采写／方青青
编辑 ／万天南
我们每个人身边，或许都有一个关于“看病难”的故事。
一位西北内陆的朋友，为挂上北京某医院专家号，花了近2000元买黄牛票，还要协调假期、长途跋涉——优质医疗资源供给不足且分布不均，导致“小医院看不好，大医院挤不进”。
如果医生有不知疲倦的“分身”，如果顶尖的诊疗经验可以跨越山海与时差，7×24小时在线……
互联网公司一直试图找到解药——但早期的入局者，如春雨医生、好大夫在线、微医等，其核心思路大多是解决医患之间的“信息差”，本质还是“连接” 。
然而，这一模式很快触及天花板，因为它并未解决优质医疗服务短缺的根本问题。
直到AI入场，“AI医生”获得候补资格，随时等待“上场补位”——在智能导诊、报告解读、影像判断、临床决策支持，“赋能”并“扩容”仍显短缺的医疗供给。
最近两年，大厂相继加入了A医疗大模型的团战。
腾讯于2023年9月上线“腾讯医疗大模型” ，发力智能导诊、电子病历等；京东健康依托其在医药供应链和互联网医疗领域的既有优势，于2023年7月发布了模型“京医千询”，补全其服务生态的AI能力 ；平安好医生作为保险巨头平安集团旗下的医疗健康平台，推出平安医博通，探索“医疗＋保险”的协同模式；科大讯飞发布“星火医疗大模型”等，旗下“智医助理”率先通过了国家执业医师资格测试……
在与海外AI大模型比拼时，中国企业似乎也没输阵——比如，今年6月，斯坦福大学发布了一项有关临床医疗 AI 模型的全面评测，显示DeepSeek R1以66% 的胜率和0.75的宏观平均分，在九个前沿大模型中脱颖而出，成为全球冠军。
在这条高门槛、长周期的赛道上，同出一脉的蚂蚁集团与阿里旗下夸克，也在今年先后亮出了各自的王牌：
蚂蚁集团推出独立App“蚂蚁AQ”，定位为C端AI健康管家，上线十个月已累计服务超过1亿用户，近期还登上苹果商店医疗榜第一。
夸克则选择更轻量的入口，将健康大模型集成在AI搜索框中，并成功通过中国12门核心学科主任医师笔试，成为国内首家主任医生级AI，力图成为用户AI健康信息的首选入口。
两者的对比，清晰地揭示了医疗大模型落地的两种核心路径：做深服务的“健康管家”、盘踞线上的“健康入口”。
在这场医疗大模型的团战中，大厂战略分野，同向但不同路。
一
体验有差异：夸克给“答案”，AQ出“方案”
为了比较蚂蚁AQ和夸克在医疗大模型上的差异，我们以自己最近的睡眠问题为例，分别在两个平台上进行了完整问诊。
先看蚂蚁AQ，给了我近似“医生面对面”版的问诊体验。
打开AQ智能体，会看到一个干净清爽的页面。中央是对话框，用户可选择“智能思考”“深度思考”或“极速模式”；下方则是“AI诊室”“拍报告”“医保码”“拍药盒”“找医生”等快捷服务入口。
页面左侧还设有个人信息页，包括“健康档案”“消息”“对话历史”以及“不同智能体”入口，可关联硬件设备以实现长期健康数据监测。
正式进入AI健康咨询阶段。当我输入我的问题后，AQ启动深度思考模式，快速生成了一份结合医学文献的初步报告。内容涵盖了可能的病因分析、生活方式建议和调理方案，并且严谨地在每条建议后附上了文献出处。
但坦白说，尽管这些信息完整、专业，但偏向于普适性常识，如睡前避免使用手机、保持黑暗环境等，对症但不够个性化。
这正是许多医疗大模型产品面临的体验瓶颈：能够“泛泛而答”，却难以“深入追问”。针对这一瓶颈，蚂蚁AQ设计了“AI诊室”功能，通过多轮追问来模拟真实医生的问诊过程。
接下来，蚂蚁AI诊室基于我的初始问题，发起了一连串高达10至15个的连贯提问，旨在系统性地收集病情信息、厘清细节 。为提升交互的透明度，其界面会展示“提问进度”，并解释每个问题的“提问目的”——整个交互从“答题”变成“对话”，让我这个很少在网上看病的人相信，这不是模板化的对话，而是我在与一位医生建立对话关系，他正在为我进行一对一的诊断。
