字节腾讯京东蚂蚁为何集体押注AI医疗?"好大夫"AI造得出来吗? ...

解读 鹏哥
2026-6-29 16:17 16人浏览 0人回复
来源: 科技喵新 收藏 分享 邀请
摘要

上周陪朋友去当地三甲医院挂呼吸科的号,提前一周放的号源3分钟就被抢空,转到社区医院就诊,医生看了半天CT片还是拿不准,最终还是建议我们去上级医院找专家再看。这种场景很多人都遇到过,背后的核心矛盾从来不是 ...

 上周陪朋友去当地三甲医院挂呼吸科的号,提前一周放的号源3分钟就被抢空,转到社区医院就诊,医生看了半天CT片还是拿不准,最终还是建议我们去上级医院找专家再看。

这种场景很多人都遇到过,背后的核心矛盾从来不是挂号缴费的流程麻烦,而是优质医疗供给的绝对缺口。最近半年,字节、腾讯、京东、蚂蚁等互联网大厂齐齐押注AI医疗赛道,正在尝试从根本上破解这个行业痛点。

差异化布局路径

字节:AI+内容基因下的C端+B端双向落地

字节跳动在AI医疗行业的布局采取了“重资产”与“技术驱动”相结合的激进路线,致力于构建一个覆盖“医-检-诊-治-药”全链条的实体化医疗产业集团。通过线上内容(抖音医疗科普)和AI问诊产品进行流量获取与初步筛查,再通过线下实体医疗机构承接诊疗服务,形成“线上筛诊+线下承接”的完整闭环。

字节跳动在医疗领域的产品布局涵盖了C端服务、B端工具、线下实体及前沿研发:

  1. C端AI医疗助手:
  2. 小荷AI医生App:字节首款AI医疗助手,提供7×24小时健康咨询、报告解读、用药指导等。采用强制追问机制模拟临床思维,常见病识别能力经评测基本达到三级公立医院主治医师水平。
  3. 线下实体医疗机构:
  4. 小荷门诊:侧重便民基础诊疗服务,让AI医疗技术在真实线下场景落地。
  5. 美中宜和:全资控股的高端私立妇儿医院,正引入MDT(多学科诊疗)模式,向高端综合医疗平台转型。
  6. 美中爱瑞肿瘤医院&北京爱瑞国际医疗综合体:控股三级肿瘤专科医院,并斥巨资建设聚焦细胞治疗创新转化的医疗综合体,规划打造“AI原生”实体医院。
  7. AI制药与前沿技术研发:
  8. AI制药业务:团队已启动拆分与独立融资进程,推出了蛋白质结构预测模型(SeedFold、Protenix)及AI制药平台(Anew Labs),部分候选化合物已进入临床前研究阶段。
  9. 医疗视觉语言基础模型(MedXIAOHE):服务于患者端AI医生和医生端辅助诊疗工具。
  10. 其他技术:开发结肠镜AI辅助诊断软件、泛癌种无创早筛技术等。

腾讯:连接+云基因下的全生态渗透

腾讯在AI医疗行业的布局走的是“开放连接、轻量化赋能”的路线。推动AI从“会回答”向“能做事”演进,面向用户、医疗机构、药企及研究机构四大角色,落地涵盖诊前、诊中、诊后的全场景闭环。腾讯不直接下场做完整的医疗实体闭环,而是通过开放平台,与医院、药企等合作伙伴共同构建数字化医疗生态,避免与行业伙伴产生竞争。

腾讯的AI医疗产品覆盖了C端患者、B端医生/医院以及泛医疗企业:

