从互联网医疗到AI健康：一场新供给革命 - 主题精读稿
从互联网医疗到AI健康：一场新供给革命 - 主题精读稿
前言：AI健康领域成科技巨头新战场 (00:00 - 07:48)
2025年末至2026年初，全球最顶尖的AI公司不约而同地在AI健康领域发力。OpenAI收购了一家只有4个人、专注健康数据收集的公司，并持续完善其Health Bench——一套医疗领域AI模型的测试标准。医疗AI软件Open Evidence帮助医生查阅资料，估值已攀升至120亿美元，融到了D轮。国内方面，百川、蚂蚁的阿福、阿里的千问都在这个赛道密集发力。
这种默契的时间节点并非偶然。从需求端看，每天有2.3亿人在向AI询问健康相关问题，这已是一个高频且集中的需求。从供给端看，大模型从通用走向垂直已经过了那个阶段——通用领域智能水平趋于对齐，不会像两年前那样GPT-4断崖式领先，现在大家都能跟普通人对打如流。在这种情况下，进入医疗、法律、健康等高净值场景成为新的商业价值层面。
AI医疗最大的挑战是幻觉问题。 让AI帮忙写文章、做图，出现幻觉问题还好；但医疗领域不能有幻觉，一旦出错可能造成生命危险。过去这些公司很难大规模应用AI，正是因为这个问题。但2024年到2025年，RAG技术（限制学习技术）日趋成熟——它让AI只在特定领域学习，专注于临床指南和医学论文，而非杂七杂八地吸收信息。OpenAI收购的那家公司虽然人数很少，但在数据清洗、数据收集和RAG技术方面非常领先。
张红亮强调：在医疗这件事上，AI必须不能是个黑盒，它的学习必须去学那些最前沿的临床指南、最权威的医学论文和诊疗指南。这是技术层面能够在这个节点爆发的关键原因。
一、互联网医疗的未竟之业：为何一直不性感？(07:48 - 14:59)
回顾过去二十年的互联网医疗史，好大夫、丁香园、春雨医生前赴后继，大厂京东健康、阿里健康也积极尝试，但始终没有哪家取得特别理想的结果。当我们提起互联网医疗时，从来没觉得它是一个性感的行业。但当名字从"互联网医疗"变成"AI健康"后，走在创新前沿的公司纷纷涌入。到底有什么变了？
核心答案是：互联网医疗过去二十年一直没有解决"创造医疗服务增量"这个问题。
互联网医疗解决的是连接问题——通过平台让医生多点执业，医生可以在互联网医院执业并开出处方。但这些医生还是现有的医生，无论是公立医院还是基层医院的医生，并没有创造新的医疗资源。
过去互联网医疗的理想场景是：北京、上海大三甲医院的医生利用闲时，解答基层地区老百姓的问题，让他们不用花交通成本也能问到大专家。但实际结果却是：北京上海这些一线城市爱用互联网的年轻用户，与三四线城市公立医院里不太忙的医生，在日常沟通感冒发烧等常见病。
张红亮提出一个关键洞察："互联网医疗平台希望利用医生的闲时。但其实医生没有闲时。好医生没有闲时。"这正是AI技术的价值所在——不是寄望于医生的空闲时间，而是让医生的一秒钟能当三秒钟、五秒钟用。
阑夕举了一个现实例子：患者去拍片子，拿到报告后又要排队等医生讲解片子上是什么。这个过程AI完全可以代劳——让AI看片子、看报告、看结果。如果AI能结合医生自己的诊疗数据，患者就不需要麻烦医生，所有时间都让医生去看更重要的病人。
AI健康带来的变化有两条路径：
- 直接创造"AI医生"提供服务（类似自动驾驶L4以上）
- 实现"1+1大于2"——一个真人医生加一个AI医生，效率超过两个真人医生
蚂蚁AI医疗负责人卢波克的表述是：他们推崇的是1+1大于2，即一个真人医生加一个AI医生，大于两个真人医生的效率。这就是过去很难实现的"医疗服务增量"问题。
