创新药抖音搜索优化-【苏州聚合增长信息科技有限公司】

医药 GEO 白皮书

AI 搜索时代的品牌“被推荐”方法论

——“一库 · 四端 · 六步”循证增长模型

苏州聚合增长信息科技有限公司（聚合AI）  编制

2026 年 9 月

摘要：生成式人工智能正在重塑医疗健康信息的分发方式，AI 对话逐步取代传统搜索，成为公众获取健康建议、用药指导与就医参考的核心入口。当流量逻辑从“争入口”迁移到“争答案”，医药品牌的竞争也随之从“争搜索排名”转向“争 AI 推荐位”。与通用行业不同，医疗领域具有极强的专业性、严肃性与合规要求，AI 回答必须基于循证医学证据，无法通过普通内容营销实现优化。本白皮书基于苏州聚合增长信息科技有限公司（聚合AI）在生成式引擎优化（GEO）领域的实践，结合字节跳动小荷 AI 医生、腾讯医典、蚂蚁阿福等医疗垂直大模型的发展现状，系统提出医药 GEO“一库·四端·六步”循证增长模型：以品牌循证知识资产库为底座，覆盖 AI 问答、内容种草、电商搜索、即时零售四类全域触点，通过诊断、建库、纠错、匹配、卡位、复盘六步标准化流程循环驱动，帮助医药健康企业在 AI 搜索时代构建可信品牌资产与长期算法壁垒。本白皮书同时给出真实服务案例、窗口期红利分析与企业行动建议，为医药企业布局 AI 搜索提供可参考、可落地的路径。

关键词：医药 GEO；生成式引擎优化；医疗大模型；循证医学；品牌可见度；小荷 AI 医生

趋势：从“争入口”到“争答案”四大广告时代：流量逻辑的四次迁移

回顾过去二十余年的数字营销演进，媒体形态、流量获取逻辑与核心考核指标（KPI）经历了四个阶段的迁移。理解这一迁移，是理解 AI 搜索时代医药营销变革的前提。

表1-1　四大广告时代的媒体形态与流量逻辑

从表1-1可以看出，前三个时代的共同特征是“争夺入口”——无论是门户的广告位、搜索的关键词还是信息流的推荐位，企业争夺的都是用户注意力的入口位置。进入 AI 对话时代，用户不再面对海量链接，而是直接获得 AI 整合生成的答案。流量的本质因此从“争入口”变为“争答案”：只有当品牌信息进入 AI 的知识体系、并被 AI 在生成答案时引用，品牌才真正获得了这一次触达。

AI 对话成为医疗健康信息新入口

医疗健康是 AI 对话渗透最快、需求最刚性的领域之一。一方面，健康问题具有高频、长尾、个性化的特点，传统搜索难以给出因人而异的系统解答；另一方面，AI 多轮对话能够模拟医生问诊流程，结合权威医学知识库，为用户提供连续、即时、可追问的健康建议。

根据企业提供的业务资料，当前国内医疗类大模型日均问诊总量已超过 1 亿次；其中字节系医疗 AI（豆包与小荷 AI 医生）合计占据约 50% 的份额，日均医疗问答量约 5000 万次。与此同时，抖音搜索中医疗相关问题的日均检索量约 1.2 亿次，搜索首屏的 AI 问答已由小荷 AI 医生承接，形成“搜索即问诊、答案即流量”的格局。（数据来源：企业业务资料）

需求侧的增长也在公开报道中得到印证。以蚂蚁集团旗下蚂蚁阿福为例，其最新用户数已达 1.5 亿，用户单日健康咨询人次接近 2000 万。（数据来源：新华网，2026 年 9 月）这表明，AI 健康问答正从尝鲜应用走向亿级用户规模的基础设施。

医药品牌竞争：从“争搜索排名”到“争 AI 推荐位”

