螞蟻集團醫療戰略升級背后：醫療健康憑何成為AI打響的產業第一槍？
未來，隨著AI深入醫療健康體系，其角色將從“輔助工具”變成“服務入口”，成為用戶健康管理的第一觸點；醫療資源也將隨之重新分配，基層能力在AI的幫助下將被快速放大。
站在當下來看，那些數字化改革十年未能撬動的深層問題，有可能在AI時代率先迎來突破。真正屬于AI+醫療健康的下半場，才剛剛開始。
作者|斗斗
編輯|皮爺
出品|產業家
醫療健康，似乎正在成為AI優先落地的場景之一。
最新的信號來自螞蟻集團。這家以金融科技起家的公司，最近宣布將醫療健康上升為戰略主航道，成立健康事業群，與支付、財富保險、信貸等核心業務并列。對于一個業務結構穩定的大型科技企業來說，這是一次戰略方向的重新下注。
驅動這次轉向的底層邏輯，螞蟻集團CEO韓歆毅給出了一個清晰解釋：“AI為破解社會醫療健康痛點提供了關鍵路徑。”顯然，真正讓螞蟻敢于將醫療健康升級為主航道的，是AI的出現。
螞蟻不是唯一的押注者。中國科技巨頭們正在同步加快動作：京東健康推出“AI醫院 1.0”，試圖用智能診療與供應鏈重組參與醫療底層；百度將“AI健康管家”推向前臺，把搜索入口變成健康入口；騰訊、字節、美團也在分別從支付、內容、本地服務等方向切入，以不同的方式重新塑造與醫療的關系。
當多家巨頭在同一時間段集中發力，一件事變得愈發明確：醫療健康正在從一個難做的行業，變成一個不做不行的行業。
一些問題也隨之而來，在這個充滿高風險、強監管、重倫理的行業里，為何巨頭們仍選擇義無反顧地沖入？醫療健康，究竟承載了怎樣的AI終局想象？
一、AI醫療第一槍里，“剛需+商業確定性”
為什么是醫療健康？
要知道，AI想要真正落地，從技術實驗室走向真實世界，需要大量、結構化、能驗證對錯的數據，而大部分場景只能提供短期行為數據，比如某次購買、某次瀏覽、某次互動，導致很難支撐長期學習。
相比之下，醫療健康的數據結構完全不同。一個患者從發病、診斷、治療到復查，天然構成一個可觀測的閉環。數據不僅有時間跨度，也有明確的結果驗證。對于AI技術落地來說，醫療健康是不可替代的訓練場。
醫療之所以對AI的價值尤其突出，是因為它本身就是一套結構性缺口極為明顯的系統。
長期以來，醫療供需之間的存在強烈的不對稱。數據顯示，我國75%老年人患慢性病，近1.9億人帶病生存，一名基層醫生人均覆蓋5000名老人。慢性病這一頭“灰犀牛”不斷累積，最終吞掉了全國近80%的醫療費用。
慢病高發與醫生稀缺形成巨大的供需壓差，加上醫院之間長期的信息壁壘，醫療體系因此呈現出典型的高風險、弱效率結構。在這樣的系統里，AI只要提升一個環節，帶來的價值往往比其他行業更明顯。
因此，醫療健康是一個天然需要AI參與的行業。也正因為此，醫療機構成為最早系統性試用AI的行業之一。國家藥監局的備案數據顯示，到2024年底已有100余款醫療AI產品通過注冊。從預診、問診到藥品選擇，再到康復隨訪，醫療體系的每一個環節都成為模型真正“產生作用”的節點。
畢馬威研究數據顯示，68%的醫療健康機構已經大量使用智能體，并正在為應用下一階段人工智能技術“自主智能體”進行準備。當前，84%的機構放心讓人工智能為特定流程進行端到端自主決策。
而當這些節點被AI逐步接入后，巨頭們開始意識到，醫療健康不僅是一塊高壁壘行業，更是完善自身生態閉環的關鍵拼圖。
例如螞蟻嘗試用健康數據與風控模型鏈接保險定價，把醫療健康作為金融生態向前延伸的基礎；京東健康則以供應鏈能力為核心，用AI實現用戶慢病風險發現，再反哺醫藥零售和健康險。百度、字節、美團則分別把醫療入口與搜索、內容流量、即時配送結合，形成貫穿用戶生活方式與疾病管理的連續觸點。
醫療健康由此成為巨頭構建“全生命周期AI服務能力”的關鍵橋梁。
總的來說，無論是AI對真實場景的迫切需求，還是醫療健康行業的結構性特征與市場壓力，抑或巨頭尋找新增長敘事的現實需要，AI醫療健康都是巨頭必須先走、必走的一步，是它們構建超級AI平臺時繞不過、也必須啃下的一塊“硬骨頭”。
二、新AI戰場下，巨頭醫療Agent的路徑分野
如果說第一階段的競爭，是巨頭們涌入醫療健康這塊必爭之地，那么第二階段則在于誰能更深入、更精準地切入體系。