二、从搜索到对话：用户行为的根本性转变 (14:59 - 27:26)
互联网医疗时代，用户行为是使用搜索引擎找医生问诊；AI健康时代，用户行为变成与AI健康助手进行多轮对话交互。这是一个根本性的变化——从搜索关键词，到更详尽的自我描述和症状描述。
AI健康助手的"前置"价值
AI健康助手的核心价值在于"前置"——将很多环节钳制在就医之前。 医疗是被动触发的，正常人没病很难主动打开好大夫。但AI健康助手可以在前期起到风险筛查的作用，将很多环节钳制在就医之前，避免有限的医生资源被不必要的需求占用。
阑夕举了一个极端案例：前几天有程序员加班猝死的新闻，红星写了特稿。加班回家后，他已经出现大便失禁、间歇式昏头脑脏的状态，但他以为自己没事，慢吞吞去医院。这很明显是一个误判——他对自己的身体状态有误判。如果有智能硬件能随时同步他的状态到AI健康助手，就能直接在手机上弹窗，给他老婆打电话，告诉他"你这个情况很严重，你不能拖"。
这就是"治病于未病之时"的理想状态。不是你有病、有需求去问AI，而是AI在你不知道自己有没有问题时主动告诉你——昨天睡眠信仰率不足或大脑供养不足，第二天直接告诉你该怎么办、是否要去医院、不去医院怎么调理。
潘乱补充：过去刷数据有大量那些华人、海外华人回国看病、老外来国内看病的案例。普通人并不能很好地描述自身问题，尤其是通过搜索框的时候。搜"头痛"可能看到一堆说你得了癌症的内容，但搜索引擎只会给你候选结果让你挑，并不能确认你到底是偏头痛还是其他问题。
主诉质量：中国人不会看病
医疗领域有个概念叫"主诉"——患者描述症状的质量。南方周末写过一篇文章，标题就叫《中国人不会看病》。张红亮深有感触：多数人包括医疗健康行业从业者，去看病时也是唯唯诺诺的，不知道该说昨天的症状还是一个月来的变化，该讲之前的检查还是什么。
主诉的好坏直接决定医生诊断的准确性。张红亮在播客中教听众：去看病时最好整一个Word或Excel表，把想说的全写下来给医生看，这样能更好地把所有情况全都让医生知道。
现在AI健康助手可以做得更好。如果你能先跟AI聊30分钟、50分钟，AI会像做选择题一样引导你描述：你的疼痛是持续的还是间歇的？是脚痛还是刺痛？AI很会问问题，最后再总结给医生看。
关键是这半小时的主诉时间不占用医生的诊断时间。 你可以跟AI聊，你有80%是废话，但你自己不知道是废话。AI把这80%的废话过滤掉，给医生一个简明版——他跟我聊了这些东西，主要问题是12345，完毕。医生也很喜欢这样的结果和信息。
医生过去对互联网产品有抵触，是因为搜索引擎时代老吓唬人——一搜就说你这是癌症，患者恐惧得说不明白话了，医生很讨厌这些。但如果AI让医生的工作变简单，医生一定不会不喜欢。
这还能大幅减少跑错医院、挂错科的问题。 腹痛相关的疾病太多——可能是肝脏问题、消化问题、心脏问题、胃的问题，挂的科完全不一样。很多人都不会描述自己到底是哪儿痛，但AI可以按选择题方式引导，问完之后你到了医生那也知道怎么描述这些事。
三、健康与医疗的边界：建议而非处方 (27:26 - 35:30)
为什么大家都说"AI健康"而不是像当年搞"互联网医疗"那样？蚂蚁的阿福定位是健康AI而非医疗AI，每个问题结尾都会说"这只是科普大意，不涉及诊断，有问题一定要去看医生"。这个健康与医疗的边界该怎么划？
处方是唯一的边界
AI健康与医疗的边界在于：AI给出的建议是否构成处方。
张红亮解释：我们追溯人的治疗，医生给完诊断和建议后，治疗方式无非就是吃药、做手术、改善生活方式这三种。吃药、做手术、做检查，医生都会开出处方单、检验单、检查单、手术单。边界就在这里。
