3 月 6 日，京東健康發布 2024 年全年業績公告。全年總收入達到 581.60 億元，年度盈利為 41.57 億元，收入、凈利潤超出市場預期，尤其是2024年下半年，京東健康收入實現同比“雙位數”的更快增長，展現良好勢頭。

此前，高盛發布報告指出，中國互聯網行業的競爭格局正逐漸分化為兩大陣營：AI基建和AI應用。有人將至概括為：“AI基建看阿里，AI與toC產品結合看騰訊”，這句話相當生動。

但筆者認為，至少還有一個角度值得探討，那就是“AI產業全場景落地看京東”，因為京東擁有零售、健康、物流、工業、政企等廣泛產業布局，為AI技術提供了應用落地“產業沃土”。

從目前來看，業內較有共識的觀點是，某項AI技術是否有實際的落地價值，在于它能否獨立或盡可能在減少人的介入的前提下完成對人的替代性工作，其替代性越強，落地的驅動力就越強，也就越發能發揮獨立價值。

從這個角度來講，一個企業能夠有多少需要AI介入乃至獨立解決的痛點和需求點，這個企業就越具備AI落地的場景優勢。

特別是21世紀的第二個十年，隨著AI走向成熟，以及京東健康在整個賽道中的領先優勢和規模體量越來越獨此一家，人們才對互聯網醫療的終局模式有所認識。

這其中的關鍵要素，當然是目前AI的能力越來越強。但這并不是唯一原因，更重要的是，京東也好、京東健康也罷，它們的基礎DNA是不畏難、不畏重，持續靠解決人所難及的問題形成差異化競爭力，靠拉長價值鏈條形成產業閉環。這種基礎特質，決定了此前并不以“技術”為主要標簽的京東健康，反而成為了全球互聯網健康賽道中AI實踐最豐富、最多元的一個綜合性實驗場。

——導語

01

沒有AI ，就沒有今天的京東健康

京東健康探索研究院（JDH XLab）首席科學家王國鑫有一句話說的很好，他認為——如果沒有過去十年或者十幾年持續發展的AI技術，京東健康的互聯網醫療業務能不能成功，以及能不能走到今天，都會打一個問號。

從2018年京東互聯網醫院問世開始，就可以發現，隨著時間的發展，AI應用在京東場景中的應用落地密度，與AI+醫療能力的發展時間線完全吻合。

京東健康的早期AI業務孕育在2018年—2019年。

2018年《互聯網診療管理辦法》開始明確允許AI輔助分診，從政策層面消除了AI進入醫療場景的障礙。

事實上，京東健康渴盼這個時刻的到來。這是因為，2019年京東健康獨立運營后，在線問診服務量同比增長超300%，傳統人工分診效率不足（日均處理量約10萬次），亟需AI技術緩解醫生資源緊張問題。

京東健康的AI能力同步開始體系性構建。幾乎是同期，京東AI Lab迅速完成了醫療知識圖譜構建（覆蓋超8000種疾病、20萬條癥狀關聯），為AI分診1.0、AI審方1.0在2018年的落地提供了技術基礎。

初代的AI分診尚沒有大模型的加持，主要依靠自然語言理解來解析患者的主訴，可以初步將患者匹配至12個一級科室（如內科、外科）和58個二級科室（如心血管內科）。

但由于初期的預訓練數據不足，1.0版本的分診準確率大概在70%-80%，還有巨大的提升空間。

于是在2020年，京東健康的AI分診進行了大幅度升級，開始接入京東健康自建醫療知識庫，分診準確率提升至90%左右。同時開始支持圖像識別和語音交互，進入多模態分診時代。

而一直發展到今天，分診系統已經與京東健康“京醫千詢”大模型融合，實現跨科室聯合診斷建議，并接入醫保智能審核模塊，形成“分診-診斷-支付”全鏈路AI輔助。

AI+能力的發展，一直在持續推動京東健康從早期的“流量入口”、“藥品零售”向“技術驅動型的醫療平臺”轉型，而這一模式，則是整個京東健康在AI時代的主路徑。

這其中的重要時點還有，2021年，AI開始第一次為京東健康的醫生側提供輔助診斷能力；2022年，AI從早期的較為集中在診前、診中環節，開始切入診后環節，一個新的閉環在形成。