当健康信息的入口从“搜索框”变为“对话框”，医药品牌的竞争逻辑发生了根本变化。

1. 传统搜索时代，竞争核心是排名——通过竞价、SEO 让官网或内容排在搜索结果前列，用户在多个链接中自行比较、选择。
2. AI 对话时代，竞争核心是推荐——AI 直接给出整合后的答案与建议，用户往往只关注 AI 推荐了哪个产品、引用了什么依据。若品牌没有进入 AI 的知识体系，就等于在这一次健康决策中“不存在”。

与通用行业相比，医药领域的这一转变更为特殊。医疗问题关乎生命健康，平台在生成回答时趋向于采用具有循证依据的权威信息，无法通过普通的内容铺量、关键词堆砌实现优化。换言之，医药品牌能否进入 AI 官方语料库、能否在适应症相关问答中被准确、正向地提及，直接决定了其在 AI 时代的品牌声量与用户触达效率。这也提出了全新命题：如何以合规、专业、可验证的方式，让品牌成为 AI 愿意理解、信任并推荐的对象——这正是医药 GEO 所要解决的核心问题。

格局：医疗垂直大模型的发展与竞争

医疗垂直大模型是医药 GEO 的“土壤”。企业要在 AI 搜索中被推荐，首先需要理解主要平台的技术路径、能力边界与生态布局。本章梳理字节跳动、腾讯、蚂蚁三家代表性企业的医疗大模型并加以对比。

字节跳动 · 小荷 AI 医生

小荷 AI 医生是字节跳动旗下的医疗大模型应用，定位为“看医生前，先问小荷”的私人 AI 医生，由小荷健康团队负责，业务同时涵盖抖音、头条的医疗搜索。

技术路径上，其底层并非通用大模型，而是字节自研、专门面向医疗场景训练的垂直大模型，训练数据来自权威医学指南与临床文献，并持续与全国各学科顶级专家合作。它具备多轮对话问诊、医学逻辑推理、健康科普、报告解读、拍患处、拍药品等能力，支持全病种咨询，覆盖 85 个科室、8.5 万种药品。

能力评测上，经医学专家评测，小荷 AI 医生对常见病的识别能力已达到或接近公立三甲医院主治医师水平，并通过中国信通院医疗大模型“可信级”评估。

发展历程上，根据企业资料：2023 年 8 月完成训练并通过第一批网信办备案；2024 年 1—3 月，医疗 AI 内容在抖音搜索上线、医生 AI 分身上线、小荷 AI 医生上线；2024 年 4 月完成境内深度合成算法备案；2025 年，医疗 AI 内容累计达 2 亿、医生 AI 分身开通 4000 位、累计对话人数破亿、App 1.0 上架；2026 年，每日对话用户数达到千万。（数据来源：企业业务资料）

值得关注的是，小荷 AI 医生深度嵌入抖音、头条搜索场景：用户在抖音搜索健康问题时，首屏 AI 问答由其承接，这使其成为医药品牌获取自然流量、完成“搜索—问答—转化”闭环的核心阵地。

腾讯 · 腾讯医典与医疗大模型

腾讯的医疗布局以“内容 + 技术底座”为特色，核心载体包括腾讯医典与腾讯医疗大模型。

腾讯医典于 2017 年推出，定位为权威、专业、实用的大众医学科普平台，覆盖预防、诊断、治疗、康复全流程，并与国际权威医学信息平台 WebMD 达成中国独家战略合作，通过文字、图片、影音、智能问答、3D 可视化等形式输出体系化知识。

腾讯医疗大模型于 2023 年 9 月公布，同步发布智能问答、家庭医生助手、数智医疗影像平台等矩阵。其技术路径是：通过预训练赋予模型底层医学知识，整合结构化知识图谱、腾讯医典内容、医学教材等多源数据进行检索增强（RAG）以降低出错概率，并针对问诊、导诊场景微调、邀请临床医生参与标注。2025 年又接入 DeepSeek，与自研混元大模型“双核组队”，升级导诊、预问诊、健康问答、用药、报告解读等服务。

