作者｜周雅

過去兩年，大模型最熱鬧的場景之一，其實(shí)發(fā)生在醫(yī)院。

上周我參加了一場醫(yī)療論壇，現(xiàn)場從多方了解到，大模型能力一路抬升，國內(nèi)幾乎所有頭部三甲醫(yī)院都在布局AI，賽道之多，幾乎覆蓋了醫(yī)院運(yùn)轉(zhuǎn)的每一個(gè)環(huán)節(jié)。

譬如，四川大學(xué)華西醫(yī)院把開發(fā)的AI Agent叫作“醫(yī)生的硅基新同事”，山東大學(xué)齊魯醫(yī)院把AI鋪進(jìn)了心血管、喉鏡、泌尿、內(nèi)鏡、藥品管理和消毒供應(yīng)中心，南方醫(yī)科大學(xué)珠江醫(yī)院在骨科、神外、泌外機(jī)器人輔助手術(shù)里加 AI，無一不是。IDG數(shù)據(jù)顯示，全球30%的數(shù)據(jù)來自醫(yī)療健康領(lǐng)域，而且增速也在上升，其年復(fù)合增長率（CAGR）為36%（2020-2025年）。

圍繞醫(yī)療AI的政策發(fā)令槍也在密集響起。2025年，國務(wù)院印發(fā)《關(guān)于深入實(shí)施人工智能+行動意見》，將輔助診療、健康管理列為重點(diǎn)落地方向。國家衛(wèi)健委、工信部等五部委聯(lián)合發(fā)文，專門為“人工智能+醫(yī)療衛(wèi)生”劃出路線圖和紅線。廣東省走得很快，省衛(wèi)健委、省工信廳等八部門聯(lián)合印發(fā)《廣東省加快發(fā)展人工智能+醫(yī)療衛(wèi)生三年行動計(jì)劃》，首批289個(gè)AI應(yīng)用場景案例落地見效，智能影像約片系統(tǒng)開始在全省公立醫(yī)療機(jī)構(gòu)鋪開。

然而熱鬧背后，有一組冷數(shù)據(jù)值得注意。

“中國三甲醫(yī)院在整個(gè)醫(yī)療體系中占比不到1%，卻承擔(dān)了中國近30%的診療人次，診斷壓力非常大。中國長期處于醫(yī)療資源分配不均，基層醫(yī)院能力相對比較弱的現(xiàn)實(shí)情況?！比A為醫(yī)療衛(wèi)生軍團(tuán)總裁、數(shù)據(jù)存儲產(chǎn)品線副總裁張偉力在論壇上如是說。

這句話的弦外之音是，醫(yī)療資源的結(jié)構(gòu)性分布不均，意味著AI要真正產(chǎn)生系統(tǒng)性價(jià)值，僅靠頭部醫(yī)院的單點(diǎn)創(chuàng)新遠(yuǎn)遠(yuǎn)不夠，而這，恰恰是當(dāng)前醫(yī)療AI最薄弱的一環(huán)。

南方醫(yī)科大學(xué)南方醫(yī)院院長孫劍在論壇現(xiàn)場指出一個(gè)更嚴(yán)峻的問題：過去幾年，醫(yī)院做AI，大多是“一個(gè)科室一個(gè)模型、一個(gè)場景一個(gè)應(yīng)用”，影像科做影像，病理科做病理，麻醉科做麻醉，科研團(tuán)隊(duì)做科研助手，管理部門做質(zhì)控和運(yùn)營。但往前走到一定階段，問題就開始暴露：數(shù)據(jù)不通，算力重復(fù)買，模型之間彼此不認(rèn)識，醫(yī)生有需求卻不會用AI語言表達(dá)，AI工程師懂技術(shù)卻未必懂醫(yī)學(xué)。最后，醫(yī)院里不是沒有AI，而是AI太多，卻拼不成一個(gè)真正運(yùn)轉(zhuǎn)的“智慧醫(yī)院”。

