AI醫療賽道擠滿互聯網大廠

中國互聯網巨頭正全面搶進AI醫療賽道，百度、阿里巴巴與騰訊紛紛投入大量資源，試圖將大語言模型與生成式AI技術深植於臨床決策、藥物研發以及醫院管理等核心環節。這些企業過去十年雖然在線上醫療平台累積了可觀的流量與用戶，卻始終面臨獲利模式不明朗、消費者信賴度不足等難題。如今，生成式AI的出現被視為突破困境的關鍵，業者期望透過更精準的診斷輔助、自動化流程與智慧化決策，不僅提升醫療效率，也建立更穩固的商業模式。 百度在AI醫療領域的布局由來已久，其依託於搜索引擎累積的海量醫療數據與自然語言處理技術，將大模型應用於智能問診、醫學知識庫建構與臨床輔助決策。百度旗下相關團隊近期持續推動醫療大模型的迭代，試圖讓AI能夠理解患者症狀描述並給出初步建議，進而減輕醫生負擔。同時，百度也與多家醫療機構合作，透過實際臨床場景驗證模型效果，逐步累積信任度。 阿里巴巴則透過阿里健康平台整合AI技術，從線上藥品銷售與健康管理服務延伸至智慧醫院解決方案。阿里雲的算力支撐與數據分析能力，成為其在藥物研發環節發力的重要基礎。阿里巴巴的生成式AI模型被用來加速分子篩選、模擬藥物作用機制，並嘗試優化臨床試驗設計。此外，阿里健康也開發了基於AI的病歷摘要生成工具，幫助醫護人員快速整理患者資訊，減少文書工作時間。 騰訊則以社交生態與醫療影像AI為主要切入點。騰訊覓影長期專注於醫學影像分析，如今更進一步結合大語言模型，提升病灶辨識的準確率與解釋能力。騰訊亦將AI技術融入微信與企業微信等平台，透過聊天機器人提供健康諮詢與掛號引導，串聯患者與醫療機構。騰訊雲的健康大數據平台也持續深化，為醫院管理與公共衛生決策提供智慧化支撐。 儘管三巨頭在技術與資源上各有優勢，但過去十年線上醫療平台未能解決的核心問題——獲利困難與信任不足——仍是新一輪AI醫療布局的隱憂。過去線上問診、藥品電商等模式雖然帶來流量，卻難以轉化為穩定收益，消費者對於醫療品質與數據安全的疑慮也始終存在。生成式AI的出現雖帶來轉機，但若無法建立明確的服務定價與保險給付機制，盈利模式依舊模糊。 在信任層面，AI診斷的準確性與責任歸屬成為關鍵。業內普遍認為，生成式AI應用於醫療場景時，必須經過嚴謹的臨床驗證與監管審批，否則一旦發生誤診或建議錯誤，責任歸屬將引發爭議。目前中國針對AI醫療的法規框架仍在逐步完善中，國家藥品監督管理局與衛健委等部門已出台相關指導原則，但具體審批標準與上市後監管細則仍有待明確。 數據隱私保護是另一個懸而未決的挑戰。醫療數據涉及患者高度敏感的個人資訊，而大語言模型的訓練需要大量真實病例，如何在確保合規的前提下獲取與使用數據，是業者必須跨越的障礙。目前中國《個人信息保護法》與《數據安全法》對醫療數據的收集、儲存與跨境傳輸有嚴格限制，企業需投入大量資源建立合規體系，否則可能面臨法律風險。 此外，AI技術在醫院管理中的應用雖然能提升效率，例如自動排程、病歷質控、資源調配等，但醫護人員的接受度與系統整合的複雜度都是現實挑戰。部分醫院資訊系統老舊，缺乏標準化接口，導致AI工具導入週期長、成本高。互聯網大廠需要與醫院深度合作，共同設計符合臨床流程的解決方案，才能避免技術淪為空中樓閣。 生成式AI在藥物研發領域的潛力同樣備受關注，從靶點發現到臨床試驗設計，AI模型能大幅縮短研發週期並降低失敗率。然而，藥物研發的監管嚴格，AI預測結果往往需要額外實驗驗證，短期內難以完全取代傳統流程。互聯網大廠多與藥企建立合作，試圖透過聯合研發累積經驗，為後續商業化鋪路。 業界普遍抱持審慎樂觀的態度。儘管技術本身不斷進步，但AI醫療的成功落地最終取決於監管標準是否明確、產品實際效果是否經得起臨床考驗，以及能否建立可持續的商業模式。目前百度、阿里巴巴與騰訊都在積極參與行業標準制定，希望透過示範項目推動政策鬆綁與市場認可。 值得注意的是，中小型新創公司在AI醫療賽道上同樣活躍，與互聯網大廠形成既競爭又合作的關係。大廠的優勢在於資金、算力與生態整合能力，而新創則聚焦於特定專科或細分領域的技術突破。市場預期未來幾年將出現更多併購與戰略合作，加速AI醫療從概念驗證走向規模化應用。 整體而言，中國互聯網大廠正以全面進攻的姿態投入AI醫療，從底層大模型到應用場景皆不遺餘力。生成式AI確實為這個長期缺乏突破的領域帶來了全新想像，但技術之外的政策、倫理與商業現實仍是決定成敗的關鍵因素。究竟誰能在這波浪潮中真正站穩腳步，還有待時間與市場的檢驗。