文章核心观点 - 医疗AI赛道正迎来以大型科技公司为主导的新一轮布局热潮，其战略定位从过去的“取代”转向“辅助与赋能”，致力于构建“医、药、险、检”一体化的服务生态[7] - 尽管市场兴趣回升且需求真实存在，但医疗AI的商业化路径、数据质量、责任界定等核心挑战依然悬而未决，行业具有长周期、高门槛的特性[8][30] 平台派 VS 专业派：大厂医疗AI的两种打法 - 主要互联网公司的战略路径分化为“横向平台化”与“纵向专业化”两类[10] - 横向平台化玩家（如蚂蚁、百度、京东健康）利用既有生态优势，目标是覆盖医疗健康服务全流程[10] - 蚂蚁集团“阿福”：核心功能整合智能设备数据、医疗知识库与名医资源，并打通支付宝医保支付与好大夫在线医生网络，能提供从咨询到挂号、支付、购药的端到端服务体验[12] - 百度“文心健康管家”：依托搜索流量与文心大模型，采用“AI+真人”双保障模式，挑战在于用户心智仍停留在信息搜索，且缺乏支付、电商等关键场景的闭环能力[13] - 京东健康“康康”：依托京东物流与供应链体系，实现AI问诊、药品即时配送与线下服务深度绑定，核心收入仍为医药零售，AI是提效工具，技术探索相对聚焦零售协同场景[13] - 纵向专业化玩家（如字节跳动、科大讯飞、百川智能）放弃全场景覆盖，试图在特定场景建立优势[13] - 字节跳动“小荷AI医生”：通过抖音生态导流，功能侧重“健康咨询”、“报告解读”等医疗咨询能力，未设立独立购药服务端口[13] - 科大讯飞“晓医”：C端产品体验偏向专业工具，其优势在于B/G端的“智医助理”产品经过大量基层医疗机构验证，临床数据积累深厚[14] - 百川智能“百小应”：聚焦临床循证与科研支持，其医疗大模型Baichuan-M3主打问诊能力、治疗方案建议等专业功能，通过与卫健委、医院合作落地，技术精度高但面临B/G端落地周期长、缺乏C端流量的挑战[14][15] 为何成为大厂的必争之地 - 需求真实存在且持续增长[17] - 优质医疗资源供需矛盾尖锐，AI成为系统性提效关键工具，有71%的中国临床医生开始依赖AI工具缓解工作压力[17] - 健康管理需求崛起，AI应用场景从“治病”延伸到“防病”，提供了更广阔的应用空间和用户互动频次[17] - 场景价值与用户粘性高[18][20] - 根据2025年头豹研究院报告，AI+医疗核心应用场景集中在AI医疗器械、AI医疗助手等五大板块，其中AI医疗助手因较低的直接门槛、与用户高频互动的潜力，成为互联网大厂切入首选[18] - C端免费模式是培育市场的第一步，被视为撬动健康保险、药品研发、慢性病管理等产业链价值的入口，例如通过健康管理降低保险理赔率，或为药企提供研发服务[20] - 医疗是少数能深度串联G、B、C三端的垂直领域[21] - G端（政府）：提供合规基础与高质量数据，参与相关项目有助于标准制定与获取合规数据训练权限[21] - B端（机构）：带来规模化收入，服务大型医院（尤其是百强三甲医院）是对产品的检验，也是打磨模型能力、形成核心壁垒的过程[21] - C端（用户）：是沉淀个性化数据、完成服务闭环的入口，千万级乃至亿级用户的健康数据与G、B端能力结合，可提供从健康建议到医保支付、药品配送的完整闭环服务[21] 数据、成本与责任，医疗AI的“三座大山” - 技术可靠性是首要挑战：在医疗行业，AI模型的错误可能直接威胁生命，这决定了当前产品只能作为辅助工具，需要高昂的人力进行校验与审核[25] - 数据瓶颈制约模型发展：医疗AI需要高质量、标准化与合规的训练数据，但核心医疗数据主要沉淀在公立医疗机构内部，受限于数据确权、隐私安全与共享机制，获取难度大、成本高[26] - 算力成本高昂：涉及多模态数据的模型训练与推理需要巨大计算资源，且为满足医院数据安全要求，私有化部署成为主流，厂商需承担软硬件一体的巨额投入与长期维护成本[27] - 商业化路径依然模糊：在基层医疗等重要赋能场景，存在付费意愿低、AI服务未纳入医保、产品同质化严重等问题，大厂的流量优势转化效果有限[29] - 责任认定存在模糊地带：发生医疗损害时，责任在医疗机构、医生和AI提供商之间如何划分缺乏清晰法律界定，对大厂存在潜在的集体性追责风险与品牌声誉危机[30]