年收入飙涨10倍，一家医疗公司接住了AGI

文 | 海若镜

2022年，创业第七年，薛翀开始跑步，用汗水来对抗郁闷和失意。

资本寒冬、市场骤冷，谈好的5000万融资无法到账，他创立的医疗SaaS公司全诊医学只好收缩战线，退守浙江。彼时，医疗行业普遍面临大裁员的苦楚，薛翀也是。濒死挣扎后，他决定还是挤出资源，保留一支10人小队，探索并不清晰的AI创新业务。

没想到，正是这个反常识的决策，让全诊医学翻了盘，接住了大模型时代的“馈赠”：

2025年连获创新医疗等投资的3轮融资；医疗SaaS外的AI新业务，签约ARR（年度经常性收入）增长12倍，达到六七千万元，2026年签约合同额有望达1.5亿元。

一位医疗AI从业者讲道，以前他并不知道这家公司，直到2025年全诊拿下了广安门医院、常州市第一人民医院的标。广安门医院很重视数字化；且这两个医院大模型的标，单价不低，说明他家基础不错，有现成的东西。

在薛翀看来，“有现成产品可以演示，而不是存在于PPT里”，是全诊的竞争力之一。访谈时，他顺手打开手机里“全诊通”APP，说了一段患者自述，软件即时识别语音后，形成了结构化病历。

美国做AI智能病历的公司Abridge，2025年5月实际ARR突破1亿美元，估值拉升到53亿美元。除了在2B业务上对标Abridge，在薛翀的蓝图里，他还想做出医生离不开的“AI智能助理”，对标另一家独角兽OpenEvidence。

尽管中美医疗环境迥异，但协和博士、约翰·霍普金斯博后出身的薛翀认为，找到医院和医生真正的痛点，用AI减少令医生“焦头烂额”的瞬间，商业模式就可以闭环。

创业十年，医生、商人、科技信仰者等身份交织，薛翀一直想让机器成为“医生助理”，也一直在解决“卖给谁”的难题。他不满足于做劳动密集型生意，也不信任“羊毛出在猪身上”（医生用户、药企买单）的商业模式。

在薛翀的认知里：产品创新，是商业世界里最大的杠杆。“检验创新的标准，就是直接服务的用户愿不愿意付费”。他坚持认为，中国医生是很好的消费群体，如果医生不买单，说明产品解决的问题还不够痛。

这种通识的认知，放在利益被高度代理、支付方式十分复杂的医疗场景里，也有些反常识。AGI时代的爆发式增长，让全诊医学成为一个值得研究的样本。

如何接住医疗智能体的时代红利？哪些才是能令用户付费的真需求？如何抵御医疗AI行业内卷？

以下是36氪和薛翀的对话（经编辑）：

 

盯着「钉子」，等来了「锤子」

36氪：全诊医学当前对标美国医疗AI公司Abridge，核心业务之一是做“AI智能病历”，如何找到这个场景？AI写病历，和传统的语音录入医患问诊记录有哪些区别？

薛翀：2022年初，我从公司里拎出了一个10人队伍，自己带队探索AI创新业务。基于对医疗场景的理解，当时我们找了三个方向：

第一，通过语音、自然语言处理，搞定病历AI自动书写，解放医生双手；

第二，做数字人，把病人的健康数据做到高度可视化，并提供智能预警，给体检机构用；

第三，将软件与可穿戴设备结合，帮病人做长期的健康管理。

首先想做AI自动书写病历，是因为我们看到了强烈的需求。此前，全诊给基层8000多家诊所提供电子病历、临床决策支持系统（CDSS)，发现医生用得最多的不是辅助临床决策，而是病历辅助录入。他们想“点点鼠标”，就能完成一份病历，不愿把大量时间花在typing（打字）上。

我在美国做博后时，常看到外科医生做完手术、立刻拿起电话，开始讲手术过程。一开始还好奇是给谁打，后面才知道是个录音，事后助理会整理成文字版。这个场景，我印象很深刻，一直想用AI做这件事。

探索前两个业务时，都遇到一个难题：将海量杂乱、非标信息的数据结构化，会消耗大量人力。2022年底，chatGPT横空出世，大模型的自然语言处理能力很强，数据对齐的问题迎刃而解。

AI智能病历，更严谨的表达叫“无感病历自动书写”（ADS，Ambient Digital Scribing），是让AI像助理一样，在环境里“听”医生和患者的自然对话。不仅是语音转写、记录，还能做理解和推理，比如它也能读取患者的检查数据，结合问诊对话，自动生成结构化的病历。

