CVS推AI平台Health100打破机构壁垒并控算力成本

Reimagining the Healthcare Experience: How Health100 Is Putting Consumers First — Ai4

Ai4

Tony Ambrozie认为医疗行业必须通过AI实现数据聚合与价格透明,同时应通过部署轻量小模型避免Token过度消耗与算力浪费。

AI-assisted summary of Reimagining the Healthcare Experience: How Health100 Is Putting Consumers First — original source. Check the original for full context.

Source published:

Detailed notes

## Background 该内容由频道 Ai4 于 2026 年 8 月 22 日发布在 YouTube 平台上。视频记录了 Second Opinion Media 记者 Ruth Reader 与 CVS Health 资深副总裁兼首席数字技术官 Tony Ambrozie 的深度对谈,围绕 AI 原生开放式消费者互动平台 Health100 如何重构大众医疗健康体验展开。

## TL;DR Tony Ambrozie 介绍了 CVS Health 推出的全开放数字健康平台 Health100,旨在打破医疗数据孤岛并作为统一的“数字前门”赋能所有患者。平台利用主动式 AI 解码复杂的电子病历与穿戴设备数据,提供全天候慢病监测与用药安全排查,并通过生成一页式临床摘要与推动医疗费用透明化来化解医患双向的信息不对称。针对高昂的 AI 算力开销,Ambrozie 结合云计算历史经验,主张通过采用轻量小模型、私有化算力部署以及摒弃盲目追求 Token 消耗的实用主义架构来实现降本增效。

## Atmosphere & style 整场对话节奏明快、务实而又极具行业洞察力,主持人与嘉宾之间展现出高度专业且默契的互动氛围。Tony Ambrozie 既有资深技术高管的宏观战略视角,又屡屡切换至普通患者的切身体验,以幽默风趣的自嘲和辛辣的吐槽直击医疗系统痛点。访谈在严谨探讨技术落地与成本治理的同时,洋溢着一种务实、清醒且拒绝盲目跟风的工程师务实底色。

## Key takeaways - [00:04](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=4s) CVS 推出独立子公司 Health100,突破原有客户边界,面向全网所有消费者打造统一的健康管理“数字前门”。 - [00:04](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=4s) 依托数十年合规保管数亿人健康档案的积淀,传统医疗巨头在健康数据可信度上构建起对抗科技初创企业的核心壁垒。 - [02:38](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=158s) 打破患者跨机构就医的数据碎片化泥潭,将多方电子病历与化验指标聚合为连续的健康走势分析。 - [02:38](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=158s) AI 充当专业医疗术语的解码器,将复杂的就诊总结转化为通俗易懂的语言,有效缓解患者的“信息过载”。 - [05:27](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=327s) 推动 AI 从被动问答转向全天候常驻运行,结合病历与可穿戴设备信号,主动提供疫苗接种与慢病筛查等预防性干预。 - [05:27](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=327s) 跨越不同医疗机构识别处方冲突与配伍禁忌,全天候保障多机构看诊患者的用药安全。 - [07:10](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=430s) 响应“消灭写字夹板”倡议,支持通过动态二维码与安全链接流转病历,避免患者因手写填表遗漏危及生命的过敏史。 - [07:10](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=430s) 利用 AI 将动辄上千页的繁复历史病历秒级浓缩为一页式临床摘要,大幅提升医生在接诊新转诊患者时的审阅效率。 - [12:14](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=734s) 直面医疗收费极度不透明的行业痛点,借助技术重塑定价机制以破解同类治疗在不同机构费用悬殊的困境。 - [12:14](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=734s) 从处方药切入费用透明化,通过 AI 同时比对医保报销、自费现金价并全网自动匹配药厂优惠券以抵扣开销。 - [14:43](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=883s) 当下的 Token 经济学正重演云计算迁移的算力开销轨迹,企业必须将成本控制与资源治理前置到系统架构设计中。 - [16:16](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=976s) 拒绝盲目跟风与非理性消耗,在相对简单的流程中采用轻量级小模型与本地部署以实现降本增效。

## Detailed walkthrough ### [00:04](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=4s) Health100 的诞生与 CVS 的全开放式医疗愿景

