中國醫療 AI 戰事：十年 To B 血淚史，如今轉向貼近患者
- Association Secretary
- 4天前
- 讀畢需時 8 分鐘
2月16日，「螞蟻阿福」（Ant Afu）以一種幾乎不那麼「科技」的方式登上中國春晚舞台：不是未來感十足的人形機器人，也不是通用型 AI 的炫技展示，而是一個很生活化的場景——老年人體檢與慢病管理。
這樣的呈現並非偶然。它只是更大策略中的一個畫面：在最大規模上佔據用戶心智。
從12月到現在：全力推進的 To C 進攻
自去年12月至今，阿福展示了「頂級操盤手」全力推進一個產業時會做到什麼程度。僅12月一個月，螞蟻集團據稱就在行銷推廣上投入了「數億元人民幣」。這帶來一場高度協同的攻勢，覆蓋：
「嚴肅」渠道：KOL 推薦、專業內容種草
下沉市場與大眾推廣：以下載 App 現金激勵等方式拉新
全國性曝光：包含春晚在內的直接或間接觸達
這種線上線下的飽和推廣，直接撐開了用戶增長漏斗的最上層。據報導，截至23日，阿福 App 的總用戶數突破 1億，春節新增用戶中 52% 來自三線及以下城市。
某種程度上，「全面走向 To C（直面消費者）」正是這一輪 AI 與醫療碰撞的標誌性故事。
螞蟻阿福與百川智能在權衡後，都選擇直接面向用戶。而阿福這種高舉高打的姿態，也讓不少醫院管理者想起：支付戰場上，支付寶曾如何在看似穩固的銀行格局中撕開缺口，建立全民級的使用習慣。
第一個十年：醫療 AI 試圖改變醫生（To B）
過去約十年，中國多數醫療 AI 走的是 To B 路線，典型打法包括：
找渠道進醫院
與大型設備綁定
與地方政府合作做普篩
與檢查檢驗、影像中心、民營醫院等商業機構做導流分成
這些生意的共同特徵是：開拓成本高、非標、難複製，更像「一次性交易」，很難形成可持續護城河。
從健康科普、掛號、線上問診到影像 AI，每一輪技術熱潮落地時都能看到醫療的身影；但在醫療與互聯網長達十多年的拉扯後，一個結論逐漸清晰：
以醫院為中心的醫療系統像銅牆鐵壁，即便不差錢，也對動輒談「顛覆」的信息技術興趣有限。
醫療同時具有兩面性：
它是民生議題，天然容易給人「做難而正確的事」的價值感
它又是極難的生意場，做對不等於有回報，撞不開的牆會消磨信念
很多人雄心勃勃入場，最後心灰意冷離開。
而如今，問題開始轉向另一個方向。
新的十年：醫療 AI 試圖改變患者路徑（To C）
上一個十年的核心目標，是改變醫生的診療習慣；這一次，AI 想改變的是：人們如何決定去哪裡、看誰、第一步做什麼。
這個「理想故事」是否終於能落地，取決於接下來幾個關鍵變量。
01｜創造（甚至「製造」）需求
大模型驅動的新一輪醫療 AI 在快速推進三年後，開始進入官方政策視野，兩個信號尤其關鍵。
國家衛健委（2025年10月）
發布促進並規範「AI+醫療衛生」的文件，提出 8個方向、24項重點應用，並設定目標，例如：
到2027年：建立高質量行業數據集與可信數據空間
到2030年：基層診療智能輔助應用基本全覆蓋
國家醫保局（2026年1月）
發布「個人醫保雲」建設試點通知，目標是建立「全人群、全週期、全場景」的智慧醫保管理模式，預計 2027年3月底前完成驗收評估。
這兩份文件為 To B 和 To C 的落地提供了更強的「正當性」：
對醫院：16000多家二級以上醫院將擁有信息化、智能化建設的新 KPI
對個人端：1–2年內，13億參保人可能逐步沉澱起基礎數據資產（檢驗檢測、診療、健康消費等），這種級別的基建不是單一企業靠影響力能做成的
如果隱私保護、脫敏使用與授權機制能被建立（屬於技術與治理問題，但並非無解），那就可能出現一個更可想像的未來：
AI + B端臨床數據 + C端行為數據，將有機會撬動商業保險、可穿戴設備、個人健康管理等更多可轉化的場景。
即便多家大廠嗅到政策風向，卻似乎只有螞蟻願意「不計代價」深度投入。
有知情人士形容螞蟻動作很快：文件仍在醞釀期，螞蟻就開始大舉挖人。螞蟻與百川智能被視為本輪唯二豪賭 To C 的對手，人才需求高度重疊，甚至出現百川一整排員工都接到獵頭電話的情況。
2025年11月，螞蟻集團 CEO 韓歆毅宣布：原「數字醫療健康事業部」升級為「健康事業群」，使醫療健康成為與生活服務、金融服務並重的三大支柱之一。
值得注意的是：健康管理不一定需要最強的底座大模型。阿福的優勢在於整合能力——把螞蟻既有的線上醫療能力用大模型「串」起來：
用戶提健康問題 → 得到答案
用戶得到就醫建議 → 哪些醫院、科室、醫生
後續鏈路（掛號、支付、保險、院內渠道）→ 可能產生商業模式
真正的問題不在於模型是否足夠強，而在於：為健康付費是不是當下中國人真實存在的需求；若不是，是否有機會「把需求造出來」。
阿福12月的密集投放，對行業釋放了明確信號。一位影像 AI 資深從業者指出：誰也無法保證醫療 AI 一定能成，但此刻就斷言不成也過於武斷；「阿福背後的操盤手，是少數能在複雜場景把 To C 故事講清楚的人」。
