过去两年，医疗AI是最热闹的赛道之一。甲子光年预测，2025年中国AI医疗市场规模将达1157亿元，2028年有望攀升至1598亿元。亿欧智库的统计显示：到2025年5月，国内累计发布的医疗大模型已经有288个，光当年就新增133个。

但如果给很多医疗AI写一句评语，大概是：考场上的优等生，诊室里的迟到生。模型在榜单上拿高分容易，在临床上真正帮上忙难。

你跟它聊症状，它回你一段科普，末尾通常跟着一句“建议及时就医”。可真走到这一步，麻烦才刚开始：它说建议就医，却帮你挂不上号；它提示血糖偏高，却接不上监测、复诊和用药。模型会答题，不等于能治病；能生成内容，不等于能交付结果。

克里斯坦森在《创新者的窘境》中写道：“真正的创新，不是技术多炫酷，而是能否解决真实世界的难题。”医疗AI的下半场真正的考题，是从“能答题”到“能办事”，三个关键转向正在发生。

医疗AI下半场，拼的不是问答，是执行

第一个转向，是从“问答模型”到“执行级模型”，不仅能“聊天”，更能“干活”。

为什么会这样？因为医疗这行，出错是要命的。人民网之前有篇报道提到，已经有企业把医疗大模型的“幻觉”压到1%左右；但复旦大学2024年的Med-HallMark基准研究发现，哪怕在最客观的医疗影像上，当前多模态大模型仍有约30%的幻觉。麻省理工科技评论测得更扎心：GPT-4在有选项时诊断准确率能到82%，换成开放诊断，一下子掉到49%以下。

换句话说，考场优等生，未必问得清一段真实病史。所以下一代医疗AI的重点，不再是“生成得多漂亮”，而是“执行得多靠谱”：把临床指南变成能跑、能查、能溯源的代码，把长流程任务交给模型一路干下去。

京医千询3.0走的就是这个路线。据京东健康披露，它靠三件事完成了从“给答案”到“干任务”的跨越：原生3D影像理解，学着像医生一样翻片；MedCode把临床指南转成可执行、可校验的代码，每一条结论都能追到根上；长程任务协作，能跨步骤调用工具，把多学科会诊、论文写作这类复杂活连续干完。几项医学评测里，正高职称考试十门平均72.3分，HealthBench Hard 50.6，3D影像评测准确率82%，论文一次生成无差错率99%。

可校验、可溯源，正在从“加分项”变成临床的“刚需”。医生需要的，是一台能讲清楚“我为什么这么判断”的机器。毕竟在诊室里，一句没有出处的诊断，再流畅也换不来信任。

医疗AI越做越“重”，京东健康越有优势

第二个转向，是从单点工具，到全流程智能，诊前到诊中再到诊后服务不能有断点。

过去几年的医疗AI，多少有点“碎片化”：这个做预问诊，那个做报告解读，还有一个管随访提醒，彼此各说各话。用户感觉就是：每个环节都有人递工具，却没人替最后的结果负责。

判断一个智能体够不够“智能”，标准其实很简单：它能不能把任务一路流转下去。京东健康最新发布的行业首个全智能名医智能体，就是这样：你输进症状、病史、检查报告，它先把信息结构化、生成病情摘要，再按风险等级分流，轻的走智能体，重的转专家线上问诊，高危的直接提醒你马上就医。进去之后，病情分析、报告解读、就医建议、康复随访一条龙；到了医生那一头，它又变成辅诊助手，补病情、给鉴别诊断、预警用药风险，但拍板的还是医生。

北京安定医院李占江教授在发布现场给了三个词：“可用、好用、敢用。”就这六个字，基本就是医疗AI能不能真进诊室的门槛。据披露，京东健康的医生专家智能体已经超过3500个，覆盖400多家三甲医院，好评率96%以上。

这些数据只是表象，背后的共建逻辑更值得关注：把顶级专家的诊疗思路、说话方式、服务标准，沉淀成模型能迭代的能力。医疗AI最稀缺的，是那种带专家标注、多模态、真刀真枪的诊疗数据，算力反倒没那么稀缺，这也是为什么“百模大战”里不少模型，一进基层和专科就水土不服。说到底，顶级专家的诊疗经验，没法靠公开数据堆出来，只能一家家医院、一个个科室去共建。

