医疗行业有一句话流传已久：美国每年有数亿次”诊室外咨询”——患者在走廊里、停车场上、朋友圈里描述症状，寻求意见，最后才可能去挂号。这些”非正式咨询”构成了现实医疗系统的隐形底盘。

现在，有一个新的渠道正在承接这些需求，而且规模超过了大多数人的想象。

Business Insider的独家报道揭示了一个惊人的数字：每周超过2.3亿人使用ChatGPT寻求健康和医疗建议。这不是一个测量”偶尔问过”的数据，而是每周活跃使用的规模。作为参照，美国全国每年的门诊就诊总次数约为11亿次，折合每周约2100万次。ChatGPT的健康咨询量是全美门诊量的10倍以上。

Karan Singhal和他的使命

这个数字背后，站着一个不太被外界熟知的人物：Karan Singhal，OpenAI的AI医疗研究负责人。

Singhal在AI健康领域有一份重量级履历。他在Google Research工作期间，主导了Med-PaLM系列模型的开发——这是AI行业首批专门针对医疗问题进行深度优化的大型语言模型。Med-PaLM在2023年曾是一件大事：它在美国执业医师资格考试（USMLE）上的表现达到了”优秀”水平，而早期版本的GPT-4在同样考试上仅是勉强通过线。

但后来，Google发生了一些变化。

Singhal在Business Insider的采访中提到，Google最终削减了Med-PaLM的专项投入，转向通用模型优先的策略——Gemini的开发占据了主要资源，医疗专项模型被认为不如”用通用强模型覆盖一切”来得高效。2024年中，Singhal离开Google，加入OpenAI。

他的加入标志着OpenAI对医疗AI的认真程度发生了质变。”你希望模型在一切其他方面都处于领先，”他在采访中说，”但医疗是我们最想确保做对的领域之一。”

GPT-5：第一个”生而为医”的模型

根据Singhal的披露，GPT-5与过去的GPT系列有一个根本性的不同：它是OpenAI首个在全开发阶段都专门针对健康建议进行优化的模型。

这句话需要解码。过去的GPT模型（包括GPT-4o）在健康相关能力上也有投入，但那是一种”事后优化”——先训练通用模型，再通过RLHF（人类反馈强化学习）和指令微调让它在医疗问题上表现更好。这就像是培养一个全才，再让他去学医。

而GPT-5的路径不同：从预训练数据的筛选、强化学习的奖励设计，到最终的评估基准，医疗健康能力是一个贯穿始终的优化目标，而不是附加的功能层。Singhal用的词是”第一个在每个开发阶段都为健康建议专门训练的模型”——这种描述方式，在OpenAI的官方表述中并不多见，说明这是一个真实的架构决策，不是营销语言。

2.3亿人在问ChatGPT什么健康问题？

一个自然的疑问：2.3亿人在问ChatGPT什么？

OpenAI没有公开详细的分类数据，但从ChatGPT的产品形态和多项独立研究来看，最常见的健康咨询大致分几类：症状解读（”我腹痛是什么意思”）、药物信息（”这两种药能一起吃吗”）、慢病管理（”2型糖尿病患者应该避免哪些食物”）、心理健康（”我感到焦虑，应该怎么办”）、以及医疗决策辅助（”医生说要做手术，这个方案合理吗”）。值得注意的是，这一列举是基于已公开的研究和产品观察，而非OpenAI的官方分类数据。

这个使用场景的分布，揭示了ChatGPT医疗咨询的一个重要特征：它填补的不是”已经有了医生、还想再多咨询一下”的需求，而是大量”根本没有渠道获得医疗建议”的需求。

全球有超过40亿人生活在医疗资源严重不足的地区。对于一个生活在印度乡村或非洲农村的患者，ChatGPT可能是他们唯一触手可及的”医疗顾问”。即使在美国，看病的时间成本和经济成本依然巨大——一次基层就诊的等待时间通常超过3周，一个没有保险的人与全科医生交流10分钟可能花费数百美元。ChatGPT不需要预约，不需要保险，不需要等待，7×24小时在线。

风险与责任：谁来保护那2.3亿人？

但2.3亿这个数字，也意味着2.3亿个潜在的风险暴露点。

ChatGPT在医疗领域的风险不是假设性的。OpenAI正面临多起诉讼，指控ChatGPT（尤其是早期版本的GPT-4o）在与寻求心理支持的用户互动时，存在鼓励自杀意念的行为。OpenAI否认了相关责任，但这些案例明确指出了一个核心问题：当一个AI系统被2.3亿人用于健康决策，它的”错误”不再是偶发的技术问题，而是一个公共卫生风险。

Singhal在采访中提到，OpenAI非常认真地对待这个责任。GPT-5的医疗健康安全是一个持续的研究领域，包括：提高模型在识别自杀风险信号方面的能力、在超出能力边界时主动引导用户寻求专业医疗、避免在不确定的诊断问题上给出过于自信的回答。

但这里存在一个内在的张力：一个”过于谨慎”的医疗AI会不断说”请咨询专业医生”，这对于那些根本没有渠道咨询专业医生的2.3亿用户来说，等于没有提供任何帮助。而一个”大胆给建议”的AI则面临误导和责任风险。这个平衡，没有简单的答案，只有不断迭代的工程实践。

