AI是路徑，醫療是終點(diǎn)。模型之外，驗證為王。

采寫(xiě)／方青青

編輯／萬(wàn)天南

我們每個(gè)人身邊，或許都有一個(gè)關(guān)于“看病難”的故事。

一位西北內陸的朋友，為掛上北京某醫院專(zhuān)家號，花了近2000元買(mǎi)黃牛票，還要協(xié)調假期、長(cháng)途跋涉——優(yōu)質(zhì)醫療資源供給不足且分布不均，導致“小醫院看不好，大醫院擠不進(jìn)”。

如果醫生有不知疲倦的“分身”，如果頂尖的診療經(jīng)驗可以跨越山海與時(shí)差，7x24小時(shí)在線(xiàn)……

互聯(lián)網(wǎng)公司一直試圖找到解藥——但早期的入局者，如春雨醫生、好大夫在線(xiàn)、微醫等，其核心思路大多是解決醫患之間的“信息差”，本質(zhì)還是“連接” 。

然而，這一模式很快觸及天花板，因為它并未解決優(yōu)質(zhì)醫療服務(wù)短缺的根本問(wèn)題。

直到AI入場(chǎng)，“AI醫生”獲得候補資格，隨時(shí)等待“上場(chǎng)補位”——在智能導診、報告解讀、影像判斷、臨床決策支持，“賦能”并“擴容”仍顯短缺的醫療供給。

最近兩年，大廠(chǎng)相繼加入了A醫療大模型的團戰。

騰訊于2023年9月上線(xiàn)“騰訊醫療大模型” ，發(fā)力智能導診、電子病歷等；京東健康依托其在醫藥供應鏈和互聯(lián)網(wǎng)醫療領(lǐng)域的既有優(yōu)勢，于2023年7月發(fā)布了模型“京醫千詢(xún)”，補全其服務(wù)生態(tài)的AI能力 ；平安好醫生作為保險巨頭平安集團旗下的醫療健康平臺，推出平安醫博通，探索“醫療＋保險”的協(xié)同模式；科大訊飛發(fā)布“星火醫療大模型”等，旗下“智醫助理”率先通過(guò)了國家執業(yè)醫師資格測試……

在與海外AI大模型比拼時(shí)，中國企業(yè)似乎也沒(méi)輸陣——比如，今年6月，斯坦福大學(xué)發(fā)布了一項有關(guān)臨床醫療 AI 模型的全面評測，顯示DeepSeek R1以66% 的勝率和0.75的宏觀(guān)平均分，在九個(gè)前沿大模型中脫穎而出，成為全球冠軍。

在這條高門(mén)檻、長(cháng)周期的賽道上，同出一脈的螞蟻集團與阿里旗下夸克，也在今年先后亮出了各自的王牌：

螞蟻集團推出獨立App“螞蟻AQ”，定位為C端AI健康管家，上線(xiàn)十個(gè)月已累計服務(wù)超過(guò)1億用戶(hù)，近期還登上蘋(píng)果商店醫療榜第一。

夸克則選擇更輕量的入口，將健康大模型集成在A(yíng)I搜索框中，并成功通過(guò)中國12門(mén)核心學(xué)科主任醫師筆試，成為國內首家主任醫生級AI，力圖成為用戶(hù)AI健康信息的首選入口。

兩者的對比，清晰地揭示了醫療大模型落地的兩種核心路徑：做深服務(wù)的“健康管家”、盤(pán)踞線(xiàn)上的“健康入口”。

在這場(chǎng)醫療大模型的團戰中，大廠(chǎng)戰略分野，同向但不同路。

一、體驗有差異：夸克給“答案”，AQ出“方案”

為了比較螞蟻AQ和夸克在醫療大模型上的差異，我們以自己最近的睡眠問(wèn)題為例，分別在兩個(gè)平臺上進(jìn)行了完整問(wèn)診。

先看螞蟻AQ，給了我近似“醫生面對面”版的問(wèn)診體驗。

打開(kāi)AQ智能體，會(huì )看到一個(gè)干凈清爽的頁(yè)面。中央是對話(huà)框，用戶(hù)可選擇“智能思考”“深度思考”或“極速模式”；下方則是“AI診室”“拍報告”“醫保碼”“拍藥盒”“找醫生”等快捷服務(wù)入口。