现在这些AI健康产品，包括美国的AI产品，给出的仅仅是建议或提醒，而不是明确的疾病判断和用药指导。比如你说你流感了，AI真的会推荐流感药物（处方药），但你拿着截图去药店买药，药店店员还是会通过系统流程给你开一张盖着章、有医生和药师签字的处方。医药电商平台也是这样的流程。
按照目前的法律法规，所有的诊断和处方都必须由医生完成。 关于AI能否成为独立决策者，行业存在分歧。有些人认为未来AI能独立下处方决策；但多数更保守的人认为，哪怕AI能力非常强、建议99%都是准确的，最后还是会有真人签字。
阑夕补充：这是权责对等的问题——如果有权利就必须承担责任，但AI目前承担不了这个责任。
医疗的"保底"属性
医疗的特殊性在于它的"保底"属性——不是比拼成功多少次，而是不能出错。所以AI健康的定位是：帮用户更好理解自身，为就医做准备（准备什么材料），引导到对的医院、科室、医生，但不会说"你这是什么病，应该怎么治"。AI不能行医。
"偶尔治愈，常常帮助，总是安慰"
蚂蚁CEO在晚点采访中提到医学界名言："偶尔治愈，常常帮助，总是安慰。"这句话在医疗界非常流行，最早是西方医生讲的。
张红亮解释：医生能给患者提供的帮助其实不多，更多是陪伴和安慰。疾病是复杂的，也是非常困难的，没有医生敢打保票说绝对能治好。如果患者苛求所有医生都能完全治愈疾病，这是不现实的。
医生主要体现的是权威角色。 阑夕分析：普通人去医院大多数情况是无助状态——没有专业性，不知道该怎么办，最后就是听医生的。AI在陪伴方面能吸取医生的权威性，提供心理安慰和确定性。尤其是当AI不是孤立的模型，而是基于某个医生过往所有数据和经历出现的分身时，可以蹭这个医生的权威性。
这对于缓解医患矛盾也有价值——很大程度上医患矛盾源于患者认为医生是万能的，能像维修工一样把身体修好，但实际上医生可能做不到，这基于生活习惯、机缘巧合、身体够不够经得起折腾等一系列因素。
四、AI医生的陪伴价值：缓解焦虑与恐惧 (35:30 - 41:15)
张红亮强调一个现实：中国医生太忙了，真的太忙了。 他曾去一个医院采访，在医生诊室待了一上午，那个医生从7点40到12点50，屁股一下没挪，看了60个号，水都不敢喝。因为他所在的医院就是有这么多人等着他。
陪伴和安慰本身应该是医生能起到的价值，但中国医生很难做好这件事——不是没有人文关怀，是没时间做人文关怀。如果AI医生的分身能一定程度承担这些工作，说不定能帮助患者更好治愈疾病，心理状态和康复速度都会加快。
潘乱提到互助会的价值：有些患者得病后会参加互助会，互相倾诉互相陪伴，这在严重疾病场景很常见。互助会解决了人在那个时候的存在感、意义感、焦虑感问题。如果往前推到没那么严重的阶段，AI也应该起到类似互助的性质——帮患者缓解焦虑，解决对未知的恐惧，然后才到健康服务、医疗、去医院的环节。
如果把流程分成诊前、诊中、诊后，AI在诊前和诊后都能起到很多价值，远超过互联网医疗时代（那时最后还得靠医生）。诊中环节也能帮助医生提效。
阑夕概括AI能实现的"理想医生"想象： 不会不耐烦，有非常多的时间，这个时间只服务你一个人，什么芝麻绿豆的事都能随时问，他都能告诉你一个结论，你听就对了。这个大家实现不了，是资源问题。但AI模型能在某种程度上实现这一点。
比如医生给了你医嘱让你回去，你突然想到医生没说今晚能不能吃辣椒，你不可能再挂个号去问。但这时如果能跟AI模型说"我能不能吃辣"，它就能给你结论。这对于人被尊重的感觉、体验的提升会特别大。
五、中美AI健康商业模式的分野 (41:15 - 50:10)
美国：2B专业工具路线
