遠端醫療大潰敗？舊模式正在被淘汰，新模式正在誕生

2021 年 2 月，Teladoc Health 的股價站上歷史高點，每股接近 $300，市值超過 $470 億美元。當時這家遠距醫療龍頭被視為疫情時代的最大贏家，剛剛以 $185 億美元的天價收購了慢性病管理公司 Livongo，準備打造全球最大的虛擬醫療帝國。

四年後的今天，Teladoc 股價已跌至 $10 左右，跌幅超過 95%。

曾經重倉 Teladoc 的「女股神」Cathie Wood 旗下 ARK Investment，已於 2024 年第三季完全清倉，估計損失高達數億至 10 億美元以上。

幾乎在同一時間，太平洋彼岸的中國，同樣的故事正在上演。

2025 年，曾經引領中國在線問診浪潮的春雨醫生，以 3.4 億元的估值出售了 78.29% 的股權。這個估值遠低於其巔峰時期。自 2025 年以來，在線問診平台的用戶活躍度悄然下滑，執業醫師坦言「很多基礎健康諮詢不再需要人工接單」。另一家曾經的領軍企業微醫，也轉向國際雲藥房尋求突圍。

中美兩國，遠距醫療平台幾乎同時陷入困境。

這是遠端醫療行不通嗎？市場不需要了嗎？

答案恰恰相反：不是市場不需要遠端醫療，而是「人力密集型」的舊模式正在被「AI 驅動型」的新模式取代。這不僅是醫療產業的轉型，更是整個服務業正在經歷的鮑莫爾效應終結過程。

舊模式的致命缺陷：邊際成本困境

要理解 Teladoc 和春雨醫生為什麼會陷入困境，我們需要先看清楚他們的商業模式本質。

服務同質化：無法建立護城河

Teladoc：

• 視訊問診：透過視訊與醫生交流
• 慢性病管理：透過 Livongo 平台監測血糖等指標
• 心理諮詢：透過 BetterHelp 平台提供線上心理諮詢

春雨醫生：

• 圖文問診：患者描述症狀，醫生文字回覆
• 電話諮詢：醫生電話解答健康問題
• 主要需求：感冒、皮膚過敏、用藥指導等淺層問題

看起來服務很多元，但本質上都是「連接醫患」的中介平台。問題在於：

1. 服務同質化嚴重：各家平台提供的服務大同小異，專業門檻低，難以形成差異化壁壘
2. 醫生激勵不足：執業醫師多為兼職，回應速度慢、服務品質不穩定
3. 用戶信任度難沉澱：因為服務品質不穩定，用戶忠誠度低

這導致平台只能透過燒錢補貼來維持用戶增長，無法建立真正的護城河。

鮑莫爾效應的典型體現

在我之前的文章《AI 終結鮑莫爾效應？服務業價格將降 90%》中，我詳細分析了鮑莫爾效應（Baumol's Cost Disease）：

服務業無法像製造業一樣規模化，生產力提升緩慢，但薪資必須跟著整體經濟成長，導致成本持續上升。

遠端醫療平台恰恰是鮑莫爾效應的典型體現：

• 1800 年：1 個醫生 = 看 20 人/天
• 2025 年（傳統遠端醫療）：1 個醫生 = 看 20 人/天（透過視訊）
• 結果：生產力沒有本質提升

遠端醫療只是把「面對面問診」變成「遠端問診」，但 1 個醫生還是只能服務 1 個患者（或有限患者），生產力沒有本質提升。

這就是為什麼 Teladoc 的營收可以成長，但虧損也在擴大。

平台規模越大，所需醫生越多，邊際成本難以下降。

疫情紅利消退：增長神話破滅

2020-2021 年疫情期間，封城與社交隔離讓遠距醫療需求爆發：

• Teladoc 營收增速一度達到三位數
• 股價狂飆，市值突破 $470 億美元
• 投資人相信「遠距醫療的時代來了」

但當經濟重啟、社會恢復正常後，患者開始回歸線下就醫。Teladoc 的營收增速連續 11 個季度放緩，最終在 2024 年第三季度轉為負成長（-4.6%）。

更糟糕的是，BetterHelp 心理諮詢業務也在萎縮。2024 年第三季度，BetterHelp 營收年減 10%，付費用戶下降 13%。原因包括：

• 競爭加劇：Talkspace、Amazon 等競爭對手進入市場
• 獲客成本暴增：為了維持用戶增長，行銷支出大幅上升
• 經濟通膨影響：心理諮詢多為自費服務，經濟環境惡化導致訂閱人數下滑

