医疗大模型已过百款，谁能最早盈利？

文 | vb动脉网

2024年尚未结束，涌入医疗领域的大模型已逾百个。

众多企业涉猎的区域十分广泛，常见的诊疗全流程、深度学习加持多年的医学影像、冷门但有潜力的中医康复……他们似乎要把科技医疗板块全部重做一遍。

不过，井喷式发展下的生成式AI并不一定能让用户悉数买单。尤其是在当下的经济周期波动期，一项应用要想顺利落地并且实现商业化，必须精准把控用户的真实需求。

那么，什么样的医疗大模型应用能够脱颖而出？答案或能给到“智能体”。

所谓智能体，是指能够感知环境、进行决策并采取行动的系统。它们可以是软件程序、机器人或其他自动化设备，具备一定的自主性和智能性，可以通过与环境的交互，不断学习和适应，从而实现特定的目标。

在ChatGPT风靡之前，各类处理文本的机器人已经广泛应用于客服、营销等通用场景。这些机器人的能力与智能体有相似之处，但缺乏生成式AI支持，只能在检索到关键词后前往数据库中调用相应的文本，没办法对用户的提问进行分析，亦无法给出多样化的解答。

置于医疗这样一个专业领域，此类应用的能力更显得捉襟见肘。前几年的特殊环境下，很多企业追赶远程医疗的热潮，曾投入大量成本精力建立“智能医生”“营销助手”等应用用于诊前服务、药械推广……他们在推广阶段大肆都买流量，一度赚得盆满钵满，但伴随人们生活回归正轨，缺乏个性化解决方案的营销套路已不再奏效，很多聊天助手也因不够智能逐渐失去了访问的用户。

即便如此，数年的实践还是验证了诊前环节（问诊、导诊）与线上药械营销背后的庞大需求。那么，如果能够借助新的技术对医疗企业的营销思维和营销方式进行一次彻底变革，企业或有可能找到一个新的路径重新书写互联网医疗与数字化药械营销。

这正是智能体的价值所在。

借助于生成式AI，智能体能在同样的场景下交出截然不同的答卷。它能够“理解”问题，给出准确的、精准的解答，也能同用户交互，像“真实的人”的那样进行多轮对话，层层递进逐一满足用户的多元化需求。

此外，智能体还能一定程度解决人力问题，环节人力常见的通宵排班、高培养成本、高离职难，并能精准分析访问数据，帮助管理者实现动态决策。

凭借这些优势，智能体已经在互联网医疗、数字营销医院管理登场快速落地。毕竟，有成熟应用在前，它无须再同深度学习一样需要去创造需求、去培养市场，只需深入这个市场，以旧换新。

2024年发布的各类智能体（非完全统计）

对于众多着力于智能体的互联网企业而言，诊前场景是一个不得不选的场景。

一方面，诊前环节大都存在高频沟通、快速响应等特征，医患需求高度匹配智能体优势，能够充分发挥生成式AI的能力。

另一方面，往后的诊中、诊后涉及临床数据，大部分医院要求本地化部署，但大多数没有驱动大模型运行的基础设施。而诊前的导诊、问诊、分诊等场景对于健康数据的安全要求较低，企业的部署难度随之降低，可能变现的用户群体也更为广泛。

此外，互联网医疗兴起之时，企业已为诊前环节植入了大量AI，拥有充足的运营经验。凭借这些优势，讯飞医疗、腾讯健康、百度灵医智惠均在此完成布局。

讯飞医疗的星火大模型直面的是医患沟通这一痛点。在星火大模型的支持下，AI能够模拟医生与患者进行自由对话，根据患者的病情描述，智能推荐就诊科室和合适的医生。同时，该大模型还能基于患者的病情描述、病史等信息，自动生成电子病历，提高病历记录的效率和准确性。

腾讯健康与讯飞医疗的逻辑相似，但它更为精细地捕捉到了“预问诊”这一需求。基于过往智能导诊的经验，腾讯健康用大模型做了一个AI预问诊系统，患者预约挂号后便可同系统进行详细的预问诊回答，提前提供主诉、既往病史、用药禁忌等信息。正式就诊时，医生对于患者的病情已有一定了解，便能提出更多针对性的问题，诊断的精准度也随之提升。