美国公司更倾向于把专业工具卖给专业用户——医生。OpenAI的Health Bench、Anthropic的健康服务（主打医疗文书负担、帮助做保险审批）都是流程优化。
两种盈利模式：
- 订阅制：像ChatGPT每月19.9美金，让医生成为付费用户
- 广告位：Open Evidence让医生免费用，模型做得足够好，但在搜索内容中间插入广告位卖给药企。广告与内容完全不重叠，搜索内容没有广告成分，但医生搜索临床指南时出现某品牌logo，形成决策点印象。药企非常乐见这样的广告位，因为这正是医生的决策点。
中国：2C全链路服务路线
中国公司更愿意做2C，直接服务C端用户，并连接全链路服务。 这与过去的基因有关：蚂蚁、阿里、京东都有C端应用，天然在C端有优势。
从AI健康服务入手后，后链路自然连接：医药电商、医保支付、医院挂号、线上问诊。商业模式是"羊毛出在猪身上"——前端AI问诊服务可能不收钱、不赚钱，靠后端链路盈利。千问已经能连淘宝、连支付宝，阿福未来可能也能连阿里健康、饿了么买药、淘宝闪购。
值得注意的是，阿福专门发声明"永远不会插入广告"。这是对互联网医疗时代灰色历史的切割——当时更多付费方是民营医院尤其是莆田系，在百度投放大量广告，造成了极差的口碑。广告已经被明确拒绝为商业模式。
商业健康险：更性感的可能
阑夕认为电商是合理选择。但张红亮认为，比电商更性感的商业模式可能是商业健康险。中国人对医疗健康的商业保险接受度不高，买保险可能只是因为保险经理推销了很多次。
但医疗保险确实是可行的商业模式——对整个商业社会和所有居民来说，都是值得消费、中间有钱可赚的事。未来如果AI平台能通过更丰富的数据、更主动的管理让用户更健康，商业保险公司会乐于在这些平台上服务用户。
中国商业保险特别是商业健康险市场还在急速发展阶段，如果这条路能走通，大有钱可赚。潘乱也认为跟商业保险会靠得更近——美国已经验证了非常大的市场，中国只是起步中，消费者需求千差万别，未来会有不同的商业保险需求。
阑夕提到晚点稿子里印象最深的一句话："让中国人有钱花有命花"——这正好是蚂蚁的两个赛道：有钱花是金融服务，有命花是为什么要做健康。赚了这么多钱，要能花掉才行。
六、家庭医生的困境与AI的破局 (50:10 - 54:20)
中国家庭医生的名存实亡
阑夕查到2017年卫计委的数据：中国有五亿人有家庭医生。这个数据听起来惊人，但实际情况是——一个家庭医生可能要管上万户，大城市尤其如此，小几千户是正常的，密集社区可能大几千户。一个医生忙死忙活也管不好这么多人。
张红亮指出：中国有家庭医生签约，你其实都是被签约的、有家庭医生的。但很多人只在填某个表或看某个系统时才知道自己的家庭医生是谁。
家庭医生是我国分级诊疗政策的关键环节。分级诊疗的理想流程是：小病在基层或社区卫生服务中心解决；解决不了转诊到二级医院；二级医院解决不了再去三甲医院。但现实是从第一层就很难解决——老百姓不信任基层医院，所有人都想挂专家号，普通号没人挂。
如果AI能一定程度上承担家庭医生的职责，就有可能实现真正的分级诊疗。 AI可以在前面告诉用户：你的情况没那么严重，普通医生就够了，不要浪费过剩资源。这对公共卫生管理也是好事。
中国医疗体系并不差
值得澄清的是，中国医疗体系并不差。张红亮的观点是：中国也好，美国也好，欧洲也好，没有完美的医疗体系，各有各的问题，而且各自的问题都还挺突出。甚至对普通老百姓来说，中国享受到的医疗服务还不错。
美国和欧洲也不是天堂。他们的家庭医生可能够用（通过政策设置，比如医生必须先做几年家庭医生），但后续安排去哪儿看、做手术却成问题——做个骨科手术可能要排一个月以后。
AI在中间都可能产生价值。如果能把用户送到对的医生、对的医院、对的科室，用对的医保、拿到对的药，这已经是善莫大焉了。
