蚂蚁华为阿里云罕见联手：AI医疗如何跨过落地鸿沟？

衡宇 2025-03-23 19:19:42 来源：量子位

明敏 发自 凹非寺

量子位 | 公众号 QbitAI

DeepSeek之后，大模型下半场的走向如何？

蚂蚁华为阿里云已做出选择：携手近百家企业联手组局，将探索的航道驶向医疗新大陆。

他们共同发布了一个新产品：“大模型一体机”全栈解决方案。

如今，医疗机构想要快速、安全、稳定实现大模型落地，只需一键接入蚂蚁医疗大模型一体机设备，即可完成国产算力、医疗大模型、AI训推一体这一连串的私有化部署。同时还定制化配置成熟应用，直接给医院业务系统、医疗诊断、患者服务大升级。

浙江省人民医院、北京市中医院、上海仁济医院等7家机构已成为首批接入合作的医疗机构。比如，浙江省人民医院选择在一体机中配备了医生助手、达摩院影像筛查应用。

不止如此，蚂蚁与浙江卫健委合作的AI健康应用“安诊儿”已覆盖超1000家公立医院，这一方案也正应用于湖南、上海等地。收购“互联网在线诊疗鼻祖”之称的好大夫之后，助力产品持续升级，推出了AI医生助手系列功能，为29万注册医生提供更趁手的AI工具。

种种动作齐发，AI医疗落地按下加速键。

各大厂商联手，也让这些进展更值得期待。但问题是，为什么都看好AI医疗？而且纷纷选择与蚂蚁合作？

大模型正在全方位融入医疗

追溯来看，深度学习浪潮刚刚兴起时，诺奖得主Hinton就看到了AI大幅提升医疗行业效率的前景。虽然AI还没能取代影像医生，但得益于CV算法的成熟，AI医疗影像场景的探索已经十分深入。

生成式AI浪潮爆发，更进一步解决底层模型能力问题。大模型表现出的强泛化能力，使得AI在行业落地可以摆脱原本的“烟囱”模式（专门从头训练专业模型），而是通过微调等方法快速提升通用大模型某一单项能力。DeepSeek掀起的最新趋势，更是将行业落的算力、算法门槛都大幅降低，AI大规模落地开始爆发。

在这之中，AI医疗始终备受关注。

一方面，医疗行业需要AI：医患比例不平衡问题使得医疗领域增效需求非常明显。生成式AI在简历生生成、简单问诊等方面表现值得关注。GPT-4、Med-PaLM等先进模型在医学问答测试中的表现甚至超越人类专家平均水平。另一方面，AI也需要医疗——海量医疗数据尚未被挖掘，AI医疗上限还远未到达，需要行业进一步合理利用数据、驱动创新发生。

所以，AI医疗成为大模型落地进程中格外重要的一部分，这也是为何各大厂商聚集于此合力推动AI医疗落地。

但为什么由蚂蚁组局？

探索早、布局广。

2023年以来，支付宝在AI医疗领域的进展频频，与浙江卫健委合作首创数字健康人“安诊儿”；2024年7月推出国内首批多模态医疗大模型、8月发布“AI健康管家”、面向医疗机构、泛健康行业开放专业智能体生态……逐渐形成了以AI为纽带的医疗行业全布局。

如今，蚂蚁在AI医疗上完成了“三端一体”战略布局。

逐一拆解，具体动作分别是：

• 面向机构：通过大模型一体机向医院输出全栈式解决方案、面向卫健委的可复制“安诊儿”模式，面向各地医保局的医保智能体等
• 面向医生：好大夫发布包括AI科普、AI病历、AI科研等AI医生助手系列工具，助力医生“医教研”
• 面向患者用户：推出“AI健康管家”，提供找医生、读报告、问诊等刚需日常医疗健康服务

“三端一体”，覆盖医疗服务全体系。

首先来看让医疗机构能更加“AI化”的大模型一体机。

不完全统计，春节之后全国已有百家医院宣布接入DeepSeek。市场热情和需求都空前高涨。

由于医疗机构内数据涉及患者隐私，上云处理存在风险隐患，一体机成为医疗机构拥抱大模型的优先选择。它实现了“国产算力+垂直大模型+专业应用”一体化，“开箱即用”免去了复杂的环境配置和算法开发流程，让医疗机构可以快速便捷部署应用。

在这之中，蚂蚁医疗大模型一体机更进一步强调了医疗专业能力以及隐私保护。

软件方面，它集成了蚂蚁医疗大模型核心能力，也可一键调用DeepSeek-R1/V3、Qwen等主流大模型。

其中，蚂蚁医疗大模型曾在MedBench医疗大模型评测医学知识问答、医学语言生成、复杂医学推理三类单项中位居第一，并长期位居综合榜第一。

它不仅能完成图文音视频等多模态交互，还已具备“医学思维”推理能力。

硬件方面，蚂蚁与华为、阿里云、苹果等主流硬件厂商合作，主打“训推一体”，提供从开发到部署的全流程支持，可以“开箱即用”。

隐私保护方面结合了蚂蚁可信AI平台“蚁鉴2.0”的隐私计算能力，实现数据可用不可见、诊疗过程全程可溯源，确保医院等AI部署数据安全。

其次面向医生方面，今年1月蚂蚁宣布完成对好大夫在线收购，双方共同探索AI助力医生，在蚂蚁的技术加持下，好大夫发布AI医生助手系列能力，为医生临床诊断、学术研究提供支持。

