3月21日晚间，互联网医疗平台方舟健客（6086.HK，股价5.42港元，市值72.64亿港元）披露上市后的首份年报，2024年公司录得整体收入27.07亿元，同比增长11.2%；全年经调整净利润达到1711.9万元，较2023年同比增长139%。
3月7日，方舟健客被调入沪港通下港股通标的名单，随后，公司首个交易日早盘涨幅最高到70%，3月10日至22日累计涨幅达22.62%。
在没有AI（人工智能）技术以前，互联网医疗的问诊都是医生与患者进行一对一问答。互联网医疗在DeepSeek的技术浪潮下加速落地，而市场炒作的是AI医疗应用预期。
对此，方舟健客创始人、董事长兼首席执行官谢方敏近日对《每日经济新闻》记者表示，慢病患者在复诊续方上存在不少痛点，但线上问诊的难点是用户往往期望医生回复速度快、问诊质量高，而医生不可能一直在线上“蹲守”，回复不及时，用户就医体验就会不好。AI可以承担初步咨询来提高患者的活跃度，促进后续复诊续方和健康管理。不过，互联网医疗必须可信赖，接入DeepSeek需解决幻觉问题。
过半收入来自线上零售药店服务
过去10多年间，大多数互联网医疗企业一直在摸索成熟的商业模式，一部分选择把药房搬到线上，另一部分则在探索线上问诊、挂号业务。
方舟健客属于行业里第一批“吃螃蟹”的企业，它选择的模式是医生与患者在线下面对面首诊后，把复诊的场景搬到线上。对于高血压、心血管、慢性呼吸系统疾病等慢性疾病患者来说，复诊转到线上随访、远程监测有利于科学管理疾病。
从4G、5G技术到AI大模型，每次技术迭代都会引起人们对互联网医疗的关注。然而，理想很丰满、现实很残酷，这些从线下搬到线上的应用场景如何有效转化，仍是行业持续发展的瓶颈。
行业数据显示，70%以上的互联网医院线上转化率不足1%，整体发展不算顺利，一些知名平台也倒在了盈利“前夜”。方舟健客去年7月登陆港交所时披露的上市材料显示，公司此前的3年也没有实现盈利。过去几年，外界对于方舟健客也有很多质疑声。
如今，至少在2024年的盈利指标方面，方舟健客“上岸”了。业绩报告提到，截至2024年12月底，方舟健客注册用户增长650万名，达4920万名；月活用户同比增长20%，达1010万名。
从业务模式来看，方舟健客目前的主要收入来自药品销售（包含线上零售药店服务与批发业务），批发收入增幅最大，主要是向第三方客户批发药品的收入。线上零售药店服务贡献了50%以上的收入，主要是受益于用户规模的持续扩大及平台参与度增加，药品及保健品销量增加。
谢方敏说，数据显示，我国75%的老年人至少有一种慢病，慢病群体尤其是其中占比较高的老年人对慢病服务管理的需求很强烈。但目前呈现出医患之间信息不对称、医疗资源分布不均衡、慢病患者用药依从性低等问题，慢病患者在复诊续方上还存在不少痛点。
在他看来，方舟健客能跑出来的原因是他们一开始就坚定地建立了基于熟人医患关系的“H2H智慧医疗服务平台”。
记者注意到，方舟健客去年重复购药率为84.7%，年度处方药交易总额占总商品交易总额的81.3%，均远高于行业平均水平。
AI医疗的挑战：避免幻觉、必须可信赖
“糖尿病患者出现鼻塞流涕症状，哪些感冒药需要避免使用？”记者在方舟健客平台咨询问题后，AI医生助手针对提问给出了针对性的用药建议。
在没有AI技术以前，互联网医疗的问诊都是医生与患者进行一对一问答。谢方敏说，医生不可能一直在线上“蹲守”，但回复不及时，用户就医体验就会不好。而且从多年实践经验来看，80%的医疗咨询存在重复提问，一直回复同样的问题也变相占用了医生大量时间。在这样的背景下，方舟健客研发的AI医生助手能以最低成本为医生减负，满足用户的购药需求。
他也坦言，AI医疗目前仍在积极探索阶段，更偏向于在“效率工具”研发上的探索。
实际上，目前绝大多数互联网医疗平台纷纷在产品中接入DeepSeek的大模型能力，用户通过与DeepSeek的对话，能获得更加全面、清晰、思路严谨的优质解答。但是，“AI幻觉”是大型通用模型在应用阶段所遇到的第一大瓶颈。
某三甲医院信息科主任表示，AI的表现很大程度上依赖于训练数据的质量和多样性，当这两者存在偏差时，就像人会产生错觉，AI有时会生成看似合理实则违背医学常识的结论。
对此，方舟健客相关人士在接受采访时提到，医疗AI最重要的“特质”就是必须可信赖。目前，AI的训练主要依赖历史病例、影像数据、临床研究和医生经验，而数据质量的差异可能直接影响AI的可靠性。医疗AI的核心竞争力由两个方面决定：第一是高质量的知识库，即企业能否整合行业领先的医学知识、权威指南和临床实践案例，为AI提供稳定可靠的训练数据；第二是算法的优化，即AI如何结合企业的业务逻辑，将行业知识与机器学习模型深度融合，使AI的诊断建议更贴合实际临床需求。
为了最大程度地抑制大模型幻觉股指期货配资开户，方舟健客的办法是采取包括知识库优化、模型优化在内一系列的措施，并通过大量测试验算保证其数据结果的有效性。面对患者对医学疾病的提问，会优先检索内部RAG知识库权威的文献资料，确保答复有据可依。针对专业性强的问答还会进行任务细分，交给不同的专家模型回复，尽量“抑制幻觉”。