产品出来后，我们先给所有的基层电子病历用户进行了升级，大约有1000多位大夫反馈很好、用起来很流畅。这时候我们觉得可以推到医院里去了。

36氪：所以是业务痛点倒逼了技术选择，而不是拿着锤子找钉子？

薛翀：对，大模型在合适的时间点出现，递给我们一把“锤子”。如果再晚一点，也挺难受的。

36氪：AI写病历，主要是节省医生人力么？从医院角度，采购这类产品的动力有那些？

薛翀：不止是提高医生效率，还包括病历质控、风险预警等等。

举个例子，我们跟浙江一家三甲医院合作之初，是为了解决医保扣费问题。此前，医生手术记录里，常漏掉一些耗材，医保核查时对不上，就会扣费。我们让AI读取耗材物资数据，并听医生的口述手术记录，两者一比对，自动生成匹配的手术记录。这不仅提升了效率，还帮医院解决了医保核查的痛点。

36氪：2025年初，很多医院积极拥抱AI，部署了DeepSeek等开源模型。这对全诊拓展业务，有怎样的影响？

薛翀：这是一个波折，也是一个机会。

刚开始，很多医院以为部署DeepSeek就可以，没必要再采购医疗AI应用，短暂地影响了我们的业务。但医院试运行后发现，671B的大参数模型推理成本很高，思考时间也长；基模无法直接与医院的业务流结合，落地出现一些困难。

这时候，全诊已经做了大量“后训练”，医疗垂直大模型参数压缩到7B，医疗文本的生成精度、速度都很高。而且，院方对大模型的能力边界也有了一定认知，正需要专业的人去做AI落地，我们再去承接业务，反而容易了很多。

36氪：能用AI做医疗听译的公司应该有很多，像做语音识别的大厂，做电子病历、CDSS的上市公司。你认为，这个细分方向强有力的竞争者有哪些？

薛翀：开发产品、初入市场时，很容易出现“假想敌”，跟实战中的竞争者并不是一批。

语音技术大厂的产品逻辑，前期停留在“感知型AI”阶段，听见并转录。但医疗场景更需要理解、推理和结构化处理，所以我们做了语音+大模型推理的双重架构，病历的要点提取准确率很高，保证了口碑。

传统的医疗信息化、特别是电子病历厂商，的确有机会，因为他们掌握着医生工作台的入口。但事实上，很多公司在这方面的真实投入仍比较低，更像是防御性动作。再加上中国电子病历市场与美国不太一样，美国是Epic一家独大，中国还没有形成垄断。

对于大医院的医生来说，常见病、多发病的诊疗已经烂熟于心，通常不需要CDSS做辅助决策。他们更需要能写病历、录数据的干活工具；以及治疗疑难杂症时的辅助工具。

新事物出现时，市场中有竞争力的玩家，往往不是惯性很强的旧有势力。上市公司的决策流程中，需要考虑“先有鸡还是先有蛋”，如果暂时没有看到明确的商业模式，很难投入大量人力、资金去开辟新业务。我认为，未来真正的机会，属于专注于应用层的创业公司。

 

理解人性，做中国版OpenEvidence

36氪：除了to B的大模型和智能体开发业务，你们也推出了医生版的“全诊通”APP。近期，美国想做医生“AI副驾驶”的公司OpenEvidence，估值快速飙升至120亿美元。你怎么理解这类产品？

薛翀：本质上，OpenEvidence是PubMed的AI增强版。就像 chatGPT 是Google的AI版一样，OpenEvidence 解决了医学搜索环节前、后两端的问题。

早年，有一门学科是信息搜索学，像医学检索，曾经我们需要绞尽脑汁组合关键词，否则可能搜不到那篇文章。找到文章后，还得逐字阅读、分析，消耗大量人力。AI大模型出现后，通过自然语言就能精准检索，AI还可以秒做阅读分析，跟医生自然交流。这种便捷，带来了巨大效率提升，医生自然愿意应用。

在中国做类似产品，核心在于学术数据库的版权，特别是国际核心数据库。全诊已经订阅了多个相关数据库，并且与其达成了合理的应用协议，既发挥AI价值，又保护原文版权。

36氪：听起来，更偏向医学科研场景。在临床诊疗环节，中国医生会频繁用到这类产品吗？

薛翀：其实都是围绕“疾病”。

医院的诊疗场景分两类。第一类是门诊患者，节奏快、轻症多，这时候医生不可能盯着屏幕，看AI提示跟患者交流。而且常见病、多发病的诊疗流程，医生都已经烂熟于心，通常不需要AI辅助。

