文 | 财经故事荟，作者 | 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，7x24 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。
