每天2000多萬人在豆包上“看病”

2026.08.05

本文字數：4778，閱讀時長大約8分鐘

來源 |健聞咨詢

前不久，百川智能創始人王小川在一次公開訪談中，提到了一個很關鍵的數字。

他說，豆包現在每天承載的健康咨詢的體量，超過2000萬人次。

這是什么概念？全國所有醫院加一塊，日均診療人次在1000萬出頭。也就是說，一個豆包，干了全國500萬執業醫生的活，還是double。

意外嗎？也不算。

今年1月，OpenAI推出ChatGPT health時曾透露，ChatGPT health每周會收到超過2.3億次健康相關詢問，日均差不多也是3000萬次以上。

最近，OpenAI把這個數字更新到了每周3億次。

請注意，不管是豆包還是ChatGPT，都是通用大模型，而非醫療大模型。

自大模型誕生以來，醫療行業里的一個基本共識是，不管通用大模型的性能有多好，迭代有多快，在醫療這個對準確率要求極高的細分場景中，垂類模型總是更專業，更應該被信賴的那個。

但這個結論似乎快要被推翻了。

今年6月，《自然醫學》上的一項同行評審研究顯示，在醫學知識測試、臨床判斷準確度和真實場景模擬這三個評估階段，專業醫療大模型的表現都不如Gemini 3.1 Pro、GPT-5.2這些前沿的通用模型。

國內也有專業人士做了一項覆蓋9款產品，18次問答的類似測評，結果同樣是：通用大模型的平均分略高于垂類醫療模型。

這個轉變是在何時發生的，背后的原因是什么，它又會如何影響醫療AI行業的走向？我們和左手醫生創始人張超進行了一次深度對談。

左手醫生創立于2015年，幾乎是國內第一批做醫療大模型場景落地的公司，產品線覆蓋AI家庭醫生、智能導診、診室聽譯機器人等等。

張超直言，自己也曾被流量迷惑，走過一段彎路，最后發現，大家押注的chatbot依然是互聯網時代的玩法，它會形成一個巨大的入口，但那不是垂類模型的戰場，亦不是醫療AI的終局。

他的核心判斷是：通用模型正在吃掉問答層，垂類公司的命還剩下兩條，一條是構建醫療世界模型，另一條是做好履約服務。

通用模型正在吃掉問答層

健聞咨詢：每天2000多萬人在豆包上“看病”，這個數字比你想象的多嗎？

張超：那倒沒有。過去互聯網時代，每天會有1-2億人在百度上做健康相關的搜索動作，現在只不過換了一個入口。千問現在每天的醫療健康的咨詢量，聽說也是大幾百萬。本質上就是，這些通用模型正在逐步承接過去那些搜索平臺上的流量，醫療健康也不會例外。

健聞咨詢：我們之前都覺得這波機會是留給醫療垂類模型廠商的，為什么流量還是更愿意往通用模型跑？

張超：我也是做了很多年以后忽然發現垂類的場景，很難做成平臺化的生意。繼承流量是更容易的，想創造流量對于垂類平臺來講挺難。用戶完全可以在搜索、微信、手機系統和通用AI助手中提出健康問題。即使垂類模型回答得更專業，你也很難要求用戶重新建立一個入口。

健聞咨詢：似乎現在垂類模型在醫療健康咨詢上的答題能力，也沒有比通用模型更好？

張超：就對話這一層來說，我的核心觀點是，老百姓大概80-90%的健康問題，垂類模型和通用模型的回答質量差別不會特別大。對于模型來講，它的智能來自于數據。垂類模型能夠獲得的數據，通用模型現在也能夠獲得，包括數據的處理流程都是一樣的，清洗、去重、隨機采樣、質量提升、判別，所以最后的結果其實不會相差太多。

健聞咨詢：最近很多論文和測評甚至提出，通用模型在某些特定醫療任務上的表現已經超過垂類模型了，這個觀點你認可嗎？

張超：完全有可能。對于通用模型來講，在垂類上加強，只需要花錢就搞定了。它不需要那么多的konwhow，并且由于它的參數量大，任務多，有很多你在垂直上沒有見過的能力，它可以通過其他任務衍生回來。

醫學能力不一定主要來自醫學專業化，也來自更大規模的通用訓練、更強的推理能力、更充分的人類偏好對齊和更快的模型迭代。在目前這種文本語料下，通用的大投入是一種降維打擊。

