2025年7月，上海世博展览馆。在世界人工智能大会京东健康展台前，体验者排起长队。一位中年男子正与AI医生“大为”对话：“我最近常感到胸闷，特别是饭后...”。屏幕那端的AI医生连续追问症状细节、持续时间、伴随感受，最后建议进行心电图检查并推荐附近医院。

短短一个月，这位AI医生已服务超百万用户，单次对话平均轮次超过7轮，好评率达97%。与此同时，微软AI诊断协调器（MAI-DxO）在《新英格兰医学杂志》病例测试中达到85.5%诊断准确率，远超医生群体的20%。

而在几年前，曾红极一时的互联网医疗平台纷纷沉寂。从资本宠儿到批量消失，互联网医疗的陨落与如今医疗AI的崛起形成鲜明对比。

01 互联网医疗的陨落：概念退潮与现实困境

哪怕是五年前，“互联网医疗”还是资本市场最炙手可热的概念。线上问诊、医药电商、预约挂号平台如雨后春笋般涌现，融资消息频传。然而当资本热潮退去，这个曾经的火热赛道几乎消失殆尽。

头部公司要么陷入经营危机，要么被大型药企或科技公司收购。互联网医疗作为一个独立概念，已经逐渐淡出公众视野。究其根本，互联网医疗主要解决了医疗服务的连接效率问题，却未能触及医疗核心——诊断与治疗的提质增效。

大多数平台停留在“把线下服务搬到线上”的初级阶段，缺乏真正的技术壁垒。当资本停止输血，这些平台难以证明自身在医疗价值链条中的不可替代性，最终在医保支付、医疗资质、用户粘性等多重压力下溃败。

互联网医疗的退场，留给行业一个重要思考：当新技术浪潮席卷医疗领域，如何避免重蹈概念炒作的覆辙？这个问题，正在新一代医疗AI的发展中得到回应。

02 医疗AI的基因突变：从工具到智能体的进化

与互联网医疗不同，当前医疗AI正展现出截然不同的技术特质和产业逻辑。从“AI医疗”到“医疗AI”的术语转变，标志着这一领域经历了本质性蜕变。

早期“AI医疗”强调人工智能技术在医疗领域的应用，更多是单点工具属性。而如今“医疗AI”则意味着人工智能已成为医疗体系的内生能力，重构诊疗流程与服务模式。

京东健康“京医千询2.0”的架构变革极具代表性。其打造的“三引擎+四模型”技术体系，已形成完整医疗智能中枢：

三引擎：循证数据引擎、临床病例引擎、医患交互仿真引擎

四模型：全科医生模型、专科医生模型、健康Agent、影像大模型

这种架构使医疗AI从简单问答升级为具备专业推理能力的临床伙伴。微软MAI-DxO系统则更进一步，通过“顺序诊断基准”模拟医生思维过程，在每一步提出问题、安排检测、更新推理，最终形成诊断结论。

技术突破带来价值重构。约翰·霍普金斯大学研发的多模态AI模型MAARS，通过分析电子健康记录、超声心动图和心脏磁共振图像，能预测肥厚型心肌病患者的心律失常死亡风险，预测AUC值高达0.89，远超传统临床指南的0.27-0.35。

医疗AI正从外围工具走向诊疗核心区，其价值创造逻辑发生根本变化。这使其区别于昔日的互联网医疗，具备了不可替代的专业价值。

03 全球竞赛：中美欧的医疗AI发展路径

2025年，全球医疗AI发展呈现三足鼎立格局，中美欧各自形成差异化发展路径。

中国在应用落地层面快速推进。京东健康已上线超500个专家医生智能体，成为业内医生智能体数量和服务规模最大的互联网医疗平台。这些智能体基于医生本人的专业知识、临床经验和表达习惯，深度训练形成“数字分身”。

蚂蚁集团联合王建安院士团队推出的“Jack安心智能体”，首次实现与智能硬件的深度结合。用户接入华为手表、鱼跃血压计等设备后，智能体能结合血压、脉搏等数据，为心脏瓣膜病患者提供诊后管理服务。

美国聚焦基础技术突破。微软MAI-DxO系统在复杂病例诊断中展现的85.5%准确率，代表着全球顶尖水平。约翰·霍普金斯大学的MAARS模型则开创了多模态AI预测死亡风险的先河。

欧洲强项在监管框架建设。欧盟率先推出医疗AI认证体系，建立算法透明度和临床验证的强制性要求，为全球提供监管范式。

技术路线差异背后是发展理念的分野。中国依托庞大人口基数和丰富医疗场景，推动AI应用规模化落地；美国凭借顶尖科研实力和资本支持，专注底层技术突破；欧洲则强调伦理优先，构建可信赖的医疗AI治理体系。