我們不禁要問，AI進(jìn)醫(yī)院，到底該怎么建？

三甲醫(yī)院已經(jīng)做了很多AI，為什么還要做AI平臺？

如果只看既有成績，南方醫(yī)院也不缺醫(yī)療AI案例。

按照院方的現(xiàn)場介紹，南方醫(yī)院已經(jīng)有多項(xiàng)AI實(shí)踐：侯凡凡院士團(tuán)隊(duì)做了全球首個(gè)腎病風(fēng)險(xiǎn)預(yù)測新模型「智腎」，劉克玄團(tuán)隊(duì)做了麻醉管理大模型「南方智麻」，此外，醫(yī)院還在腦機(jī)接口、胃癌微創(chuàng)手術(shù)圖像數(shù)據(jù)庫、電子病歷智能生成等方向有不少探索——目前南方醫(yī)院已有10個(gè)創(chuàng)新應(yīng)用成果入選廣東省首批“人工智能+醫(yī)療健康”應(yīng)用場景案例。早在智慧醫(yī)院1.0階段，南方醫(yī)院已經(jīng)完成基于總線和SOA架構(gòu)的系統(tǒng)互聯(lián)，建起臨床、管理、科研三大數(shù)據(jù)中心；到2025年，又啟動院級智算中心建設(shè)。

更關(guān)鍵的是，它手里有一批能支撐AI的“硬貨”：27年沉淀的歷史數(shù)據(jù)、20多個(gè)業(yè)務(wù)系統(tǒng)、1033萬患者、6718萬人次就診數(shù)據(jù)，且能做到T+1更新。對于任何一家想認(rèn)真做醫(yī)療AI的機(jī)構(gòu)來說，這都不是一個(gè)小底子。

這其實(shí)很符合國內(nèi)頭部醫(yī)院近些年的路徑：誰有一批數(shù)據(jù)，誰有一個(gè)學(xué)術(shù)帶頭人，誰就可以做個(gè)模型試一試，先從幾個(gè)最容易出成果的學(xué)科切進(jìn)去，跑通幾個(gè)樣板，再逐步擴(kuò)大。

但南方醫(yī)院現(xiàn)在的判斷是，僅靠這種方式，走不到“智慧醫(yī)院”的最佳實(shí)踐。

2024年9月，華為和南方醫(yī)院簽署深化戰(zhàn)略合作協(xié)議，確立了“1+1+N”的AI創(chuàng)新應(yīng)用生態(tài)鏈。華為團(tuán)隊(duì)進(jìn)入南方醫(yī)院后，圍繞24個(gè)科室做了多輪調(diào)研，累計(jì)訪談284人次，收集了超過100條AI需求，產(chǎn)出21份專項(xiàng)調(diào)研報(bào)告和200多份分析文檔。調(diào)研的結(jié)果大為震驚，這也是很多醫(yī)院做AI共同面對的瓶頸：

第一，數(shù)據(jù)是分散的。影像一套、病理一套、病歷一套、專病數(shù)據(jù)庫一套，不同系統(tǒng)之間標(biāo)準(zhǔn)不一，數(shù)據(jù)質(zhì)量也不一。很多醫(yī)療數(shù)據(jù)“很高質(zhì)量”，但還遠(yuǎn)遠(yuǎn)不是AI可以直接吃下去的“燃料”。

第二，算力和存儲是重復(fù)投入的。每做一個(gè)專科模型，就要重配一遍算力、存儲、開發(fā)鏈路，效率并不高。

第三，模型很難互通。過去是一個(gè)科室一個(gè)項(xiàng)目，一個(gè)專家一個(gè)團(tuán)隊(duì)，能做出來，但很難跟別的系統(tǒng)、別的科室、別的醫(yī)院協(xié)同，久而久之就變成一座座“模型孤島”。

第四，醫(yī)院真正懂AI的人并不多。醫(yī)生知道臨床痛點(diǎn)，但不懂AI語言；AI工程師懂模型，卻不懂醫(yī)學(xué)語境。中間那道坎，往往靠大量反復(fù)溝通去填，成本極高。

第五，醫(yī)院流程不能被輕易打散?？床　z查、診斷、治療、隨訪、管理，本來就是一套環(huán)環(huán)相扣的流程。AI如果每進(jìn)來一個(gè)場景就把流程打亂，最終只會制造新的摩擦，而不是效率。

孫劍用了一個(gè)比喻：“煙囪式”。每個(gè)科室建自己的煙囪，買自己的算力，存自己的數(shù)據(jù)，訓(xùn)自己的模型。數(shù)據(jù)不通，算力不共享，模型之間無法對話。一家三甲醫(yī)院如果有三十個(gè)科室在搞AI，就可能有三十套互不兼容的系統(tǒng)，這在效率上是災(zāi)難，在安全上是隱患，在經(jīng)濟(jì)上是黑洞。

