余涌接棒、沈涤凡押注AI:阿里健康的新牌局

11

沈涤凡主导AI业务,能让阿里健康重新贴回科技标签吗?

文|郭梦仪

9月11日傍晚,阿里健康发出了一份不太寻常的换帅公告:余涌接任执行董事、董事会主席、CEO、提名委员会主席和联交所授权代表,沈涤凡同步辞去这些职务。

11

这把主席交椅,沈涤凡只坐了270天。他去年12月15日才从朱顺炎手中接过来;而CEO这个位置,他2023年11月28日二度出山,干了接近三年。

关键是,沈涤凡没有离开公司。他仍任执行董事,继续带医学AI氢离子和三方药品追溯码,还要负责推动阿里集团AI在医疗健康领域落地。

换句话说,他把年收入342.55亿元、同比增12.0%的医药零售盘交给了余涌,连同那套一年扩张79%、SKU已达220万个的自营履约体系,自己留下了阿里健康最接近科技资产的两块业务。

这里的沈涤凡,有点像《琅琊榜》里的梅长苏,不坐龙椅,但朝局的每一颗棋子都经过他的手——沈涤凡留任执行董事、继续带AI业务,角色正从台前主帅变成幕后谋士。

耐人寻味的是,同样在9月11日收市后,港交所科技100指数的季度调样正式落地,阿里健康与平安好医生、京东健康三家互联网医疗头部公司被一起剔除,调整于9月14日起生效,新规则明确向AI产业链、自动驾驶、半导体等硬科技倾斜。

两件事叠在同一个时间窗口,把阿里健康的处境照得很清楚:盈利问题已经解决,利润却越来越依赖卖药,指数公司甚至不再把它算作“科技”;而公司里真正管AI的人,位置离CEO反而更远了。

票房数字并不难看的另一面,是“高上座率、低票价”——毛利率被竞争性定价和促销压到24.0%,31.4亿元分红还得靠削减股份溢价腾挪。

医学AI氢离子两个月集齐BMJ、NEJM、JAMA三张顶刊门票,排面拉满;可在“严禁AI替代审方”的红线前,这部医疗AI大片仍没演到最关键的收费桥段。

换帅不是退场是把“卖药”和“AI”拆开管

这场交接的伏笔,三天前就埋下了。

9月8日有媒体报道,阿里把1688和阿里国际站打通,交由张阔一体化运营,1688原负责人余涌“将在集团内另有任用”。

当时市场还在猜他的去处,72小时后答案揭晓:阿里健康。

翻开余涌的履历,就能看懂这步棋的指向。

他今年50岁,1994年从宁波大学国际贸易专业毕业,进阿里之前先在物流行业干了十多年;2005年3月加入阿里,在大消费和电商行业摸爬滚打超过20年,最擅长的两件事是商户运营和供应链转型。

2022年2月到2026年9月,他执掌1688四年半,任内推了“1688严选”和“AI to B供应链”,把一个批发撮合平台改造成了产业供应链平台。

阿里派一个“物流出身、B2B成名、供应链立功”的人来管健康业务,意图写得明明白白:阿里健康眼下最值钱的不是算法,而是履约、商家和供应链。

沈涤凡的履历则是另一种底色。

他47岁,烟台大学计算机专业出身,2004年就进了阿里,工号比余涌还老一年。

他的成名作是AliExpress。2012年3月到2018年3月,沈涤凡当了六年总经理,带队把速卖通做成阿里出海的第一张名片。

2018年3月,他第一次出任阿里健康CEO,干了两年;2020年3月离任后,他去做了一年半阿里控股董事局主席特别助理,同年10月回阿里健康当COO,2021年10月再任执行董事,2023年11月28日二度出任CEO。

前后八年,他在这家公司把CEO、COO、董事局主席的位置轮了一遍,氢离子和码上放心,本来就是他任内的作品:氢离子5月13日发布时他坐在主席台上,追溯码的政策窗口也是他在CEO任上接住的。

所以,把氢离子、追溯码和“集团AI落地医疗”这三件事继续交给他,阿里有自己的道理。

第一,他是计算机科班,又在阿里体系里泡了22年,懂技术语言也懂集团政治;