Google放弃vs OpenAI押注：两种战略逻辑

Google砍掉Med-PaLM、OpenAI加码GPT-5医疗——两家公司的选择，折射出对AI医疗商业逻辑的根本分歧。

Google的逻辑：通用模型足够强大的时候，专项模型反而会成为负担。维护一个医疗专项模型意味着持续的数据、标注、评估投入，而这些资源更好地用于训练更强的通用模型——Gemini Ultra在医疗考试上的表现，并不比Med-PaLM差多少。医疗只是Gemini的一个应用场景，不需要专项品牌化。

OpenAI的逻辑则相反：医疗的特殊性足够强，以至于”通用优秀”远不够。医疗建议的错误代价不是用户满意度下降，而是健康受损甚至生命损失。在这个领域，”比通用模型稍好一点”不是优势，而是”还没达到真正安全”的委婉说法。Singhal的愿景——”让ChatGPT成为每个人护理旅程的守护者”——需要从根本上不同的开发优先级。

谁的逻辑会被证明是对的？这个问题还没有答案。但OpenAI已经用GPT-5的开发路线和2.3亿周活跃用户，把赌注押了上去。

从”医疗AI”到”医疗系统的基础设施”

Singhal在采访中用了一个词：「protector in their care journey」（护理旅程中的守护者）。这个措辞不是随口说的——它揭示了OpenAI医疗战略的真实野心。

传统意义上的”医疗AI”主要有两个方向：帮医生提高诊断精准度（影像分析、病理报告）和帮医院提升运营效率（排班、账单、记录）。这两个方向面向的都是医疗系统的专业端，普通患者感受不到直接价值。

OpenAI的医疗战略走的是完全不同的路：不是进入医疗系统的专业层，而是成为医疗系统的入口层——在患者接触专业医疗之前，就已经介入。这个入口的规模，按照2.3亿每周用户来计算，已经是全球最大的医疗咨询渠道之一。

谁控制了患者与医疗系统交互的第一个接触点，谁就拥有了对整个医疗决策流程的影响力。这包括：患者是否决定就医、患者带着什么问题和预期去就医、患者在拿到诊断后如何理解和执行医嘱。

FDA监管的未解之题

医疗AI是目前企业AI应用中最被看好、但也监管最复杂的垂直赛道。美国FDA对”医疗软件”有明确的监管框架：如果一个软件”旨在用于诊断疾病或其他病症”，它就需要经过FDA的510(k)预市场通知或PMA（上市前批准）程序。这个门槛非常高，绝大多数AI公司选择的方式是：把自己定义为”健康信息工具”而非”医疗设备”，从而绕开FDA的监管要求。

ChatGPT目前走的是同样的路线。OpenAI从来没有声称ChatGPT是一个医疗设备，也没有申请FDA批准。这在法律上是合规的，但在责任边界上是模糊的——如果一个患者根据ChatGPT的建议做了决定并因此受到伤害，谁来负责？

这个问题，在2.3亿用户规模下，不再是理论问题。GPT-5的医疗健康能力开发，有一个核心原则：”先不伤害（do no harm）”——在模型不确定时主动降低置信度，在涉及高风险决策时强化安全提示。但2.3亿用户意味着，即使只有0.1%的建议出现偏差（这是一个假设性计算，不是已记录的实际数字），也是23万人可能面临不准确信息的影响——这个规模比大多数国家的医疗重大事故都要大。

未来的ChatGPT诊室

Singhal有一个更大的愿景：让ChatGPT不仅解答问题，还主动追踪用户的健康状态——知道你上次说头疼，这次会问你好了没有；知道你在管理糖尿病，会在你聊起饮食时主动提醒血糖影响。这需要ChatGPT的Memory功能从”记住你喜欢什么咖啡”升级到”持续追踪你的慢病管理进展”。

下一个3-5年，OpenAI在医疗方向的核心投入，很可能集中在两件事：如何让模型记住并理解用户的长期健康背景，以及如何在这个过程中建立用户（和监管机构）对AI医疗建议的信任。

2.3亿人已经在用。这个数字，不只是OpenAI的成就，也是一道摆在整个AI行业面前的问题：当数亿人把健康决策托付给AI，这个行业准备好了吗？

医疗AI的真正挑战不是技术问题——GPT-5已经在医学知识上达到专业水平。真正的挑战是：如何在”足够有用”和”足够安全”之间找到那条线；如何在全球医疗资源不平等的现实下，让AI成为提升公平性的力量而不是制造新的风险；如何建立一套所有相关方——患者、医生、监管机构、保险公司——都能接受的责任框架。

这些问题，2.3亿人每周都在等待答案。

参考资料：

  • Business Insider, “OpenAI’s Karan Singhal on How He’s Driving ChatGPT Health Advancements”, 2026-06-18
  • OpenAI 官方（通过Business Insider引用）：2.3亿健康建议周活跃用户数据（截至2026年6月）
  • Nature Medicine, “Large language models encode clinical knowledge”, Singhal et al., 2023（Med-PaLM研究基础）
  • FDA “Software as a Medical Device” 监管框架（官方指南）