从问答到交付，健康 AI 的分水岭

Fast Reading

■

对于健康 AI 而言，模型能力决定起点，但服务场景、专业能力和实体履约决定了终点。

健康 AI 的估值逻辑，开始从流量价值向交付价值转变。健康 AI 未来的交锋之地，不在某个单一环节，而在生态能力和全生命周期的服务体系。

从当前的业务演进看，京东健康所处的位置，已经值得用一个比 " 医药电商平台 " 更完整的框架重新审视。

作者 | 于米

医疗行业有一个很朴素的事实：用户真正需要的，从来不只是一个答案。

一个发烧的人需要知道下一步该做什么，一个刚拿到检查报告的人需要知道结果意味着什么，一个慢病患者需要解决长期用药和复诊的问题——答案只是服务的起点，价值常常发生在答案之后。

过去一年，AI 把 " 得到答案 " 这件事变得越来越容易，却也因此把另一个问题推到了台前：当 AI 越来越擅长告诉我们应该做什么，谁又能帮助我们把这件事做完？模型能力决定 AI 能够理解多少问题，但医疗服务、专业能力和供应链，决定它最终能不能把一个健康需求变成切实的服务结果。

这也是理解京东健康价值变化的一个切口。

8 月 13 日，京东健康发布 2026 年上半年业绩：总收入同比增长 15.9% 至 409 亿元人民币（下同），非国际财务报告准则指标下（Non-IFRS）经营利润同比增长 40.3% 至 35 亿元。

值得注意的是，AI 正在从一个独立的健康咨询工具，逐步进入京东健康原有的医疗服务和医药供应链体系。AI 对于京东健康的意义，正在从 " 增加一个 AI 产品 "，转向 " 重新连接一套已经存在的医疗服务和供应链 "。

对于资本市场而言，一个值得重新审视的问题由此浮现：京东健康，究竟应该继续被视为一家医药零售平台，还是需要把 AI 与医疗服务、供应链之间形成的协同价值纳入估值框架？

从 " 问答 " 到 " 交付 "，健康 AI 的分水岭

要看懂京东健康，需要从用户需求的原点出发，重新理解健康 AI 的估值逻辑变化。

当用户带着健康问题和疾病困扰，来寻求健康 AI 的帮助，核心诉求并不是获取一段 AI 诊疗建议，而是希望通过一套完整的医疗解决方案，来消除或缓解身体的不适。

但现阶段，绝大多数健康 AI 产品仍停留在信息交互层面，在完成症状咨询、健康科普、常识解答之后，服务便戛然而止，无法衔接后续的检验检测、求医问诊、合规开方、用药配送、慢病随访等刚需服务。用户不得不自行跳转第三方渠道，或去线下药店、医疗机构完成后续动作。

服务上的断点不仅割裂了用户体验，也中断了商业化链条，使 AI 带来的流量很难转化为平台收入。况且，在 AI 时代，健康咨询的供给成本正在下降，用户甚至可以同时使用多个 AI 产品获得答案。当 " 回答问题 " 越来越容易，单纯拥有健康流量的稀缺性就会下降。

与只有前端 AI 能力的平台相比，京东健康具备完整的后端承接能力，AI 产生的健康需求可以进一步进入问诊、检测、购药和履约等服务环节。

背靠京东集团的电商基础设施和物流网络，京东健康早年从自营供应链切入，发挥电商优势，通过规模化采购、仓储管理、高效物流，以及温控药品的冷链配送能力，解决了用户 " 买药难 " 的痛点。随后，它又推出在线健康咨询，获取互联网医院牌照，具备了开展在线问诊和复诊续方的资格，将业务延伸至 " 医 + 药 "。

再之后，京东健康将业务边界继续向上游延伸，于 2024 年推出 " 到家快检 " 服务，构建了 " 医 - 检 - 诊 - 药 " 闭环。物理闭环跑通后，AI 能力又被嵌入业务链条，成为串联起各个环节的调度中枢。

但在这一过程中，外界很容易把关注点放在京东健康用户付费购药的单点履约价值，而忽视了其 AI 医疗全链路闭环的平台价值。这符合传统互联网语境下的流量思维，但在 AI 语境下，这种判断会出现错位。

放眼全球健康 AI 赛道，国内外头部大厂正纷纷投入重金布局健康 AI 生态，在用户（C 端）、医院（H 端）、医生（D 端）、医药企业（B 端）多端发力。

谷歌以 DeepMind 为核心，推出 Gemini 医疗版，布局医学多模态大模型，从源头介入 AI 药物研发；生命科学子公司 Verily 聚焦数字临床试验，对接全球药企；C 端则走软硬件协同路线，借助 Fitbit 硬件矩阵、Pixel 手表等打通消费健康端数据闭环，通过 Google Health 对外输出谷歌健康能力。

