蚂蚁集团医疗战略升级背后：医疗健康凭何成为AI打响的产业第一枪？

产业互联网第一媒体。产业家

未来，随着AI深入医疗健康体系，其角色将从"辅助工具"变成"服务入口"，成为用户健康管理的第一触点；医疗资源也将随之重新分配，基层能力在AI的帮助下将被快速放大。

站在当下来看，那些数字化改革十年未能撬动的深层问题，有可能在AI时代率先迎来突破。真正属于AI医疗健康的下半场，才刚刚开始。

作者|斗斗

编辑|皮爷

出品|产业家

医疗健康，似乎正在成为AI优先落地的场景之一。

最新的信号来自蚂蚁集团。这家以金融科技起家的公司，最近宣布将医疗健康上升为战略主航道，成立健康事业群，与支付、财富保险、信贷等核心业务并列。对于一个业务结构稳定的大型科技企业来说，这是一次战略方向的重新下注。

驱动这次转向的底层逻辑，蚂蚁集团CEO韩歆毅给出了一个清晰解释："AI为破解社会医疗健康痛点提供了关键路径。"显然，真正让蚂蚁敢于将医疗健康升级为主航道的，是AI的出现。

蚂蚁不是唯一的押注者。中国科技巨头们正在同步加快动作：京东健康推出"AI医院 1.0"，试图用智能诊疗与供应链重组参与医疗底层；百度将"AI健康管家"推向前台，把搜索入口变成健康入口；腾讯、字节、美团也在分别从支付、内容、本地服务等方向切入，以不同的方式重新塑造与医疗的关系。

当多家巨头在同一时间段集中发力，一件事变得愈发明确：医疗健康正在从一个难做的行业，变成一个不做不行的行业。

一些问题也随之而来，在这个充满高风险、强监管、重伦理的行业里，为何巨头们仍选择义无反顾地冲入？医疗健康，究竟承载了怎样的AI终局想象？

一

AI医疗第一枪里，

"刚需+商业确定性"

为什么是医疗健康？

要知道，AI想要真正落地，从技术实验室走向真实世界，需要大量、结构化、能验证对错的数据，而大部分场景只能提供短期行为数据，比如某次购买、某次浏览、某次互动，导致很难支撑长期学习。

相比之下，医疗健康的数据结构完全不同。一个患者从发病、诊断、治疗到复查，天然构成一个可观测的闭环。数据不仅有时间跨度，也有明确的结果验证。对于AI技术落地来说，医疗健康是不可替代的训练场。

医疗之所以对AI的价值尤其突出，是因为它本身就是一套结构性缺口极为明显的系统。

长期以来，医疗供需之间的存在强烈的不对称。数据显示，我国75%老年人患慢性病，近1.9亿人带病生存，一名基层医生人均覆盖5000名老人。慢性病这一头"灰犀牛"不断累积，最终吞掉了全国近80%的医疗费用。

慢病高发与医生稀缺形成巨大的供需压差，加上医院之间长期的信息壁垒，医疗体系因此呈现出典型的高风险、弱效率结构。在这样的系统里，AI只要提升一个环节，带来的价值往往比其他行业更明显。

因此，医疗健康是一个天然需要AI参与的行业。也正因为此，医疗机构成为最早系统性试用AI的行业之一。国家药监局的备案数据显示，到2024年底已有100余款医疗AI产品通过注册。从预诊、问诊到药品选择，再到康复随访，医疗体系的每一个环节都成为模型真正"产生作用"的节点。

毕马威研究数据显示，68%的医疗健康机构已经大量使用智能体，并正在为应用下一阶段人工智能技术"自主智能体"进行准备。当前，84%的机构放心让人工智能为特定流程进行端到端自主决策。

而当这些节点被AI逐步接入后，巨头们开始意识到，医疗健康不仅是一块高壁垒行业，更是完善自身生态闭环的关键拼图。

例如蚂蚁尝试用健康数据与风控模型链接保险定价，把医疗健康作为金融生态向前延伸的基础；京东健康则以供应链能力为核心，用AI实现用户慢病风险发现，再反哺医药零售和健康险。百度、字节、美团则分别把医疗入口与搜索、内容流量、即时配送结合，形成贯穿用户生活方式与疾病管理的连续触点。

医疗健康由此成为巨头构建"全生命周期AI服务能力"的关键桥梁。

总的来说，无论是AI对真实场景的迫切需求，还是医疗健康行业的结构性特征与市场压力，抑或巨头寻找新增长叙事的现实需要，AI医疗健康都是巨头必须先走、必走的一步，是它们构建超级AI平台时绕不过、也必须啃下的一块"硬骨头"。

