2025医疗AI：钱烧了，创新和故事在哪里？
未来已来
7
8-12原野: 2025年以来，感觉整个科技圈，尤其是医疗AI这个领域，突然就热闹起来了。先是OpenAI的GPT-5展示了它在医疗场景里的惊人表现，紧接着国内这边，像DeepSeek这样的大模型公司，也高调宣布接入了好几家顶尖的公立医院。这架势，是不是意味着医疗AI真的要变天了？
晓曼: 没错，这股热潮来得特别快，几乎是扑面而来。但有意思的地方在于，如果你往深了看，会发现很多公立医院在拥抱这些大模型的时候，他们的动机其实挺复杂的。除了技术本身，背后还有更多战略层面的考量。
原野: 哦？战略考量？你是说，他们引入AI，可能不完全是为了让医生看病看得更快、更准？
晓曼: 不完全是。比如说，一家顶尖的医院在内部讨论要不要上马一个AI项目时，排在第一位的目标，可能不是“提高效率”，而是“抢占技术制高点”或者“响应国家政策”。这背后其实是一种很微妙的竞争心态和发展焦虑。
原野: “抢占技术制高点”，这个我能理解，就是要在行业里显得领先嘛。但“政策响应”具体指的是什么？这会对医院的发展有什么实际影响吗？
晓曼: 影响很大。你想，公立医院的评级、科研经费的申请，甚至院长的学术地位，都和医院是否走在国家鼓励的技术前沿上息息相关。当AI成为国家战略的一部分时，积极部署AI就成了一种姿态，一种向上争取资源、在同行竞争中脱颖而出的方式。所以，这不仅仅是个技术决策，更是一个经营决策。
原野: 我明白了。所以对医院来说，这既是面子，也是里子。那从合作厂商的角度看呢，比如DeepSeek这些公司，他们和头部医院合作，图的是什么？应该不只是为了签个合同那么简单吧。
晓曼: 当然不是。对他们来说，和顶尖医院合作的价值是无法用金钱衡量的。首先，这是最好的技术“试炼场”。真实的、复杂的临床环境能帮他们快速验证技术到底行不行。其次，能拿到最宝贵的临床数据，这是训练和优化模型的核心燃料。最关键的是，一旦和某家顶级医院合作成功，就等于树立了一个行业标杆，这对他们后续的商业推广和市场拓展，作用太大了。
原野: 有道理。这就像是给自己的产品拿到了一个最权威的“认证”。我听说，有些医院甚至不满足于只“买”AI，还开始自己下场“做”AI，比如搞什么病理大模型。这个又是在解决什么问题呢？
晓曼: 病理大模型，这确实是个很重要的方向。你想想传统的病理诊断，医生得在显微镜下看无数张切片，不仅累，而且不同医生的判断可能还有差异。尤其是在基层医院，专业的病理医生非常稀缺。病理大模型的理想目标，就是用AI来辅助医生看片子，提高效率和准确性，尤其是在癌症筛查这种需要看大量重复性切片的工作上。
原野: 听起来很美好啊。如果真能实现，那是不是意味着以后在小地方的医院，也能享受到大城市顶级专家的诊断水平了？
晓曼: 理论上是这样，这也是它最大的潜力所在。但现实的挑战也同样巨大。比如，训练模型需要海量的、标注过的高质量数据，这些数据涉及到病人的隐私，怎么合规使用是个大问题。而且，一个在A医院训练得很好的模型，拿到B医院用，效果会不会打折扣？面对一些罕见病或者复杂病例，AI到底能做到多好？最核心的是，万一AI判错了，这个责任是算医生的还是算AI的？这些问题没解决，大规模推广就很难。
原野: 看来，医疗AI在大模型时代初期，公立医院的积极拥抱既是技术进步的体现，也折射出复杂的战略与现实考量。然而，当技术热潮褪去，商业落地和价值创造才是真正的考验。接下来，我们把目光转向这些商业玩家，看看他们在辅助诊疗、数字医院和AI医生智能体上，是否真的找到了“新故事”。