OpenAI 面向 C 端推出的 ChatGPT Health 是大众健康咨询与管理的超级入口，B 端则通过企业级临床版 ChatGPT 深度嵌入医疗机构的行政与临床工作流。它还通过开放 API 吸引数千家第三方开发者，试图打造一个 " 平台 + 应用 " 的生态闭环。

以上种种举措都说明，健康 AI 的商业化逻辑与传统互联网医疗已经开始出现分水岭。

如果一家公司的 AI 只能提供信息，那么市场主要需要判断它能获得多少用户、产生多少调用，以及如何变现；如果一家公司的 AI 能调用既有的医疗和供应链资源，那么市场需要进一步判断的是，这些资源能否提高 AI 的商业转化效率，以及 AI 能否提高原有资源的利用效率。

前一种模式更像 "AI 交互产品 "；后一种模式更接近 "AI 进入经营系统 "。

这意味着健康 AI 的估值逻辑，开始从 " 流量价值 " 向 " 交付价值 " 转变。而健康 AI 未来的交锋之地，不在某个单一环节，而在生态能力和全生命周期的服务体系。

重估京东健康，看 AI 进入了哪些环节

沿着这个逻辑看京东健康，最值得观察的就不再是它推出了多少 AI 交互产品，而是 AI 正在进入哪些业务环节。

京东健康通过多年积累，已经搭建了 " 医‑检‑诊‑药 " 的闭环，业务覆盖从上游药企合作、终端医药零售，到在线诊疗、慢病管理、家庭医生、到家检测、AI 辅助医疗的全链路环节。

举例来说，面向 C 端用户，AI 医生 " 大为 " 在今年上半年完成升级，增加长期健康档案记忆功能，服务模式开始从一次性的健康咨询向持续健康管理延伸。618 期间，" 大为 " 服务用户数同比增长近 4 倍。

单看这个数字，很难直接判断 AI 创造了多少商业价值。用户增长与收入增长之间仍然隔着服务转化、用户留存以及实际履约等多个环节。但它至少说明，AI 健康服务正在获得更高的用户使用频率，而这跟 AI 与后端服务之间的连接息息相关。

按照京东健康的业务设计，" 大为 " 并不只负责回答健康问题，而是可以进一步连接在线问诊、到家快检、护士上门以及药品履约等服务。这样一来，一次 AI 咨询就有可能进入后续医疗服务流程。

这实际上改变了 AI 在平台中的位置。

如果 AI 只是一个聊天入口，那么它的价值主要体现在获取和留存用户；如果 AI 可以根据用户需求进一步调度平台上的医疗服务和商品，那么它承担的角色就更接近一个服务入口和连接层。

这也是京东健康过去积累的业务能力开始产生新价值的地方。

医药供应链、互联网医院、到家服务这些业务，过去分别解决不同的问题。供应链解决药品供给和履约，互联网医院解决线上诊疗，到家服务解决检测和护理。AI 的加入，并没有改变这些业务的基本属性，但有可能降低用户在不同服务之间切换的成本。

在这个已经跑通的闭环体系内，AI 能力不会被局限在互动问答和信息输出环节，而是可以流畅地运转在完整业务链条里，驱动真实的医疗服务和医药商品交付。

从消费者视角看，原本需要自己判断 " 下一步该做什么 "，现在可以由 AI 完成部分判断和服务衔接。从平台视角看，则意味着不同业务之间的协同价值开始提高。

这种协同也在向医生和医院端延伸。

今年 1 月，京东健康发布面向医生群体的 " 京东知医 "，支持循证决策和医学文献检索，目前已经接入京东健康互联网医院，为执业医生提供全流程 AI 诊疗辅助。面向医院，公司自研的 " 京东卓医 " 已在多家医院落地，覆盖临床营养、药事管理和体重管理等场景。

这意味着，京东健康正在形成三个不同层面的 AI 应用：C 端面向用户，D 端面向医生，H 端面向医院。三者的商业化路径并不相同，但从技术和业务基础设施来看存在一定共性。AI 需要医学知识体系，也需要真实的医疗工作流和应用场景。

模型能力则是另一条线。

京东健康自研医疗大模型 " 京医千询 " 经过几次迭代，在权威医疗大模型评测平台 MedBench 发布的最新榜单中，同时登顶 " 大语言模型 " 和 " 多模态大模型 " 两项评测榜首。京东健康还与广州和北京的多家头部医院共建呼吸、消化、肿瘤、精神心理等 AI 专病模型，探索临床场景应用。

从资本市场的视角看，模型排名本身并不应该被赋予过高权重。医疗大模型仍处于快速迭代阶段，单次评测成绩很难直接对应长期商业价值。市场更关注的，是模型能力能否进入医生工作流、用户服务流程和供应链体系，并进一步体现为效率改善。