问诊结束后，系统自动汇总生成一份完整的诊疗建议报告。这份报告的结构逻辑清晰，契合了患者就医时的核心关切点：医生我这是什么问题、是否严重，为什么会得这个病呢；那该怎么治、调理？后续回去要注意什么？
在这些基础上，AQ还增加了两条就诊路径：
•线下就医：系统自动匹配医院和科室，依据地理距离、医保接入、专科评级等维度排序，缓解了“去哪看”的决策压力。
•线上问诊：列出相关科室医生，可跳转至“好大夫在线”等平台，全国范围内名医资源，一触即达提供诊疗支持。
从体验看，AQ不仅给出了问题的解释，也推动后续行动安排，试图将“AI问诊”延展为一整套诊疗流程——不仅给“答案”，也在给“方案”。
再看夸克，给我一种“搜索即问诊”的轻量级体验。
夸克健康大模型嵌入在搜索栏内，我直接在搜索框输入同样的问题，系统会调用模型生成结构化回答。
夸克同样展现了AI医生应有的深度与慢思考能力，最终给出的诊断意见也相当全面，内容覆盖：可能的原因、就医判断、建议科室、可能的检查项目、可能的治疗方案以及日常调理建议。回答的底部还附有医生问答参考链接，方便我进一步查阅、参考。
在“深度思考”模式下，模型一次性生成完整内容，还支持多轮交互。这种设计相对高效，对于已有明确症状、希望快速了解相关信息的用户而言，具备一定便利性。
整个过程最值得注意的是，尽管夸克健康大模型已通过12个核心学科的主任医师级别评测，但整个回答能明显感觉到夸克的谨慎和克制——不会直接下结论，而是多用“可能”“建议就医”等措辞，系统对某些不确定问题会主动拒答，或仅提供一般建议，不涉及诊断。
这或许和医疗大模型的长尾效应有关，即一个负面的应用个例就会对整个行业前景产生质疑。对此，夸克官方曾表示，夸克健康在训练中引入了“慢思考”推理机制，以提高推理的合理性与答案的解释性，同时设置多道校验机制以降低幻觉率。
从用户体验上看，夸克更像是我在挂号之前的“助理医生”，帮助我了解症状与可能路径，是否需要就医、去哪个科室等，但不参与诊疗流程的具体环节——给出大致的“答案”，但不出整体“方案”。
总得来看，蚂蚁AQ与夸克健康在医疗大模型的赛道上选择了不同的路径。夸克偏向于成为一个高效、可靠的“信息入口”，而蚂蚁AQ则致力于打造一个深度介入的“诊疗中台”。
个体端的感受之外，我们同样关注这两者在医疗实际落地的应用。
蚂蚁AQ相关人士告诉我们，截至目前，蚂蚁AQ已完成专业医疗大模型的核心研发与验证，具备“深度推理+多模态”能力，能理解文本、处理图像、语音与视频，训练规模超过万亿tokens。
除了推出面向C端用户的独立应用外，蚂蚁AQ和B端（机构和医院侧）主要在合作与赋能阶段，尚未直接进入诊断一线替代医生诊断，主要还是提供诊前—诊中—诊后的辅助服务。
B端落地上，蚂蚁AQ与上海仁济医院共建专科数据集，探索模型在真实临床场景中的应用；参与浙江卫健委“安诊儿”项目，携手硬件与数字医疗厂商推进模型部署等。
蚂蚁AQ还打造了一系列AI工具辅助医生工作，包括医生工作站、病例管家和电子病历生成工具等。
据悉，目前蚂蚁AQ的智能体系统已进入多个专病管理领域，如联合浙大二院，为心脏瓣膜病患者提供术后管理服务；与杭州市七院合作推出睡眠智能体，已覆盖全国342个城市、服务用户超500万。
也就是说，除了在C端的影响力外，蚂蚁AQ在B端也正在从技术平台走向“系统能力提供者”，B、C端齐头并进。
和蚂蚁AQ相同，目前夸克健康大模型也没有深入到临床一线诊断治疗环节的合作，主要是在健康知识提供、医学思维训练及辅助诊疗决策等方面发挥作用。
从行业格局看，夸克更偏向于“医疗AI信息基础设施＋健康搜索入口”的打法。为此，他们纳入400多位副主任医师及以上级别专家，深度参与模型训练，以此提升医疗大模型的精准度。