模型是基础，履约能力很难被跨越

第三个转向，也是最容易被忽略的那个：从纯软件，走向“AI+硬件+服务”。

光靠一个大模型，解决不了医疗的全部问题。健康管理的链路其实是：感知（硬件采数据）→分析（AI判断）→履约（问诊、设备、药品、上门）。哪一环断了，“交付结果”四个字就是空话。

这恰恰是京东健康的独有的打法和商业基因。作为国内规模最大的医药零售和互联网医疗的平台，它的独特之处，是从场景里打磨技术：互联网医院里打磨问诊能力，三甲医院共建里打磨专科模型，基层需求里打磨普惠工具。比如，京东知医攒了超5000万份医学文献，服务过全国超百万医生，辅助诊疗决策超2000万次；京东健康把APP定位成“国民首席AI健康管家”，把血糖仪、血压计的数据收进个人健康档案，再联动在线问诊、到家快检、护士上门。会上，京东健康还和鱼跃、欧姆龙、瑞思迈、可孚、硅基动感、新华医疗签了AI+医疗器械的战略合作。

有两个数字令人印象深刻：AI医生“大为”的用户数同比涨了5倍，其中16.77%的咨询发生在凌晨，55.69%来自三线以下城市。AI补上的，是传统医疗最难覆盖的两块空白：时间和地域。在温州医科大学附属第一医院，AI哨点系统已经覆盖超245万人次的到院患者，对体重和代谢风险人群自动识别、分层；呼吸专科大模型在门诊试点里，病历辅助生成的幻觉率低于1%，临床医生直接采纳率75%。京东卓医在温医大附一院的门诊AI服务超过910万人次，营养师效率提升50%。供应链那一层，网络覆盖全国百万个自然村庄，县域当日达或次日达覆盖率87.1%。

还有一个画面更是打动人：一位慢阻肺合并心梗的老人，出院时血氧只有90%。通过互联网医院视频问诊，第二天呼吸机就送到了家，护士上门调试，数据实时同步，医生动态调整方案。中日友好医院林江涛教授说，慢阻肺患者出院后的长期管理一直是个大难题，现在靠数据回传和远程问诊，医生从被动等患者复诊，变成了主动按数据调方案。

数据本身不会治病，“数据+服务”才会。这也解释了为什么纯软件公司做医疗AI普遍吃力，因为模型能算出风险，但算不出一个能到家的呼吸机。医疗AI的最后一公里不是算法，是履约。

后记：医疗AI的真正护城河

把这三个转向连起来看，医疗AI下半场的转向路径已经很清晰：从“给建议”到“交结果”，从“屏幕里的工具”到“身边的服务”。

说得更直白一点，医疗AI转向的终点只有一个：落地。

医疗AI好不好，最终不是看发布会上的演示，就看它能不能真正解决痛点：病人看病方不方便，医生诊疗省不省力，医疗机构运转高不高效。

“落地”两个字，说起来轻巧，做起来却很难。把AI、硬件和供应链打造成闭环，是典型的重资产、长周期的事，注定只有极少数公司能走通。

京东健康走的就是这条路，它的差异化底牌是“AI+供应链”。很多公司只有大模型，没有硬件生态，没有履约供应链，京东健康的独特之处在于不仅 AI来自于真实医疗场景，分析得靠谱，而且分析完之后，有链路把服务落地：处方有药房配送，监测有硬件生态，出院有护士上门、随访不断线，服务一路落到家庭、基层、院外。

模型可以被追赶，但供应链的护城河很难在短时间内跨越。医疗AI是一场马拉松，不是百米冲刺。今天发布会上的“第一”，五年后回头看，可能只是起跑线上的一次站位。真正值得观察的，是谁的AI能持续解决问题，能真正落地到最后一公里。

AI不应该是流量入口，而是真正能解决用户和医生问题的伙伴。它不应追求短期流量的喧嚣，而要扎根真实医疗场景，做医生的得力帮手，做老百姓触手可及的健康支撑，这才是医疗本身的初心。