从微软、华为到蚂蚁，这些科技巨头纷纷重金押注，试图在这片充满希望的蓝海中分得一杯羹。但问题是，AI 医疗到底有什么魔力，能让这些巨头们如此痴迷？

大模型的威力无需再普及，现在是讲应用的时候了。千行百业主动求变，其中应用速度、广度和深度排在之最的，当属医疗。

一份行业统计报告显示，2023 年末，国内行业大模型的分布排在前三甲的就是医疗医药、金融和科研。机器人还没有亮相春晚舞台，已经上过手术台。

2025 年年初，DeepSeek 横空出世，AI 医疗商业落地被进一步催化，最核心的两个原因：价格普惠，以及开源模型能进行私有化部署，更契合医疗数据敏感的安全需求。据不完全统计，截至目前，国内已有超百家三级医院官宣完成DeepSeek本地化部署。

最重要的是，C 端用户在经过上一波互联网医疗的教育普及之后，对AI 助手诊疗似乎更为接受。

所以，国外如英伟达、微软等巨头在重金投入，国内如华为、蚂蚁也在持续加码。AI 医疗都成为大模型最不愿错过的应用场景。

01 AI 医疗进化方向

大模型厂商进入医疗领域，他们的解题思路不受局限，如果有一定医疗服务基础的公司，甚至可能更为激进。

比如华为，3 月初组建的第 21 军团，正是医疗卫生军团。重点即时构建AI 辅助诊断解决方案体系，推动医疗大模型在临床场景的应用。

之后频繁落子，联合不同医院分别推出病理大模型、急性胸痛大模型等，同步也跟互联网公司积极推进一体机解决方案。其中包括同样深度布局AI 医疗的蚂蚁。

蚂蚁集团把AI 医疗作为确定性战略之后，几乎是在三端——机构、医护和用户同时发力。国内玩家少有如此全面深度布局，侧面也说明蚂蚁锁定医疗AI的野心和决心。

蚂蚁做医疗的基础在于支付宝。互联网医疗阶段，支付宝就在医院机构、用户端在挂号、问诊和支付等环节建立感知。近 11年积累，辐射全国 3600 家医院，累计服务用户超过 8 亿，是国内最大的医保支付服务平台，也是一站式医疗健康服务平台。

AI 阶段，蚂蚁医疗含义其实在拓宽，从基础设施硬件、行业大模型到生态伙伴，然后延伸到应用场景，已经能称得上全景式渗透。

前几天，也正式对外发布升级了面向医疗机构、医生和用户三端的AI 产品体系：

最受关注的还是联合华为、阿里云推出的「蚂蚁医疗大模型一体机」全栈解决方案，医院系统因此获得国产算力、医疗大模型、AI 训推一体的私有化部署。首批接入的有包括杭州市医保局、北京中医医院等 7 家机构。

值得一提的是，2024 年11月，国家医保局已经将人工智能辅助诊断列入立项指南，AI 辅助诊断首次被纳入医保。这对于AI 医疗解决方案提供商而言，是积极信号，也是见真章的时刻。

同时好大夫在线的 29 万注册医生，在医、教、研场景，可以通过蚂蚁开发的「AI 病历助手」、「AI科普助手」以及最新的「AI 科研助手」提升效率。未来会有更多丰富的矩阵工具，形成AI 超级助理。

AI 在用户端的服务已经有数据反馈。去年 9 月推出的「AI健康管家」，半年时间服务近 4000 万用户，帮助普通人找医生、读报告、陪看诊等等。

三端同时发力，蚂蚁对医疗AI 的雄心在于构建从诊疗、服务到健康管理的闭环。

这不是短时间内可以实现的。蚂蚁在这条赛道投入近11年，从数字科技inside走向AI技术inside，无疑是在继续做深产业，穿越更长生命周期。

02 单点突破的可能性

与蚂蚁更全面的重投入不同，目前市面上的入局者，尚处在单点技术匹配单点场景的阶段。

如果面向医院等机构，AI 在几类场景显现作用：

最典型如影像诊断， AI 在学习了数十万张专业医师标记的胸部CT 阅片信息之后，可以快速阅片并给出结果。有些小于 1cm 的病灶，医生肉眼寻找费时费力，AI可以一秒给出结果，甚至标出结节大小、位置、密度，初步分辨良恶性。

