在AI加速融入千行百業(yè)的2026年，如果說哪個領(lǐng)域的AI落地最被寄予厚望，大概率會是醫(yī)療健康。

大型三甲醫(yī)院往往人滿為患，專家號源緊張、醫(yī)生每天的接診量巨大、分配給每位患者的時間非常有限。同一時間，縣醫(yī)院、社區(qū)衛(wèi)生服務(wù)中心等基層醫(yī)療機構(gòu)，因為服務(wù)能力相對薄弱，導(dǎo)致分級診療難以有效實施。

正是在這樣的背景下，國家衛(wèi)生健康委等五部門聯(lián)合印發(fā)了《關(guān)于促進和規(guī)范“人工智能+醫(yī)療衛(wèi)生”應(yīng)用發(fā)展的實施意見》，明確要求推動人工智能在基層醫(yī)療、臨床診療、患者服務(wù)、科研教學(xué)、醫(yī)院管理等方面的落地。

擺在面前的問題是：不少醫(yī)院在推進AI落地的過程中，遇到了數(shù)據(jù)孤島、重復(fù)建設(shè)、系統(tǒng)難以互通等問題，原本計劃的目標(biāo)是“智能提效”，結(jié)果卻成了一場吃力不討好的“系統(tǒng)拼接游戲”。

就在4月10日，南方醫(yī)科大學(xué)南方醫(yī)院與華為聯(lián)手交出了一份新答卷——面向全球首發(fā)了醫(yī)院通用人工智能平臺（HAIP），給出了醫(yī)療AI“統(tǒng)一規(guī)劃、全域協(xié)同”的新范式。

01 破局“單點式落地”，打造醫(yī)院的“AI操作系統(tǒng)”

過去幾年里，國內(nèi)醫(yī)院的數(shù)字化和智能化轉(zhuǎn)型，可以歸納為“摸著石頭過河”：各個科室按照自己的需求引入AI，比如影像科用AI看肺結(jié)節(jié)、病理科用AI看切片、信息科用AI管病歷……

這種“打零工”式的單點式落地，暴露出了四大核心挑戰(zhàn)：

第一個是數(shù)據(jù)孤島。每個系統(tǒng)的數(shù)據(jù)格式不同、接口不一，沒法互相調(diào)用，形成了一個個“數(shù)據(jù)孤島”，數(shù)據(jù)價值無法有效挖掘。

第二個是AI算力煙囪式建設(shè)。每個系統(tǒng)都配了自己的服務(wù)器，算力與模型重復(fù)部署、多模型與多智能體無法協(xié)同，資源不能共享。

第三個是缺乏醫(yī)療+AI人才。醫(yī)院缺乏AI專家，個性化需求難滿足；傳統(tǒng)ISV AI能力偏弱，需要支持和培育。

第四個是應(yīng)用開發(fā)復(fù)雜、周期長。醫(yī)院現(xiàn)網(wǎng)應(yīng)用的廠商多、接口復(fù)雜，牽一發(fā)動全身，存在大量對接開發(fā)。

之所以出現(xiàn)上述痛點，根本原因在于——醫(yī)院缺少一個統(tǒng)一的底層平臺。需要有一個統(tǒng)一的平臺，把醫(yī)院的算力、數(shù)據(jù)、模型、應(yīng)用都管起來，讓不同的院區(qū)、科室可以共享資源、互相調(diào)用能力。

在數(shù)智化轉(zhuǎn)型中先行先試的南方醫(yī)院，遇到過同樣的問題，最終選擇聯(lián)合華為打造醫(yī)院通用人工智能平臺（HAIP）。不同于過去的各自為戰(zhàn)，HAIP平臺針對醫(yī)療AI的核心痛點進行了“對癥下藥”。

為了打破“數(shù)據(jù)孤島”，HAIP通過ModelEngine人工智能工具平臺實現(xiàn)全類型數(shù)據(jù)智能化標(biāo)注和多模態(tài)AI語料生成數(shù)據(jù)飛輪支撐模型快速迭代、越用越準(zhǔn)，讓沉睡的數(shù)據(jù)變成了可復(fù)用的知識資產(chǎn)。以病理數(shù)據(jù)為例，標(biāo)注效率從人工的每人每天50張?zhí)嵘?00張，效率提升超過6倍。

為了消除“算力煙囪”，構(gòu)建了AIDC算力底座，通過DCS AI容器底座實現(xiàn)算力切分和任務(wù)智能調(diào)度，并設(shè)計了“晝推夜訓(xùn)”潮汐調(diào)度機制：白天優(yōu)先保障門診、急診等實時推理任務(wù)，夜間自動進行模型訓(xùn)練，整體算力利用率提升30%。

為了填補人才缺口，HAIP平臺提供了自然語言生成智能體（NL2Agent）能力，進一步降低了AI應(yīng)用的上手難度。醫(yī)生不需要編寫代碼，只需用日常語言描述需求，平臺即可自動生成專屬的數(shù)字分身。

