微软、华为与蚂蚁，为何都不想在AI医疗领域掉队？

大模型的强大威力已无需多言，当下已到聚焦应用之时。千行百业都在积极求变，其中医疗行业在大模型应用的速度、广度和深度上堪称翘楚。

一份行业统计报告显示，2023年末，国内行业大模型分布中，医疗医药、金融和科研位居前三。机器人虽未登上春晚舞台，却早已走进手术室。

2025年初，DeepSeek惊艳登场，进一步催化了AI医疗的商业落地。其核心原因主要有两点：一是价格亲民，二是开源模型支持私有化部署，更能满足医疗数据敏感的安全需求。据不完全统计，截至目前，国内超百家三级医院已官宣完成DeepSeek本地化部署。

更为重要的是，经过上一轮互联网医疗的普及，C端用户对AI助手诊疗的接受度明显提高。

正因如此，国外的英伟达、微软等巨头不惜重金投入，国内的华为、蚂蚁等企业也在持续加码。AI医疗成为大模型应用绝不能错过的热门场景。

01 AI医疗进化方向

大模型厂商进入医疗领域后，解题思路十分开阔。而那些具备一定医疗服务基础的公司，行动可能更为激进。

以华为为例，3月初组建的第21军团——医疗卫生军团，重点构建AI辅助诊断解决方案体系，推动医疗大模型在临床场景的应用。

此后，华为频繁布局，联合不同医院推出病理大模型、急性胸痛大模型等，同时与互联网公司积极推进一体机解决方案，其中就包括在AI医疗领域深度布局的蚂蚁集团。

蚂蚁集团将AI医疗确定为核心战略后，在机构、医护和用户三端同时发力。国内很少有玩家能进行如此全面且深入的布局，这也从侧面体现了蚂蚁进军医疗AI领域的野心和决心。

蚂蚁开展医疗业务的基础是支付宝。在互联网医疗阶段，支付宝就在医院机构和用户端的挂号、问诊和支付等环节建立了广泛连接。经过近11年的积累，支付宝辐射全国3600家医院，累计服务用户超8亿，是国内最大的医保支付服务平台和一站式医疗健康服务平台。

进入AI阶段，蚂蚁医疗的内涵不断拓宽，从基础设施硬件、行业大模型到生态伙伴，再延伸至应用场景，实现了全景式渗透。

近日，蚂蚁正式对外发布并升级了面向医疗机构、医生和用户三端的AI产品体系。

其中，最受关注的是联合华为、阿里云推出的「蚂蚁医疗大模型一体机」全栈解决方案。通过该方案，医院系统可实现国产算力、医疗大模型、AI训推一体的私有化部署。首批接入的有杭州市医保局、北京中医医院等7家机构。

值得注意的是，2024年11月，国家医保局将人工智能辅助诊断列入立项指南，AI辅助诊断首次被纳入医保。这对AI医疗解决方案提供商来说，既是积极信号，也是检验实力的关键时刻。

同时，好大夫在线的29万注册医生，在医、教、研场景中，可通过蚂蚁开发的「AI病历助手」「AI科普助手」以及最新的「AI科研助手」提高工作效率。未来还会有更多丰富的矩阵工具，形成AI超级助理。

AI在用户端的服务已有数据反馈。去年9月推出的「AI健康管家」，半年内服务近4000万用户，可帮助普通人找医生、读报告、陪看诊等。

通过三端同时发力，蚂蚁在医疗AI领域的目标是构建从诊疗、服务到健康管理的闭环。

这并非短期内能够实现的目标。蚂蚁在这条赛道已投入近11年，从数字科技inside走向AI技术inside，无疑是在深耕产业，追求更长久的发展。

02 单点突破的可能性

与蚂蚁全面深入的投入不同，目前市场上的入局者大多处于单点技术匹配单点场景的阶段。

在面向医院等机构时，AI在几类场景中发挥着重要作用。

最典型的是影像诊断。AI在学习数十万张专业医师标记的胸部CT阅片信息后，可快速阅片并给出结果。对于一些小于1cm的病灶，医生肉眼查找费时费力，而AI能瞬间给出结果，还能标出结节大小、位置、密度，初步分辨良恶性。

