯神通」，加速向應用場景滲透。

財聯社記者獲悉，依託「京醫千詢」醫療大模型，京東健康已形成面向C端用户、D端醫生、H端醫院的全場景AI應用體系。面向C端，京東健康推出了AI醫生大為、AI營養師小晶、AI藥師小方等多個專業服務智能體，以及上千位專家醫生智能體，另外一方面以「AI小康」作為國內AI健康服務重要入口，持續升級「醫檢診藥」閉環體驗；面向D端，推出AI醫療工具 「京東知醫」，為醫生臨牀決策與科研工作提供支持；面向 H 端，通過「京東卓醫2.0」以「AI+供應鏈」模式為醫院賦能。

京東健康相關負責人向財聯社記者透露，「京東卓醫2.0」發展出了「AI+供應鏈」模式，以温醫大附一院的臨牀營養合作為例，「聚焦醫院在臨牀營養、藥事服務等方面的真實需求，結合自身供應鏈優勢，打通‘AI建議+專業服務+特醫食品/健康品供給’的閉環。這種模式既解決了醫療機構和廣大用户痛點，也具備很強的落地性與可持續性。中長期來看，這類‘AI+服務+供應鏈’的模式，將成為醫療AI業務中重要的價值支撐。」

與京東健康依託供應鏈實現商業化的路徑不同，訊飛醫療以GBC三端聯動為核心，構建起AI醫療底層服務網絡。自2023年星火醫療大模型發佈以來，公司持續將大模型能力深度融入基層、醫院及個人健康服務場景，並在今年2月升級推出了星火醫療大模型X2。

訊飛醫療將AI醫療應用場景劃分爲GBC三大領域：G端政務產品以智醫助理、數智家醫（含慢病管理）為核心。其中，智醫助理已實現全國基層醫療機構廣泛覆蓋，穩居行業主導地位；數智家醫則聚焦家庭醫生簽約服務與慢病管理兩大場景，正加快全國規模化部署，目前已在上海、深圳龍華等地區成功落地。

在B端醫院業務，訊飛醫療已服務超600家等級醫院；C端佈局的核心產品之一是訊飛曉醫APP，目前累計下載超3000萬次，完成超1.8億次AI健康諮詢，業務將繼續延伸至居家全場景。

將AI能力內化為具體的任務執行，是提高單點效率的另一條路徑。4月，百度健康發佈「有醫助理」，將醫療大模型推進至醫生工作流環節。

百度健康AI產品負責人告訴財聯社記者，醫療AI不應只停留在「問答」或「查資料」，而應當幫助醫生完成真實工作，因此其產品被設計為「檢索模式+任務模式」雙層結構：前者服務於醫學信息獲取，后者則把AI能力進一步延伸到科研寫作、病歷整理、數據分析等具體任務上。百度健康甚至將這一變化概括為：從「知道」走向「做到」。

與此同時，亦有平臺在尋找輕量化健康服務的切入點，美團醫藥健康近日正式發佈AI家庭健康管家「小團健康管家」，集問病問藥、報告解讀、家庭健康檔案等多項功能於一體。

可見，各企業的戰略均已脱離單一的「問答」工具定位，轉而向醫療核心工作流及服務鏈條內部爭取實質性的業務話語權，從而「搶佔未來入口」。

CIC灼識諮詢總監劉宇琪告訴記者，目前醫療大模型正處於"規模化應用前夜"與"技術-落地斷層"並存的過渡階段，規模化應用的拐點已實質性出現。

規模化爆發仍面臨多重門檻

然而，從「場景可用」跨越到「規模化普及」，醫療大模型仍需面臨技術底層與醫療體系等壁壘的嚴峻挑戰。

「當前醫療大模型在關鍵的臨牀推理能力、跨專科知識聯動能力以及從真實世界持續學習的能力上存在不足，導致模型難以穩定復現醫生的完整診斷思維鏈條，對複雜、非典型病例的理解和處理能力有限，構成了技術能力與臨牀高標準需求之間的核心斷層。」劉宇琪告訴財聯社記者。

更為重要的是，這種技術斷層直接放大了大模型在臨牀端的應用風險，導致醫療大模型的幻覺風險猶存，模型可能生成看似合理但事實錯誤的「幻覺」信息，這也是通用大模型普遍存在的問題，而這個問題被醫療體系極低的風險容忍度所放大和限制。

由於醫療行為直接關乎生命健康，其錯誤成本極高，因此體系本身具有極低的風險容忍度。在技術尚未完全解決可靠性、可解釋性和循證性問題之前，法規、倫理和責任歸屬問題（如誤診擔責人）會自然形成強大的應用壁壘，使得任何先進技術在此領域都必須以遠超其他行業的嚴謹態度推進。

這種極低的風險容忍度，對大模型的基礎能力與底層數據的純度提出了嚴苛考驗，部分廠商因此提出「溯源+人機協同」方案。

以京東健康為例，公司在模型輸出的可靠性與可解釋性方面，深度整合權威臨牀指南與醫學文獻，讓AI給出的每一條健康參考建議都具備可追溯依據，確保內容有據可查、專業可信。同時，通過嚴格的醫學邏輯校驗與風險攔截機制，避免不規範、不嚴謹的信息輸出。對於複雜健康問題，系統會自動引導至專業醫師承接，形成「AI初篩+專業醫生複覈」的安全機制。

