我們每個人身邊，或許都有一個關于“看病難”的故事。
一位西北內陸的朋友，為掛上北京某醫院專家號，花了近2000元買黃牛票，還要協調假期、長途跋涉——優質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”。
如果醫生有不知疲倦的“分身”，如果頂尖的診療經驗可以跨越山海與時差，7x24小時在線……
互聯網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、微醫等，其核心思路大多是解決醫患之間的“信息差”，本質還是“連接” 。
然而，這一模式很快觸及天花板，因為它并未解決優質醫療服務短缺的根本問題。
直到AI入場，“AI醫生”獲得候補資格，隨時等待“上場補位”——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，大廠相繼加入了A醫療大模型的團戰。
騰訊于2023年9月上線“騰訊醫療大模型” ，發力智能導診、電子病歷等；京東健康依托其在醫藥供應鏈和互聯網醫療領域的既有優勢，于2023年7月發布了模型“京醫千詢”，補全其服務生態的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”的協同模式；科大訊飛發布“星火醫療大模型”等，旗下“智醫助理”率先通過了國家執業醫師資格測試……
在與海外AI大模型比拼時，中國企業似乎也沒輸陣——比如，今年6月，斯坦福大學發布了一項有關臨床醫療 AI 模型的全面評測，顯示DeepSeek R1以66% 的勝率和0.75的宏觀平均分，在九個前沿大模型中脫穎而出，成為全球冠軍。
在這條高門檻、長周期的賽道上，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，上線十個月已累計服務超過1億用戶，近期還登上蘋果商店醫療榜第一。
夸克則選擇更輕量的入口，將健康大模型集成在AI搜索框中，并成功通過中國12門核心學科主任醫師筆試，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：做深服務的“健康管家”、盤踞線上的“健康入口”。
在這場醫療大模型的團戰中，大廠戰略分野，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題為例，分別在兩個平臺上進行了完整問診。
先看螞蟻AQ，給了我近似“醫生面對面”版的問診體驗。
打開AQ智能體，會看到一個干凈清爽的頁面。中央是對話框，用戶可選擇“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”等快捷服務入口。
頁面左側還設有個人信息頁，包括“健康檔案”“消息”“對話歷史”以及“不同智能體”入口，可關聯硬件設備以實現長期健康數據監測。
正式進入AI健康咨詢階段。當我輸入我的問題后，AQ啟動深度思考模式，快速生成了一份結合醫學文獻的初步報告。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，盡管這些信息完整、專業，但偏向于普適性常識，如睡前避免使用手機、保持黑暗環境等，對癥但不夠個性化。
這正是許多醫療大模型產品面臨的體驗瓶頸：能夠“泛泛而答”，卻難以“深入追問”。針對這一瓶頸，螞蟻AQ設計了“AI診室”功能，通過多輪追問來模擬真實醫生的問診過程。
接下來，螞蟻AI診室基于我的初始問題，發起了一連串高達10至15個的連貫提問，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，其界面會展示“提問進度”，并解釋每個問題的“提問目的”——整個交互從“答題”變成“對話”，讓我這個很少在網上看病的人相信，這不是模板化的對話，而是我在與一位醫生建立對話關系，他正在為我進行一對一的診斷。
問診結束后，系統自動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，契合了患者就醫時的核心關切點：醫生我這是什么問題、是否嚴重，為什么會得這個病呢；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：
•線下就醫：系統自動匹配醫院和科室，依據地理距離、醫保接入、專科評級等維度排序，緩解了“去哪看”的決策壓力。
