数字方舟：中国科技巨头如何诊断未来医疗，并跋涉数据与伦理的泥泞

TL;DR：

在应对全民“看病难”这一顽疾的数字战役中，中国的科技巨头们正以截然不同的战略路径——蚂蚁集团致力于构建深度介入的“诊疗闭环”，而夸克则着力打造轻量化、高可信度的“健康信息入口”——试图在AI时代抢占新的商业高地与流量入口。然而，在这片充满机遇的“星辰大海”背后，仍横亘着数据隐私、技术验证与伦理边界所构筑的“泥泞”地带，尤其与西方成熟市场相比，中国医疗AI的商业化深度与临床采纳度仍有待追赶。

长期以来，无论是在繁华都市还是偏远乡村，民众对优质医疗资源的渴望，始终如同一位难以安抚的“慢性病患者”。即便互联网的早期介入，以“连接”之名试图缓解医患间的信息不对称，其效用也很快触及天花板——毕竟，一张电子问诊单，终究无法变出更多顶级专家，也无法凭空增设更多病床。然而，当人工智能（AI）的大潮汹涌而至，一种全新的“数字药方”似乎跃然纸上，承诺着医生的“分身”、诊疗经验的“普惠”，甚至24小时不休的“智能导诊”。于是，在一片对未来医疗的憧憬中，中国的科技巨头们，那些曾以支付、电商或社交网络重塑商业版图的数字先驱，纷纷投身这场高门槛、长周期的医疗大模型“团战”。

双生花开：商业模式的策略分野

在这场愈演愈烈的数字竞逐中，蚂蚁集团与阿里巴巴旗下夸克的战略选择，如同一枚硬币的两面，清晰地勾勒出医疗AI商业化的两条核心路径：前者致力于构建一套**“重”且“深”的诊疗服务闭环**，而后者则偏爱**“轻”而“广”的信息入口**。

蚂蚁集团旗下的独立应用“蚂蚁AQ”，其诞生并非偶然，而是支付宝在医疗健康领域十年深耕的“水到渠成”¹。它不仅提供如“AI诊室”般的多轮问诊体验，通过模拟医生思维进行“深度思考”，给出个性化的“方案”，更进一步，它力图将AI问诊延展至完整的诊疗流程：从AI推荐就诊科室、智能匹配医院，到协助支付、医保报销，乃至诊后健康管理和智能硬件联动。蚂蚁AQ的野心，是成为用户的“AI私人医生”与“健康助手”，通过整合支付宝十余年积累的医疗生态，包括医保、医院系统、商业保险乃至对“好大夫在线”的投资，构建一个院内外全周期的健康管理生态闭环。这种战略选择的“重”体现在其对独立App形态的坚持，因为真正的健康管家需要主动触达与及时交互，而非淹没于小程序深处。这背后，是蚂蚁欲在医疗服务产业链掌握主动权的决心，形成纯技术公司难以复制的生态壁垒。

与此形成鲜明对比的是，夸克健康大模型则展现出一种**“搜索即问诊”的轻量级美学**。它将健康大模型能力内嵌于AI搜索框，旨在提供高效、权威且可信的健康信息解答。尽管夸克宣称其AI已通过中国12门核心学科主任医师笔试，达到“主任医生级AI”水平，但其输出内容却保持着一份_罕见的克制_，多用“可能”、“建议就医”等措辞，并主动拒答不确定的诊断问题。其定位更像是用户在挂号前的“助理医生”，提供大致的“答案”，却不涉足具体的诊疗“方案”。这种“轻”路径，与阿里巴巴将夸克确立为“AI旗舰应用”的战略意图高度契合，即将其打造成AI时代的“超级入口”。通过在医疗这一高专业门槛领域建立信任，夸克意图将这种可信认知迁移至教育、办公等更广泛的应用场景，最终成为用户在AI时代的**“默认入口”**，争夺下一代流量控制权。