七、通用模型vs垂直模型：组织问题大于技术问题 (54:20 - 1:06:34)
通用模型会不会吃掉垂直模型？这是行业月经贴话题。
行业分歧
张红亮跟行业内的人沟通，大概分成两派：
- 垂直派：认为医疗场景就是特殊的——数据特殊、环节特殊、专业性特殊，通用模型不行
- 通用派：认为大力出奇迹。有人认为"如果AI医疗能实现，那AGI就实现了"——医生代表着非常高的人类智慧，包含理性科学选择和情感情绪判断，AGI实现了这件事应该就work
研究员倾向于没有"垂直"这个概念——所有数据都有，RAG也只能自己干。但阑夕认为他们没有产品思维。他始终认为"模型即产品"这句话是错的。 每家都觉得自己模型最强，最后大家都来挑模型吗？其实不是，大家会挑产品。产品是服务的一部分，划分了非常多新场景，而不是最后用模型。
豆包就是例子——用豆包应用时，你不知道自己用的是豆包哪个版本。豆包大模型和豆包App是两个东西，绝大多数普通用户用的是豆包App，不知道自己用的是哪个模型。豆包从来不强调"我是1.8，我是1.9"，这才是对的路线。
蚂蚁的回答：专业化、自动化、个性化
蚂蚁CEO的观点是：在金融、医疗健康、法律等深度专业领域，通用AI不可能通吃，吃了也会消化不良——一旦出问题，对通用AI得不偿失。
阿福给出的差异化三要素：
- 专业化是第一道护城河——但不是永久护城河，模型能力会涨，专有知识会变成通用知识
- 自动化是第二道护城河——至少两三年内有效，全链路服务（挂号、问诊、医保、报告解读）形成竞争壁垒，更多数据、更多接入
- 个性化才是真正的护城河——类似推荐引擎与搜索引擎的关系，用得越多、数据越丰富（体检报告、健康监测、日常记录），AI越懂你，变成特别懂你的家庭医生。正常人可能会换模型，但不太会把所有数据重新迁一遍
根本问题：创始人的决心与公司投入
但潘乱提出更根本的观点：这些都是纸面问题。通用模型vs垂直模型之争，最终取决于创始人的决心和公司真正的投入。
为什么创业公司能打大公司？因为对这件事全心投入、有更深的理解。很多被认为"天然有优势"的公司并没有兑现优势：微信在头条、小红书、抖音、短剧、本地生活等方向都没有实现高频打低频；抖音也没有在本地生活兑现预期。核心还是看是否一把手工程、投入有多少。
比如蚂蚁把AI健康提升到与支付金融并列的位置，真金白银花小几亿投广告（张红亮认为实际数字远不止小几亿）。Claude做AI coding做得更好，也是因为精力和资源投入在那里。团队的选择、方向、投入，才是更正相关的事情。
阑夕总结：归根结底是组织问题，不是模型问题。
八、为什么是蚂蚁做阿福？寻找比钱更大的东西 (1:06:34 - 1:14:36)
19亿收购好大夫：信心的证明
张红亮早就知道蚂蚁要认真做这件事：2024年蚂蚁花了19亿收购好大夫。当时好大夫值不值这么多钱各说纷纭——可能已经所剩无几，主要是品牌和过去的数据、用户积累。但能花这么多钱收购，本身就是愿意投入的第一个证明。
阿里体系内的分工
按马老师的"Happy & House"双H战略，蚂蚁体系里还有阿里健康这个角色。慢慢地，他们在做各自更擅长的事：
- 阿里健康：把更多精力投入医药电商竞争，做成最牛、效率最高的医药电商
- 蚂蚁：投入医疗服务和健康领域。先是收购，然后AI来了义不容辞要在AI上做更多投入
蚂蚁的投入是实实在在的：全国各地都能看到阿福的广告，采访里说花了小几亿，张红亮认为不是小几亿这个体量。愿意花钱投入，商业故事还没想好就先把钱花出去、把位置占好。过去一个月时间，阿福从月活日活到全民感知度，就已经是中国AI健康的T0级存在了。
