摘要

2026年的医疗AI拐点，是大型药企和医疗公司已从讨论“要不要整合”转向“一定要整合”。 礼来与英伟达宣布十亿美元级战略合作，部分医疗公司甚至设立“人工智能大学”，要求员工、管理层乃至董事会受训。这意味着AI需求正在进入组织流程与基础设施层面。
美国医疗AI最先兑现的价值，可能不是替代诊断，而是修复医生与保险、文书系统之间的资源错配。 MGH全科医生平均每周工作61.8小时，每天通常只看15至25名患者、每次约15分钟；保险拒付中仅约10%被申诉，但申诉后约80%会被推翻，显示大量损耗来自流程而非医学判断。“为什么让这样高成本的人力在做一些低价值的重复劳动？”
medical coding、medical billing与prior authorization兼具巨大市场、明确规则和低容错率，是AI最现实的切入口。 编码本质是把诊断和操作“翻译”成I10、CPT code等标准代码，错误会导致拒付、回款延迟，甚至触发upcoding欺诈风险。任务高度结构化，许多环节甚至不需要generative AI，Gen AI的增量价值主要是检查supporting documents和预测拒付风险。
HIPAA、数据控制与部署方式不是附属合规项，而是医疗AI的准入门槛和竞争壁垒。 Claude for Healthcare选择billing、coding、HIPAA云部署和连接API等基础设施；联邦计算则让六十多家医疗体系不必物理转移数据即可协作。核心排序是“合规、安全、无幻觉”先于通用模型能力，垂直小模型和本地部署因此不会轻易被大模型吞掉。
OpenAI正在同时争夺消费者入口和医院操作系统，但医院工作流的控制权仍未决。 ChatGPT Health以数据隔离、不用于训练和明确免责声明承接每周有两亿多用户提出的医疗相关问题；ChatGPT for Healthcare则希望接入EHR、自动总结病历、撰写prior authorization，并让医院开发智能体。问题在于微软的Office、Outlook等产品已嵌入医院流程，“增加一个feature”可能比OpenAI重新做系统整合更容易。
OpenEvidence证明了窄场景可以迅速形成产品优势，却也暴露出高估值、广告利益冲突与低迁移成本。 它以顶级期刊、权威指南和可追溯引用约束RAG，据称已有40%的美国医生每天使用；约1亿美元年收入对应120亿美元估值，医生端免费、收入依赖医药广告和内容推广。张璐的判断很直接：“并不觉得它是一个具有核心AI能力的公司”，真正的壁垒是内容授权与医生渗透。
AI可以成为医疗分层和资源均衡工具，但节目坚持“human in the loop，医生才是主体”。 对普通感冒、检查结果、急救提示和就医分流，AI可能提供“靠谱的第一步”，偏远地区尤其受益；复杂疾病仍涉及个体差异、未知biomarker、责任归属与治疗取舍。HealthBench中O3得分60%、高难模式最高32%，比选择题高分更接近真实坐诊，也更清楚地显示能力边界。
医疗AI大概率不会赢家通吃：巨头更适合底层平台，创业公司仍可凭垂直数据、定制能力和信任关系取胜。 医疗数据分散在医院、药企和器械公司手中，客户也未必愿意把全部风险绑定给一家科技巨头；与此同时，To C机会正从“有病再治”延伸到持续监测、preventive health和quality of life。市场需求真实且持续，但谁付费仍是关键变量，免费替代品会持续压制消费者订阅。

精读

1. 医疗行业已从试探AI转向明确整合

张璐从2026年1月的J.P. Morgan Healthcare Conference观察到，药企与医疗公司的思维发生了本质变化：上一年还在讨论要不要结合AI，今年答案已是“一定要整合”，而且力度、效率和速度都显著提高。
最醒目的产业信号是礼来与英伟达宣布深度战略合作，初步预算达到十亿美元。Fusion Fund也有几家同时与两家公司合作的初创企业；张璐称，这些企业的新项目成立后，整体整合速度“非常快速，也非常惊人”。
更深层的变化发生在组织内部：部分大型医疗公司已经成立类似“人工智能大学”的机构，要求普通员工、管理层乃至董事会参加课程，以便用AI处理医疗数据、挖掘价值，并加快新项目和外部合作。
周叶斌补充了药企的现实边界：保密资料原则上不能上传外部ChatGPT，因此企业更可能采用公司内部可用的工具，例如微软Copilot。加入礼来等大药企的平台既可能深化合作，也会让小公司担心“我的信息是不是交给你了”。