除「數據與模型能力」，劉宇琪認為「醫療體系的不適配」在當下更具決定性地延緩了規模化進程。包括流程嵌入難，現有醫院信息系統（HIS）複雜僵化，模型難以無縫嵌入既有工作流。責任界定模糊，AI診斷結果的法律責任主體不清晰，導致醫院和醫生使用意願受限。法規審批滯后。作為醫療軟件，其監管審批路徑長、要求高，跟不上技術迭代速度。

面對上述制約行業規模化發展的痛點，推動標準與制度建設已成為行業共識。訊飛醫療方面從企業角度表示：唯有制度、技術與場景協同發力，AI醫療才能從可用走向可信，實現規模化普及。有企業認為，需構建以生命安全和臨牀價值為核心的行業體系：由監管牽頭建立統一的測評准入機制，在臨牀場景中持續迭代優化模型，推動低幻覺、可解釋、可溯源的技術標準落地。

「長期來看，AI醫療正處於規模化應用與高質量發展並行的關鍵時期。」訊飛醫療方向記者表示，預計未來3-5 年，行業將從分散競爭逐步走向集中格局，少數擁有深厚技術底座、持續數據積累和臨牀場景深度落地能力的企業將佔據主導。

商業化深水區誰能第一個跑通？

即使跨越了技術與落地門檻，盈利依然是橫亙在醫療大模型面前的核心考題。

以「螞蟻阿福」為例，其在春節期間依託「集五福」等紅包活動實現用户快速增長，但在流量集中釋放之后，如何提升用户留存與商業化轉化效率，仍有待持續觀察。

「當前醫療AI的價值已被醫院端初步認可，但遠未被支付體系充分認可。」劉宇琪對財聯社記者指出，現有支付體系是為傳統的人力服務和藥品耗材設計的，無法有效計量和補償由AI帶來的「效率價值」和「決策支持價值」。「價值存在但難以收費」的現象，本質上是支付體系尚未準備好，而非價值不清晰。

在支付出現「斷層」的情況下下，各巨頭的商業化探索已「分軌」。據記者觀察，一類企業從入口與連接切入，通過AI重構信息獲取與服務分發邏輯；一類企業將AI嵌入既有業務體系，通過服務閉環承接價值；還有企業則直接進入醫療體系內部，通過系統級改造推動落地。

百度健康是入口型路徑中典型的一類。其「有醫助理」從醫生工作流切入，試圖把AI做成醫生的任務執行助手。它並不直接切入診療決策，而是先把「檢索模式+任務模式」做出來，讓醫生在科研、病歷、數據分析等高頻任務上先用起來。

百度健康AI產品負責人對財聯社記者強調，「當前最重要的不是先談商業模式，而是先把醫生願不願意用、能不能用好這件事做成。」

京東健康則把自己放在場景閉環型路徑的位置上。「我們並不單純依賴基礎模型本身直接變現，而是堅持‘模型開源+場景落地’的思路，將技術能力開放出去，通過生態擴容帶動更多場景接入，進而實現服務規模化、商業化的可持續增長。京東健康相關負責人對財聯社記者表示。

訊飛醫療則更偏體系內嵌型。它並不滿足於在互聯網入口上做文章，而是直接把AI放進基層醫療、醫院和居民健康管理中，形成G端、B端、C端三端聯動。

劉宇琪對此的判斷也很明確：醫療AI未來能否規模化，關鍵不在單一模型突破，而在數據、場景、監管與支付體系之間能否形成協同。一旦支付端無法承接，AI創造的價值就很難真正完成閉環。「未來3-5年，醫療AI的競爭將不再是單一模型的競爭，而是‘全棧技術能力+深度場景理解+生態協同與商業落地能力’的綜合競爭，競爭格局可能會存在平臺型巨頭、垂直領域專家和技術賦能型廠商並存的局面。」

而在這條路徑真正跑通之前，AI醫療仍將處在一個並行探索、路徑分化、持續試錯的階段。

以國外企業OpenEvidence為例，其商業模式主要圍繞醫生端展開，通過提供基於循證醫學的智能檢索與決策支持工具，提升醫生信息獲取與臨牀判斷效率，並探索「醫生端免費+廣告或增值服務變現」的路徑並取得一定成果。

但劉宇琪認為，美國醫生獨立執業、醫藥營銷市場發達，使"醫生端免費+廣告變現"可行；而中國醫生多為醫院僱員，採購決策集約化。

其進一步表示，國內同類產品的商業化路徑需根本性重構：從"直接to醫生"轉向"to醫院/藥企/政府"，從"廣告變現"轉向"SaaS訂閲或項目制服務"。同時，中文醫學數據的分散性、指南的快速更新，也要求知識庫建設投入更高，這進一步強化了ToB付費模式的必要性。