AI医疗的繁荣之下，投资人仍在探究企业的商业底色

文｜《财经》记者 辛颖

编｜王小

一轮轮的寒潮不断将气温拉低，2025年慢慢走进尾声，此前传出年内有望启动IPO(首次公开募股)的两家医疗科技企业——丁香园和医联，似乎凝滞了。

医联相关负责人对《财经》表示，目前没有具体信息可以披露。丁香园未予回应。

同赛道的微医控股（下称“微医”）在9月底更新招股说明书，冲击港交所，正在焦灼地等待结果。

互联网卖药越来越火热，“互联网医疗”却还是在资本市场溅不起水花。微医、丁香园、医联不约而同转向了一个热度更高的赛道——AI医疗。

“AI医疗的热度，在项目路演现场就能感受到。”一位专注港股IPO业务人士介绍，像互联网医疗企业，如果有一些创新的AI技术与业务融合，肯定是更投资人欢迎。

港股市场目前整体情况较好，IPO发行有很多是超额认购。冠上AI医疗概念的健康160、健康之路、方舟健客，近一年已陆续在港股挂牌上市。

微医、微脉、镁信健康等也纷纷向港交所递表排队中。这些互联网医疗赛道曾经的战友们，虽然主攻的方向已经截然不同，不约而同开始努力凸显自己的AI实力，奔向香港。

借AI押注IPO

微医，已经脱胎成一家AI医疗企业。

其招股说明书显示，2025年上半年，公司实现营收30.8亿元，其中AI医疗服务收入28.41亿元，占总收入比重超过九成。

丁香园就连新落成的总部大楼也被称为“医疗大数据中心”。近期，其上线了临床决策AI工具ClinMaster，医生只需要输入临床问题，AI便能提供一个基于循证医学的建议，每个建议都附有相关的研究文献和最新的临床指南。此前，丁香园已上线了丁香AI助手、Clinflow等AI模型。

医联也押注医疗AI大模型，做医生的助手，提供疾病诊断与治疗建议。期望通过AI技术将专家医生的服务规模化，覆盖预防、诊断、治疗、康复等环节。

这些企业强化AI标签的背后，是一场不得不做的转型。

1月，好大夫在线正式被蚂蚁集团收购，似乎再次印证了行业魔咒，“互联网医疗领域只有卖药能挣钱”。

好大夫在线创始人王航，于2006年成立了这家互联网医疗平台，一度与微医、丁香园、医联，并称互联网医疗四只“独角兽”。2013年起，互联网医疗受资本追捧，这几家陆续成为腾讯等一众资本的标的。

“好大夫在线是唯一一家不从药上挣钱的互联网医疗公司，它们主要就是向患者提供医疗服务而收费。”一位原互联网医疗企业人士告诉《财经》。

遗憾的是，王航的坚持并没能带着好大夫在线杀出一条路来，公司持续亏损，几度裁员瘦身。

丁香园创始人李天天曾表示，上市是企业发展到一定阶段的自然选择，但并非唯一目标。

可现在，“面前就两条路，要么上市，要么被大的机构财团收购。”上述原互联网医疗企业人士认为，这几家公司都面临相同的情况，老板想不想上市不重要，背后投资者这么多的投入需要退出机制。

IPO似乎成为必须迈过的一道坎。2025年9月底，微医更新了招股说明书，医联在2021年的IPO计划折戟，丁香园也三次传出IPO消息。

相比之下，以电商模式为引领的互联网医疗成为唯一被验证通路，京东健康、阿里健康、平安好医生陆续上市，且成功扭亏为盈。

不过，“AI医疗的市场是热度高，但投资人还是比较冷静的，他们更关心企业的业务内核，一是否会受到医疗行业监管政策的影响，二是商业模式能不能快速铺开，三是企业有没有独特性，比如建立自己的技术壁垒或者资源壁垒。”上述专注港股IPO业务的人士说。

走向不同的岔路口

虽然都加载了AI标签，丁香园、微医、医联已经转向完全不同的方向。

丁香园直接转型消费市场，选择了已经被验证过的成熟电商方向，打造了一条从内容引流，到健康咨询服务，再到电商销售的商业模式。

有趣的是，这个拥有最多医生用户的平台，卖一切和健康相关的产品，唯独不卖药。

截至2023年，丁香园拥有900余万注册专业用户，占全国卫生技术人员的80%，其中包括405万注册医师用户，占全国执业医师总数的92%。全域月活跃用户数610万。

这些用户构成丁香园的基本盘，面向公众做健康科普，以及面向医生提供专业服务。

在原本的营收来源中，既有给医生提升能力的职业培训、科研工具等，也有向医药企业提供市场营销、市场调研等服务。

一位知情人士向《财经》介绍，“丁香园能从医院方面收费的业务基本上到天花板了，而且各类机构手上都没钱，所以这块增长不会太大。”

贴在丁香园办公室墙上的企业愿景，在2019年从 “健康更多，疾病更少”更新为“健康更多，生活更好”，丁香园将注意力转向了C端用户的消费市场。

在丁当商城上，产品覆盖从食品保健、书籍百货到家用电器，唯独没有药。多位业内人士表示，卖药，丁香园是卖不过京东、阿里的，做这块业务没有必要。

手握庞大医生资源的丁香园，没有打通卖药业务，也确实避开了中国医疗领域一直所诟病的“以药养医”的链条。

“老板有一些自己的坚持，比如丁香园虽然卖保健品，但是必须符合循证医学，也就是得有试验数据支持其保健功效。”一位丁香园前员工告诉《财经》。

相比于丁香园继续在线上业务做延伸，微医则转向了业务模式更“重”的线下方向。

其实在转型的路上，微医有诸多尝试，但最先成熟的业务，还是线上线下医疗服务业务的延伸，依托健共体开展健康管理会员服务。

一向对政策风口敏感的微医，抓住了近年来各地医保改革需求的窗口，快速切入基层医疗的慢病管理赛道。

2022年，天津市着手搭建“健共体”，微医天津人工智能总医院作为牵头医院，通过AI技术赋能当地266家基层医疗机构和2000余个基层医疗服务站、卫生室，截至2025年6月30日，该服务已覆盖约110万名健康会员。