落地规模上，公开报道显示腾讯医疗 AI 已覆盖全国约 1300 家医院，具备 3000 种以上疾病推演能力，医学实体结构化识别准确率超过 97%。（数据来源：央视网、腾讯云，2024—2026）

与小荷 AI 医生侧重 C 端用户问答不同，腾讯医疗大模型更强调面向医院、医疗机构的技术底座输出，二者在生态位上形成差异。

蚂蚁集团 · 蚂蚁阿福

蚂蚁阿福是蚂蚁集团（蚂蚁健康）旗下的 AI 健康应用。其前身为 2024 年 6 月推出的 AI 健康管家 AQ；2024 年 12 月 15 日，AQ 正式升级为“蚂蚁阿福”，定位从“AI 工具”转向“AI 健康朋友”。

技术路径上，其底座为蚂蚁医疗大模型，学习了超万亿 tokens 专业医疗语料，具备“医学思维”推理与图片、语音、视频多模态交互能力，在 HealthBench、MedBench 等评测中达到行业领先；并率先通过中国信通院医疗健康大模型双领域可信评估，在个人信息保护方面获首批“卓越型”认证。

功能定位上，蚂蚁阿福具备主动追问、主动建档特点，涵盖健康科普、就诊咨询、报告解读、健康档案等上百项功能，聚焦健康问答、健康陪伴、健康服务三大板块，并将服务从体重管理拓展到运动、饮食、睡眠、心理五大场景。

用户规模上，蚂蚁集团披露阿福 App 月活已超 3000 万；截至 2026 年 9 月，最新用户数达 1.5 亿，单日健康咨询人次接近 2000 万。（数据来源：蚂蚁集团官网、新华网，2025—2026）

生态延伸上，蚂蚁健康与北京大学人民医院等机构共建联合创新研究中心，将浙江“安诊儿”经验推广至全国版阿福；2026 年 8 月又推出“蚂蚁阿福医生版”，为医生配备医学与 AI 分身助手，覆盖问诊、患者管理与科研工作。

三大医疗大模型对比

注：*不同企业披露口径不同（日活/月活/累计用户/机构数），数据不直接可比，以原始出处为准。

三家虽路径不同，但呈现共同趋势：一是都以循证、权威医学知识为核心，通过 RAG、知识图谱保障可靠；二是都高度重视权威认证与合规备案；三是都在向“C 端用户 + B 端机构 + 医生侧”的全生态延伸。对医药品牌而言，AI 健康流量并非单一平台机会，而是需要系统化布局的全域生态。

通用大模型的医疗能力

除垂直大模型外，豆包、DeepSeek、千问等通用大模型也具备日益增强的健康问答能力，并拥有庞大用户基础。企业资料引用的国内大模型活跃用户排行显示，豆包、千问、DeepSeek 位居前列。

表2-2　国内主要大模型活跃用户规模（企业资料，单位：万）

通用大模型覆盖面广、使用频次高，是医药品牌 AI 问答不可忽视的场景；垂直医疗大模型则在专业性、准确性、合规性上更具优势。二者共同构成医药 GEO 的完整平台版图——这也决定了医药 GEO 必须同时覆盖通用与垂直、问答与搜索、线上与即时购买的全链路。

方法论：医药 GEO“一库·四端·六步”循证增长模型为什么医药 GEO 必须是一套方法论

医药 GEO 不是一次性内容投放，也不是某个单点技巧，而是一项系统工程，其复杂性来自三方面：

1. 平台多：需同时覆盖豆包、DeepSeek、千问等通用大模型，小荷 AI 医生等垂直大模型，以及抖音、小红书、电商、即时零售等多类场景。
2. 要求高：医疗内容必须基于循证证据，涉及上市状态、适应症、靶点、用法用量等高度专业且敏感的信息，容不得差错。
3. 周期长：AI 认知一旦形成会长期稳定，优化效果需持续监测、纠错与复盘，是长期运营、不断积累的过程。