北京海淀医院引入的肺部CT影像AI辅助诊断系统，至今已协助分析约22万病例。

AI也应用于辅助诊疗，如手术规划和手术机器人。有医疗大模型从业者将手术规划比喻为汽车地图导航，手术机器人则如同无人驾驶。

与此同时，面向医护人员的AI产品也在逐步落地。

例如Abridge，一款AI记录助手，可帮助医护人员完成临床文档记录。该产品通过自动语音识别诊疗过程，由AI生成符合要求的文档。

据公司数据，Abridge能完成医生91%以上的文档记录工作量，同时与美国最大的电子医疗系统Epic深度整合，既节省医生时间，又无需改变医生现有工作习惯。

3月4日，微软面向医护人员推出语音AI助手Dragon Copilot。在微软解决方案覆盖的医院，系统会自动捕捉记录医生和病人的对话，由AI进行语境分析，自动创建临床记录。

除医院机构和医护人员外，C端普通用户也是AI医疗的重要服务对象。商业落地产品主要集中在AI个人健康管理和助手方面。

MedMatch是一款AI驱动的医疗保健解决方案，应用于心理健康、男性健康、女性皮肤管理等敏感领域。其核心是结合历史临床数据、治疗类型等训练用户模型，最终由AI给出推荐的临床决策和治疗方案。

国内也有一些AI助手，可用于自主疾病诊断、识别常见药品、建立个人健康空间。

然而，在医疗服务领域，医院、医护人员和用户三者相互关联，无法割裂。在任何一个场景中浅尝辄止地引入大模型，很难让医疗AI真正落地并产生价值。

此外，医疗数据量大但质量不高，结构化和标准化不足，大模型能力的幻觉问题在医疗领域更为突出。因此，技术迭代和多场景应用形成闭环尤为重要。

一方面，医疗领域天然适合大模型应用；另一方面，该领域门槛较高。

这就决定了进入医疗AI领域不能急于求成，而蚂蚁的发展策略值得关注，因为11年的实践让它更快地明确了这一点。

03 从锦上添花到刚需必备有多远？

我们现在看到的AI医疗成果，是其发展到一定阶段的产物。

早期的医疗AI多局限于单一任务优化，存在明显的信息割裂。例如，仅依靠影像无法判断肿瘤病理分型，还需结合实验室结果。

此外，早期AI无法像医生一样用自然语言解释诊断依据。即便如今大模型有所进化，AI仍存在表述生硬的问题，难以精准获取有效信息，还被诟病缺乏人情味。

最重要的是数据孤岛问题，不同医院使用的影像格式、病历系统互不兼容。

虽然这些问题目前尚未完全解决，但大模型的普及，以及DeepSeek的高性能、低成本和开源特性，将大模型能力提升到新高度，AI医疗也进入了新阶段。

首先是数据敏感和安全问题，开源模型便于本地部署。蚂蚁提出「训推一体，开箱即用」的轻量化设计理念，确保数据可用不可见，诊疗过程全程可溯源。

其次是降低成本，有利于医疗公平和普及。

上海长征医院放射诊断科主任刘士远团队在2022年上半年进行的中国医学影像人工智能临床应用情况调研显示，73.9%的三级医院配备了影像AI辅诊软件，而基层医疗机构的这一比例仅为10.1%。成本降低后，将推动AI从头部医院试点向基层普及应用。

这些资金和安全问题或许都有解决办法。目前，AI医疗面临的最重要问题是如何从锦上添花变为刚需必备，让用户愿意使用甚至付费。

去年7月，国家卫生健康委卫生发展研究中心副主任游茂曾表示，中国95%的研究或产出集中在医学影像类；而在医疗机器人、知识库、自然语言处理等领域的研究相对不足；「决策规则」方面的研究几乎空白。

因此，对于AI影像诊断，机构的付费意愿和付费率较高；辅助治疗若免费，医生愿意尝试，但要花费几十万元正式采购，可能会谨慎对待。

一位医疗从业者认为，目前市面上已有的AI医疗产品开发率可能不足5%。这既反映了该赛道的难度，也意味着巨大的市场潜力。