百度灵医智惠走得稍微快一些，在诊前环节拿出了智能分导诊、智慧加号、智能候诊三个应用。首先，智能分导诊面向的是患者常见的分导诊需求。大模型支持下，AI可模拟诊前咨询流程，引导患者对病症进行准确描述，借助推理能力进行归纳汇总，为患者精准匹配与病情相适应的临床科室和专家。通过这种方式，医院能够将有效的医疗资源最大化利用，让每一个医生都发挥出他们应有的价值。

其次，智慧加号的价值在于补足医院过去服务体系中的“真空地带”。智能加号的价值在于能将过去患者单方面的申请转变为医患双方的“协议”。具体而言，患者首先在线上与AI模型进行交互，同时上传检查结果，模型随后会提取病史摘要和关键阳性信息，帮助医生在短时间内判断患者是否需要接受专家诊疗，从而实现精准加号。在武汉协和医院的实际调用结果显示，这一方式，明显减少了医生翻阅资料及同患者沟通的时间，还能帮助医生更准确地确定病因，有效提升诊疗质量。

最后，智能候诊意在优化医生的问诊效率，提升患者就医体验。AI支持下，医生在诊室中接待患者时，只需几秒钟浏览这份整理好的病历，迅速了解患者的大致情况。最终，医生不仅省下了问诊与病历书写时间，还使得医患交流更加精准和高效，医生的诊疗决策更为准确。

当然，也有不少企业将智能体的价值放在了随访、药品说明书等环节，构建患者社群，最终寻求药企付费。归根结底，过去互联网医疗实现的种种创新，现在智能体带来了跨时代的升级。

由于诊前场景落地快、需求强烈、应用易于搭建等诸多特征存在，这里自然成为智能体扎堆的红海。因此，也有不少企业选择跳开竞争押注未来，围绕B端的药企或医院展开布局。

过去数年的药企数字化转型及智慧医院建设，使得医疗行业的B端用户具备了相当成熟的智能化能力，但也隐藏着一些新的问题。

譬如，一些案例有医药企业在推行数字化转型时，投入大量资金引入多种数字系统，但由于缺乏合理的系统整合，导致各部门系统互不兼容。

还有企业希望通过数字化工具来提高沟通效率，充分挖掘客情。而在实际之中，业务人员缺少必要的培训和沟通，面对过于复杂的表单抵触情绪严重，常常漏填或者乱填，导致数字化系统在实施过程中碰到极大的阻力。

因此，要在这一基础上推动智能体落地，一是要保证AI尽可能无缝接入原有系统，二是要保证系统本身的易用性，易于实现与用户的沟通。

最为重要的是，智能体的能力需要与过去的智慧医院系统作出区分，充分发挥生成式AI的优势。

毕竟，现在的管理者已经拥有了大量分析工具，他们需要的不再是钻头，而是钻孔。

举个例子，熙软科技最近的医院运营智能体已在多家医院完成商业化落地，其创始人、董事长陈冲在采访中表示：“医院作为一个专业性强、管理模式复杂的社会组织，国家对其业务有着明确的政策要求，医院内部也有着完善的管理制度与运营流程规范，其内容庞大和流程复杂常常导致医务工作者在查询文件和处理流程上花费诸多的时间与精力。”

为了帮助提升医院整体运行效率，推动医院管理制度的全面准确落地，熙软科技打造的小熙AI运营助理将医院运营相关政策与制度融入知识库，借助领域大模型技术、Agent技术、传统机器学习技术和底层多形态知识库，实现智能知识问答、智能数据分析、智能操作体验“三大应用”。

对于医务工作者而言，他们在申请出差时只要简单提问，就能清晰了解差旅报销标准；想要查询科室的运营数据，只需向小熙AI运营助理发问，便会直接获取想要的数据。同时，“小熙”还可以对数据进行全面的分析和解读；无论是预算、报销还是合同等审批，医务工作者都可以在和小熙的对话中一键进入，轻松操作，无需再去登录不同界面和不同操作系统……