战略棋局：新增长点与AI入口之争

两条看似相异的路径，最终殊途同归，都服务于各自母公司在AI时代更宏大的商业棋局。对蚂蚁集团而言，“普惠医疗健康”已被正式纳入其五大主业，与“普惠金融”并驾齐驱。医疗不仅是其新的增长支柱，更是其现有支付、保险等金融体系的完美协同者。一个高频、高信任度的健康服务入口，能够显著拉升支付宝的用户黏性，同时为保险等金融产品创造数据驱动的个性化场景，甚至能将集团的AI能力向政企端输出，可谓“一石三鸟”。若未来用户健康档案与慢性病数据能反哺保险定价与风控，一个“健康管理+风险保障”的商业闭环，其价值想象空间不容小觑。

而夸克对医疗领域的切入，则更像是阿里巴巴在电商增长趋缓、平台红利见顶背景下，争夺AI时代**“船票”的战略性举措。在AI重构商业版图的浪潮中，谁能率先占据用户心智，谁就能重构价值分配规则。夸克作为阿里钦定的“AI旗舰应用”，承载着打造国内首个DAU破亿AI超级App的使命。医疗健康作为全民刚需且一旦建立信任便用户黏性极强的领域，无疑是验证AI能力、建立品牌权威的绝佳战场。一旦在此领域树立“专业可信”的形象，其信任度便可迁移至更多领域，从而真正抢占AI时代的“默认入口”**。

星辰与泥泞：全球医疗AI的跋涉之路

尽管中国科技巨头们在医疗AI领域投入重金，并已取得初步成果，但这片“星辰大海”的征途远非坦途。在抵达那片想象中的智能医疗乐土之前，所有玩家都必须正视并穿越一片由数据、技术、伦理和法规所构成的**“泥泞”地带**。正如一位上海三甲医院院长所言：“在医疗领域，我们固然要迎接AI、用好AI，但不能夸大，必须先经过严苛的临床验证。”¹

首先，数据“开放”与“安全”的冲突如影随形。医疗数据作为最敏感的个人资产，其隐私保护与共享流通的矛盾，始终是困扰全球的难题。尽管中国在国家层面已设立数据局并计划成立国家数据集团，积极推动医疗数据商业化，但如何在这道“数据安全红线”之上，既确保数据可用性，又保障公民隐私，仍是亟待破解的政策与技术难题。

其次，“通用”与“专用”的技术鸿沟不容忽视。医疗并非通用大模型可以轻易征服的领域。一个负面的医疗AI应用案例，足以引起公众对整个行业的质疑。这要求模型必须走向专科化，像医生分科室一样，针对特定器官、特定疾病进行深度训练，才能减少“算法幻觉”，真正提升临床的精准度和实用性。从通用技术到专用产品的转化，其道路漫长而崎岖。

最后，“技术”与“温度”的伦理考验是医疗AI必须直面的终极挑战。医疗的本质是服务于人，而非冰冷的算法。中国科学院院士葛均波强调，AI作为临床诊疗的辅助工具，其伦理规范问题亟待厘清，这不仅包括算法的公平性、可解释性和隐私保护，更关乎如何将冰冷的技术融入充满情感与信任的医患关系中²。因此，至少在很长一段时间内，AI医生的角色将是“辅助”，而非独立的“决策者”。

从横向对比来看，中国医疗大模型在落地速度和深度上，与美国等国际头部玩家仍有明显差距。欧美已逐渐形成“价值驱动”的商业循环，在医疗文书自动化、重症管理等高价值领域构建起“临床信任→常态化使用→价值创造→商业付费”的闭环，AI不再仅仅是降本增效的工具，更是直接参与价值创造的生产力平台。例如，梅奥诊所（Mayo Clinic）的AI心血管风险预测系统在获批前经历了覆盖全球17个国家、136家医院、累计23万例病例的工业级大规模验证¹。相比之下，国内三甲医院的AI应用仍重度偏向影像诊断，而在治疗和预后等核心环节的渗透严重不足，整合深度也远未达到国际标杆项目所展现的“人机协同”水平。中美在商业模式、应用深度与广度、以及临床采纳与信任度上的差距，清晰地勾勒出中国医疗AI需要加速追赶的宏大命题。

要填平这道系统性的鸿沟，中国的科技巨头们不能仅凭一己之力。蚂蚁和夸克们，必须与中国的医疗机构携手，共同跋涉这片泥泞，方能抵达那片属于数字医疗的星辰大海。

引用

• 医疗大模型
• 智能医疗
• 商业战略
• 科技巨头
• 中美竞争