第二,他两度执掌阿里健康,医疗合规的门道、药企的关系、医生资源的深浅,没有人比他更熟;

第三,董事局主席特别助理这段经历,证明他有跨业务线调度集团资源的资历。

集团AI要落地医疗,需要的正是这种能在技术团队和医疗场景之间当“翻译官”的人。

但要说他完全适合,也未必。

他真正的长板是增长和运营,AliExpress和阿里健康零售都是他打出来的,可履历里找不到一段AI产品研发的经历。

医疗AI要打进医生群体,靠的是循证医学的话语体系,一个业务出身的领队能给氢离子多少专业背书,要打个问号。

更现实的是权责问题:他不再对上市公司的经营负责,氢离子的商业化KPI归谁考核,反而变得暧昧。

管技术叙事的不管钱,管钱的余涌不管技术叙事,氢离子有可能陷入“人人重视、无人兜底”的处境。

换句话说,沈涤凡适合“守”:守住氢离子的内容壁垒和追溯码的政策窗口,他是最合适的人选;但要“攻”,要把AI做成一笔独立的收入,他恐怕需要给自己补一个强技术、强医学背景的二号位。

值得注意的是,公告表示,余涌同时担任主席与CEO,偏离了港交所《企业管治守则》C.2.1关于两职分设的要求,董事会的解释是需要“强而有力且一致的领导”。

这句话要结合股权结构读:阿里集团持有阿里健康约63.5%的股份,控股股东本就握着绝对话语权,如今经营层的权力又集中到一个人身上。

效率当然会提升,可资本市场有理由追问一句:当集团的AI任务、经营指标和股东回报同时压过来时,董事会里谁能替中小股东踩一脚刹车。

对阿里来说,这次换帅是让阿里健康更像一家高效率零售公司;对市场来说,悬念在于效率之外的制衡还剩多少。

人事安排只是上半场。这套“一个管今天、一个管明天”的分工能不能成立,最终要回到账本上检验:

余涌接手的到底是一块什么成色的资产?沈涤凡留下的基本盘,又能不能为明天的故事持续输血?

财报的B面:342亿营收很厚 利润的安全垫很薄

2026财年的财报把答案劈成了两半:一半是这家公司确实会赚钱了,另一半是它赚钱的方式正变得越来越单一。

从总量看,阿里健康2026财年是好看的:收入342.55亿元,同比增加36.57亿元、增幅12.0%;年度利润19.36亿元,同比增35.2%,经调整净利润23.26亿元,经调整净利率从6.4%抬高到6.8%。

利润跑得比收入快,通常意味着规模效应、议价能力和费用管控在起效;问题在于,阿里健康这台发动机的燃料结构没有变。

数据显示,医药自营业务收入296.65亿元,同比增13.6%,约占总收入86.6%;医药电商平台业务36.38亿元,只增1.4%;被寄予厚望的医疗健康及数字化服务9.52亿元,同比增7.5%,盘子仍不到收入的3%。

换句话说,阿里健康越来越会卖药,但支撑利润表的仍然是一单一单卖出去的药品,而不是服务,更不是AI。

毛利率把竞争真相说得更直白。

数据显示,阿里健康2026财年毛利率24.0%,比上年24.3%低了0.3个百分点,公司归因于期内集团商品价格力投入及促销。

0.3个百分点听着温和,放在342亿元收入上就是约1亿元的毛利空间被让渡给价格、流量和补贴。

当美团买药、京东健康和即时零售都在抢同一批 OTC、处方药外流与慢病复购人群时,阿里健康的增长仍要花钱换。  

把年报和中报拆开,阿里健康的上半年如果是“利润弹性”,那下半年更像“收入慢下来、利润靠运营硬抠”。

截至2025年9月30日的上半财年,阿里健康收入166.97亿元,同比增17.0%,经调整净利润13.56亿元,同比增38.7%;