為了降低開發(fā)門檻，HAIP平臺采用了開放架構(gòu)，可以兼容醫(yī)院已有的HIS、PACS等業(yè)務(wù)系統(tǒng)，實現(xiàn)了與醫(yī)院現(xiàn)有流程的平滑融合。也就是說，醫(yī)生無須改變作業(yè)習(xí)慣，無形中保障了醫(yī)療服務(wù)的連續(xù)性。

打一個比方的話，為破局而生的HAIP平臺，就像是醫(yī)院專屬的“AI操作系統(tǒng)”，讓所有的AI應(yīng)用跑在同一個平臺上，實現(xiàn)數(shù)據(jù)打通、算力共享、能力復(fù)用和持續(xù)進化，驅(qū)動醫(yī)療AI從“單點部署、零散應(yīng)用”走向“統(tǒng)一規(guī)劃、全域協(xié)同”。

02 越用越聰明的“數(shù)字外腦”，把時間還給“就診”

在AI+的驅(qū)動下，醫(yī)院的業(yè)務(wù)邏輯正在發(fā)生質(zhì)的改變，最直接的體現(xiàn)就是生產(chǎn)力的釋放。

在現(xiàn)代醫(yī)療體系中，最稀缺的資源不是高端的醫(yī)療設(shè)備，而是醫(yī)生的時間。一個讓人無奈的現(xiàn)實在于，不少骨干醫(yī)生每天不得不將大量精力消耗在重復(fù)性的文書工作、基礎(chǔ)閱片和病歷整理上。倘若能夠?qū)⒏邚姸?、高重?fù)性的工作交給AI，或許能讓醫(yī)生從繁瑣重復(fù)勞動中解放出來。

南方醫(yī)院早已給出了肯定答案。

在南方醫(yī)院健康管理中心，每天要出具約1500份超聲報告，過去主要依靠人工三級檢審，醫(yī)生的工作負(fù)荷很大。

2025年5月上線AI智能檢測系統(tǒng)后，直接包攬了90%以上的重復(fù)篩查工作：系統(tǒng)可自動完成所有超聲報告的異常篩查，對發(fā)現(xiàn)的問題標(biāo)紅提醒，并自動記錄異常信息，全程無需醫(yī)護人員實時值守。

截止到目前，AI智能檢測系統(tǒng)的關(guān)鍵問題檢出率達90%以上，累計檢測超過25萬份報告，每位醫(yī)生每天可節(jié)省約2小時。

在南方醫(yī)院的病理科，每天接收的胃腸鏡活檢標(biāo)本就有200多例，需要逐張切片、逐視野觀察細胞形態(tài)，一張復(fù)雜切片分析需要數(shù)分鐘時間，長期高強度工作，很容易導(dǎo)致疲勞。

依托多年積累的海量優(yōu)質(zhì)病理標(biāo)本數(shù)據(jù)和專家診斷，南方醫(yī)院基于大模型開發(fā)了一套消化病理人工智能輔助診斷系統(tǒng)，AI可快速掃描整張病理切片，自動識別正常細胞和可疑病變區(qū)域，醫(yī)生可以快速定位到病灶區(qū)域，加快診斷效率。原先一份胃腸鏡活檢病理報告需要3-5天，現(xiàn)在被壓縮到了1-2天。

以上都還只是HAIP平臺落地前的案例，有了統(tǒng)一的“AI操作系統(tǒng)”，AI和醫(yī)療的“化學(xué)反應(yīng)”將不斷加速。

可以找到的案例還有很多，但AI和醫(yī)療的“化學(xué)反應(yīng)”并未止步于此。

比如前面提到的NL2Agent能力，醫(yī)生只需說“幫我做一個助手，專門整理肺結(jié)節(jié)患者的隨訪記錄，到了復(fù)查時間自動提醒我”，平臺就能精準(zhǔn)理解意圖，并在幾分鐘內(nèi)自動生成并部署好一個專屬的“數(shù)字分身”。AI的角色不再局限于“節(jié)省時間”，讓每個醫(yī)生有了一支隨時待命的“硅基團隊”。

另一個不應(yīng)該被忽略的信息在于，有別于“買來什么樣就是什么樣”的傳統(tǒng)軟件，在HAIP平臺上，如果醫(yī)生對AI的判斷結(jié)果進行了修改或給出了反饋，系統(tǒng)會自動記錄這些糾錯信息，當(dāng)數(shù)據(jù)積累到一定程度，會自動啟動新一輪的訓(xùn)練和模型更新。AI和醫(yī)生配合得越久，就越懂醫(yī)生的診療邏輯與習(xí)慣。

而當(dāng)閱片、病歷整理、隨訪等重復(fù)性工作被AI解放，醫(yī)生們終于可以卸下枷鎖，把更多的時間和心力還給復(fù)雜的臨床決策、還給手術(shù)臺、還給面對面就診時不可替代的人文關(guān)懷。

