【文/王力 编辑/吕栋】
在世界人工智能大会（WAIC 2026）上，医疗大模型依然是最受关注的赛道之一，但企业展示和讨论的重点已明显变化。
前两年，行业热衷于比较模型参数、医学考试成绩和问答准确率；如今，市场更关心AI能否进入药物研发、医院诊疗和家庭健康管理，能否连接检查、问诊、购药、支付与智能设备，并最终带来可以衡量的效率提升和成本下降。
从阿里、腾讯、蚂蚁、京东健康、字节跳动、科大讯飞、平安到华为，各家正在依据自身资源重新划分市场：阿里向生命科学和科研上游推进，腾讯试图连接模型、云和医疗产业，蚂蚁、京东、字节和平安争夺患者入口，科大讯飞深入医生工作流，华为则瞄准医院基础设施。
与此同时，晶泰科技、英矽智能等AI制药企业，以及联影智能、数坤科技等专科企业，也在寻找自己的位置。
医疗大模型由此从模型竞争转向产业能力竞争，决定下一阶段格局的，不再只是模型能否回答医学问题，而是企业能否把模型接入科研、医院和医疗服务的真实流程。
从虚拟细胞到候选药物，AI制药开始进入科研上游
与多数企业围绕AI问诊和健康管理展开竞争不同，阿里将一部分重心放在生命科学和材料研究上游。
WAIC 2026期间，阿里达摩院推出科研智能体平台“达摩灵枢”，采用“专通融合”范式，由通用大模型负责理解任务、规划流程和调用工具，领域模型负责专业计算，推动科研从“发现”走向“验证”。
其中，材料模型Elements已预测约6.8万种潜在超导材料；细胞世界模型Lingshu-Cell则用于模拟药物、基因编辑与细胞之间的相互作用，帮助科研人员在真实实验前筛选更有潜力的研究方向。虚拟细胞目前不能替代湿实验，但可以减少低价值尝试，提高前期研发效率。
相比阿里从科研平台切入，WAIC所呈现的AI制药企业更强调技术向实验和临床转化。
英矽智能在大会期间与腾讯健康达成合作，双方计划围绕生命健康专精模型、高性能计算、云端部署和商业化拓展展开探索。
英矽智能的代表性在于，其部分AI驱动候选药物已进入临床阶段，行业评价标准也因此逐渐从“模型能生成多少分子”，转向“候选药物能否进入临床”。
晶泰科技代表的是“计算设计+自动化实验”路线，将人工智能、物理模型和机器人实验平台连接起来，使计算预测更快获得实验验证。
百图生科则将AI应用扩展到蛋白质和大分子药物，深势科技通过科学计算平台、大原子模型和科研智能体连接文献、计算与实验。
这些企业的技术路径并不相同，但共同反映出一个趋势：AI制药正在从算法展示进入产业验证。
市场更关心的，不再是预测了多少靶点、生成了多少分子，而是AI能否减少无效实验、提高候选物质量、缩短研发周期，并最终推动产品进入临床前和临床研究。
腾讯连接产业，蚂蚁、京东、字节和平安争夺健康入口
如果说阿里更强调科研上游，腾讯的角色则更接近医疗AI产业的“连接器”。其核心资源并非单一的AI医生产品，而是混元大模型、腾讯云、微信生态、腾讯医典以及既有的智慧医院和医学AI能力。
在WAIC 2026期间，腾讯健康除了与AI制药公司英矽智能宣布达成深度战略合作，腾讯健康还在WAIC上展示了智能体“健康管理助手”。该产品以体检报告和检验检查报告的智能解读为基础，帮助用户动态分析健康状况、发现潜在风险并生成针对性管理计划。它并非孤立工具，而是整合了体检过程中及之后所需的多种智能功能。