而用全年数减去上半财年推算,阿里健康下半财年的收入约175.58亿元,同比只增约7.6%,经调整净利润约9.70亿元,较上年同期9.72亿元基本持平。

最微妙的是分红。

董事会建议末期股息每股5.95分、特别股息每股13.52分,合计31.4亿元,并在8月7日股东周年大会获批。这笔钱超过全年经调整净利润,也约为经营现金流的2.5倍。

公司派得出这笔钱,靠的不是当期利润,而是一次资产负债表手术。

从516.87亿元的股份溢价账里削减100亿元转入实缴盈余,用来抵销约11.78亿元的累计亏损,顺便为未来派息腾出空间。按阿里集团约64%的持股粗算,这31.4亿元里大约有20亿元回流阿里系。

对股东,这是实打实的红包;对一家正要重金押注医疗AI、又身陷价格战的公司,这更像把片尾彩蛋提前透支。“长期投入”四个字,只能留给新任管理层日后慢慢解释。

卖药的天花板,已经写在了毛利率、现金流和那份31.4亿元的分红方案里。阿里健康要想讲出下一段故事,能指望的只有沈涤凡带在身上的那两块“科技资产”。

氢离子拿到顶刊门票 医疗AI还差“收费”这门课

阿里健康近半年最锋利的动作确实是AI。

5月13日,医学AI“氢离子”在杭州发布,同时宣布与BMJ集团达成独家合作,BMJ旗下70本医学期刊过往十年内容和多媒体资源授权给氢离子,后者成为BMJ在中国独家合作的医学AI平台。

7月20日,NEJM集团把1990年以来所有出版内容授权给氢离子,氢离子成为NEJM在中国唯一能为个人医生提供全文阅读服务的医学AI平台;一天后,JAMA及JAMA Network所有已发表内容全面接入,氢离子又成为JAMA在中国唯一医学AI合作伙伴。

在通用大模型能力快速趋同的2026年,循证证据源的排他授权是真壁垒:别人可以追模型,却未必买得到同一张顶刊门票。  

问题在于,门票不等于上座率。氢离子至今没有在财报中单列用户、付费或收入口径;阿里健康全年产品开发开支7.88亿元,占收入仅2.3%,主要投向医疗健康服务相关的大语言模型。

对一家342亿元收入的公司,这个投入强度更像“认真试点”,还没到“All in”。

沈涤凡在财报电话会上说,集团内部B2C与O2O闪购医药业务已成立专项小组,由阿里健康统一指挥,目标是整合远场电商、闪购、创新药、医疗服务与供应链,形成“医药全栈”。

这条全栈叙事能把AI嵌进问诊、荐药、履约和药企数字化,但它首先服务的仍是药品成交效率,而不是独立的医疗AI收入。  

追溯码更能说明“政策给机会,也给天花板”。

医保端已经从2025年7月1日起要求销售扫码后才能医保结算,不扫码医保基金拒付;今年1月1日起,所有医药机构都要实现药品追溯码全量采集上传。

对此,阿里健康的“码上放心”是天然受益的,中报披露其已与900多家头部药企形成深度合作。

可这类业务本质是合规基础设施,粘性高、天花板也清楚,估值很难按“AI SaaS”给。

更硬的红线在处方环节:5月发布的《处方药网络零售合规指南》要求网售处方药凭真实处方、实名制销售,并严禁AI替代审方。

这直接挡住医疗AI最值钱的一段路:它可以帮医生查证据、做翻译、提效率,却不能越过药师和医师去碰处方决策。  

所以,阿里健康的定价逻辑短期内不该被“集齐三大顶刊”改写。更稳妥的看法是:把它先当作一家现金流改善、但增长降速、毛利率承压的医药零售龙头,再给氢离子一个尚未计价的期权。

接下来真正值得盯的不是发布会,而是三个信号:氢离子是否披露医生规模、付费转化或医院/药企采购;平台业务能否从1.4%的近乎停滞重新加速;分红与AI投入叠加后,经营现金流能否不靠削股份溢价也兜得住。