对谈由 Second Opinion Media 的记者 Ruth Reader 开场,她提到 CVS Health 一直在尝试利用 AI 帮助患者优化就医体验并整合健康数据。这一切早有迹象——CVS 旗下的保险公司 Aetna(安泰保险)去年就推出了一款协助患者查询账单信息的 AI 聊天机器人。随后,CVS 正式推出了 Health100 战略计划。被问及在消费者端融入 AI 的考量时,CVS Health 负责数字与技术的资深副总裁 Tony Ambrozie 开玩笑地确认了紧迫的时间后,直奔核心主题。他表示,CVS 长期以来都在打造全新的数字化体验,从 CVS Caremark 药品福利管理平台到广泛使用的药房 App,但团队随后提出了一个更具野心的设想:为什么不把这种能力开放给所有人,而不仅限于 CVS、Aetna 或 Caremark 的现有客户?

```mermaid flowchart TD accTitle: Health100 统一入口架构 subgraph S1["数据聚合 (Data Aggregation)"] A["多机构电子病历 (EHRs)"] B["化验所与检查机构 (Labs)"] C["可穿戴设备 (Wearables)"] end

subgraph S2["Health100 智能平台 (AI Platform)"] D["Health100 开放入口"] E["主动式 AI 引擎 (Proactive AI)"] D --> E end

subgraph S3["患者与临床价值 (Value Delivery)"] F["消费者洞察 / 慢病与预防提醒"] G["一页式临床摘要 (1-Page Summary)"] end

A --> D B --> D C --> D E --> F E --> G ```

Health100 被确立为一个独立的子公司,其核心定位是为所有需要管理健康的人提供一个值得信赖的“数字前门”(Trusted Front Door)。无论是面对刚刚确诊的新病情需要获得指引和行动建议,还是长期管理某种慢性疾病,用户都可以来到这个单一平台。Ambrozie 特别强调了信任壁垒:“在数据可信度方面,我们拥有数亿人的健康记录且保管多年,这远比硅谷随便哪家初创公司更值得托付。”他相信,提升患者在自身健康旅程中的参与度并为其赋能,对大众具有深远的长期价值。

- **跨体系覆盖**:突破 Aetna 与 CVS Caremark 客户边界,服务于全网所有消费者与患者。 - **定位与定位**:构建全生命周期的健康指引统一入口,提供病情指引、管理建议与下一步医疗规划。 - **信任优势**:依托 CVS 数十年沉淀的数亿级用户合规健康档案,对抗新兴科技初创企业的数据信任短板。

---

[02:38](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=158s) 从数据碎片化到 AI 驾驶舱:化解患者的“信息过载”

回顾医疗数据的发展轨迹,Ambrozie 指出十年前患者的数据被锁在不同医疗机构和医生集团内部,患者处于一种无奈的“无知状态”;到了 2020 年前后,各家电子病历系统(EHR)纷纷上线患者门户,患者能查看的数据虽然变多了,但体验却陷入了新的碎片化泥潭——往往看几个不同的医生就得登录 5 个乃至 20 个不同的独立 App 或网页。Health100 的首要任务就是打破壁垒,将所有分散在不同医院、诊所与化验所的数据无缝聚拢在一处。Ambrozie 分享道,早年间他甚至要自己维护一张 Excel 表格,按季度手动记录自己的糖化血红蛋白(A1C)和甘油三酯等指标来观察身体走势;而集中聚合后,患者终于能在一处看清自己多年的连续健康趋势。

然而,数据聚合带来了新的次生挑战:海量医疗专业术语超出了普通人的理解范围。就诊总结(After-Visit Summary)通常是医生写给同行看的技术语言,当患者面对堆积如山的化验指标和术语时,就如同坐进了一架“布满按钮、仪表盘、闪烁灯光和操纵杆的飞机驾驶舱”。AI 在此扮演了解码器的角色,它不仅能将生涩的临床记录转化为通俗易懂的语言,还能跨越跨度数年的记录,帮助患者绘制出清晰的健康变化趋势,实现真正有意义的数据洞察。

---

[05:27](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=327s) 主动式 AI 与慢病全天候护航

在谈到 Health100 智能助手的核心价值时,主持人提到该工具能跨越不同机构帮助患者发现药物相互作用(Contraindications),这在多机构看诊的慢性病管理中至关重要。Ambrozie 进一步阐述了 AI 的“主动性”(Proactivity)。AI 不仅能被动回答诸如“我过去三年的 A1C 趋势如何”这类查询,更能作为常驻后台的智能系统持续运转,结合新同步的病历以及可穿戴设备的实时体征信号进行动态研判。

这种全天候监控能带来极具价值的预防性干预。Ambrozie 风趣地以自己为例透露,系统就曾根据他的年龄和医疗记录主动提醒他去接种带状疱疹疫苗(Shingles Vaccine),“就像所有人一样,我也一直在拖延,但现在有了一个能不断督促我的‘健康管家’,这正是技术带来的好处。”AI 借助持续的个性化提醒,在疾病恶化前给予主动干预,填补了传统被动就医模式下的脱节环节。

- **被动查询向主动服务转变**:系统全天候运行,敏锐捕捉化验、用药及穿戴设备发出的新健康信号。 - **用药安全交叉验证**:跨医疗系统识别处方冲突,排查潜在药物不良反应与禁忌症。 - **预防保健主动督促**:基于年龄、病史自动发出疫苗接种(如带状疱疹疫苗)及常规筛查提示。

---

[07:10](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=430s) “消灭写字夹板”与一页式 AI 临床摘要

```mermaid flowchart LR accTitle: 医疗数据共享与一页式摘要生成流程 A["患者历史档案 (5年化验/就诊记录)"] --> B["AI 引擎提炼分析"] B --> C["一页式临床摘要 (1-Page AI Summary)"] C --> D["接诊医生 (精准把控病史/过敏源)"] ```

针对数据互联互通的技术与体制障碍,主持人提到了美国卫生与公众服务部(HHS)与医疗保险和医疗补助服务中心(CMS)发起的“消灭写字夹板”(Kill the Clipboard)行动倡议。Ambrozie 给予了高度评价,指出行业内长期存在“医疗机构误将患者数据当成自身私有财产”的狭隘观念,而监管机构正在通过政策引导全行业开放。当患者转诊到新诊所时,不再需要凭借模糊的记忆在一块挂着纸质表格的写字夹板上手写回忆,否则一旦遗漏了过往严重的药物过敏史,就可能引发危及生命的医疗差错。

为了消灭这种就医摩擦,Health100 支持通过动态二维码或安全加密链接直接向接诊医生实时共享最新病历档案。更关键的技术突破在于对这些海量档案的提炼。Ambrozie 提及自己此前在大型医院系统担任首席信息官(CIO)时的见闻:专科医生在接诊新转诊患者时,经常会收到厚达 1500 页的打印病历夹,在极其有限的看诊时间内,没有任何医生能在经济和精力层面读完这些充斥着重复内容的纸质材料。AI 能够瞬间阅读并提炼出高度精准的“一页式临床摘要”,这是人工无法做到的。目前 CVS 和 Health100 正在协同推动供给侧与医生群体的认知变革,确保技术在诊室顺利落地。

- **扫码与安全链接流转**:患者可通过手机端出示二维码或发送实时更新的安全链接,让新医生瞬间调阅既往档案。 - **杜绝过敏与病史遗忘**:规避患者因记忆偏差在纸质登记表上遗漏危急病史及过敏源的风险。 - **1500 页档案秒级浓缩**:由 AI 将动辄上千页的繁复病历提炼为 1 页核心摘要,大幅节省医生的案头审阅时间。