再谈智能化需求更大的医院管理者。非生成式AI支撑的运营系统虽然也能实现对运营数据进行归纳总结，但其缺陷显而易见：一是平台展示的数据维度有限，且难以及时扩充；二是缺乏有效的交互性，管理者只能使用平台预先设计好的算法进行特定维度数据的分析，无法提出个性化的数据处理需求。

相比之下，医院运营管理智能体能够帮助管理者实时获取所需的各种深度数据分析与服务，并根据管理者的习惯，自动推送其期望掌握的数据。即便初次推送的内容未能完全满足管理者的管理需求，系统也支持通过多模态交互方式，进一步定制并推送符合期望的信息。

总的来说，医院运营管理智能体已逐渐成为提升医疗机构效率效益的重要技术实现路径，并为医院运营管理效率带来极大提升。

尽管智能体的技术突破使其有能力快速占据过往已成规模的市场，具备“杀手级应用”的潜质，但在实际运行中，其现有的缺陷仍然显而易见的。

当大模型能力不达标时，很多智能体并不能在导诊、辅助时给出绝对正确的答案，风险隐藏其中。

此外，对于现有的企业而言，搭建一个智能体很简单，而要使得自己的智能体从众多同类应用之中脱颖而出，仍然需要企业投以大量优质数据，不断训练、喂养、积累模型，才能逐渐形成优秀的业务能力。

对于大多数创业公司而言这都是一个考验，这意味着企业不仅要维持研发，还需在大模型落地环节加大投入。毕竟愈多的落地案例，才能反哺模型，进一步强化它的泛化能力。

因此，从商业化到盈利，智能体仍有相当长的路要走。尤其是在百模大战进入白热化的今天，智能体的运营商们或许需要重新审视一下自己的现金流，保证其能坚持到最终的胜利。

大健康黄金赛道 大健康赛道是一个涵盖医疗保健

大健康黄金赛道

大健康赛道是一个涵盖医疗保健、健康管理、健康科技、健康食品及健身休闲等多个领域的综合产业，旨在通过创新产品和服务提升人们的健康水平和生活质量。以下从十个方面对大健康赛道进行简要阐述。

定义与范围

大健康赛道不仅局限于传统医疗，还包括预防医学、健康管理和生活方式干预。其目标是通过综合手段改善人们的整体健康状况，强调“健康”不仅是没有疾病，更是身体、心理和社会的全面良好状态。

#健康观念大碰撞# #您坚信养生吗？# .

市场规模与增长

全球人口老龄化及健康意识的提升推动了大健康产业的快速发展。根据市场研究，预计未来几年，全球大健康市场将以年均超过10%的速度增长，市场规模将达到数万亿美元。

技术创新

科技进步为大健康赛道注入了新活力。远程医疗、人工智能辅助诊断、可穿戴设备等新兴技术的应用，使得健康管理更加精准和高效，极大地提升了用户体验和医疗服务的可及性。

消费者需求

随着人们对健康的重视程度不断提高，个性化和高质量的健康服务需求急剧上升。这一趋势促使企业不断创新，推出更符合消费者需求的产品和服务，如定制化营养方案和智能健身计划。