余涌接住了盘,沈涤凡保住了梦;但阿里健康要证明的不是“有AI”,而是AI终有一天能像卖药一样,算得清账。

大气污染是影响公众健康与生态环境的重要问题,精准的空气质量时空预测与污染源贡献度量化是精准治污的关键支撑。针对现有研究多源融合不充分、时空关联刻画不足、预测与源解析割裂三方面缺陷,本文设计实现了城市空气质量时空预测与污染源贡献度分析系统,融合监测、气象、工业排放与交通四类数据,构建基于时空注意力的LSTM(STAM-LSTM)预测模型与基于正定矩阵因子分解(PMF)的源解析模型,形成数据融合-特征工程-预测-源解析-可视化闭环。 系统实现四类数据时空对齐与融合,构建时序与空间邻域特征,以普通克里金插值生成1km网格浓度场;STAM-LSTM引入时空注意力自适应学习站点间污染传输时变权重,以72小时输入预测未来24小时逐小时PM2.5浓度;PMF识别交通、工业、燃煤、扬尘与二次生成五个源因子,量化各源全年贡献度并分析时空演变。 实验表明:STAM-LSTM预测RMSE 24.6、MAE 17.8、R² 0.88,相对LSTM基线(30.2)提升18.5%;普通克里金插值误差8.9,优于反距离加权(11.4);源解析显示交通源28.4%、工业源23.1%、燃煤源19.6%为主要贡献源,冬季燃煤源升至27.3%、早高峰交通源达34.8%,下风向工业源贡献高出上风向8~12个百分点;减排情景显示交通源减排20%可使年均PM2.5下降5.7%,与源贡献度排序一致。 系统按五模块14组件实现,功能测试16项用例全部通过,为大气污染预警、源管控与减排政策制定提供了决策依据。 【课程报告内容】 摘要 第1章 绪论 第2章 相关技术与理论 第3章 系统需求分析 第4章 系统总体设计 第5章 系统详细设计与实现 第6章 系统测试与分析 第7章 总结与展望 参考文献 附件-实现指南
基于iTransformer-BiGRU-KAN多模型融合的滚动轴承剩余寿命预测研究(Python代码实现)内容概要:本文提出了一种基于iTransformer-BiGRU-KAN多模型融合的滚动轴承剩余寿命预测方法,旨在通过结合多种先进深度学习模型的优势,提升在复杂工况下的预测精度与鲁棒性。该方法利用iTransformer捕捉长期时间序列中的全局依赖关系,通过BiGRU模型提取双向时序特征,最后引入KAN(Kernel Attention Network)增强非线性映射与关键特征的自适应加权能力,实现对轴承退化过程的精准建模。文中详细介绍了模型架构设计、训练流程及在公开数据集上的实验验证,结果表明该融合模型相比单一模型在预测精度和稳定性方面均有显著提升。; 适合人群:具备一定机器学习与深度学习基础,从事设备故障诊断、工业大数据分析或智能运维相关领域的研究人员及工程技术人员,尤其适合研究生及以上学历或有相关项目经验的专业人员。; 使用场景及目标:①应用于工业设备状态监测与预测性维护系统中,实现对滚动轴承等关键部件剩余寿命的精准预测;②为复杂时间序列回归任务提供多模型融合的设计思路与技术参考;③推动深度学习在智能制造与工业物联网领域的落地应用。; 阅读建议:建议读者结合Python代码实现部分,深入理解各子模型的接口设计与融合逻辑,重点关注特征融合机制与注意力权重的可视化分析,以便在实际项目中灵活调整与优化模型结构。
代码下载地址: https://pan.quark.cn/s/f675b88243cd 《华大HC32L110库函数与例程详解》 华大HC32L110属于低功耗且高性能的微控制器,在众多嵌入式系统设计中具有广泛的应用,特别是在需要电池供电的物联网设备和便携式装置中表现出色。该微控制器的库函数与例程为程序设计者提供了重要的参考资料,包含了丰富的功能接口和示范性代码,从而辅助开发者迅速掌握并运用该芯片。库函数是事先编写完成且可反复使用的代码单元,针对HC32L110的特定硬件特性进行了优化,使得开发者无需深入探究底层机制,仅需调用相应的库函数即可达成预期功能。这些库函数一般涵盖了时钟管理、GPIO操控、ADC转换、串行通信(包含UART、SPI、I2C等形式)以及中断管理等多个方面。