這不是南方醫(yī)院一家的困境。四川大學(xué)華西醫(yī)院內(nèi)鏡醫(yī)工研究室主任胡兵，一位工作了接近40年臨床醫(yī)生，在2017年開始從事AI工作。他同樣指出，消化內(nèi)鏡醫(yī)生真實(shí)困境來自于三個(gè)方面，第一，患者之困，有早癌的漏治風(fēng)險(xiǎn)。第二，醫(yī)生之困，每天做操作手術(shù)，人是血肉之軀，也有疲勞。第三，科研之困，臨床素材堆如山，但醫(yī)生的論文撰寫卻如登山般困難?！皞鹘y(tǒng)AI它是單點(diǎn)工具，也是一個(gè)被動響應(yīng)工具，且是一個(gè)數(shù)據(jù)孤島，功能單一，無法回答我們下一步該怎么辦?！?/p>

這就是南方醫(yī)院和華為想要共同解決的問題根源。

兩支“紅色隊(duì)伍”，聯(lián)手打造“醫(yī)院的AI操作系統(tǒng)”

此次，華為和南方醫(yī)院正式打造——“醫(yī)院通用人工智能平臺HAIP（Hospital AI Platform）”。按照雙方的說法，“這是全球第一個(gè)面向醫(yī)院全場景的AI操作系統(tǒng)”。

既然用到“操作系統(tǒng)”，言下之意，就是要從底層重新定義醫(yī)院使用AI的方式。

HAIP到底長什么樣？根據(jù)華為醫(yī)療衛(wèi)生軍團(tuán)總裁、數(shù)據(jù)存儲產(chǎn)品線副總裁張偉力的解讀，HAIP的架構(gòu)可以分三層——“能力底座、智能中樞、工具引擎”。

具體而言：

最底層是「能力底座」。這部分最強(qiáng)調(diào)“國產(chǎn)化”——依托昇騰、鯤鵬等自主創(chuàng)新算力底座，構(gòu)建100%自主創(chuàng)新的AIDC算力集群。論壇上，華為多次提到它的智能算力節(jié)點(diǎn)、存儲能力以及軟硬協(xié)同。DCS AI容器底座實(shí)現(xiàn)算力切分和任務(wù)智能調(diào)度，AI算力利用率提升30%以上。對醫(yī)院來說，這層的意義不只是“有算力”，而是要把原本零散的訓(xùn)練和推理資源統(tǒng)一起來，能切分、能調(diào)度、能錯(cuò)峰使用。

其中，算力的錯(cuò)峰調(diào)用，對于醫(yī)院來說是很實(shí)際的功能。南方醫(yī)科大學(xué)南方醫(yī)院副院長劉杰在論壇上說得更具體：“白天優(yōu)先支撐推理——門診和日常診療中AI的實(shí)時(shí)響應(yīng)；晚上切換到訓(xùn)練模式——跑那些需要大量計(jì)算的模型優(yōu)化任務(wù)。一套算力兩種用法，利用率拉滿。”這其實(shí)很關(guān)鍵。因?yàn)獒t(yī)療AI一旦從科研走到生產(chǎn)，算力的使用就變成醫(yī)院級、持續(xù)性、混合型負(fù)載：門診要實(shí)時(shí)響應(yīng)，住院要調(diào)閱歷史信息，科研要跑訓(xùn)練，基層還可能要遠(yuǎn)程調(diào)用。誰能把這套資源調(diào)度順，誰的“平臺化”才不是口號。

中間層是「智能中樞」，核心是數(shù)據(jù)和模型，這也是 HAIP 最像“醫(yī)院操作系統(tǒng)”的地方。華為和院方反復(fù)提的層面包括：AI數(shù)據(jù)湖、統(tǒng)一數(shù)據(jù)視圖、AI數(shù)據(jù)平臺、知識庫、記憶庫、KV Cache 加速、統(tǒng)一模型管理、數(shù)據(jù)飛輪等。更直白來說，大概是這么幾層意思：

一是把全院原本分散的數(shù)據(jù)，盡可能拉到統(tǒng)一視圖里，打通“數(shù)據(jù)孤島”。

二是通過ModelEngine人工智能工具平臺實(shí)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，把這些數(shù)據(jù)進(jìn)一步變成可供AI使用的語料，而不是停留在傳統(tǒng)信息系統(tǒng)里的“存檔資料”，它會采用自動化數(shù)據(jù)標(biāo)注，即把原來需要專業(yè)醫(yī)生花大量時(shí)間手工標(biāo)注的數(shù)據(jù)交給機(jī)器完成初步標(biāo)注，工具會通過自動化學(xué)習(xí)醫(yī)生的標(biāo)注經(jīng)驗(yàn)，逐步提升準(zhǔn)確率，以壓縮標(biāo)注周期。張偉力有一句話很典型：“醫(yī)療行業(yè)的數(shù)據(jù)是高質(zhì)量數(shù)據(jù)，但高質(zhì)量不等于天然就是AI燃料?！?/p>

