煎熬了两年多的医疗大模型终于等来了“出手阔绰”的买单方。

过去一个月内，讯飞、支付宝、百度先后中标上亿元的政府医疗采购项目，项目核心皆为医疗人工智能的底层平台建设。

其中，讯飞中标的是国家级“人工智能应用中试基地”，中标金额为4.276亿元；支付宝承接的是浙江省的医学人工智能创新服务平台，2.06亿元；百度拿下了广州市呼吸传染病预测预警系统项目，价格为1.69亿元。

对于在B端和C端都突围受阻的医疗大模型企业来说，能够在政府项目中分到一杯羹，虽谈不上“续命”，也至少算“回血”。

更重要的是，从这些项目的交付要求来看，它不需要企业做太多院端的定制化服务，而是基于既定区域和底层的模型能力，做适度的功能延伸。

“这一定是个生意，但不一定是好生意。”一位从医疗信息化转到大模型研发的资深创业者告诉《健闻咨询》，根本原因在于，如果只做底层的数字基建，和过去的信息化交付差别不大，再加上还要受制于政府项目的回款周期、毛利率等因素，“只能努力地做标准化，把交付成本做得足够低，还可以搞一搞。”

谁都知道，G端只是医疗AI商业化中一条再细小不过的分支，更广阔的市场永远是医院、医生和用户。

但另一个认知维度是，如果把医疗AI商业化比作一次马拉松比赛，终点线可以由天赋、头脑、技术来自由设定，但起跑线在哪、设置几个补给站，甚至是途中的天气变化，都掌握在政策制定者的手中。

在密集出现上亿元的政府大单后，医疗AI商业化的拐点出现了吗？

数亿元预算，并不只为“AI能力“买单

如果把近一个月内发生的三起医疗AI政府采购项目放在同一段时间轴上来看，它们并非偶然出现的孤立事件，而更像是一次有节奏、有层级的集中落地。

短时间内，讯飞、支付宝、百度三家头部企业，先后中标金额过亿的医疗AI相关项目。其中既包括国家级的“人工智能应用中试基地”，也包括省、市级层面的医疗智能平台与数据基础设施建设。尽管项目名称、主管部门和具体应用场景各有不同，但在标的形态和建设逻辑上却高度一致。

从公开招标文件来看，这三起项目的核心，并不在于某一项具体的AI功能——例如影像诊断、辅助决策或智能问诊，而是围绕“区域级、体系化的平台建设”展开。

在某医疗AI创业公司的创始人林鸣（化名）看来，这一轮中标项目几乎清一色属于“管理型平台”，“项目的核心不是直接卖AI能力，而是把原来分散在医院里的信息化能力，在区域甚至国家层面做一次升级。”

以讯飞为例，其医疗模型在各地医院落地，往往是搭建一个大而全的平台，承担着信息化的功能，但在具体科室的需求中，科室需要的其实是垂直细分的智能化。此次讯飞中标的“国家人工智能应用中试基地”项目，强调的同样是医学大模型、数据平台和示范应用的可复制推广路径。

在林鸣看来，这更像是将讯飞此前在地方医院推进的慢病管理、基层卫生信息化能力，扩展到国家级示范平台。

类似逻辑，也出现在支付宝和百度的项目中——它们更强调“智能底座”和“数据中枢”，而不是直接嵌入临床一线。

为什么这类项目会在短时间内集中落地？或许要回到更为宏观的政策视野中。

今年11月，国家卫健委等五部门联合发布《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》，指出2027年形成一批临床专病专科大模型，2030年二级以上医院普遍开展AI辅助诊断。顶层设计一出，地方纷纷跟进，近段时间以来，广东、北京、上海等地均有配套的细化政策落地。

业内人士张宇（化名）认为，这一轮数亿元级别的医疗AI招标项目符合国家层面对人工智能和医疗体系的整体判断。从顶层逻辑看，它既符合国家的AI战略，又服务医疗体系本身的效率问题。

“过去各家医院看起来是统一体系，实际上系统之间并不互通，品牌杂乱，数据无法打通，这一次，本质上是在补基础。”

医疗AI投资人陈晨（化名）的判断更为直白，她认为这类项目与其说是医疗项目，不如说是一轮信息化升级，“它更像早年阿里、腾讯做云的逻辑。先把路修通，AI才有可能真正跑起来。”

这种“先修路”的思路，也解释了为什么项目预算普遍不低。平台建设高度人力密集，需要进行数据清洗、标签治理、系统对接和安全合规，本身就不是一个轻量工程。从这个意义上看，数亿元的预算并不完全是为“AI能力”付费，而是为一整套数字基础设施买单。