正因如此，医药 GEO 需要一套可复制、可标准化、可追溯的方法论，将分散动作组织为统一体系。聚合AI基于自身实践，提炼出“一库·四端·六步”循证增长模型。

医药 GEO 的三条生命线：循证、合规、可追溯

展开模型之前，必须明确贯穿医药 GEO 始终的三条生命线，它们是医药行业区别于其他行业的根本要求。

1. 循证：AI 推荐权重由循证证据等级决定。国际顶刊、权威临床指南、药品注册批件、专家共识、真实世界研究等高等级证据获得更高引用权重；平台不设“付费置顶”，品牌无法靠花钱买到推荐位。
2. 合规：所有内容与运营动作必须符合医疗健康领域法律法规与平台规则，面向患者的科普与面向药企的商业内容需严格区分，确保真实、不误导。
3. 可追溯：每一条进入 AI 的资料、每一次 AI 引用、每一个曝光与点击都应有据可查，形成完整证据链与数据闭环，让效果可量化、责任可追溯。

这三条生命线既是约束，也是护城河。当行业中存在以模拟数据、不可核实引用包装的“营销话术”时，真正做到循证、合规、可追溯的品牌，将在 AI 与用户心中建立难以撼动的信任。

框架总图

“一库·四端·六步”循证增长模型的总体结构如图3-1所示：以“一库”为底座，向上支撑“四端”全域触点，通过“六步”SOP 循环驱动，全程遵循循证、合规、可追溯三条原则。

图3-1　医药 GEO「一库·四端·六步」循证增长模型

模型的内在逻辑是：品牌先将自身循证资料沉淀为 AI 可理解的知识资产（一库）；再以该资产为基础，在用户健康需求的各个触点上被 AI 准确呈现（四端）；而连接“资产”与“触点”、并使其持续优化的，是一套标准化执行流程（六步）。

一库：品牌循证知识资产库

“一库”即品牌循证知识资产库，是整个模型的底座，也是 AI 理解与信任品牌的源头。

其内容来源包括药品说明书、注册批件、临床指南、专家共识、国际医学文献、真实世界研究等权威循证资料。这些资料经聚合AI GEO+Agent 的 RAG 向量化、结构化处理后，不再是零散文档，而成为 AI 可理解、可信任、可引用的“标准答案”。

一库的价值体现在三方面：

1. 准确性：以官方、权威资料为基准，从源头保障品牌信息（上市状态、适应症、靶点、作用机制、用法用量）准确，纠正 AI 幻觉。
2. 权威性：高等级循证资料直接决定品牌在 AI 回答中的推荐权重，是“无付费置顶”机制下最核心的竞争资产。
3. 资产性：知识库一旦建成并被 AI 采纳，即成为品牌专属、可持续复用的数字资产，且随时间不断积累。

四端：全域健康需求触点

“四端”是品牌循证资产在用户健康需求链路中的四类落地触点，覆盖从“产生健康疑问”到“完成用药购买”的完整路径。

1. A 端 AI 问答（患者教育“回答”）：通过 AI 生成答案影响决策，覆盖豆包、DeepSeek、千问、小荷 AI 医生。
2. M 端 内容种草（患者教育“推送”）：通过内容推送激发需求，覆盖抖音、小红书、视频号。
3. C 端 电商搜索（患者购药“备货”）：面向计划性、价格敏感需求，覆盖淘宝、天猫、京东。
4. O 端 即时零售（患者购药“急需”）：面向即时性、时间敏感需求，覆盖美团、淘宝闪购、京东秒送。

四端的划分，使医药品牌能够针对用户在不同场景下的差异化需求——了解疾病、比较产品，还是计划性备药、急需用药——精准匹配内容与商品，实现全域、全链路的一致触达，避免流量在任一环节流失。

