2500万美国人没有医保，欠了2200亿医疗债。OpenAI说：这钱你们别花了，问我。
今年1月上线的ChatGPT Health，把医疗咨询做成了零门槛生意。用户上传病历、同步健康App数据，AI就能给建议。同场竞技的还有Claude医疗版、微软Copilot Health、亚马逊Health AI——科技巨头们突然集体盯上了你的体检报告。
哥伦比亚商学院教授Carri Chan管着AI+医疗项目，她的反应很分裂：一方面庆幸这些公司"好歹专门训练了医疗模型"，不是拿全网垃圾数据糊弄的通用聊天机器人；另一方面又担心患者真把AI当医生用。
1/3成年人已经尝鲜，但动机很扎心
KFF本月发布的健康追踪民调显示，过去一年里，三分之一的美国成年人用AI问过身体健康问题。这个比例和从社交媒体获取健康建议的人群基本持平。
速度是最大卖点——"立刻有答案"。但约20%的人承认，选AI是因为挂不上号、或者挂得起号付不起钱。
Chan的观察更直接：这不是什么科技乐观主义，这是医疗系统失灵倒逼的替代方案。
哈佛公卫学院算过一笔账：早诊断真能省钱。如果AI能帮 uninsured 人群在恶化前发现问题，理论上能减少急诊室的天价账单。但"理论上"三个字，Chan划了重点。
免费是最贵的？数据主权正在易手
ChatGPT Health目前免费。这个定价策略瞄准的人群很明确：2500万 uninsured 美国人，以及被2200亿医疗债务压垮的群体。
但"免费"的代价是病历上传。你的血糖曲线、用药记录、基因检测结果，正在变成训练数据。Chan的警告很具体：模型质量取决于数据质量，而数据质量取决于谁把关。
科技公司的承诺是"专门训练"，但专门到什么程度？亚马逊Health AI说能帮患者"见医生前更好理解身体"，这个定位很微妙——不是替代医生，是前置分流。可用户怎么区分"前置建议"和"医疗诊断"的边界？
Chan的原话是："谢天谢地他们至少专门训练了"——这句话的潜台词是，没专门训练的模型有多危险，她见过。
通用大模型从全网爬数据，医疗谣言、伪科学、保健品广告和正经论文混在一起。ChatGPT Health们至少试图把训练集洗干净，但"干净"不等于"正确"，更不等于"对你正确"。
巨头们的医疗AI，路线开始分叉
OpenAI的路线是C端免费获客，用规模换信任。微软Copilot Health绑在办公软件生态里，瞄准的是企业医保计划。亚马逊Health AI嵌入Alexa和电商平台，逻辑是"问完症状顺便买药"。
三条路，同一个赌局：谁先让患者养成"先问AI"的习惯，谁就能定义下一时代的医疗入口。
但Chan认为真正的价值在B端。AI辅助医生写病历、优化排班、预测床位需求——这些"无聊"的应用，比聊天机器人更能降低系统成本。
她的判断很产品经理：消费者端的AI医疗是止痛药，解决的是"看不起病"的急性症状；供给侧的AI才是抗生素，能治"医疗系统太贵"的慢性病。
问题是，抗生素研发周期长、见效慢，资本市场等不及。ChatGPT Health的免费策略，本质上是用C端热度给B端故事融资。
uninsured 人群的算盘，打得响吗
对那2500万人来说，AI医疗的诱惑很实在：不用预约、不用请假、不用先付500美元急诊押金。但风险同样实在——误诊了谁负责？
美国医疗责任体系还没跟上。传统医疗有执照、有保险、有诉讼路径。AI建议算"信息"还是"诊疗"？出事了找OpenAI还是找上传病历的自己？
Chan的保留态度集中在这里：患者替代人类医护的意愿，和AI实际能承担的责任，中间隔着法律真空。
她见过太多"技术能解决一切"的叙事，但医疗的特殊性在于，容错率极低。一个推荐错误，可能从"再观察观察"变成"错过手术窗口期"。
KFF的数据里有个细节：用AI问健康的人，和刷TikTok找偏方的人，比例一样高。这个并列本身，就是对"AI更权威"假设的嘲讽。
科技巨头们正在做的，是把医疗咨询从"专业服务"降级为"信息流"——更快、更便宜、更个性化，但也更模糊责任边界。