2. 医生每周61.8小时的工作暴露出巨大资源错配

周叶斌援引一项跟踪MGH全科医生的研究：平均每周工作61.8小时，可能相当于只有单休、其余六天每天十小时以上；但医生每天通常只看15至25名患者，每次面诊约15分钟，超过25分钟已经相当少见。
把总工时分摊下去，每位患者对应的工作投入约1.7小时，绝大部分却发生在面诊之外：查阅病历、记录诊疗、处理保险和其他行政流程。医生真正用于看病的时间，可能只占全部工作的三分之一。
由此产生的不只是效率问题，还有physician burnout。周叶斌的解释是，很多人读医学院并不是为了处理行政文书、反复给保险公司打电话；当职业满足感被流程消耗，就会带来更大的问题。
张璐把EHR称为一个反直觉结果：它原本为了自动化和数据化，却让高成本医生变成“记录员”，持续录入和审核信息。“为什么让这样高成本的人力在做一些低价值的重复劳动？”

3. 保险拒付的核心摩擦往往是流程，而不是医学

美国医疗体系碎片化加重了文书负担：新患者的电子档案可能来自不同医院、不同系统，即便使用同一套软件，记录方式也可能不一致；prior authorization又要求医生在治疗前先获得保险同意，否则费用可能无法报销。
张璐给出的拒付数据最能说明问题：被拒绝的赔付请求中，只有约10%进入申诉；但进入申诉的请求约80%会被推翻。这意味着大量本应支付的费用，因为文书和流程错误而被挡在支付系统之外。
医院已经提供服务，却必须等编码和申诉完成才能收款，回款周期由此拉长；压力再传导给医生，迫使他们把文书错误降到最低。张璐认为，这正是美国公众对医疗公司累积强烈怨念的重要来源。
一位急诊医生创业者的经历把错配具象化了：他“前一秒可能还在拯救人的生命”，完成抢救后，却要在凌晨三四点站在传真机旁处理medical coding。正是这种体验促使他离职创业。

4. medical coding是最适合率先自动化的医疗任务之一

周叶斌与张璐澄清，medical coding不是简单记录责任，而是把诊断和治疗行为“翻译”成标准代码：高血压可能对应I10，心电图、MRI、CT等操作则对应不同CPT code；保险公司认代码，不只看医生的自然语言描述。
编码错误可能造成拒付和延迟收款；编码过高又可能被认定为upcoding，带来罚款或欺诈风险。它“其实一点都不复杂，但是对错误的容错率又非常低”，并直接影响医院营收和运营评估。
对AI而言，这类任务规则明确、结构化、重复量大且有标准答案。很多coding公司甚至不需要generative AI，rule-based系统即可从病历提取诊断并匹配代码；Gen AI则可检查supporting documents是否齐全，或预估拒付风险。
张璐称medical billing和medical coding本身就是几十亿美元规模的市场。这里没有创造新医学事实的需要，商业价值来自减少错误、压缩行政成本和加快回款，而非展示模型的开放式推理能力。

5. Claude for Healthcare押注的是底层合规层而非问诊入口

张璐认为，Claude for Healthcare较聪明之处在于选择“不那么sexy”的基础设施路线：覆盖medical billing、medical coding、HIPAA合规、连接API和云部署，而不是直接面向患者承担复杂的诊断风险。
张璐提到，它似乎包含针对ICD-10等诊断代码的基础功能，并强调连接官方数据库。作为企业底层方案，医院继续直接控制数据，Claude for Healthcare提供的是既有医疗、保险和合规系统之间的连接层。
这类自动化逻辑相对简单，真正耗时的是植入：数据在哪里托管、如何接入医院与保险公司、怎样通过安全审查，都可能拉长部署周期。因此基础设施方向很关键，却很难像普通SaaS一样快速自助上线。

6. HIPAA决定了哪些医疗AI能够真正进入医院

周叶斌将HIPAA概括为医疗隐私的硬门槛：医生能向谁披露患者姓名和病历、药企员工如何处理健康信息，都受严格约束。把完整病历直接上传一个不合规的公共模型，“显然是不行的”，违规后果可能非常严重。
张璐补充，HIPAA违规处罚可能达到百万美元级别，也容易触发集体诉讼。医疗AI创业公司从第一天起就不能只建设模型，还必须同步配置安全团队、合规架构、审计与法律能力，并接受医院漫长的安全审查。
OpenAI称每周有两亿多用户在ChatGPT询问医疗话题，这成为推出ChatGPT Health的重要动力。其公开承诺包括健康对话与普通GPT数据隔离、不会用于模型训练；但面向消费者的产品仍明确要求用户咨询医生，不承担诊断责任。
Anthropic则承诺在AWS、Google Cloud和Azure上提供HIPAA合规部署，并强调企业对数据拥有直接控制权。节目反复指出，即便云端合规，医院和患者仍可能希望核心数据留在本地，这为小语言模型和本地化部署留下空间。

