8 月 12 日，京东健康与蚂蚁集团同时公布了各自在 AI 医生助手领域的最新进展。一条路径是继续深化现有医生群体的服务效率，另一条路径则是将成熟能力投向资源更薄弱的基层市场。两条路径背后，是医疗 AI 从能力竞赛走向场景深耕的行业转折。

8 月 12 日，京东健康与蚂蚁集团同日公布了 AI 医生助手的最新动作。

蚂蚁集团宣布将「好大夫医生版」升级为「阿福医生版」，整合在线问诊、患者管理和科研辅助功能，打造面向医生群体的 AI 工作站；京东健康则宣布，将其运营半年的 AI 医生助手 " 京东知医 " 全面接入第三方基层医疗平台云鹊医 APP，并同步开放其辅诊工具与医药供应链能力，在基层搭建起 "AI 辅诊＋基层医生＋医药供应链 " 的服务链条。此前，京东知医已累计服务超百万医生，辅助诊疗决策超 2000 万次。

同一天，两种路径。蚂蚁阿福选择在现有医生群体中深化服务，用 AI 优化诊疗流程；京东知医则选择将经过三甲医院验证的能力，投向资源更薄弱的基层市场。一个向上深化，一个向下延伸。这显示出医疗 AI 在商业化落地中开始出现路径分化——而这场分化的背后，是各方对 "AI 能在哪里产生最大价值 " 这一核心问题的不同回答。

基层医疗的困局与 AI 的适配性

要理解京东健康此次布局的逻辑，首先需要审视基层医疗面临的现实困境。

基层医疗机构承担了全国超一半的诊疗量，但长期受制于诊疗水平不均、辅助工具不足、药品供给短缺等结构性问题。截至 2024 年底，全国每万人口全科医生仅 4.54 人，总量仍偏紧；乡村医生队伍中，执业（助理）医师资格持有率及规范化培训水平仍有待提升。在临床指南快速迭代、新药持续上市的背景下，基层医生在信息获取和专业提升方面的渠道明显不足。

药品可及性同样是突出矛盾。《2026 基层用药可及性调研报告》显示，53.8% 的居民反映基层 " 药不全 "，仅 14.5% 的基层机构配备专职执业药师。在很多偏远地区，医生做出诊断、开具处方后，患者却未必能在当地配齐药品，一次规范诊疗可能因此落空。

这些问题的复杂性在于，它们并非单一环节的短板，而是知识、工具、药品三个层面的连锁缺口。依靠传统方式——增加编制、扩建药房、组织培训——需要漫长的周期和巨大的投入，短期内难以看到实质性改善。这正是技术介入的合理切入点。

从技术特性来看，基层场景对 AI 的适配性反而高于三甲医院。在三甲医院，AI 更多扮演的是 " 效率优化器 " 角色——帮助医生从重复劳动中解放出来，让本就充裕的专业资源运转得更快。但在基层，专业资源本身是稀缺品，AI 的介入更像是 " 能力填充器 "，其边际效益会因资源稀缺而被显著放大。这也是为什么，一款在三甲医院只是 " 锦上添花 " 的 AI 工具，落到基层医疗场景中，可能带来的是 " 雪中送炭 " 式的改变。

不过，技术要进入基层，首先需要解决渠道问题。再好的工具，如果无法触达目标用户，就无法产生实际价值。此次京东健康选择与云鹊医合作，本质上是在解决这个 " 最后一公里 " 的触达问题。云鹊医作为国内覆盖基层医生规模最大的医疗服务平台之一，已连接全国三百万注册基层医生，是触达基层医疗末梢的核心数字化入口。技术方与平台方的对接，意味着 AI 工具找到了进入基层诊室的通道。

从知识、工具到药品：

渠道打通之后，需要回答的第二个问题是：AI 到底能在哪些环节帮上忙？从京东知医此次升级的功能来看，其设计逻辑是沿着基层医生最常受阻的三个环节逐一展开——知识获取、工具使用、药品履约。

在知识层面，京东知医整合了超 5000 万份医学文献、临床指南和权威期刊资源，以及超 16 万种药品说明书。此次新上线的深度思考模式，主要面向多病共存、多重用药、疑难会诊等复杂场景。其工作逻辑是：先拆解临床问题、提取关键病情，再规划检索路径，对多来源证据进行分级评估与交叉验证，最后权衡获益与风险后给出建议。与一般 " 对话式 " 问答不同，该模式更强调循证医学和证据的可追溯性——这恰好回应了基层医生的核心痛点：不是没有信息来源，而是面对海量信息时缺乏甄别和比对的能力。