頁(yè)面左側還設有個(gè)人信息頁(yè)，包括“健康檔案”“消息”“對話(huà)歷史”以及“不同智能體”入口，可關(guān)聯(lián)硬件設備以實(shí)現長(cháng)期健康數據監測。

正式進(jìn)入AI健康咨詢(xún)階段。當我輸入我的問(wèn)題后，AQ啟動(dòng)深度思考模式，快速生成了一份結合醫學(xué)文獻的初步報告。內容涵蓋了可能的病因分析、生活方式建議和調理方案，并且嚴謹地在每條建議后附上了文獻出處。

但坦白說(shuō)，盡管這些信息完整、專(zhuān)業(yè)，但偏向于普適性常識，如睡前避免使用手機、保持黑暗環(huán)境等，對癥但不夠個(gè)性化。

這正是許多醫療大模型產(chǎn)品面臨的體驗瓶頸：能夠“泛泛而答”，卻難以“深入追問(wèn)”。針對這一瓶頸，螞蟻AQ設計了“AI診室”功能，通過(guò)多輪追問(wèn)來(lái)模擬真實(shí)醫生的問(wèn)診過(guò)程。

接下來(lái)，螞蟻AI診室基于我的初始問(wèn)題，發(fā)起了一連串高達10至15個(gè)的連貫提問(wèn)，旨在系統性地收集病情信息、厘清細節 。為提升交互的透明度，其界面會(huì )展示“提問(wèn)進(jìn)度”，并解釋每個(gè)問(wèn)題的“提問(wèn)目的”——整個(gè)交互從“答題”變成“對話(huà)”，讓我這個(gè)很少在網(wǎng)上看病的人相信，這不是模板化的對話(huà)，而是我在與一位醫生建立對話(huà)關(guān)系，他正在為我進(jìn)行一對一的診斷。

問(wèn)診結束后，系統自動(dòng)匯總生成一份完整的診療建議報告。這份報告的結構邏輯清晰，契合了患者就醫時(shí)的核心關(guān)切點(diǎn)：醫生我這是什么問(wèn)題、是否嚴重，為什么會(huì )得這個(gè)病呢；那該怎么治、調理？后續回去要注意什么？

在這些基礎上，AQ還增加了兩條就診路徑：

?線(xiàn)下就醫：系統自動(dòng)匹配醫院和科室，依據地理距離、醫保接入、專(zhuān)科評級等維度排序，緩解了“去哪看”的決策壓力。

?線(xiàn)上問(wèn)診：列出相關(guān)科室醫生，可跳轉至“好大夫在線(xiàn)”等平臺，全國范圍內名醫資源，一觸即達提供診療支持。

從體驗看，AQ不僅給出了問(wèn)題的解釋?zhuān)餐苿?dòng)后續行動(dòng)安排，試圖將“AI問(wèn)診”延展為一整套診療流程——不僅給“答案”，也在給“方案”。

再看夸克，給我一種“搜索即問(wèn)診”的輕量級體驗。

夸克健康大模型嵌入在搜索欄內，我直接在搜索框輸入同樣的問(wèn)題，系統會(huì )調用模型生成結構化回答。

夸克同樣展現了AI醫生應有的深度與慢思考能力，最終給出的診斷意見(jiàn)也相當全面，內容覆蓋：可能的原因、就醫判斷、建議科室、可能的檢查項目、可能的治療方案以及日常調理建議?；卮鸬牡撞窟€附有醫生問(wèn)答參考鏈接，方便我進(jìn)一步查閱、參考。

在“深度思考”模式下，模型一次性生成完整內容，還支持多輪交互。這種設計相對高效，對于已有明確癥狀、希望快速了解相關(guān)信息的用戶(hù)而言，具備一定便利性。

整個(gè)過(guò)程最值得注意的是，盡管夸克健康大模型已通過(guò)12個(gè)核心學(xué)科的主任醫師級別評測，但整個(gè)回答能明顯感覺(jué)到夸克的謹慎和克制——不會(huì )直接下結論，而是多用“可能”“建議就醫”等措辭，系統對某些不確定問(wèn)題會(huì )主動(dòng)拒答，或僅提供一般建議，不涉及診斷。

