同一个专家的临床经验，被AI放大了近两百倍的触达效率。这是"快"的一面。

但如果去看支撑这个AI分身的底层工程，会发现另一个数字：蚂蚁在浙江打通覆盖全域医疗机构的"数据高铁"，贯通浙大一院、浙大二院、邵逸夫医院等三甲机构，用了整整五年。这是"慢"的一面。

一边是模型开源即刷榜、健康管家App半年内积累数千万用户、并购好大夫在线后AI医生助手迅速铺开的高频动作；另一边是数据打通以年计、诊断决策权始终锁在医生手里、核心诊疗环节几乎没有对外开放。外界很容易把这种反差解读为"雷声大雨点小"——动作多，落地慢。但换个角度看，这种节奏差异本身，或许正是蚂蚁在医疗这场长期战役里刻意选择的打法。

蚂蚁的"快"，发生在哪里

把蚂蚁近两年在医疗上的动作摊开看，会发现一个共同特征：所有跑得快的环节，都集中在“外围连接层”，而非“核心决策层”。

支付层面，8亿用户在支付宝激活医保码，最近又上线了商保码，蚂蚁把这套支付能力延伸进就医购药的每一个环节。服务层面，支付宝医疗健康频道链接了全国近5000家公立医院，年服务超8亿人次，覆盖挂号、问诊、购药、口腔疫苗乃至医美。工具层面，收购好大夫在线之后，围绕平台30万注册医生推出了"AI病历助手""AI科普助手""AI科研助手"，把医生从重复性文书工作里解放出来——据披露，AI科研助手能将医生的文献检索效率提升80%。模型层面，开源医疗大模型"安诊儿"一发布就在HealthBench等多个权威榜单上登顶，专用研究智能体MedResearcher-R1用2100条训练样本就在复杂医疗研究任务上反超了o3、Gemini 2.5 Pro等通用大模型。

案例比战略表述更能说明问题

抽象的战略叙事容易让人无感，但把几个具体项目摊开看，"快"兑现的是实打实的数字，而不只是一句公关话术。

上海仁济医院的泌尿外科智能体是一个不太被外界注意、但很能说明问题的案例：这个智能体上线后，科室里低年资医生的诊断准确率提升了7个百分点。它没有替代任何一位医生的判断，而是把资深专家的临床经验，变成了年轻医生日常决策时可以随时调用的参考——AI在这里补的不是"患者触达"的短板，而是"人才培养"的时间差。

毛洪京的AI分身也不只是一个笼统的服务量数字。仅"睡眠"这一个专题，这个分身每个月就要回答114万人次的相关问题——比起把总接诊人次做大，让AI在一个具体病种上做深、做到能承接专科级别的追问，才是更难的活儿，这也是蚂蚁把"专病专科智能体"作为下一阶段重点的原因：目前已经跑出HPV百事通、偏头痛管理小助手、更年期守护者、RSV预防小助手、肝脏守护者、皮肤家庭顾问、脱发小管家这七个方向。

其中"更年期守护者"给出的是一个从科普到就医的完整转化案例：智能体上线后，合作医院更年期相关科室的挂号量环比提升了13%，验证了"科普—支持—行动"这条线上到线下的路径确实能走通，而不是停留在"多了个问答入口"的层面。更早一项联合高校做的实验研究则显示，用户和蚂蚁阿福进行一次约15分钟的互动，就能把自费HPV疫苗的预约登记率提高12个百分点，并且推动用户从二价疫苗转向保护效力更高的九价疫苗——这类数据说明，AI科普不是简单地多铺了一个信息渠道，而是实际改变了具体的医疗决策。

机构端的连接广度也早已不止浙江一省：目前蚂蚁健康已经和18个省市的医保局、8个以上地区的卫健委建立合作，衍生出"安诊儿"（浙江）、"穗小伊"（广州）、"渝小健"（重庆）、"健湘君"（湖南）等一批因地制宜的数字健康人产品，覆盖河北、内蒙古、四川、新疆等地——这也是"外围连接层可以跑得快"这句话背后，真正撑起规模的部分。

这些动作看似分散，实际指向同一个战略意图：把过去11年在支付、医保、医院资源上积累的"连接能力"，重新用AI串联成一个"机构—医生—患者"三端一体的服务闭环。这不是单点工具的堆砌，而是生态位的重新巩固。蚂蚁集团副总裁张俊杰的说法很直接：其他玩家还在各自开发散点式AI工具，而用户真正需要的是跨机构、跨医生的统一服务入口。这句话本质上是在划清竞争边界——比的不是谁的模型分数更高，而是谁的生态连接更完整。

也正因如此，蚂蚁在去年年末把原本的数字医疗健康事业部升级为独立的健康事业群，与支付宝、数字支付、财富保险、信贷并列为核心板块。这个组织动作释放的信号，是医疗健康正式从"补充业务"变成"主航道"——资源投入的优先级变了，但对应的，责任的重量也变了。