二

新AI战场下，

巨头医疗Agent的路径分野

如果说第一阶段的竞争，是巨头们涌入医疗健康这块必争之地，那么第二阶段则在于谁能更深入、更精准地切入体系。

虽然目标相同，但巨头们走出的路径已经开始明显分化。

分化的源头在于，医疗健康并不是一个单入口行业，而是横跨患者端、医院端和医药供应链的多层结构。AI想要产生规模化影响，不可能只做其中一端，就必须同时抓住患者端与医院端，并把供给与需求真正连接起来。比如从医院侧切入做能力底座，从用户侧延伸做健康入口，从医药链条入手重组流通。

百度和腾讯选择了最底层路径，直接进入医疗系统的核心环节。百度依托搜索，把"AI健康管家"放在用户自然触达的入口，同时把底层模型送进医院，让AI参与质控、影像、问诊等关键流程，把自己变成医疗智能化的底层设施。

腾讯则更进一步，把大模型嵌入医保控费、智能理赔、病案审核等重度场景，通过深度共建获得医疗体系的长期信任。

两者虽然做法不同，但目标一致：从系统深处站稳脚跟，成为难以替代的基础能力提供者。

而另外一些巨头选择让AI先从用户侧切入，再向医疗体系扩散。

蚂蚁则依托支付体系，将AQ健康管家作为入口，把个人健康管理与医保和商业保险定价联动起来，让医疗成为金融生态的新增长支点。

京东健康以供应链和药品零售为基础，将"AI医院1.0"作为连接医、药、检、养的中枢，通过智能问诊和慢病预测能力，将用户需求反哺给配送网络、药品库存和健康险定价，实现从消费入口倒推医疗供给的闭环。

字节与美团分别利用内容流量与本地服务体系，将健康咨询、家庭医疗与即时药品配送结合，形成一种围绕"日常健康"构建的轻入口生态。

当路径越走越深，巨头之间的战略意图也愈发清晰。

百度、腾讯押注的是B端能力的重构；京东、蚂蚁、字节、美团押注的是C端入口的重建。前者要在医疗体系中搭建基础设施，后者要在用户生活中抢占健康入口。

这种差异也体现在产品形态上。京东、百度、字节侧重打造面向用户的智能助手，模拟医生问诊思路，成为用户的第一健康触点；腾讯、蚂蚁则更像在建设医疗行业的大模型平台，为医院、药企、保险方提供专业的数据底座与解决方案。

总的来说，所有巨头都试图借助AI在医疗体系中建立新的信任机制和效率机制。一端让用户愿意把健康问题交给平台，另一端让医疗机构愿意把某些能力交给AI，并逐步形成一个从需求侧到供给侧的闭环。

虽然选择了不同路径，但都在试图让医疗从信息化升级到智能化，并借此重写自身生态边界与增长叙事。

三

AI医疗"跑起来"简单，"跑通"难

尽管巨头们正全力推动AI医疗落地，但一个更真实的问题正在浮出水面，那就是技术在前端跑得再快，也难在体系内形成闭环。

这一矛盾在医学影像领域表现得最为鲜明。

AI 在CT影像中辅助筛查肺结节已经是行业里技术最成熟的应用之一，数据显示部分项目的准确率甚至可达99%，显著提升阅片效率、降低漏诊风险。在阿里云发布的疗健康分场景市场潜力及成熟度分析中，影像智能分析显示为成熟度最高、市场潜力最大的细分场景。

可以说，这是一个几乎"最不该被质疑价值"的场景。

然而即便如此，它仍未找到稳定的付费方式。

11月20日，国家医保局一则"放射检查类价格项目立项指南（试行）"发布，在整合规范现行放射检查项目的同时，顺便对影像AI的商业模式进行了界定。内容简单来说，国家医保局支持影像AI在临床之中广泛应用，但不允许医院将调用AI产生的费用转嫁给患者。

造成这一结构性停滞的根本原因在于，医疗行业并不是一个对效率提升高度敏感的体系。AI能够让医生节省时间，却不能直接为医院带来收入。

这直接导致医院不愿为"效率溢价"买单。这一点通过医院机构在AI技术上的投资便可见一斑。毕马威研究数据显示，尽管医疗健康机构已开始将更多IT预算用于人工智能相关技术。但只有32%的医疗机构让AI占到IT预算的10%以上，剩下的68%的机构，投入比更低。

投入不足的结果是显而易见的，那些需要与医院系统深度对接、才能产生真实临床价值的 AI 产品，天然难以形成可交易模式。它们涉及流程改造、数据联动、系统耦合，而医院既不愿承担成本，也不愿为"未来效率"买单。这让最能体现AI专业价值的诊断类能力反而变成最难商业化的产品。