三是讓模型不是一次訓(xùn)完就完，而是能在使用中持續(xù)迭代。HAIP重點(diǎn)強(qiáng)調(diào)的“數(shù)據(jù)飛輪”“大小飛輪聯(lián)動”，說白了就是一種邊用邊學(xué)機(jī)制：大模型通過醫(yī)學(xué)書籍、指南、專家共識等進(jìn)行通識層面的調(diào)優(yōu)（大飛輪）；小模型和專科智能體則通過醫(yī)生在具體場景中的反饋、標(biāo)注和修正，逐步學(xué)會更細(xì)的專病、亞專科能力（小飛輪）。醫(yī)生每標(biāo)注一份高質(zhì)量數(shù)據(jù)，平臺就多一份能繼續(xù)喂給模型的“好教材”。

最上層是工具引擎和應(yīng)用層。這部分最吸睛，也最容易被醫(yī)生感知。

華為在會上反復(fù)提一個(gè)能力：NL2Agent，自然語言生成智能體。意思是，醫(yī)生不需要寫代碼，也不需要理解復(fù)雜的AI工程流程，只要能夠用自然語言描述需求，就能在平臺上創(chuàng)建、調(diào)整和優(yōu)化自己的專屬智能體。這本質(zhì)上是在把“開發(fā)權(quán)”往臨床側(cè)挪。

如果這一點(diǎn)真能跑通，它的意義會很大。因?yàn)檫^去很多醫(yī)療AI項(xiàng)目的問題，并不是模型做不出來，而是需求表達(dá)和迭代周期太長：醫(yī)生提需求，產(chǎn)品經(jīng)理翻譯，工程師開發(fā)，再回到醫(yī)生驗(yàn)證，往往一個(gè)回合就要很久。NL2Agent試圖縮短這個(gè)鏈條，讓醫(yī)生不只是AI的使用者，某種程度上也成為AI的“訓(xùn)導(dǎo)者”和“配置者”。

此外，HAIP還強(qiáng)調(diào)了原生多智能體協(xié)同。這也是它區(qū)別于一堆“好用單點(diǎn)工具”的地方。平臺的邏輯，是讓不同智能體能協(xié)同工作，跨科室、跨流程、跨場景聯(lián)動。更進(jìn)一步，它還提出多級協(xié)同：頭部醫(yī)院訓(xùn)練和沉淀出來的模型、技能、經(jīng)驗(yàn)，可以自動化部署、升級到基層醫(yī)療機(jī)構(gòu)，實(shí)現(xiàn)云邊協(xié)同。

值得注意的是，HAIP目前更準(zhǔn)確的說法，仍然是一個(gè)開放生態(tài)平臺，而不是簡單意義上的“開源項(xiàng)目”。這次發(fā)布里，官方強(qiáng)調(diào)的是開放接口、統(tǒng)一標(biāo)準(zhǔn)、伙伴快速接入、醫(yī)療專區(qū)共享、智能體技能互通，而不是把平臺代碼本身定義為開源。這個(gè)區(qū)別很重要，因?yàn)樗P(guān)系到未來生態(tài)到底如何擴(kuò)展：是標(biāo)準(zhǔn)開放、接口開放、能力共享，還是更進(jìn)一步走向真正的開源協(xié)作，目前還沒有明確信號。

張偉力說，HAIP定位為開放平臺，第三方AI企業(yè)可以把自己的模型和智能體接入，不需要關(guān)心底層的算力和芯片差異?；锇榈哪Ｐ徒尤肫脚_后“不需要改動太多代碼，平臺可以自動生成對接”。這跟手機(jī)操作系統(tǒng)的邏輯一模一樣：開發(fā)者只管寫App，不管手機(jī)用的是什么處理器。

當(dāng)天同步發(fā)布的還有一份《醫(yī)院通用人工智能平臺技術(shù)白皮書》，華為、南方醫(yī)院聯(lián)合全國多家頭部醫(yī)院及合作伙伴共同發(fā)布。劉杰對白皮書的定位也很直白：“全國大醫(yī)院都在搞AI，我們提供的是標(biāo)準(zhǔn)施工圖和避坑指南。這是在幾家頭部醫(yī)院驗(yàn)證過的，所以有非常強(qiáng)的可操作性和可落地性。”