寻找比钱更大的东西
阿福这个名字原本叫AQ，是马老师提议改名叫阿福的。这与十几年前马老师提过的双H战略（Happy & House，快乐与健康）一脉相承。
阑夕补充两个信息点：
- 去年暑假，千问还没出来、蚂蚁还没大张旗鼓搞时，阿里就用夸克考过了副主任医师资格，一个月后又通过了主治医师考试——说明做大模型的人很难忍住不去医疗、教育、养老这几座大山里做点事情
- 晚点稿子里的"有钱花有命花"——医疗与金融都与信任高度相关，蚂蚁多年积累的芝麻信用可能在医疗领域得到附能
但更深层的考量是：蚂蚁在找一个比钱更大的东西。 潘乱分析：医疗健康领域解决的是更大的社会问题，如果做好了，能帮这家公司获得更大的合法性和存在的合理性。前几年蚂蚁的合规问题已经解决，现在需要的是通过解决终极信任问题来获得社会认可。这已经不止是钱的问题了。
九、医疗服务能否变成制造业？(1:14:36 - 1:27:48)
潘乱抛出一个暴论：中国能把医疗服务干成制造业吗？
设备国产化已在发生
AI硬件特别火。潘乱上个月用了一个新椅子，能真的感受到椅子这种类别里都有人在做更多事情。他听说有团队在深圳搞轮椅、注射器等医疗设备。
更显著的是大型设备的价格下降：
- 进口核磁共振3500万一台，国产1.5T只需不到300万
- CT从几千万降到300万级别
这就像合资车与国产车崛起的故事。设备国产化意味着更多人能负担得起检查，拿到更多数据。
创新药崛起
张红亮激动地讲述中国创新药的崛起。 原研药退出中国市场的新闻背后，核心是大量国产创新药在过去十年涌现——专利强、效果好的国产药品。
今年JP摩根医药大会上，中国大放异彩。过去三五年全球医学大会上，发布临床研究数据的报告主要是美国和欧洲的天下，但现在最牛的报告、最优的产品，很多都是中国创新公司做出来的。如果美国是绝对第一，中国现在已经能到第二。
为什么能这么快起来？因为过去一直帮全球最厉害的跨国药企做代工。CXO行业（医药外包）在中国非常发达——帮别人外包研发、做临床试验、做生产。在这个过程中积累了人才、工程师和资金，慢慢呈现出来。
AI提升效率：立等可取
AI能进一步提升效率。 目前拍片子要等半个小时——片子实时就有了，只是要排队让医生看、做诊断、写报告。AI看片子准确度非常高（本质是统计学问题），如果能做到立等可取，像照相馆一样，医院流通效率将产生质变。
中国在效率上已经领先：英国做核磁可能要排十几周，中国虽然要等两小时候医生，但当天出结果。大量海外华人回国看病，深圳每年为境外人士提供大几十万次医疗服务，珲春一个医院一天接待80多个俄罗斯游客。
医疗的"不可能三角"
医疗行业存在"不可能三角"——看得起病、看得上病、看得好病。在没有技术突破的情况下，这三者从来没有同时实现过。
设备国产化让更多人看得起病，AI初筛和线上问答让更多人看得上病，AI辅助诊断提升诊疗水平让人看得好病。 一旦进入制造业逻辑，就是比拼规模、成本优势。
张红亮补充：中国人体检率在全球比较高，积累了大量数据但存在孤岛问题——各医院之间不流通。如果AI工具和平台能把这些数据真正用起来，AI三要素（算法、算力、数据）中，数据维度中国是重要贡献者。
十、AI能实现医疗资源普惠化吗？(1:21:26 - 1:33:07)
55%用户来自三线以下
阿福55%的用户来自三线及以下城市，很多农村、小镇用户。AI健康与互联网医疗的根本不同在于：互联网医疗分配的是医生有限的时间，AI健康让问答和陪伴变得无限供给，使信息获取和服务连接更加平等。
AI是更有可能（实际上已经在发生）让优质医疗资源下沉、普惠、触达更多人。"让每个人都能问上名医"这个口号可能太夸张，但终极方向是往这里发展的。
