阿里、字節紛紛下場，誰在掘金AI醫療？

AI大模型又解鎖了新的落地場景——醫療問診領域。

近日，字節跳動推出“小荷AI醫生”，主打健康諮詢與報告解讀功能；而就在一週多前，螞蟻集團也剛上線獨立健康應用“AQ”，加速佈局AI醫療賽道。

事實上，過去幾年已有越來越多科技巨頭加碼AI+輔助診斷領域：騰訊健康依託“混元”大模型推出“健康管理助手”，京東健康發佈“京醫千詢”醫療大模型，百度上線“靈醫”並開放平臺接口，美團買藥則推出“健康助手”功能……AI醫療助手，正逐漸成爲大模型商業化落地的新陣地。

今年年初，ArkInvest首席投資官CathieWood（木頭姐）在《BigIdeas2025》報告中曾斷言：醫療保健是AI最具潛力、卻也最被低估的應用領域之一。

這背後的邏輯不難理解：過去大衆對AI的認知多停留在通用工具層面，比如辦公自動化、內容生成等；而醫療作爲對精度和專業性要求極高的領域，AI的能力長期被侷限在基礎輔助診斷、病理識別等“邊緣環節”，真正在C端場景落地的案例寥寥無幾。

換句話說，從單純的“工具價值”走向完整的“商業閉環”，AI醫療助手目前仍處於早期探索階段。但過去半年裡，科技大廠集體入局、密集推出C端產品的動作，已釋放出明確信號：AI醫療的普及化序幕，正在緩緩拉開。

AI醫療助手爲何成爲大廠競逐的新戰場？

近年來，國內醫療健康市場的數字化轉型正持續加速。

數據顯示，截至2022年底，僅佔全國醫院總數9.5%的三甲醫院，卻承擔了高達58.4%的診療量，長期面臨患者激增、醫護人力緊張、牀位緊缺等結構性壓力。在此背景下，數字化手段已逐步滲透至患者信息管理、疾病科普、醫院導診及輔助診斷等多個環節，成爲緩解壓力的重要抓手。

與此同時，城鄉醫療資源分佈不均、基層醫療服務能力薄弱等問題日益突出，這也進一步推動了AI技術在更廣泛醫療場景中的應用探索。

從市場空間來看，行業增長潛力尤爲顯著。據弗若斯特沙利文預測，中國AI醫療市場規模將從2023年的88億元快速增長至2033年的3157億元，年複合增長率高達43.1%。

衆所周知，在AI賦能千行百業的進程中，一個普遍性的行業困境始終存在：絕大多數行業對AI的應用仍停留在效率提升、工具輔助的淺層階段，尚未真正實現生產關係的重構。這直接導致C端用戶對相關產品的付費意願普遍偏低，“有剛需、無支付”幾乎成爲行業通病。

相比之下，醫療領域因更“垂直”、更“剛需”，且天然存在供需錯配與效率瓶頸，反而更容易建立穩定的市場需求——這也讓醫療成爲AI技術落地的重要突破口。

AI醫療是以人工智能爲核心的技術體系，旨在通過診斷、治療、康復、健康管理等全環節的滲透，實現效率與精準度的雙重提升。根據2025年頭豹研究院發佈的《中國AI醫療行業白皮書》，當前AI+醫療的核心應用場景集中在五大板塊：AI醫療器械、AI醫療助手、AI製藥、AI健康管理與自動化藥房。

其中，受限於研發投入和用戶習慣培育週期過長等問題，製藥、健康管理、自動化藥房的進展較爲緩慢，而AI醫療器械與AI醫療助手則是增長最爲迅猛的兩大方向。

前者已在醫學影像識別、手術機器人、輔助診斷等垂直領域實現規模化落地；後者則在醫院內部管理及面向患者的智能問診、導診、報告解讀等場景中逐步鋪開，但商業閉環仍處於早期探索階段。

但值得注意的是，在AI醫療器械賽道，目前仍被聯影醫療、樂普醫療、偉思醫療等傳統醫療企業主導，國內科技企業多以上游廠商身份提供軟件技術與數據服務，卻難以打通“軟硬件+終端渠道”的完整閉環。

在這一背景下，互聯網大廠紛紛發力AI醫療助手領域，是基於技術積累、數據資源、市場需求的綜合戰略選擇：大廠在用戶數據積累和生態整合能力上具有天然優勢，這爲AI醫療助手的場景拓展提供了關鍵支撐。

無論是海量的用戶數據，還是跨場景的協同能力，大廠可整合支付、電商、硬件等多領域資源，構建醫療服務閉環。這樣一來，既能避開傳統醫療企業的硬件競爭壁壘，又能利用用戶需求快速搶佔市場。