2200亿债务背后，一场信任迁移实验
美国人欠医疗机构2200亿美元。这个数字的残酷之处在于，很多人欠的不是治疗费，是"询问费"——还没确诊，账单已经来了。
AI医疗的免费模式，切中的是这个痛点。但切中痛点不等于解决痛点。如果AI建议"再等等"，病情恶化后的费用谁承担？如果AI建议"去看专科"， uninsured 人群付不起这个建议的后续成本。
Chan的AI+医疗项目正在研究这些场景。她的初步结论是：AI在医疗领域的最佳角色，是"增强"而非"替代"——增强患者理解力，增强医生效率，增强系统弹性。
但商业逻辑推着产品往"替代"走。C端应用要的是用户时长，而用户时长来自"我能搞定"的幻觉。
ChatGPT Health的界面设计是个信号：上传病历、对话式交互、即时反馈——这套体验刻意模仿的是"朋友给建议"的轻松感，而非"医生问诊"的仪式感。心理暗示很明确：这不是什么严肃医疗行为。
可用户上传的是严肃医疗数据。这个错位，是Chan最担心的。
专门训练模型，就能高枕无忧？
科技公司的公关话术高度一致：我们用了医疗级数据训练、我们和医院合作、我们的模型经过专业调校。
Chan承认这比通用模型强，但"强多少"是黑箱。医疗AI的评估标准——准确性、安全性、公平性——还没有行业共识。一个对白人男性准确的诊断建议，对黑人女性可能完全失效，而用户看不到这个分层。
更隐蔽的问题是数据回环。用户上传病历、获得建议、反馈结果——这个闭环理论上能优化模型，但如果用户因为AI建议延误治疗，这个"结果"不会自动回流成负面训练样本。
幸存者偏差会自我强化：能来反馈的，是用了AI觉得有用的人；出了事的，没机会打差评。
Chan提到一个关键区分：AI改善"医疗交付"（delivery）和AI直接"交付医疗"（care），是完全不同的风险等级。前者是工具，后者是主体。现在的产品定位都在模糊这个界限。
亚马逊说"帮助理解身体"，微软说"更准确的指导"，OpenAI说"医疗指导"——词汇的选择本身就是监管套利。
2500万人的选择，是进步还是退路
回到KFF的民调：三分之一成年人用AI问健康，和社交媒体找建议的比例持平。这个"持平"可以两种解读——AI已经主流化到和社交媒体一样普及，或者，人们本来就没多信任传统医疗信息源。
Chan倾向于后者。她的研究显示，医疗可及性危机先于AI出现，AI只是填补了真空。这个判断很重要：不是技术创造了需求，是系统失灵创造了技术的市场空间。
但市场空间和医疗质量是两回事。 uninsured 人群用AI，是因为没有更好的选择，而非AI本身更好。这个被迫选择，被包装成了"科技赋能"。
免费策略的伦理张力在这里：它解决的是"付不起"的问题，却可能加剧"得不到"的问题——得不到准确诊断，得不到及时治疗，得不到责任追溯。
2200亿医疗债务的债主，和提供免费AI咨询的供应商，正在形成奇怪的对峙。前者代表旧系统的失败，后者代表新系统的诱惑。但新系统的成本，可能以数据主权、健康风险、责任模糊的形式，延迟支付。
Chan的"谢天谢地"是个精准的情绪切片：庆幸有进步，但进步幅度刚好够让人警惕。专门训练的模型比通用模型好，好到值得用，但好到值得依赖吗？
她的项目正在追踪一个指标：AI医疗用户中，有多少人最终回到人类医护系统，以及回来的时机。早回来，说明AI是有效的分诊工具；晚回来，说明AI是危险的延误因素。
这个数据还没出来。但商业竞争等不及。OpenAI的免费牌已经打出，微软亚马逊跟进，2500万 uninsured Americans 的注意力正在竞价。
ChatGPT Health的"for now"免费，暗示了未来的收费可能。到那时，习惯了零成本咨询的用户，是愿意付费升级，还是退回无医可问的状态？
Chan没有直接回答这个问题。她只是重复了那个判断：我们需要的是增强医疗系统的AI，不是替代它的AI。但市场正在奖励后者。
2200亿债务压顶的人群，有多少能分辨这个区别？
热门跟贴