為什么微軟、華為和螞蟻，都不愿錯過AI醫療？

“AI 醫療面臨最重要的問題是，如何從錦上添花變成剛需必備，讓人有意愿使用，甚至付費”

撰文｜喬雨晴

編輯｜翟文婷

大模型的威力無需再普及，現在是講應用的時候了。千行百業主動求變，其中應用速度、廣度和深度排在之最的，當屬醫療。

一份行業統計報告顯示，2023 年末，國內行業大模型的分布排在前三甲的就是醫療醫藥、金融和科研。機器人還沒有亮相春晚舞臺，已經上過手術臺。

2025 年年初，DeepSeek 橫空出世，AI 醫療商業落地被進一步催化，最核心的兩個原因：價格普惠，以及開源模型能進行私有化部署，更契合醫療數據敏感的安全需求。據不完全統計，截至目前，國內已有超百家三級醫院官宣完成DeepSeek本地化部署。

最重要的是，C 端用戶在經過上一波互聯網醫療的教育普及之后，對AI 助手診療似乎更為接受。

所以，國外如英偉達、微軟等巨頭在重金投入，國內如華為、螞蟻也在持續加碼。AI 醫療都成為大模型最不愿錯過的應用場景。

一、AI 醫療進化方向

大模型廠商進入醫療領域，他們的解題思路不受局限，如果有一定醫療服務基礎的公司，甚至可能更為激進。

比如華為，3 月初組建的第 21 軍團，正是醫療衛生軍團。重點即時構建AI 輔助診斷解決方案體系，推動醫療大模型在臨床場景的應用。

之后頻繁落子，聯合不同醫院分別推出病理大模型、急性胸痛大模型等，同步也跟互聯網公司積極推進一體機解決方案。其中包括同樣深度布局AI 醫療的螞蟻。

螞蟻集團把AI 醫療作為確定性戰略之后，幾乎是在三端——機構、醫護和用戶同時發力。國內玩家少有如此全面深度布局，側面也說明螞蟻鎖定醫療AI的野心和決心。

螞蟻做醫療的基礎在于支付寶。互聯網醫療階段，支付寶就在醫院機構、用戶端在掛號、問診和支付等環節建立感知。近 11年積累，輻射全國 3600 家醫院，累計服務用戶超過 8 億，是國內最大的醫保支付服務平臺，也是一站式醫療健康服務平臺。

AI 階段，螞蟻醫療含義其實在拓寬，從基礎設施硬件、行業大模型到生態伙伴，然后延伸到應用場景，已經能稱得上全景式滲透。

前幾天，也正式對外發布升級了面向醫療機構、醫生和用戶三端的AI 產品體系：

最受關注的還是聯合華為、阿里云推出的「螞蟻醫療大模型一體機」全棧解決方案，醫院系統因此獲得國產算力、醫療大模型、AI 訓推一體的私有化部署。首批接入的有包括杭州市醫保局、北京中醫醫院等 7 家機構。

值得一提的是，2024 年11月，國家醫保局已經將人工智能輔助診斷列入立項指南，AI 輔助診斷首次被納入醫保。這對于AI 醫療解決方案提供商而言，是積極信號，也是見真章的時刻。

同時好大夫在線的 29 萬注冊醫生，在醫、教、研場景，可以通過螞蟻開發的「AI 病歷助手」、「AI科普助手」以及最新的「AI 科研助手」提升效率。未來會有更多豐富的矩陣工具，形成AI 超級助理。

AI 在用戶端的服務已經有數據反饋。去年 9 月推出的「AI健康管家」，半年時間服務近 4000 萬用戶，幫助普通人找醫生、讀報告、陪看診等等。

三端同時發力，螞蟻對醫療AI 的雄心在于構建從診療、服務到健康管理的閉環。

這不是短時間內可以實現的。螞蟻在這條賽道投入近11年，從數字科技inside走向AI技術inside，無疑是在繼續做深產業，穿越更長生命周期。

二、單點突破的可能性

與螞蟻更全面的重投入不同，目前市面上的入局者，尚處在單點技術匹配單點場景的階段。

如果面向醫院等機構，AI 在幾類場景顯現作用：

最典型如影像診斷， AI 在學習了數十萬張專業醫師標記的胸部CT 閱片信息之后，可以快速閱片并給出結果。有些小于 1cm 的病灶，醫生肉眼尋找費時費力，AI可以一秒給出結果，甚至標出結節大小、位置、密度，初步分辨良惡性。