六步：标准化执行 SOP

“六步”是将一库资产落地到四端触点的标准化执行流程，六步首尾衔接、循环运转。

1. 第一步 AI 现状诊断：排查品牌在全平台的 AI 展示现状，识别信息偏差与露出缺口，出具竞品 AI 曝光对比报告。
2. 第二步 循证资料库搭建：协助企业梳理说明书、注册批件、临床研究、专家共识、国际文献等高等级材料并完成结构化。
3. 第三步 AI 认知纠错：通过官方通道提交权威资料，修正 AI 在上市状态、靶点、适应症、作用机制等方面的幻觉偏差。
4. 第四步 适应症意图匹配：围绕核心适应症与靶点，在疾病、症状、通用名等泛意图问答中实现产品自然、准确露出。
5. 第五步 全域卡位运营：进行抖音搜索首屏 AI 问答卡位、官方药品库入驻、科普视频小蓝词联动等多触点布局。
6. 第六步 数据复盘优化：依托官方信息服务平台，输出资料引用次数、商品卡展现、点击、点击率等报表，据此调整策略。

六步并非线性结束，而是以“数据复盘”反哺“现状诊断”与“资料库”，进入下一轮循环。

• 增长飞轮：从先发优势到算法壁垒
• 六步循环构成医药 GEO 的增长飞轮，如图3-2所示。
• 图3-2　医药 GEO 六步增长飞轮

飞轮的运转机制是：企业越早完成入库与优化，AI 越早形成对品牌的准确认知；在同等循证等级下，先入库品牌的内容会作为大模型的基础标准答案，长期占据核心问答场景；而早期的每一次曝光、点击与引用，又持续转化为品牌的数据资产与权重积累。飞轮不断转动，后来者需付出更高成本才能追赶，从而形成难以逾越的算法壁垒。

这一机制的本质，是把“时间差”转化为“资产差”：在平台商业化早期、竞争尚未充分时率先布局，企业获得的不仅是当期流量，更是持续复利的品牌信任与算法权重。

实证：三大场景的优化实践

本章以聚合AI服务中的三个真实场景为例，展示模型在精准度优化、适应症匹配、药品库入驻三类典型需求中的落地过程与效果。为保护客户商业信息，部分信息做了必要简化。

精准度优化：GLP-1 减重制剂

场景与问题：某创新药企的 GLP-1 受体激动剂产品（玛仕度肽，Mazdutide，研发代号 IBI362，由信达生物与礼来共同开发，用于肥胖症及 2 型糖尿病治疗）面临典型 AI 认知错位——产品获批上市后，用户检索时 AI 仍将其表述为“尚未上市、处于临床试验阶段”，且对核心适应症、靶点与作用机制描述存在偏差，直接干扰品牌认知。

优化动作：通过官方通道提交注册批件、权威临床指南等循证资料，对 AI 的上市状态、适用人群、作用机制进行纠错。

优化效果：完成纠错后，AI 对该产品上市状态、适用人群、作用机制的表述全部修正到位，品牌信息准确率达到 100%，消除了 AI 幻觉带来的认知干扰。（数据来源：企业业务资料）

该案例对应模型“第三步 · AI 认知纠错”，说明对于新上市、信息更新快的创新药，及时通过循证资料校正 AI 认知，是保障品牌准确呈现的首要环节。

适应症匹配：苯甲酸利扎曲普坦片

场景与问题：偏头痛治疗领域，苯甲酸利扎曲普坦片（曲普坦类 5-HT1B/1D 受体激动剂）面临泛意图露出不足——用户搜索“偏头痛怎么快速缓解”“偏头痛常用药有哪些”时，AI 仅提及曲普坦类大类，不指向具体产品与通用名。