DeepSeek带来的全民AI信任
张红亮有个强烈感受：这一轮DeepSeek带来了全民对AI的信任。 过去父母觉得百度查的是假的、骗人的，但现在他们觉得从AI上查的、从豆包上查的就是可信的。他们会说"这是从AI上查的"，而且很信任。
这种全民信任的建立极其重要——用户信任AI，就愿意提供更多信息、进行更多轮次的沟通，最终改善健康结果。如果AI健康产品不一定能到名医水平，但能让用户足够信任，这就是不可限量的。
未来十年全球最强医疗系统在中国？
关于"未来十年全球最强医疗系统是否在中国"，张红亮认为这不是暴论。他身处行业，看到几个核心竞争因素：
- 监管开放程度：所有政策都是鼓励AI医疗的，没有一条说要谨慎。中国主要医疗服务供给方是公立医院，而公立医院对AI的接受程度空前一致——2025年春节DeepSeek火了之后，上百家顶级三甲医院宣布接入DeepSeek。虽然到今天可能还没看到更多阶段性成果，但所有人这么一致地宣布接入，说明他们是open的、接受的。
- 数据优势：庞大人口意味着庞大数据，AI三要素（算法、算力、数据）中，数据维度中国是重要贡献者
- 工业化基础：设备和创新药领域已经证明了中国的制造业能力
唯一的制衡因素是服务体系的探索——医疗服务核心还是人，与全民受教育程度等很多因素相关。
阑夕提出一个重要视角：最强医疗系统的评价权应该交给消费者和患者，而不是医疗从业者。 很多行业会陷入自嗨，做得最好但跟公众之间存在鸿沟。真正的提升应该体现在用户体验和医疗品质的改善上——是不是真的有很大变化？
2025年8月国务院颁发《关于深入实施人工智能加行动的意见》，与2015年互联网+意见形成鲜明对比：互联网医疗那次所有平台都被按住不让往前走，这次是鼓励大家积极探索——"探索推广人人可享的高水平居民健康助手，有序推动人工智能在辅助诊疗、健康管理、医保服务等场景的应用"。
十一、医生与AI的关系：减负而非替代 (1:33:07 - 1:42:20)
张文宏言论的真实含义
有些人说AI会替代医生（如王小川），但OpenAI、谷歌、Anthropic、蚂蚁没有任何一家提出过这种说法。张文宏最近的言论也被媒体误解了。
张红亮澄清张文宏的原话： 他是在论坛圆桌上回答提问。他说自己是用AI的，但不建议年轻医生完全听信AI的结论。AI的结论可能是对的，甚至现在可能都是对的，但如果把诊断能力外包给AI，就无法在这个过程中做training，无法从年轻医生变成资深医生、从小医生变成大医生。
这话对医学生可能有点灯味，但道理没错。王小川的回应"不能牺牲患者利益来培养医生"逻辑不顺，评论区骂声一片。
各行各业对AI的焦虑
阑夕用教育行业类比：云课堂实现教育平权，落后地方的人可以享受名师课程。但报道里出现问题——驻课堂老师丧失了权威性，变成开关电视的工具人。学生不服他的作业批改，认为"你水平太次了"。这是技术对现实人际关系结构的冲击，很多人没有做好准备。
医疗行业也是如此。初级岗位和高级岗位的进步很重要，进步需要做事来实现。老手可以用AI，但新手一直用AI出稿子就学不会技能。大模型厂商认为这个技能未来没必要，就像每个手机都有计算器，不用背乘法口诀表。这是一种乐观主义心态。
潘乱的观点：职场新人最核心的特质是靠谱、认真、灵性、主观能动性、终身学习，这些AI没办法替代。如果所有问题都扔给AI，就丧失了成长必需的底层能力。学习本身是痛苦的，只有经历痛苦和挫折，批判思维、自律等素质才能生长。这些比用好AI工具本身更重要。
中国医生太忙了
张红亮从医生视角提供另一种理解：中国医生目前不是在考虑被替代的风险，而是太忙了。 多数医生看到的都是疲惫。