政策支持

各国政府纷纷出台政策以支持大健康产业的发展，包括资金投入、税收优惠及行业标准制定等。这些政策为企业提供了良好的发展环境，促进了产业的规范化和可持续发展。

投资机会

大健康赛道吸引了大量投资，风险投资、私募股权和政府基金等多元化资金来源，为创新型企业提供了强有力的支持。投资者看好这一领域的未来潜力，纷纷布局相关项目。

企业竞争

赛道内竞争日趋激烈，传统医疗企业与新兴科技公司之间的竞争尤为突出。企业需不断提升自身技术水平和服务质量，以应对市场的快速变化和消费者的高期望。

跨行业合作

大健康产业的发展需要多领域的协同合作，如医疗与科技、营养与食品、健身与心理健康等。跨行业的合作能够有效整合资源，实现优势互补，推动整体产业的进步。

社会影响

大健康赛道的发展不仅有助于提高公众健康水平，还能降低医疗成本，促进社会经济发展。通过健康管理和预防措施，可以有效减少疾病发生率，从而减轻社会医疗负担。

未来趋势

未来，大健康赛道将朝着个性化、智能化和全球化方向发展。随着可持续发展理念的深入人心，环境保护和生态健康也将成为重要议题，推动产业向更高质量和更高标准迈进。

结论

大健康赛道是一个充满机遇与挑战的领域，随着科技的进步和社会需求的变化，新的机会将不断涌现。深入研究大健康赛道的各个方面，有助于把握未来的发展趋势，推动产业的创新与进步。#健康本源# #健康是这么来的# #健康秘籍共享# #健康未来共创#

【专访】百度资深副总裁何明科：医疗大模型好不好，最后是用户说了算

界面新闻记者 | 唐卓雅

界面新闻编辑 | 谢欣

如今，几乎各行各业都在谈论AI，认为AI将是下一个时代的引擎，诸多企业纷纷推出自己的AI大模型。

在各行各业的模型大战中，医疗行业无疑是最热闹的一个。海量的数据、政策的支持和庞大的需求共同推动医疗AI的发展。早先抓住机遇乘风而起的互联网大厂们不会错失AI的风口，如百度发布了“灵医大模型”、腾讯推出了“腾讯医疗大模型”、阿里巴巴旗下支付宝发布多模态医疗大模型、京东健康推出“京医千询”医疗大模型，还有不少医疗AI新秀加入这场竞赛，如商汤科技发布的大医模型、医联发布的MedGPT等等。

基于各种大模型，医疗AI应用也开始落地使用。其中，百度健康推出了五款大模型应用产品：面向普通用户的健康智能体家族；面向医患的在线医疗Copilot；面向医院的“AI智慧门诊”；大模型的私有化产品CDSS（临床决策支持系统）；面向企业的灵医开放平台。阿里巴巴旗下支付宝也在医疗AI领域发布多模态医疗大模型，同时推出包括医疗可信一体机、可信云等多款数智化解决方案以及AI应用产品“AI健康管家”。

大厂们依据自有优势布局医疗AI，但是产品却不可避免地出现扎堆同质化。面对这种情况，百度集团资深副总裁、百度大健康事业群组总裁何明科表示，百度健康的优势一是在大模型领域长时间的积累，二是自有的搜索流量优势。

尽管各类医疗垂直大模型、医疗AI应用如雨后春笋般问世，但实际上医疗大模型的商业化道路还未完全跑通。何明科直言，现在看起来，还没有一个应用推出来可以解决所有问题，不仅在医疗健康行业，在全行业都没有看到这样的应用。“现在所有的大模型应用都是奔着搜索去的，比如ChatGPT把搜索做得很强，但除此之外，大家都没找到一个‘killer app’，都在一些很窄的场景里面发挥价值。”

那么，医疗大模型想实现大规模落地还需要做什么？何明科认为，无论是患者、还是医院、药企，要的都不是模型，而是实际的应用。也就是说，找准用户的痛点才是关键所在。

如同互联网的发展轨迹一样，AI目前仍处于起步阶段。当初，互联网的快速发展得益于5G网络、数据中心等新型基础设施建设，而AI发展的基础是算力。AI技术有三大要素：数据、算法和算力。如果说数据是AI的基础，AI应用需要大量的数据支持；算法是AI的核心，帮助AI理解和处理复杂数据；算力则是支撑算法的基础，越复杂的算法所需要消耗的算力资源越多。何明科认为，AI行业要想实现快速发展，首先得把基础建设做好。

以下是界面新闻对何明科的采访节选，略作编辑：

界面新闻：百度健康现在在用户、医院和药企三个方向都有AI产品推出，百度健康在这三个方向的规划是怎样的，尤其是在药企端有着怎么样的布局？

何明科：很多人问过我们这个问题，大家都觉得做一个业务应该聚焦，百度健康为什么三端都做？医疗健康行业是各种行业里面比较特殊的一个，大部分行业实现了三位一体——决策者、消费者和付费者是一个人，医疗健康行业复杂之处在于它的三位彻底分离，决策者是医院、医生，付费者是医保或者商保，消费者是患者本人。