优化动作：基于核心适应症与靶点提交权威资料，在症状、疾病等泛意图问答中实现产品自然纳入，并补充 15—30 分钟起效、适用 6 岁及以上人群等核心临床信息。

优化效果：优化后，该产品在偏头痛相关问答中被常态化、自然推荐，并准确标注起效时间与适用人群，显著提升了品牌在用户决策链路中的触达率。（数据来源：企业业务资料）

该案例对应“第四步 · 适应症意图匹配”与“第五步 · 全域卡位”，体现从“用户症状”到“产品方案”的精准衔接。

药品库入驻：世信复方别嘌醇片

场景与问题：世信药业复方别嘌醇片（降尿酸药物）入驻前，小荷 AI 医生解答降尿酸用药时仅提及抑制生成、促进排泄两类传统方案，从未提及该复方制剂，也无品牌商品卡。

优化动作：完成官方药品库入驻，在 AI 降尿酸治疗方案中增加复方制剂选项、说明临床特点，并同步上线品牌药品卡，形成“科普—认知—转化”链路。

优化效果：入驻后 AI 不仅在治疗方案中准确呈现该复方制剂，还同步展示品牌商品卡。官方后台数据显示，相关资料累计被 AI 引用 15649 次，商品卡月展现 27225 次、月点击 1374 次，点击率稳定在 5.0% 左右。（数据来源：企业业务资料）

表4-1　复方别嘌醇片商品卡分位置数据（企业资料，月度）

该案例对应“第二步建库、第五步入驻卡位、第六步数据复盘”，完整展示药品库入驻如何同时带来品牌曝光、权威背书与转化承接。

价值：窗口期红利与行动建议四大窗口期红利

与早期抖音、小红书开启商业化的初始阶段类似，当前医疗大模型的入驻成本、扶持政策与流程尺度仍处于“生态共建”优惠期。率先布局的企业可享受四类红利。

1. 红利一 同品类适应症优先卡位：同适应症、同品类、同靶点核心词条，早入库内容将作为大模型基础标准答案，长期占据核心问答场景。
2. 红利二 流量模型加权：平台稀缺医疗语料的流量分配向首批入库企业倾斜，相同问题下早入库品牌具备曝光与调用优势。
3. 红利三 直通官方：早期入库企业可深度对接平台医学与运营团队，加急审核、共建数据维度，更早获得商业化动向与合作入口。
4. 红利四 数据资产复利：早期的每一条曝光、每一次点击，都沉淀为后来者难以逾越的算法壁垒。

入驻门槛与适用客户

医药 GEO 服务仅面向合规主体开放，以保障内容的专业性与严肃性。

适用客户包括药品（含疫苗）、二类或三类医疗器械、保健品、特殊医学用途配方食品、兽药等产品的注册或备案企业，重点服务创新药、原研药、高精尖器械等合规主体。

服务形态上，聚合AI提供小荷医疗大模型全案营销与全周期托管：配备专属团队，覆盖资料梳理、合规审核、入库代办、持续纠错、月度复盘与 24 小时响应；售前提供免费 AI 品牌诊断与竞品对比报告。

商业化进程：小荷是官方入场券

豆包等平台正加速开放商业化。根据企业资料：2026 年第三季度，豆包开放头部客户商业广告系统内测；第四季度全行业开放标准化广告体系，巨量引擎数据全链路可追踪。

在标准化广告体系全面开放前，通过小荷医疗大模型完成语料入库与品牌卡位，相当于提前持有平台“官方入场券”：企业既能在优惠期以更低成本锁定自然流量与算法权重，也能在广告体系开放后更快承接商业化红利。

药企 AI 品牌自检清单

建议医药企业对照以下问题，评估自身在 AI 搜索时代的品牌现状。

1. 用户搜索产品名或核心适应症时，AI 是否会提及我们的品牌？
2. AI 对产品上市状态、适应症、靶点、用法用量的描述是否准确、最新？
3. 在症状、疾病等泛意图问答中，我们的产品能否被自然推荐？
4. 我们是否已进入官方药品库、具备品牌商品卡等转化入口？
5. 我们能否获得资料引用、商品卡曝光、点击等可量化、可追溯的数据？
6. 我们是否有持续监测、纠错与复盘的机制？