雖然目標相同，但巨頭們走出的路徑已經開始明顯分化。
分化的源頭在于，醫療健康并不是一個單入口行業，而是橫跨患者端、醫院端和醫藥供應鏈的多層結構。AI想要產生規模化影響，不可能只做其中一端，就必須同時抓住患者端與醫院端，并把供給與需求真正連接起來。比如從醫院側切入做能力底座，從用戶側延伸做健康入口，從醫藥鏈條入手重組流通。
百度和騰訊選擇了最底層路徑，直接進入醫療系統的核心環節。百度依托搜索，把“AI健康管家”放在用戶自然觸達的入口，同時把底層模型送進醫院，讓AI參與質控、影像、問診等關鍵流程，把自己變成醫療智能化的底層設施。
騰訊則更進一步，把大模型嵌入醫保控費、智能理賠、病案審核等重度場景，通過深度共建獲得醫療體系的長期信任。
兩者雖然做法不同，但目標一致：從系統深處站穩腳跟，成為難以替代的基礎能力提供者。
而另外一些巨頭選擇讓AI先從用戶側切入，再向醫療體系擴散。
螞蟻則依托支付體系，將AQ健康管家作為入口，把個人健康管理與醫保和商業保險定價聯動起來，讓醫療成為金融生態的新增長支點。
京東健康以供應鏈和藥品零售為基礎，將“AI醫院1.0”作為連接醫、藥、檢、養的中樞，通過智能問診和慢病預測能力，將用戶需求反哺給配送網絡、藥品庫存和健康險定價，實現從消費入口倒推醫療供給的閉環。
字節與美團分別利用內容流量與本地服務體系，將健康咨詢、家庭醫療與即時藥品配送結合，形成一種圍繞“日常健康”構建的輕入口生態。
當路徑越走越深，巨頭之間的戰略意圖也愈發清晰。
百度、騰訊押注的是B端能力的重構；京東、螞蟻、字節、美團押注的是C端入口的重建。前者要在醫療體系中搭建基礎設施，后者要在用戶生活中搶占健康入口。
這種差異也體現在產品形態上。京東、百度、字節側重打造面向用戶的智能助手，模擬醫生問診思路，成為用戶的第一健康觸點；騰訊、螞蟻則更像在建設醫療行業的大模型平臺，為醫院、藥企、保險方提供專業的數據底座與解決方案。
總的來說，所有巨頭都試圖借助AI在醫療體系中建立新的信任機制和效率機制。一端讓用戶愿意把健康問題交給平臺，另一端讓醫療機構愿意把某些能力交給AI，并逐步形成一個從需求側到供給側的閉環。
雖然選擇了不同路徑，但都在試圖讓醫療從信息化升級到智能化，并借此重寫自身生態邊界與增長敘事。
三、AI醫療“跑起來”簡單，“跑通”難
盡管巨頭們正全力推動AI醫療落地，但一個更真實的問題正在浮出水面，那就是技術在前端跑得再快，也難在體系內形成閉環。
這一矛盾在醫學影像領域表現得最為鮮明。
AI 在CT影像中輔助篩查肺結節已經是行業里技術最成熟的應用之一，數據顯示部分項目的準確率甚至可達99%，顯著提升閱片效率、降低漏診風險。在阿里云發布的療健康分場景市場潛力及成熟度分析中，影像智能分析顯示為成熟度最高、市場潛力最大的細分場景。
可以說，這是一個幾乎“最不該被質疑價值”的場景。
然而即便如此，它仍未找到穩定的付費方式。
11月20日，國家醫保局一則“放射檢查類價格項目立項指南（試行）”發布，在整合規范現行放射檢查項目的同時，順便對影像AI的商業模式進行了界定。內容簡單來說，國家醫保局支持影像AI在臨床之中廣泛應用，但不允許醫院將調用AI產生的費用轉嫁給患者。
造成這一結構性停滯的根本原因在于，醫療行業并不是一個對效率提升高度敏感的體系。AI能夠讓醫生節省時間，卻不能直接為醫院帶來收入。
這直接導致醫院不愿為“效率溢價”買單。這一點通過醫院機構在AI技術上的投資便可見一斑。畢馬威研究數據顯示，盡管醫療健康機構已開始將更多IT預算用于人工智能相關技術。但只有32%的醫療機構讓AI占到IT預算的10%以上，剩下的68%的機構，投入比更低。
投入不足的結果是顯而易見的，那些需要與醫院系統深度對接、才能產生真實臨床價值的 AI 產品，天然難以形成可交易模式。它們涉及流程改造、數據聯動、系統耦合，而醫院既不愿承擔成本，也不愿為“未來效率”買單。這讓最能體現AI專業價值的診斷類能力反而變成最難商業化的產品。
數據顯示，2024年底，國內已備案的101個醫療AI產品中，然而但問診對話就占比48%，而輔助診斷類產品僅占 5%。