03 “三甲專家”下沉到基層，醫(yī)療普惠不是奢望

僅僅解放醫(yī)生，可能無法根治當(dāng)前醫(yī)療體系最大的痛點——三甲醫(yī)院的專家門診一號難求，而社區(qū)的衛(wèi)生服務(wù)中心面臨著“接不住、看不好”的尷尬。老百姓寧可舍近求遠去大城市排隊，也不愿在家門口首診。

HAIP平臺的出現(xiàn)，讓外界看到了一條醫(yī)療資源下沉的新路徑。

在平臺架構(gòu)上，HAIP沒有把AI封閉在“高墻大院”內(nèi)，采用的是“云邊協(xié)同”架構(gòu)：像南方醫(yī)院這樣的大型三甲醫(yī)院作為中心端，負(fù)責(zé)訓(xùn)練模型；縣醫(yī)院、社區(qū)醫(yī)院等基層醫(yī)院部署輕量級的邊緣設(shè)備。

中心端訓(xùn)練好的模型，可以一鍵下發(fā)給所有基層設(shè)備，基層醫(yī)院不需要買昂貴的算力，不需要自己訓(xùn)練模型，就能獲得和三甲醫(yī)院同步的AI能力。每一個基層醫(yī)生背后，是一個個跑在云端的“三甲專家”。

可以佐證的是，基于“云邊協(xié)同”的架構(gòu)，南方醫(yī)院的諸多標(biāo)桿應(yīng)用已經(jīng)開始向基層輻射。

直接的例子就是南方醫(yī)院腎內(nèi)科侯凡凡院士團隊牽頭研發(fā)的國內(nèi)首個慢性腎臟病綜合管理大模型——智腎。

在?？漆t(yī)生端，“智腎”支持患者綜合評估、疑難病例解析、循證醫(yī)學(xué)證據(jù)檢索及歸納，幫助醫(yī)生快速獲取基于最新指南和大規(guī)模真實世界數(shù)據(jù)的輔助決策建議，提升診療精準(zhǔn)性和效率。

在社區(qū)醫(yī)生端，“智腎”提供輕量化智能問答系統(tǒng)，相當(dāng)于為基層醫(yī)生配備了一位“腎臟病?？祁檰枴保瑤椭R別高?；颊摺⒁?guī)范診治流程。

在患者端，“智腎”可以為腎病患者提供綜合健康管理。其中南方醫(yī)院的陳婷護士長團隊基于“智腎”研發(fā)了慢性腎臟病個性化飲食指導(dǎo)項目，為患者提供科學(xué)的飲食建議及每周食譜。

截止到目前，“智腎”已在化州、吳川等基層醫(yī)院應(yīng)用，腎病患者在家門口就能獲得接近三甲醫(yī)院水平的腎病管理服務(wù)，在一定程度上緩解了三甲醫(yī)院人滿為患、掛號難、看病排隊時間長的問題。

同樣的例子還有aMAP肝癌篩查評分小程序。

南方醫(yī)院感染內(nèi)科基于全球合作網(wǎng)絡(luò)構(gòu)建了aMAP肝癌篩查評分，并以小程序為載體線上賦能肝病病程管理。目前該項目已在線下覆蓋17家醫(yī)療單位，累計完成超過52萬人次篩查，將早期診斷率從傳統(tǒng)的23.2%提升到了67%。未來通過HAIP平臺，慢性肝病的篩查與管理能力，將高效地覆蓋到更多區(qū)域。

有理由相信，在HAIP平臺的賦能下，城鄉(xiāng)之間的醫(yī)療差距將不斷縮小，縣域及鄉(xiāng)鎮(zhèn)醫(yī)療機構(gòu)有望在AI的輔助下達到接近三甲醫(yī)院水平的診斷能力，讓“大病不出縣”不再是口號，而是每一位普通中國人的日常。

04 從“煙囪”到“雨林”，智慧醫(yī)院的新范式

不只是HAIP平臺，南方醫(yī)院與華為聯(lián)合全國多家頭部醫(yī)院及合作伙伴，共同發(fā)布了《醫(yī)院通用人工智能平臺技術(shù)白皮書》，首次定義了醫(yī)院通用人工智能平臺的參考架構(gòu)和建設(shè)范式。

一份凝聚了行業(yè)共識的白皮書，標(biāo)志著中國醫(yī)療AI正在從試點走向規(guī)?；涞?，正式告別“單點部署、零散應(yīng)用”的蠻荒時代，邁入了“統(tǒng)一規(guī)劃、全域協(xié)同”的階段，為全國醫(yī)療機構(gòu)提供了一條可復(fù)制、可推廣的建設(shè)路徑。

把視角再放大一些，HAIP代表的不單單是操作系統(tǒng)級的解決方案，更像是一片肥沃的黑土地：在以底層算力、數(shù)據(jù)資產(chǎn)為核心的“操作系統(tǒng)”上，未來會長出無數(shù)個?？拼竽Ｐ停L出成千上萬個醫(yī)生的數(shù)字分身。徹底結(jié)束煙囪式的建設(shè)，形成一個開放、共享、持續(xù)進化的醫(yī)療AI生態(tài)雨林。