健聞咨詢：我們過去一直講的觀點是，在一個通用模型的底座上，用高質量的醫療數據做加訓，往往能得到一個醫療上更強的垂類模型。這套邏輯已經被顛覆了嗎？

張超：邏輯本身沒問題。但目前的情況是，通用模型在迭代過程中，為了維持整體配比，也會去買高質量的醫療數據，不斷做蒸餾，最后的結果就是醫療部分的性能會得到提升。其次，現在的垂類模型大多都是基于開源的通用模型基座去訓的，基礎本來就沒有那么好，而且垂類模型加訓之后的效果往往是不升反降，你又怎么去和頂尖的通用模型競爭呢？

健聞咨詢：所以在醫療領域里，在chatbot這個層面，通用模型強于垂類模型，這個趨勢是確定的，且不太可能發生逆轉？

張超：我理解是這樣的。通用模型正在吃掉問答層，垂類公司的機會只能繼續往下，走入醫療深水區——要么去扎根服務構建履約生態；要么繼續向前，為臨床建模。

履約能力是最核心的gap

健聞咨詢：往下的機會在哪里？

張超：從C端用戶出發，垂類公司真正應該爭奪的，不是用戶從哪里提問，而是提問以后，誰能把事情辦完，誰能做成履約。告訴患者應該掛什么科，只是信息；幫助他匹配醫生、查詢號源并完成預約，才是履約。告訴患者某種藥可能適合，只是知識；完成醫生審核、處方流轉、醫保支付、藥品供應和配送，才是履約。

健聞咨詢：相當于放棄對“入口”的執念，去做后續的服務？

張超：對。我覺得本質上，大家還是被“流量”、“平臺”這樣的字眼欺騙了。我曾經也被欺騙過，后來發現其實這條路并不正確。就是你要投很多很多的錢，但是達不到預期的商業化效果。

當你跳出來看的時候就會發現，依靠信息和知識來構建的流量入口，這個事情對于垂類來講是不合適的。就像京東，我不管流量入口在哪里，反正最后買貨要從我這走，因為我送的就是快。

健聞咨詢：對于醫療垂類模型來說，能有什么比較好的履約場景？

張超：我前面提到的匹配醫生、掛繳查、醫保支付、藥品供應和配送，都是履約。如果從醫療場景里往外走一點，幫助保險公司更早識別投保人的就診信號、疾病風險和高費用路徑，也有很大的商業化機會。再有就是面向藥企，用模型的垂類能力去做一些基于真實臨床軌跡下的真實世界研究、試驗設計優化和虛擬患者，幫助藥企提高臨床研發的效率。

健聞咨詢：在保險這塊，能不能講得細一點。比如說，一個醫療垂類模型產品，能怎么幫助保險公司做到控費？

張超：保險控費是一個很大的市場，我不太方便說得太細。但大概會有這么三個方面。第一，當患者生病那刻起，我就要知道，比如說他剛被診斷為某某腫瘤，這個信息對保司來說是有價值的，它可以馬上進行干預。第二，你要能給出更好的治療方案，不是感冒發燒應該怎么辦的口水文，是精細到某個腫瘤專科里的個性化方案。第三，能關聯到合作專家，提供更好的治療服務。

健聞咨詢：要做到這些事，似乎不是簡單做一個醫療AI工具就能實現的？

張超：這就是壁壘所在。比如我做掛號，做支付，你就可以第一時間獲知患者的就診信息，那你如果能夠在合規上再走一步，就可以把這信息給真正需要的人，比如保司，你的投保人剛剛確診了腫瘤早期，保司一定是愿意花錢買這個信息的。這事豆包怎么做得了呢？

健聞咨詢：聽起來像是螞蟻的生意。

張超：我沒有這么說，這個市場是開放的，但螞蟻一定很有競爭力的。它有自身的保險經紀平臺，有支付寶上的醫保支付記錄，還有阿福這樣的BOT，這些東西一旦關聯起來，完全就是降維打擊。

一句話總結就是，知識和信息已經沒有gap了，但履約的gap還在，而且它是個硬的東西，別人很難彎道超車。

本質是用患者軌跡建模

健聞咨詢：從入口到履約，你講的其實是商業模式的變化。如果從醫療垂類模型的產品角度，在chatbot的路徑之外，它還有機會勝過通用模型嗎？

張超：這是另一個核心問題。首先我的答案是，肯定有機會。前提是，垂類模型要按照一個獨特的邏輯去梳理數據，而這個獨特的邏輯是和醫療領域是密切相關的。

健聞咨詢：聽起來很抽象，能不能舉個例子？

張超：我給你舉個特別好的例子。去年的時候，我外公得了闌尾炎，接近100歲的老人，做不做手術。你去問這些醫療類bot，給出的答案都是模棱兩可的，它會告訴你動也可以，不動也可以，各自風險是什么。這個答案對用戶來說其實沒什么用，最后我還是去問了一個專家，他看完資料以后，做了一個判斷，要動。