上述限制并非問題的唯一來源。
一個事實是，醫療數據分散在各級醫院的信息系統中，既缺乏標準，也難以跨機構流動；數據內容既復雜又模糊，包含影像、病歷、結構化指標與大量非結構化描述，每一類都難以直接高質量用于訓練；更關鍵的是，醫療數據本身是隱私保護最嚴格的領域之一，遠超金融、電商與政務，絕大部分數據需要本地存儲，并且醫院不會輕易讓渡控制權。
畢馬威等機構的調研顯示，62%的醫療健康機構認為數據質量和數據獲取是AI落地的最大障礙。
因此，即便技術能力已經成熟，AI想要真正取得增量效果，也必須穿過數據質量、數據可用性與數據合規性的三重約束。這導致AI醫療在中國幾乎在源頭就面臨被“卡死”的風險。
在這種背景下，AI醫療健康的價值難以在體系內完全跑通。B端缺乏付費動力，C端缺乏付費意愿，中間的供應鏈、藥品、電商、保險雖然能提供流量與場景，但很難單獨形成閉環。
四、醫療健康下半場：讓AI成為醫療基建
醫療入口正在前移、資源正在重排，但要讓這些變化真正落地，前提是AI必須被醫療體系本身接納。
醫療行業與互聯網、電商、金融等開放性行業不同，它是一個強監管、強倫理、強專業的體系。在這樣的體系中，行業標準與行為邊界由醫療機構與監管部門決定，外部力量無法依靠定義場景或制定規則來主導行業變革。
正因為如此，最近兩年巨頭的策略開始明顯轉向，從做應用、找流量，轉向做底座、補鏈條、接支付。這背后有一個清晰判斷：AI醫療的下半場，比拼的不是產品，而是體系的嵌入能力。
這種轉向首先體現在底層建設上。
阿里與多地醫院共建醫學大模型場景，用模型托起質控、病案審核和影像識別，直接嵌入醫院的核心流程；騰訊則把醫保智能審核能力做成標準化模塊，和各地醫保局的系統深度對接，讓AI成為“必需能力”而非“可選工具”；百度智能云與頭部醫院合作搭建醫療專用知識圖譜，把診療邏輯沉到模型里，讓醫院把它當作中臺能力來調用。
這些動作有一個共同點，AI不再停留在能用，而是要做到“離不開”。當大模型進入質控、影像和病案審核這些不可替代的環節，技術就從一個產品，變成了系統底層的一部分。
數據顯示，68%醫療健康機構已經大量使用智能體，并正在為應用下一階段人工智能技術“自主智能體”進行準備。當前，84%的機構放心讓人工智能為特定流程進行端到端自主決策。
真正的結構性變化發生在產業鏈端。
醫療的低效從來不是單點問題，而是醫、藥、檢、養之間長期斷裂的結果。過去這些環節各自為政，誰也無法真正提高整體效率。AI的作用，將讓其能夠被統一調度。比如檢測結果不再是孤立文件，藥品流通能夠根據預測提前準備，慢病管理不再依賴人工隨訪。當鏈條開始連起來，醫療服務的邏輯也將從以醫院為中心，轉向以用戶的連續健康需求為中心。
而當服務鏈條被串起后，支付體系的轉變便成為必然。
由于醫療資源的重新分配，將迫使醫保和保險重新審視風險結構。哪些疾病能提前發現、哪些行為能被量化、哪些費用能夠被模型控制。AI恰好提供了這種量化能力，使醫療、支付和風險管理第一次能夠在同一套數據體系里對齊。支付端的變化，又將反向推動醫療端的流程重建，讓整個體系進入一個新的循環。
在這些方向的推動下，AI醫療健康的落地將逐漸走出小范圍試點的階段，呈現出更明顯的規模化趨勢。
例如螞蟻的AQ健康管家以月活破千萬的成績“意外出圈”，正是因為它率先找到了能夠被醫療體系、監管體系與用戶需求同時接納的切入口，標志著AI在醫療健康產業的應用開始具備真實的產業級勢能。
未來，隨著AI深入醫療健康體系，其角色將從“輔助工具”變成“服務入口”，成為用戶健康管理的第一觸點；醫療資源也將隨之重新分配，基層能力在AI的幫助下將被快速放大。醫療價值鏈也將開始從醫院主導的碎片化結構，向覆蓋預測、預防、治療與康復的連續服務體系轉變。
站在當下來看，那些數字化改革十年未能撬動的深層問題，有可能在AI時代率先迎來突破。真正屬于AI醫療健康的下半場，才剛剛開始。
原文標題 : 螞蟻集團醫療戰略升級背后：醫療健康憑何成為AI打響的產業第一槍？
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
圖片新聞
