蚂蚁“三端一体”布局，解锁AI医疗新可能，AI医疗新趋势：蚂蚁携手多方开辟医疗新大陆

本文围绕AI医疗领域展开，介绍了蚂蚁携手近百家企业发布“大模型一体机”全栈解决方案，推动AI医疗落地的情况。阐述了大模型融入医疗的趋势、蚂蚁在AI医疗的布局，以及当前AI医疗面临的挑战和蚂蚁的应对策略。

在大模型发展的浪潮中，DeepSeek之后，大模型下半场的走向备受关注。蚂蚁、华为、阿里云等携手近百家企业，将探索的目光投向了医疗领域，共同发布了“大模型一体机”全栈解决方案，开启了医疗行业的AI新征程。

如今，医疗机构若想快速、安全、稳定地实现大模型落地，只需一键接入蚂蚁医疗大模型一体机设备，就能完成国产算力、医疗大模型、AI训推一体的私有化部署。同时，该设备还能定制化配置成熟应用，为医院业务系统、医疗诊断、患者服务带来全面升级。

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

此外，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，该方案也在湖南、上海等地推广应用。收购具有“互联网在线诊疗鼻祖”之称的好大夫之后，蚂蚁助力产品持续升级，推出了AI医生助手系列功能，为29万注册医生提供了更实用的AI工具。种种举措表明，AI医疗落地的步伐正在加快。

各大厂商纷纷布局AI医疗，且选择与蚂蚁合作，这背后有着怎样的原因呢？

大模型正在全方位融入医疗

回顾深度学习浪潮兴起之时，诺奖得主Hinton就预见了AI能大幅提升医疗行业效率。尽管AI尚未完全取代影像医生，但CV算法的成熟让AI在医疗影像场景的探索日益深入。生成式AI浪潮的爆发，进一步解决了底层模型能力问题。大模型的强泛化能力，使AI在行业落地摆脱了传统的“烟囱”模式，通过微调等方法可快速提升通用大模型的单项能力。DeepSeek引发的新趋势，更是降低了行业落地的算力和算法门槛，促使AI大规模落地。

在这一过程中，AI医疗始终是焦点。一方面，医疗行业存在医患比例不平衡的问题，增效需求迫切。生成式AI在简历生成、简单问诊等方面表现出色，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，医疗领域存在海量未被挖掘的数据，AI医疗的发展上限远未达到，需要行业合理利用数据、驱动创新。因此，AI医疗成为大模型落地的关键部分，这也是各大厂商聚焦于此的原因。

而蚂蚁能够牵头推动AI医疗发展，源于其探索早、布局广。自2023年以来，支付宝在AI医疗领域动作不断，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等，逐步形成了以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：

• 面向机构：通过大模型一体机向医院输出全栈式解决方案，向卫健委提供可复制的“安诊儿”模式，向各地医保局提供医保智能体。
• 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，助力医生的“医教研”工作。
• 面向患者用户：推出“AI健康管家”，提供找医生、读报告、问诊等日常医疗健康服务。

“三端一体”的布局，全面覆盖了医疗服务体系。

先来看大模型一体机，它让医疗机构能够更好地实现“AI化”。不完全统计显示，春节后全国已有百家医院宣布接入DeepSeek，市场对大模型的热情和需求空前高涨。由于医疗机构的数据涉及患者隐私，上云处理存在风险，一体机成为医疗机构拥抱大模型的首选。它实现了“国产算力 + 垂直大模型 + 专业应用”的一体化，“开箱即用”，免去了复杂的环境配置和算法开发流程，方便医疗机构快速部署应用。

蚂蚁医疗大模型一体机更加强调医疗专业能力和隐私保护。在软件方面，它集成了蚂蚁医疗大模型的核心能力，还可一键调用DeepSeek - R1/V3、Qwen等主流大模型。其中，蚂蚁医疗大模型在MedBench医疗大模型评测的医学知识问答、医学语言生成、复杂医学推理三类单项中位居第一，并长期占据综合榜首位。它不仅能进行图文音视频等多模态交互，还具备“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，实现“开箱即用”。在隐私保护方面，结合蚂蚁可信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部署的数据安全。