腾讯的优势在于云和连接能力：医院、药企和医疗服务机构可以调用其算力、模型和工具，微信及企业微信又可以承接预约、随访、患者教育和慢病管理。与直接经营互联网医疗平台相比，腾讯更像是通过技术底座和用户生态，为医疗机构提供一套可组合的AI能力。
蚂蚁集团方，旗下“阿福”已经从健康问答延伸至报告解读、在线问诊、预约挂号和医保支付，并连接医院和真人医生资源。其产品设计强调“医生AI分身”和真人医生复核，由AI承担信息收集、初步分析和高频沟通，医生负责关键判断。
蚂蚁还在接入血压计、血糖仪、体脂秤和可穿戴设备，希望将低频就医转化为持续健康管理。
京东健康的差异化能力则是“医、检、诊、药”的履约网络。AI医生“大为”基于“京医千询”医疗大模型，可以承接健康咨询，并进一步连接在线问诊、到家检测、护士上门和药品配送；面向医生端，京东还推出循证医学AI产品“京东知医”。相比单纯提供答案，京东更希望把一次AI咨询转化为后续检测、诊疗和购药服务。
平安则把医疗AI嵌入保险和企业健康管理。“平安智享家医”采用AI即时响应与真人医生监督结合的方式，并形成AI医生、中医、营养、慢病、重疾和健身等智能体矩阵。它更关注AI能否降低单次服务成本、提高客户使用频率，并通过长期健康管理改善保险客户的风险状况。
字节跳动旗下小荷健康在2026世界人工智能大会浦江医学人工智能论坛期间，联合多位院士与全国数十位临床学科带头人，正式发布了国内首个聚焦疑难病例的医疗大模型评测基准MedXIAOHE 1.0。这套评测体系依托字节跳动自研的医疗大模型技术底座搭建。小荷健康的核心业务逻辑，是依托抖音生态的权威医疗科普内容完成用户触达，再通过线上AI医疗助手承接健康咨询需求，最终联动线下实体门诊完成重症、面诊类服务的全链路闭环。
几家公司的共同目标都是家庭健康入口，但商业路径不同：腾讯卖能力和连接，蚂蚁整合服务与支付，京东依靠医疗和药品履约，字节依托内容流量，平安则用保险客户和企业客户承接AI服务。患者端的竞争，已经从“谁能回答问题”转向“谁能继续完成服务”。
医院成为第二战场，竞争从助手走向AI底座
在医院端，医疗大模型最先改变的并不是最终诊断，而是医生每天面对的大量信息处理和重复劳动。
科大讯飞的智医助理可以在诊前整理健康档案，诊中辅助生成病历、提示诊疗要点，诊后完成随访。其星火医疗大模型可辅助识别数千种疾病，已进入基层医疗和医院工作流程。讯飞并不强调让AI独立诊断，而是把重点放在病历书写、知识检索、风险提示和慢病随访等高频任务。
这类应用看似不如“超级AI医生”吸引眼球，却更容易产生可以衡量的价值。医院可以观察医生书写病历的时间是否减少、病历质量是否提高、随访覆盖率是否改善，也能够把医生从部分重复性工作中释放出来。
华为走的是另一条路线。大型医院内部通常同时存在电子病历、影像AI、病理系统、科研平台、智能客服和运营系统，数据、算力和模型相互分散。华为更希望提供统一的算力、数据、模型和智能体平台，让医院及合作伙伴在同一底座上开发临床助手、科研工具和管理应用。本届WAIC期间，华为与瑞金医院联合研发的RuiPath瑞智病理大模型展示最新临床成果——这一临床级多模态病理大模型基于百万张数字病理切片和报告数据，采用华为昇腾算力进行训练。
腾讯与华为在医院市场存在一定重叠，但侧重点不同。华为更强调算力、硬件和医院级平台，腾讯则倾向于通过云、混元模型、微信生态和行业合作连接医院、医生与患者。