---

[11:36](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=696s) 医疗费用黑箱与成本透明度的痛点

在对谈转向消费者参与的商业逻辑与底层成本(Tokenomics/计算成本)时,Ambrozie 坦言自己忍不住想要吐槽医疗行业更普遍的痛点——医疗费用与价格透明度问题。他直言不讳地指出,当下消费者在走进诊所或踏入医院大门之前,竟然完全无法获知自己最终需要承担多少费用,“这简直太荒谬了”。尽管医疗过程中确实存在复杂的并发症变数,但基础价格的极度不透明依然是整个医疗体系迫切需要技术去解构与重塑的领域。

[12:14](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=734s) 医疗与药品价格的“黑盒”困境:AI 驱动的费用透明化

面对医疗账单,Tony Ambrozie 放下了企业高管的身份,直言自己完全是在以一名普通患者的视角发出控诉:“同样一种治疗,在两家不同的机构做,费用可能相差一万美元与十万美元,而且其中很大一部分还得自费。作为患者,我怎么可能事先连这笔花费到底是一万还是一万都搞不清楚?”他强调,医疗费用透明度(Cost Transparency)是一场全行业的攻坚战,不仅是 Health100 和 CVS 在做,CMS(美国联邦医疗保险和补助服务中心)与 HHS(美国卫生与公众服务部)也在大力推动,如果整个生态系统的其他参与者也能跟进,正说明这一方向走对了。