04 政策红利：国家战略推动下的生态重构

与互联网医疗时代不同，医疗AI的发展获得了系统性的政策支持。2024年底以来，中国多部委密集出台支持政策，为医疗AI构建良好生态环境。

2025年4月，工信部等七部门下发《医药工业数智化转型实施方案（2025—2030年）》，明确提出深化人工智能赋能应用。方案设定了明确目标：到2027年，建设10个以上医药大模型创新平台，总结41个数智化转型典型场景。

更早的2024年11月，国家卫健委联合多部门发布《卫生健康行业人工智能应用场景参考指引》，为AI在医疗行业的运用提供了81个方向的应用指引，覆盖从医疗服务到药物研发的全链条。

地方层面，广东省率先印发《加快发展“人工智能+医疗卫生”行动方案（2025—2027年）》，提出到2027年底建成5个以上人工智能共性基础平台，打造40个标准化数据集和20个专病专科数据库。

监管层面亦有创新突破。国家药监局优化全生命周期监管，将审批周期从18个月压缩至8个月，同时建立医疗机器人不良事件实时监测系统。

政策组合拳正推动行业从“野蛮生长”转向“高质量创新”，为医疗AI构建起互联网医疗未曾拥有的制度基础设施。

05 未来图景：2030年医疗AI三大趋势

基于当前技术演进和产业实践，医疗AI正朝着三个方向重构未来医疗。

多模态融合成技术制高点。医疗AI正突破单一数据类型的局限，向多模态综合决策演进。“京医千询2.0”已实现对文本、影像、检验数据等多模态医学数据的综合解析。约翰·霍普金斯大学MAARS模型则整合电子健康记录、影像数据和基因信息进行综合预测。

这种融合使AI能更全面地理解疾病本质，为精准医疗提供底层支撑。

场景渗透从诊疗向全生命周期扩展。医疗AI应用正突破传统诊疗场景，向健康管理、康复护理、药物研发等全链条延伸。

据预测，到2030年，AI将承担80%的影像阅片工作，手术机器人渗透率提升至45%，康复机器人形成“医院-社区-家庭”三极服务网络。在药物研发领域，AI制药市场有望突破500亿美元，大幅缩短新药研发周期。

商业模式从产品销售转向生态服务。“机器人即服务”（RaaS）模式正在崛起，2025年RaaS合同占比已达行业总量的35%。医保支付也在变革，部分省份开始探索对AI辅助诊断的报销。

随着量子传感、脑机接口等前沿技术突破，医疗AI将不断突破能力边界。2030年，量子传感技术有望使手术机器人定位精度突破微米级，开启精准医疗新时代。

06 生存挑战：医疗AI如何避免重蹈覆辙？

面对光明前景，医疗AI仍需警惕互联网医疗曾遭遇的困境。三个关键挑战将决定其能否实现可持续发展。

数据壁垒与隐私安全的平衡难题。医疗AI发展高度依赖高质量医疗数据，但数据获取面临隐私保护和合规使用限制。医院、科技企业和研究机构间的数据流通仍存在制度障碍。

广东省探索的解决方案是建立数据分级分类管理和授权使用机制，探索多方安全计算模式，实现数据“可用不可见”。蚂蚁集团则联合信通院发布《医疗健康行业智能体AI医生》标准体系，围绕隐私安全等关键方向开展标准研制。

临床价值验证与商业回报的周期矛盾。当前多数医疗AI产品尚未形成清晰的盈利模式。德勤孙晓臻指出：“在中国，大多数数字诊断和治疗方法仍需在利润方面进一步发展。”

破局之道在于探索多元化支付路径：国家药监局批准的智能设备报销、商业保险覆盖的疾病管理服务、以及医院中AI辅助诊断的医保报销。

监管适应性与技术迭代的速度博弈。当AI将I期临床试验成功率提升至80%~90%，却与监管对AI动态学习算法的冻结要求构成矛盾。传统监管框架难以适应AI快速迭代特性。

应对之策是建立动态监管机制。广东省《行动方案》提出探索“监管沙盒”模式，建立人工智能应用分级分类管理机制。国家药监局则开通创新医疗器械绿色通道，将审批周期大幅压缩。

医疗AI必须证明自身在医疗价值链中的不可或缺性，才能真正避免重蹈互联网医疗的覆辙。

医疗AI的未来图景已经展开。2030年，当手术机器人精度突破微米级，当AI承担80%的影像阅片工作，当康复机器人在每个社区提供精准服务，医疗将不再是“生病就医”的被动应对，而是全生命周期的主动健康管理。

互联网医疗解决了连接问题，医疗AI则在解决医疗本质问题。蚂蚁集团与信通院联合发布的首个医疗智能体标准、广东省的“三引擎+四模型”技术架构、微软MAI-DxO系统的诊断协调能力，这些创新正在将医疗AI锻造成一个不会消失的新物种。

医疗AI不是替代医生，而是将人类智慧与机器智能融合，为每个生命提供更精准、更可及的健康守护。当王建安院士的智能体通过华为手表监测用户心脏数据时，互联网医疗的时代已被彻底超越。

来源：医洲