  1. C端患者服务(提升就医体验):
  2. AI就医助手(AMA)/小觅AI助手:接入医院公众号或小程序,提供7×24小时的智能导诊、预问诊、报告解读、用药指导等全流程服务。
  3. 精准预约(AIPA):基于AI引擎判断患者病情,实现医患精准匹配,解决顶级专家号源分配难题,提升门诊-住院转化率。
  4. B端临床与医院管理(提升诊疗效率):
  5. AI临床助手:结合DeepSeek与混元双模型,辅助医生进行疑似诊断、病历质控、危重症识别及合理用药审核,大幅节约案头工作时间。
  6. 腾讯觅影(医学影像AI):提供基于云端的医学影像分析,其结直肠AI、青光眼AI等已获得国家三类医疗器械注册证,辅助医生进行疾病早筛与精准诊断。
  7. 临床辅助决策系统(CDSS):为基层医疗机构和单体医院提供疑似诊断、鉴别诊断、用药参考等决策支持,助力分级诊疗与智慧医院建设。
  8. 泛医疗企业与科研(加速产业创新):
  9. AI制药平台(云深智药):利用AI进行蛋白质结构预测、靶点发现和化合物筛选,帮助药企加速临床前研究,缩短药物研发周期。
  10. NGES(数字化营销与合规系统):为药企提供全流程智能管控,推动药企数字化系统向“数字化能力工厂”升级。

京东:供应链+零售基因下的“医疗+药品”协同

京东在AI医疗行业的布局,深度依托其自研的“京医千询”医疗大模型技术底座,走出了一条“全场景落地+医检诊药闭环+供应链赋能”的差异化路线。京东健康首创AI驱动的“医检诊药”服务闭环,从导诊、问诊、检查到买药,让AI实现对用户需求的准确理解与主动分发,提供一站式医疗健康服务。

京东的AI医疗产品矩阵精准覆盖了C端用户、B端医生、医院机构及药械企业:

  1. C端用户服务(全周期健康管家):
  2. AI医生智能体集群(AI京医):包括AI医生“大为”、AI药师“小方”、AI营养师“小晶”等。AI医生具备长期记忆与主动管理能力,能记住家庭成员健康档案,提供智能预警、用药提醒,并无缝衔接在线问诊、到家快检、药品履约等服务。
  3. AI药师与用药管理:搭载4000万权威知识源,处方风险拦截准确率高达99.6%。针对慢病人群推出“药小智”,提供量身定制的用药指导和终身陪伴助理服务。
  4. B端医生与临床赋能(智能外脑):
  5. 京东知医:专为医生研发的AI循证医学助手,深度整合超4000万份全球权威医学文献与指南。它不仅能快速输出结构化循证结论,还支持多模态资料解析(如检验报告、处方),并全面接入CACA指南,在肿瘤等专科领域提供精准决策支持。
  6. 医院与机构数字化(智慧医院):
  7. 京东卓医:业内首个医院全场景应用大模型产品,为医院提供面向患者的个人就医管家、面向医生的数字分身以及面向运营管理的“未来数字医院”服务。目前已在温州医科大学附属第一医院、协和医院等多家三甲医院落地。
  8. AI+医疗器械与药企赋能:
  9. JoyInside(附身智能):为医疗器械植入“高情商大脑”,实现超拟人对话与情感陪伴(如AI轮椅)。计划一年内接入100万台设备,打造智能互联生态网络。
  10. 药智模型:面向药品全产业链,为药企定制专属智能体,提供数字化学术推广平台,助力药企向“数据驱动”转型。

蚂蚁:支付+信用基因下的“医保+商保”打通

蚂蚁集团在AI医疗行业的布局,走出了一条“机构-医生-用户”三端联动、全链路闭环的差异化路线。蚂蚁集团已将医疗健康列为AI战略的三大主阵地之一,并将原“数字医疗健康事业部”升级为“健康事业群”,加速推动医疗健康业务成为蚂蚁的战略支柱板块。

蚂蚁的AI医疗产品精准覆盖了C端用户、B端医生及医疗机构:

