6 月，一家头部制药公司迎来了几位客人，他们带着基于某大厂模型能力打造的“半成品”系统而来，希望利用该厂商提供的用户数据作为“敲门砖”，达成初步合作。
会议室的空调无法驱散盛夏的暑气和湿热，经过长达数小时的焦灼磋商，这家制药公司最终仅以 4 角/人的价格购买了该集团名下某款药品的相关数据，并承诺会在区域内试用“附加”的大模型产品。
“如果是大厂自己来谈，这单可能下不来”，市场部领导李学勤（化名）简单估算了一下成本，决定维护好与这家制药公司的 BD 关系，争取在产研团队研发出模型产品之前将这个客户彻底拿下。
这仅仅是时下垂直大模型“火热落地”的冰山一角。李学勤告诉光子星球，自去年下半年起，便有多家大厂的互联网医疗品牌与他们接触，希望通过他们的渠道将模型能力推销出去。
互联网医疗的“边缘资产”被激活
当腾讯、字节跳动、百度等厂商在 2020 年这个节点，各自推出自己的互联网医疗品牌时，估计其未曾料到这条赛道会在短短几年内经历如此跌宕起伏。
截至 7 月 5 日，过去市值一度高达数千亿的阿里健康与京东健康的市值总计分别为 514.94 亿、674.57 亿。互联网医疗的高估值神话破灭，能够销售药品的企业勉强守住了品牌，无法销售药品的只能暂时边缘化。
然而在大模型这股东风的吹拂下，这些边缘资产有了被激活的迹象。
转向 to B
众所周知，互联网医疗的爆发起始于三年特殊时期，用户对于求医问药的需求激增。彼时公立医院通常负载较重，而互联网也需要进一步增长的新领域，二者一拍即合。
然而随着时间推移，线上问诊逐渐被认为是一种“痒点”。
需知随三年“黑天鹅”同步进展的是用户对日常疾病认知的深入，通常的小病小痛已无需求医，公开数据显示居民健康素养已自 2012 年的 8.8% 提高至 2022 年的 27.78%。至于需求仍然旺盛的重病慢病管理需求，线上问诊则显得“有心无力”。
需求不断被证伪，导致商业模式始终跑得磕磕绊绊，问诊与医疗管理难以触达用户，“以医疗之名，行卖药之实”便成为唯一可行的选项。以阿里健康为例，截至 2022 年 9 月 30 日止六个月，其收入为 115 亿元，其中来自医药电商的营收占比近 88%。
即便如此，过于依赖既有零售体系，以及医药流通偏重即时性的特点，仍然限制了互联网医疗讲出新故事的可能。
以抖音旗下的互联网医疗品牌“小荷”为例，在缺乏配送能力与网售资质的情况下，其于 2022 年试图建立“线上问诊——线下转化”的商业链条。然而缺少价格补助的线上诊疗往往相较线下三甲医院挂号更贵，流量也未能帮助小荷走出“O2O 医疗”的困局，to C 的小荷健康 App 已于去年初关停。
不过，缺少了“黑天鹅”对互联网医疗的价值催化，一度在内部被认为是创新业务的 to B 方向却顽强地撑过了互联网医疗的寒冬，最终拿到了进入大模型时代的船票。
“To C 方向的诊疗、药品销售与重/慢病管理等业务，用互联网思维很难做成，因为找不到明确、稳定的支付方。相比之下，B 端无论是药店、诊所还是医院，用户支付的集中度都高得多”，一位接近一心堂的人士表示。
有趣的是，恰恰是医疗电商对药品流通的冲击，倒逼线下流通的多个环节如药店、诊所等以及制药企业加码数字化。另一方面，医药线下零售也让追求透明高效与轻资产的互联网企业望而却步，即使是互联网视域下最“重”的京东，其线下自营药店的门店数量也未能超出 200 家，与大型药店连锁动辄“万店”相形见绌。
大模型在医疗中的应用：机遇与挑战
我们自某华南地区的医药 SaaS 企业处了解到，自去年中起，已有包括抖音小荷、腾讯医典、百度健康等互联网医疗品牌与之接触，希望借这些“中间人”啃下国内药店数字化的新蛋糕，其中抖音小荷更是早已与之有过线上导流相关的合作。
据国家药监局统计数据，截至 2022 年 12 月，全国药店数量合计已达到 62.3 万家。据我们了解到的单位药店数字化系统单价 300 元/年来计算，这条 B2B2C 的赛道俨然逐渐成长为十亿乃至百亿级。
何况在这次数字化浪潮中，还增加了大模型这个新变量。
医疗大模型不赚钱？
作为典型的高人效比行业，在人工智能向垂直领域进发的征途中，医疗一直是所有玩家都高度关注的赛道。
早在上一轮互联网医疗概念爆发时，AI 诊疗便成为发力 AI 的互联网厂商的新故事。就算 2022 年推出的，首个针对互联网医疗的文件《互联网诊疗监管细则(试行)》划定了禁止 AI 替代医师接诊的“红线”，行业还是借“辅诊”之名保留了一定 AI 提效的空间。
也就是说，医疗行业对 AI 并不陌生，甚至现实情况是，医疗相关的不同产业角色都在试图拥抱 AI。不过自近一年的实际应用看，大模型并未对过去的医疗 AI 带来本质上的提升。
光子星球了解到，诊疗作为 AI 切入医疗场景的“排头兵”，大模型对其性能提升并不大，过去 AI 诊疗与辅诊的问题仍悬而未决——并不是 AI 能力不足，而是用户“能力不足”。