7. OpenAI用To C获取入口，用To B争夺高价值工作流

张璐把OpenAI进入医疗归纳为双重动力：消费端付费存在瓶颈，而医疗占美国GDP超过20%，是巨大的To B商业化市场；与此同时，人类社会产生的数据中约30%与医疗相关，真正被应用的却不到5%。
医疗数据已经因EHR和行政流程高度数字化，医生甚至在无意中完成数据整合、生成和标注。张璐认为，当C端持续增加更多数据对模型能力的提升可能有限时，医院内部的高质量数据对提升模型能力更有战略价值。
ChatGPT Health面向普通用户，可连接Apple Watch健康记录、医疗记录和锻炼数据，帮助解释日常健康问题；但免责声明划出了责任边界。它可以提供信息和建议，不能被当成独立诊断主体。
ChatGPT for Healthcare则同时覆盖行政和临床知识：撰写prior authorization材料、汇总最新研究与公开诊疗方案，并协助医生设计可能的诊疗路径。周叶斌认为，无论是降低行政成本，还是让知识更新更均匀，都有明确价值。

8. OpenAI的医院操作系统野心将与微软正面碰撞

OpenAI不满足于做独立app，而是希望直接接入EHR工作流，完成病历总结、资料补充和解释，并成为医院级AI操作系统。其进一步设想是让医院在平台上自行开发medical coding、辅助沟通等智能体。
首批合作目前只有六家医院，其中包括斯坦福儿童医院；张璐尚未看到足够反馈来判断整合速度和医院接受度。她认为生态打法可能价值最高，但“我不知道这种生态打法对医院的接受度有多高”。
泓君指出，当模型能力逐渐拉平，已有分发渠道可能比单纯模型领先更重要。张璐进一步提出微软变量：医院大量使用Office、Outlook等现有系统，病历自动总结可能只是微软内部“增加一个feature”，OpenAI却要完成新的系统整合。
开源与闭源模型的能力差距也处于较小阶段，开源方案便宜且便于内部搭建。高监管客户可能自行部署敏感应用，创业公司也能更低成本迭代；但医疗对幻觉几乎没有容忍度，仍必须保留human in the loop。

9. OpenEvidence靠受约束的证据检索赢得医生

OpenEvidence在2026年1月估值达到120亿美元，据称已有40%的美国医生每天使用。它不试图覆盖全部医疗工作，而是让医生针对临床问题，快速检索顶级期刊、国家层面的最新诊疗指南，并获得带出处的回答。
周叶斌解释了这个窄场景的价值：普通ChatGPT做医学综述时，可能编造论文或错误归纳研究；如果医生据此处理糖尿病患者，后果会远重于一般聊天幻觉。OpenEvidence通过限制来源，优先控制数据和回答质量。
泓君把它概括为“更加智能的搜索库”；张璐基本同意，称其为高度优化的RAG架构。模型被约束在授权内容中检索、筛选和组织答案，必须给出来源，不鼓励“自由发挥”或生成式创造性推理。
产品还针对医生的专业对话语境做了优化：目标用户单一，任务也单一——“你需要最新的知识时，我就给你最新最权威的知识”。这种克制反而提高了稳定性，年轻医生的使用率尤其高。

10. OpenEvidence的内容壁垒与广告模式存在内在冲突

张璐的核心判断是，OpenEvidence“并不具有核心AI能力”；其竞争力主要来自高质量医学内容授权，以及在短时间内完成对医生群体的大规模渗透。换言之，护城河在数据权利和分发，而不是底层模型。
公司年收入约1亿美元，医生却免费使用，主要依靠医疗广告、内容推广，未来也可能推出企业版本。它承接的其实是药企原本用于药物代表和医生推广的预算，也可能在线影响年轻医生。
商业化同时提出客观性问题：当药企希望推广某种药，医生提问时是否会优先看到相关研究？如果证据排序受广告影响，产品最重要的“权威、中立”定位就会与收入来源发生冲突。
120亿美元估值约为当前收入的120倍，张璐因此保持观望。医生端迁移成本很低；一旦Gemini、Claude或ChatGPT Health提供同样免费、无广告且方便的医学检索，OpenEvidence现有优势能否维持仍是未知数。

11. 垂直小模型不会因通用模型变强而失去必要性

周叶斌提醒，AI也在制造医学数据污染：文献工厂可以用AI生成灌水论文。通用模型若在回答时同时采用顶级期刊与wellness influencer内容，就可能混淆证据层级；新英格兰医学杂志与网络流行观点不能被等量看待。
张璐认为，医疗看似是一个行业，内部却包含大量疾病、数据类型、器械和应用场景，且个体差异很强。垂直模型可以用有限但高质量的数据优化特定任务，在单一场景中与更大的通用模型打平甚至形成优势。
海量医疗器械和智能医院边缘设备又提出端侧需求：大模型受制于算力、耗电和模型体量，很难全部运行在设备上；小模型更适合端侧AI和本地部署，也能减少敏感数据上传云端的必要。