在北京大学人民医院皮肤科主任李厚敏为代表的多位专家看来，夸克的回答“像一个医生在思考”。尤其是在优质医疗人才短缺、同时诊治疾病较为多元的基层全科诊疗中，夸克可作为医生的辅助工具，为其补充跨学科知识、提供治疗建议，提升诊疗准确性与效率等。
不过，无论AQ还是夸克，其定位还是“辅助”医生，而非“替代”医生。
二
同向不同路：服务闭环VS信息入口
两种体验的背后，是两条泾渭分明的战略路线。
蚂蚁AQ选择了一条“重”且“深”的服务闭环之路，而夸克则选择了一条“轻”而“广”的信息入口之路。
先看蚂蚁AQ。
蚂蚁布局医疗大模型，其内部认为是“水到渠成”——从解决患者的支付困难到接入医院帮患者挂号，再到打通医保体系，支付宝不断强化其一站式医疗服务平台的站位。进入大模型时代，蚂蚁将AI嵌入医疗“前端”，贯穿医生诊断和医院就诊全流程。
AQ智能体通过学习顶级专家诊疗思路，辅助医生处理病例，实现“分级诊疗”：80%的基础问题由智能体解决，复杂的20%由线下专家跟进。它负责分诊、导诊和服务联动，构建完整服务闭环。
一个被AI重塑的就医路径就这样诞生了：用户在感到不适时，先可在AQ咨询。若为轻症，AQ直接给出建议；若复杂或重症，或用户需要线下就诊，AQ根据距离、科室、医生等需求推荐医院并完成导诊、分诊。之后还能协助支付和医保报销。
就诊结束后，AQ还根据用户体检和就诊情况，提供健康护理建议，如饮食、复诊时间。用户还能绑定智能硬件，实现日常健康监测和管理。
由此，AQ智能体贯穿患者“诊前—诊中—诊后”全流程，甚至延伸至日常健康管理——此时，AQ要做的是一个“AI私人医生+健康助手”，助力医疗资源扩容。
AI赋能医疗服务众多环节
资料来源：甲子光年，招商银行研究院
但要实现这一角色，仅靠一个“工具型小程序”是不够的，蚂蚁因此选择独立App这条“重”路径。在蚂蚁AQ看来，真正的健康管家需要主动触达和及时交互。例如，当智能硬件监测到血糖异常时，AQ须能立刻预警。而支付宝内的小程序推送易被淹没，入口路径深，用户感知受限。
此外，做健康管家还需在医疗生态产业链掌握主动权。蚂蚁整合了支付宝十余年积累的医疗生态，包括医保、医院系统、商保渠道，以及年初收购的“好大夫”平台。AQ还接入269个医生智能体、200多家金融机构、华为、鱼跃等硬件厂商，形成院内外全周期健康管理闭环。
这种生态联动，或许将成为AQ智能体的核心壁垒，是纯技术公司短期内难以复制的。
相比蚂蚁AQ在医疗供给侧的深耕，夸克选择了一条轻量、非侵入、强调权威信息的路径。
作为国内首个通过12门核心学科主任医师评测的AI大模型，夸克健康大模型更像一个线上的“专业顾问”——它不承担诊疗任务，也不构建服务闭环，而是通过“主任医生级AI”能力，为用户提供可信易懂的健康知识解答。
这条“轻”路径，与其在阿里体系中的战略角色高度一致。
阿里2025财年第三季财报电话会上，阿里巴巴集团CEO吴泳铭明确阿里未来三年将围绕AI做三大投入：一是AI和云计算的基础设施建设，二是AI基础模型平台与AI原生应用，三是现有业务的AI转型升级。
其中，夸克被视为“模型能力外放的第一入口”。财报会结束一个月后，阿里把夸克正式确立为“AI旗舰应用”，产品形态升级为无边界的“AI超级框”，并宣布未来通义系列大模型的最新能力将第一时间接入夸克。
作为阿里钦点的“AI旗舰应用”，夸克的目标成为AI时代的“超级入口”。健康大模型是夸克“多智能体矩阵”中的关键子Agent：通过深度参与医疗场景这个对专业门槛要求最高的领域，夯实平台的可信认知，进而完成向教育、办公等领域的能力迁移。
因此，夸克并不追求诊疗闭环，而是强调“专业可信+内容可读”。它搭建了完整的“数据—模型—产品”体系，用“慢思考”“思维链”等技术提升推理质量，确保输出内容的准确性与可理解性。