同時(shí)，南方醫(yī)院與華為共同成立了AI全場景智慧醫(yī)院聯(lián)合創(chuàng)新實(shí)驗(yàn)室(Artificial Intelligence-powered Smart Hospital Joint Innovation Lab)，同樣是為了推動創(chuàng)新成果向臨床快速轉(zhuǎn)化，加速AI在智慧醫(yī)院的全場景落地應(yīng)用。南方醫(yī)科大學(xué)南方醫(yī)院副院長鄭磊在采訪中，給該實(shí)驗(yàn)室賦予了一個(gè)更具體的定位——「孵化器」，他講到，HAIP像高速公路，現(xiàn)在上面已經(jīng)有一些車在跑，而聯(lián)合創(chuàng)新實(shí)驗(yàn)室要干的，就是不斷把更多“車”研發(fā)出來，而且這些車不是為了展覽，而是要上路、跑起來、形成規(guī)模。它的運(yùn)作方式也被說得比較實(shí)在：醫(yī)院提供學(xué)科專家、醫(yī)療教學(xué)科研人員，華為提供AI、大數(shù)據(jù)、工程化能力，雙方圍繞真實(shí)臨床問題組建復(fù)合型團(tuán)隊(duì)聯(lián)合攻關(guān)；做出來的東西必須回到醫(yī)院場景里做驗(yàn)證、示范、推廣。這個(gè)過程不是封閉的，院方也明確表示，歡迎其他醫(yī)院加入，共同推動智慧醫(yī)院技術(shù)往基層和社區(qū)延伸。

提及雙方合作，孫劍認(rèn)為，南方醫(yī)院和華為能走到一起，除了業(yè)務(wù)互補(bǔ)，還有文化上的共鳴。南方醫(yī)院的前身是新四軍第三師后方醫(yī)院，1941年創(chuàng)立于江蘇，有60余載軍旅生涯；華為的企業(yè)文化，則以準(zhǔn)軍事化管理著稱?！爸袊t是兩家單位共同的鮮明特色。”

在中國的大型組織合作中，文化認(rèn)同確實(shí)是一個(gè)不可忽視的粘合劑，尤其是雙方要做的是建一個(gè)覆蓋全院所有科室的AI操作系統(tǒng)，是需要極高信任和長期協(xié)同。

手術(shù)室里的AI同事

平臺說到底，還得靠應(yīng)用來證明自己。

南方醫(yī)院目前已經(jīng)在HAIP之上搭起了一個(gè)「南醫(yī)小智」智能體中心，并做了分層智能體空間管理體系。第一批跑上來的，主要是臨床助手、科研助手、辦公助手三類，其中最具代表性的，是“南方智腎”、“南方智麻”、電子病歷智能生成。

這三類應(yīng)用其實(shí)很有代表性，因?yàn)樗鼈兎謩e對應(yīng)了醫(yī)療AI當(dāng)前最現(xiàn)實(shí)的三個(gè)落點(diǎn)：專病管理、臨床決策支持、重復(fù)勞動替代。

先看“南方智麻”。

麻醉是個(gè)很典型但經(jīng)常被低估的場景。南方醫(yī)院副院長、麻醉學(xué)專家劉克玄在采訪中花了不少時(shí)間解釋：很多人以為麻醉只是“打一針，讓病人睡著，手術(shù)做完病人醒了”，但遠(yuǎn)不是如此簡單，實(shí)際上麻醉醫(yī)生承擔(dān)的是兩個(gè)關(guān)鍵職責(zé)，病人的術(shù)中生命體征管理、麻醉圍手術(shù)期風(fēng)險(xiǎn)控制，比如手術(shù)刺激產(chǎn)生應(yīng)激反應(yīng)、手術(shù)出血可能導(dǎo)致病人情況劇變、術(shù)后并發(fā)癥風(fēng)險(xiǎn)，這些都要求麻醉醫(yī)生在極短時(shí)間里做出判斷和決策。

“所以，麻醉藥打進(jìn)去之后，麻醉醫(yī)生脖子上就套了沉重的枷鎖，他有兩個(gè)任務(wù)，第一，必須時(shí)時(shí)刻刻監(jiān)護(hù)病人，對變化快速反應(yīng)、馬上決策。第二，麻醉醫(yī)生還要考慮術(shù)后，病人有沒有并發(fā)癥等。外科醫(yī)生是治病，麻醉醫(yī)生是保命?！焙蛢?nèi)科醫(yī)生還可以請人會診、慢慢討論不同，麻醉科的手術(shù)室里常常沒有這個(gè)時(shí)間窗口。

