文 | 医健新势力
只要硝烟起，就少不了互联网大厂们拉起战旗。
从十多年前 「微博」 大战，到卷团购的 「百团大战」，外卖、资讯客户端、视频直播……再到眼下卷 AI 大模型的 「百模大战」，巨头从未独善其身。
当下，大模型的竞赛已从 「拼技术」 转向 「拼应用」 的下半场。一个趋势是，除了通用大模型，越来越多针对细分行业的垂直大模型发布，其中医疗场景尤为受到各方关注；而随着智能体 （Agent） 的不断涌现，AI 大模型在医疗行业的应用渗透将进一步提速。
9 月 5 日，支付宝基于早先发布的原生多模态医疗大模型的基座，在 「2024 Inclusion·外滩大会」 上正式推出 「AI 健康管家」，首批入驻 20 多个医疗智能体，覆盖了找医生、读报告、陪看诊、问医保、管健康等 30 多项健康服务。
支付宝此番发布有意通过一个产品或者一个入口，就串联起用户在医疗健康端所需要的一切服务。
医疗行业，这颗 「大模型皇冠上的明珠」，会在智能体方向开辟出新的战地，让这场巨头竞赛愈演愈烈吗？
而自 2015 年前后涌现的一批医疗 AI 创业公司，如鹰瞳科技、数坤科技、推想医疗、深睿医疗等，是聚焦自身业务还是应声加入？
或许，解铃还须系铃人。
事实上，自 2023 年以来，除了蚂蚁集团发布的医疗大模型，已有诸多互联网巨头押宝医疗大模型，例如，百度发布的国内首个 「产业级」 医疗大模型灵医大模型；腾讯推出的 「腾讯医疗大模型」；京东健康发布的 「京医千询」 等等。
这些医疗垂直大模型都有一个通用大模型作为基座。譬如蚂蚁的医疗大模型底座是自研的百灵大模型，灵医大模型的技术底座是百度文心大模型，腾讯医疗大模型则是基于自研的混元大模型。
大模型底座给医疗大模型提供了坚实的技术支撑，互联网大厂以亿为单位的用户基数以及充足的市场营销预算，也使得医疗大模型的推广应用相对容易，更有信心打赢用户和流量的价格战。
仅以国内大模型 AI 产品应用数据来看，在今年 Q2 的一波大规模投放后，大厂已经占据绝对上风。
据 AI 产业榜数据，2024 年 8 月，国内 AI 应用 （APP） 月活用户 （MAU） 排名前十的产品里，仅有三家来自创业公司，分别是 Kimi 智能助手、星野、智谱清言，其余都是来自字节跳动、百度、阿里以及昆仑万维、科大讯飞等大厂。
其中，抖音豆包、百度文心一言领先优势明显，是国内唯一过千万月活的 AI 应用，分别达 4031 万，1190 万。
尽管使用过 AI 大模型的用户数以亿计，每一个 「都市隶人」 或多或少都用 AI 生成过文字、图片和视频，但在用户端，能够真切感受到的事实是：为什么 AI 离改变我们的生活还是那么远？
业内也普遍认为，大模型作为一种能力，想要革新整个行业路阻且长。巨大的大模型泡沫下，亟待探索杀手级场景和应用，让人看到清晰的商业化路径，才能让观望中的投资人扣响投资的扳机。
这一点，对于医疗行业来说尤是。
动脉网报告显示，2024 年上半年，国内医疗健康融资交易数量和总金额，分别下降 32.3% 和 12.2%。从不太乐观的信号看，2024 年全年国内医疗健康融资金额可能跌破百亿美元。
当然，大厂们也明白，单纯卷流量拼用户规模终究意义有限，关键还是要找对场景，跑通付费逻辑
在此次支付宝推出 「AI 健康管家」 之前，百度健康也发布了 AI 健康助手、在线医疗 Copilot、AI 智慧门诊、CDSS+LLM 等 4 款医疗大模型应用与 1 款开放平台；
腾讯健康亦在 PR 稿中多次强调，卷大模型没有意义，卷应用才能真正体现医疗大模型的价值，于去年 9 月便发布了智能问答、家庭医生助手、数智医疗影像平台等多场景 AI 产品矩阵。据披露数据显示，其医疗 AI 及相关产品已落地超过 1300 家机构。
在医疗大模型的风口下，大模型应用或 「智能体」 的推出是在流程和架构创新上的探索，一方面能够让大众直接感知到 AI 给医疗健康服务带来的便利，另一方面也提供了更为具体、较为清晰的商业化路径可能。
