螞蟻華為阿里云罕見聯手：AI醫療如何跨過落地鴻溝？

衡宇 2025-03-23 19:19:42 來源：量子位

明敏 發自 凹非寺

量子位 | 公眾號 QbitAI

DeepSeek之后，大模型下半場的走向如何？

螞蟻華為阿里云已做出選擇：攜手近百家企業聯手組局，將探索的航道駛向醫療新大陸。

他們共同發布了一個新產品：“大模型一體機”全棧解決方案。

如今，醫療機構想要快速、安全、穩定實現大模型落地，只需一鍵接入螞蟻醫療大模型一體機設備，即可完成國產算力、醫療大模型、AI訓推一體這一連串的私有化部署。同時還定制化配置成熟應用，直接給醫院業務系統、醫療診斷、患者服務大升級。

浙江省人民醫院、北京市中醫院、上海仁濟醫院等7家機構已成為首批接入合作的醫療機構。比如，浙江省人民醫院選擇在一體機中配備了醫生助手、達摩院影像篩查應用。

不止如此，螞蟻與浙江衛健委合作的AI健康應用“安診兒”已覆蓋超1000家公立醫院，這一方案也正應用于湖南、上海等地。收購“互聯網在線診療鼻祖”之稱的好大夫之后，助力產品持續升級，推出了AI醫生助手系列功能，為29萬注冊醫生提供更趁手的AI工具。

種種動作齊發，AI醫療落地按下加速鍵。

各大廠商聯手，也讓這些進展更值得期待。但問題是，為什么都看好AI醫療？而且紛紛選擇與螞蟻合作？

大模型正在全方位融入醫療

追溯來看，深度學習浪潮剛剛興起時，諾獎得主Hinton就看到了AI大幅提升醫療行業效率的前景。雖然AI還沒能取代影像醫生，但得益于CV算法的成熟，AI醫療影像場景的探索已經十分深入。

生成式AI浪潮爆發，更進一步解決底層模型能力問題。大模型表現出的強泛化能力，使得AI在行業落地可以擺脫原本的“煙囪”模式（專門從頭訓練專業模型），而是通過微調等方法快速提升通用大模型某一單項能力。DeepSeek掀起的最新趨勢，更是將行業落的算力、算法門檻都大幅降低，AI大規模落地開始爆發。

在這之中，AI醫療始終備受關注。

一方面，醫療行業需要AI：醫患比例不平衡問題使得醫療領域增效需求非常明顯。生成式AI在簡歷生生成、簡單問診等方面表現值得關注。GPT-4、Med-PaLM等先進模型在醫學問答測試中的表現甚至超越人類專家平均水平。另一方面，AI也需要醫療——海量醫療數據尚未被挖掘，AI醫療上限還遠未到達，需要行業進一步合理利用數據、驅動創新發生。

所以，AI醫療成為大模型落地進程中格外重要的一部分，這也是為何各大廠商聚集于此合力推動AI醫療落地。

但為什么由螞蟻組局？

探索早、布局廣。

2023年以來，支付寶在AI醫療領域的進展頻頻，與浙江衛健委合作首創數字健康人“安診兒”；2024年7月推出國內首批多模態醫療大模型、8月發布“AI健康管家”、面向醫療機構、泛健康行業開放專業智能體生態……逐漸形成了以AI為紐帶的醫療行業全布局。

如今，螞蟻在AI醫療上完成了“三端一體”戰略布局。

逐一拆解，具體動作分別是：

• 面向機構：通過大模型一體機向醫院輸出全棧式解決方案、面向衛健委的可復制“安診兒”模式，面向各地醫保局的醫保智能體等
• 面向醫生：好大夫發布包括AI科普、AI病歷、AI科研等AI醫生助手系列工具，助力醫生“醫教研”
• 面向患者用戶：推出“AI健康管家”，提供找醫生、讀報告、問診等剛需日常醫療健康服務

“三端一體”，覆蓋醫療服務全體系。

首先來看讓醫療機構能更加“AI化”的大模型一體機。

不完全統計，春節之后全國已有百家醫院宣布接入DeepSeek。市場熱情和需求都空前高漲。

由于醫療機構內數據涉及患者隱私，上云處理存在風險隱患，一體機成為醫療機構擁抱大模型的優先選擇。它實現了“國產算力+垂直大模型+專業應用”一體化，“開箱即用”免去了復雜的環境配置和算法開發流程，讓醫療機構可以快速便捷部署應用。

在這之中，螞蟻醫療大模型一體機更進一步強調了醫療專業能力以及隱私保護。

軟件方面，它集成了螞蟻醫療大模型核心能力，也可一鍵調用DeepSeek-R1/V3、Qwen等主流大模型。

其中，螞蟻醫療大模型曾在MedBench醫療大模型評測醫學知識問答、醫學語言生成、復雜醫學推理三類單項中位居第一，并長期位居綜合榜第一。

它不僅能完成圖文音視頻等多模態交互，還已具備“醫學思維”推理能力。

硬件方面，螞蟻與華為、阿里云、蘋果等主流硬件廠商合作，主打“訓推一體”，提供從開發到部署的全流程支持，可以“開箱即用”。

隱私保護方面結合了螞蟻可信AI平臺“蟻鑒2.0”的隱私計算能力，實現數據可用不可見、診療過程全程可溯源，確保醫院等AI部署數據安全。

其次面向醫生方面，今年1月螞蟻宣布完成對好大夫在線收購，雙方共同探索AI助力醫生，在螞蟻的技術加持下，好大夫發布AI醫生助手系列能力，為醫生臨床診斷、學術研究提供支持。