這或許和醫療大模型的長(cháng)尾效應有關(guān)，即一個(gè)負面的應用個(gè)例就會(huì )對整個(gè)行業(yè)前景產(chǎn)生質(zhì)疑。對此，夸克官方曾表示，夸克健康在訓練中引入了“慢思考”推理機制，以提高推理的合理性與答案的解釋性，同時(shí)設置多道校驗機制以降低幻覺(jué)率。

從用戶(hù)體驗上看，夸克更像是我在掛號之前的“助理醫生”，幫助我了解癥狀與可能路徑，是否需要就醫、去哪個(gè)科室等，但不參與診療流程的具體環(huán)節——給出大致的“答案”，但不出整體“方案”。

總得來(lái)看，螞蟻AQ與夸克健康在醫療大模型的賽道上選擇了不同的路徑?？淇似蛴诔蔀橐粋€(gè)高效、可靠的“信息入口”，而螞蟻AQ則致力于打造一個(gè)深度介入的“診療中臺”。

個(gè)體端的感受之外，我們同樣關(guān)注這兩者在醫療實(shí)際落地的應用。

螞蟻AQ相關(guān)人士告訴我們，截至目前，螞蟻AQ已完成專(zhuān)業(yè)醫療大模型的核心研發(fā)與驗證，具備“深度推理+多模態(tài)”能力，能理解文本、處理圖像、語(yǔ)音與視頻，訓練規模超過(guò)萬(wàn)億tokens。

除了推出面向C端用戶(hù)的獨立應用外，螞蟻AQ和B端（機構和醫院側）主要在合作與賦能階段，尚未直接進(jìn)入診斷一線(xiàn)替代醫生診斷，主要還是提供診前—診中—診后的輔助服務(wù)。

B端落地上，螞蟻AQ與上海仁濟醫院共建專(zhuān)科數據集，探索模型在真實(shí)臨床場(chǎng)景中的應用；參與浙江衛健委“安診兒”項目，攜手硬件與數字醫療廠(chǎng)商推進(jìn)模型部署等。

螞蟻AQ還打造了一系列AI工具輔助醫生工作，包括醫生工作站、病例管家和電子病歷生成工具等。

據悉，目前螞蟻AQ的智能體系統已進(jìn)入多個(gè)專(zhuān)病管理領(lǐng)域，如聯(lián)合浙大二院，為心臟瓣膜病患者提供術(shù)后管理服務(wù)；與杭州市七院合作推出睡眠智能體，已覆蓋全國342個(gè)城市、服務(wù)用戶(hù)超500萬(wàn)。

也就是說(shuō)，除了在C端的影響力外，螞蟻AQ在B端也正在從技術(shù)平臺走向“系統能力提供者”，B、C端齊頭并進(jìn)。

和螞蟻AQ相同，目前夸克健康大模型也沒(méi)有深入到臨床一線(xiàn)診斷治療環(huán)節的合作，主要是在健康知識提供、醫學(xué)思維訓練及輔助診療決策等方面發(fā)揮作用。

從行業(yè)格局看，夸克更偏向于“醫療AI信息基礎設施＋健康搜索入口”的打法。為此，他們納入400多位副主任醫師及以上級別專(zhuān)家，深度參與模型訓練，以此提升醫療大模型的精準度。

在北京大學(xué)人民醫院皮膚科主任李厚敏為代表的多位專(zhuān)家看來(lái)，夸克的回答“像一個(gè)醫生在思考”。尤其是在優(yōu)質(zhì)醫療人才短缺、同時(shí)診治疾病較為多元的基層全科診療中，夸克可作為醫生的輔助工具，為其補充跨學(xué)科知識、提供治療建議，提升診療準確性與效率等。