顶级医生一般怎么工作？他们身边会坐着一个学生或助理，帮他打字、输入病历。我们现在就是用AI替代助理，做“无感”病历记录，让医生能够专注跟患者互动。这和美国的Abridge相似。

第二类是疑难杂症患者，很多会被收到病房中治疗。面对这类病例，医生需要长时间研究、思考，甚至跟同行讨论。针对疑难杂症的深度思考场景，是医学决策AI最能发挥价值的地方。

36氪：面向医生端的AI产品，推广难度大么？需要耗费比较高的市场费用吗？

薛翀：我认为，推广不是问题。

最近走红的很多AI产品都不是靠推广，像DeepSeek、chatGPT、Gemini3.0等；只要产品力足够强，用户就会主动选择。全诊通的医生版APP，现阶段没有做任何推广，医生下载量已经在自然增长。

我的逻辑是，一定要把产品做到“医生愿意为之付费”，再开始大力推。用户自己愿意付费，才说明产品对他们而言是真的有用，能解决核心痛点。

至于推广方法，并不难。我们会在医生密度高的学术会议场景精准推广，也可以利用抖音、小红书、视频号等新媒体渠道。2026年春节期间，全诊通会推出升级的“国际版”APP，试运行一波。春节期间医生相对空闲，会更愿意试用体验新产品，也更容易产生口碑传播。

36氪：会选择像OpenEvidence那样的商业模式么？为医生提供免费服务，由药企付费，赚医药数字化营销的钱。

薛翀：这不会是我们核心的商业模式。

药企可以成为付费方之一，但我认为，合理的商业逻辑必须直面客户、直接转化。产品直接服务的客户愿意付费，是检验产品价值的最重要标准。

如果是为医院解决问题，那就由医院付费；帮医生解决痛点，就把产品做到医生愿意买单。比如全诊医学开发的诊所SaaS系统，我要求必须做到诊所愿意为软件服务付费，而不能依赖为体检机构导流赚取佣金。

中间隔着一层付费“中间商”，产品价值的传导会失真。

像很多AI产品一样，我们也会做免费试用，但未来独立收费方向是明确的。如果一款产品不能打动医生，医生认为它没价值，即便免费赠送，医生也不会用。反之，如果产品真的能解决痛点，医生会想尽办法付费。

互联网行业里，“羊毛出在猪身上”的商业模式，误导过不少人。先免费圈住用户、再寻找商业模式，结果把资金链烧断的公司比比皆是。

36氪：业内有一种观点，认为中国医生的支付意愿和能力不强，很难从C端挖掘出商业价值。你怎么看？

薛翀：医生群体当然有很强的商业价值。

无论是收入水平、支付能力，还是消费意愿，医生都是很优质的客户。如果医生不愿意付费，那是因为没有找到让他付费的“痛点”。举个小例子，我做医生时，有时急求一篇论文，会在医生论坛发帖求助，对方报价几百元一次，也会毫不犹豫付费。

很多人认为中国医生群体收入低，其实主要是和美国医生比。如果考虑国内的购买力平价、城市平均收入等，医生其实是很有支付能力的群体。

做C端产品，本质上是要理解人性。

医生每天要处理大量的临床、科研工作，非常忙碌，有时候简直是焦头烂额。如果AI能够解决一部分让他“焦头烂额”的问题，那才是真的价值。

36氪：比如说，哪些时刻、什么问题？

薛翀：比如明天一早要查房、开组会，跟同行一起讨论某个疑难杂症，那你要不要看国际上最新的治疗方案？忙了一天，没时间做海量搜索，好的AI助手可以瞬间搞定，这样医生就不用再熬夜。

再比如，医生遇到一个很好的患者病案，现在得手动录入到专病库，一忙起来就忘了。但AI可以一键无感记录。类似的需求有很多。

有的需求是真需求，有的需求是伪需求。

 