值得注意的是，这一轮项目几乎全部被头部大厂收入囊中，很少能看到中小医疗AI企业的身影。

在张宇看来，这并非简单的“商务关系”问题，也不局限于技术维度。“国家级、省级平台，对厂商的要求非常高。不只是技术能力，还包括复杂系统交付、长期运维、数据安全和合规能力。这些能力背后，是持续的资金投入和组织能力。”

医疗战略咨询专家，公众号“格路人”作者刘届昭则从更为现实的执行层面做了补充。在他看来，大厂在这些项目中的中标角色，并不只是AI供应商，而是总包方。

“从过往的经验来看，很多项目并不是一家企业从头做到尾。”刘届昭指出，这意味着，竞争的核心并非是“谁的模型能力更强”，而是谁能整合更多资源、承担更多责任。“中标方不只是告诉政府‘我能做系统’，还包括科研转化能力、渠道资源，甚至后续产业协同的预期，这些是中小企业很难提供的。”

在医疗机构整体承压的背景下，这种系统之外的附加能力，正在成为政府选择合作方的重要考量。

大厂的好生意，创业公司的离别曲？

从账面金额看，这三起上亿元的项目无疑“体量可观”。但真正的问题在于，这是不是一种可复制、可持续的好生意？

在林鸣看来，这类项目首先面临的是一个常被忽略的问题——项目周期与交付结构，尤其是省级乃至国家级的平台建设，预算虽高，但周期也很长，且高度工程化，“它不是AI厂商最喜欢的卖模型、按调用收费，而是一次性、全流程的项目交付。”

与标准化SaaS产品不同，这类项目往往包含大量定制内容：系统对接、数据治理、流程重构、算力部署、长期运维，甚至需要人员长期驻场，在财务结构上天然“偏重”。

“如果项目没有按模型调用收费，而是一次性买断，那么本质上还是信息化工程。”林鸣直言。

刘届昭的判断同样如此，在他看来，把这类项目称为“AI商业化”，本身就存在误判。“一旦真正进入to G或重to B的合作逻辑，你就会回到老问题：项目慢、回款慢、风险集中。这是一个极其重的战场，很多互联网基因的公司，本能上是不愿意碰的。”

但也有不同的声音。陈晨认为，即便是以信息化的视角来定义这些项目，对于前期投入巨大，急需回血的医疗大模型公司来说，仍然是有意义的，“至少能养团队。”

而张宇对这类项目的商业价值判断却更为乐观，他认为，即使这几个亿本身不怎么赚钱也没关系，最重要的是后续的运行、运维费用是长期存在的，这几乎是一个确定性事件。一旦平台建成，企业可以通过持续运维、功能迭代，逐步摊薄前期成本，“边际成本会大幅下降，商业扩张路径就会清楚。”

唯一的挑战或许在于，当各地项目陆续上马后，即便是功能定位相近的项目之间，如果不能用一套标准化的解决方案进行主体复制，便同样会陷入此前医疗信息化厂商高度定制化的“泥沼”之中——在A省投入大量人力建了平台，到了B省，可能又要重新来一遍。这更像是做生意，而不是某种商业模式。

项目性质决定商业逻辑，商业逻辑决定企业估值。站在投资人的视角，陈晨明确表示，靠承接政府项目回血，并不是他们希望看到的经营形态，“我们更偏好产品型、可算清毛利率的模式，而不是靠项目驱动。”

但一个不容忽视的现象是，政府项目对于供应商的选择偏好，正在挤压中小企业的生存空间，加速行业里的“马太效应”。在张宇看来，从技术、交付到合规要求，几乎每一项都天然偏向头部企业。“非头部的中小企业，生存环境会越来越艰难。”

这种趋势在结果上已经有所体现——几乎所有国家级、省级平台项目，最终都流向了少数几家巨头。

刘届昭则给出了一个更冷静的判断：AI的底层能力正在快速被平台化，小公司很难再靠单点技术突围。“除非你有非常硬核、别人犯不上做的能力，否则技术上已经很难和大厂拉开差距。”

另一种声音同样存在。

林鸣并不否认大厂在平台层的优势，但他认为，这并不意味着创业公司没有位置，大厂更关注标准化和规模化，但医疗场景里，很多需求是高度细分、需要长期运营的。 在他的观察中，大厂并不擅长深度嵌入科室和患者，“他们更看不上那种几十块、几百块的服务费。”