在攻克费用透明度难题时,Tony Ambrozie 选择从自己主管的 CVS 线下药房核心系统切入。相比复杂的住院医疗,处方药的计价路径相对明确。CVS 即将上线的应用功能可以让患者直接看到:使用现有医保需要自付多少,不使用医保又是多少;更关键的是,后台研发的 AI 会自动检索全网并匹配各大制药厂商的优惠券(Manufacturer Coupon),直接帮患者抵扣。在更为复杂的医院与医生端,Aetna 也在基于海量历史理赔数据,尝试对相似病例在特定医院的花费进行预估。

```mermaid flowchart TD accTitle: 药品价格透明化与AI优惠匹配流程 subgraph Input["用户处方与方案检索"] A["患者发起查询"] --> B["获取处方信息"] end subgraph Pricing["多维度价格计算"] B --> C["计算医保自付额 (Copay)"] B --> D["计算无医保现金价"] B --> E["AI 自动检索制药商优惠券"] end subgraph Output["透明化推荐"] C --> F["综合价格比对面板"] D --> F E --> F F --> G["输出最优自付方案"] end ```

- **同类医疗差价悬殊**:在不同医疗机构接受同类诊疗,患者面临的账单差距可能高达 $10,000 至 $100,000。 - **处方药多轨计价**:系统同时呈现医保报销价、自费现金价,并由 AI 自动接入药厂优惠抵扣机制。 - **医院端数据估算**:依托 Aetna 历史理赔大数据库,逐步建立对特定医院诊疗成本的前置预估模型。

---

[14:43](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=883s) 从云计算到 Tokenomics:算力成本管理的重演

针对主持人 Ruth Reader 提出的核心疑问——在算力成本日益高昂的背景下,企业如何承担向大众提供免费 AI 工具的经济开销?Tony Ambrozie 表现得非常淡定。他认为,当前 AI 领域的“Token 经济学”(Tokenomics)本质上并不是全新的事物,它仅仅是一种为了实现某种业务目的而消耗的计算资源。

Tony 将眼下的 AI 浪潮与过去十年的“上云”(Cloud Migration)历程作了深刻对比。十年前企业普遍采用本地服务器(On-premise),虽然单次处理的资本支出(CapEx)昂贵,但它有一个天然优势——服务器算力满了就无法再超支。后来全行业迁移到云端,起初单位处理成本确实下降了,但随之而来的弹性扩展(Elastic Scaling)让大家“像没有明天一样疯狂消耗”,导致所有 CFO 和 CIO 惊恐地发现 IT 账单不降反升、彻底爆表。Tony 指出,如今的 AI 算力正在完美重演当年的云计算轨迹,企业早就掌握了资源治理的方法,关键在于把成本控制前置到系统架构设计中。

---

[16:16](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=976s) 告别 FOMO 狂热:小模型与务实落地的降本哲学

谈及如何高效管理 AI 算力并实现降本,Tony Ambrozie 分享了三大核心落地策略。首先,并非所有业务环节都需要顶级基础大模型(Foundational Models)。在相对简单的自动化工作流中,采用轻量化小模型(Small Models)不仅运行速度更快、成本更低,在本地部署(On-prem GPUs)也更具经济性,同时由于行为边界可控,还能避免大型前沿模型可能带来的越狱与安全风险。

其次是坚持业务实用主义,坚决剔除伪需求。Tony 回忆起多年前在迪士尼主管新兴技术部门的经历:当时团队每天都会提出各种天马行空的酷炫点子,但他总是会反问:“你觉得到底有谁会用这个?仅仅因为技术能实现,它就值得被做出来吗?”通常答案都是否定的。最后,他犀利抨击了近半年来行业的盲目跟风现象,直言那种“Token 消耗越多就代表越是 AI 原生公司”的论调完全是“纯粹的疯狂与浪费”。面对董事会普遍存在的错失恐惧症(FOMO),技术领导者必须保持清醒、全盘通盘考量。在演讲尾声,Tony 不忘幽默调侃道:“我们做技术的人最擅长搞出这些疯狂的新词汇——不管是云计算还是 AI——本质上都是向业务伙伴要预算的手段罢了。”

- **架构适配选型**:在简单业务节点全面采用专用轻量小模型替代基础大模型,大幅压降推理单价。 - **私有化算力补充**:在具备本地 GPU 基础设施的场景下部署小型模型,进一步摊薄云端调用成本。 - **拒绝非理性消耗**:抵制以 Token 消耗量衡量技术先进性的畸形 KPI,建立严格的需求与 ROI 评估机制。

## Notable quotes > [00:04](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=4s) 在数据可信度方面,我们拥有数亿人的健康记录且保管多年,这远比硅谷随便哪家初创公司更值得托付。 — Tony Ambrozie

> [02:38](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=158s) 布满按钮、仪表盘、闪烁灯光和操纵杆的飞机驾驶舱 — Tony Ambrozie

> [05:27](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=327s) 就像所有人一样,我也一直在拖延,但现在有了一个能不断督促我的‘健康管家’,这正是技术带来的好处。 — Tony Ambrozie

> [07:10](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=430s) 消灭写字夹板 — Ruth Reader

> [11:36](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=696s) 当下消费者在走进诊所或踏入医院大门之前,竟然完全无法获知自己最终需要承担多少费用,这简直太荒谬了。 — Tony Ambrozie

> [12:14](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=734s) 同样一种治疗,在两家不同的机构做,费用可能相差一万美元与十万美元,而且其中很大一部分还得自费。作为患者,我怎么可能事先连这笔花费到底是一万还是一万都搞不清楚? — Tony Ambrozie

> [14:43](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=883s) 像没有明天一样疯狂消耗 — Tony Ambrozie

> [16:16](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=976s) 你觉得到底有谁会用这个?仅仅因为技术能实现,它就值得被做出来吗? — Tony Ambrozie

> [16:16](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=976s) 纯粹的疯狂与浪费 — Tony Ambrozie

> [16:16](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=976s) 我们做技术的人最擅长搞出这些疯狂的新词汇——不管是云计算还是 AI——本质上都是向业务伙伴要预算的手段罢了。 — Tony Ambrozie