12. 复杂医疗判断仍需要医生承担主体责任

张璐用自动驾驶作类比：医疗AI不仅要回答准确，还涉及出错后由谁负责、谁拥有最终解释权。最终仍需要一个具体的人，通常是医生，承担责任并作出判断。
人体也不是一个已经完全数据化的封闭系统。同一种重症应采取保守还是激进治疗，不同个体对疾病和疗法的反应如何，许多biomarker仍不明确；AI只能基于现有数据规划，不能把未知变量当成不存在。
张璐举例，一家公司用智能胶囊式微型机器人收集microbiome data；这些数据不仅可能关联消化系统疾病和癌症，也可能成为帕金森病等脑部疾病的生物标志物。正因为关键数据尚未完整，全面个性化判断仍有明显缺口。
她并不否认方向：“个性化、数字化，医疗和AI整合是一个必然的方向。”限定条件是始终保留human in the loop，让医生使用工具、结合患者具体情况，并完成最终判断。

13. 消费者AI最现实的角色是第一步判断与分层诊疗

每周有两亿多用户在ChatGPT询问医疗问题，说明需求已经存在。用户会上传验血结果、描述感冒、失眠或突发不适；周叶斌自己也会使用，但强调关键不只是“用不用”，而是继续追问结论如何得出、依据是什么。
AI的平均能力可能高于医疗资源落后地区的平均水平，也能缓解优质医生时间有限的问题。张璐的限定是，不应盲信AI可以解决所有问题；它更适合快速反馈、解释数据和帮助判断是否需要进一步就医。
泓君把这种能力放进中国的三甲医院拥堵场景：许多简单问题也涌向大医院，有些真正需要医疗的人反因排队放弃就诊或体检。AI先处理基础问题，可能减少资源浪费，也为患者提供更清晰的下一步。
美国急诊同样需要分层：患者常需长时间等待，以判断谁必须立即处理；无保险患者又可能拖到重病才来，有限赔付使急诊成为亏损严重的部门。周叶斌谨慎地说，加入AI“或许”能改善分流、服务和运营效率，偏远地区尤其如此。

14. HealthBench把“会考试”推进到“会坐诊”，但60%仍非通行证

过去常用MedQA测试书本临床知识，用PubMedQA测试科学文献理解，本质仍接近选择题。即使模型在美国医生执照考试中考分高于很多医生，泓君也提到ChatGPT可能很早就考到90%以上，这并不能说明它能在真实对话中识别风险、追问信息并安抚患者。
HealthBench改用真实医疗对话，由262位来自60个国家、26个专科、覆盖49种语言的医生参与构建评分标准。答案不仅要医学正确，还要覆盖关键行动点、使用合适语言，并对“邻居突然昏倒”等场景给出安全建议。
节目给出的结果是O3得分60%，切换到非常困难的模式后最高分为32%。急救和高血压等常见场景相对较好，复杂疾病则更难面面俱到；危险错误还会扣分，结果可能降至零分甚至负分。
泓君的总结值得保留：过去是让AI做选择题，现在相当于“让AI真的去坐诊”。因此60%的含金量高于传统选择题的90%，但它首先是一张能力地图，不是让AI绕过医生独立执业的证明。

15. 巨头不会通吃，长期增量还在持续健康管理

张璐判断医疗AI“不太可能”由巨头整体覆盖：场景极其多样，核心数据分散在医院、药企和医疗公司手中，这些机构未必愿意把全部数据交给大型科技公司，反而可能偏好控制感更强、产品更垂直的创业公司。
泓君提出反方：Claude插件发布后SaaS股价大跌，巨头有良好声誉、各种合规认证和更强模型，难道不更值得信任？张璐的回应是，医疗首先比较合规、安全和无幻觉，然后才比较通用能力；垂直模型在单一任务中完全可能平手。
巨头的优势更可能落在EHR、云和标准化基础设施，但医疗机构的云服务、数据架构和工作流仍高度碎片化。创业公司可以承担巨头嫌昂贵的个性化部署，医院也可能把风险分散给多家供应商，而非绑定一家平台。
To C的远景则从health延伸到wellness、preventive health和quality of life：手表、戒指与其他设备把一次性诊断变成持续监控，使疾病演变、免疫变化和生活状态可以被连续观察。“不只是要活得久”，而是八九十岁甚至一百岁时仍保持身体和大脑质量。
周叶斌用23andMe说明商业模式差异：DNA一次测完不会改变，复购天然有限；身体状态和健康关注却持续变化，理论市场更广。真正挑战仍是付费——如果OpenAI收费，用户随时可能问“我找个免费的可不可以？”

全球最伟大的能源交易员谈市场、中国与 AI Roy Swisa 谈 $DJCO