不過(guò)，無(wú)論AQ還是夸克，其定位還是“輔助”醫生，而非“替代”醫生。

二、同向不同路：服務(wù)閉環(huán)VS信息入口

兩種體驗的背后，是兩條涇渭分明的戰略路線(xiàn)。

螞蟻AQ選擇了一條“重”且“深”的服務(wù)閉環(huán)之路，而夸克則選擇了一條“輕”而“廣”的信息入口之路。

先看螞蟻AQ。

螞蟻布局醫療大模型，其內部認為是“水到渠成”——從解決患者的支付困難到接入醫院幫患者掛號，再到打通醫保體系，支付寶不斷強化其一站式醫療服務(wù)平臺的站位。進(jìn)入大模型時(shí)代，螞蟻將AI嵌入醫療“前端”，貫穿醫生診斷和醫院就診全流程。

AQ智能體通過(guò)學(xué)習頂級專(zhuān)家診療思路，輔助醫生處理病例，實(shí)現“分級診療”：80%的基礎問(wèn)題由智能體解決，復雜的20%由線(xiàn)下專(zhuān)家跟進(jìn)。它負責分診、導診和服務(wù)聯(lián)動(dòng)，構建完整服務(wù)閉環(huán)。

一個(gè)被AI重塑的就醫路徑就這樣誕生了：用戶(hù)在感到不適時(shí)，先可在A(yíng)Q咨詢(xún)。若為輕癥，AQ直接給出建議；若復雜或重癥，或用戶(hù)需要線(xiàn)下就診，AQ根據距離、科室、醫生等需求推薦醫院并完成導診、分診。之后還能協(xié)助支付和醫保報銷(xiāo)。

就診結束后，AQ還根據用戶(hù)體檢和就診情況，提供健康護理建議，如飲食、復診時(shí)間。用戶(hù)還能綁定智能硬件，實(shí)現日常健康監測和管理。

由此，AQ智能體貫穿患者“診前—診中—診后”全流程，甚至延伸至日常健康管理——此時(shí)，AQ要做的是一個(gè)“AI私人醫生+健康助手”，助力醫療資源擴容。

AI賦能醫療服務(wù)眾多環(huán)節 資料來(lái)源：甲子光年，招商銀行研究院

但要實(shí)現這一角色，僅靠一個(gè)“工具型小程序”是不夠的，螞蟻因此選擇獨立App這條“重”路徑。在螞蟻AQ看來(lái)，真正的健康管家需要主動(dòng)觸達和及時(shí)交互。例如，當智能硬件監測到血糖異常時(shí)，AQ須能立刻預警。而支付寶內的小程序推送易被淹沒(méi)，入口路徑深，用戶(hù)感知受限。

此外，做健康管家還需在醫療生態(tài)產(chǎn)業(yè)鏈掌握主動(dòng)權。螞蟻整合了支付寶十余年積累的醫療生態(tài)，包括醫保、醫院系統、商保渠道，以及年初收購的“好大夫”平臺。AQ還接入269個(gè)醫生智能體、200多家金融機構、華為、魚(yú)躍等硬件廠(chǎng)商，形成院內外全周期健康管理閉環(huán)。

這種生態(tài)聯(lián)動(dòng)，或許將成為AQ智能體的核心壁壘，是純技術(shù)公司短期內難以復制的。

相比螞蟻AQ在醫療供給側的深耕，夸克選擇了一條輕量、非侵入、強調權威信息的路徑。

作為國內首個(gè)通過(guò)12門(mén)核心學(xué)科主任醫師評測的AI大模型，夸克健康大模型更像一個(gè)線(xiàn)上的“專(zhuān)業(yè)顧問(wèn)”——它不承擔診療任務(wù)，也不構建服務(wù)閉環(huán)，而是通過(guò)“主任醫生級AI”能力，為用戶(hù)提供可信易懂的健康知識解答。

這條“輕”路徑，與其在阿里體系中的戰略角色高度一致。

阿里2025財年第三季財報電話(huà)會(huì )上，阿里巴巴集團CEO吳泳銘明確阿里未來(lái)三年將圍繞AI做三大投入：一是AI和云計算的基礎設施建設，二是AI基礎模型平臺與AI原生應用，三是現有業(yè)務(wù)的AI轉型升級。

