医疗AI赛道：大厂布局与商业化挑战

2025年末，蚂蚁集团的AI健康应用“阿福”通过密集的线上线下广告投放，引起了市场的广泛关注，将医疗AI这一领域再次推向了前台。

在2025年12月新版发布后的一个月内，“阿福”的月活跃用户（MAU）达到了3000万，并成功登顶App Store的医疗类下载榜。这款产品定位为“AI健康朋友”，其用户的迅速增长，或许意味着AI在健康管理中的应用并非一个伪命题。

与此同时，其他大型科技公司也在医疗AI领域动作频频。

百度将百度AI健康管家升级为文心健康管家，并将入口从单一的搜索场景扩展至多个应用；京东健康推出AI健康智能体“康康”，串联问诊、检测、购药的全流程。此外，字节跳动、百川智能、科大讯飞等公司也均在这一领域有所布局，市场对医疗AI的兴趣正在回升。

回顾过去，互联网大厂在医疗领域的探索多以在线问诊、医药电商为核心，本质上是流量变现逻辑的延伸。但由于医疗服务的专业壁垒和资源整合的复杂性，许多平台未能建立起可持续的商业模式，逐步收缩了业务范围。

当前，大厂们以大模型技术为核心的新一轮布局，与此前显示出一些本质差异：参与者不再试图取代医院或医生等专业医疗角色，而是明确了“辅助”与“赋能”的定位，战略也从流量分发转向生态整合，通过对接医保支付、联动线下医疗机构等，试图构建“医、药、险、检”一体化的服务。

然而，在技术的光环之下，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。大厂们轰轰烈烈的医疗AI战事，注定是一个长周期、高门槛的故事。

平台派VS专业派：大厂医疗AI的两种打法

医疗服务是一个特殊的赛道，无法仅通过简单的线上连接来完成，它需要深度的行业认知与资源投入。基于不同的核心基因与资源积累，主要互联网公司的战略路径已分化为“横向平台化”与“纵向专业化”两类。

横向平台化玩家包括蚂蚁集团、百度和京东健康。它们的核心目标是利用已有的生态优势，覆盖医疗健康服务的全流程。

其中，蚂蚁集团的“阿福”，其三个核心功能——健康陪伴、健康问答和健康服务，分别对应了蚂蚁整合智能设备数据、调用医疗知识库与名医资源、以及打通支付宝医保支付与好大夫在线医生网络的能力。这使得阿福能实现从咨询到挂号、支付、购药的端到端服务体验。

然而，其商业模式仍处于探索期，健康管理的低频属性与追求高频粘性之间存在一定矛盾，且作为长期战略投入，明确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与文心大模型技术，采用“AI+真人”双保障模式提供服务。其挑战在于，用户心智短期内仍停留在信息搜索，向深度服务转化的难度大，且缺乏支付、电商等关键场景的闭环能力。

京东健康是少数已实现稳定盈利的平台之一，但其核心收入来源仍为医药零售，AI医疗服务是其提效的工具。它旗下的“康康”，依托京东集团的物流与供应链体系，实现了AI问诊、药品即时配送与线下服务的深度绑定。其短板在于技术探索相对聚焦于与零售协同的场景，在多模态交互、复杂疾病辅助等前沿能力的投入上显得谨慎；同时，C端流量高度依赖京东主站，独立品牌心智的建立仍需时间。

另一类纵向专业化玩家包括字节跳动、科大讯飞、百川智能。它们放弃了全场景覆盖的野心，试图在特定场景建立优势。

字节跳动的“小荷AI医生”，采取轻量化策略，嵌入抖音生态，通过用户搜索疾病相关内容进行导流。优势在于获客成本低，但娱乐平台属性与严肃医疗需求之间存在隔阂，且未打通购药、挂号等核心服务环节，流量转化效率存疑。

