徽声在线4月18日讯（记者 王俊仙 卢阿峰）进入2024年以来，医疗大模型及其应用领域的竞争愈发激烈，各大头部企业纷纷加快布局，动作频频。京东健康（06618.HK）推出了“京东知医”和升级版的“京东卓医2.0”，蚂蚁集团旗下的蚂蚁阿福因参与春节“红包大战”而广为人知，百度（09888.HK）旗下的百度健康发布了“有医助理”，讯飞医疗（02506.HK）则推出了星火医疗大模型X2，并积极向基层医疗和医院内部渗透。

据徽声在线记者多方了解，当前医疗大模型已经跨越了早期的可用性验证阶段，正迈向更深层次的应用领域，全面融入真实的医疗工作流。然而，数据壁垒、流程限制、责任界定以及支付机制等多重因素，仍然显著制约着AI医疗大模型向规模化应用的迈进。

在此背景下，单一模型的能力已不再是企业竞争的唯一优势。谁能率先破解技术黑盒与合规要求的难题，并在“使用频率、场景深度与支付承接”之间构建起实质性的闭环，将成为决定下一阶段市场格局的关键因素。

医疗核心“工作流”加速嵌入 互联网巨头各展所长

自2026年以来，医疗大模型的竞争焦点逐渐从“模型能力”转向“场景嵌入”，从简单的“回答问题”升级为“任务执行”，各大企业纷纷施展浑身解数，加速向应用场景渗透。

徽声在线记者获悉，京东健康依托其“京医千询”医疗大模型，已经构建了面向C端用户、D端医生、H端医院的全场景AI应用体系。面向C端，京东健康推出了AI医生大为、AI营养师小晶、AI药师小方等多个专业服务智能体，以及上千位专家医生智能体，同时以“AI小康”作为国内AI健康服务的重要入口，持续优化“医检诊药”的闭环体验；面向D端，推出了AI医疗工具“京东知医”，为医生的临床决策和科研工作提供有力支持；面向H端，通过“京东卓医2.0”以“AI+供应链”模式为医院赋能。

京东健康相关负责人向徽声在线记者透露，“京东卓医2.0”发展出了独特的“AI+供应链”模式。以温医大附一院的临床营养合作为例，该模式聚焦医院在临床营养、药事服务等方面的真实需求，结合京东健康的供应链优势，打通了“AI建议+专业服务+特医食品/健康品供给”的闭环。这种模式不仅解决了医疗机构和广大用户的痛点，还具有很强的落地性和可持续性。从中长期来看，这类“AI+服务+供应链”的模式将成为医疗AI业务中重要的价值支撑。

与京东健康依托供应链实现商业化的路径不同，讯飞医疗以GBC三端联动为核心，构建了AI医疗底层服务网络。自2023年星火医疗大模型发布以来，讯飞医疗持续将大模型能力深度融入基层、医院及个人健康服务场景，并在今年2月升级推出了星火医疗大模型X2。

讯飞医疗将AI医疗应用场景划分为GBC三大领域：G端政务产品以智医助理、数智家医（含慢病管理）为核心。其中，智医助理已在全国基层医疗机构实现广泛覆盖，稳居行业主导地位；数智家医则聚焦家庭医生签约服务与慢病管理两大场景，正加快全国规模化部署，目前已在上海、深圳龙华等地区成功落地。

在B端医院业务方面，讯飞医疗已服务超过600家等级医院；C端布局的核心产品之一是讯飞晓医APP，目前累计下载量已超过3000万次，完成了超过1.8亿次的AI健康咨询，业务将继续延伸至居家全场景。

将AI能力转化为具体的任务执行，是提高单点效率的另一条有效路径。4月，百度健康发布了“有医助理”，将医疗大模型推进至医生工作流环节。

百度健康AI产品负责人告诉徽声在线记者，医疗AI不应仅仅停留在“问答”或“查资料”的层面，而应当帮助医生完成真实的工作任务。因此，其产品被设计为“检索模式+任务模式”双层结构：前者服务于医学信息获取，后者则将AI能力进一步延伸到科研写作、病历整理、数据分析等具体任务上。百度健康甚至将这一变化概括为：从“知道”走向“做到”。

与此同时，也有平台在寻找轻量化健康服务的切入点。美团医药健康近日正式发布了AI家庭健康管家“小团健康管家”，集问病问药、报告解读、家庭健康档案等多项功能于一体，为用户提供更加便捷的健康管理服务。

由此可见，各企业的战略均已超越单一的“问答”工具定位，转而向医疗核心工作流及服务链条内部争取实质性的业务话语权，从而“抢占未来入口”。

CIC灼识咨询总监刘宇琪告诉记者，目前医疗大模型正处于“规模化应用前夜”与“技术-落地断层”并存的过渡阶段，规模化应用的拐点已经实质性出现。

规模化爆发仍面临多重挑战

然而，从“场景可用”到“规模化普及”，医疗大模型仍需跨越技术底层与医疗体系等多重壁垒的严峻挑战。

“当前医疗大模型在关键的临床推理能力、跨专科知识联动能力以及从真实世界持续学习的能力上存在不足，导致模型难以稳定复现医生的完整诊断思维链条，对复杂、非典型病例的理解和处理能力有限，这构成了技术能力与临床高标准需求之间的核心断层。”刘宇琪告诉徽声在线记者。

更为关键的是，这种技术断层直接放大了大模型在临床端的应用风险，导致医疗大模型的幻觉风险依然存在。模型可能生成看似合理但事实错误的“幻觉”信息，这也是通用大模型普遍存在的问题。而这个问题在医疗体系中由于极低的风险容忍度而被进一步放大和限制。