這正是AI適合介入的地方。劉克玄強(qiáng)調(diào)，“所以說我們要引入AI，因?yàn)锳I能夠?qū)@些多模態(tài)數(shù)據(jù)，進(jìn)行系統(tǒng)化整合，結(jié)構(gòu)化分析，快速識別關(guān)鍵風(fēng)險(xiǎn)因素，然后提供標(biāo)準(zhǔn)化、個(gè)體化的決策支持，這是AI的好處。”

「南方智麻」就是為解決這個(gè)問題而生，但它最早并不是從大模型熱潮開始的?！?018年底，我們就建了國內(nèi)第一個(gè)圍手術(shù)期數(shù)據(jù)庫，后來聯(lián)合30多家醫(yī)院成立了中國圍術(shù)期結(jié)局研究電子數(shù)據(jù)庫聯(lián)盟，獲得了真實(shí)世界1000萬的多模態(tài)數(shù)據(jù)，有了數(shù)據(jù)訓(xùn)練模型，模型給出的決策就會更可靠。”2023年初，劉克玄團(tuán)隊(duì)拿到國家重點(diǎn)科技研發(fā)項(xiàng)目，方向是心臟病人圍手術(shù)期心腦血管事件的早期預(yù)警和智能輔助決策，“當(dāng)時(shí)ChatGPT還沒出來”，他補(bǔ)了一句。所以，等到2023年底大模型浪潮涌來時(shí)，他們已經(jīng)有了清晰的臨床需求和海量數(shù)據(jù)積累，這是很多后來者不具備的先發(fā)優(yōu)勢。

劉克玄進(jìn)一步指出，南方智麻目前在華為的賦能下更加優(yōu)化，構(gòu)建了一個(gè)覆蓋麻醉圍手術(shù)期全流程的體系：術(shù)前，系統(tǒng)自動解析患者病史和檢查結(jié)果，預(yù)判病人的手術(shù)風(fēng)險(xiǎn)，同時(shí)自動生成麻醉方案。術(shù)中，對病人的生命體征做持續(xù)動態(tài)分析，對低血壓、缺氧、心律失常等風(fēng)險(xiǎn)提前預(yù)警，并給出處理建議。術(shù)后，持續(xù)跟蹤患者恢復(fù)情況。用劉克玄的話說，“它使我們的麻醉科更精準(zhǔn)更高效?！?/p>

另外幾項(xiàng)南方醫(yī)院的AI成果同樣很典型。其中一個(gè)來自南方醫(yī)院腎內(nèi)科侯凡凡院士團(tuán)隊(duì)，基于全國慢性腎病大數(shù)據(jù)網(wǎng)，已經(jīng)產(chǎn)出了三項(xiàng)科研成果，包括AI輔助慢性腎臟病篩查、AI輔助腎小球腎炎的病理診斷、以及首個(gè)慢性腎病綜合管理大模型「智腎」。還有一個(gè)案例是，全國首例腦機(jī)接口技術(shù)配合下的全程清醒開顱手術(shù)，術(shù)中用高密度薄膜采集運(yùn)動意圖信號，利用AI算法實(shí)現(xiàn)運(yùn)動意圖智能解碼，達(dá)到病灶精準(zhǔn)定位與功能保護(hù)。此外在胃癌微創(chuàng)手術(shù)診療領(lǐng)域，南方醫(yī)院構(gòu)建了關(guān)鍵場景及圖像數(shù)據(jù)庫，收集主流設(shè)備視頻對復(fù)雜解剖環(huán)境進(jìn)行解構(gòu)和標(biāo)注，已建成兩萬余張圖像數(shù)據(jù)庫，標(biāo)注一致性檢驗(yàn)達(dá)90%。

而電子病歷智能生成，解決的是另一類更樸素的問題：大量重復(fù)性勞動。孫劍說得很坦率，醫(yī)生被訓(xùn)練出來的成本很高，應(yīng)該把他們更多釋放到研究疑難雜癥、研究新療法這些更需要人類智力的地方，而不是長期被困在重復(fù)書寫、重復(fù)整理、重復(fù)錄入里。這個(gè)判斷，和胡兵在會上那句判斷異曲同工，他講到，公司開發(fā)的醫(yī)生助手Agent「睿賓」自動生成內(nèi)鏡報(bào)告，讓醫(yī)生的報(bào)告書寫從8分鐘降到3分鐘，希望做到“標(biāo)準(zhǔn)的歸AI，復(fù)雜的歸醫(yī)生”。