“假如一位感冒患者求医，AI 诊疗需要他输入自己的具体症状来‘对症下药’，但患者往往连症状都描述不清楚。一旦输入有偏差，AI 生成的内容偏差会更大”。一位东南地区疾控中心主任表示，“鼻涕状态、舌苔状态、发热畏寒等等，任何错误都可能导致误诊。”
于专业人士而言，AI 辅诊的能力他们看不上。但从业者素质相对偏低的药店药师，却又缺乏对 AI 辅诊生成内容的判断能力。因此，与诊疗相关的内容，自始至终是医疗 AI 中落地情况最不乐观的一种。
不过，除 AI 诊疗、辅诊以及自此衍生的用药方案之外，AI 大模型的提效正逐渐得以验证。
据悉，东南地区两家医科大附院便早在去年便采购了文心一言大模型，用来“写材料和研究申请、跟进研究项目动向以及商标设计”。“我们医科大的二附院，在今年初因为大家用得太疯狂，还让领导注意到了。后来他们就被禁止使用大模型了，理由是‘学术不端’”，一附院的一位主任医师调侃道。
也就是说，以医院医生为代表的使用群体将大模型聚焦在科研以及考评评审中，在用户画像与使用目的上，与高校高度重合。不可否认这些需求即使在垂直行业视域下也相对小众，商业化价值也不算高，但需求确认且集中，不失为是一个合适的小规格产品的落地思路。
相对而言，更具商业化空间的是连锁药企。不似前述疾控中心一般，有基于全国调研的疾病预防管控数据作为支撑，这些零售巨头往往呈现高度区域化，包括库存药品 SKU、门店分布、数据来源等方面。这意味着更进一步的市场拓展缺乏相关数据支撑，药品采买与供应同样是两眼一抹黑。
而基于向量数据库的 AI 能力可以打造药品信息大脑，在相对宽泛的现行药品标准的基础上提高颗粒度与精确性，同时基于上下文理解来区分药品描述中难以避免的同义多样表达问题，为药店的库存管理提效。“好比同样是感冒药，中成药与西药的症状描述相似，大模型可以帮我们快速区分并落在 SKU 管理上”，李学勤表示。
在人口老龄化以及慢性病年轻化的当下，以数字人为触达媒介的智能药事管理与重、慢病管理同样值得注意。相比隔壁电商的数字人主播，医疗数字人需要在适老性与专业能力上下更多功夫。
经初步验证的产品方向已有许多，不过就目前而言，大模型于医疗相关行业的应用还处于产品化的初期。套用一位医疗大模型 BD 的原话是：“能赚钱的（地方）用不上，不赚钱的倒是挺好用”。
信任危机下的中间商
每个大模型都想拥抱千行百业，分发是第一道坎。
随着腾讯与字节两个移动互联网的流量捕手，分别推出了自家的 AI 智能体开发助手，依附于不同生态的分发权之争已现雏形。然而这局限于流量的明争暗斗，对“大模型进入千行百业”而言，聊胜于无。
场景多寡与使用频率是造成这一局面的直接原因。一个 AI 开发应用的社群可以轻松拉出数十上百个 500 人的微信群，其对大模型的访问与开发调用更是另一个数量级。而面向企业侧，尤其是大型企事业单位的模型能力与服务却少有被采买。
除了相对偏向 C 端语境的教育业务外，大模型对医疗、法律、工业等社会财富集中的行业的渗透都不尽如人意，尤其是在人效与数据价值较高的领域。除了老生常谈的大模型“幻觉”与“黑箱”等问题外，信息安全与信息自主成为老板们担忧的首要问题。
以医疗行业为例，一家大型连锁药店的一把手就曾在一次讨论上表达了自己对互联网行业的不信任，大致意思是：“美团京东做即时零售是来抢食，腾讯阿里做大模型是来偷数据”。
垂直领域的龙头企业最担忧的是，自己用了大模型，把积累的数据资产交给云厂商，这部分数据以及精调的模型会不会被厂商多次销售。
不容置喙的现实是，李学勤之所以能与前文提到的制药公司达成初步合作，关键在于源自大厂的用户数据这块“敲门砖”。
既然数据倒卖已然是行业内“不能说的秘密”，而且前文已述连锁药企与诊所等医疗组织呈高度区域性，而数据则是消弭区域性的关键。那么，模型服务商难以深入医疗行业也就不奇怪了。
信任危机下，大模型赛道中的云厂商玩家开始为自己“找代理”，希望让更贴近垂直行业的 SaaS 企业做那个触达大型企业的“中间人”。与此同时，这些行业中不甘于为模型厂商掣肘的企业与组织也开始捣鼓自己的大模型，如中医爱好者耳熟能详的“问止中医”、智云健康的 ClouDGPT 与叮当健康的 HealthGPT 等。
一条不算大的赛道，短短一年多时间内便被大厂、医疗 SaaS 企业、制药企业等包了个圆。甚至有大厂为了抢夺“中间商”的份额，在报价单上明明白白地为三家大厂互联网医疗比价。
至于价格之外的竞争，大厂的优势在于内部生态的打通与搜索流量，而药企、连锁药店等医疗 AI 新势力的优势则在于聚焦与灵活性。
随着医疗 AI 的 B2B2C 的链条逐渐打通，沉寂许久的互联网医疗终于迎来了大模型的新故事。终于，互联网医疗不止于卖药了。