## Mentioned Tony Ambrozie, Ruth Reader, CVS Health, Health100, Second Opinion Media, Aetna, CVS Caremark, HHS (美国卫生与公众服务部), CMS (美国医疗保险和医疗补助服务中心), 迪士尼 (Disney), EHR (电子病历系统)

## Video description Tony Ambrozie — SVP, Chief Digital & Technology Officer, CVS Health | Health100 Ruth Reader — Journalist, Second Opinion Media

A strategic vision for how Health100, an AI-native open consumer engagement platform, is reshaping the consumer's relationship with healthcare.

[Source](https://www.youtube.com/watch?v=4LIbk-xtNe0)

中文简报

CVS Health推出AI平台以整合跨系统患者数据 CVS Health正在部署一个开放式互动平台,用于汇总分散的健康记录,并通过将任务分发给专用小型模型来降低AI推理成本。 Tony Ambrozie概述了CVS Health旗下子公司Health100背后的愿景。该平台旨在跨越互不连通的电子健康记录系统,为患者健康导引打造一个统一的开放入口。该平台利用AI将医生撰写的复杂摘要转化为通俗易懂的趋势分析,通过为专科医生提供简洁的单页总结来简化互操作性,并提高药房与医疗费用的透明度。此外,Ambrozie对炒作驱动的AI支出提出警告,倡导采用更具成本效益的计算架构,将常规任务路由至专用小型模型,而非昂贵的前沿大语言模型。 Health100是一个AI原生的开放式消费者互动平台,作为CVS Health的独立子公司成立,无论患者使用哪家保险公司或药房均可为其提供服务。 (0:04) CVS Health将其长期托管数亿份患者记录的经验,视为相比硅谷AI初创公司的关键信任优势。 (0:04) Health100将来自多个EHR门户、可穿戴设备和实验室的碎片化患者数据汇总到单一统一界面,以追踪长期健康指标。 (0:43) 该平台的AI层将医生撰写的复杂临床记录和就诊后总结转化为易于理解的通俗见解。 (0:43) Health100通过二维码和安全网页链接实现实时记录共享,以支持联邦政府的“消除写字板”(Kill the Clipboard)互操作性举措。 (0:07)

精炼阅读摘要

CVS Health首席数字与技术官Tony Ambrozie阐述了其独立子公司Health100平台的定位:通过整合分散的电子健康记录、运用人工智能解读临床数据与提供成本透明度,打造超越CVS自身生态的开放式患者前端入口。 开放平台定位与企业信任基础 (0:04) CVS Health将Health100设立为独立的子公司,目标是突破CVS自有业务的界限,为所有面临健康问题的患者构建统一的前端入口。该平台不仅向Aetna保单持有者开放,也面向使用竞品保险或外部药房服务的普通患者。Ambrozie指出,与硅谷的人工智能初创公司相比,CVS Health长期保管着数以亿计的患者病历档案,这种既有的企业级数据安全积累构成了其独特的信任优势。其核心策略逻辑在于,让患者直接参与并掌控个性化的健康流程,有助于显著改善实际的护理效果。 利用AI终结病历碎片化与专业壁垒 (0:43) 过去十年间,医疗数据从医疗机构内部的封闭状态演变为多门户割裂。患者在2020年往往需要面对5到20个独立的电子健康记录(EHR)系统,查阅数据极不方便。Health100将来自多个门户、可穿戴设备及化验系统的数据流汇集至单一仪表板,使用户无需手动制作表格即可长期追踪A1C糖化血红蛋白或甘油三酯等多年度生理指标。此外,针对门诊总结(After Visit Summaries)多为医生同行交流而撰写、充斥专业术语的现状,平台引入AI助理充当解读层,将晦涩的临床指标转化为通俗语言并呈现趋势线。系统还在后台持续进行数据综合分析,主动识别漏接种带状疱疹疫苗等护理缺失,或预警不同医疗机构之间可能存在的药物相互作用禁忌。 推进互操作性与精简就医流程 (0:07) 数据在不同医疗网络间的流动壁垒长期影响就医体验。Ambrozie对此支持美国卫生与公众服务部(HHS)以及联邦医疗保险和医疗补助服务中心(CMS)所倡导的互操作性举措,包括旨在以数字化交接淘汰纸质登记表格的“消灭剪贴板”(Kill the Clipboard)行动。他明确强调医疗数据最终归患者所有,而非医院系统或支付方。在技术落地方面,Health100支持患者在就医时通过二维码或动态安全链接实现手机与诊室系统间的实时记录共享。结合自身担任医院首席信息官的过往经历,Ambrozie提到专科医生常被迫在短时间内翻阅新患者多达1500页的冗余纸质病历;为此,Health100运用AI为患者生成单页病史摘要,在诊疗实施前迅速呈现严重药物过敏等关键警示信息。 医药与诊疗环节的价格透明化探索 (1:11) 针对就医过程中医疗费用极不透明的顽疾,Ambrozie从患者立场指出,在接受手术或专科就诊前无法预知自付账单究竟是10000美元还是100000美元是极其不合理的。作为CVS药房系统主管,他认为药品价格透明化在短期内更易攻坚:Health100能够实时比对患者特定保险的共付额、自费现金价格,并自动检索药厂折扣券,以此确保柜台自付金额达到最低。至于复杂的医院及机构端服务,尽管临床变量众多难以精准定价,CVS与Aetna正结合CMS最新出台的透明度指导方针,调用Aetna历史理赔数据库来测算并预测大致的账单区间。 管控AI代币经济学与防范算力失控 (1:44) 在部署大规模AI工具时,Ambrozie将当前的推理算力支出与“代币经济学”(tokenomics)挑战直接类比于过去十年的企业上云潮。当时许多企业因盲目追求降本而实施云迁移,最终因缺乏管控导致账单超出预期、令管理层震惊;他警告企业眼下因错失恐惧(FOMO)驱动的人工智能热潮正在重蹈覆辙。为维持成本效益平衡,他提出三项架构控制策略:一是实施任务定向路由,避免在日常流程中使用顶层前沿模型,转而选用响应更快、成本更低、可在本地GPU运行的小型专用模型;二是过滤纯粹追求新奇但缺乏实际效益的虚饰功能;三是把代币视作常规计算资源,设定严格的架构配额限制并进行投资回报率评估。 Health100试图依托CVS Health的既有数据声誉打通医疗数据壁垒与价格盲区,但在跨系统互操作性全面普及之前,医院端深层成本预测的准确性以及前沿AI与小型模型混合架构的长期落地效率,仍需面对医疗体系固有复杂性与算力开销的双重检验。

Detailed notes — zh

## Background 该内容由频道 Ai4 于 2026 年 8 月 22 日发布在 YouTube 平台上。视频记录了 Second Opinion Media 记者 Ruth Reader 与 CVS Health 资深副总裁兼首席数字技术官 Tony Ambrozie 的深度对谈,围绕 AI 原生开放式消费者互动平台 Health100 如何重构大众医疗健康体验展开。 ## TL;DR Tony Ambrozie 介绍了 CVS Health 推出的全开放数字健康平台 Health100,旨在打破医疗数据孤岛并作为统一的“数字前门”赋能所有患者。平台利用主动式 AI 解码复杂的电子病历与穿戴设备数据,提供全天候慢病监测与用药安全排查,并通过生成一页式临床摘要与推动医疗费用透明化来化解医患双向的信息不对称。针对高昂的 AI 算力开销,Ambrozie 结合云计算历史经验,主张通过采用轻量小模型、私有化算力部署以及摒弃盲目追求 Token 消耗的实用主义架构来实现降本增效。 ## Atmosphere & style 整场对话节奏明快、务实而又极具行业洞察力,主持人与嘉宾之间展现出高度专业且默契的互动氛围。