•線上問診：列出相關科室醫生，可跳轉至“好大夫在線”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不僅給出了問題的解釋，也推動后續行動安排，試圖將“AI問診”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題，系統會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。回答的底部還附有醫生問答參考鏈接，方便我進一步查閱、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、希望快速了解相關信息的用戶而言，具備一定便利性。
整個過程最值得注意的是，盡管夸克健康大模型已通過12個核心學科的主任醫師級別評測，但整個回答能明顯感覺到夸克的謹慎和克制——不會直接下結論，而是多用“可能”“建議就醫”等措辭，系統對某些不確定問題會主動拒答，或僅提供一般建議，不涉及診斷。
這或許和醫療大模型的長尾效應有關，即一個負面的應用個例就會對整個行業前景產生質疑。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，同時設置多道校驗機制以降低幻覺率。
從用戶體驗上看，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、去哪個科室等，但不參與診療流程的具體環節——給出大致的“答案”，但不出整體“方案”。
總得來看，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。夸克偏向于成為一個高效、可靠的“信息入口”，而螞蟻AQ則致力于打造一個深度介入的“診療中臺”。
個體端的感受之外，我們同樣關注這兩者在醫療實際落地的應用。
螞蟻AQ相關人士告訴我們，截至目前，螞蟻AQ已完成專業醫療大模型的核心研發與驗證，具備“深度推理+多模態”能力，能理解文本、處理圖像、語音與視頻，訓練規模超過萬億tokens。
除了推出面向C端用戶的獨立應用外，螞蟻AQ和B端（機構和醫院側）主要在合作與賦能階段，尚未直接進入診斷一線替代醫生診斷，主要還是提供診前—診中—診后的輔助服務。
B端落地上，螞蟻AQ與上海仁濟醫院共建專科數據集，探索模型在真實臨床場景中的應用；參與浙江衛健委“安診兒”項目，攜手硬件與數字醫療廠商推進模型部署等。
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的智能體系統已進入多個專病管理領域，如聯合浙大二院，為心臟瓣膜病患者提供術后管理服務；與杭州市七院合作推出睡眠智能體，已覆蓋全國342個城市、服務用戶超500萬。
也就是說，除了在C端的影響力外，螞蟻AQ在B端也正在從技術平臺走向“系統能力提供者”，B、C端齊頭并進。
和螞蟻AQ相同，目前夸克健康大模型也沒有深入到臨床一線診斷治療環節的合作，主要是在健康知識提供、醫學思維訓練及輔助診療決策等方面發揮作用。
從行業格局看，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。
在北京大學人民醫院皮膚科主任李厚敏為代表的多位專家看來，夸克的回答“像一個醫生在思考”。尤其是在優質醫療人才短缺、同時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，為其補充跨學科知識、提供治療建議，提升診療準確性與效率等。
不過，無論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：服務閉環VS信息入口
兩種體驗的背后，是兩條涇渭分明的戰略路線。
螞蟻AQ選擇了一條“重”且“深”的服務閉環之路，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平臺的站位。進入大模型時代，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智能體通過學習頂級專家診療思路，輔助醫生處理病例，實現“分級診療”：80%的基礎問題由智能體解決，復雜的20%由線下專家跟進。它負責分診、導診和服務聯動，構建完整服務閉環。
一個被AI重塑的就醫路徑就這樣誕生了：用戶在感到不適時，先可在AQ咨詢。若為輕癥，AQ直接給出建議；若復雜或重癥，或用戶需要線下就診，AQ根據距離、科室、醫生等需求推薦醫院并完成導診、分診。之后還能協助支付和醫保報銷。
就診結束后，AQ還根據用戶體檢和就診情況，提供健康護理建議，如飲食、復診時間。用戶還能綁定智能硬件，實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，AQ要做的是一個“AI私人醫生+健康助手”，助力醫療資源擴容。
AI賦能醫療服務眾多環節
資料來源：甲子光年，招商銀行研究院