韓歆毅用消費者語言定義阿福的成功：
當中國一半以上用戶有健康疑問時，第一時間想到問阿福
當使用過阿福的人，有一半以上願意推薦給家人朋友
到了1月，部分醫院開始擔心：這是否會演變成一種「患者包圍醫院」的策略——AI 可能影響患者選醫院與就診流向。
行業共識是：AI 不會取代醫生；但 AI 會對院牆內其他要素造成什麼影響，仍很難下定論。
02｜沒人付費：To B 醫療 AI 的殘酷現實
很多人已經淡忘：騰訊曾被視為醫療 AI 的「國家隊」。
2017年 AlphaGo 掀起熱潮後，中國提出四大 AI 平台：
百度：自動駕駛
阿里：城市大腦
科大訊飛：智能語音
騰訊：醫療影像 AI
騰訊的「覓影」曾是用硬科技改造醫療的一次高調嘗試。當時外界套用「人機大戰」敘事：既然 AI 能打敗世界級棋手，似乎就沒有理由不能戰勝醫生。
資本隨之湧入。2018年，醫療 AI 融資額翻倍至 76億元人民幣，交易 91起。大量影像及專病 AI 公司擴張。截至2025年10月，監管部門已批准 110+ 款基於深度學習的第三類醫療器械獨立軟件產品。
然而，核心商業困境始終存在：
即使準確率超過90%，風險仍由人承擔。廠商擔心基層醫生缺乏判斷能力，直接照抄 AI 結果；一旦出錯，就是巨大的合規、責任與聲譽事件。
醫院的結構性門檻也很高：
臨床產品需要循證與驗證
銷售往往依賴關係與長週期推進
公立醫院招採流程緩慢且制度化
最關鍵的是：
對醫生有用，不等於醫院願意付錢，甚至不等於醫院被允許額外付錢。
一位推廣影像 AI 的地區代理商提到現實政策口徑：鼓勵使用新技術提升效率，但不允許額外付費。
在同質化市場，對手兩三個月就能複製功能；要進院，產品常常得先免費送用。多年價格戰後，影像 AI 難以建立耐久護城河，也難形成可複製的商業模型。
再加上外部環境收緊：
反腐壓力上升
財政投入下降
公立醫院預算更緊
醫院更偏好大型上市公司供應商（更不怕對方倒閉）
因此，很多老兵提醒不要重演「2018幻覺」：概念火熱、投放買量成本高，但很難沉澱為長期價值。
近年來，騰訊也降低了直接做醫療應用的投入，轉向更低調的 To B——賣雲、賣算法，做乙方，不再單獨打造消費級健康 App。
03｜三維戰爭：制度、需求、技術、資本同時轉動
這一輪的不同，不僅在於大模型，也在於制度、需求、技術與資本在同一時間共振。
技術邊界更清晰了
過去兩三年，基於 Transformer 的大模型在醫療領域的能力邊界逐步明確：
AI 能聽懂人話
但 AI 會「編造」——而醫療不允許自信的錯誤
因此，行業首先集中火力降低幻覺：透過更好的語料與數據、讓 AI 詢問更多病史信息、加入後驗校驗或規則判斷等方式，不斷降低幻覺率。百川宣稱曾將幻覺率降至 2.6%。
但即便幻覺趨近於0，仍有更深層問題：醫學語言的邏輯並不完全等同於疾病的因果機理。有從業者認為，僅靠「瘋狂餵數據、期待自主湧現」未必能抵達真正的診斷目標。
於是，一種兼容的路徑再次浮現，像是回到傳統 AI 時代但又不完全回退：
大模型用於健康諮詢、科普、分診與就醫導航
小模型用於單病種或具體診斷任務
這不一定最「通用智能」，但更能兼顧醫療對準確性、可靠性與成本的要求：萬卡級算力的醫療大模型很昂貴，而小參數單病模型可能只需要幾張卡。
各方訴求在同一窗口期對齊
2025年前後的醫療 AI 熱潮背後，是一場「三維戰爭」正在醞釀：
決策者希望順應技術，讓人民更健康、少生病，並帶動消費、就業與 GDP
公立醫院系統正經歷患者流失、營收下降、補貼減少的轉型壓力，需要擴大臨床影響力與收入來源
互聯網與 AI 產業有技術、有資本，想把技術匹配需求並實現變現
在多方共振下，出現了一個難得的窗口期：大家都願意擁抱 AI。
各路玩家也從自身舒適區出發：
京東健康、阿里健康以醫生、醫院、藥企為半徑推進 AI 產品
聯影拆分軟件板塊「聯影智能」，嘗試重構醫院信息系統
訊飛醫療從安徽走向更大市場
活下來的影像 AI 企業準備再次衝刺上市
各大三甲醫院也在推出各類 agent
復旦大學上海醫學院副院長、智能醫學研究院院長朱同玉與醫療 AI 共同走過十年，他預測未來十年患者的治療模式會根本變革：隨著居家監測設備與 AI 問診普及，高血壓、糖尿病等常見慢病的診療將更多在家中完成。
當醫療 AI 不再試圖用一個大模型解決所有問題，而是回到「工具可用、流程可控、責任可承擔」的路徑上，它才真正進入深水區。
至於三五年後會師時，醫療 AI 會不會在眾目睽睽下重蹈影像 AI 的覆轍，還是能真正改變甚至創造新的就醫習慣，仍有待時間驗證。
如果你希望在大灣區範圍內獲得醫療策略、合作對接或市場進入方面的支持，GBAHA 可提供協助，歡迎電郵聯繫：service@greaterbayhealthcare.com。
