曾几何时，互联网公司大举进军医疗健康领域，焦点集中在挂号、问诊及医药电商等业务。然而，从2020年至2022年，多数投入最终未能取得显著成果：百度健康的策略屡次调整，腾讯的医生端产品表现平平，而字节跳动收购百科名医网后也未激起太大水花。伴随线上诊疗热潮的迅速退却，这波互联网医疗浪潮以业务裁撤和团队重组告终。
然而，2025年后，局面发生了转变。DeepSeek等通用大模型的崛起，极大地降低了技术门槛，吸引了众多参与者迅速涌入医疗领域。企查查数据显示，2025年国内AI医疗企业注册量达到2.48万家，创下近十年新高，同比增长22.38%。与此同时，国际市场也表现活跃，OpenAI于今年初推出了ChatGPT Health功能，并公布数据显示，每周有超过2.3亿用户通过其AI平台咨询健康问题。
目前，国内已有超过十家大型互联网公司推出了独立的AI医疗产品，包括阿里巴巴的“氢离子”、京东的“知医”、蚂蚁集团的“阿福”以及百度的“文心健康管家”，字节跳动的小荷也位列其中。虽然各家都已入局，但在策略上存在明显差异：有的专注于患者端，有的侧重医生工具开发，还有的致力于基层医疗的数字健康共同体建设。
字节跳动在医疗领域的策略曾让人感到难以捉摸，其业务涵盖科普、线下门诊，如今又涉足大模型。直到近期小荷门诊部在上海的落地，其整体布局才逐渐清晰。本文将梳理字节小荷的部署，并探讨AI医疗赛道的当前态势与未来发展方向。
字节跳动早在2020年9月就将“头条健康”更名为“小荷”，并升级了“绿松果App”为“小荷App”，正式确立了品牌。同年，字节还斥资5亿元收购了以医学科普内容闻名的百科名医网。年底，首家线下实体诊所“松果门诊”在北京开业，后也改名为“小荷门诊”。
表面上，这套策略逻辑自洽：通过科普内容吸引用户，线上问诊承接流量，线下门诊形成服务闭环。一个完整的互联网医疗生态似乎即将成型。但实际发展并未如预期。
之前的布局存在两个核心问题：首先，各业务线缺乏整合，线上流量难以有效转化为线下服务。健康科普和线上问诊面向的是广泛的泛医疗需求，而实体门诊则受限于地理位置和专科特长，两者用户重合度远低于预期。其次，医疗行业固有的“盈利难”问题。在线问诊客单价低、复购率不高，实体门诊前期投入巨大、回报周期长，其商业模式均不具备吸引力。在医疗这类低频交易领域，“流量—服务—变现”的路径步履维艰。
2023年前后，字节跳动对医疗业务进行了大规模调整，部分板块被拆分整合，外界一度猜测字节将全面收缩医疗战线。然而，2024年迎来了转折点。小荷健康团队基于豆包大模型，研发出了“小荷医疗大模型”，并于同年8月完成境内深度合成算法备案。这预示着字节放弃了以往“大而全”的策略，转而将资源集中于通过AI重塑医疗服务交付。
去年下半年，字节推出了首款AI医疗助手App“小荷AI医生”，主要提供健康咨询、报告解读和用药参考等功能。今年初，小荷医学AI团队发布了MedXIAOHE医疗视觉语言基础模型，在胸部X光病变定位、医学视觉问答及美国医师执照考试模拟等权威测试中表现出色。
近期有媒体报道，字节将在上海再次开设“小荷门诊部”，并由大健康业务负责人吴海锋亲自担任法人。从科普平台到线下诊所，从大模型到AI医生App，再到再次部署实体门诊，小荷此次构建了一个更为连贯的逻辑闭环：技术层负责底层模型研发，服务层通过AI医生App进行线上触达，交付层则由实体门诊承接需要线下面诊的用户。
这三块业务并非简单拼凑，而是按照从技术到服务再到交付的纵深链条搭建。那么，从线上AI医生到线下门诊的闭环，其意图究竟是什么？