晓曼: 是的，这正是问题的关键。在B端，我们看到大量厂商在AI辅助诊疗和AI数字医院上发力。而在C端，从京东健康到支付宝，几乎所有大厂都在竞相推出AI医生智能体，甚至在签约名医智能体的数量上搞起了竞赛。
原野: 听起来是一片繁荣的景象。但这种繁荣背后，是不是也有些……虚火？
晓曼: 你说到点子上了。站在行业内部看，会发现一个令人担忧的现象：尽管投入巨大，但很多厂商似乎并没有真正做出“真创新”，也没有讲出“新故事”。甚至业内流传着一个非常扎心的说法，说让医院为AI工具付费，还不如“压榨规培生、实习生”来得有成本效益。
原野: 哇，“不如压榨规培生、实习生”，这话虽然残酷，但简直是一针见血。它到底反映了什么问题？是说现在的AI工具还不够好，还是说医院根本就没有为这种“效率工具”付费的习惯？
晓曼: 两者都有。首先，它说明AI工具目前带来的价值，还没有达到一个让医院觉得“不可或缺”的临界点。一个规培生或实习生，虽然经验不足，但他能做的事情非常多，是“多面手”。而一个AI工具可能只能解决一个非常具体的问题，比如看片子或者写病历。其次，这也触及了中国医疗体系的一个核心问题：人力成本在账面上被严重低估了，而对新技术的采购预算又非常谨慎。这就导致AI工具的价值很难被量化和认可。
原野: 我明白了。这让我想起一个问题，过去我们看到很多做医院信息化的公司，比如做电子病历系统的，都赚得盆满钵满，甚至上市了。为什么现在轮到AI数字医院，这条路就走不通了呢？
晓曼: 这是个很好的类比。你可以这么理解：过去的信息化建设，很大程度上是政策驱动的“必答题”。比如国家要求医院电子病历要达到某个等级，医保系统必须联网，你不做不行。所以对医院来说，这是合规性的硬性支出。但AI数字医院不一样，它更像是一道“附加题”，它的价值在于“提效”和“优化”，而不是“合规”。没有了政策的强制力，医院的付费意愿自然就大大降低了。
原野: 原来如此，一个是“必须买”，一个是“可以买”。那C端市场呢？各大厂都在搞的那个AI医生智能体，在签约名医数量上“卷”得飞起，这个逻辑又是怎样的？它的成色到底怎么样？
晓曼: 这其实就是典型的移动互联网时代的“流量思维”在医疗领域的简单复制。逻辑很简单：签下足够多的名医IP，利用他们的名气吸引用户，先把流量做起来，再考虑后续的变现。但问题是，医疗是一个极度看重专业和信任的领域。一个所谓的“名医智能体”，如果只是简单地把这位医生的论文、讲座和一些问答资料堆砌成一个知识库，那它和普通的搜索引擎有什么本质区别呢？
原野: 确实。我作为用户，期待的肯定不是一个只会背书的机器人。我想要的是它能理解我的具体情况，能像真人医生一样思考和沟通，甚至能给我一些情感上的支持。
晓曼: 对！这才是“成色”的关键。一个合格的智能体，需要具备复杂的推理能力、共情能力和持续学习的能力。但现在这种“拼数量”的竞赛，恰恰忽视了对内在品质的打磨。所以你看，无论是B端还是C端，整个行业都面临着一种困境。这也让我常常在想，2025年医疗AI，钱烧了这么多，但真正的创新和能打动人的故事，到底在哪里呢？
原野: 显然，当前医疗AI的商业化路径正面临着价值认可与盈利模式的双重考验。这让我们不得不思考，在技术狂热和商业逐利之外，医疗AI的真正突破口究竟在哪里？或许，我们需要重新审视它与监管的关系，以及那些尚未被充分探索的领域。
