在中国大模型创业领域，医疗赛道曾被视为垂直领域中最具潜力的“蓝海”，而百川智能创始人王小川凭借搜狗时代积累的医疗搜索经验，一度被视为这一赛道的“领跑者”。自百川智能成立之初，便将医疗大模型作为核心战略方向，试图通过专业医疗数据构建竞争壁垒。然而，经过一年多的市场检验，这家被寄予厚望的创业公司却未能交出令人满意的答卷，反而被一个看似“跨界”的对手——蚂蚁集团旗下的医疗应用“蚂蚁阿福”后来居上。
蚂蚁阿福的崛起堪称一场“降维打击”。依托支付宝庞大的用户基础和金融场景中锻造的精准性要求，这款应用在医疗领域迅速展现出强大优势：用户量激增、诊前建议准确率高、模型幻觉率极低。这种表现与百川智能的困境形成鲜明对比，也引发了行业对垂直领域创业逻辑的深刻反思：为何手握医疗资源与数据的专业团队，反而被金融背景的“外行”超越？
答案或许藏在大模型时代的底层逻辑中。当前AI竞争已进入“基座模型决定论”阶段——通用基座模型的能力如同学生的“基础智商”，直接决定了垂直应用的上限。以高考类比，阿里Qwen系列等头部模型如同能考600分的“学霸”，即使未专门学习医疗知识，也能凭借强大的逻辑推理能力快速掌握病理关联；而部分垂直创企的基座模型则像只能考400分的“偏科生”，即便死记硬背大量医学术语，面对复杂病例时仍会因逻辑断层产生严重幻觉。
数据与基座能力的关系，恰似原油与炼油厂。百川智能虽拥有海量临床数据，但若基座模型的“消化能力”不足，再优质的数据也难以转化为有效输出。反观蚂蚁集团，其Qwen系列基座模型经过持续迭代，已实现从“量变”到“质变”的飞跃。这种差距使得垂直领域的行业积累在通用AI的“智力碾压”面前显得脆弱不堪——当基座模型跨过某个临界点，其对垂直赛道的覆盖将是全方位的。
蚂蚁阿福的成功并非偶然，其金融基因反而成为关键优势。医疗与金融同属对错误“零容忍”的领域，蚂蚁长期处理金融数据的严谨态度，自然迁移到医疗场景中对准确性的极致追求。更关键的是，支付宝的国民级入口为阿福提供了天然的闭环场景：用户从挂号、问诊到购药的全流程需求，都能在生态内直接满足。这种“模型即服务”（MaaS）的完整闭环，使阿福超越了单纯对话工具的范畴，成为真正能解决问题的医疗助理。
资源投入的差距同样不容忽视。大模型研发是场“烧钱游戏”，当百川智能还在为算力成本精打细算时，蚂蚁背后阿里云的算力支持已形成降维打击。Qwen系列每次迭代的投入都是创企的数十倍，这种“生态溢出”效应使得阿里只需将通用能力微调，就能在医疗领域爆发出巨大能量。
百川智能的困境折射出垂直领域创业的普遍挑战。过去，创企常认为“巨头做通用、我做垂直”是生存之道，但现实表明，缺乏顶级基座支撑的垂直深耕可能沦为资源黑洞。医疗行业逻辑复杂度高，用有限算力驯化二流基座处理医疗问题，投入产出比会持续走低。当通用基座能力突破临界点，其对垂直赛道的侵蚀将是不可逆的。
面对这种局面，垂直创企的破局路径逐渐清晰：与其执着于数据堆砌，不如聚焦算法效率创新。DeepSeek的崛起证明，通过模型架构优化（如MLA、Multi-token Prediction）和算力极致利用，小团队也能打造出第一梯队的推理能力。对于无法自研顶尖基座的创企，彻底拥抱Qwen或DeepSeek等开源模型，将精力集中在医疗场景的精调与业务闭环上，或许是更理性的选择。
医疗AI的竞争已进入下半场，逻辑引擎与场景嵌入的深度耦合成为制胜关键。未来的优胜者必须具备双重能力：一是如顶级医生般的逻辑推理，能理解复杂病例并给出多步建议；二是深度嵌入医疗流程，从挂号到药效追踪形成服务闭环。王小川的探索为中国医疗AI积累了宝贵经验，但蚂蚁阿福的突围更揭示了一个残酷真相：在AGI时代，所有行业应用都必须建立在稳固的基座之上，否则再多的垂直深耕，也可能只是沙滩上的城堡。