Tony Ambrozie 既有资深技术高管的宏观战略视角,又屡屡切换至普通患者的切身体验,以幽默风趣的自嘲和辛辣的吐槽直击医疗系统痛点。访谈在严谨探讨技术落地与成本治理的同时,洋溢着一种务实、清醒且拒绝盲目跟风的工程师务实底色。 ## Key takeaways - [00:04](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=4s) CVS 推出独立子公司 Health100,突破原有客户边界,面向全网所有消费者打造统一的健康管理“数字前门”。 - [00:04](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=4s) 依托数十年合规保管数亿人健康档案的积淀,传统医疗巨头在健康数据可信度上构建起对抗科技初创企业的核心壁垒。 - [02:38](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=158s) 打破患者跨机构就医的数据碎片化泥潭,将多方电子病历与化验指标聚合为连续的健康走势分析。 - [02:38](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=158s) AI 充当专业医疗术语的解码器,将复杂的就诊总结转化为通俗易懂的语言,有效缓解患者的“信息过载”。 - [05:27](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=327s) 推动 AI 从被动问答转向全天候常驻运行,结合病历与可穿戴设备信号,主动提供疫苗接种与慢病筛查等预防性干预。 - [05:27](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=327s) 跨越不同医疗机构识别处方冲突与配伍禁忌,全天候保障多机构看诊患者的用药安全。 - [07:10](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=430s) 响应“消灭写字夹板”倡议,支持通过动态二维码与安全链接流转病历,避免患者因手写填表遗漏危及生命的过敏史。 - [07:10](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=430s) 利用 AI 将动辄上千页的繁复历史病历秒级浓缩为一页式临床摘要,大幅提升医生在接诊新转诊患者时的审阅效率。 - [12:14](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=734s) 直面医疗收费极度不透明的行业痛点,借助技术重塑定价机制以破解同类治疗在不同机构费用悬殊的困境。 - [12:14](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=734s) 从处方药切入费用透明化,通过 AI 同时比对医保报销、自费现金价并全网自动匹配药厂优惠券以抵扣开销。 - [14:43](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=883s) 当下的 Token 经济学正重演云计算迁移的算力开销轨迹,企业必须将成本控制与资源治理前置到系统架构设计中。 - [16:16](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=976s) 拒绝盲目跟风与非理性消耗,在相对简单的流程中采用轻量级小模型与本地部署以实现降本增效。 ## Detailed walkthrough ### [00:04](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=4s) Health100 的诞生与 CVS 的全开放式医疗愿景 对谈由 Second Opinion Media 的记者 Ruth Reader 开场,她提到 CVS Health 一直在尝试利用 AI 帮助患者优化就医体验并整合健康数据。这一切早有迹象——CVS 旗下的保险公司 Aetna(安泰保险)去年就推出了一款协助患者查询账单信息的 AI 聊天机器人。随后,CVS 正式推出了 Health100 战略计划。被问及在消费者端融入 AI 的考量时,CVS Health 负责数字与技术的资深副总裁 Tony Ambrozie 开玩笑地确认了紧迫的时间后,直奔核心主题。他表示,CVS 长期以来都在打造全新的数字化体验,从 CVS Caremark 药品福利管理平台到广泛使用的药房 App,但团队随后提出了一个更具野心的设想:为什么不把这种能力开放给所有人,而不仅限于 CVS、Aetna 或 Caremark 的现有客户? ```mermaid flowchart TD accTitle: Health100 统一入口架构 subgraph S1["数据聚合 (Data Aggregation)"] A["多机构电子病历 (EHRs)"] B["化验所与检查机构 (Labs)"] C["可穿戴设备 (Wearables)"] end subgraph S2["Health100 智能平台 (AI Platform)"] D["Health100 开放入口"] E["主动式 AI 引擎 (Proactive AI)"] D --> E end subgraph S3["患者与临床价值 (Value Delivery)"] F["消费者洞察 / 慢病与预防提醒"] G["一页式临床摘要 (1-Page Summary)"] end A --> D B --> D C --> D E --> F E --> G ``` Health100 被确立为一个独立的子公司,其核心定位是为所有需要管理健康的人提供一个值得信赖的“数字前门”(Trusted Front Door)。无论是面对刚刚确诊的新病情需要获得指引和行动建议,还是长期管理某种慢性疾病,用户都可以来到这个单一平台。Ambrozie 特别强调了信任壁垒:“在数据可信度方面,我们拥有数亿人的健康记录且保管多年,这远比硅谷随便哪家初创公司更值得托付。”他相信,提升患者在自身健康旅程中的参与度并为其赋能,对大众具有深远的长期价值。 - **跨体系覆盖**:突破 Aetna 与 CVS Caremark 客户边界,服务于全网所有消费者与患者。 - **定位与定位**:构建全生命周期的健康指引统一入口,提供病情指引、管理建议与下一步医疗规划。 - **信任优势**:依托 CVS 数十年沉淀的数亿级用户合规健康档案,对抗新兴科技初创企业的数据信任短板。 --- ### [02:38](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=158s) 从数据碎片化到 AI 驾驶舱:化解患者的“信息过载” 回顾医疗数据的发展轨迹,Ambrozie 指出十年前患者的数据被锁在不同医疗机构和医生集团内部,患者处于一种无奈的“无知状态”;到了 2020 年前后,各家电子病历系统(EHR)纷纷上线患者门户,患者能查看的数据虽然变多了,但体验却陷入了新的碎片化泥潭——往往看几个不同的医生就得登录 5 个乃至 20 个不同的独立 App 或网页。Health100 的首要任务就是打破壁垒,将所有分散在不同医院、诊所与化验所的数据无缝聚拢在一处。Ambrozie 分享道,早年间他甚至要自己维护一张 Excel 表格,按季度手动记录自己的糖化血红蛋白(A1C)和甘油三酯等指标来观察身体走势;而集中聚合后,患者终于能在一处看清自己多年的连续健康趋势。 然而,数据聚合带来了新的次生挑战:海量医疗专业术语超出了普通人的理解范围。就诊总结(After-Visit Summary)通常是医生写给同行看的技术语言,当患者面对堆积如山的化验指标和术语时,就如同坐进了一架“布满按钮、仪表盘、闪烁灯光和操纵杆的飞机驾驶舱”。