如果只做一端的服务或产品很难商业化，我们需要在三方面都发力，但最终的商业化是在药企层面实现。国外为药企提供服务的公司叫CXO公司（医药外包赛道总称），包括CRO（合同定制研发机构）、CDMO（合同定制研发生产机构）、CMO（合同定制生产机构）。像艾昆纬之类的公司，就是提供数据支持、临床研究等CRO服务，就是我们很好的学习标杆。

界面新闻：在专门服务药企的领域，艾昆纬已经是比较成熟的公司，百度健康与之相比有什么差异化的优势？

何明科：首先，我们是一家中国公司，我们有本土优势。而且中国的药企还处于方兴未艾的状态。坦白来说，在大部分的行业里，中国企业基本与美国齐头并进，但在医药行业中国的顶级创新药企较少。但我们相信中国的医药行业也会像制造业或科技业一样出现世界级的企业，我们认为值得伴随这样的企业从默默无闻成长为行业领头羊。我们做CXO服务离中国的公司更近，也更了解中国市场，这就是我们的优势。

第二，在医药行业，之前大家都在提数字化，现在提数智化，数智化和AI有很多的结合，而这是百度的特长。

第三，百度是互联网公司，我们自己有用户和医生的心智以及相应的数据，天然就有数据去提供数智化的服务。

界面新闻：百度健康在药企这块主要做临床前患者招募吗，还有其他的业务吗？

何明科：除此之外，我们还有类似于CRO的相关业务，譬如患者教育和医生教育，给药企提供数智化的系统和产品等，这都是我们的业务。

界面新闻：现在和哪些药企已经有合作？

何明科：基本上大部分药企都和我们有些相关的合作，因为他们有很多中国的临床实践项目，在全球占比非常高，仅次于美国，这种项目都需要基本的患者招募。而且随着现在临床招募患者不像以前那样粗线条、大颗粒度，它会越来越精细，这时候百度的无论是海量用户基础还是AI技术都能发挥更大的价值。

界面新闻：现在百度健康在患者、药企和医院这三方都有布局了，未来还有哪些可以拓展的空间吗？

何明科：虽然看起来我们在这三方面都有覆盖，但是还有很多需要做的地方。医疗行业本来就是万亿或者十万亿的行业，随着逐步往健康方向拓展，特别是从已病到未病防治，健康领域还有很多空间。就算基本覆盖了患者、医生和医院，但实际上还差得很远。以医院为例，医院科室那么多，没人敢说自己覆盖了所有的科室。

在药企方面，刚才说CXO，也有很多服务可以做且天花板很高，国际顶级的这些公司，收入都是大几百亿或者更高的范围。所以光是做好这三件事，我们要做的就有很多了。

界面新闻：那目前百度健康在临床前招募患者这个环节，主要偏向哪种类型药物的招募？

何明科：这和招募患者的难度有关系，现在比较火热的还是肿瘤领域，自免领域多一些。

界面新闻：除了百度之外，其他大厂也在纷纷布局医疗AI，百度健康的优势在哪里？

何明科：一方面，我们做这个事情时间比较长，同时一直在利用AI赋能医院，所以我们对医院的理解、医生的理解比较深入。比如我们的“AI智慧门诊”在医院比较受认可，已经在武汉协和医院全院推广。这个应用确实能帮医生提高效率、提升医院患者的服务体验，还和国家政策提的智慧管理、智慧服务高度吻合。这是我们的优势。

第二点，大家想找一个好医生、好医院的时候，还是喜欢用百度搜索，我们可以把这种流量和数智化进行更好的结合。

界面新闻：那在和医院端合作的话，您认为最重要的是什么？

何明科：我觉得还是命中医生的痛点。第一，医生是一个专业群体，了解需求，做服务，我觉得是有一定门槛的，所以老是强调时间的积累。

第二，医院和医生非常强调合作的稳定性。今天做，明天不做，别人就不会信赖你的服务。药企也一样，除了产品服务好，稳定性也很重要。对他们来说，如果老是切换供应商，内部也有很多的切换成本。