医生能提供的价值不只是下诊断那一刻——患者希望医生能在病床边好好解释情况，但医生没有时间。如果AI能把十份时间的工作变成一份，医生就有更多时间投入人文关怀，这对患者的综合康复有好处。
对于三甲医院主任医师级别的医生，职责不光是治病救人，还有研究工作——探索尚无治疗方法的疾病、搞清发病机制。如果AI能分担基础工作，他们就能投入更多精力探索医学前沿。
当然，如果真有一天出现医生被替代、编制问题怎么解决的情况——如果这个时间是20年，不是问题；如果是3到5年，那确实是问题，需要更宏观层面来解决。
十二、医院的转型与医生的创业机会 (1:42:20 - 1:53:53)
医院需要思考的问题
医院必须思考的问题：如果AI通过软件和服务截留了患者，医院的价值在哪里？AI能做很多事（问答、陪伴、行动），是不是不需要去医院了？
目前的医院很大一部分日常工作可能没那么高效率，实际上在承担问诊、问答、陪伴这些看起来没有特别高技术含量的基础事情。如果这些都让AI办了，医院就不是看病的地方，而是重症处理中心。
这是现在所有医院特别是公立医院在考虑的问题：有围墙的物理空间医院，未来能服务的地方在哪？
两种可能的方向
一种是转向需要线下的场景——治疗、康复、住院。医院比拼的是床位数，因为住院才能体现物理空间的价值。很多医院已经在做转型，设置更多需要到线下来治疗、康复、住院的场景。未来医院可能更主动与AI平台合作，实现分流后导流到线下。
另一种是AI降低医生创业门槛。过去开诊所很难——牌照申请、房租、各种成本，所以民营医院主要集中在明显能赚钱的专科：眼科、牙科、医美。这几年还有做高端妇产科、肿瘤的民营医院。
如果AI工具足够好用，想创业的医生信心会大增。执照问题已经可以解决：在咖啡馆面对面给诊断是非法行医，但如果医生面前摆一台电脑、登录互联网医疗系统再出诊断就是合法的——因为他是在那个地方执业的。
如果AI能做更多辅助工作，中国可能有更丰富的医疗供给——类似韩国、英国那样，医生自己创业做品牌，提供更好的服务，获得更多回报。
民营医院这个词可能被莆田系污名化了，但本身应该是医疗体系的补充：公立医院保基本、兜底，追求个性化和更优质服务就去民营医院。如果民营医院更丰富，加上商保，这是往前走能看到的期望的未来。
AI应配合医院而非竞争
阑夕提出务实建议：AI与医院的关系应该是配合而非竞争。 能不能做医院的AI分身？从截流变成导流。
进医院后有很多事需要跟医院打交道、是未知的：某个诊室在哪、该干嘛、分诊问题、排号问题。所有医院都把用户往小程序引，像迷你官网展示医生值班地方、擅长什么、有多少号——但用这个逻辑做很费力。
能不能直接在AI上走？我现在哪里不舒服，你给我推荐医生、为什么推荐他、哪天有号、几点来就可以。通过这种方式，AI变成医院的引流工具而非截流竞争对手。把这个事情理顺了，就好做很多。
总结：低价值门诊的释放
潘乱做总结：医院大部分时间可能在干低医疗价值的事——小病、感冒、随访、慢病复诊、开药看片子。潘乱自己确诊高血压时去三甲医院找主任医师，其实很多人都能确诊，但他要去最好的医院心里才安心。这造成资源浪费，医生也觉得"你为什么这种病找我"。
这些低价值工作撑起了医院人流，但造成资源错配。这种矛盾需要被解决——短期可能不能完全解决，但长期对整个系统是效率的极大解放。AI能把低价值门诊分出去，让医生和医院回归真正有价值的工作：确诊、治疗、研究、探索。
AI健康的最大价值，是医疗资源的普惠化第一次成为可能。应用和服务可以真正下沉，让更多人享受到。这大概就是从互联网医疗到AI健康的新供给革命。