北京海淀医院引入的肺部CT影像AI辅助诊断系统至今已协助分析了约22万病例。

AI也在进行辅助诊疗，比如手术规划和手术机器人。有医疗大模型从业者将前者比喻为汽车地图导航，后者则是无人驾驶。

与此同时，面向医护的AI 产品也在逐步落地。

比如Abridge，一款AI 记录助手，帮助医护人员完成临床文档记录。这款产品通过自动语音识别诊疗过程，AI会生成符合要求的文档。

公司给出的数据是，Abridge 能完成医生 91% 以上的文档记录工作量，同时与美国最大的一家电子医疗系统Epic 深度整合，不仅节省医生时间，也不需要改变医生现有工作习惯。

3 月 4 日，微软面向医护人员也推出语音AI 助手Dragon Copilot。只要微软解决方案覆盖的医院，系统会自动捕捉记录医生和病人之间的对话，AI 进行语境分析，自动创建临床记录。

除医院机构和医护人员专业群体之外，C 端普通用户也是AI 医疗重要服务对象。商业落地产品主要集中在AI 个人健康管理和助手。

MedMatch 就是一款AI 驱动的医疗保健解决方案，用于心理健康、男性健康、女性皮肤管理等敏感领域。核心是结合历史临床数据、治疗类型等用户训练模型，最后AI 给出推荐的临床决策和治疗方案。

而国内也有一些AI 助手，用于自主疾病诊断，识别常见药品，建立个人健康空间。

但在医疗服务领域，有一个回避不了的现实是，医院、医护人员和用户，三者其实无法割裂而存在，在任何一个场景中浅接入大模型很难让医疗AI真正落地、产生价值。

此外，医疗数据量大同时质量不高、结构化和标准化不足，大模型能力的幻觉问题在医疗领域更具挑战，技术迭代和多场景应用之间形成闭环尤为重要。

一方面，医疗天然适合大模型应用，另一方面，医疗领域门槛较高。

这都决定了进入医疗AI没办法「脚不沾地」，而蚂蚁打法值得关注的原因就在于，11年实践帮助它更快明确了这一点。

03 从锦上添花到刚需必备有多远？

我们所看到的，已经是AI 医疗发展到一定阶段的产物。

早期医疗AI 多局限于单一任务优化，存在明显的信息割裂，比如仅凭影像无法判断肿瘤病理分型，还是需要结合实验室结果；

此外，早期AI无法像医生一样用自然语言解释诊断依据，即便现在如大模型进化之后，AI 也有八股嫌疑，无法精准获取有效信息，还被人嫌弃没有人情味儿。

再者最重要的就是数据孤岛问题，不同医院使用的影像格式、病历系统互不兼容。

这些问题现阶段没有消除，但是大模型的普及，DeepSeek的高性能、低成本和开源又将大模型能力带到一个新台阶，AI 医疗也在进入新阶段。

最基础的就是数据敏感和安全问题，开源模型方便本地部署。蚂蚁也打出「训推一体，开箱即用」的轻量化设计口号，数据可用不可见，诊疗过程全程可溯源。

再比如降低成本，利于医疗平权和普惠。

上海长征医院放射诊断科主任刘士远团队2022年上半年做的中国医学影像人工智能临床应用情况调研，73.9%的三级医院配备了影像的AI辅诊软件，而在基层医疗机构，这一比例仅有10.1%。成本降低之后，会推动AI从头部医院试点转向基层普惠应用。

这些金钱和安全问题，或许都有解决办法。目前AI 医疗可能面临最重要的问题是，如何从锦上添花变成刚需必备，让人有意愿使用，甚至付费。

去年7月，国家卫生健康委卫生发展研究中心副主任游茂曾表示，中国95%的研究或产出都集中在医学影像类；而在其他领域如医疗机器人、知识库、自然语言处理的研究相对不足；在「决策规则」的研究几近空白。

所以对于AI 影像诊断，机构的付费意愿和付费率比较高，辅助治疗如果是免费，医生也愿意积极尝试，但是如果要花大几十万元正式采购，可能就会被慎重对待。

一位医疗从业者的观点是，目前市面上已有的AI 医疗产品开发率可能不足 5%。你可以将此理解是这条赛道的难度并不一般，也可以解读为巨大的市场潜力。