2022年11月，隨著ChatGPT的問世，大模型成為新的AI賦能基座。僅僅幾個月后，基于京東言犀大模型的垂類大模型——京醫千詢大模型問世。

正因為此，大模型底座的賦能價值也得以快速在整個京東健康體系內主動與需求和痛點相結合，從早期的用于解決服務、問診流程，到開始多面開花。

特別是京醫千詢迭代到2.0后，我們不難發現，無論是進一步完善服務流程的AI診中重癥風險預警，還是為醫生提供專業支持的皮膚癥狀精細化評估，抑或是服務于患者的AI心理陪伴師“聊愈小宇宙”，AI能力在前端被不斷細分化為對toC、toB、toD、toH等不同的業務場景提供支撐。

同時，猶如百川歸海，隨著京東健康業務的持續正增長，京醫千詢模型得以依據更豐富的應用反饋不斷升級，開始支持整個大健康賽道的全場景應用持續向AI化大閉環演進，并逐步穩定形成了一個“AI與醫療健康服務的全局落地模式范本”。

02

路選對了，才能達到彼岸

筆者與京東健康探索研究院首席科學家王國鑫有過一次深入交流，我們談及了人類歷史上一次非常重要的AI+醫療實踐——IBM Watson Health的失敗。

這次交流的共識是，這一項目失敗的很重要一個核心原因，就是未對自己到底要達到一個什么能力水準和發揮什么作用做到清晰的定位。

王國鑫認為，京東健康之所以在AI+上發展的比較順利，是因為一直在“仰望未來”和“低頭看路”之間取得了平衡。

從這個角度來看，京東健康的AI+能力，主要可以分為三個類別。

第一類，是人和AI都可以做，但AI效率更高的場景。

如AI分診、AI病歷、智能審方等，這類場景要處理的問題相對簡單，但實用性很強，屬于應該優先落地、可以實現對大量重復性人力勞動替代的場景。

第二類，是人做的不錯，但加了AI會做的更好的場景。

這其中比較突出的包括AI輔助診療，AI對病情的精細化評估、智能醫生助手等業務，它們的作用是幫助醫生增強業務能力，進一步提質增效。

以一位皮膚科專家為例，他在一例很容易誤診的病情診斷中，先是根據自己的經驗判斷為A癥。但AI助手則一直提醒他，這一病情同樣可以考慮為B癥。在AI的持續提示下，這位醫生采取了更為審慎的策略，進行了更為精細的檢查、檢驗，最終確診為B癥。

“讓我感到驚喜的不完全是AI輔助能力提示了一個正確的方向”，這位醫生說：“真正讓我感到震撼的，是AI的介入，改變了千百年來門診醫生根據自己的主觀經驗和檢查、觀察結果來做出獨立判斷的這一過程。它更像是一次微型的‘會診’，提供了基于知識圖譜的智力加持，促使醫生從另一個維度得到啟發和提示，最終提升了診療的質量和降低了誤診率。”

而更為重要的第三類，是目前只有人類能做，但AI有望在未來提供替代性方案的，這其中最典型的就是AI獨立診斷。

“AI獨立診斷是一個非常難的事情，它的難在于醫療的特殊性”，王國鑫說：“任何一次診斷，即使是高年資的人類醫生也會面臨三種情況，第一是有答案，第二是沒有答案，第三是可能有不止一個答案，這里面凝結了非常復雜的思考過程，也是目前AI獨立診斷在發展中必須解決的問題。目前來看，這個問題很難在很短的時間里解決。”

僅僅從最粗略的角度來看，AI要想習得人類的診斷能力，就有兩個難關。第一個是診斷過程一定是非標化的多模態處理過程，如經典的“望聞問切”就涵蓋了對多個要素的提煉和評估；第二是醫生的推理、表達過程很難標準化，這對模型獲取優質訓練數據造成了障礙。

王國鑫則告訴筆者，在這個問題上京東健康已經找到了相對最優解：一方面，在多模態識別的過程中，先通過大量的醫學資料的訓練，使模型能夠基于已有的、既定的病理和診斷建立基本能力，這極大的提升了多模態學習的準確率；另一方面，基于假設驗證的過程，通過模型的方式構造了大量的醫生推理的路徑，形成了問診、診斷、結論這樣的稀疏數據，再與實際過程相結合，實現了對京醫千詢的診斷能力的有效增強。

一個數據是，根據這套方法，京東健康已經可以在150種皮膚病上實現90%以上的準確率。

王國鑫認為，根據這套方法，可望在3-5年內，讓醫生智能體可以以目前中等年資醫生的水準進行獨立的、無人類介入的診斷能力。但在實際應用中，把醫生智能體用于直接診斷還需要審慎評估，或會優先用于全面的健康管理場景中，再向獨立診斷前進。

