进入2025年，行业已形成了一个共识：能否真正融入医疗日常工作场景并持续迭代，是决定大模型竞争力的关键。作为AI应用探索已久的场景之一，健康管理在大模型时代也迎来了快速发展。

那么，大模型技术如何为健康管理注入新活力？又能掀起怎样的新趋势？动脉网与微医人工智能研究院首席科学家徐红霞、深睿医疗高级副总裁刘建、南大菲特副总经理张芷韵三位深耕健康管理大模型应用的医疗企业专家进行了对话，供行业参考。

本文主要观点如下：

1、以深度场景理解为前提，找到最适配的应用场景

2、技术方与应用方存在协同困难，用户信任、关怀待加强

3、大模型+可穿戴设备，实现多维数据联动和个性化服务

4、部分商业模式已得到验证，大模型向多模态交互升级

01 大模型应用第一步：找到一个优质的健康管理场景

在应用落地与商业价值转化成为产业竞争焦点的背景下，如何精准识别并切入高适配性场景，正成为企业可持续发展的关键命题。

从深睿医疗高级副总裁刘建的分享来看，深睿医疗选择从体检场景切入健康管理领域，是市场需求、技术积累与政策导向三方协同的结果。

一方面，公众健康意识提升、国家“早筛早治”战略共同驱动了体检需求的持续增长；另一方面，作为AI影像领域头部企业，深睿在CT、超声等医学影像的算法研发和临床验证方面已建立深厚壁垒，而体检场景中的基于CT、MR、DR等各类检查项目，均需依赖影像技术支撑，天然适配其技术强项。

场景是技术的试金石。刘建分享到，目前深睿医疗的大模型产品在肺癌、结直肠癌等项目中已实现价值验证，成功识别了百万级以上的高风险人群，实现了医保费用结构性优化。

南大菲特则以体重管理为突破口，通过“三师共管”AI大模型助力慢病防治。

南大菲特副总经理张芷韵介绍，南大菲特深耕体重管理及慢病管理领域十余年，最初采用多学科团队模式开展体重管理服务；也是在这一过程中，不断认识到传统人工模式存在的服务非标准化、质量波动、响应滞后等问题，对医疗健康服务规模化发展的制约。

而AI技术的应用，让这些问题迎刃而解。南大菲特通过自研模型与开源模型的结合，以及十余年的数据积累和技术优势，推出了三师共管AI大模型和首个减重代谢·慢病管理AI智能体，实现慢病管理的提质增效和可及性。目前，南大菲特三师共管AI大模型已在院内外和体检机构广泛应用，用户量已超10万人。

在5月9日-10日的VBEF医疗AI大模型创新应用论坛上，多家企业也就场景选择逻辑展开过深度讨论。

一位嘉宾表示基于团队背景和技术积累，选择了诊疗流程外的科研场景；也有嘉宾遵循“痛点、刚需、高频”原则，将医生提效置于优先地位；另有嘉宾聚焦C端健康管理，通过24小时陪伴式服务提升医疗服务价值；一位投资人指出，大模型需切入基层全科医生等供给稀缺环节，而非仅做资源分配优化。

尽管路径各异，但各企业均指向一个核心逻辑：大模型在医疗领域的落地需以深度场景理解为前提，结合企业技术优势、商业化变现能力等，构建差异化价值壁垒。这种以场景适配度为基础的战略选择，正成为大模型技术从“可用”走向“好用”的关键跃迁。

02 应用方与基座模型方并未实现完全协同

众多企业纷纷入局，试图借助这一技术实现更精准、高效的健康管理服务。但前行之路上，诸多挑战横亘其间。

从技术层面来看，大模型幻觉问题是一大难题。动脉网观察到，一些企业在通过RAG（外部检索增强生成）、生成式与判别式AI协同、模型改进等方法来应对幻觉。

微医人工智能研究院首席科学家徐红霞指出，幻觉问题是现阶段大模型研究中面临的现实挑战，但微医控股采取了多种策略进行应对。一方面，在输入阶段对大模型的超参数进行调整，运用 RAG、思维链以及医疗专业知识微调等技术手段，以此引导输出模型更符合医疗领域要求的结果；另一方面，在输出阶段设置审核模型，对大模型的输出结果进行严格审核。同时微医控股会针对未通过审核的回答进行问题复盘与整理，并与专家共同探讨解决方案，以持续增强模型的可靠性。

