在中國大模型創業領域，醫療賽道曾被視為垂直領域中最具潛力的“藍海”，而百川智能創始人王小川憑借搜狗時代積累的醫療搜索經驗，一度被視為這一賽道的“領跑者”。自百川智能成立之初，便將醫療大模型作為核心戰略方向，試圖通過專業醫療數據構建競爭壁壘。然而，經過一年多的市場檢驗，這家被寄予厚望的創業公司卻未能交出令人滿意的答卷，反而被一個看似“跨界”的對手——螞蟻集團旗下的醫療應用“螞蟻阿福”后來居上。

螞蟻阿福的崛起堪稱一場“降維打擊”。依托支付寶龐大的用戶基礎和金融場景中鍛造的精準性要求，這款應用在醫療領域迅速展現出強大優勢：用戶量激增、診前建議準確率高、模型幻覺率極低。這種表現與百川智能的困境形成鮮明對比，也引發了行業對垂直領域創業邏輯的深刻反思：為何手握醫療資源與數據的專業團隊，反而被金融背景的“外行”超越？

答案或許藏在大模型時代的底層邏輯中。當前AI競爭已進入“基座模型決定論”階段——通用基座模型的能力如同學生的“基礎智商”，直接決定了垂直應用的上限。以高考類比，阿里Qwen系列等頭部模型如同能考600分的“學霸”，即使未專門學習醫療知識，也能憑借強大的邏輯推理能力快速掌握病理關聯；而部分垂直創企的基座模型則像只能考400分的“偏科生”，即便死記硬背大量醫學術語，面對復雜病例時仍會因邏輯斷層產生嚴重幻覺。

數據與基座能力的關系，恰似原油與煉油廠。百川智能雖擁有海量臨床數據，但若基座模型的“消化能力”不足，再優質的數據也難以轉化為有效輸出。反觀螞蟻集團，其Qwen系列基座模型經過持續迭代，已實現從“量變”到“質變”的飛躍。這種差距使得垂直領域的行業積累在通用AI的“智力碾壓”面前顯得脆弱不堪——當基座模型跨過某個臨界點，其對垂直賽道的覆蓋將是全方位的。

螞蟻阿福的成功并非偶然，其金融基因反而成為關鍵優勢。醫療與金融同屬對錯誤“零容忍”的領域，螞蟻長期處理金融數據的嚴謹態度，自然遷移到醫療場景中對準確性的極致追求。更關鍵的是，支付寶的國民級入口為阿福提供了天然的閉環場景：用戶從掛號、問診到購藥的全流程需求，都能在生態內直接滿足。這種“模型即服務”（MaaS）的完整閉環，使阿福超越了單純對話工具的范疇，成為真正能解決問題的醫療助理。

資源投入的差距同樣不容忽視。大模型研發是場“燒錢游戲”，當百川智能還在為算力成本精打細算時，螞蟻背后阿里云的算力支持已形成降維打擊。Qwen系列每次迭代的投入都是創企的數十倍，這種“生態溢出”效應使得阿里只需將通用能力微調，就能在醫療領域爆發出巨大能量。

百川智能的困境折射出垂直領域創業的普遍挑戰。過去，創企常認為“巨頭做通用、我做垂直”是生存之道，但現實表明，缺乏頂級基座支撐的垂直深耕可能淪為資源黑洞。醫療行業邏輯復雜度高，用有限算力馴化二流基座處理醫療問題，投入產出比會持續走低。當通用基座能力突破臨界點，其對垂直賽道的侵蝕將是不可逆的。

面對這種局面，垂直創企的破局路徑逐漸清晰：與其執著于數據堆砌，不如聚焦算法效率創新。DeepSeek的崛起證明，通過模型架構優化（如MLA、Multi-token Prediction）和算力極致利用，小團隊也能打造出第一梯隊的推理能力。對于無法自研頂尖基座的創企，徹底擁抱Qwen或DeepSeek等開源模型，將精力集中在醫療場景的精調與業務閉環上，或許是更理性的選擇。

醫療AI的競爭已進入下半場，邏輯引擎與場景嵌入的深度耦合成為制勝關鍵。未來的優勝者必須具備雙重能力：一是如頂級醫生般的邏輯推理，能理解復雜病例并給出多步建議；二是深度嵌入醫療流程，從掛號到藥效追蹤形成服務閉環。王小川的探索為中國醫療AI積累了寶貴經驗，但螞蟻阿福的突圍更揭示了一個殘酷真相：在AGI時代，所有行業應用都必須建立在穩固的基座之上，否則再多的垂直深耕，也可能只是沙灘上的城堡。