如果仅仅是发布一个AI健康咨询助手，字节的入局方式与其他大厂并无本质区别。真正让其布局差异化的是小荷再次投入实体门诊的举动。
先看线上端。“小荷AI医生”的产品逻辑清晰：它不旨在取代医生，而是将问诊环节前置，帮助用户判断症状的严重程度，解读体检报告，并提供用药参考。小荷健康副总裁李萌在2025年的一次学术会议上透露，专家评估显示，“小荷AI医生”在常见病诊断上已接近三级公立医院主治医师的水准。用户与AI进行数百轮对话，提供的大量细节信息有助于模型做出更精准的判断。其核心价值在于判断“症状是否需要就医”，而非直接“看病”。
线上能力的另一支柱是技术研发。MedXIAOHE被定位为医学视觉语言基础模型，其训练库包含约640亿个词汇的医学文本，覆盖全球主流医学文献、临床指南和诊疗规范，并构建了海量医学概念的智能知识树。这项能力既能服务患者端（通过AI医生），也能服务医生端（作为辅助诊疗工具），甚至可以向合作医院输出模型能力。
线上进行轻问诊和技术积累无可非议。但当用户被AI判断为“需要就医”时，他们应去何处？全国三甲医院人满为患，基层医院的信任度短期内难以提升，线上与线下之间的鸿沟恰恰在此。线下门诊部的角色便是弥补这一缺口。根据现有信息，上海小荷门诊部定位为便民基础诊疗服务，计划将小荷AI医疗技术融入真实的线下诊疗流程，将智能问诊、AI病情分析等线上功能直接应用于实体就医场景。
事实上，这种线上筛查分流、技术赋能线下的思路，在医疗AI领域并非新颖。国务院发布的关于促进和规范“人工智能+医疗卫生”应用发展的实施意见中提及，目标是在2027年前形成一批临床专病专科垂直大模型和智能体应用，使基层诊疗智能辅助得到广泛应用。政策的顶层设计与企业的探索方向正加速趋同。
医疗行业不同于零售和出行，实体交付离不开物理空间。AI虽能问诊、解读报告、开辅助处方，但抽血、手术、体格检查仍需在诊室进行。将AI能力延伸至诊前，再延伸至诊后管理，中间的物理接触点由自有门诊或合作医院承接。若此链路成功打通，字节或将建立起其他通用大模型厂商难以轻易复制的独特竞争壁垒。
然而，这条道路的成功与否仍存在诸多变数。字节在北京开设的小荷门诊运营曾面临挑战，包括选址定位不当、获客成本高、医保支付接入困难等普遍性问题。上海此次尝试能否摆脱历史惯性，最终取决于其如何解决这些现实层面的执行细节。
进一步看，小荷线上线下同步推进，表面上是在构建从AI到实体门诊的纵向架构，但从更广阔的视角来看，这仅仅是行业发展浪潮中的一个方面。AI医疗赛道的竞争，正在不同维度上同步展开。
坦率讲，各家产品的功能日益趋同。小荷AI医生的核心功能是健康咨询、报告解读、用药参考和病灶拍摄判断；蚂蚁“阿福”涵盖健康问答、皮肤拍摄、电话咨询和健康档案；“文心健康管家”的主打功能也大同小异。打开这些产品，基础体验的高度相似已显而易见。
蚂蚁“阿福”目前是规模最大的玩家，截至2026年2月，其用户数量突破1亿，月活跃用户达到3000万，日提问量超过1000万。蚂蚁的核心策略明确：依托支付宝的国民级入口和支付闭环，构建覆盖医、药、险的服务生态，并接入收购的30万名好大夫在线执业医师资源，使用户在AI预诊后能无缝对接真人医生。
京东健康则选择了另一条路径。凭借其稳固的医药零售变现模式，其旗下AI智能体“康康”串联问诊、检测、购药全流程，将AI服务嵌入零售场景。自研的“京医千询”大模型专注于拟人对话、可信推理和医疗全模态能力，已完成从全科到专科模型的技术演变。医药电商的商业闭环，使得京东在“AI健康咨询如何盈利”这一问题上，相较竞争对手拥有天然的优势。
