医疗AI的答案正在变得廉价，但信任、行动与责任却未同步。本文从一次真实问诊出发，对比通用大模型与蚂蚁阿福的体验，剖析医生被信任的深层原因——知识之外，还有证据、行动与责任。当AI分身出现，信任被放大还是稀释？

前不久，一位亲戚缺了一颗前磨牙。因为缺牙间隙偏小，医生认为不适合直接种植，给了她两个选择：固定桥或者可摘局部义齿。

选项听懂了，区别却没听明白。固定桥要不要磨旁边的牙？可摘局部义齿是不是每天都要摘下来？哪种更舒服，能用多久，又分别适合什么情况？离开诊室以后，这些问题仍然没有答案。

她没有打开一款AI问诊产品，而是先来问我。

这不一定意味着她不相信AI，我也无法替她解释当时的全部想法。但这个选择让我有些在意。我学的是口腔医学，也接触过临床相关知识，能够理解医生给出的方案，却没有完全依靠记忆回答她。我先让AI整理了固定桥和可摘局部义齿的优缺点，再从中筛掉不适合直接套用的内容，按照邻牙损伤、舒适度、清洁难度和后续维护重新组织，最后结合她的情况，用她能听懂的话解释了一遍。

换句话说，这次回答中的大部分医学知识，同样来自AI。

如果她直接向AI提问，很可能也能得到一份相当完整的答案。那她为什么还是更愿意来问一个人？

后来体验蚂蚁阿福时，我一直带着这个问题。刚开始，我想比较它与通用大模型谁更懂医学，但很快发现，这可能不是医疗AI最值得回答的问题。通用大模型的医学能力正在快速提高，单纯比较谁能列出更多疾病、解释更多指标，产品之间的差距只会越来越小。

医疗问题也不是一道答完就结束的阅读理解题。当答案可能影响治疗、用药或者是否就医时，用户真正想确认的还有：这段话可信吗？哪些内容与我有关？我接下来应该怎么做？如果判断错了，谁能及时发现，又由谁来负责？

答案正在变得廉价，围绕答案产生的信任、行动和责任却没有。

一、用户不是没有答案，而是不知道能否据此行动

打开蚂蚁阿福，可以看到AI诊室、报告解读、AI拍皮肤、就医服务、药管家等入口。它没有把所有需求都塞进一个空白聊天框，而是试图把“我身体好像有点不对劲”拆成几个更具体的任务：描述症状、上传检查报告、拍摄患处，或者直接连接医生与就医服务。

这个方向本身是成立的。

图1 阿福AI诊室将咨询拆成选择对象、描述症状和获得建议三个步骤

2026年1月，《科技日报》转引蚂蚁集团披露的数据称，阿福月活跃用户达到3000万，单日处理超过1000万个健康提问。数字是公司口径，不能直接证明回答质量，却至少说明一种需求确实存在：大量用户希望在医院之外，先获得一次低门槛的解释和方向判断。

很多健康问题并没有严重到需要立刻去医院，却又不能靠搜索结果随便判断。一个指标为什么升高、医生开的药应该怎么吃、某种症状应该挂哪个科，这些问题看起来很小，却真实占用了患者和医疗系统的大量时间。AI可以随时回应，也允许用户反复追问，至少让获取基础健康信息这件事变得容易了一些。

我整理了一些社交平台上的使用反馈。它们无法代表阿福的全部用户，只能作为寻找问题的线索，但其中呈现出一条比较清晰的边界。

评价较好的场景，大多集中在报告解读。有用户提到，自己把检查报告上传后，阿福给出的解释与医生的结论基本一致，而且比诊室里匆忙听到的几句话更详细。还有用户把它当成医生解释后的补充：先听医生给结论，再让AI逐项说明指标是什么意思、需要关注什么。

这类任务有一个共同特点：AI面前已经有了一份相对明确的证据。检查数值、影像结论或者药品说明都写在那里，它主要负责翻译、整理和补充。即使用户不完全相信，也可以拿着结果再次询问医生。

但当问题从“解释已经发生了什么”，转向“根据有限信息判断我得了什么”，用户的评价很快发生了变化。

有人提到，自己描述了一段身体不适后，产品给出了具体药物建议，但在真正购药时才发现情况比回答中呈现的更复杂；也有人因为一句简单的皮肤症状，被扩展出多个严重方向，虽然产品同时建议及时就医，用户却先被吓得更加焦虑。还有用户连续上传健康数据，等到需要汇总时，系统又表示缺少相关记录。