競爭加劇：科技巨頭進場

雪上加霜的是，科技巨頭開始進入遠距醫療市場：

• Amazon Clinic：亞馬遜推出線上診療服務
• CVS Health：美國最大藥局連鎖也推出遠距醫療
• 專業垂直服務商：針對特定疾病（如糖尿病、心臟病）的專業平台興起

這些競爭者要麼有強大的資本（Amazon），要麼有既有的客戶基礎（CVS），都對 Teladoc 形成巨大壓力。定價競爭加劇，市場佔有率流失，Teladoc 陷入「增長停滯、持續虧損」的困境。

Teladoc 在 2024 年中更換了 CEO，希望透過成本控制與重新定位來扭轉局面。但問題的根源不在執行層面，而在商業模式本身。

當一個商業模式的核心邏輯是「規模越大成本越高」，再優秀的 CEO 可能也無法改變結局。

AI 正在重構醫療：從「連接效率」到「決策智能」

就在 Teladoc 和春雨醫生陷入困境的同時，一種全新的醫療模式正在崛起。

用戶行為的悄然轉變

2024 年第三季度起，中國市場出現了一個有趣的現象：大量用戶不再使用春雨醫生等在線問診平台，而是直接使用 AI 健康助手。

阿里健康「Doctor You」：

• 7×24 小時在線，秒級響應
• 可以分析症狀、建議檢查項目、提供用藥指導
• 無需等待醫生接單

騰訊智能問診：

• 整合微信生態，使用門檻極低
• 可以記錄歷史病史，提供個性化建議
• 完全免費

百度靈醫智惠：

• 基於醫學知識圖譜，準確率高
• 可以檢索最新醫學文獻
• 提供證據等級評估

這些 AI 系統與傳統線上問診平台的最大差異在於：無需高額人力成本，邊際成本幾乎為零。

一位執業醫師坦言：「很多基礎健康諮詢不再需要人工接單。用戶問我頭痛怎麼辦，AI 可以秒級給出答案，為什麼還要等醫生回覆？」

這就是為什麼資本市場正在轉向。2025 年，AI 醫療相關融資佔醫療健康領域前十融資事件的 40%。市場對醫療價值的認知正在從「連接效率」升級為「決策智能」。

華為睿賓 2：新模式的典範

2025 年 12 月，華為在成都發布了醫療智能體「睿賓 2」，展示了 AI 醫療的完整形態。

睿賓 2 基於華為 AI 數據平台，整合了三大核心技術：

1. 知識生成與檢索：將醫學文獻、臨床指南、病例報告轉化為結構化知識圖譜，檢索準確率超過 95%
2. 記憶萃取與召回：為每個智能體構建個性化記憶庫，持續學習醫生的診療偏好和患者的病史特徵
3. UCM 推理加速：透過優化計算路徑，將推理延迟降低 30% 以上，讓基層醫院也能負擔 AI 賦能

更重要的是，睿賓 2 分為兩個端：

患者端「醫知 Dr」：

• 症狀自查：用戶輸入症狀，AI 生成可能原因列表，建議就醫科室和檢查項目
• 慢性病管理：糖尿病患者記錄血糖值，AI 自動分析趨勢並提醒調整飲食或藥物
• 全病程覆蓋：從篩查到隨訪，提供連貫支持

早期試點顯示，使用醫知 Dr 的患者，對診療方案的依從性提升了 20%。

醫生端「論界 Scholar」：

• 文獻助手：自動解析新發表的論文，提取核心結論和臨床意義
• 證據快搜：秒級檢索全球數據庫，並給出證據等級評估
• AI 綜述：基於海量數據生成結構化綜述，節省數小時查閱時間