界面新闻：百度健康去年推出了灵医大模型，医疗大模型在研发和应用方面有哪些难点？

何明科：第一，百度有自己的通用大模型文心一言，和其他竞争者相比有很大的优势。第二，AI技术有三大支柱——算力、算法和数据。在医疗行业，数据是很难得的资源，数据隐私管理也非常严格。怎样合理、合法、合规地拿到数据并用于训练模型，都是非常难的事情。对于新玩家来说，一个是基础大模型，一个是数据的分布性和高质量数据，都是难点。

界面新闻：医疗大模型和其他的通用大模型来说，有什么样的区别和优劣之分？

何明科：通用大模型和行业大模型孰优孰劣一直是大家争论的话题，其实到最后一个是看场景划分有多细，是不是能在固定场景解决固定的问题；另一个是看数据，医疗大模型对数据有特定要求，但通用大模型需要适用于所有场景，不一定会用医疗数据进行模型调优。这两点是医疗大模型的核心竞争优势。

界面新闻：要评价一个医疗大模型好与不好，主要从这两个方面来看吗？

何明科：这两个方面维度还是很粗，场景粗细和数据多少不是一个可以量化的标准。最后还是要落到实际场景里去看，用户对它的评价或者医生、医院的评价。

界面新闻：大模型开发出来只是第一步，后续落地还有很多困难。从您的观察来看，医疗大模型想要大规模落地的话，还需要有哪些路要走？

何明科：我觉得无论是患者、还是医院、药企，要的都不是模型，而是实际的应用。当我们回到产业视角，用户更关心应用是什么，比如我们在医院的应用，像AI智慧门诊的智慧候诊室功能，通过大模型能够生成符合要求的病历，节省医生的时间，医生可以花更多的时间和患者做沟通，发现真正的病因，开展更好的治疗方案，我觉得这是很有价值的。

我们最近在做的医保政策查询，就是切入到行业里面。因为医保政策是一个非常复杂的事情，它有几个维度。第一，中国每个省的医保政策可能是有差异的；第二，不同类别的药对应的医保政策不同；第三，个人身份是职工还是农民，还是退休再保的，对应的政策也不一样；第四，个人今年的状态不一样对应的医保政策不同，比如今年有没有报销过，有没有过基础线，达没达到天花板。

对于普通人来说，要想搞清楚医保政策很麻烦。不光是普通人，无论是医生，还是保险公司的人，都会面临这个问题。那在这个时候，AI大模型就可以发挥作用解决这个问题。

界面新闻：现在医疗大模型已经跑出来了成功的商业模式吗？

何明科：还是为药企服务。现在看起来，还没有一个应用推出来可以解决所有问题，不仅在医疗健康行业，在整个行业里面都没有看到这样的应用，现在所有的大模型的应用，都是奔着搜索去的，比如ChatGPT把搜索做得很强，但是除此之外，大家都没找到一个“killer app”，都在一些很窄的场景里面发挥价值。

界面新闻：好像回到了互联网的最初阶段，大家也是从搜索开始。

何明科：我觉得社会发展必然有一个阶段，大家都知道这个东西很有用，但是都找不到用户。我从2008年开始做投资，那会儿最火的是做移动互联网，大家都知道移动互联网有价值，但是并没有发现一个和PC互联网相比有价值的应用。直到2010年之后，网约车、外卖出现，才算是真正的移动互联网的应用。所以，无论是互联网还是AI，发展都需要一个过程。

界面新闻：现在也是在找一个能够落地的应用场景吗？

何明科：对，但现在AI发展面临的一个问题是，技术栈和基建还没有成熟。AI大模型实际上非常依赖算力，大家预想的高精尖的AI都需要算力支持。站在国家的角度来说，目前的算力无法支持大规模的AI使用。目前，国家在西部地区建造算力中心，手机的硬件在算力上也有待升级，可能算力中心建造好了和硬件升级完成之后，就像当初发展互联网一样，移动基站与硬件都完善了互联网公司才能发展。类比来说，AI行业的发展也是如此。