传统医疗信息化企业同样不会因大模型而退场。卫宁健康、东软、万达信息、创业慧康等长期掌握HIS、电子病历、医保结算和医院运营系统接口，对科室流程和项目交付更为熟悉。在WAIC的产业合作论坛上，多家医疗IT企业与AI公司探讨了合作路径——大模型公司拥有技术能力，IT企业拥有进入医院的通道，合作比直接竞争更常见。
联影智能、推想医疗、数坤科技、深睿医疗等影像与专科AI企业也拥有独立价值。
本届WAIC上，联影智能正式发布“元医院”战略——一种大模型全面驱动的全院级、数智化医院新模式。展会期间，联影智能还展出了全球首发的阿尔茨海默病多模态早筛助手，目前已推出100余个AI应用，落地全球超4000家医院。
通用大模型擅长对话、总结、检索和任务编排，但病灶识别、器官分割、影像定量分析仍需要专业模型和经过验证的临床数据。未来更可能出现的模式，是大模型作为统一交互入口，根据医生指令调用影像、病理、检验和专科模型，而不是一个通用模型包办所有诊疗任务。
“超级AI医生”尚远，行业进入价值兑现期
“AI医生”“家庭医生”正成为医疗大模型最常见的产品标签，但从实际落地看，企业并未真正把诊疗决策权交给模型，反而不断强化真人医生、循证规则和医疗机构的责任边界。
蚂蚁设置医生复核，平安坚持医生最终审核，科大讯飞强调AI仅提供辅助依据，京东以循证路径和质检规则约束输出，腾讯则依托医学知识库、健康管理助手及医院、药企合作，将大模型嵌入既有医疗服务体系。表面上，各家都在推出“AI医生”；实际上，它们建设的是由模型承担信息处理、医生保留最终判断的人机协同机制。
这种趋同并非技术保守，而是由医疗场景的风险结构决定。诊断不是一次孤立的知识问答，而是建立在病史、体检、检验影像、动态观察和医生经验之上的连续决策。大模型即使在标准化测试中取得较高分数，也可能因患者信息不完整、症状重叠、罕见病例不足或训练数据偏差，给出逻辑通顺却不适用于具体患者的结论。
因此，“超级AI医生”短期内难以替代真人医生，障碍不仅在于模型能力，更在于责任体系尚未成熟。患者信息由谁确认，模型建议由谁审核，偏差如何追溯，医院、医生、平台和技术公司如何分担责任，这些问题远比提升准确率复杂。数据隐私、算法可解释性、医疗器械监管和医生执业边界，也决定了医疗AI不能照搬消费互联网“先上线、再迭代”的扩张模式。
相比直接替代医生，更现实的路径是重新分配医疗流程中的任务。大模型可优先承担标准化程度高、信息密集但风险相对可控的工作：科研端辅助文献梳理、实验设计和候选物筛选；医院端支持病历生成、知识检索、质量控制、患者分层和随访；患者端完成报告解读、健康教育、复诊提醒与服务分流。其核心价值不是模拟一个无所不能的医生，而是降低信息处理成本，扩大优质医疗能力的覆盖，并让医生将更多时间投入复杂判断与患者沟通。
在安永大中华区咨询服务主管合伙人吴晓颖看来，医疗AI正在从“技术验证”进入“价值验证”。企业高层不再满足于模型准确率和展示效果，而是追问AI改善了哪些临床与经营指标，医生是否愿意持续使用，项目能否规模化复制，风险能否被识别和管理。医疗AI的价值也不能只看降本增效，还要同时衡量临床质量、医生体验、患者安全和风险成本。
这意味着，下一阶段不再是单一模型之间的较量，而是医疗能力体系之间的竞争。
高质量数据决定模型上限，医院和医生渠道决定产品能否进入临床，患者入口与履约网络决定咨询能否转化为后续服务，治理和责任机制则决定产品能够走多远。随着基础模型逐渐趋同，真正稀缺的将不是“最像医生的模型”，而是把模型嵌入真实医疗流程，并持续创造可验证、可复制、可负责价值的产业能力。