移动通信网 赵哲超
11月4日，在2026年乌镇峰会全球治理倡议网络空间合作论坛上，蚂蚁集团资深副总裁周志峰以《探索高效能治理，促进高水平创新》为题，系统披露了医疗AI产品“蚂蚁阿福”背后的四层治理体系。大模型正经历从聊天交互走向医疗、金融等专业领域的转折，从提供通用建议转向满足个体需求，治理复杂度随之陡增。周志峰在演讲中强调，“医疗健康是事关生命的严谨行业，治理体系是行稳致远的基石”。这套体系自上而下分为四个层级：均衡普惠、生命至上和尊重用户自主构成统领性的价值原则；医学专业性、安全性和医学伦理构成专业能力与规则层；模型与智能体治理、数据治理构成通用底座；组织保障则确保上述机制在业务中真正落地。这一框架的公开，标志着国内医疗AI治理从原则宣示进入体系化、可操作的新阶段，也为行业提供了可参照的治理样本。
【关键数据】
[1] 四层治理体系：价值原则、专业能力与规则、通用底座、组织保障（4个层级）
[2] 阿福三大功能：健康问答、健康陪伴、健康服务（3项功能）
[3] 智能体治理三项硬约束：行为可控、权限可管、运行环境可信（3项约束）
[4] 模型训练融入医学知识、临床指南和诊疗规范（3类专业语料）
[5] 医生复核可执行三种操作：认可、修正、补充AI建议（3种操作）
从技术原理看，医疗AI治理的难点在于模型输出准确性与智能体行为可控性的双重把关。蚂蚁披露，安全防范从模型训练阶段即已启动，运行中通过持续评测识别风险，并按风险类别和等级采取分级处置措施。在模型层，医疗模型训练中融入医学知识、临床指南和诊疗规范，并借助医生专业经验提升临床推理能力；在智能体层，除输出准确、安全外，还要求做到行为可控、权限可管、运行环境可信三项硬约束。科技伦理与安全机制已嵌入研发、测试和部署全流程。这种“训练期注入+运行期评测+分级响应”的全链路设计，与业界通行的红队测试、安全对齐方法一脉相承，但将范围从单一模型扩展到了执行任务的智能体，覆盖了内容生成之外的行为边界管理。
从竞争格局看，医疗健康已成为大厂AI应用的必争之地。百度的“灵医大模型”、腾讯的“AI医生助手”、字节跳动的“小荷健康”均在加速布局，而蚂蚁以支付宝为入口，将阿福与在线问诊、预约挂号等服务直接打通，形成了从问答到服务的闭环。阿福此前已公开推出健康问答、健康陪伴和健康服务三大功能，用户可咨询日常健康问题、解读检查报告并跳转后续医疗服务。与竞品侧重单点能力不同，蚂蚁此次重点展示的治理体系，实际上是在监管趋严环境下构筑合规壁垒。医疗AI回答仅供健康参考、不能替代医生诊断的定位，也回应了监管层对AI医疗边界的核心关切，降低了产品落地政策风险。
产业链维度上，医疗AI的上游是医学知识库、临床指南语料和医生资源，中游是模型训练与评测体系，下游是医院、互联网医疗平台和C端用户触点。蚂蚁的成本结构中，除算力投入外，医生参与模型训练、医学巡检和质量控制的隐性成本不容忽视——蚂蚁为此建立了专家合作机制用于发现疑难问题并推动模型改进。同时，蚂蚁已成立医疗健康专家咨询委员会，参与医疗人工智能中试基地共建，并与医院合作探索AI在临床专科场景的应用。这种“平台+医院+专家”的三方协作模式，将上游医学专业资源转化为模型能力，也意味着医疗AI的产业竞争正从模型参数比拼转向生态资源整合能力比拼。
在商业化落地上，阿福最具辨识度的创新是“AI回复+医生把关”模式：用户得到阿福回复后可申请医生复核，医生能够认可、修正或补充AI建议。这为AI健康咨询与专业医疗判断之间增加了一道由人把关的环节，直接回应了用户对AI误诊风险的信任焦虑。应用场景上，阿福覆盖健康问答、检查报告解读、在线问诊导流、预约挂号等服务链条，AI定位始终锚定在健康参考而非诊断替代。周志峰还透露了人机协作的演进方向：在任务范围明确、有限授权、风险可控且责任清晰的低风险场景，未来可分类探索由医生监督AI运行，医生始终保留及时干预和接管的权限。这种分级授权思路，为智能体在医疗场景的自主性提升划定了清晰边界。
行业层面看，医疗健康AI仍处于起步阶段，医学伦理、标准规范和临床应用均需更多行业共识支撑。2026年乌镇峰会将AI治理列为全球治理倡议的核心议题，蚂蚁此次公开四层治理体系，与此前参与智能体身份注册与解析平台建设、推动智能体可信互联的动作形成呼应，显示其在AI可信基础设施上的持续投入。对行业而言，这套体系的价值在于提供了一个从价值原则到组织保障的完整治理框架模板，其“医生复核”“分级授权”“全流程伦理嵌入”等机制，很可能成为后续医疗AI产品的标配。随着智能体能力增强，如何在释放AI效率与守住医疗安全底线之间找到平衡，将决定医疗AI从问答工具进化为诊疗协作系统的速度，而治理体系的建设深度，正是这一进程中最关键的变量。