这一点或许能从京东健康的经营数据中获得一些侧面印证。

2026 年上半年，京东健康总收入 409 亿元，同比增长 15.9%；Non-IFRS 经营利润 35 亿元，同比增长 40.3%。目前尚无足够数据将业绩增长直接归因于 AI。医药商品结构、供应链效率、业务规模以及费用控制等因素，都可能影响盈利能力，把业绩增长简单包装成 "AI 红利 " 并不严谨。

但另一个事实同样值得注意：在 AI 投入持续增加的同时，京东健康并没有把业务重心转移到一个独立的 AI 故事上，而是继续围绕原有的医疗和供应链基本盘推进 AI 落地。对一家稳健经营的上市公司而言，这种路径可能比单纯追逐 AI 流量更容易形成可验证的商业模型。

护城河不止于模型，关键在供应链

如果说 1.0 阶段的健康 AI 竞争主要围绕模型和产品，那么下一阶段的竞争焦点，就是场景和交付网络。

一家公司的模型能力提升之后，竞争对手可以通过模型训练、技术合作或者底层模型升级缩小差距；产品界面也很难形成长期壁垒。

但医疗服务网络不同。

医生需要积累，医院需要合作，药品供应链需要仓储和库存，线下服务需要人员和网点，处方和医保支付需要合规体系。这些能力都需要时间。

因此，健康 AI 呈现出一种与通用 AI 不同的竞争结构：模型能力逐渐成为基础设施之后，真正决定商业化效率的，是谁拥有更多真实场景，以及谁能够把模型输出变成现实世界中的服务。

京东健康的特殊性在于，它在 AI 出现之前，已经花了多年时间建设后两层能力。对于一家已拥有互联网医院和医疗服务网络的平台来说，AI 进入这些场景的成本费用，要远低于一家从零开始寻找医疗应用场景的 AI 公司。

在这个健康 AI 爆发的窗口期，京东健康此前那套看似笨重却极其扎实的打法，形成了一道短期无法复刻的壁垒，为自己创造了更充足的时间窗口。

过去几年，京东健康投入建设的医药供应链、互联网医院、在线问诊、到家检测、护士上门和药品履约等能力，从表面看都属于比较传统的互联网医疗和医药零售业务，看起来与 AI、大模型并没有直接关系。

但放到今天的产业环境里，它的意义开始发生变化：当 AI 开始成为医疗服务的新入口，这些原本分散的能力，开始成为 AI 完成一次服务交付所需要的基础设施。

仍以今年上半年为例，京东健康继续扩展到家快检和护士上门服务；4 月在北京落地综合门诊，将体检、口腔、医美服务与线上检后健康管理结合。在医疗器械方面，Apple Watch、动态血糖仪、呼吸机等设备已经接入京东健康 APP，探索 " 硬件 +AI+ 服务 " 的模式创新。

这些业务不需要被强行解释成 "AI 业务 "。

恰恰相反，它们的价值在于，它们本身就是实体服务网络。AI 真正进入医疗之后，这些网络可以成为模型能力的承接层。

如果把健康 AI 简单拆成三层，最上面是模型，负责理解和推理；中间是医疗专业服务，负责医生诊疗、检测和健康管理；最底层是药品、器械、仓储、配送等实体履约网络。

模型迭代最快，实体网络建设最慢。在模型能力逐渐普及之后，最慢的部分反而可能成为最难复制的部分。

这也解释了为什么京东健康过去几年围绕供应链投入的价值，可能需要放到 AI 时代重新理解。过去，仓储、库存和配送更多体现为零售业务的效率。今天，它们又多了一层意义——让 AI 给出的咨询建议有机会变成用户拿得到的商品和服务。

从资本市场角度看，对京东健康更合理的理解，或许不是简单地给它贴上一个 "AI 健康公司 " 的标签。它仍然是一家以医药健康产品和服务为基本盘的公司。2026 年上半年，其业务仍然主要来自医药及健康产品销售，以及平台、广告等服务收入。AI 目前更像是在这个基本盘之上增加了一层新的能力。

这层能力的价值，可以理解为一个尚未完全兑现的增长期权。

它最终能值多少钱，不取决于模型在某一次榜单上排第几，也不取决于 AI 产品有多少用户，而取决于三个更朴素的问题：它能带来多少真实需求，能够提高多少医疗服务效率，以及有多少需求能够最终完成交付。

如果这些环节能够持续形成正向循环，京东健康过去积累的供应链和医疗服务能力，就可能从传统业务资产进一步转化为 AI 时代的竞争资产。

这或许才是重新审视京东健康时更有意义的地方。

结语

京东健康过去积累的这些能力，未必在 AI 出现之前就显得格外耀眼，但当行业从 " 模型能不能回答 " 进入 " 服务能不能完成 " 的阶段，它们开始拥有了新的定价参照。

至于这种能力最终能转化成多大的商业价值，还需要收入结构、用户转化率、服务效率和利润率等数据继续验证。

但至少从当前的业务演进看，京东健康所处的位置，已经值得用一个比 " 医药电商平台 " 更完整的框架重新审视。

封面来源：京东健康官网

END