其中，夸克被視為“模型能力外放的第一入口”。財報會(huì )結束一個(gè)月后，阿里把夸克正式確立為“AI旗艦應用”，產(chǎn)品形態(tài)升級為無(wú)邊界的“AI超級框”，并宣布未來(lái)通義系列大模型的最新能力將第一時(shí)間接入夸克。

作為阿里欽點(diǎn)的“AI旗艦應用”，夸克的目標成為AI時(shí)代的“超級入口”。健康大模型是夸克“多智能體矩陣”中的關(guān)鍵子Agent：通過(guò)深度參與醫療場(chǎng)景這個(gè)對專(zhuān)業(yè)門(mén)檻要求最高的領(lǐng)域，夯實(shí)平臺的可信認知，進(jìn)而完成向教育、辦公等領(lǐng)域的能力遷移。

因此，夸克并不追求診療閉環(huán)，而是強調“專(zhuān)業(yè)可信+內容可讀”。它搭建了完整的“數據—模型—產(chǎn)品”體系，用“慢思考”“思維鏈”等技術(shù)提升推理質(zhì)量，確保輸出內容的準確性與可理解性。

對此，夸克方面向《財經(jīng)故事薈》透露：未來(lái)，團隊的重點(diǎn)仍將是內容質(zhì)量與用戶(hù)滿(mǎn)意度，比如回答更精準、輸出的內容更容易讓用戶(hù)理解?？傊?，短期內并不追求醫療服務(wù)閉環(huán)，也不急于商業(yè)化落地。

三、尋找“新支柱”與搶奪“AI船票”

將視線(xiàn)拉高，兩條路線(xiàn)的選擇，最終都服務(wù)于各自母公司在A(yíng)I時(shí)代的宏大棋局。

目前，“普惠醫療健康”已被正式納入螞蟻集團五大主業(yè)，與“普惠金融”并列。對螞蟻而言，醫療的價(jià)值不僅體現在新業(yè)務(wù)本身，也體現在與現有體系的協(xié)同效應上。

一個(gè)高頻、高信任度的健康服務(wù)入口，既能拉升支付寶平臺黏性（協(xié)同數字支付與生活服務(wù)），又為保險等金融產(chǎn)品創(chuàng )造數據驅動(dòng)的個(gè)性化場(chǎng)景（協(xié)同數智普惠金融），同時(shí)還能作為集團AI能力的最佳范例，向政企端輸出模型能力（協(xié)同科技產(chǎn)業(yè)化）。

尤其是金融和健康醫療的協(xié)調，參考平安好醫生曾推動(dòng)的“醫療+保險”打包增值路徑，未來(lái)AQ所沉淀的用戶(hù)健康檔案、慢性病行為數據，或許能反哺到保險產(chǎn)品的定價(jià)和風(fēng)控，形成“健康管理+風(fēng)險保障”的閉環(huán)協(xié)同——眼下答案尚不明確，但模式不難想象。

如果說(shuō)螞蟻押注“普惠醫療”，是為了夯實(shí)新業(yè)務(wù)地基、拉動(dòng)生態(tài)協(xié)同、尋找第二條增長(cháng)曲線(xiàn)。那么夸克切入醫療并不只是押注某一個(gè)垂類(lèi)場(chǎng)景，而是為了搶占AI時(shí)代的“船票”——建立一個(gè)AI時(shí)代真正意義上的超級入口。

在電商增長(cháng)趨緩、平臺紅利見(jiàn)頂的背景下，阿里面臨的是從交易平臺向AI平臺轉型的結構性挑戰。這個(gè)轉型繞不開(kāi)一個(gè)前提：必須有一個(gè)能承載大模型能力、與用戶(hù)保持高頻互動(dòng)的通用入口。

正如普華永道中國AI咨詢(xún)主管張為峰所言，AI“超級入口”將重構下一代的流量控制權。一方面，它是用戶(hù)與智能服務(wù)的“第一觸點(diǎn)”；另一方面，它也是重構商業(yè)模式的關(guān)鍵支點(diǎn)——從廣告到訂閱，從一次性交易到多輪互動(dòng)，從平臺分發(fā)到任務(wù)驅動(dòng)，都是圍繞入口重新排布。