比如,若需将一个GPIO端口设置为输出模式并设定其电平状态,开发者可通过调用`HAL_GPIO_Init()`与`HAL_GPIO_WritePin()`函数来实现。 例程则是展示如何运用库函数的应用范例代码,它们具体说明了在实际操作中如何适当地调用库函数及设定相关参数。以HC32L110的串行通信例程为例,它可能涉及初始化UART接口、传输数据、接收数据等环节,借助这些例程,开发者能够清晰地洞察每个功能的具体实现途径。对于手而言,例程是理解芯片特性及库函数使用的理想途径。 在华大HC32L110的库函数与例程中,通常包含以下核心组成部分: 1. **初始化函数**:诸如`SystemInit()`,其作用是配置系统时钟,作为其他功能的基础。 2. **外设驱动函数**:例如GPIO的`HAL_GPIO_xxx()`系列函数,ADC的`HAL_ADC_xxx()`函数等,用于管理和设定...
【多变量输入超前多步预测】基于CNN-BiGRU的光伏功率预测研究(Matlab代码实现)内容概要:本文研究基于CNN-BiGRU混合神经网络模型的多变量输入超前多步光伏功率预测方法,并提供了完整的Matlab代码实现。该模型结合卷积神经网络(CNN)强大的局部特征提取能力和双向门控循环单元(BiGRU)对时间序列前后向依赖关系的建模能力,能够有效处理光伏发电受光照强度、温度、湿度等多因素影响的非线性、非平稳特性,实现对未来多个时间步长的功率输出进行精准预测。研究涵盖了数据预处理、模型构建、训练优化及结果分析全过程,并通过实验验证了模型在不同天气条件下的预测性能,展示了其在提升预测精度方面的有效性。; 适合人群:具备一定机器学习和时间序列预测基础知识,从事能源发电预测、电力系统调度或相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于光伏发电站的功率预测系统,为电网调度、能量管理和电力交易提供数据支持;②作为深度学习在可再生能源预测领域应用的教学案例,帮助理解CNN与RNN类模型的融合机制;③为进一步研究更复杂的预测模型(如加入注意力机制)提供基础框架和技术参考。; 阅读建议:建议读者结合Matlab代码逐步复现文中实验,重点关注数据预处理流程、模型结构设计细节以及超参数调优策略,同时可尝试在不同数据集上验证模型泛化能力,以深入掌握多变量时间序列预测的关键技术要点。
内容概要:本文提出了一种基于高创模型MS-TCN-TiDE的短期负荷预测方法,该模型融合多尺度时序卷积网络(MS-TCN)与时间解码器(TiDE)的优势,旨在实现对电力系统短期负荷的高精度预测。MS-TCN能够有效捕捉负荷序列在不同时间尺度下的局部特征与长期依赖关系,而TiDE则通过编码-解码架构建模周期性、趋势性等全局时序模式,二者协同提升了模型对复杂负荷动态的表达能力。研究通过Python代码实现了完整的模型构建、训练优化与预测流程,并在实际电力负荷数据集上进行了实验验证,结果表明该模型在预测精度、稳定性及泛化性能方面均优于传统时序预测方法。同时,文章探讨了模型在周尺度负荷预测中的适用性,验证了其在长期趋势建模方面的潜力,为电网调度、能源管理及电力市场运营提供了可靠的技术支撑。; 适合人群:具备一定Python编程基础和机器学习知识,从事电力系统分析、能源管理、智能电网或相关领域研究的研发人员及高校研究生。; 使用场景及目标:①应用于电力系统短期负荷预测场景,提升电网运行调度的智能化与精细化水平;②为能源并网规划、需求响应策略制定、电力市场竞价决策等提供高质量的负荷数据支持;③推动深度学习技术在能源时序预测领域的落地应用与方法创。; 阅读建议:建议读者结合文中提供的Python代码进行实践复现,重点关注数据预处理流程、模型结构设计细节及超参数调优策略,同时可通过消融实验深入理解MS-TCN与TiDE模块的协同机制及其对预测性能的贡献。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值