财报里的AI医生「大为」，撬动京东健康价值重估

编辑｜Sia 能说会道，不如做到 一件原本可能要在医院折腾大半天的事，最终足不出户便得到了解决。对一位正在照顾发烧孩子的母亲来说，这是她打开京东健康 AI 医生「大为」（以下简称「大为」）时完全没有想到的。 京东健康医疗 AI 产品总监刘慧至今记得这个故事。此前在广州的一次合作洽谈中，对方主动向她讲起了这段经历。 她和我一样，也是一位母亲，刘慧说。那天孩子发烧后，这位母亲没有像往常那样立刻请假、打车，带着孩子去医院，而是决定先问问「大为」。 这是一个几乎秒回且免费的就医入口。 京东 APP 直接搜索「 AI 医生」找到他，或者进入京东 APP 「 看病买药」频道来使用。响应快，对于需要更强烈的信任背书的用户，「大为」身边就有真人医生的服务入口。 几轮问询后，「大为」建议孩子接受一次核酸检查。接下来发生的事情，与人们熟悉的就医过程不太一样：专业人员上门完成采样，母亲和孩子留在家里等待结果。大约两个小时后，检测报告回传到 App 。 「大为」对报告进行解读，并结合此前了解到的情况，给出了后续用药建议。用户选择在京东平台在线购药，没过多久，药品也送到了家。 这个看似普通的家庭切片，正是医疗 AI 跨越「 聊天搭子」，扎入现实服务深水区的一个缩影。一组最新财报数据，又为这一跨越提供了更为清晰的注脚。 8 月 13 日，京东健康公布 2026 年中期业绩：总收入为人民币 409 亿元，同比增长 15.9% ；非国际财务报告准则指标下（ Non-IFRS ）经营利润 35 亿元，同比增长 40.3% 。 在收入和利润之外， AI 成为这份财报中一个极为醒目的关键词。以「 AI 医生」为核心的一系列 AI 应用正在加速落地，在绩后电话会上，管理层也数次提到了「大为」。 目前「大为」已覆盖超过 1000 种中西医病症。财报数据显示， 「 618 」 期间，「大为」服务用户数同比增长近 4 倍，满意率保持在 98% 以上。 这些数字的背后，某种程度上正是前述就医场景的规模化复制，也折射出医疗 AI 范式变化带来的真实红利。 不少医疗问答产品能够解释疾病、提供知识。但回答结束后，用户的行动成本几乎没有减少，刘慧说。一位母亲问孩子发烧怎么办，她不是来学习儿童发热的医学原理。她真正想知道的是现在危险吗？要不要检查？还能不能观察？该不该吃药？如果吃药，吃什么？ 所以，我们希望依托京东现有的供应链和服务能力，把生病这件事尽可能管到底，她说。这也正是「大为」与普通医疗问答产品之间最根本的区别。 财报里的 AI 医生，用起来怎么样？ 作为上半年京东健康「 AI 全场景落地」的核心产品，「大为」是怎么工作的？ 又凭什么留住客户？要理解这一点，最直接的办法还是回到具体问诊中。 「 8 岁孩子突然高烧， 38 度。」 抛出一个模糊的主诉后，我很快感受到不同。 「大为」没有立即甩出几段「正确的废话」，而是先追问发热持续了多久？有没有咳嗽、流涕、呕吐、腹泻或者头痛？ 这些问题并不是一次性出现的。每得到一个回答，「大为」才会决定接下来问什么，就像医生在门诊里逐步收集病史。 一些原本不容易用语言描述的症状，也被做成了可视化选项。我不必准确说出疼痛处于哪个部位、症状发展到了什么程度，只需要在人体图示或分级图片上进行选择。这种设计减少的不只是打字时间，也降低了描述症状的门槛。 经过三四轮对话，「大为」开始基于已经收集到的信息进行推理，将原本笼统的模糊的「孩子发烧」逐渐细化为结构化症状信息，给出可能性最大的「急性上呼吸道感染」提示（见图片黑体部分）。 末了，还附上 14 篇参考医疗文献。 