AI時(shí)代的“超級入口”之爭已經(jīng)打響。PC時(shí)代，百度主導信息流；移動(dòng)時(shí)代，微信掌控社交；而在A(yíng)I時(shí)代，誰(shuí)先占據用戶(hù)心智，誰(shuí)就能重構平臺價(jià)值分配的規則。

被欽定為“AI旗艦應用”的夸克，要承擔起打造國內首個(gè)DAU破億AI超級App的使命。阿里巴巴智能信息事業(yè)群總裁吳嘉希望將夸克打造為“機器貓的口袋”——“一是Smart（聰明），二是專(zhuān)業(yè)，三是萬(wàn)能，要All in one”，成為“每個(gè)人都可以用的工具”。

而健康咨詢(xún)幾乎算得上全民剛需，且一旦建立信任，用戶(hù)黏性極強。如果能在這一高門(mén)檻場(chǎng)景中建立起專(zhuān)業(yè)權威的品牌形象，就有機會(huì )將信任遷移至教育、辦公、搜索等更多領(lǐng)域，從工作到學(xué)習，搶占AI時(shí)代的“默認入口”。

四、中美有差距：星辰與泥濘

醫療大模型唯有與當前的醫療服務(wù)體系結合，才能充分釋放潛力。

對此，上海某三甲醫院院長(cháng)告訴《財經(jīng)故事薈》，“不夸張地說(shuō)，醫生可能是最樂(lè )意擁抱新技術(shù)的群體。我們不講新舊，有用我們就想用就愛(ài)用?！?/p>

在他的微信朋友圈里，幾乎每隔兩三天，就會(huì )轉發(fā)AI大模型相關(guān)內容，“醫療服務(wù)體系的任何環(huán)節，AI大模型都有機會(huì )切入”。

據中國醫療大模型行業(yè)白皮書(shū)披露，2019—2023年，中國醫療大模型市場(chǎng)規模從27億元增長(cháng)至107億元，預計2028年將達到976億元。

資料來(lái)源：《中國醫療大模型行業(yè)白皮書(shū)：精準醫療，智能未來(lái)》，招商銀行研究院

但在抵達這片星辰大海之前，所有玩家都必須正視并穿越一片由數據、技術(shù)、倫理和法規構成的“泥濘”地帶。

正如前述院長(cháng)所提醒的，“在醫療領(lǐng)域，我們固然要迎接AI、用好AI，但不能夸大，必須先經(jīng)過(guò)嚴苛的臨床驗證?！?/p>

這并非一句空話(huà)。相比之下，國際頭部醫療大模型在進(jìn)入臨床前，其驗證的廣度與深度已為我們設立了極高的標桿。

例如，梅奧診所（Mayo Clinic）的AI心血管風(fēng)險預測系統，在獲批前通過(guò)了覆蓋全球17個(gè)國家、136家醫院的聯(lián)合驗證，累計病例高達23萬(wàn)例。這種工業(yè)級的、大規模的嚴謹驗證，正是國內模型需要補上的第一課，也是必須跋涉穿越的“泥濘”。

近期舉辦的世界人工智能大會(huì )醫療論壇上，國內外多位頂尖院士和專(zhuān)家坦言，當前醫療大模型要從“可見(jiàn)”走向“可靠”，仍需克服三大核心困境：

一是，“開(kāi)放”與“安全”的沖突。

數據是模型的燃料，也是最敏感的資產(chǎn)，尤其在醫療領(lǐng)域。德國科學(xué)院院士Roland Eils教授指出，盡管技術(shù)上AI已在多項能力上超越人類(lèi)，但大語(yǔ)言模型在臨床的落地率僅有5%，核心瓶頸就在于數據隱私的嚴格限制。

這背后是《中華人民共和國網(wǎng)絡(luò )安全法》《中華人民共和國數據安全法》和《中華人民共和國個(gè)人信息保護法》構筑的數據安全紅線(xiàn)。如何在這道紅線(xiàn)之上，破解醫療數據流通不暢的難題，已成為政策的焦點(diǎn)。