孫劍透露，下一步，華為與南方醫(yī)院雙方將圍繞“精細(xì)化運(yùn)營管理、中西醫(yī)協(xié)同旗艦醫(yī)院建設(shè)、國家腎臟病臨床研究中心、緊急醫(yī)學(xué)教研基地等方向持續(xù)拓展?！?/p>

當(dāng)然，這類頭部專科的價(jià)值，不只是幫一家醫(yī)院提效，而是具備下放的可能。正如華為中國政企教育醫(yī)療系統(tǒng)部醫(yī)療健康行業(yè)總經(jīng)理郭忠光強(qiáng)調(diào)，“HAIP落地應(yīng)用推廣，是一個(gè)中長期事情，我們今天是一個(gè)開始，會持續(xù)不斷推進(jìn)這件事，中國醫(yī)療領(lǐng)域肯定是分層和迭代推進(jìn)?！?/p>

郭忠光進(jìn)一步分析，所謂分層，并不是所有醫(yī)院都要構(gòu)建平臺，這不是千人一藥，對頭部醫(yī)療機(jī)構(gòu)，它更適合于能支撐“醫(yī)教研管服”全流程的人工智能基礎(chǔ)設(shè)施平臺，但對于更多基層醫(yī)院，更需要的是輕量化快速可獲得能力和落地的邊緣設(shè)施?！斑@一次，我們除了有HAIP平臺發(fā)布，還有對應(yīng)的輕量化方案HAIC，既可以滿足基層醫(yī)療機(jī)構(gòu)使用，也可以跟HAIP結(jié)合起來，形成云邊協(xié)同，從技術(shù)層面實(shí)現(xiàn)向上攀峰和向下賦能，我們希望能既攀高峰做到成果轉(zhuǎn)化，又強(qiáng)基層用智能守護(hù)健康?！?/p>

平臺真正難的，是接下來的三場硬仗

如果把這次發(fā)布放長遠(yuǎn)來看，HAIP接下來真正要面對的，至少有三場硬仗。

第一場，是信任仗。

南方醫(yī)科大學(xué)珠江醫(yī)院副院長張宏征講得很實(shí)在：患者掛上頭部醫(yī)院專家號，本質(zhì)上信任的是專家。如果一上來先面對一個(gè)AI，患者未必能立刻接受。醫(yī)生端也是一樣，患者用AI很快，醫(yī)生真正把AI用于診療決策，習(xí)慣形成會更慢。

這意味著醫(yī)療AI的落地，絕不是把模型部署進(jìn)系統(tǒng)里就完事。它必須回答一個(gè)問題：醫(yī)生到底在什么環(huán)節(jié)信它，患者又在什么環(huán)節(jié)接受它。這不是技術(shù)參數(shù)能直接解決的，而是靠長期臨床表現(xiàn)、工作流融合、責(zé)任邊界和使用體驗(yàn)慢慢建立。

第二場，是治理仗。

醫(yī)療AI不像做一個(gè)消費(fèi)級助手，很多問題必須前置解決：數(shù)據(jù)權(quán)限、隱私保護(hù)、提示詞和內(nèi)容安全、模型輸出審查、責(zé)任留痕、跨院數(shù)據(jù)交換、基層調(diào)用機(jī)制。這也是為什么 HAIP 把數(shù)據(jù)沙箱、安全審核、統(tǒng)一接口標(biāo)準(zhǔn)講得那么多。

張偉力提到，平臺需要同時(shí)防兩類「安全風(fēng)險(xiǎn)」：一類是內(nèi)容安全，輸入給智能體的內(nèi)容要嚴(yán)格審核，防止給智能體喂一些偏離了原意圖的數(shù)據(jù)；另一類是數(shù)據(jù)安全，HAIP很重要的目的是放到基層醫(yī)院，讓每一個(gè)基層醫(yī)院用“開箱即用”的方式使用智能體，這里面涉及到數(shù)據(jù)交換，所以數(shù)據(jù)安全非常重要，華為提供了數(shù)據(jù)沙箱能力。對醫(yī)院來說，這些是平臺能否規(guī)模化的前提。

第三場，是生態(tài)仗。

北京惠每云科技創(chuàng)始人張奇在論壇上的一個(gè)比喻很到位。他說，現(xiàn)在很多醫(yī)院的AI應(yīng)用推廣難，像極了2010年之前的功能機(jī)時(shí)代，每個(gè)手機(jī)品牌有不同的操作系統(tǒng)、不同的芯片、不同的接口，你開發(fā)一個(gè)應(yīng)用，必須針對每款手機(jī)做適配。直到iOS、Android、鴻蒙統(tǒng)一了手機(jī)生態(tài)，才有了微信、抖音這樣的國民級應(yīng)用。