由于医疗行为直接关乎生命健康，其错误成本极高，因此医疗体系本身具有极低的风险容忍度。在技术尚未完全解决可靠性、可解释性和循证性问题之前，法规、伦理和责任归属问题（如误诊担责人）会自然形成强大的应用壁垒，使得任何先进技术在此领域都必须以远超其他行业的严谨态度推进。

这种极低的风险容忍度对大模型的基础能力与底层数据的纯度提出了严苛考验。部分厂商因此提出了“溯源+人机协同”方案。

以京东健康为例，公司在模型输出的可靠性与可解释性方面，深度整合了权威临床指南与医学文献，让AI给出的每一条健康参考建议都具备可追溯依据，确保内容有据可查、专业可信。同时，通过严格的医学逻辑校验与风险拦截机制，避免不规范、不严谨的信息输出。对于复杂健康问题，系统会自动引导至专业医师承接，形成“AI初筛+专业医生复核”的安全机制。

除“数据与模型能力”外，刘宇琪认为“医疗体系的不适配”在当下更具决定性地延缓了规模化进程。这包括流程嵌入难，现有医院信息系统（HIS）复杂僵化，模型难以无缝嵌入既有工作流；责任界定模糊，AI诊断结果的法律责任主体不清晰，导致医院和医生使用意愿受限；法规审批滞后，作为医疗软件，其监管审批路径长、要求高，跟不上技术迭代速度。

面对上述制约行业规模化发展的痛点，推动标准与制度建设已成为行业共识。讯飞医疗方面从企业角度表示，唯有制度、技术与场景协同发力，AI医疗才能从可用走向可信，实现规模化普及。有企业认为，需构建以生命安全和临床价值为核心的行业体系，由监管牵头建立统一的测评准入机制，在临床场景中持续迭代优化模型，推动低幻觉、可解释、可溯源的技术标准落地。

“长期来看，AI医疗正处于规模化应用与高质量发展并行的关键时期。”讯飞医疗方向记者表示，预计未来3-5年，行业将从分散竞争逐步走向集中格局，少数拥有深厚技术底座、持续数据积累和临床场景深度落地能力的企业将占据主导。

商业化深水区谁能率先突围？

即使跨越了技术与落地门槛，盈利仍然是横亘在医疗大模型面前的核心考题。

以“蚂蚁阿福”为例，其在春节期间依托“集五福”等红包活动实现了用户快速增长，但在流量集中释放之后，如何提升用户留存与商业化转化效率，仍有待持续观察。

“当前医疗AI的价值已被医院端初步认可，但远未被支付体系充分认可。”刘宇琪对徽声在线记者指出，现有支付体系是为传统的人力服务和药品耗材设计的，无法有效计量和补偿由AI带来的“效率价值”和“决策支持价值”。“价值存在但难以收费”的现象，本质上是支付体系尚未准备好，而非价值不清晰。

在支付出现“断层”的情况下，各巨头的商业化探索已经“分轨”。据记者观察，一类企业从入口与连接切入，通过AI重构信息获取与服务分发逻辑；一类企业将AI嵌入既有业务体系，通过服务闭环承接价值；还有企业则直接进入医疗体系内部，通过系统级改造推动落地。

百度健康是入口型路径中的典型代表。其“有医助理”从医生工作流切入，试图把AI做成医生的任务执行助手。它并不直接切入诊疗决策，而是先把“检索模式+任务模式”做出来，让医生在科研、病历、数据分析等高频任务上先用起来。

百度健康AI产品负责人对徽声在线记者强调，“当前最重要的不是先谈商业模式，而是先把医生愿不愿意用、能不能用好这件事做成。”

京东健康则把自己定位在场景闭环型路径上。“我们并不单纯依赖基础模型本身直接变现，而是坚持‘模型开源+场景落地’的思路，将技术能力开放出去，通过生态扩容带动更多场景接入，进而实现服务规模化、商业化的可持续增长。”京东健康相关负责人对徽声在线记者表示。

讯飞医疗则更偏向于体系内嵌型。它并不满足于在互联网入口上做文章，而是直接把AI放进基层医疗、医院和居民健康管理中，形成G端、B端、C端三端联动。

刘宇琪对此的判断也很明确：医疗AI未来能否规模化，关键不在单一模型突破，而在数据、场景、监管与支付体系之间能否形成协同。一旦支付端无法承接，AI创造的价值就很难真正完成闭环。“未来3-5年，医疗AI的竞争将不再是单一模型的竞争，而是‘全栈技术能力+深度场景理解+生态协同与商业落地能力’的综合竞争，竞争格局可能会存在平台型巨头、垂直领域专家和技术赋能型厂商并存的局面。”

而在这条路径真正跑通之前，AI医疗仍将处在一个并行探索、路径分化、持续试错的阶段。

以国外企业OpenEvidence为例，其商业模式主要围绕医生端展开，通过提供基于循证医学的智能检索与决策支持工具，提升医生信息获取与临床判断效率，并探索“医生端免费+广告或增值服务变现”的路径并取得一定成果。

但刘宇琪认为，美国医生独立执业、医药营销市场发达，使得“医生端免费+广告变现”模式可行；而中国医生多为医院雇员，采购决策集约化。

其进一步表示，国内同类产品的商业化路径需根本性重构：从“直接to医生”转向“to医院/药企/政府”，从“广告变现”转向“SaaS订阅或项目制服务”。同时，中文医学数据的分散性、指南的快速更新，也要求知识库建设投入更高，这进一步强化了ToB付费模式的必要性。