蚂蚁的"慢"，是刻意的

外围连接可以快，是因为出错的代价可控——挂号系统卡顿、科普内容不够精准，最多是用户体验受损。但只要往医疗的核心区靠近一步，节奏就会骤然放缓。

最直观的例子还是那条"数据高铁"。打通几家三甲医院的数据互联互通，蚂蚁用了五年，而这还只是浙江一省的进度，尚未看到全国规模化复制的时间表。再看AI在临床决策中的角色定位：即便是毛洪京的AI分身已经能一天服务11万人次，其功能定位依然是"分身"而非"替代"——真正的诊断结论、处方权限，始终没有从医生手里转移出去。

这不是技术能力不够，而是结构性约束决定了速度上限。三级医院仅占全国医疗机构总数的7.8%，却承担了50%以上的门诊量，优质医疗资源本身就高度集中在体制内，数据、编制、责任认定都不是市场化流动的资源，蚂蚁能靠技术和资金推动的只是"接口层"的效率，而触碰不到"决策层"的重构——这一层的开放节奏，由医院、监管、医生共同决定，不是任何一家科技公司能单方面加速的。

蚂蚁自己对这种慢也有清醒的认知。张俊杰谈及入局逻辑时提到，蚂蚁从2014年推出第一笔线上支付起步，到第一张电子社保卡、第一张医保电子凭证，走的始终是"从最难的事情开始做"的路径。这种表述背后其实是一种承认：医疗行业的核心壁垒不在技术，而在数据和医生资源的合作深度，这些壁垒的突破没有捷径，只能靠时间和信任一点点积累。

信任不是喊出来的，是一层层"不作恶"的克制换来的

如果把镜头拉近到"医生"这个具体主体上，会发现蚂蚁在这条慢变量上的耐心体现得最明显，也最容易被忽略。

好大夫在线本身带着一份罕见的信任资产。这家成立于2006年、被称为"互联网在线诊疗鼻祖"的平台，创始人王航立下过"三不做"原则——不卖药、不建线下医院、不打医疗广告，平台95%的收入分给医生。这个模式在商业上并不性感，却是它能在流量至上的互联网医疗行业里活过近20年，并被30万注册医生认可的根本原因。蚂蚁收购的不只是一个流量入口，而是这份积累了近20年的医生侧信任资产——而信任资产最大的特点是极易被一次商业化越界击穿，却需要漫长时间重建。这也是为什么并购之后，张俊杰会公开明确表态：好大夫的医生推荐排序"不能被任何商业化影响"。这句承诺看似只是一条运营红线，实际上是蚂蚁在向30万医生群体做出的一个结构性保证——你的专业排位不会被谁投放了广告、谁买了流量所左右。没有这条红线，后续所有"AI赋能医生"的叙事都无从谈起。

第二层证据在AI分身的训练方式上。蚂蚁没有用一个通用大模型去"扮演"某位医生，而是为毛洪京这样的专家投入了100小时医患对话数据的训练，并持续叠加医生本人提炼的临床知识、文献与诊疗指南。这个投入强度传递的信号是：AI分身不是平台单方面制造的"数字替身"，而是医生本人深度参与共建、并对内容负责的产物。同时，"人机协同"从设计上就是自愿而非强制的机制——医生可以选择要不要开通AI分身，开通后AI也只处理基础、重复性的问题，复杂病情分析和患者关怀依然留给医生本人。陕西儿科医生刘海燕在阿福App上线AI分身后的反馈很有代表性："那些熬夜整理科普内容、反复打磨问答逻辑的日子，都有了沉甸甸的意义"——这种自下而上的情感认同，是任何强制推广都换不来的，也恰好说明信任的建立发生在个体医生真切感受到AI在为自己减负，而不是在抢自己的位置。

第三层证据来自蚂蚁集团CEO韩歆毅在收购一周年节点上的公开表态，把AI在医患关系中的角色边界说得极为明确："医生是医疗体系最核心、最不可替代的力量。无论AI如何发展，诊疗主导者永远是医生，健康责任人永远是用户。"这不是一句公关辞令，而是对"AI造医生"这个行业最诱人叙事的主动收敛——王小川曾把"造出医生"类比为实现AGI的参照系，是行业里想象力最丰富、也最激进的方向；蚂蚁的表态则明显是反其道而行，用一句话把AI摁在"医生助手"的定位上，不去触碰诊疗主导权。这种克制在短期内牺牲了故事的爆炸性，但换来的是医生群体愿意持续把自己的专业内容和患者关系交给这套系统。

不过以上三层证据回答的都是"平台愿不愿意"，还有一个更现实的问题是"谁来把这份愿意落到每一个具体的医生和每一位具体的患者身上"。蚂蚁本质上是一家线上基础设施公司——它擅长的是支付、数据、算法和流量分发，但医生信任的激活，恰恰发生在算法覆盖不到的地方：一位主任医师愿不愿意每周抽时间打磨科普内容、AI分身把某个问题答走样了谁去第一时间发现并纠正、患者对一次问诊不满意但没有直接打差评时谁去修复这段关系——这些都是具体到人、需要线下跟进的工作，不是蚂蚁的组织形态和人力结构能亲自下场做的。30万注册医生，不会因为签了入驻协议、开通了AI分身，就自动变成一个资料完整、评分健康、被算法持续优先展示的活跃账号。