相较于百度、腾讯等大厂推出的医疗大模型应用，支付宝先前在电子医保等领域的尝试积累了更多医疗健康领域的落地经验，同时也在一定程度上养成了线上医疗服务的用户习惯。
不过对于大厂们来说，医疗领域仍然是一块 「难啃的骨头」。除了卖药，大厂们以往在医疗领域的战略布局都遭遇了层层阻力，鲜有回报。
在前期投入高，落地难，变现更难的医疗 AI 领域，近年来强调降本增效的互联网大厂们，这次又能坚持多久？
由于就医需求大及诊疗效率亟待提升，医疗行业无疑是整个 AI 产业中落地最快的垂直领域之一。因此，大模型对医疗行业的渗透也是最早、最快的。
《2023 医疗健康 AI 大模型行业研究报告》 数据显示，截至 2023 年 10 月，国内累计公开的大模型数量达到 238 个。其中，医疗大模型近 50 个。
但与此同时，医疗行业恰恰又具备着极大的严肃性。当 ChatGPT 以较大的容错率率先问世时，谁也不敢将这样的容错率真正应用到医疗行业。因为哪怕一个错误的出现，或许遭遇的就是一个医疗事故，一条人命。
正是如此，互联网大厂发布的医疗大模型离实际应用还尚有一定距离。
在医疗 AI 行业率先实现落地应用的，恰恰是那些 「小厂」（创业公司） 们。
这些小厂普遍有几个特征：
第一，聚焦于更垂直的细分领域。例如，鹰瞳科技、致远慧图等企业聚焦于眼科赛道的视网膜影像 AI 辅助诊断；深睿医疗、推想医疗等企业最早则是聚焦于肺结节的影像辅助诊断这个热门细分赛道；数坤科技更多深耕于心血管领域；强联智创定位在脑血管病的智能诊疗上。
第二，创始团队不少具备医学背景或复合背景。深睿 CEO 乔昕曾任西门子医疗事业部大中华区副总裁；鹰瞳创始人张大磊则是毕业于第二军医大学，因中学时期便爱好编程，毕业后接连在微软、新浪等互联网公司担任高管。
最后，也是最关键的是，这些创业公司在产品研发和市场推广的思路上不是互联网逻辑，而是医疗的逻辑。
移动互联网的逻辑下，流量为王的指引下一切网民皆是用户，容易 「拿着锤子去找钉子」；而医疗的逻辑下，用户是一个个有具体诊疗需求的个体，解决需求远比创造需求重要。
当然，「大模型」「AIGC」 除了带来效率的提升外，对于资本来说也具备足够的吸引力和想象空间。这也导致了这样的差异：互联网大厂是先有大模型再去找场景，发布 AI 应用产品，而这批成立近 10 年的创业公司，反而是先有了场景和 AI 产品，再去研发大模型，上演了一出 「鸡生蛋还是蛋生鸡」 的哲学迷思。
也就是说，不同于大厂以通用大模型为底座向垂直大模型延伸，医疗 AI 创业公司是从专用 （专病） 小模型阶段进而研发医疗垂直大模型。
例如，数坤科技自主研发的医疗专用大模型 ShukunGPT，深睿医疗研发的 SAMI 医学图像通用分割大模型等，均是基于其在医学影像辅助诊断特定场景下的技术沉淀和数据积累。大模型技术的应用，进一步提高了其各自业务开展的效率。
然而值得注意的是，医疗大模型仍处于发展早期，创业公司如果想要 All in 大模型，需要考虑的是大模型究竟能多大程度上助益原有 AI 应用或开发新的 AI 应用？
现阶段，创业公司是把相对有限的资金放在跟大厂一块儿卷大模型，还是更专注于专用小模型的研发和应用推广，其中的 ROI 是值得深思熟虑的事。
毕竟，经历了大模型和生成式 AI 的一波热潮后，资本对 AI 或多或少祛魅了。
医疗 AI 领域，仍然在等待着一个成熟的商业化路径。
无论是卷流量还是卷应用，卷大模型还是小模型，最终目标都应是解决实际问题。
而不管是对于大厂还是创业公司来说，医疗行业都注定是一条困难、孤独且需要长期坚持的路。
面对 「看得起病、看得上病、看得好病」 这个医疗领域的 「不可能三角」，医疗 AI 应用需要有人做，更需要更多坚信长期主义的人做。
当人们忘记技术本身，目光所及皆是患者或消费者的实际医疗健康需求时，资本必有回响。