数据显示，2024年底，国内已备案的101个医疗AI产品中，然而但问诊对话就占比48%，而辅助诊断类产品仅占 5%。

上述限制并非问题的唯一来源。

一个事实是，医疗数据分散在各级医院的信息系统中，既缺乏标准，也难以跨机构流动；数据内容既复杂又模糊，包含影像、病历、结构化指标与大量非结构化描述，每一类都难以直接高质量用于训练；更关键的是，医疗数据本身是隐私保护最严格的领域之一，远超金融、电商与政务，绝大部分数据需要本地存储，并且医院不会轻易让渡控制权。

毕马威等机构的调研显示，62%的医疗健康机构认为数据质量和数据获取是AI落地的最大障碍。

因此，即便技术能力已经成熟，AI想要真正取得增量效果，也必须穿过数据质量、数据可用性与数据合规性的三重约束。这导致AI医疗在中国几乎在源头就面临被"卡死"的风险。

在这种背景下，AI医疗健康的价值难以在体系内完全跑通。B端缺乏付费动力，C端缺乏付费意愿，中间的供应链、药品、电商、保险虽然能提供流量与场景，但很难单独形成闭环。

四

医疗健康下半场：

让AI成为医疗基建

医疗入口正在前移、资源正在重排，但要让这些变化真正落地，前提是AI必须被医疗体系本身接纳。

医疗行业与互联网、电商、金融等开放性行业不同，它是一个强监管、强伦理、强专业的体系。在这样的体系中，行业标准与行为边界由医疗机构与监管部门决定，外部力量无法依靠定义场景或制定规则来主导行业变革。

正因为如此，最近两年巨头的策略开始明显转向，从做应用、找流量，转向做底座、补链条、接支付。这背后有一个清晰判断：AI医疗的下半场，比拼的不是产品，而是体系的嵌入能力。

这种转向首先体现在底层建设上。

阿里与多地医院共建医学大模型场景，用模型托起质控、病案审核和影像识别，直接嵌入医院的核心流程；腾讯则把医保智能审核能力做成标准化模块，和各地医保局的系统深度对接，让AI成为"必需能力"而非"可选工具"；百度智能云与头部医院合作搭建医疗专用知识图谱，把诊疗逻辑沉到模型里，让医院把它当作中台能力来调用。

这些动作有一个共同点，AI不再停留在能用，而是要做到"离不开"。当大模型进入质控、影像和病案审核这些不可替代的环节，技术就从一个产品，变成了系统底层的一部分。

数据显示，68%医疗健康机构已经大量使用智能体，并正在为应用下一阶段人工智能技术"自主智能体"进行准备。当前，84%的机构放心让人工智能为特定流程进行端到端自主决策。

真正的结构性变化发生在产业链端。

医疗的低效从来不是单点问题，而是医、药、检、养之间长期断裂的结果。过去这些环节各自为政，谁也无法真正提高整体效率。AI的作用，将让其能够被统一调度。比如检测结果不再是孤立文件，药品流通能够根据预测提前准备，慢病管理不再依赖人工随访。当链条开始连起来，医疗服务的逻辑也将从以医院为中心，转向以用户的连续健康需求为中心。

而当服务链条被串起后，支付体系的转变便成为必然。

由于医疗资源的重新分配，将迫使医保和保险重新审视风险结构。哪些疾病能提前发现、哪些行为能被量化、哪些费用能够被模型控制。AI恰好提供了这种量化能力，使医疗、支付和风险管理第一次能够在同一套数据体系里对齐。支付端的变化，又将反向推动医疗端的流程重建，让整个体系进入一个新的循环。

在这些方向的推动下，AI医疗健康的落地将逐渐走出小范围试点的阶段，呈现出更明显的规模化趋势。

例如蚂蚁的AQ健康管家以月活破千万的成绩"意外出圈"，正是因为它率先找到了能够被医疗体系、监管体系与用户需求同时接纳的切入口，标志着AI在医疗健康产业的应用开始具备真实的产业级势能。

未来，随着AI深入医疗健康体系，其角色将从"辅助工具"变成"服务入口"，成为用户健康管理的第一触点；医疗资源也将随之重新分配，基层能力在AI的帮助下将被快速放大。医疗价值链也将开始从医院主导的碎片化结构，向覆盖预测、预防、治疗与康复的连续服务体系转变。

站在当下来看，那些数字化改革十年未能撬动的深层问题，有可能在AI时代率先迎来突破。真正属于AI医疗健康的下半场，才刚刚开始。