这些反馈指向的未必是同一种技术问题，却暴露了同一种产品风险：AI拥有的上下文，可能没有用户想象得那么完整。

一份体检报告通常对应着比较确定的信息，症状描述却不同。同一句“最近头晕”，背后可能还缺少出现时间、持续多久、诱发因素、既往疾病、近期用药和检查结果。普通用户甚至不知道哪些信息值得说，更无法判断模型究竟缺了什么。

因此，医疗AI面对的任务至少可以分成三个层次。第一层是信息解释，用户已经有报告、处方或者医生结论，AI帮助翻译术语、整理重点，证据相对明确，结果也容易复核。第二层是风险判断，用户只有一些零散症状，希望知道是否紧急、应该挂什么科、下一步还需要补充什么信息。AI可以参与，但产品必须主动追问，并明确判断建立在哪些信息上。第三层才是诊断、用药和治疗选择，这些建议一旦被执行，就可能直接影响身体。仅靠一次文字对话，很难补齐查体、检查结果和完整病史，更无法自动获得承担后果的资格。

从第一层走向第三层，模型输出可能依然流畅，用户需要支付的信任成本却在快速上升。

阿福的AI诊室已经意识到信息收集的重要性。进入页面后，流程被设计成“选择咨询人—描述症状—提供咨询建议”，同时提示用户可以上传检查报告，部分场景还能邀请三甲医生复核。这说明它并不满足于回答一句孤立的问题，而是希望先获得更多上下文。

但页面里还有一句很典型的提示：“你输入的信息越详细，我的回答越精准。”这句话没有错，问题在于，它仍然把一部分问诊责任交给了用户。普通人恰恰不知道怎样才算详细：是要写疼痛的位置，还是疼痛的性质？是说昨天吃过什么，还是说明三个月前做过什么检查？

真正成熟的医疗AI，不能只等待用户写出一份合格的病史。它应该识别当前信息缺口，提出有针对性的追问，再让用户确认；发现证据不足时，也应当收窄结论，而不是用一段完整、肯定的文字填补缺失的信息。否则，即使每一句医学知识单独看都没有问题，组合起来也可能变成一个不适合当前用户的行动建议。

这也解释了亲戚为什么会来问我。她更需要一个能够判断哪些内容与她有关、把不确定性说清楚，并愿意继续解释的人。

但新的问题也由此出现：如果医生掌握的知识未必比大模型更多，为什么人们仍然更愿意把行动层面的判断交给医生？也许，被信任的从来不只是知识本身。

二、医生被信任的，从来不只是知识量

医生与大模型的差别，不宜被简化成谁背得更多。模型可以一次调用大量文献和指南，医生也会遗忘、会检索、会请其他科室会诊。真正拉开两者的，是知识怎样进入一次具体判断。

现实中的医生可以观察患者的状态，完成查体，开具检查，再根据新证据修正判断。必要时，他还能开药、安排治疗、复诊随访，并把上一次判断带进下一次沟通。更重要的是，医生具有明确身份，工作被医院制度、执业规范和责任体系约束。

用户真正信任的，是一套能够获得证据、采取行动、持续修正并承担责任的临床过程。

这也是医生AI分身值得讨论的原因。以阿福里的王宁利院士AI分身为例，在用户开口之前就展示了多层信任信息：由蚂蚁集团与北京同仁医院王宁利医生团队共同研发，经过医生本人授权并训练，同时标注“本人授权”“专属知识”“医生验证”。页面还主动提醒，遇到复杂病情建议尽快线下就医。

图2 医生AI分身在对话前展示本人授权、专属知识与医生验证等信任信息

这些信息并不直接提高某一句回答的医学准确率，却在降低用户的进入成本。面对一个空白聊天框，用户只知道对面是大语言模型；面对院士AI分身，她至少知道答案与哪位专家、哪个团队和哪个专科发生了关系。对于本身具备一定医学知识的人，这种来源感确实会让人更安心。

但我问过的一位朋友给出了完全相反的排序：现实医生第一，通用大模型第二，医生AI分身第三。他觉得医生分身反而有一种“恐怖谷”感——看起来像一位真实医生，说话也借用了真实医生的身份，但最终又不是医生本人。

这种不适未必来自虚拟形象本身，更像是身份与责任没有对齐。当页面说“我是某位医生的AI分身”时，用户很自然会继续追问：这句话是医生本人看过的，还是模型根据资料生成的？“医生验证”验证的是知识库、回答规则，还是当前这一次回答？医生本人会在什么情况下介入？如果分身的建议与医生面诊结论不同，应该相信谁？