作为大模型“燃料”的数据同样是绕不开的难题。南大菲特张芷韵坦言，以体重管理为切入的慢病管理，并非是纯粹的严肃医疗范畴，在生活方式相关的数据收集上，面临数据量稀缺且质量欠佳的困境。因此，南大菲特只能依靠自身苦心积累，耗费了大量心力与成本在数据收集整理工作之上。经过十余年积累，南大菲特的三师共管AI大模型，已深度融合了百万条肥胖及慢病患者管理记录、权威专家共识、前沿研究成果以及自主构建的数据集。

业务合作的情况则更加复杂。一方面，应用厂商和基座模型的供需错配。如微医控股和南大菲特侧重于应用开发的企业，需要与基座大模型协同提供医疗健康服务。在这一过程中，可能存在应用迭代与基座模型升级周期错配的情况。因此，企业在基座模型合作方的选择上也会有更多的考量。

深睿医疗作为技术供应方，现阶段的重点则是聚焦于医疗应用和大模型技术的完美结合。刘建以肺癌全程周期管理为例分享到，大模型的加入实现了从单个环节到全程覆盖跨越。“健康管理与院内疾病诊断在AI的应用场景上存在差异，无法直接套用，我们需深入了解健康管理的场景适配性，为人民群众提供更智能的健康管理服务。”

另外是应用厂商和医院之间的合作。微医徐红霞提到，由于医院本身在算力和部署成本方面存在限制，因此更倾向于使用轻量化、智能化的模型。为此，微医与浙江大学正在模型蒸馏技术上展开探索，并且已经取得了一定的成果，发表了多篇相关学术论文，积累了丰富的技术经验。目前，微医还引入了类似MOE技术，通过对医疗场景进行细分，有效控制了成本，与医院的合作也较为顺畅。

最后是赋能患者的企业初心与实践应用间的差距。当前医疗大模型在用户体验层面的实践表明，“赋能患者”的初心仍面临技术落地、服务设计、用户信任等多重考验。企业需在技术精度与人文温度、服务边界与医疗敬畏、场景适配与用户需求之间，找到更具象的破局路径。

微医控股践行的是“AI健管工具+真人健康管理师”模式。AI系统将收集可穿戴健康设备数据，持续监控患者的各项指标，即时发出健康预警与运动饮食方案提醒，辅助健康管理师为患者提供用药指导或入院就诊提示。微医控股的这一模式，在天津数字健共体中已有显著成果。

南大菲特则非常注重对用户的人文关怀。例如在粤港澳大湾区，产品特别配备了粤语 AI 健管助手，提供贴合语音回复的主动服务，以更好地服务老年群体。

深睿医疗针对院内医疗诊断服务与院外个人体检场景的差异，迭代技术服务意识。比如在体检服务中，用户相较在院内为患者仅提供针对疾病检测的单一诊断结果，更关注为体检客户提供基于健康报告的多维综合服务。基于此，深睿医疗探索出了一套适应健康体检的技术方案，提升服务专业性和效率。这也侧面说明，医疗AI从严肃医疗向消费健康延伸，需调整服务理念与技术边界，而非简单平移技术能力。

03 大模型+可穿戴设备，实现健康管理多维数据联动和个性化服务

在健康管理场景中，智能可穿戴设备能够助力企业感知用户的院外情况。通过访谈了解到，相较于传统AI可穿戴设备，基于大模型的可穿戴设备，在数据处理维度、个性化服务深度、场景覆盖广度和技术融合能力等方面都有更显著效果。

南大菲特张芷韵分享到，传统可穿戴设备受限于算力与算法，通常仅能采集单一生理指标，且数据呈现“孤岛化”特征。基于大模型的可穿戴设备，一方面可以和更多设备做联动，处理数据的维度更多样；另一方面个性化程度更高，能够建立用户记忆，为后续的健康管理提供准确的数据支持。