在权威知识库建设方面，以京东知医已接入中国抗癌协会《中国肿瘤整合诊治指南》（CACA 指南）为例，该指南覆盖 29 个癌种、72 项诊疗技术。该指南由中国抗癌协会组织、樊代明院士等牵头，逾 1.3 万名专家参与编写，与 CSCO 指南、国家卫健委诊疗规范并称国内三大肿瘤指南。对基层而言，这类权威规范过去通常需在三甲医院图书馆或付费数据库才可查阅，现在则可在乡镇卫生院即时调用。肿瘤恰恰是基层最容易出现判断偏差的领域之一，而早期识别和规范转诊往往取决于基层医生的首诊决策，这也是为什么权威指南的下沉在基层场景中具有放大效应。

在工具层面，京东知医此次的升级方向是整合——将临床计算和科研辅助集中到一个入口。医学计算器收录了 200 余项常用工具，涵盖疾病评估、风险分层、预后判断、用药剂量、心血管风险等类别，计算结果可进行 AI 循证解读。判断房颤患者是否需要抗凝的 CHA2DS2-VASc 评分、评估肾功能的 eGFR、给社区获得性肺炎分级的 CURB-65、推算心血管病风险的模型……这些工具在临床并不陌生，但在大医院有专科团队和信息系统兜底，到了基层则多靠医生手工计算，存在效率与准确性风险。将这些工具集中部署并配上循证解读，客观上降低了基层医生的使用门槛。

值得关注的是科研助手功能，这是京东知医首次将能力延伸至医生科研场景，涵盖文献综述、科普患教、讲课汇报等方向。医生输入主题后，系统匹配文献、生成提纲并扩写成初稿，选题分析模块则结合基金热点与文献空白提供评分及分阶段研究路线。科研与写作长期是基层医生的普遍短板，原因在于缺时间、缺数据、也缺方法训练，但论文和课题在不少地区仍与职称晋升相关。

" 以前写一篇综述，光文献筛选和整理就要花不少时间，现在思路梳理和初稿生成顺畅多了。" 一位参与内测的基层医生反馈。将科研门槛降低，实际是帮助基层医生解决职业发展中的一项结构性障碍。

从查证据、算量表到写综述，京东知医的几项功能覆盖了基层医生从诊疗到科研的一条完整链路。相比只做单点功能的产品，这种 " 全流程 " 的设计更贴近基层医生一人多岗的工作状态。

在药品层面，这是京东健康区别于纯 AI 工具的核心差异点。基层的 " 缺药 " 问题由来已久，单靠提升 AI 的问答能力无法解决。京东健康的应对思路，是在 AI 辅助诊疗之后，接入其医药供应链体系，形成 "AI+ 供应链 " 服务。基层医生通过云鹊医 APP 完成辅助诊疗后，可通过京东健康平台完成慢病随访和药品购买。目前，京东健康已实现对全国百万自然村庄的覆盖，县域当日达、次日达覆盖率 87.1%，基层慢病购药用户三年增长超 113%。

这一模式的核心价值在于，打通了从诊疗到履约的完整链路。在资源越稀缺的地方，这一闭环所发挥的效用越明显。对基层医生而言，诊疗不再止于开具一张 " 当地可能配不到 " 的处方，而是能够连接后续的随访与用药服务。从行业角度审视，这也意味着医疗 AI 的竞争维度正在从 " 谁的回答更准 " 扩展到 " 谁的服务链条更长 "。

技术能力到社会价值：

基层能否成为医疗 AI 的价值标尺？

《2026 基层用药可及性调研报告》还提供了一个值得关注的视角：京东健康已成为基层从业人员认知度最高的线上医药平台，74.5% 的基层从业人员认同医药电商与县域医共体协同具备空间，75.0% 认为线上平台应成为基层用药保障体系的重要组成部分。这些数据表明，基层对数字化工具的接纳程度和需求强度，可能远超行业此前的估计。

需要说明的是，AI 工具并不替代医生。医生的经验、判断和责任始终无可替代。AI 能做的，是在查证据、做评估、写文章、开处方时，提供一重更踏实的支撑。越是资源稀缺的地方，一件趁手工具的边际效益越大。

从政策方向看，近年来从分级诊疗、优质医疗资源扩容下沉，到明确推动 " 人工智能 +" 赋能基层，政策导向一以贯之。京东健康与云鹊医的合作，可视为社会化力量在这一方向上的一次落地尝试。

两大巨头的同日官宣，其行业意义或许不在于两家公司各自做了什么，而在于它清晰地展示出医疗 AI 正在经历一场竞争焦点的转移：从 " 谁的模型更强 "，转向 " 谁能在最需要的地方真正落地 "。这或许是今天两大巨头同日官宣背后，值得关注的长期趋势。