在面向医生方面，今年1月蚂蚁完成对好大夫在线的收购，双方共同探索AI助力医生。在蚂蚁的技术支持下，好大夫发布了AI医生助手系列功能，为医生的临床诊断和学术研究提供帮助。其中，最新推出的AI科研助手深度融合了DeepSeek智能引擎，能实时解析多源医疗数据，快速定位关键文献、生成结构化综述，显著提升文献检索效率。它还能为医生的临床决策提供辅助建议，通过整合患者病历、影像数据和最新医学指南，在辅助肿瘤识别等复杂场景中表现出色。

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（可在支付宝内搜索体验）。它提供找医生、读报告、陪看诊、问医保等常见的AI服务，连接了全国各地90万名医生，其中70%来自三甲医院，用户还可选择与专家的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，接入了全国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。

通过这三方面的布局，蚂蚁AI医疗的布局更加完整。这也解释了为何行业伙伴选择与蚂蚁共同探索AI医疗。对于医疗行业伙伴，蚂蚁的先进技术和落地经验能帮助他们更快融入AI时代；对于华为、阿里云等技术伙伴，借助蚂蚁生态可以更好地服务医疗机构和企业用户，推动AI在医疗业务中的实际应用。

蚂蚁牵头的这一系列动作，是对AI医疗落地的进一步探索，为行业提供了参考。然而，随着AI医疗行业的发展，新的挑战也随之而来。

场景化阶段，懂行业更重要

当前，医疗领域的大模型数量众多，仅国内AI医疗大模型就超过50个，模型质量也有了很大提升。在技术落地下半场，更需要的是对AI与医疗行业结合的深入理解。一系列新挑战开始显现：

• 临床场景认知鸿沟：医疗工作流程复杂且个性化，各科室、各医院差异显著。AI只有与实际场景匹配，才能真正发挥作用。若技术理解成本过高或与实际情况脱节，会降低落地价值。
• 医疗数据获取与质量保证：医疗数据规模庞大，但存在数据孤岛现象，质量参差不齐，影响AI医疗模型的性能和泛化能力。如何获取高质量数据训练模型，是厂商亟待解决的问题。
• 产品融入与工作流对接：AI医疗产品需要与医院的工作流程有效对接，才能提高使用效率。
• 价值量化与商业模式不确定：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改善，这导致落地项目周期长、成本高，商业模式也需要进一步明确。

蚂蚁的做法为行业应对这些挑战提供了参考：

• 行业积累久，对医疗场景理解深刻：自2014年起，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，支付宝医疗健康已成为国内最大的医保第三方在线服务平台，发展成为一站式医疗健康服务平台，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年的积累让蚂蚁能准确识别医疗场景痛点，开发符合实际需求的AI解决方案。
• 支付宝超级平台提供独特落地通道：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；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。
• 全链路融入行业场景和整合生态的能力：2023年开始，蚂蚁从产业出发布局大模型技术，聚焦医疗健康领域。自研底座通用大模型加入强大的专家知识增强，使医疗大模型更符合产业落地需求。此外，蚂蚁联合硬件厂商、垂直领域玩家，共同探索AI医疗产品，构建了以AI为核心的开放生态。
• 先进技术布局，并与产品应用实现模型迭代闭环：蚂蚁不断推进技术创新，将先进技术应用到产品中，并通过产品反馈进行模型迭代，形成良性循环。

正如DeepSeek推动AI落地离不开开放策略，AI医疗也需要各方合作。医疗AI落地的复杂性决定了单一技术公司难以独自应对所有挑战。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积极的尝试。

在AI大规模落地的进程中，医疗AI具有巨大的想象空间。它为解决医疗资源不平衡、推动医疗体系改革升级带来了机遇，其成果可能影响每一个人。但AI医疗也具有技术周期长、落地场景复杂等特点，是AI大规模落地中最具挑战性的领域之一。因此，蚂蚁此次牵头的动向值得关注，它为AI医疗的发展迈出了具有探索性的一步。AI医疗的前景，也因大厂们的通力合作而更加值得期待。你怎么看呢？

本文详细介绍了蚂蚁携手多方在AI医疗领域的布局和举措，包括发布大模型一体机、完善“三端一体”战略等，推动了AI医疗的落地。同时指出了当前AI医疗面临的挑战，如临床场景认知鸿沟、医疗数据问题等，并阐述了蚂蚁的应对策略。蚂蚁的探索为行业提供了参考，AI医疗在大厂合作下前景值得期待。