AI 在此扮演了解码器的角色,它不仅能将生涩的临床记录转化为通俗易懂的语言,还能跨越跨度数年的记录,帮助患者绘制出清晰的健康变化趋势,实现真正有意义的数据洞察。 --- ### [05:27](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=327s) 主动式 AI 与慢病全天候护航 在谈到 Health100 智能助手的核心价值时,主持人提到该工具能跨越不同机构帮助患者发现药物相互作用(Contraindications),这在多机构看诊的慢性病管理中至关重要。Ambrozie 进一步阐述了 AI 的“主动性”(Proactivity)。AI 不仅能被动回答诸如“我过去三年的 A1C 趋势如何”这类查询,更能作为常驻后台的智能系统持续运转,结合新同步的病历以及可穿戴设备的实时体征信号进行动态研判。 这种全天候监控能带来极具价值的预防性干预。Ambrozie 风趣地以自己为例透露,系统就曾根据他的年龄和医疗记录主动提醒他去接种带状疱疹疫苗(Shingles Vaccine),“就像所有人一样,我也一直在拖延,但现在有了一个能不断督促我的‘健康管家’,这正是技术带来的好处。”AI 借助持续的个性化提醒,在疾病恶化前给予主动干预,填补了传统被动就医模式下的脱节环节。 - **被动查询向主动服务转变**:系统全天候运行,敏锐捕捉化验、用药及穿戴设备发出的新健康信号。 - **用药安全交叉验证**:跨医疗系统识别处方冲突,排查潜在药物不良反应与禁忌症。 - **预防保健主动督促**:基于年龄、病史自动发出疫苗接种(如带状疱疹疫苗)及常规筛查提示。 --- ### [07:10](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=430s) “消灭写字夹板”与一页式 AI 临床摘要 ```mermaid flowchart LR accTitle: 医疗数据共享与一页式摘要生成流程 A["患者历史档案 (5年化验/就诊记录)"] --> B["AI 引擎提炼分析"] B --> C["一页式临床摘要 (1-Page AI Summary)"] C --> D["接诊医生 (精准把控病史/过敏源)"] ``` 针对数据互联互通的技术与体制障碍,主持人提到了美国卫生与公众服务部(HHS)与医疗保险和医疗补助服务中心(CMS)发起的“消灭写字夹板”(Kill the Clipboard)行动倡议。Ambrozie 给予了高度评价,指出行业内长期存在“医疗机构误将患者数据当成自身私有财产”的狭隘观念,而监管机构正在通过政策引导全行业开放。当患者转诊到新诊所时,不再需要凭借模糊的记忆在一块挂着纸质表格的写字夹板上手写回忆,否则一旦遗漏了过往严重的药物过敏史,就可能引发危及生命的医疗差错。 为了消灭这种就医摩擦,Health100 支持通过动态二维码或安全加密链接直接向接诊医生实时共享最新病历档案。更关键的技术突破在于对这些海量档案的提炼。Ambrozie 提及自己此前在大型医院系统担任首席信息官(CIO)时的见闻:专科医生在接诊新转诊患者时,经常会收到厚达 1500 页的打印病历夹,在极其有限的看诊时间内,没有任何医生能在经济和精力层面读完这些充斥着重复内容的纸质材料。AI 能够瞬间阅读并提炼出高度精准的“一页式临床摘要”,这是人工无法做到的。目前 CVS 和 Health100 正在协同推动供给侧与医生群体的认知变革,确保技术在诊室顺利落地。 - **扫码与安全链接流转**:患者可通过手机端出示二维码或发送实时更新的安全链接,让新医生瞬间调阅既往档案。 - **杜绝过敏与病史遗忘**:规避患者因记忆偏差在纸质登记表上遗漏危急病史及过敏源的风险。 - **1500 页档案秒级浓缩**:由 AI 将动辄上千页的繁复病历提炼为 1 页核心摘要,大幅节省医生的案头审阅时间。 --- ### [11:36](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=696s) 医疗费用黑箱与成本透明度的痛点 在对谈转向消费者参与的商业逻辑与底层成本(Tokenomics/计算成本)时,Ambrozie 坦言自己忍不住想要吐槽医疗行业更普遍的痛点——医疗费用与价格透明度问题。他直言不讳地指出,当下消费者在走进诊所或踏入医院大门之前,竟然完全无法获知自己最终需要承担多少费用,“这简直太荒谬了”。尽管医疗过程中确实存在复杂的并发症变数,但基础价格的极度不透明依然是整个医疗体系迫切需要技术去解构与重塑的领域。 ### [12:14](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=734s) 医疗与药品价格的“黑盒”困境:AI 驱动的费用透明化 面对医疗账单,Tony Ambrozie 放下了企业高管的身份,直言自己完全是在以一名普通患者的视角发出控诉:“同样一种治疗,在两家不同的机构做,费用可能相差一万美元与十万美元,而且其中很大一部分还得自费。作为患者,我怎么可能事先连这笔花费到底是一万还是一万都搞不清楚?”他强调,医疗费用透明度(Cost Transparency)是一场全行业的攻坚战,不仅是 Health100 和 CVS 在做,CMS(美国联邦医疗保险和补助服务中心)与 HHS(美国卫生与公众服务部)也在大力推动,如果整个生态系统的其他参与者也能跟进,正说明这一方向走对了。 在攻克费用透明度难题时,Tony Ambrozie 选择从自己主管的 CVS 线下药房核心系统切入。相比复杂的住院医疗,处方药的计价路径相对明确。CVS 即将上线的应用功能可以让患者直接看到:使用现有医保需要自付多少,不使用医保又是多少;更关键的是,后台研发的 AI 会自动检索全网并匹配各大制药厂商的优惠券(Manufacturer Coupon),直接帮患者抵扣。在更为复杂的医院与医生端,Aetna 也在基于海量历史理赔数据,尝试对相似病例在特定医院的花费进行预估。 ```mermaid flowchart TD accTitle: 药品价格透明化与AI优惠匹配流程 subgraph Input["用户处方与方案检索"] A["患者发起查询"] --> B["获取处方信息"] end subgraph Pricing["多维度价格计算"] B --> C["计算医保自付额 (Copay)"] B --> D["计算无医保现金价"] B --> E["AI 自动检索制药商优惠券"] end subgraph Output["透明化推荐"] C --> F["综合价格比对面板"] D --> F E --> F F --> G["输出最优自付方案"] end ``` - **同类医疗差价悬殊**:在不同医疗机构接受同类诊疗,患者面临的账单差距可能高达 $10,000 至 $100,000。 - **处方药多轨计价**:系统同时呈现医保报销价、自费现金价,并由 AI 自动接入药厂优惠抵扣机制。 - **医院端数据估算**:依托 Aetna 历史理赔大数据库,逐步建立对特定医院诊疗成本的前置预估模型。 --- ### [14:43](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=883s) 从云计算到 Tokenomics:算力成本管理的重演 针对主持人 Ruth Reader 提出的核心疑问——在算力成本日益高昂的背景下,企业如何承担向大众提供免费 AI 工具的经济开销?Tony Ambrozie 表现得非常淡定。他认为,当前 AI 领域的“Token 经济学”(Tokenomics)本质上并不是全新的事物,它仅仅是一种为了实现某种业务目的而消耗的计算资源。 Tony 将眼下的 AI 浪潮与过去十年的“上云”(Cloud Migration)历程作了深刻对比。