  1. C端用户服务(AI健康管家):
  2. 蚂蚁阿福(原AQ):蚂蚁推出的核心AI健康应用,定位为“AI健康朋友”。提供健康科普、就诊咨询、报告解读、健康档案等上百项功能。具备主动追问、主动建档能力,支持语音通话及十余种方言。
  3. 名医AI分身:联合全国数百位顶尖三甲名医(包括多位院士团队)打造“AI分身”,提供7×24小时的专属健康咨询与基础诊疗服务。
  4. 医生把关服务:首创“AI问答+医生复核”模式,用户可邀请三甲医院医生对AI的分析结果进行复核并补充意见,确保医疗建议的严谨性。
  5. B端医生赋能(AI超级医生助理):
  6. AI医生助手系列:面向好大夫在线等平台的数十万注册医生,推出“AI病历助手”、“AI科普助手”及“AI科研助手”。深度融合DeepSeek等大模型,帮助医生提升文献检索效率、生成结构化鉴别诊断建议,全面助力医、教、研工作。
  7. 医疗机构端(智慧医疗一体化方案):
  8. 蚂蚁医疗大模型一体机:联合华为、阿里云等伙伴推出全栈式解决方案,支持医疗机构一键完成国产算力与医疗大模型的私有化部署,保障核心医疗数据“不出院”。
  9. AI就医助理:为医院打造专属智能体,承接导诊、挂号、缴费、报告查询等9成以上的基础咨询,提供从诊前到诊后的“云陪诊”体验,显著减轻医护负担。
  10. 安诊儿智能体:与卫健委、医保局合作,打造省级AI健康应用与医保助手,覆盖挂号、咨询、医保结算等环节。

从“连接”到“补供给”:AI医疗的本质跃迁

2014年到2020年的互联网医疗热潮,核心逻辑始终是“连接”:连接患者和医生做在线问诊,连接患者和药店做线上售药,连接患者和医院做预约挂号。但这种模式始终没有触碰到医疗行业的核心痛点:优质医疗供给不足。

据国家卫健委2025年发布的统计公报,我国每千人口执业医师数为3.61人,其中全科医生仅为0.45人,优质医疗资源80%集中在一二线城市的三甲医院,基层医疗机构的诊断准确率仅为三甲医院的60%左右。传统互联网医疗只是把线下的医疗资源搬到线上,没有新增任何供给,反而还因为流量分配的问题,进一步拉大了优质医生和普通医生的收入差距。

AI医疗和传统互联网医疗最核心的区别,就在于它不做存量分配,而是直接创造增量供给。

比如AI辅助诊断工具相当于给每个基层医生配了一个三甲医院的专家助手,哪怕是乡镇卫生院的医生,也能做出和三甲医院医生水平接近的诊断。AI药师、AI医学影像诊断、AI病历书写等工具,也能把医生从大量重复性的工作中解放出来,让他们有更多时间处理复杂病例,相当于间接提升了优质医生的供给量。

仍处起步阶段:落地难题待解

现在说AI医疗已经成熟还为时尚早,整个行业还处于非常初期的探索阶段,几个核心的坎还没迈过去。

首先是权责划分的问题,目前国内还没有明确的法律法规,AI给出的诊断意见出了问题,责任算平台、算AI厂商、还是算最终签字的医生,现在还没有统一的标准,这也导致所有的AI医疗应用都必须加“人工复核”的环节,不能独立输出诊断结果。

其次是数据合规的问题,医疗数据是敏感程度最高的个人数据,大厂训练AI模型需要大量的病例数据,但是怎么合规获取这些数据、怎么保证数据不泄露,现在还是行业的普遍难题。

还有就是模型的泛化性问题,现在的AI医疗模型在常见病、标准化的场景下准确率很高,但对于罕见病、复杂病例的识别准确率还不到60%,因为训练样本太少,很难覆盖所有的特殊情况,短时间内还替代不了医生的判断。

AI医疗的核心不是替代人,而是把医生从重复低效的劳动里解放出来,去做更有价值的判断和沟通。

现在大厂的布局都还只是卡位,整个赛道的商业化爆发可能还要3到5年的时间,但方向是确定的:医疗供给不足的痛点是实实在在的,谁能把AI的优势和医疗场景结合好,真正解决供给端的问题,谁就能吃下这个万亿级的新市场。

现在没必要急着吹泡沫,也不用妄自菲薄,毕竟所有的新行业,都是一步步摸着石头过河走出来的。

来源:科技喵新

0

路过

0

雷人

0

握手

0

鲜花

0

鸡蛋

本文暂无评论,快来抢沙发!

推荐阅读
体外诊断网是宇翼科技旗下品牌,定位于全球体外诊断领域服务平台,我们追求及时、全面、专业、准确的资讯与数据,致力于为企业及用户服务。
  • 微信公众号

  • 微博账号

  • 商务合作