这些慢病患者的会员式服务收入，其实来自当地医保部门对慢病患者按人头打包支付的费用。只要能够管理好这些慢病患者，让健共体医院有医保结余，微医就能盈利。

一方面，微医将AI助手嵌入社区医院的信息系统，为医生提出诊疗建议，减少违规行为；另一方面派驻健康管理师到社区医院，与AI协同承担管理慢病患者的日常工作，比如定期随访、答疑解惑等。

诊疗效果与健康管理效果的提高，为基层医疗机构留下了更多的患者，数据显示，2023年1月至2024年6月间，天津健共体合作的基层医疗机构中，门诊人次增幅达23%至50%；医保结算的结余逐步增长，全病种健康管理盈余率由2024年的3.3%提升至2025年上半年的6.1%。

医联也回归了最熟悉的技术领域，专注开发医疗大模型。医联创始人王仕锐曾向《财经》介绍，这几年公司的盈利，基本全部用于大模型开发上。

早在2017年，医联与IBM Woston等机构合作AI研发。但王仕锐发现，上一代AI医疗模型的一个重要缺陷在于，AI不能识别自然语言，整个库的应用，是建立在专业词汇搜索的基础上，一些项目无疾而终。而近几年生成式大语言模型的出现，再次让王仕锐看到了机会。

目前，医联推出的MedGPT大模型，已经有保险公司、医药企业等付费购买，用于公司的患者管理。医联的角色也慢慢转向软件解决方案的服务商。

谁距离上市更近

这些IPO候选者要回答投资者的是，商业模式可跑通、能复制推广、有护城河。

“互联网医疗整体都比较难，丁香园可能相对好一点，因为现在它更偏消费市场，想象空间更大。”一位关注一级市场投资的医疗分析师表示。

2022年初，李天天在接受《经济观察报》采访时曾透露，公司年利润保持了40%-50%的增长，但业务模式尚未跑通。

内容引流，是目前丁香园做电商的最大特色。“第一阶段的内容引流是依靠医生的专业科普，但现在已经摆脱那个阶段，丁香园正在打造一个更全面的IP矩阵，来支撑电商业务。”上述原互联医疗人士说。

能否把科普内容引流到电商消费是关键。在过去几年，互联网大厂都想尝试这个路径，腾讯医典、百度健康医典、小荷医典等层出不穷。“百度前期投入了上千万元，最后都没打通从科普内容引流到健康消费的模式。”一位原百度健康人士说。

微医比丁香园更迫切的可能是盈利，据微医最新招股书显示，目前已经接近实现。

微医的亏损率连年收窄，到2025年上半年亏损率收窄至4.2%。深度绑定基层医疗机构后，微医的会员收入稳定并在快速增长。

2022年-2024年，微医经营收入年均复合增长率超100%。2025年上半年，微医营收30.8亿元，同比增长69.4%，微医的现金流首次转正。

更长期的挑战来自健共体模式的推广。在整体政策利好下，微医的AI健共体模式正向上海、杭州、重庆、南京、深圳、温州、银川等多地复制铺开。

“微医的模式更依赖于和地方政府的合作，受政策影响比较大，需求存在变数。”上述专注港股IPO人士说。

同样，医联也面对着一个未知何时能走通的商业模式。

王仕锐考虑了两个盈利的方向，一是向个人用户收取会员付费服务，这也是目前国际上大模型的营收方式之一；另一个是继续拓展现在已经有企业合作模式。

决定医联能否建立起技术壁垒的，一是算法，二是能否获得优质医疗数据。

医联对自己的技术壁垒颇有信心。上述医联相关负责人对《财经》表示，MedGPT医疗大模型采用的是模拟人脑认知逻辑的三层架构，即“快系统（类比大脑皮层执行语义任务）+ 慢系统（类比前额叶深度推理）+ACC层（类比前扣带皮层，调和快慢系统矛盾）”。

这三层架构为强耦合闭环，少一层即退化为普通模型。上述医联相关负责人说，竞品想要复刻需重写四大核心模块（模型编排、任务路由、过程监督、安全策略），即使原本就有成熟大模型，也至少需要花费9个-12个月研发，再加6个-9个月调参，而且这条技术路径不可压缩、不可跳步，也无法“砸钱加速”。

另一方面，即便竞品花费2年到3年时间完成了技术复刻，但医学专家资源是无法复制的，“与专家之间的信任与合作关系，是团队深耕互联网医疗行业多年积累下来的”。上述医联相关负责人说。

王仕锐更希望通过优化模型，降低对大数据的需求，“现在大量的临床数据其实是腰部质量的数据，对训练容错率低的医疗大模型来说，更重要的是头部专家的诊疗数据。如何能够用有限的头部数据训练出模型，更考验算法的设计”。

然而，这类减少数据需求的“小模型”，对整个AI界来说仍是挑战。

这些曾经是互联网医疗风口中的明星企业，却必须现在就能重新证明自己的能力。