进入治疗建议后，「大为」没有简单列出几种药品，而是区分了对因治疗和对症治疗。这也是一般临床决策逻辑的体现。例如，对乙酰氨基酚被用于缓解发热和头痛症状。 到这里，许多医疗问答产品的工作已经结束。「大为」却继续将治疗建议拆解成满足客户需求的不同流程。 对乙酰氨基酚混悬滴剂被匹配到具体药品； 进入问诊开方流程； 平台根据用户在我的地址，调取附近药房的库存、价格和配送时效，最快可在 24 分钟内送达。 据刘慧介绍，在不少医疗问答产品中，约七成用户完成第一次咨询后，不会再发起第二次问询，最后仍然回到线下医院。问题未必只是答案够不够准确，而在于用户是否获得了足够明确的「解决感」。 「要让用户用过一次以后能够记住：这个问题在这里确实得到了解决。下一次再遇到健康问题时，他才会回来。」她说。 不过，在医疗场景中，「管到底」并不意味着大包大揽。很多时候， AI 是否可靠恰恰取决于它是否知道应该在哪里停下来。 这两个真实问诊案例，恰好呈现了这种边界感。 一位用户最初只是询问左腿肿胀，究竟是腰椎问题，还是腿部血管出了问题？随着问询深入，更多风险信号逐渐出现：肿胀加重，伴有麻木、刺痛、明显乏力，同时还有腰痛、行走不稳和腿软无力。用户还患有高血压。 「大为」没有继续在线上给出确定诊断，而是提示，既要考虑腰椎神经受压，也需要排查下肢静脉血栓，并建议尽快前往骨科、血管外科或神经内科面诊。如果出现胸痛、呼吸急促或意识异常，应立即前往急诊。 面对风险较低的日常不适，「大为」的决策又会不同。 一名身处偏远地区的用户，因为脚趾出现硬块、按压疼痛并影响走路，向「大为」发起咨询。结合用户上传的照片和几轮问询，它判断，这更可能是长期运动和鞋袜摩擦造成的角质增厚。 于是，「大为」先给出可以在家完成的处理方式：调整鞋型、减少摩擦、温水浸泡，必要时使用软化角质的外用药。只有在疼痛加重、出现破损感染，或长期不缓解时，才需要前往皮肤科。 炼成「大为」，需要多少慢功夫？ 「大为」能追问、能判断、知道什么时候该停，也能把一个医学建议继续向现实服务推进。如果把这些能力拆开来看，恰好对应了京东健康在此次中期业绩中反复强调的几个关键词： 数据、场景和履约 。 听起来并不新鲜。当它们被放进一个 AI 医生里，分别意味着什么呢？ 刘慧说，立项之初，「大为」就被定位为一名全科医生。因为只有全科才能真正「接住」互联网医疗中最常见的需求，如常见病咨询、日常症状判断、用药疑问和检查报告解读。 只不过，支撑这一定位底气的，大多是藏在对话框之外的「笨功夫」。它们严谨、琐碎，难以速成，也很难复制。 要培养这样一名全科医生 ， 首 先 遇到的挑战就是 让它听懂用户在说什么，并知道下一句话该怎么问。 患者从来不会按照教科书描述自己的病情。「我刚才晕倒了」，可能只是头晕腿软，但意识一直清醒；也可能经历了短暂意识丧失，也就是医学意义上的晕厥；还可能与低血糖、癫痫、心律失常等问题相关。 对「大为」来说，这并不是从一句话里识别出「晕倒」几个关键词就结束了。它需要完成一次「医学语义落地」：把口语化、模糊，甚至矛盾的表达，转化为可以用于临床判断的信息。 听懂的同时，它还要知道接下来该问什么。 医生问诊，不是问得越多越好。每一轮对话，都要寻找当下最关键的未知信息，比如哪一个问题最有可能缩小疾病范围，或者尽早发现危险。 这本质上是一个序贯决策过程。等可能性逐渐收敛到一定方向后，才会进入更具体的诊疗路径。 「大为」学习这种问询方式的基础，来自京东健康长期积累的互联网医疗场景数据。据京东健康披露，高质量医患对话数据已达到千万级。 通常，传统医院病历记录的是诊疗