对此，夸克方面向《财经故事荟》透露：未来，团队的重点仍将是内容质量与用户满意度，比如回答更精准、输出的内容更容易让用户理解。总之，短期内并不追求医疗服务闭环，也不急于商业化落地。
三
寻找“新支柱”与抢夺“AI船票”
将视线拉高，两条路线的选择，最终都服务于各自母公司在AI时代的宏大棋局。
目前，“普惠医疗健康”已被正式纳入蚂蚁集团五大主业，与“普惠金融”并列。对蚂蚁而言，医疗的价值不仅体现在新业务本身，也体现在与现有体系的协同效应上。
一个高频、高信任度的健康服务入口，既能拉升支付宝平台黏性（协同数字支付与生活服务），又为保险等金融产品创造数据驱动的个性化场景（协同数智普惠金融），同时还能作为集团AI能力的最佳范例，向政企端输出模型能力（协同科技产业化）。
尤其是金融和健康医疗的协调，参考平安好医生曾推动的“医疗+保险”打包增值路径，未来AQ所沉淀的用户健康档案、慢性病行为数据，或许能反哺到保险产品的定价和风控，形成“健康管理+风险保障”的闭环协同——眼下答案尚不明确，但模式不难想象。
如果说蚂蚁押注“普惠医疗”，是为了夯实新业务地基、拉动生态协同、寻找第二条增长曲线。那么夸克切入医疗并不只是押注某一个垂类场景，而是为了抢占AI时代的“船票”——建立一个AI时代真正意义上的超级入口。
在电商增长趋缓、平台红利见顶的背景下，阿里面临的是从交易平台向AI平台转型的结构性挑战。这个转型绕不开一个前提：必须有一个能承载大模型能力、与用户保持高频互动的通用入口。
正如普华永道中国AI咨询主管张为峰所言，AI“超级入口”将重构下一代的流量控制权。一方面，它是用户与智能服务的“第一触点”；另一方面，它也是重构商业模式的关键支点——从广告到订阅，从一次性交易到多轮互动，从平台分发到任务驱动，都是围绕入口重新排布。
AI时代的“超级入口”之争已经打响。PC时代，百度主导信息流；移动时代，微信掌控社交；而在AI时代，谁先占据用户心智，谁就能重构平台价值分配的规则。
被钦定为“AI旗舰应用”的夸克，要承担起打造国内首个DAU破亿AI超级App的使命。阿里巴巴智能信息事业群总裁吴嘉希望将夸克打造为“机器猫的口袋”——“一是Smart（聪明），二是专业，三是万能，要All in one”，成为“每个人都可以用的工具”。
而健康咨询几乎算得上全民刚需，且一旦建立信任，用户黏性极强。如果能在这一高门槛场景中建立起专业权威的品牌形象，就有机会将信任迁移至教育、办公、搜索等更多领域，从工作到学习，抢占AI时代的“默认入口”。
四
中美有差距：星辰与泥泞
医疗大模型唯有与当前的医疗服务体系结合，才能充分释放潜力。
对此，上海某三甲医院院长告诉《财经故事荟》，“不夸张地说，医生可能是最乐意拥抱新技术的群体。我们不讲新旧，有用我们就想用就爱用。”
在他的微信朋友圈里，几乎每隔两三天，就会转发AI大模型相关内容，“医疗服务体系的任何环节，AI大模型都有机会切入”。
据中国医疗大模型行业白皮书披露，2019—2023年，中国医疗大模型市场规模从27亿元增长至107亿元，预计2028年将达到976亿元。
资料来源：《中国医疗大模型行业白皮书：精准医疗，智能未来》，招商银行研究院
但在抵达这片星辰大海之前，所有玩家都必须正视并穿越一片由数据、技术、伦理和法规构成的“泥泞”地带。
正如前述院长所提醒的，“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。”
这并非一句空话。相比之下，国际头部医疗大模型在进入临床前，其验证的广度与深度已为我们设立了极高的标杆。