晓曼: 是的，这正是我们现在最需要思考的问题。我常常觉得，目前医疗AI的各大厂商们，似乎都缺少一个能真正讲出来就让人兴奋的愿景、一个能触动人心的故事、一个可以凝聚人心的价值观。这听起来可能有点虚，但其实非常关键。
原野: “愿景、故事、价值观”的缺失，这个提法很深刻。为什么说它是关键？这会怎么影响一个技术行业的发展呢？
晓曼: 因为它决定了行业的想象力边界和前进的动力。如果所有人都只盯着眼前那点“辅助诊断”、“效率提升”的生意，就很容易陷入同质化竞争和价格战。一个宏大的愿景，比如“让每个乡村都能拥有一个AI全科医生”，或者“通过AI将人类的平均寿命延长五年”，它能吸引最顶尖的人才，能说服资本市场给予更长期的耐心，也能凝聚起产业上下游的合力，去攻克那些真正困难但有巨大社会价值的问题。
原野: 我明白了，愿景不是一句空话，而是设定了一个更高的目标，让大家愿意为之付出。那在您看来，除了目前大家都在卷的这些领域，医疗AI还有哪些被忽视了，但其实潜力巨大的“阳光大道”呢？
晓曼: 我觉得至少有三个方向。第一是基层医疗。我们大量的AI资源都集中在头部大三甲医院，但中国医疗最大的痛点在基层。如果能开发出真正好用、便宜的AI工具，赋能给几百万的乡村医生和社区医生，帮他们提高诊疗水平，这个社会价值和商业价值都是不可估量的。
原野: 嗯，这个确实。与其锦上添花，不如雪中送炭。
晓曼: 第二是慢病管理。中国有上亿的高血压、糖尿病患者，他们大部分时间都在院外，需要长期的自我管理。AI完全可以在这里扮演一个“7x24小时的健康管家”，通过可穿戴设备实时监测数据，提供个性化的饮食、运动建议，甚至预警风险。这块市场非常大，而且能真正减轻医院的负担。第三是医保控费。通过AI分析海量的医疗数据，识别不合理的用药、过度检查，帮助医保基金实现更精细化的管理，这能省下巨额的资金。
原野: 这几个方向听起来，确实不那么“性感”，不像研发一个抗癌AI那么激动人心，但它们解决的都是实实在在的、系统性的问题。
晓曼: 正是如此。通过今天的探讨，我们看到了医疗AI的挑战与希望并存。它不仅需要技术的突破，更需要商业模式的创新、监管的智慧，以及一个能引领行业前行的清晰愿景。或许，在那些看似不那么“性感”的领域，才是医疗AI真正能发挥普惠价值、实现可持续发展的“阳光大道”。
原野: 说得太好了。回顾我们今天的讨论，感觉可以总结出几个核心观点。首先，2025年的医疗AI市场，表面上非常热闹，但繁荣之下，其实存在着“创新匮乏”的问题，很多模式只是对过去互联网思维的复制。
晓曼: 嗯，是的。其次，无论是面向医院还是面向消费者，现有的商业模式都面临着巨大的挑战。AI的价值还没有被充分认可，导致付费意愿低，盈利前景非常不明朗。
原野: 而最深层的原因，可能就是整个行业普遍缺少一个能激发人心的宏大愿景。大家都埋头于眼前的苟且，却忘了去寻找诗和远方。但真正的机会，恰恰可能就隐藏在那些被忽视的，比如基层医疗、慢病管理这些更具普惠价值的领域。
晓曼: 医疗AI的未来，绝不仅仅是技术的堆砌或资本的竞逐。它正处于一个关键的十字路口，需要重新审视其核心价值主张：究竟是为了效率而效率，还是为了真正提升全社会的健康福祉？如果不能超越眼前的商业迷局，建立起一个清晰且富有社会责任感的愿景，并勇敢地探索那些看似不“性感”却能带来深远影响的领域，那么，这波大模型热潮下的医疗AI，最终可能只会留下无数未兑现的承诺，而非真正改变医疗格局的时代印记。我们是否准备好，将目光从实验室的精确度，转向每一个需要被照亮的生命？