1.5億人在向它問診,它還沒賺到一分錢

螞蟻集團旗下的AI健康助手「螞蟻阿福」近日更新了用戶數據,累計服務人數已正式突破1.5億大關。這款以人工智慧對話方式提供問診、用藥建議與健康管理服務的產品,自推出以來便快速吸引大量使用者,近期更在App首頁新增健康板塊入口,將相關服務提升至更顯眼的位置,儼然成為中國民眾日常健康諮詢的重要門戶。然而,驚人的用戶規模背後,卻始終未能轉化為實質收益——螞蟻阿福至今尚未實現盈利,這也凸顯出AI醫療應用在商業模式上面臨的現實困境。從更宏觀的產業格局來看,AI醫療「叫好不叫座」並非單一平台的現象。
根據京東健康、平安好醫生等主要業者公布的2026年中期報告,即便經歷多年布局與用戶累積,多數平台仍處於虧損狀態。營收增長與成本控制之間的平衡點,至今仍找不到穩定解方。尤其AI問診涉及技術研發、醫療資料合規、專業人員審核等高額投入,短期內難以單靠問診流量變現,業者仍在摸索可行的營利模式。螞蟻阿福的成長軌跡相當驚人。從最初僅提供簡單的症狀查詢,到如今能針對常見疾病給出用藥建議、健康管理提醒,甚至串接部分醫療機構的掛號服務,這款產品的功能不斷擴充。用戶只要在對話框輸入自己的不適狀況,系統就會透過自然語言處理與醫療知識庫比對,給出相對應的建議。
這樣的便利性讓它快速累積口碑,尤其在工作忙碌、不願為小病跑醫院的年輕族群中,使用率相當高。然而,龐大的流量並沒有直接帶來獲利。目前螞蟻阿福的主要服務仍是免費提供,僅有少數進階功能或藥品購買連結可能產生收入,但相較於高昂的運維成本,簡直杯水車薪。AI模型的訓練需要大量高品質醫療數據,背後還得聘請醫師團隊進行標註與審核,以確保建議的準確性與安全性。此外,醫療資訊的儲存與傳輸必須符合嚴格的個資保護法規,這也增加了合規成本。這些因素都使得獲利門檻居高不下。政策層面近年則持續為這項新興應用鋪路。
2025年10月,國家衛生健康委等五部門聯合發布《關於促進和規範「人工智能+醫療衛生」應用發展的實施意見》,明確提出推動AI與醫療深度融合的同時,也強調安全規範、資料治理與責任歸屬,為產業畫定發展框架。這份文件對業者而言既是機會也是挑戰:機會在於官方正式承認AI醫療的合法地位,挑戰則在於合規要求可能進一步拉高營運成本。2026年9月,國家醫療保障局在「十五五」開局記者會上,針對醫保高品質發展提出方向。外界高度關注AI問診服務能否納入未來的醫療保障體系,這可能成為解開產業盈利難題的關鍵契機。一旦AI問診被納入醫保給付範圍,平台即可向保險機構請領費用,形成穩定收入來源。
目前包括螞蟻阿福在內的多家業者,都在積極參與相關試點計畫,爭取成為第一批獲得醫保資格的AI醫療平台。不過,將AI問診納入醫保並非易事。醫保系統向來以嚴謹著稱,對服務的療效、安全性、成本效益都有嚴格評估。AI對話是否能達到與真人醫師同等的診斷水準?出現誤診時責任如何歸屬?這些問題都需要更長時間的數據積累與法規釐清。國家衛健委的實施意見雖然提供了基本框架,但細則仍未完全落地,業者在實際操作上仍有許多模糊地帶。產業人士分析,AI醫療真正要走出虧損泥淖,可能需要三到五年的時間。短期內,平台必須設法降低獲客成本、提高用戶黏著度,並探索藥品電商、健康保險、企業健康管理等多元變現路徑。
以螞蟻阿福為例,它背後有螞蟻集團的龐大生態系支撐,未來或許能與支付寶的醫療保險、醫療金融服務深度串接,創造更多營收想像空間。但對於用戶而言,最關心的始終是服務品質。1.5億人曾經向螞蟻阿福問診,這個數字代表著極高的信任。如果平台因為急於變現而降低服務標準,或是過度推銷藥品與保險,反而可能傷害好不容易建立的口碑。如何在商業利益與用戶體驗之間取得平衡,是所有AI醫療平台必須面對的考題。從更宏觀的視角來看,AI醫療的發展已經進入「從量變到質變」的關鍵階段。用戶規模不再是唯一指標,能否找到可持續的商業模式,才是決定這項技術能否真正落地、服務更多人的根本。對於坐擁1.
5億用戶的螞蟻阿福而言,政策紅利與商業變現之間如何銜接,將決定這款明星產品能否真正走完「最後一哩路」。而這場實驗的結果,也將為整個AI醫療產業提供重要的參考樣本。
Related
相關文章

候選人被截胡、崗位長期空缺:AI製藥挖不來的大牛,長什麼樣?
AI製藥領域正陷入一場人才爭奪戰,但許多企業發現,真正頂尖的跨領域人才極難網羅,甚至常出現候選人即將入職卻被競爭對手「截胡」的窘境。這類職位往往一掛就是數月,團隊擴張進度嚴重落後於技術研發的節奏。業界普遍困惑:這些讓AI製藥公司求而不得的「大牛」,究竟是什麼模樣? 實際上,他們並非單一領域的專家,而是兼具深度與廣度的「異類」。

單季9.06億美元服務收入,達芬奇靠AI變現
直覺外科旗下達文西手術系統靠AI技術商業化,單季服務收入達9.06億美元,主要來自耗材、軟體更新與遠端維護。然而台灣與中國大陸仍處技術導入與法規驗證階段,短期內難以複製此變現模式。
VeriSim壓測真實問診噪聲
VeriSim壓測真實問診噪聲。 研究團隊發佈 醫療壓測框架,模擬真實患者表達裡的六類噪聲。七個開源模型的診斷準確率下降 15至25點 🏥,對話長度也增加34%至55%。臨床AI不能只刷乾淨題面。

AI輔助治好癌症?我們離真正實現長壽還有多遠
近年來,人工智慧在醫療領域的應用逐漸從實驗室走向臨床,尤其在癌症治療方面,AI輔助診斷、藥物研發與個人化治療方案已成為熱門話題。不少人開始追問:AI是否真的能幫助人類戰勝癌症?如果連癌症都能被攻克,我們距離真正實現長壽的目標又還有多遠? 從技術層面來看,AI在癌症早期篩查上的表現已經相當亮眼。透過深度學習模型分析醫學影像,AI能夠在肉眼難以察覺的階段識別出微小腫瘤,降低誤診與漏診的風險。部分研究顯示,AI在判讀乳癌、肺癌等常見癌症的準確率已經接近甚至超越資深放射科醫師。