十年前企业普遍采用本地服务器(On-premise),虽然单次处理的资本支出(CapEx)昂贵,但它有一个天然优势——服务器算力满了就无法再超支。后来全行业迁移到云端,起初单位处理成本确实下降了,但随之而来的弹性扩展(Elastic Scaling)让大家“像没有明天一样疯狂消耗”,导致所有 CFO 和 CIO 惊恐地发现 IT 账单不降反升、彻底爆表。Tony 指出,如今的 AI 算力正在完美重演当年的云计算轨迹,企业早就掌握了资源治理的方法,关键在于把成本控制前置到系统架构设计中。 --- ### [16:16](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=976s) 告别 FOMO 狂热:小模型与务实落地的降本哲学 谈及如何高效管理 AI 算力并实现降本,Tony Ambrozie 分享了三大核心落地策略。首先,并非所有业务环节都需要顶级基础大模型(Foundational Models)。在相对简单的自动化工作流中,采用轻量化小模型(Small Models)不仅运行速度更快、成本更低,在本地部署(On-prem GPUs)也更具经济性,同时由于行为边界可控,还能避免大型前沿模型可能带来的越狱与安全风险。 其次是坚持业务实用主义,坚决剔除伪需求。Tony 回忆起多年前在迪士尼主管新兴技术部门的经历:当时团队每天都会提出各种天马行空的酷炫点子,但他总是会反问:“你觉得到底有谁会用这个?仅仅因为技术能实现,它就值得被做出来吗?”通常答案都是否定的。最后,他犀利抨击了近半年来行业的盲目跟风现象,直言那种“Token 消耗越多就代表越是 AI 原生公司”的论调完全是“纯粹的疯狂与浪费”。面对董事会普遍存在的错失恐惧症(FOMO),技术领导者必须保持清醒、全盘通盘考量。在演讲尾声,Tony 不忘幽默调侃道:“我们做技术的人最擅长搞出这些疯狂的新词汇——不管是云计算还是 AI——本质上都是向业务伙伴要预算的手段罢了。” - **架构适配选型**:在简单业务节点全面采用专用轻量小模型替代基础大模型,大幅压降推理单价。 - **私有化算力补充**:在具备本地 GPU 基础设施的场景下部署小型模型,进一步摊薄云端调用成本。 - **拒绝非理性消耗**:抵制以 Token 消耗量衡量技术先进性的畸形 KPI,建立严格的需求与 ROI 评估机制。 ## Notable quotes > [00:04](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=4s) 在数据可信度方面,我们拥有数亿人的健康记录且保管多年,这远比硅谷随便哪家初创公司更值得托付。 — Tony Ambrozie > [02:38](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=158s) 布满按钮、仪表盘、闪烁灯光和操纵杆的飞机驾驶舱 — Tony Ambrozie > [05:27](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=327s) 就像所有人一样,我也一直在拖延,但现在有了一个能不断督促我的‘健康管家’,这正是技术带来的好处。 — Tony Ambrozie > [07:10](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=430s) 消灭写字夹板 — Ruth Reader > [11:36](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=696s) 当下消费者在走进诊所或踏入医院大门之前,竟然完全无法获知自己最终需要承担多少费用,这简直太荒谬了。 — Tony Ambrozie > [12:14](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=734s) 同样一种治疗,在两家不同的机构做,费用可能相差一万美元与十万美元,而且其中很大一部分还得自费。作为患者,我怎么可能事先连这笔花费到底是一万还是一万都搞不清楚? — Tony Ambrozie > [14:43](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=883s) 像没有明天一样疯狂消耗 — Tony Ambrozie > [16:16](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=976s) 你觉得到底有谁会用这个?仅仅因为技术能实现,它就值得被做出来吗? — Tony Ambrozie > [16:16](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=976s) 纯粹的疯狂与浪费 — Tony Ambrozie > [16:16](https://www.youtube.com/watch?v=4LIbk-xtNe0&t=976s) 我们做技术的人最擅长搞出这些疯狂的新词汇——不管是云计算还是 AI——本质上都是向业务伙伴要预算的手段罢了。 — Tony Ambrozie ## Mentioned Tony Ambrozie, Ruth Reader, CVS Health, Health100, Second Opinion Media, Aetna, CVS Caremark, HHS (美国卫生与公众服务部), CMS (美国医疗保险和医疗补助服务中心), 迪士尼 (Disney), EHR (电子病历系统) ## Video description Tony Ambrozie — SVP, Chief Digital & Technology Officer, CVS Health | Health100 Ruth Reader — Journalist, Second Opinion Media A strategic vision for how Health100, an AI-native open consumer engagement platform, is reshaping the consumer's relationship with healthcare. [Source](https://www.youtube.com/watch?v=4LIbk-xtNe0)

Source quotes

[0:04] Tony Ambrozie: 在数据可信度方面,我们拥有数亿人的健康记录且保管多年,这远比硅谷随便哪家初创公司更值得托付。 [2:38] Tony Ambrozie: 布满按钮、仪表盘、闪烁灯光和操纵杆的飞机驾驶舱 [5:27] Tony Ambrozie: 就像所有人一样,我也一直在拖延,但现在有了一个能不断督促我的‘健康管家’,这正是技术带来的好处。 [7:10] Ruth Reader: 消灭写字夹板 [11:36] Tony Ambrozie: 当下消费者在走进诊所或踏入医院大门之前,竟然完全无法获知自己最终需要承担多少费用,这简直太荒谬了。 [12:14] Tony Ambrozie: 同样一种治疗,在两家不同的机构做,费用可能相差一万美元与十万美元,而且其中很大一部分还得自费。作为患者,我怎么可能事先连这笔花费到底是一万还是一万都搞不清楚? [14:43] Tony Ambrozie: 像没有明天一样疯狂消耗 [16:16] Tony Ambrozie: 你觉得到底有谁会用这个?仅仅因为技术能实现,它就值得被做出来吗? [16:16] Tony Ambrozie: 纯粹的疯狂与浪费 [16:16] Tony Ambrozie: 我们做技术的人最擅长搞出这些疯狂的新词汇——不管是云计算还是 AI——本质上都是向业务伙伴要预算的手段罢了。