字节的处境有所不同。“小荷AI医生”最重要的流量入口是抖音App，目前已作为字节体系内的重要问诊渠道。抖音的优势在于其庞大的日活跃用户和强大的内容分发能力，但问题也同样明显：用户使用抖音主要是为了娱乐而非看病。如何将娱乐用户转化为健康服务用户，需要持续的场景教育。此外，即使AI问诊转化率提高，在支付、医保以及药品供应链等基础设施方面，小荷与蚂蚁、京东健康之间仍存在明显差距。
如果说C端市场争夺的是认知和流量入口，那么B端和D端（医生端）市场则在于争夺纵深能力和专业壁垒。
今年，阿里健康推出医学AI助手“氢离子”，定位为医生版GPT，专为临床与科研医生设计。它收录了千万篇权威医学文献，为医生开药和制定方案提供循证支持，所有生成内容均基于权威医学数据库、临床指南和核心期刊文献，架构上强调低幻觉和高循证性。
几乎同期，京东健康发布“知医”，聚焦临床决策支持和科研学术，深度整合千万级全球权威医学文献与指南，并已全面集成于京东医生App，向所有医生开放。蚂蚁集团采取双线策略：一方面在患者端推出“阿福”，另一方面将收购的“好大夫在线”升级为医生工作站，为每位医生配备AI助理功能。
医生端的竞争，本质上是对专业壁垒的争夺。C端产品竞争的是场景渗透率和月活，只要有流量基础便能一搏。但医生端则不同——医生每天需诊治数十甚至上百位病人，若一款AI工具无法切实减轻其工作负担、提高诊断准确率，那么即便其存在于系统中，也无人会第二次使用。一位行业观察者曾指出，医疗领域的容错率极低，对AI准确性要求极高，普通AI工具无法满足临床需求，医生端AI工具必须通过权威医学文献、科研成果训练，并持续获得临床验证。
回顾行业周期性变化，上一轮互联网巨头进军医疗，其思路是流量驱动：先通过科普吸引用户，再通过在线问诊沉淀数据，最终通过挂号导流和医药电商实现变现。这套模式在零售、出行、教育领域均取得成功，却在医疗行业遭遇挫折。原因不复杂：医疗服务的核心交付是人的判断与责任，而非信息匹配效率。算法可以为一个人推荐餐厅，但不能为一个人作出诊断。
当前这轮AI医疗与上一轮互联网医疗之间，在底层逻辑上存在清晰差异。大模型的出现，首次使机器能够部分模拟人类医生的认知路径：阅读病历、理解指南、在多轮对话中追问症状细节、结合影像和检验结果进行推理判断。它并非搜索引擎级别的知识匹配，而是具备一定推理能力的“认知代理”。过去健康类产品更像是“医学搜索引擎”，输入“头痛、发烧怎么办”，系统会提供百科式的解释和通用建议，由用户自行判断适用性。而现在，大模型能够围绕病史、症状细节、用药情况持续追问，并给出更具指向性的判断——它正日益接近医生助手的边界。
更具体的落地方向也在竞争中初现端倪。各大厂商不同的路线选择，最终考验的都是能否在安全可控的框架内，真正帮助人们解决健康问题，而不仅仅是一次技术展示。目前，国内AI医疗市场规模预计在2026年突破400亿元。全球医疗领域的生成式AI市场正以约40%的复合年增长率扩张，这在任何行业都意味着巨大机遇。
然而，医疗毕竟不是普通的消费品。它的容错率为零，容错成本可能涉及生命。这个行业的独特性决定了它并非一场单纯比拼模型参数的竞赛。技术、场景、合规、信任、支付，每一项都是一个庞大的系统工程。字节小荷此次线上线下同步发力，背后是从技术研发到服务交付的全链条逻辑重组。但其最终能否支撑可持续的商业模式，仍有待观察线下门诊的实际运营效果、合作医院的拓展速度以及用户心智的培养周期。未来一到两年，将是检验这一方向成效的关键窗口期。