健聞咨詢：但垂類模型能做的大概也就是這樣了，它不可能給你一個明確的判斷。

張超：我可以不要判斷，但我需要一個基于患者治療軌跡的預測。他要能告訴我，采取不同的治療動作后，患者未來可能分別發生什么，這個和傳統大模型的概念就完全不一樣了。

健聞咨詢：不一樣在哪？

張超：回到原點。我們訓練模型的時候，會給它一堆病例，它其實是基于next token prediction來做的，通過預測下一個詞，結合獎勵機制，把預測成功率越做越高。但醫生看病例的時候，他看到的不是文字，而是患者狀態，他要看癥狀或者說患者的健康狀態(state)，開檢查，判斷風險，觀察治療反應，從長期結果中修正判斷。說到底，他的知識全部用來干一件事：預測患者的下一個狀態。設想一下，如果模型能夠按照next state去訓練，它最后給出的就不再是靜態的答案，而是治療結局預測，這才是臨床真正需要的東西。

健聞咨詢：這是不是就是醫療世界模型的概念？

張超：沒錯。因為醫療模型真正難的地方，不是回答一個醫學問題，而是理解一個患者在時間上的狀態變化。這種對患者狀態軌跡的學習和研究，不可能靠靜態的病例文本來實現，必須要建模醫療世界本身，本質是患者狀態建模，行動預測、結果反饋和長期決策。

健聞咨詢：有點像“世界空間模型”的概念，它的整個建模體系和大語言模型完全不同，相當于要從零開始？

張超：那倒也不至于，數據還是那些數據，但要先做結構化的治理。舉個例子，我有1萬份肺癌病例，過去可能直接丟給模型訓了，但現在必須先完成患者的時間軸重建、分期推理、治療線識別、進展判斷、結局標注和因果校正等等。

醫療世界模型的真正壁壘，不是某個網絡結構，而是一套持續把原始臨床數據轉化為狀態、動作和結局的數據生產體系。

健聞咨詢：這里面的難度主要在哪？比如，你們左醫如果干這個事，你最顧慮的部分是什么？

張超：我覺得最主要還是數據的獲取。現在市面上大多數可交易的數據，都是靜態數據。我們需要和醫療機構合作，去長期持續地獲得患者在治療過程中的動態數據，而不是一次性的數據交易。另外，因為醫療世界模型目前還是在一個探索階段，所以我們需要醫療機構能夠開放比較全的數據場景，讓我們去不斷地試錯、優化，這些都是挑戰。

兩年，就能看見里程碑

健聞咨詢：世界醫療模型這塊，你們進展到哪一步了？

張超：我們目前的主要設想是把BOT變成醫生在院外的手，做一個隨訪工具，去長期跟蹤和記錄患者的狀態。我們想先找一些專科或者說專病合作，先做一個小的成果出來。目前數據已經準備好了，正在訓，訓了之后再說。

健聞咨詢：你是堅信醫療世界模型能做出東西來？現在全球范圍內有一些落地的成果嗎？

張超：我們做了一些調研，成果是有，但基本都還是在研究領域。我們自己也做了一些小實驗，比如在某些單獨任務上，用醫療世界模型的思路去重置一下訓練過程，進展也還不錯，他確實會比單獨的預測token要好一點。

健聞咨詢：你覺得這個事如果真做成了，商業化空間大嗎？

張超：會非常大。壟斷才能產生利潤。你覺得一個通用的問答能產生什么壟斷嗎？不可能。但我如果說，肺癌患者的腫瘤方案，我出的就是最好的，一個方案幾百塊，你覺得患者會買單嗎？一定會啊，舉個極端點的例子，很多頭部醫院一個專家的黃牛號都要好幾千了，照樣有人搶。

健聞咨詢：你覺得真要做到這一步，需要多久？

張超：我的判斷是，比如說在某個專病上，有個合作機構，真的能拿到不錯的數據，持續使用。另外我在算力、人員上的配置還算可以，每年能有個三五千萬的投入。兩年內，就可以達到第一個商業化的里程碑。

健聞咨詢：現在還有其它人在盯著這一塊市場嗎？

張超：有，不多。一些創業公司已經在用這塊能力來做保險控費，也有一些大廠在招聘醫療世界模型的人才。

健聞咨詢：你覺得通用模型廠商，會想到這一步嗎？

張超：完全有可能，所以必須在之前早做探索。

微信編輯| 七三

：bianjibu@yicai.com

：business@yicai.com