03

AI+醫療的一局大棋

結合京醫千詢大模型及部分數據集的開源，我們似乎可以發現，在整個醫療領域，京東健康似乎在謀劃一局更大的棋。

目前，不同的研究機構對AI+醫療的發展預期并不一致。但若粗略的取其平均數，則未來5-10年中，AI+醫療行業的復合增長率無論如何也不會低于20%。

目前，AI+解決方案市場競爭已經十分激烈，很多企業都與知名醫療機構合作，推出了智慧醫療的相關示范項目。

但是，這些示范項目有一個共同特點，就是在單點創新上不乏新意，但大部分都是“量身定制”的非標式項目，在大批量復制和普惠效率上仍有諸多短板。

與此相反，京東健康與在全國三級公立醫院績效考核中位居前列的溫醫大附一院等醫院在全場景智慧醫院上的業務合作，卻更傾向于展示高可復制性。

接近京東健康的人士告訴筆者，目前已有百余家醫療機構在“排隊”，希望與京東健康合作打造類似的全場景智慧醫院。

這和前述的京醫千詢大模型的開源，關系密切。

目前，互聯網醫療大模型已經成為行業競爭焦點，開源自身模型可以提升自身的技術透明度，獲得行業的信任，建立與閉源模型形成差異化的行業競爭力，而這將極大的加強京東健康在醫院側業務的延展。

此前，雖然已經有許多的智慧醫療示范案例，但大部分案例只是基于一次性的改造，其后期應用水平和升級空間都有很大的不確定性。

相反，京東健康的toH端業務，是真正“活的”體系式賦能，它基于一個持續維護、進步的AI底座和一個可共享的生態，不但在透明性上更高，尤其具有某種高可持續性。可謂是一次賦能、永續升級、生態支撐的模式。

例如，目前溫醫大一附院目前已經實現多種智能化服務，如個人就醫管家、全流程無感陪診、“室內高德”式就醫導航、智能病歷撰寫輔助、AI輔助診療等toC、toD、toH多方面的能力。這些能力是通過基于京東卓醫這個產品來進行提供的。某種程度上，京東卓醫就可以看作是每個醫院都可以安裝的“智慧醫療操作系統”，這個操作系統有其高度的一致性，也有一定的個性化能力，但它最大的特點還是非常強的可復制性。

和很多醫療機構的智慧醫院解決方案的二次升級、開發都需要依賴第三方不同，京東卓醫的升級和內核更新，主要來自于京醫千詢開源生態帶來的提升，而且方式多樣。

如果打個比方的話，“安裝”了“京東卓醫未來數字醫院”這個“操作系統”的醫療機構，既可以在開源社區里主動尋找新的功能、模塊，用類似在應用市場里下載新的APP一樣，去升級或新增功能模塊；也同時會伴隨著京東卓醫，以及卓醫所基于的京醫千詢大模型底座的升級，實現自動、無感、即時的永續升級。

同時，這又把對醫院所需要的專業AI人員的需求將到了最低。也就是說，傳統醫療機構并不需要常年維持一個AI開發團隊，而還是可以集中精力做好醫療機構該做的事。

而對于京東健康來說，由于有AI底座能力+操作系統+生態，不僅在醫院客戶接入后，可以便捷的持續升級服務能力，獲得更強的用戶粘性。更重要的是，每一家新的醫療機構的加入，就相當于增加了一個可以提供持續的需求反饋和數據反饋的來源，而隨著數據越來越多、多模態能力越來越全面、智能體能力越來越強大， 這些醫院會越發感到“單點貢獻，多點收獲”的好處，進而就將和京東健康的生態體系，形成一個良性互動、深度吻合、持續提升的全天候數字化醫療共同體。

這不僅是醫療行業所需要的新質生產力的最佳輸出和培育方式之一，似乎也是中國式互聯網醫療+智慧醫療的終局模式，它從單點、全場景、全行業不同層次深度契合，同時又因為其開源社區的特性，兼具有松耦合屬性。

04

結語：

此前，筆者曾預測，京東健康將成為toC領域的最大的醫療健康類的ai落地場景，現在，這已經變成了事實。

另外，在2月24日更新的MedBench 評測榜單上，“京醫千詢”醫療大模型以綜合得分96.1位列榜首；在權威醫療評測集MedQA上，也獲得88.9的高分。這與京東健康的行業地位，非常相稱。

開源會迅速形成生態，而下一步，這個全場景生態中產生的數據、智慧和能力模塊，會通過開源大模型+生態+操作系統式的產品體系的方式，向全行業有意愿的機構、醫院分發，最終通過C側和H側的雙輪驅動，推動中國AI+互聯網醫療的國際競爭力和創新活力，成為具有世界水平的互聯網醫療健康的創新策源地。