實際案例中，一位腫瘤科醫生使用論界 Scholar 後，將制定個性化化療方案的時間從 2 天縮短到 4 小時，同時引用了最新臨床試驗數據，提升了治療精準度。

關鍵差異：突破「一對一」限制

睿賓 2 與 Teladoc、春雨醫生的根本差異在於：

傳統遠端醫療：

• 1 個醫生 = 服務 1 個患者（同一時間）
• 規模化需要更多醫生
• 邊際成本無法下降

AI 驅動醫療：

• 1 個 AI 系統 = 同時服務數千患者
• 規模化只需增加算力
• 邊際成本趨近於零

這就是我在鮑莫爾效應文章中提到的：AI 讓服務業第一次可以像製造業一樣「量產」。

過去：1 個醫生 = 看 20 人/天
現在：1 個醫生 + AI = 初步診斷 200 人/天
結果：效率提升 10 倍

AI 不是「取代醫生」，而是「替代低效問診」。它遵循「AI 輔助、醫生終審」原則，讓醫生從重複性勞動中解放出來，專注於複雜案例和最終決策。

科技巨頭的新戰場

華為、騰訊、阿里、百度、京東、科大訊飛等科技巨頭，都在加速涌入醫療 AI 賽道。它們的目標不再是「為醫院搭橋」，而是成為「新醫療生態的建造者」。

華為：憑藉 AI 數據平台與智算中心，聯合頂級醫院打造垂直領域智能體
騰訊：依托微信生態，將智能問診嵌入小程序，實現「發現症狀—AI 初篩—預約掛號—藥品配送」一站式服務
阿里健康：整合通義千問大模型與天猫醫藥，推動「AI 問診+藥品履約」融合
京東健康：以供應鏈優勢，將 AI 藥師與物流體系打通，實現「問診即送藥」

這些布局的共同點在於：以 AI 為引擎，以數據為燃料，以場景為落地點，形成「非人力依賴」的醫療服務供給能力。

當你打開手機諮詢「喉嚨痛三天怎麼辦」，背後可能不再是某位值班醫生，而是一個由互聯網企業訓練、部署並持續優化的醫療代理。

美國的新模式：K Health 與 AI 醫療新創

在太平洋彼岸，美國市場也在經歷同樣的轉型。與 Teladoc 的困境形成鮮明對比的是，一批 AI 驅動的醫療新創正在快速崛起。

K Health：最接近中國模式的美國案例

• AI 驅動的虛擬初級照護平台
• 提供 AI 聊天機器人進行診斷建議，24/7 全天候在線
• 已服務超過 300 萬患者
• 採用「AI 初步診斷 + 真人醫生確認」的混合模式
• 與 Teladoc 最大的差異：AI 處理大部分問診工作，醫生只做最後確認

Prana：從被動就醫到主動監測

• 用 AI 持續監測醫療紀錄和穿戴裝置數據
• 主動偵測「臨床漂移」（health deterioration signs）
• 被形容為「always-on physician」（永遠在線的醫生）
• 體現了從「生病才看」到「持續監測」的轉變

市場數據驗證新模式的崛起：

• 2025 年美國 AI 醫療市場規模：$216.6 億美元
• 2030 年預測：$1,022 億美元
• 94% 的美國醫療公司已在使用某種形式的 AI 或機器學習
• AI 醫療診斷市場（2025）：$7.9 億美元

K Health 與華為睿賓 2 的共同特徵在於：都是用 AI 突破「一對一」限制，讓醫療服務第一次可以規模化。差異只是技術路線與市場環境——中國科技巨頭深度整合生態系統，美國新創專注垂直領域突破。