好消息是，從國家層面來(lái)看，2023年設立的數據局以及計劃于2025年啟動(dòng)的國家數據集團，體現了國家對數據未來(lái)價(jià)值的認可與重視，醫療健康領(lǐng)域數據商業(yè)化政策雛形漸顯，各地也開(kāi)始積極進(jìn)行醫療數據商業(yè)化的嘗試。

政策持續加碼推動(dòng)醫療數據智能化應用 資料來(lái)源：政府官網(wǎng)、招商銀行研究院

二是，“通用”與“專(zhuān)用”的技術(shù)鴻溝。

正如我們前面所說(shuō)，醫療大模型領(lǐng)域一個(gè)負面例子足以引起公眾對整個(gè)行業(yè)的質(zhì)疑——醫療不是一個(gè)通用大模型可以輕易征服的領(lǐng)域。

它需要專(zhuān)科化模型，像醫生分科室一樣，針對特定器官和疾病進(jìn)行深度訓練，才能減少“算法幻覺(jué)”，真正提升臨床的精準度和實(shí)用性。這意味著(zhù)，從通用技術(shù)到專(zhuān)用產(chǎn)品的轉化，仍有很長(cháng)的路要走。

三是，“技術(shù)”與“溫度”的倫理考驗。

醫療的終點(diǎn)是服務(wù)于人。

中國科學(xué)院院士葛均波認為，AI作為臨床診療的得力助手，其倫理規范問(wèn)題亟待厘清。這不僅是指算法的公平性、可解釋性和對隱私的保護，更是指如何將冰冷的技術(shù)融入充滿(mǎn)情感與信任的診療關(guān)系中。

這些現實(shí)困境，最終都指向一個(gè)核心原則：至少很長(cháng)一段時(shí)間，AI醫生的角色只能是“輔助”，而非獨立的決策者。診斷決策仍然牢牢掌握在人類(lèi)醫生手中。

從橫向對比來(lái)看，中國醫療大模型落地的速度和深度，相對美國，還有明顯差距——既有技術(shù)的差距，還有從臨床驗證、系統整合到信任建立的系統性差距。

首先，在商業(yè)模式上，歐美逐漸形成了“價(jià)值驅動(dòng)”的良性循環(huán)。

據天翼智庫發(fā)布的報告，歐美頭部玩家已在醫療文書(shū)自動(dòng)化、重癥管理、腫瘤精準診療等高價(jià)值領(lǐng)域，成功構建了“臨床信任→常態(tài)化使用→價(jià)值創(chuàng )造→商業(yè)付費”的閉環(huán)。AI不再僅僅是降本增效的工具，而是能夠直接參與價(jià)值創(chuàng )造并獲得回報的生產(chǎn)力平臺。

其次，在應用深度與廣度上，差距體現在“系統平臺”與“單點(diǎn)工具”的分野上。

?應用廣度失衡：歐美醫療大模型已均衡覆蓋診療全流程，其中診斷類(lèi)占38%，治療規劃類(lèi)占29%，預后監測類(lèi)也達到了21%。以MD安德森癌癥中心為例，其AI系統已覆蓋從篩查到個(gè)性化治療的全鏈條。相比之下，國內三甲醫院的AI應用中，影像診斷類(lèi)占比高達82%，而在治療和預后等核心環(huán)節的滲透嚴重不足。

?整合深度不足：國際標桿項目展現出真正的“人機協(xié)同”。梅奧診所的AI術(shù)前規劃系統，可實(shí)現從自動(dòng)調取數據（準確率98%）、智能生成方案（符合率91%）到術(shù)中實(shí)時(shí)導航（誤差<0.5mm）的全流程支持。而國內同類(lèi)應用多停留在提供術(shù)前靜態(tài)建議，導致實(shí)際采用率不足40%，未能深度融入臨床工作流。

中美差距還直觀(guān)地反映在臨床采納與信任度上。

在美國頂級醫療機構中，高達87%的科室已實(shí)現AI工具的常態(tài)化使用（每周>50次），其中放射科、病理科的采納率更是達到了95%。醫生對AI的信任已經(jīng)轉化為日常工作習慣。

要填平中美醫療大模型之間的系統性差距，螞蟻和夸克們必須聯(lián)手中國醫療機構，一起加速追趕了。