商业闭环：「产品创新是最大的杠杆」

36氪：怎么看待AI医疗软件的内卷，特别是因抄袭带来的同质化竞争？

薛翀：这无法避免，而且也不是AI医疗特有的问题。一个赛道火了、一条路走通了，大家肯定蜂拥而至。面对同质化竞争，关键看你能不能持续引领。

不同公司应对竞争的方式，取决于公司基因。有的擅长整合商业资源，它会拼渠道、拼资源；像全诊医学的基因是创新，我们就坚持用“产品创新”去占住领先身位。

商业世界里，我认为最大的杠杆是产品创新。

通过营销手段解决增长问题，可能能带来10%、20%，甚至100%的线性增长。但通过“产品创新”这种杠杆，可能撬动10倍、百倍，甚至千倍的增长。

实战中遇到的很多问题，表面看可能是营销、服务或交付的问题，但本质上还是产品的某个问题没有解决。一旦产品问题解决了，其它难题迎刃而解。

36氪：人人都在谈创新，但需要有场景结果验证“哪些是有效创新”。对你来说，衡量标准就是用户是否付费。

薛翀：对。你直接提供的产品，医生是否愿意付费，而不是需要转一手。如果医生都愿意付费，那药企肯定更愿意。

36氪：你特别在意直接的“商业闭环”。

薛翀：10年前开始创业的时候，每个业务，我们都要解决“卖给谁”的问题，要跑通商业闭环。

36氪：2016年，刚创业时，比较热门的创业方向应该是互联网医疗。当时没想过做好大夫、春雨医生等在线问诊的业务吗？

薛翀：也想过。但我跟搭档都是医生出身，特别了解医生的状态。在三甲医院，临床、科研、教学，各种任务已经压得医生喘不过气，哪有余力去线上接单。供给侧，医生能贡献的“闲余时间总和”非常有限；需求侧，患者有问诊需求，但频次并不高。

所以我一直想用机器做“医生助理”（Physician Assistant）系统，初心也很简单，不希望患者为了小病而跑大医院。

2016年，我们按照知识图谱，做了一套“问诊系统”（薛翀拿出了一本大约10公分厚的常见病问诊指南），比如脚踝外伤，应该先问什么、再问什么，一步步推导至检查、治疗建议。当时的技术水平，就能做问答机器人，但互动会有点“机械感”。

理念比较超前，但最大的问题是：做出来，卖给谁？

我们很务实，根据这套问诊系统，又找了一些护士，去接平台企业线上问诊的订单。最高峰时有20万人在用这套系统，生意也做到了盈利。但我觉得这业务太重，要提高咨询单量、就得扩人，本质还是劳动密集型工作，与创业时的大愿景也不相符，所以就转了出去。

36氪：后面是怎么切入到基层医院的软件SaaS赛道？

薛翀：2017年底，我想把这套临床决策系统（辅助问诊、检查推荐），铺到基层医院去。结果发现，又做早了！因为当时基层医院连电子病历系统都没有，根本没法装。

既然没有，我们就开发一套带有决策辅助功能的电子病历系统，推给浙江省的基层诊所。同时我们发现，基层需要检查方案，但他们又做不了检验检查。所以，我们将系统与几家头部的第三方检验中心互联，由合作方提供服务。

这样商业模式就跑通了，既直接卖医疗SaaS，也有合作分佣。2021年时，我们在浙江已经有了约8000个付费客户、数千万收入和一定利润。我也有了商业思维，知道该怎么算账赚钱。原计划拿到一笔大额融资，启动全国扩张，但遭遇了2022年资本寒冬。

36氪：融资搁浅、扩张计划停摆，应该是公司最艰难的时刻。如何决定保留当时并不清晰的AI业务？

薛翀：确实很艰难。我们做了一个关键决定，拆分业务：成熟业务量入为出，AI创新业务独立探索。

我把原来的基层电子病历业务交出去，要求团队负责人保住基本盘；然后把AI创新业务剥离出来，成立了“Π实验室”，只有10个人，我自己带队。

为什么要剥离？因为原来的系统是服务基层，我要做出独立的AI产品，卖给更头部、付费能力更强的医院。

当时，很多大厂都在砍创新研发部门，但我坚持保留这支队伍。因为创新不能停，过去这十年，每次遇到瓶颈，突破口都是靠创新。如果没有这支队伍，2023年大模型风口来的时候，我们根本接不住。

正因为保留了这颗火种，我们才能比别人早两年去探索，才能在大模型时代迅速拿出产品化的东西。这可能是我这十年里最英明的一个决定，如果没有这次坚持，也就没有后来的故事了。

36氪：创业主线，似乎就是用科技替代医生的部分工作。为什么执着于此？

薛翀：刚毕业时，我在浙江一家三甲医院做泌尿外科医生，每天有大量患者涌入医院。但其实看得最多的是膀胱炎、尿路感染等，这类疾病的诊疗流程非常标准化，机器完全可以决策。

因为有近60%的时间是做重复劳动，我甚至分不清自己到底是一个医生，还是一台机器；也分不清是在给人看病，还是在修理一台机器。

所以，一直想让机器完成部分工作，把医生从机械劳动中解放出来。