儘管AI醫療助手的商業閉環仍處於早期，但AI醫療助手已成爲大廠構建醫療健康生態的關鍵落子，其長期價值或許將隨着技術迭代和場景深化逐步釋放。而這，也正是越來越多中國互聯網玩家加速佈局AI醫療助手領域的原因所在。

羣雄逐鹿，分化初現

就當前來看，在面向C端的AI問診賽道，隨着字節、螞蟻、京東等頭部大廠相繼入局，這一賽道已呈現出差異化的產品策略分化趨勢。

螞蟻集團推出的AI醫療助手“AQ”，從原先嵌入在支付寶的醫保碼服務中獨立而來，核心優勢在於依託醫保碼服務佔據的用戶基礎和近200位醫生智能體資源。

與此同時，京東健康正成爲螞蟻集團最直接的競爭對手。兩者不僅功能上幾乎完全一樣，京東推出的“AI京醫”大模型，也涵蓋了醫生、營養師、藥師等7類場景下的問醫智能體，核心優勢在於直接接入京東APP，與主站醫藥類目的銷售直接打通。

目前看來，螞蟻是進一步通過“線上支付——AI問診”的場景深入，側重增強用戶對於醫保碼功能的依賴性；而京東通過“問診——賣藥”的線上打通，從而提升銷售轉化。

相比之下，字節的路徑似乎還顯得不夠清晰。

由於入局醫療行業較晚，字節在AI醫療模型的細分場景上並沒有深入，只存在一款單一的大模型，整體打法偏向“內容+流量+輕問診”。

“小荷AI醫生”雖然已經作爲獨立APP上線，但最核心的入口還是抖音渠道：通過用戶在抖音頁面搜索相關疾病——跳轉小荷醫典獲得相關疾病的科普，再進一步跳轉小荷AI醫生進行相關諮詢。

值得注意的是，抖音的核心定位是內容消費與流量分發平臺，其用戶心智被長期塑造爲“娛樂、休閒、信息獲取”）場景，而平臺的商業邏輯高度依賴“內容種草-流量轉化-商業變現”的營銷閉環。簡單來說，用戶在抖音的核心訴求是“放鬆、刷內容”，而非“嚴肅醫療諮詢”，平臺屬性與醫療服務的專業性需求存在天然張力。

再加上小荷AI醫生中，並沒有直接引入線上醫藥銷售渠道，而字節的小荷健康也無法進入小荷AI醫生的入口，品牌信任度不足、商業閉環未打通，進一步放大了用戶對小荷AI醫生的“營銷化”聯想。

對螞蟻和京東而言，AI醫療助手並非“從零開始的冒險”，而是基於既有生態優勢的“順勢而爲”：螞蟻用“支付+數據+大模型”賦能醫院數字化，京東用“供應鏈+藥事服務+AI”連接醫院與用戶，最終目標都是通過醫院場景的穿透，將各自的支付、供應鏈上的核心能力與醫療服務深度綁定，形成別人搶不走的生態閉環。

這種佈局既規避了傳統醫療企業的硬件壁壘，又通過B端服務獲取了數據、信任與政策支持，爲C端醫療服務的商業化提供了堅實支撐，這正是互聯網大廠在醫療領域“生態化競爭”的核心邏輯。

不可忽視的關鍵較量

一個現實的制約因素在於，醫療體系本身的複雜性極大限制了AI的通用性。

目前我國醫療行業科室劃分明確，涵蓋12個一級科室和58個二級科室，專業壁壘高、標準差異大，天然形成了數據孤島。換句話說，AI若想構建通用解決方案，不僅需要跨學科的數據訓練支撐，還必須直面模型精度、推理能力及合規風險等多重考驗。

因此，功能邊界更清晰、標準化基礎更紮實的AI醫療器械，一度成爲AI在醫療領域率先落地的“突破口”。相比之下，AI醫療助手雖具備更大的市場想象空間，但在用戶信任、數據安全、算法泛化能力等方面仍存不少短板，很長時間以來並沒有形成規模化的落地。

以醫院場景爲例，每家大型醫院通常配備數十甚至上百個信息化系統，數據分散、系統割裂是常態，完成系統對接本身就需耗費大量資源、人力與時間。

而更大的問題在於，這些系統中的數據並非“開箱即用”——大量非結構化、非標準化、質量參差不齊的數據，必須先經過一輪複雜的數據治理與清洗，才能成爲AI模型可用的“燃料”。

這也就意味着，在AI醫療助手的賽場上，本質上比拼的是各大廠商的大模型能力，其背後考驗的核心，是對於醫院數據的獲取和整理能力。從這個角度來看，未來面向全流程系統化的AI大模型服務，不僅能幫助廠商實現技術落地，更是爲其提供第一手的醫院數據，打造信息孤島的關鍵環節，必然要成爲各大廠商競爭的焦點。