2026 年的医疗 AI,已经不能用“一个赛道”来概括。同样宣称做医疗大模型的公司,有的在卖 API,有的在卖医生工具,有的在卖员工的健康管理方案。

这三种生意看起来都和技术有关,实际上客户、收入结构与壁垒完全不同。分不清这一点,就很容易用一把尺子量所有人。
一、三条路线的分野
| 路线 | 卖什么 | 客户 | 核心壁垒 | 收入形态 |
|---|---|---|---|---|
| 通用大模型 | 能力与入口 | 个人用户、开发者 | 模型与分发 | 订阅、API |
| 垂类模型 | 专业判断工具 | 医院、医生、药企 | 证据库与工作流 | 授权、项目 |
| 行业服务模型 | 可交付的健康结果 | 企业、保险、硬件 | 服务网络与数据 | 按人头、按效果 |
这张表说明一件事:三条路线的竞争维度不同。通用拼参数与流量,垂类拼证据与渠道,服务拼组织与耐心。
三条路线最容易被混淆的地方,是它们都会演示“问诊”。但演示相同不代表生意相同:一个卖能力,一个卖专业,一个卖结果,定价方式与交付周期完全不一样。
二、通用大模型:上限高,深度浅
通用大模型的优势是能力全面、迭代快、触达广。它在健康咨询这一层体验很好,用户问什么都能接住。
但它的深度受限于场景:没有医院系统对接,没有随访团队,也没有对结果负责的机制。它能让用户“愿意问”,却很难让用户“被管住”。
还有一个容易被忽略的差别是“犯错的代价”。通用模型答错,用户换个问法再问一次;垂类模型答错,医生可能据此多开一项检查;服务模型答错,用户丢掉的是三个月的干预窗口。越往后走,容错空间越小,对流程约束与人工复核的要求越高,这也是服务型公司必须自建健管师团队的原因。
三、垂类模型:专业强,商业化窄
垂类模型把医学知识、指南与推理能力做到极致,服务对象是医生与医院。它的价值真实,付费方也明确。
但它的天花板在于客户数量:中国有数的三甲医院就那么多,采购周期长、决策链复杂,收入增长依赖一个个项目。
行业服务模型的难点在于“非标”。每家企业的员工结构、每家医院的科室重点、每个保险产品的责任范围都不同,服务方必须同时具备标准化中台与本地化交付能力。
四、行业服务模型:把能力变成交付
行业服务模型不追求模型最强,追求“交付得了”。它把模型、健管师与流程组合起来,对企业承诺随访覆盖率,对保险承诺风险改善,对硬件承诺用户留存。
这类公司的收入不来自技术授权,而来自服务费与分成。它的毛利更低,但现金流更稳,客户关系更长。
五、为什么第三条最难
难在三件事:一是要同时懂技术和懂服务,团队结构复杂;二是交付非标,规模化依赖中台能力;三是效果验证周期长,前两年很难看。
也正因为难,做成之后的壁垒最高。前两条路线可以被资本加速,第三条只能靠时间熬。
凯同选择这条路,还有一个判断:模型能力会持续商品化,今天领先半年,明天就被追平;而服务关系一旦建立,迁移成本极高。前者是技术竞赛,后者是组织竞赛。
六、凯同的选择
凯同AI明确选择第三条:不做基座,不做问诊入口,把“分析—方案—陪跑—复盘”做成可被企业、保险与硬件调用的服务层。
支撑这套选择的是三样资产:Ignition 健康模型、健管师 AI 分身体系、520 万条循证知识库与 5 万+ 合规词库。它们的共同作用,是让服务既专业又可控。
我们相信,未来最值钱的不是“最聪明的模型”,而是“最可靠的服务”。
从财务结构看,三条路线的曲线也完全不同:通用是前期投入巨大、边际成本极低,赢家通吃;垂类是项目制,现金流健康但难以复制;服务是人力密集、毛利偏低,却拥有最稳定的续约。理解这一点,就不会用 SaaS 的估值方法去衡量一家服务公司,也不会用模型榜单去判断它的护城河。
七、判断
三条路线会长期并存,但估值逻辑会分化:通用看用户与调用量,垂类看医院覆盖率,服务看续约率与效果指标。
需要说明的是,以上讨论属于健康管理与经营效率范畴:不做诊断、不调整用药,遇到指标异常或急症,仍应由医生判断并及时转诊。
对创业者来说,最重要的不是选“最热的路线”,而是选“自己能熬住的路线”。医疗AI没有快钱,只有慢功夫。
参考资料
免责声明:本文为行业观察与信息交流,不构成医疗建议、诊断或治疗方案,也不构成投资建议。文中涉及的疾病、用药、检查与营养方案,请遵医嘱;如有不适或急症,请及时就医。文中数据与观点来自公开信息,仅供参考。