但結果是一樣的：Teladoc 和春雨醫生這類「人力中介」平台，正被「AI 驅動」的新模式取代。

不只是醫療：整個服務業都在經歷同樣的轉型

醫療只是服務業轉型的縮影。所有「人力密集型」服務業都面臨同樣的困境，也都在被 AI 系統性地解決。

法律服務：效率提升 100 倍

過去：1 個律師審 1 份合約 = 3 小時
現在：Claude 審 1 份合約 = 3 分鐘，律師監督
結果：效率提升 100 倍，成本降 90%

AI 可以快速審閱合約、找出風險條款、比對法律條文，律師只需要做最後的判斷和確認。這讓法律服務從「高度客製化」變成「可規模化」。

教育服務：效率提升 30 倍

過去：1 個老師 = 教 30 個學生
現在：1 個 AI 導師 = 同時教 1000 人（客製化）
結果：效率提升 30 倍

AI 可以根據每個學生的學習進度、理解程度、弱點，提供客製化的教學內容和練習題。這在過去是不可能的。

交通服務：突破一對一限制

過去：1 個司機 = 服務 1 組客人
現在：無人駕駛車隊 = 一個遠端監控同時服務數十組客人
結果：突破一對一限制，交通服務可規模化

美國與中國部分城市已推出無人駕駛計程車（如 Waymo、百度 Apollo）。一個車隊管理系統可以同時調度數百輛無人車，24 小時不間斷服務。

統一的邏輯：服務業工業革命

這些案例背後有一個統一的邏輯：AI 正在系統性地解決鮑莫爾效應。

在我關於鮑莫爾效應的文章中，我提到：

過去 50 年，美國 GDP 成長率從 4-5% 降至 2% 左右，核心原因就是服務業佔 GDP 比重從 60% 上升到 80%，但服務業生產力幾乎沒有提升。服務業就像經濟體裡一個越來越大的「拖油瓶」，拖慢了整體成長。

但 AI 正在改變這一切：

• 服務業價格：可能降低 90%
• GDP 成長率：可能重回 3-4%
• 服務民主化：高品質服務從少數人特權變成全民基本權利

這是一場「服務業工業革命」。就像 200 年前蒸汽機讓製造業實現規模化，今天 AI 正讓服務業第一次實現規模化。

對從業人員的影響

當服務業價格大幅下降，從業人員會失業嗎？

這是最多人關心的問題。讓我們從歷史和經濟學理論來找答案。

傑文斯悖論：總市場會變大

在我的另一篇文章《AI 會讓服務業大失業嗎？傑文斯悖論預言：需求將會暴增》中，我詳細分析了傑文斯悖論（Jevons Paradox）：

內文說明了在人工智慧時代，服務業規模化生產後可能帶來的影響。

如果你還沒讀過這篇，建議可以點擊閱讀。

舊模式的終結，新時代的開始

回到開頭的問題：Teladoc 和春雨醫生為什麼會陷入困境？

不是因為市場不需要遠端醫療，也不完全是因為疫情紅利消退，更不是因為競爭加劇。

根本原因是：「人力密集型」的舊模式正在被「AI 驅動型」的新模式取代。

Teladoc 股價暴跌 95%、春雨醫生 3.4 億元賤賣、ARK Investment 認賠清倉——這些都是舊模式終結的註腳。

而華為睿賓 2、阿里 Doctor You、騰訊智能問診——這些則是新模式崛起的序曲。

這不只是醫療產業的轉型，而是整個服務業正在經歷的範式轉移：

• 製造業：200 年前經歷工業革命，實現規模化
• 服務業：今天正在經歷 AI 革命，第一次實現規模化

鮑莫爾效應困擾人類 50 年，拖慢了經濟成長，讓服務價格持續上漲。但 AI 正在終結這個效應，開啟服務民主化的新時代。

對從業人員來說，這既是挑戰也是機會。傑文斯悖論告訴我們，總市場會變大，但利益不會平均分配。關鍵在於：你能不能成為那個掌握新技術、提供不可替代價值的人。

Teladoc 的股價暴跌 95%，不是因為市場不需要遠端醫療，而是因為市場需要的是「可規模化的智能醫療」。當服務業第一次可以像製造業一樣量產，舊世界的王者必然隕落，新時代的推動者正在崛起。

與其說是醫療的終結，不如說這是醫療民主化的開始。

只是這次，推動者手裡拿的不是聽診器，而是算力與數據。

而這樣的典範移轉，很快的也會出現在其他服務業。

數據來源

公司財報與市場數據：

• Teladoc Health 年度財報（2020-2024）
• ARK Investment 持股資料
• Yahoo Finance、Seeking Alpha、Nasdaq 等金融數據平台

技術與案例：

• 華為睿賓 2 醫療智能體發布會資料（2025-12-07）

學術與訪談：

• Baumol, W. J. (1967). "Macroeconomics of Unbalanced Growth: The Anatomy of Urban Crisis"
• Jevons, W. S. (1865). "The Coal Question"
• Dwarkesh Patel 訪談 Andrej Karpathy（前 Tesla AI 總監）

延伸閱讀

系列文章：

• AI 終結鮑莫爾效應？服務業價格將降 90% - 分析 AI 如何打破服務業無法規模化的限制
• AI 會讓服務業大失業嗎？傑文斯悖論預言：需求將會暴增 - 分析服務業從業人員的三種職業命運