医生分身因此不是天然位于医生和大模型之间的一档产品。它更像一个信任放大器：当授权、资料来源、医生参与方式和责任边界足够清楚时，它可以借助专家身份降低信任成本；一旦这些问题说不明白，越像真人，反而越容易放大怀疑。

一项发表于《Journal of Medical Internet Research》的随机实验也提供了类似线索。研究让249名参与者分别评价真人医生、AI和“人参与的AI”给出的诊断。参与者在功能层面仍然更相信真人医生，但无论答案来自哪一方，加入诊断解释后，评价都会改善。来源重要，解释同样重要，只是解释仍不能自动替代责任。

如果把医疗信任拆开来看，至少存在三个不同阶段：用户是否愿意开口提问，是否相信这段解释，以及是否愿意据此行动。医生分身可以明显影响前两个阶段，但到了用药、治疗和就医选择，用户仍然会寻找一个能够核对证据、介入现实并承担责任的人。

所以，医生仍然被信任，关键不在于掌握的医学知识一定更多，而在于他拥有患者上下文、能够采取行动，并且处在明确的责任关系中。这三件事，也正是医疗AI相对于通用大模型需要产品化的部分。

三、当答案能力趋同，阿福的差异只能发生在对话框之外

2026年6月，《Nature Medicine》发表了一项比较研究。研究者让三款前沿通用大模型与两款专业临床AI工具完成医学知识题、专家一致性评测，以及100条来自真实临床环境的医生提问。结果中，通用大模型在三组评测里都领先于专业工具。

图3 报告解读与AI拍皮肤将模糊健康问题转化为带证据的具体任务

这项研究也不能据此断言所有通用模型都优于所有医疗AI。论文作者同样提醒，结果只是快速变化中的一个截面，深度专科任务、隐藏提示词和不同产品界面都会影响表现。但它至少说明：贴上“医疗”标签、接入专业语料或者增加RAG，并不会自动形成更好的回答。

另一项发表于《JAMA Network Open》的研究更能解释前一章的问题。研究者把临床推理拆成鉴别诊断、检查选择、最终诊断和处理方案等连续环节，结果发现，模型在信息相对完整后的最终诊断上表现较好，在早期的鉴别诊断和检查选择上更弱。现实用户恰恰不会像标准病例那样，一次提供完整、干净、已经结构化的信息。

如果通用大模型已经能回答大部分医学知识题，垂直医疗AI的护城河就不能只是“我有更多医学知识”。公开指南、论文、药品说明书和科普材料，竞争对手同样可以购买、检索或者接入。咨询记录看起来很有规模，也不天然等于高质量临床数据：用户自述可能不完整，一段咨询通常缺少查体和检查，更未必有经过医生确认的最终诊断与随访结果。

咨询记录不等于病历，病历也不等于经过确认的诊断结果。数据只有进入持续更新、能够核验并获得用户授权的服务闭环，才开始形成真正的产品价值。

从这个角度再看阿福，它有意义的部分恰好不只在回答。AI诊室要求先选择咨询人，再采集症状；报告解读支持照片、相册和文件上传；拍皮肤把“我这里不舒服”变成更明确的图像输入；药管家继续承接药盒识别、用药提醒和家庭用药管理。这些入口在做同一件事：把一次孤立提问，逐渐变成一个有对象、有证据、可以延续的健康任务。

更难复制的部分发生在回答以后。在阿福的就医服务里，用户可以继续预约挂号、找医生、在线问诊、购药、查询报告和使用医保相关服务。同一篇2026年1月的公开报道中，蚂蚁称阿福连接全国5000家医院和30万名真人医生。数字仍然是企业披露，但这些连接至少揭示了阿福与普通聊天机器人的不同：它有机会把一句建议变成下一步行动。

图4 就医服务与药管家把回答继续连接到挂号、问诊、购药和用药管理

因此，阿福真正可能形成的不是单独的数据护城河或模型护城河，而是一条服务链：在用户授权的前提下积累连续健康上下文，用结构化问询补齐缺失信息，让AI完成解释和初步分流，再把高风险、低置信度或者需要诊疗的部分交给真人医生，最后把挂号、购药、复查和随访接起来。

这条链路一旦跑通，数据与服务才会相互增强。用户带着明确问题进入，产品获得更完整的信息；医生复核和后续结果反过来帮助系统理解哪些建议真正有用；更稳定的服务又提高下一次使用意愿。护城河不是某一批静态语料，而是上下文、医生确认和真实结果持续回流形成的闭环。