其中，最新推出的AI科研助手深度融合了DeepSeek智能引擎，能對多源醫療數據實時解析，快速定位關鍵文獻、生成結構化綜述，將文獻檢索效率顯著提升。它能為醫生的臨床決策提供輔助性建議，通過整合患者病歷、影像數據以及最新醫學指南，提供實時診斷建議，在輔助腫瘤識別等復雜場景中表現更準確。

在服務患者用戶方面，去年9月，螞蟻集團推出了AI健康管家（在支付寶內搜索即可體驗）。

它提供找醫生、讀報告、陪看診、問醫保等用戶常需的AI服務，并連接全國各地90萬名醫生，其中70%來自三甲醫院，讓用戶還可選擇進一步與專家的AI助理一對一問診。

最近，AI健康管家新增了DeepSeek深度思考模式、自研智能思考模式，以及健康自測、體檢報告解讀等功能，接入全國60多位名醫AI智能體。

螞蟻集團數據顯示，半年多來，AI健康管家已經服務了近4000萬用戶。

由此三方面，從醫療機構、醫生到患者，螞蟻AI醫療的布局目前已進化得更加完整全面。

這也解釋了為何行業伙伴都選擇和螞蟻共同探索AI醫療。

對于醫療行業伙伴，螞蟻的先進技術與落地經驗能夠讓他們更快搭上AI快車道；對于華為阿里云等技術伙伴，借助螞蟻生態可以更好服務醫療機構/企業用戶，推動AI落地到醫療業務實處。

此次螞蟻牽頭的一系列動作，是對AI醫療落地的進一步探索，也為行業提供了一定參考路線。

實際上，隨著趨勢發展，AI醫療行業迎接新機遇，新的挑戰也開始浮現。

場景化階段，懂行業更重要

當前階段，醫療領域的大模型數量已經相當可觀，僅國內AI醫療大模型的數量就已經超過50個，模型質量也有了長足進步。技術落地下半場，已經不缺大模型了，更缺少的是對AI與行業結合的理解。

一系列新挑戰由此浮現：

• 臨床場景認知鴻溝
• 醫療數據獲取與質量保證
• 產品融入與工作流對接
• 價值量化與商業模式不確定

一方面，醫療工作流程復雜且高度個性化，各科室、各醫院間存在顯著差異。AI和實際場景匹配，才能確保技術被真正用起來。如果技術理解成本太高，或者技術太先進/落后與實際情況脫節，就會使實際落地價值大打折扣。

另一方面，醫療數據雖然規模龐大，但是存在數據孤島現象且質量參差不齊，容易影響AI醫療模型性能和泛化能力。如何去獲取更多高質量數據訓練模型？也是廠商們接下來亟需解決的。

以及AI醫療需要通過嚴格的臨床研究證明其對醫療質量、患者預后或醫院運營效率的實際改善。這意味著AI醫療落地項目往往周期更長、成本更高，其商業模式也需要進一步明確。

行業內該怎么應對？螞蟻的做法提供一定參考：

• 行業積累久，對醫療場景理解深刻
• 支付寶超級平臺提供獨特落地通道
• 全鏈路融入行業場景和整合生態的能力
• 先進技術布局，并與產品應用實現模型迭代閉環

2014年，螞蟻開始探索與醫院合作，2016年上線醫保線上支付服務、打造“未來醫院”。如今，支付寶醫療健康已經是國內規模最大的醫保第三方在線服務平臺，正在發展成為一站式的醫療健康服務平臺。在支付寶“醫療健康”頻道內，整合了掛號問診、醫保憑證、買藥送藥、體檢檢查等2萬項服務。

11年長期積累使得螞蟻更能準確識別醫療場景痛點，開發真正滿足實際需求的AI解決方案。

一方面，龐大的用戶基礎和流量入口使螞蟻能夠快速觸達海量用戶；另一方面，支付寶成熟的支付體系和醫保通道解決了醫療服務的支付環節，實現”診療-支付”一體化流程。

2023年開始，螞蟻在大模型技術布局上也從產業出發，重點關注了醫療健康領域。自研底座通用大模型加入了強大的專家知識增強，使得醫療大模型可以更嚴謹、更符合產業落地的實際需求。

聚焦到最新進展，螞蟻還聯合硬件廠商、垂直領域玩家，共同探索AI醫療產品。

由此，螞蟻構建出了一個以AI為核心能力，銜接底層技術廠商、上層醫療機構客戶等維度的AI醫療開放生態。

正如DeepSeek能夠推動落AI落地趨勢，離不開它始終“堅持開放”的策略，AI醫療亦是如此。

醫療AI落地的復雜性表明，單一技術公司難以獨立攻克所有挑戰。技術廠商與醫院、醫療設備商、醫療信息化企業和保險機構建立深度戰略合作，形成”技術+場景+渠道+支付”的完整價值鏈，優勢互補的伙伴生態正在形成。

螞蟻與華為阿里云等伙伴的合作就是一次嘗試。

在AI大規模落地中，醫療+AI無疑是最具想象力的一部分。它為醫療資源不平衡、醫療體系改革升級提供機遇，帶來的成果將可能直接影響每一個人。但AI醫療也表現出技術周期更長、落地場景更深等特點，是AI大規模落地中最復雜的領域之一。

這也是為何螞蟻此次牽頭的動向更值得被關注，它邁出了非常具有探索性的一步。

AI醫療的前景，也因大廠們之間的通力合作而更值得被關注。

你覺得呢？