例如，梅奥诊所（Mayo Clinic）的AI心血管风险预测系统，在获批前通过了覆盖全球17个国家、136家医院的联合验证，累计病例高达23万例。这种工业级的、大规模的严谨验证，正是国内模型需要补上的第一课，也是必须跋涉穿越的“泥泞”。
近期举办的世界人工智能大会医疗论坛上，国内外多位顶尖院士和专家坦言，当前医疗大模型要从“可见”走向“可靠”，仍需克服三大核心困境：
一是，“开放”与“安全”的冲突。
数据是模型的燃料，也是最敏感的资产，尤其在医疗领域。德国科学院院士Roland Eils教授指出，尽管技术上AI已在多项能力上超越人类，但大语言模型在临床的落地率仅有5%，核心瓶颈就在于数据隐私的严格限制。
这背后是《中华人民共和国网络安全法》《中华人民共和国数据安全法》和《中华人民共和国个人信息保护法》构筑的数据安全红线。如何在这道红线之上，破解医疗数据流通不畅的难题，已成为政策的焦点。
好消息是，从国家层面来看，2023年设立的数据局以及计划于2025年启动的国家数据集团，体现了国家对数据未来价值的认可与重视，医疗健康领域数据商业化政策雏形渐显，各地也开始积极进行医疗数据商业化的尝试。
政策持续加码推动医疗数据智能化应用
资料来源：政府官网、招商银行研究院
二是，“通用”与“专用”的技术鸿沟。
正如我们前面所说，医疗大模型领域一个负面例子足以引起公众对整个行业的质疑——医疗不是一个通用大模型可以轻易征服的领域。
它需要专科化模型，像医生分科室一样，针对特定器官和疾病进行深度训练，才能减少“算法幻觉”，真正提升临床的精准度和实用性。这意味着，从通用技术到专用产品的转化，仍有很长的路要走。
三是，“技术”与“温度”的伦理考验。
医疗的终点是服务于人。
中国科学院院士葛均波认为，AI作为临床诊疗的得力助手，其伦理规范问题亟待厘清。这不仅是指算法的公平性、可解释性和对隐私的保护，更是指如何将冰冷的技术融入充满情感与信任的诊疗关系中。
这些现实困境，最终都指向一个核心原则：至少很长一段时间，AI医生的角色只能是“辅助”，而非独立的决策者。诊断决策仍然牢牢掌握在人类医生手中。
从横向对比来看，中国医疗大模型落地的速度和深度，相对美国，还有明显差距——既有 技术的差距，还有从临床验证、系统整合到信任建立的系统性差距。
首先，在商业模式上，欧美逐渐形成了“价值驱动”的良性循环。
据天翼智库发布的报告， 欧美头部玩家已在医疗文书自动化、重症管理、肿瘤精准诊疗等高价值领域，成功构建了“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，而是能够直接参与价值创造并获得回报的生产力平台。
其次，在应用深度与广度上，差距体现在“系统平台”与“单点工具”的分野上。
•应用广度失衡：欧美医疗大模型已均衡覆盖诊疗全流程，其中诊断类占38%，治疗规划类占29%，预后监测类也达到了21%。以MD安德森癌症中心为例，其AI系统已覆盖从筛查到个性化治疗的全链条。相比之下，国内三甲医院的AI应用中，影像诊断类占比高达82%，而在治疗和预后等核心环节的渗透严重不足。
•整合深度不足：国际标杆项目展现出真正的“人机协同”。梅奥诊所的AI术前规划系统，可实现从自动调取数据（准确率98%）、智能生成方案（符合率91%）到术中实时导航（误差<0.5mm）的全流程支持。而国内同类应用多停留在提供术前静态建议，导致实际采用率不足40%，未能深度融入临床工作流。
中美差距还直观地反映在临床采纳与信任度上。
在美国顶级医疗机构中，高达87%的科室已实现AI工具的常态化使用（每周>50次），其中放射科、病理科的采纳率更是达到了95%。医生对AI的信任已经转化为日常工作习惯。
要填平中美医疗大模型之间的系统性差距，蚂蚁和夸克们必须联手中国医疗机构，一起加速追赶了。