但这条路也有两个无法绕开的条件。

第一个是隐私。医疗AI越想个性化，就越需要用户提供病史、报告、照片、用药和家庭成员信息；用户只有先信任产品，才愿意交出这些数据。产品又需要足够数据，才能给出更贴近个人的回答。这是一个正向循环，也可能因为一次记忆错误、越权调用或者隐私事故迅速反转。渐进授权、最小必要采集、允许查看和修正上下文，不是附加功能，而是个性化能够成立的前提。

第二个是商业中立。当同一个产品既给健康建议，又连接医院、药店、保险和体检服务时，服务能力确实更强，推荐动机也更容易受到怀疑。临床建议与商业推荐是否分开、为什么推荐这一项、是否提供多个选择、合作关系有没有清楚展示，将直接决定“能做”最终能不能转化成“敢用”。

医疗AI的壁垒，最后不在于聊天框里比别人多答对一道题，而在于能否安全、透明地把用户从问题送到结果。

四、阿福下一步要证明的，不是能不能回答，而是能不能安全交接

从产品定位上看，我更愿意把阿福理解为医疗信息解释者和服务导航者，而不是一位独立的“AI医生”。这不是降低它的想象空间，而是在寻找一条更可能被用户长期信任的路径。

阿福在应用商店的介绍中也明确提醒，AI答复只能作为参考，不能替代专业医生的诊断和治疗建议。但在具体界面里，“AI医生”“AI诊室”和医生分身又在尽量靠近真实医疗角色。这种张力不一定是错误：拟人化能够降低提问门槛，专业身份能够建立来源感。只是产品越接近医生，就越需要把行动和责任边界说得更具体。

对医疗AI而言，下一步不应该同时证明所有能力，而应当按照风险逐层验证。

首先，继续把报告解释、药品信息、诊前整理和就医导航等边界清楚的任务做稳定。成功标准不只是“回答看起来完整”，还应该包括用户能否理解证据、是否知道下一步做什么、有没有因为表达方式增加不必要的恐慌。

其次，在用户明确授权后逐步建立长期上下文。系统不需要一次索取完整病史，可以在每次任务里补齐必要信息，区分用户原话、报告事实、模型推断和医生确认，并允许用户随时修改。真正的个性化，来自系统清楚地知道哪些内容已经确认、哪些仍然缺失。

再次，把安全交接做成产品主流程，而不是回答末尾一句泛泛的“必要时请就医”。阿福已经在部分页面提供“可邀请三甲医生复核”的入口，这比单纯增加免责声明更接近真实解决方案。理想的交接不只是把用户扔进另一个问诊窗口，还应该把前面的症状、报告、追问过程和不确定点整理成摘要，让医生不用从头再问一遍。

最后，医疗建议与服务转化之间需要一条可审计的边界。哪些内容由AI生成，哪些经过医生复核，推荐医院和药品的依据是什么，何时发生商业合作，都应该让用户看得懂。医疗AI最终出售的不是一次点击，而是一段不能被轻易透支的信任关系。

这也决定了产品应该怎样评估自己。与其只看回答量、停留时长和用户是否接受建议，不如继续追踪：高风险问题有没有及时升级，错误上下文有没有被发现，交给医生的信息是否完整，用户是否采取了合适的下一步，以及产品有没有避免不必要的检查、用药和焦虑。

当然，AI也解决不了医疗系统的所有问题。它可以替医生分担重复解释、诊前信息整理和部分随访工作，让有限的专业时间被用在更需要判断的地方；但它不能直接改变医生分布、医院层级、医保制度和执业责任。AI可以重新分配医生承担的信息工作，却不能直接重新分配医生本身。

回到开头那次缺牙方案的讨论。亲戚真正需要的，不是一份更长的固定桥与可摘局部义齿优缺点清单。她需要有人判断哪些信息与她有关，把专业语言变成可以继续和医生讨论的问题，并在不知道的地方明确停下来。

那一次，AI提供了知识，我完成了筛选和解释，最终的治疗决定仍然要回到她和接诊医生之间。

医学知识正在被大模型快速普及，但医疗从来不只是知识的传递。它还包括理解一个具体的人、在不确定中采取行动，以及有人愿意为结果负责。

一个成熟的医疗AI，不是把用户永远留在对话框里，而是在合适的时候，把她准确地送到能够负责的人面前。