“微医控股也希望融合专业医疗知识与大模型对患者的数据感知，将AI 打造成类似于具身智能的‘具知智能’。”微医徐红霞认为，具身智能是人工智能与机器人学的交叉领域，“具知智能”则是人工智能与医疗健康相结合的产物。“知”将由两部分构成，一方面是专业的医疗知识，另一方面是大模型对患者的数据感知。她介绍，通过与多个国内知名智能穿戴硬件厂商深度合作，微医控股已成功打通院内外数据壁垒，做到了场景数据一体化，走通了防筛诊治管康全生命周期的“最后一公里”。

这一创新模式的核心亮点在于实现院内外数据的无缝整合。依托可穿戴设备实时采集的健康数据，微医控股AI系统能够生成个性化健康管理方案，并依据动态监测数据持续优化调整，真正实现对患者的精准健康干预。

04 部分商业模式已得到验证，大模型向多模态交互升级

在医疗大模型商业化浪潮中，微医控股、深睿医疗、南大菲特各展所长，依托自身技术优势与战略定位等，探索出了不同发展路径。

微医控股在AI医疗领域布局早，成绩亮眼，AI健共体模式成为市场关注的焦点。据弗若斯特沙利文资料，按2023年收入计，微医控股已是中国AI医疗健康解决方案的最大提供商。不仅如此，在由AI驱动的天津健共体中，通过AI赋能，天津市数字健共体在医保基金可控的前提下，实现了更好的健康收益，糖尿病患者人均医保额度盈余率超过25%，医保支出增幅显著下降，实现了基层医疗机构、医生、患者、卫健医保的“四方共赢”。

深睿医疗则以ToB 赛道为基础，不断拓展服务场景，向ToC模式挺进，凭借成熟的AI 技术沉淀，构建立体防护体系：首先，通过智能辅助诊断系统提升效率，缩短患者候诊时间；其次，运用AI 量化分析技术，在冠心病风险预测、骨密度检测等领域输出高精度诊断指标，助力医生专注关键环节；最后，借助大模型将晦涩的影像报告转化的通俗解读，解决患者理解难题，形成从机构服务到患者触达的疾病立体防护体系。其中，AI将诊断关口前移，为疾病的防、诊、治、教、研提供了全方位的技术支撑。

南大菲特指出在大模型基础层成熟的背景下，应用端将迎来爆发期。为此，南大菲特将依托三甲医院资源，基于AI智能体业务中台实现标准化服务，并逐渐将业务从健康管理，向患者全流程服务延伸。同时，南大菲特也在探索不同的收费模式，来适配不同客户需求。

在前文提到的VBEF医疗AI大模型创新应用论坛上，嘉宾们也围绕医疗大模型商业化进行了探讨。观点可归纳为四类：

一是主张以替代医生为关键构建商业模式，认为辅助医生模式难以从医保或医生收入中获利；二是强调面向 C 端患者支付盈利，借助大模型产品提升患者体验，使患者因认可管理价值而付费；三是通过私有化部署和SaaS付费等方式，以及将模型嵌入企业工作流程的2B模式。且这种模式已经在医疗领域验证成功。

第四是，有观点认为大模型的商业模式可以分为两类：一是基础平台模式，依靠技术调用量付费；二是类似于AI+CRO，基于大模型技术提供服务，注重服务质量和交付效率。

对于大模型未来的发展趋势，微医控股则明确将“具知智能”及其互动能力作为核心研究方向，致力于赋予大模型多维度感知与交互能力，推动 AI 从单一文本交互向视觉、听觉等多模态交互升级。面对 scGPT、RuiPath 等专业领域垂类模型快速发展趋势，微医将探索多智能体系统，加速构建多模态医疗大模型体系；同时探索大模型与多样化工具协同应用，进一步提升其在医疗场景中的实用性与效率。此外，针对大模型算力成本问题，微医也在着力研发轻量化技术，在增强模型智能水平的同时降低资源消耗，推动医疗大模型向高效、多维的方向发展。