但要實現這一角色，僅靠一個“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，真正的健康管家需要主動觸達和及時交互。例如，當智能硬件監測到血糖異常時，AQ須能立刻預警。而支付寶內的小程序推送易被淹沒，入口路徑深，用戶感知受限。
此外，做健康管家還需在醫療生態產業鏈掌握主動權。螞蟻整合了支付寶十余年積累的醫療生態，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個醫生智能體、200多家金融機構、華為、魚躍等硬件廠商，形成院內外全周期健康管理閉環。
這種生態聯動，或許將成為AQ智能體的核心壁壘，是純技術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。
作為國內首個通過12門核心學科主任醫師評測的AI大模型，夸克健康大模型更像一個線上的“專業顧問”——它不承擔診療任務，也不構建服務閉環，而是通過“主任醫生級AI”能力，為用戶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會上，阿里巴巴集團CEO吳泳銘明確阿里未來三年將圍繞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，三是現有業務的AI轉型升級。
其中，夸克被視為“模型能力外放的第一入口”。財報會結束一個月后，阿里把夸克正式確立為“AI旗艦應用”，產品形態升級為無邊界的“AI超級框”，并宣布未來通義系列大模型的最新能力將第一時間接入夸克。
作為阿里欽點的“AI旗艦應用”，夸克的目標成為AI時代的“超級入口”。健康大模型是夸克“多智能體矩陣”中的關鍵子Agent：通過深度參與醫療場景這個對專業門檻要求最高的領域，夯實平臺的可信認知，進而完成向教育、辦公等領域的能力遷移。
因此，夸克并不追求診療閉環，而是強調“專業可信+內容可讀”。它搭建了完整的“數據—模型—產品”體系，用“慢思考”“思維鏈”等技術提升推理質量，確保輸出內容的準確性與可理解性。
對此，夸克方面向《財經故事薈》透露：未來，團隊的重點仍將是內容質量與用戶滿意度，比如回答更精準、輸出的內容更容易讓用戶理解。總之，短期內并不追求醫療服務閉環，也不急于商業化落地。
三
尋找“新支柱”與搶奪“AI船票”
將視線拉高，兩條路線的選擇，最終都服務于各自母公司在AI時代的宏大棋局。
目前，“普惠醫療健康”已被正式納入螞蟻集團五大主業，與“普惠金融”并列。對螞蟻而言，醫療的價值不僅體現在新業務本身，也體現在與現有體系的協同效應上。
一個高頻、高信任度的健康服務入口，既能拉升支付寶平臺黏性（協同數字支付與生活服務），又為保險等金融產品創造數據驅動的個性化場景（協同數智普惠金融），同時還能作為集團AI能力的最佳范例，向政企端輸出模型能力（協同科技產業化）。
尤其是金融和健康醫療的協調，參考平安好醫生曾推動的“醫療+保險”打包增值路徑，未來AQ所沉淀的用戶健康檔案、慢性病行為數據，或許能反哺到保險產品的定價和風控，形成“健康管理+風險保障”的閉環協同——眼下答案尚不明確，但模式不難想象。
如果說螞蟻押注“普惠醫療”，是為了夯實新業務地基、拉動生態協同、尋找第二條增長曲線。那么夸克切入醫療并不只是押注某一個垂類場景，而是為了搶占AI時代的“船票”——建立一個AI時代真正意義上的超級入口。
在電商增長趨緩、平臺紅利見頂的背景下，阿里面臨的是從交易平臺向AI平臺轉型的結構性挑戰。這個轉型繞不開一個前提：必須有一個能承載大模型能力、與用戶保持高頻互動的通用入口。
正如普華永道中國AI咨詢主管張為峰所言，AI“超級入口”將重構下一代的流量控制權。一方面，它是用戶與智能服務的“第一觸點”；另一方面，它也是重構商業模式的關鍵支點——從廣告到訂閱，從一次性交易到多輪互動，從平臺分發到任務驅動，都是圍繞入口重新排布。
AI時代的“超級入口”之爭已經打響。PC時代，百度主導信息流；移動時代，微信掌控社交；而在AI時代，誰先占據用戶心智，誰就能重構平臺價值分配的規則。
被欽定為“AI旗艦應用”的夸克，要承擔起打造國內首個DAU破億AI超級App的使命。阿里巴巴智能信息事業群總裁吳嘉希望將夸克打造為“機器貓的口袋”——“一是Smart（聰明），二是專業，三是萬能，要All in one”，成為“每個人都可以用的工具”。
而健康咨詢幾乎算得上全民剛需，且一旦建立信任，用戶黏性極強。如果能在這一高門檻場景中建立起專業權威的品牌形象，就有機會將信任遷移至教育、辦公、搜索等更多領域，從工作到學習，搶占AI時代的“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體系結合，才能充分釋放潛力。