北京海淀醫院引入的肺部CT影像AI輔助診斷系統至今已協助分析了約22萬病例。

AI也在進行輔助診療，比如手術規劃和手術機器人。有醫療大模型從業者將前者比喻為汽車地圖導航，后者則是無人駕駛。

與此同時，面向醫護的AI 產品也在逐步落地。

比如Abridge，一款AI 記錄助手，幫助醫護人員完成臨床文檔記錄。這款產品通過自動語音識別診療過程，AI會生成符合要求的文檔。

公司給出的數據是，Abridge 能完成醫生 91% 以上的文檔記錄工作量，同時與美國最大的一家電子醫療系統Epic 深度整合，不僅節省醫生時間，也不需要改變醫生現有工作習慣。

3 月 4 日，微軟面向醫護人員也推出語音AI 助手Dragon Copilot。只要微軟解決方案覆蓋的醫院，系統會自動捕捉記錄醫生和病人之間的對話，AI 進行語境分析，自動創建臨床記錄。

除醫院機構和醫護人員專業群體之外，C 端普通用戶也是AI 醫療重要服務對象。商業落地產品主要集中在AI 個人健康管理和助手。

MedMatch 就是一款AI 驅動的醫療保健解決方案，用于心理健康、男性健康、女性皮膚管理等敏感領域。核心是結合歷史臨床數據、治療類型等用戶訓練模型，最后AI 給出推薦的臨床決策和治療方案。

而國內也有一些AI 助手，用于自主疾病診斷，識別常見藥品，建立個人健康空間。

但在醫療服務領域，有一個回避不了的現實是，醫院、醫護人員和用戶，三者其實無法割裂而存在，在任何一個場景中淺接入大模型很難讓醫療AI真正落地、產生價值。

此外，醫療數據量大同時質量不高、結構化和標準化不足，大模型能力的幻覺問題在醫療領域更具挑戰，技術迭代和多場景應用之間形成閉環尤為重要。

一方面，醫療天然適合大模型應用，另一方面，醫療領域門檻較高。

這都決定了進入醫療AI沒辦法「腳不沾地」，而螞蟻打法值得關注的原因就在于，11年實踐幫助它更快明確了這一點。

三、從錦上添花到剛需必備有多遠？

我們所看到的，已經是AI 醫療發展到一定階段的產物。

早期醫療AI 多局限于單一任務優化，存在明顯的信息割裂，比如僅憑影像無法判斷腫瘤病理分型，還是需要結合實驗室結果；

此外，早期AI無法像醫生一樣用自然語言解釋診斷依據，即便現在如大模型進化之后，AI 也有八股嫌疑，無法精準獲取有效信息，還被人嫌棄沒有人情味兒。

再者最重要的就是數據孤島問題，不同醫院使用的影像格式、病歷系統互不兼容。

這些問題現階段沒有消除，但是大模型的普及，DeepSeek的高性能、低成本和開源又將大模型能力帶到一個新臺階，AI 醫療也在進入新階段。

最基礎的就是數據敏感和安全問題，開源模型方便本地部署。螞蟻也打出「訓推一體，開箱即用」的輕量化設計口號，數據可用不可見，診療過程全程可溯源。

再比如降低成本，利于醫療平權和普惠。

上海長征醫院放射診斷科主任劉士遠團隊2022年上半年做的中國醫學影像人工智能臨床應用情況調研，73.9%的三級醫院配備了影像的AI輔診軟件，而在基層醫療機構，這一比例僅有10.1%。成本降低之后，會推動AI從頭部醫院試點轉向基層普惠應用。

這些金錢和安全問題，或許都有解決辦法。目前AI 醫療可能面臨最重要的問題是，如何從錦上添花變成剛需必備，讓人有意愿使用，甚至付費。

去年7月，國家衛生健康委衛生發展研究中心副主任游茂曾表示，中國95%的研究或產出都集中在醫學影像類；而在其他領域如醫療機器人、知識庫、自然語言處理的研究相對不足；在「決策規則」的研究幾近空白。

所以對于AI 影像診斷，機構的付費意愿和付費率比較高，輔助治療如果是免費，醫生也愿意積極嘗試，但是如果要花大幾十萬元正式采購，可能就會被慎重對待。

一位醫療從業者的觀點是，目前市面上已有的AI 醫療產品開發率可能不足 5%。你可以將此理解是這條賽道的難度并不一般，也可以解讀為巨大的市場潛力。