Babylon Health：号称『医疗界 Uber』的 AI 问诊平台，因单位经济模型崩塌和监管问题破产

📌 本文资料来自 Loot Drop（loot-drop.io）失败案例库，翻译整理，非本站原创。

它是做什么的

通过 AI 症状检查和虚拟全科医生问诊提供 24/7 手机医疗服务，主打消除等待时间、降低医疗成本

怎么死的

核心商业模式支付医生按次咨询费却向保险公司收取固定月费，AI 诊断能力未达承诺且缺乏临床验证，多国扩张导致资金分散，最终因单位经济不可持续破产

烧了多少钱

12 亿美元

死因拆解

1. 商业模式结构性缺陷：医生成本随问诊量线性增长，收入却受固定月费封顶限制；2) AI 诊断宣称超越人类医生但缺乏同行评审验证，遭监管审查；3) 同时进军英美加亚等多国市场，均未形成规模优势；4) 通过 SPAC 上市后公众市场发现单位经济问题，股价暴跌 98%；5) 转向价值医疗需保险精算能力但准备不足

别人踩过的坑

① 医疗单位经济模型极其严苛，不能依赖『AI 后期优化』的假设 ② 监管套利在医疗行业是定时炸弹而非护城河 ③ 医疗 AI 必须先完成临床验证才能推广，不能倒置 ④ 远程问诊是功能而非平台，缺乏独特临床数据或关系则易被 commoditized ⑤ 医疗国际化每个国家都需单独构建完整体系，无法像 SaaS 简单复制

如果重做

转型为专注 3+ 慢性病患者的 AI 药物管理平台 CareScript： 1) 价值主张：通过药剂师视频检查+AI 药片识别+预测性依从模型，降低这类占 50% 医疗成本的高危人群住院率 2) 商业模式：与医保计划和自保企业签订风险共担合同，按证实的成本节约分成 3) 切入点：选择已强制药物管理(MTM)的州 Medicare Advantage 计划，从地区性医保着手 4) MVP 路径：先与社区药房合作 50 名患者试点，6 个月验证住院率降低效果，再拓展到 2-3 个地区医保 5) 技术栈：包含药片识别计算机视觉、药物交互分析 AI 和 HL7 FHIR 电子病历集成 6) 关键差异：利用成本更低的药剂师而非医生，专注可量化 ROI 的高成本患者群体

来源与数据

• 资料来源：Loot Drop（Startup Graveyard）https://www.loot-drop.io
• 原始条目：https://www.loot-drop.io/startup/2047-babylon-health（条目 ID 2047）
• 数据字段：单位经济模型不成立（Unit Economics） · 烧钱 $1.2B · 存活 2013–2023 · 行业 Health Care
• 说明：本文为 Loot Drop 公开资料的翻译与整理，非本站原创；数字均来自原条目，本站未做二次估算。

一句话总结

医疗创新必须同时满足临床价值、经济可持续和监管合规三位一体，缺一不可