對此，上海某三甲醫院院長告訴《財經故事薈》，“不夸張地說，醫生可能是最樂意擁抱新技術的群體。我們不講新舊，有用我們就想用就愛用。”
在他的微信朋友圈里，幾乎每隔兩三天，就會轉發AI大模型相關內容，“醫療服務體系的任何環節，AI大模型都有機會切入”。
據中國醫療大模型行業白皮書披露，2019—2023年，中國醫療大模型市場規模從27億元增長至107億元，預計2028年將達到976億元。
資料來源：《中國醫療大模型行業白皮書：精準醫療，智能未來》，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、倫理和法規構成的“泥濘”地帶。
正如前述院長所提醒的，“在醫療領域，我們固然要迎接AI、用好AI，但不能夸大，必須先經過嚴苛的臨床驗證。”
這并非一句空話。相比之下，國際頭部醫療大模型在進入臨床前，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心血管風險預測系統，在獲批前通過了覆蓋全球17個國家、136家醫院的聯合驗證，累計病例高達23萬例。這種工業級的、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醫療論壇上，國內外多位頂尖院士和專家坦言，當前醫療大模型要從“可見”走向“可靠”，仍需克服三大核心困境：
一是，“開放”與“安全”的沖突。
數據是模型的燃料，也是最敏感的資產，尤其在醫療領域。德國科學院院士Roland Eils教授指出，盡管技術上AI已在多項能力上超越人類，但大語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《中華人民共和國網絡安全法》《中華人民共和國數據安全法》和《中華人民共和國個人信息保護法》構筑的數據安全紅線。如何在這道紅線之上，破解醫療數據流通不暢的難題，已成為政策的焦點。
好消息是，從國家層面來看，2023年設立的數據局以及計劃于2025年啟動的國家數據集團，體現了國家對數據未來價值的認可與重視，醫療健康領域數據商業化政策雛形漸顯，各地也開始積極進行醫療數據商業化的嘗試。
政策持續加碼推動醫療數據智能化應用
資料來源：政府官網、招商銀行研究院
二是，“通用”與“專用”的技術鴻溝。
正如我們前面所說，醫療大模型領域一個負面例子足以引起公眾對整個行業的質疑——醫療不是一個通用大模型可以輕易征服的領域。
它需要專科化模型，像醫生分科室一樣，針對特定器官和疾病進行深度訓練，才能減少“算法幻覺”，真正提升臨床的精準度和實用性。這意味著，從通用技術到專用產品的轉化，仍有很長的路要走。
三是，“技術”與“溫度”的倫理考驗。
醫療的終點是服務于人。
中國科學院院士葛均波認為，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融入充滿情感與信任的診療關系中。
這些現實困境，最終都指向一個核心原則：至少很長一段時間，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醫生手中。
從橫向對比來看，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，在商業模式上，歐美逐漸形成了“價值驅動”的良性循環。
據天翼智庫發布的報告， 歐美頭部玩家已在醫療文書自動化、重癥管理、腫瘤精準診療等高價值領域，成功構建了“臨床信任→常態化使用→價值創造→商業付費”的閉環。AI不再僅僅是降本增效的工具，而是能夠直接參與價值創造并獲得回報的生產力平臺。
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，其中診斷類占38%，治療規劃類占29%，預后監測類也達到了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，影像診斷類占比高達82%，而在治療和預后等核心環節的滲透嚴重不足。
•整合深度不足：國際標桿項目展現出真正的“人機協同”。梅奧診所的AI術前規劃系統，可實現從自動調取數據（準確率98%）、智能生成方案（符合率91%）到術中實時導航（誤差<0.5mm）的全流程支持。而國內同類應用多停留在提供術前靜態建議，導致實際采用率不足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%的科室已實現AI工具的常態化使用（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手中國醫療機構，一起加速追趕了。