其中，最新推出的AI科研助手深度融合了DeepSeek智能引擎，能对多源医疗数据实时解析，快速定位关键文献、生成结构化综述，将文献检索效率显著提升。它能为医生的临床决策提供辅助性建议，通过整合患者病历、影像数据以及最新医学指南，提供实时诊断建议，在辅助肿瘤识别等复杂场景中表现更准确。

在服务患者用户方面，去年9月，蚂蚁集团推出了AI健康管家（在支付宝内搜索即可体验）。

它提供找医生、读报告、陪看诊、问医保等用户常需的AI服务，并连接全国各地90万名医生，其中70%来自三甲医院，让用户还可选择进一步与专家的AI助理一对一问诊。

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，以及健康自测、体检报告解读等功能，接入全国60多位名医AI智能体。

蚂蚁集团数据显示，半年多来，AI健康管家已经服务了近4000万用户。

由此三方面，从医疗机构、医生到患者，蚂蚁AI医疗的布局目前已进化得更加完整全面。

这也解释了为何行业伙伴都选择和蚂蚁共同探索AI医疗。

对于医疗行业伙伴，蚂蚁的先进技术与落地经验能够让他们更快搭上AI快车道；对于华为阿里云等技术伙伴，借助蚂蚁生态可以更好服务医疗机构/企业用户，推动AI落地到医疗业务实处。

此次蚂蚁牵头的一系列动作，是对AI医疗落地的进一步探索，也为行业提供了一定参考路线。

实际上，随着趋势发展，AI医疗行业迎接新机遇，新的挑战也开始浮现。

场景化阶段，懂行业更重要

当前阶段，医疗领域的大模型数量已经相当可观，仅国内AI医疗大模型的数量就已经超过50个，模型质量也有了长足进步。技术落地下半场，已经不缺大模型了，更缺少的是对AI与行业结合的理解。

一系列新挑战由此浮现：

• 临床场景认知鸿沟
• 医疗数据获取与质量保证
• 产品融入与工作流对接
• 价值量化与商业模式不确定

一方面，医疗工作流程复杂且高度个性化，各科室、各医院间存在显著差异。AI和实际场景匹配，才能确保技术被真正用起来。如果技术理解成本太高，或者技术太先进/落后与实际情况脱节，就会使实际落地价值大打折扣。

另一方面，医疗数据虽然规模庞大，但是存在数据孤岛现象且质量参差不齐，容易影响AI医疗模型性能和泛化能力。如何去获取更多高质量数据训练模型？也是厂商们接下来亟需解决的。

以及AI医疗需要通过严格的临床研究证明其对医疗质量、患者预后或医院运营效率的实际改善。这意味着AI医疗落地项目往往周期更长、成本更高，其商业模式也需要进一步明确。

行业内该怎么应对？蚂蚁的做法提供一定参考：

• 行业积累久，对医疗场景理解深刻
• 支付宝超级平台提供独特落地通道
• 全链路融入行业场景和整合生态的能力
• 先进技术布局，并与产品应用实现模型迭代闭环

2014年，蚂蚁开始探索与医院合作，2016年上线医保线上支付服务、打造“未来医院”。如今，支付宝医疗健康已经是国内规模最大的医保第三方在线服务平台，正在发展成为一站式的医疗健康服务平台。在支付宝“医疗健康”频道内，整合了挂号问诊、医保凭证、买药送药、体检检查等2万项服务。

11年长期积累使得蚂蚁更能准确识别医疗场景痛点，开发真正满足实际需求的AI解决方案。

一方面，庞大的用户基础和流量入口使蚂蚁能够快速触达海量用户；另一方面，支付宝成熟的支付体系和医保通道解决了医疗服务的支付环节，实现”诊疗-支付”一体化流程。

2023年开始，蚂蚁在大模型技术布局上也从产业出发，重点关注了医疗健康领域。自研底座通用大模型加入了强大的专家知识增强，使得医疗大模型可以更严谨、更符合产业落地的实际需求。

聚焦到最新进展，蚂蚁还联合硬件厂商、垂直领域玩家，共同探索AI医疗产品。

由此，蚂蚁构建出了一个以AI为核心能力，衔接底层技术厂商、上层医疗机构客户等维度的AI医疗开放生态。

正如DeepSeek能够推动落AI落地趋势，离不开它始终“坚持开放”的策略，AI医疗亦是如此。

医疗AI落地的复杂性表明，单一技术公司难以独立攻克所有挑战。技术厂商与医院、医疗设备商、医疗信息化企业和保险机构建立深度战略合作，形成”技术+场景+渠道+支付”的完整价值链，优势互补的伙伴生态正在形成。

蚂蚁与华为阿里云等伙伴的合作就是一次尝试。

在AI大规模落地中，医疗+AI无疑是最具想象力的一部分。它为医疗资源不平衡、医疗体系改革升级提供机遇，带来的成果将可能直接影响每一个人。但AI医疗也表现出技术周期更长、落地场景更深等特点，是AI大规模落地中最复杂的领域之一。

这也是为何蚂蚁此次牵头的动向更值得被关注，它迈出了非常具有探索性的一步。

AI医疗的前景，也因大厂们之间的通力合作而更值得被关注。

你觉得呢？