这就是中小企业的生存空间——不是在省级平台竞争，而是在医院内部、科室层面，围绕患者管理、随访、获客等具体需求，提供更精细的智能化服务。

陈晨的观点则是，大厂和创业公司并非简单的竞争关系，而是在不同生态位上共存，“这是一个很大的产业，没有一家能全吃完。”

“结构性”的拐点时刻

如果仅从中标金额看，这三起项目很容易被视为一个“医疗AI商业化的拐点”。

但多位业内人士的共识是：它更像一次由政府主导的阶段性托底，而非市场自发形成的需求爆发。

服务G端，可能是国内医疗大模型商业化的“第一个机会窗口”，但很难成为“最终形态”。

从现实路径看，G端几乎是当前唯一能够一次性释放大额预算的支付方。

“国家的决心是很清楚的，希望在这个方向上政府带队、大企业支持，把产业先做起来。”陈晨告诉《健闻咨询》，在医疗AI这样一个高度监管、支付路径尚未跑通的领域，由政府率先投入基础设施，本身就具有强烈的“示范”意味。

G端项目承担的角色并非“直接创造商业利润”，而是为后续应用释放空间——统一数据口径、搭建算力和模型底座、为AI进入医疗体系扫清障碍。

如果以这样的视角来延伸，当政府开始追赶数字化基建的热潮，是否同样可以认为医疗AI的商业化前景突破在即？

刘届昭的答案是否定的。在他看来，真正卡住医疗AI的，从来不是技术和资金，而是责任与机制，“你敢不敢为AI的结果负责？出了问题怎么办？”

正是这一点，使AI始终难以真正进入临床核心决策，“如果你不敢承担责任，就不要谈替代医生，更不要谈规模化商业化。”

从这个角度看，to G项目更像是一种绕开核心难题的选择——先从平台、基座、流程层入手，而非直接触碰最敏感的医疗责任，但这也决定了，它只能解释部分场景。“它告诉你国家想往哪里走，但不一定告诉你企业应该怎么赚钱。”林鸣表示。

在林鸣的设想当中，理想的AI商业模式，应该是“按调用付费”的流水型生意——模型调用一次，就产生一次收入，对应一次算力成本。但在现实中，这种模式在医院端几乎无法落地。

“医院现在唯一接受订阅的，可能只有短信、网费这种基础服务，AI还远没到这个阶段。”

因此，政府大单对行业的最大价值，并不是直接复制，而是为B端和C端试错提供空间和数据基础。当G端项目逐渐完成“修路”阶段，医疗AI的商业化仍然要回到一个更基本的问题：谁来为AI持续付费？

在多位业内人士看来，医疗AI真正的商业化出路，仍然需要在G、B、C三端之间寻找更现实的平衡。

第一条，继续深耕G端，但从“建设”走向“运营”。如果平台能够从一次性建设，逐步转向长期运营和复制，商业模型才有可能成立。一旦标准形成，边际成本下降，扩展空间就会打开。

更具体的判断标准是，是否能看到稳定的续费、二期项目比例，以及跨区域复制的真实使用量。“这些指标比中标金额更真实。”

第二条，回到B端，但不再指望医院“多掏钱”。

多位业内人士都提到，医院支付能力正在整体承压。在这种背景下，单纯依赖医院预算，已经越来越困难。

因此，一些企业开始转向更轻的B端模式：围绕科室运营、患者管理、效率提升，帮助医院“节省成本”或“留住患者”，而非增加支出。这种模式更适合中小企业。“你要跟科室、医生长期磨合，做运营。这是辛苦钱，但能活得久。”

第三条，直接面向C端，绕开体制内支付。

C端的天花板最高，这是行业里的基本共识。AI能够以极低的边际成本，提供个性化服务，这正是当前医疗体系难以覆盖的部分。从健康管理到慢病随访，需求真实存在，只是尚未被系统性满足。

不过，C端同样意味着更激烈的市场竞争，更高的产品要求，和更难撼动的用户付费心智。

但无论如何，行业都等到了一次“结构性拐点”的时刻。

对大厂而言，这是明确的利好——门槛抬高、资源集中、长期参与国家级工程的机会出现。对中小企业而言，这未必是坏消息，但意味着必须尽快调整位置，离开平台和工程赛道。

政府大单点亮了第一盏灯，但真正决定行业走向的，仍然是灯光之外，那些更模糊、更破碎、也更触及社会形态本身的商业探索。

(本文来自第一财经)