科大讯飞的“智医助理”，立足B端和G端，产品经过大量基层医疗机构验证，临床数据积累深厚。其C端产品“晓医”体验更偏向专业工具，用户友好度与流量规模是主要短板。

作为“AI六小虎”中唯一All in医疗的玩家，百川智能聚焦临床循证与科研支持，它的核心产品“百小应”及近期发布的医疗大模型 Baichuan-M3主打问诊能力、治疗方案建议等专业功能，并通过与卫健委、医院合作落地。其优势在于技术精度高，但面临B/G端项目落地周期长、缺乏C端流量与市场资源的挑战，短期面临盈利压力。

平台型玩家凭借生态优势追求服务闭环，但其医疗专业深度的构建以及低频健康需求与互联网高频逻辑之间的调和仍是待解难题。垂类玩家虽在专业或流量上有所侧重却普遍受困于规模瓶颈或转化效率。这场战事不是简单的技术竞赛任何单一维度的优势都不足以在这个“慢行业”中轻易胜出。

为何成为大厂的必争之地？

尽管当前链接C端用户的健康助手多采用免费模式直接盈利路径模糊且行业具备高监管长周期高投入特性但它依然吸引了巨头们的战略级投入。它的吸引力主要源于以下三个层面。

首先需求真实存在且在持续增长。

一方面优质医疗资源供需矛盾尖锐AI成为系统性提效的关键工具。我国医疗体系长期面临资源分布不均医院负荷过载的挑战。在这样的背景下AI的价值首先体现在对医疗工作流的提效上。例如在真实复杂的医疗流程中承担标准化重复性工作释放医生精力。行业调研也印证了这一趋势有71%的中国临床医生开始依赖AI工具缓解工作压力。

另一方面健康管理需求崛起AI应用场景从“治病”延伸到“防病”。用户需求已从低频被动的疾病问诊转向高频主动的健康维护为AI提供了更广阔的应用空间和用户互动频次。巨头们的产品演进反映出这一趋势。

其次场景价值与用户粘性高。

医疗覆盖场景多链条长那么AI在医疗场景中能带来哪些增量呢？根据2025年头豹研究院发布的《中国AI医疗行业白皮书》当前AI+医疗的核心应用场景集中在AI医疗器械、AI医疗助手、AI制药、AI健康管理与自动化药房五大板块。其中AI医疗助手与AI医疗器械落地最快而医疗器械赛道长期由传统医疗企业主导技术门槛与渠道壁垒较高AI医疗助手则因较低的直接门槛与用户高频互动的潜力成为了互联网大厂切入医疗AI的首选。

当前其C端免费模式仅是培育市场的第一步但行业共识是它是撬动健康保险药品研发慢性病管理等产业链价值的入口。可以这么理解有了AI企业“每年就赚的不再只是体检费的钱了而是可以更多的去赚保险控费的钱赚健康管理的钱赚药企研发服务的钱”。例如通过健康管理降低保险理赔率与保险公司分享利益；为药企提供患者招募用药依从性管理等研发服务等。

最后医疗是少数能深度串联G（政府）B（机构）C（用户）三端的垂直领域。

G端能提供合规基础与高质量数据。如近期蚂蚁讯飞中标的相关国家级省级医疗AI平台项目其意义远不止于项目收入更在于参与标准制定与获取合规数据训练的权限。

B端能带来规模化收入。能否进入并服务好大型医院尤其是百强三甲医院是检验医疗AI产品的标准。服务B端的过程本身就是对模型能力的打磨由此形成的临床理解与工程化交付能力才是企业的核心壁垒。

C端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日常健康咨询与数据并与G、B端能力结合使得巨头能够为用户提供从健康建议就医指导到医保支付药品配送的完整闭环服务体验超过单一功能的应用。

数据成本与责任：医疗AI的“三座大山”

在医疗AI的商业化道路上决心远不足以扫清障碍。生命健康的特殊性使得技术应用面临着一系列更为严峻和基础的制约。

首先是技术可靠性。

在娱乐聊天等场景中模型偶尔的瞎编乱造或许可以被容忍但在医疗行业是可能直接威胁生命的安全隐患。这从根本上决定了当前的AI医疗产品只能作为辅助工具。大厂需投入高昂的人力进行校验与审核这与AI提升效率的初衷相悖。