若上述问题中存在多个“否”，说明品牌在 AI 健康流量入口上仍有明显缺口，且越晚布局，越需面对先入者形成的算法壁垒。

合作路径

1. 第一步 免费诊断：获取品牌全平台 AI 展示现状诊断报告与竞品对比。
2. 第二步 方案定制：基于诊断结果与循证基础，定制“一库·四端·六步”落地方案。
3. 第三步 入库运营：完成资料库搭建、官方入库、纠错、匹配与全域卡位。
4. 第四步 持续复盘：按月输出数据报表，驱动飞轮持续运转、资产持续积累。

关于聚合增长

苏州聚合增长信息科技有限公司（品牌“聚合AI”）是国内首批深度布局医疗垂直领域 AI 搜索优化的科技服务商，也是国内首批通过 EEAT 可信服务认证的 AI 搜索优化服务商，具备人工智能领域相关国家级资质。

公司构建了“通用 + 医疗”双轮驱动的 AI 全域营销服务体系，技术底座为聚合AI GEO+Agent（基于 RAG 的向量化知识库）。在切入医疗赛道前，公司已在工业制造、外贸出海、医美机构、企业服务等领域积累 GEO 经验。2026 年 8 月，公司新增字节跳动旗下小荷医疗大模型全案营销服务，为医药健康企业提供合规、专业、可落地的 AI 营销解决方案，帮助企业在 AI 搜索时代构建可信品牌资产、实现可持续增长。

数据来源与参考文献

• [1] 苏州聚合增长信息科技有限公司（企业资料）. 2026.
• [2] 苏州聚合增长信息科技有限公司. 聚合增长战略布局医疗AI营销赛道（新闻稿）. 2026-08-05.
• [3] 苏州聚合增长信息科技有限公司. 医疗大模型药企全案营销服务与托管服务知识库（企业资料）. 2026.
• [4] 新华网. 健康AI蚂蚁阿福最新用户数达1.5亿. 2026-09-10.
• [5] 蚂蚁集团. AQ升级为“蚂蚁阿福”，App月活超3000万. 2025-12-15.
• [6] 人民日报. 蚂蚁阿福 做用户身边的AI健康朋友. 2025-12-16.
• [7] 腾讯健康. 腾讯健康公布医疗大模型，发布多场景AI产品矩阵. 2023-09-21.
• [8] 新华网. DeepSeek+腾讯混元“双核组队”. 2025-02-25.
• [9] 央视网. 落地超1300家，腾讯健康AI大模型商业化加速跑. 2024-09-25.
• [10] 腾讯. 善用科技，跨越医疗行业鸿沟（腾讯医典介绍）.
• [11] 字节跳动小荷健康团队公开介绍资料.
• [12] 中国信息通信研究院. 医疗大模型可信评估公开信息.

免责声明

本白皮书由苏州聚合增长信息科技有限公司编制，旨在分享医药行业生成式引擎优化（GEO）的方法论与实践观察，仅供相关企业参考，不构成医疗建议、投资建议或对特定平台政策的承诺。文中第三方数据均来自公开渠道或企业提供资料，不同来源的统计口径与时间可能存在差异，读者应以原始出处及平台官方最新信息为准。所涉产品名称、商标归各自权利人所有；因使用本白皮书内容引发的决策风险，由使用者自行承担。转载请注明出处。

如需确认具体规格、货期与报价，欢迎联系：苏州聚合增长信息科技有限公司 18118121555，地址：江苏省苏州市吴中区吴中大道59号中意大厦A406。我们将根据实际需求提供选型建议与供货方案，具体参数以实物为准。