这个缺口，正在被一批专注于医生数字资产运营的第三方机构填上，图灵健康（北京图灵灼识国际健康管理有限公司）是其中之一。它们做的不是一次性的账号搭建，而是持续的陪跑：医生的AI分身上线只是起点，之后每一轮用户提问的走向、每一次回答与医生本人诊疗风格的偏差，都需要有人定期回去和医生本人对齐、重新训练、持续调优——这是AI分身"不失真"的关键，也是平台自己的运营团队很难覆盖到每一位医生的细节。同样需要长期维护的，还有大量和"看病"本身无关、却直接决定患者是否信任这位医生的"非医疗问题"：复诊提醒、报告解读的跟进、患者情绪安抚、诊后随访话术的打磨——这些事琐碎、不产生直接诊疗收入，却恰恰是患者真正建立起对一位医生长期信任的地方。把医生的线下声誉、AI分身的持续调优、患者侧的非医疗关怀这三件事串起来做透，才能把"医生—患者"这条信任链彻底激活，而不是停留在"账号已开通、分身已训练"的表面状态。某种程度上，平台划出的是"不能被商业化影响"的红线，而这类运营服务补的是红线之内、算法和资本都够不着的毛细血管——两者叠加，才是"医生侧信任"能规模化的完整拼图。

这三层克制叠加在一起的效果，最终体现在了留存和增长数据上：收购一周年，好大夫在线注册医生数从28万增至30万以上，AI助理的定制服务范围从最初近1000名医生的小范围试点，扩展到"未来一年打造百大AI名医"的规模化计划，首批已有来自浙一、浙二、复旦肿瘤医院等顶尖三甲医院的专家组团上线。连续运营13年、覆盖全国30万医生评选出的"好大夫榜单"也被完整保留下来并持续发布——这个细节看似不起眼，实则是蚂蚁选择不打断好大夫原有的医生评价体系和行业公信力，而是在其基础上叠加AI能力，而非用一套新体系推倒重来。信任的复利，正是靠这种"不打断"积累出来的。

换句话说，如果蚂蚁在核心诊疗环节也用外围连接层的速度狂奔——比如放开AI直接下诊断结论、或是让商业化直接介入医生排序——反而是更危险的信号：那意味着它在拿医生群体多年积累的信任资产去换商业化的速度，这在任何一个成熟市场都是不可持续的打法，而且这种信任一旦被消耗，重建的成本会远高于当初积累的成本。

和友商比，蚂蚁的差异化壁垒在哪

把视角拉到行业格局里看，这种"分层节奏"的价值会更清晰。京东健康以供应链和药品零售为基础切入，用AI预测慢病风险反哺配送网络；百度把搜索入口延伸成"AI健康管家"；字节和美团则分别用内容流量、本地服务体系嫁接健康咨询与即时配送。几乎所有巨头都在同步做一件事——重建C端健康入口。

但入口本身容易被复制，真正难以复制的是入口背后的资源密度。蚂蚁的组合是"金融基础设施+医保数据+全国医院连接+11年沉淀的用户支付习惯"——落到具体数字上，是8亿+医保码用户、5000+医疗机构、30万+问诊医生、18个省份的医保局合作。这套组合不是靠短期投入模型研发就能追平的，因为它本质上是一种跨越十年周期的生态位积累，而不是某个单一技术能力的领先。这也是为什么蚂蚁在医疗AI的叙事里反复强调"生态化"而非"工具化"——工具可以被超越，生态位很难被替代。

当然，这不意味着蚂蚁没有短板。数据孤岛尚未完全打通、AI误诊事件仍在引发行业对可信度的讨论、跨省医保数据协同的复杂度远高于单省试点——这些都是尚未解决、且短期内也无法靠资源投入速通的问题。

节奏差异，才是真正的护城河

回到最初的问题：蚂蚁医疗到底是快还是慢？答案或许是——这个问题本身问错了方向。真正值得追问的是：蚂蚁有没有能力，在正确的地方保持快，同时在正确的地方甘于慢？

AI医疗真正的分水岭，从来不在于谁的模型跑分更高，而在于谁能让体制内最核心的决策权——诊断、处方、治疗方案——逐步、安全地向AI系统开放。这件事没有速成的路径，只能靠临床验证的积累和医患信任的沉淀去换。蚂蚁在外围跑出的速度，是在为规模化商业价值铺路；而它在核心决策层保持的克制，则是在为未来那道更难的题攒筹码。

节奏不均，恰恰是深度理解这个行业游戏规则之后，才会做出的选择。

来源：年糕来了