同理，每家醫(yī)院系統(tǒng)不一樣、接口不一樣、底座不一樣，一個(gè)AI應(yīng)用想要遷移到另一家醫(yī)院，幾乎都得重新適配一遍?！吧a(chǎn)AI應(yīng)用的成本在下降，但推廣AI應(yīng)用的成本卻在上升?！睆埰嬲f，“公司發(fā)展11年來、服務(wù)了近1300家大醫(yī)院，其中800多家是三甲醫(yī)院，我接觸非常多專家，從科主任到一線醫(yī)生，普遍都有很多想法，想把自己的經(jīng)驗(yàn)轉(zhuǎn)化成某種形式的AI應(yīng)用，但成本非常高。”

這也是 HAIP 最想拿下的一場仗：它如果只是南方醫(yī)院的一套內(nèi)部平臺，意義有限；只有它真的成為更多醫(yī)院和更多伙伴都愿意接入的“平臺層”，它才有底氣叫“操作系統(tǒng)”。

錢從哪里來？

在商言商，平臺始終繞不開一個(gè)現(xiàn)實(shí)問題：錢從哪里來。

山東大學(xué)齊魯醫(yī)院副院長韓輝在聊到“AI進(jìn)醫(yī)院的痛點(diǎn)”時(shí)一針見血地指出：“說句大實(shí)話，關(guān)鍵是錢的問題。有錢了什么都好辦，沒有錢，想法再好落不了地?！?/p>

韓輝的身份頗為特殊。他在醫(yī)院同時(shí)分管醫(yī)療、信息化、資產(chǎn)采購和三產(chǎn)，后來又兼任大數(shù)據(jù)中心主任和國家醫(yī)學(xué)中心建設(shè)辦主任——幾乎是一個(gè)人串起了從臨床需求、到技術(shù)落地、再到商業(yè)閉環(huán)的全部鏈條。他圍繞“怎么解決錢”這個(gè)核心問題，講述了一套已經(jīng)跑通的方法論。

第一步是頂層架構(gòu)的重設(shè)。韓輝發(fā)現(xiàn)，醫(yī)院原有的信息中心（二十多人、工科背景）能維持基本運(yùn)行，但面對大數(shù)據(jù)和AI力不從心?！皩I(yè)不對口，臨床提了需求他們也接不住。”于是他推動醫(yī)院成立獨(dú)立的大數(shù)據(jù)中心，由他兼任主任，醫(yī)教研各處長任副主任，管理辦公室從醫(yī)務(wù)處剝離、直接受大數(shù)據(jù)中心管轄。這個(gè)架構(gòu)的核心意圖是打通臨床與技術(shù)之間的組織壁壘，讓大數(shù)據(jù)中心具備整合全院資源的權(quán)限，同時(shí)與信息中心各司其職。

第二步是需求的來源方式。醫(yī)院目前落地了十幾個(gè)大模型，但韓輝強(qiáng)調(diào)，這些項(xiàng)目不是領(lǐng)導(dǎo)指定誰去做的，而是發(fā)動全院臨床科室自己找方向。找到之后，大數(shù)據(jù)中心評估可行性，再引入企業(yè)對接。他們與華為、科大訊飛、騰訊、深睿、海爾、海信、齊魯制藥等大量企業(yè)建立了合作，讓企業(yè)技術(shù)人員與臨床專家一對一對接，甚至鼓勵(lì)雙方私下交流，在碰撞中找到真正可落地的“點(diǎn)”。

第三步，也是韓輝最看重的一步，是商業(yè)模式的設(shè)計(jì)。他對每一個(gè)AI項(xiàng)目的第一道評估標(biāo)準(zhǔn)是：“這個(gè)東西未來能不能掙錢？”他以與華為聯(lián)合發(fā)布的“心擎大模型”為例——這個(gè)模型的終極指向不是在本院使用，而是推廣到基層醫(yī)院，基層用了能收費(fèi)，能收費(fèi)就意味著能市場化，市場化之后醫(yī)院與企業(yè)進(jìn)行利潤分成?！捌髽I(yè)付出人力物力財(cái)力，最后要把錢收回來；醫(yī)院要把大模型用到老百姓身上，也要把錢收回來。雙向共贏，滾動發(fā)展。”

為了讓這條路走得更遠(yuǎn)，醫(yī)院在2023年10月孵化了自己的企業(yè)，韓輝任董事長兼法人。這個(gè)平臺兩年間已經(jīng)孵化出8家公司，模式是醫(yī)院與企業(yè)共同成立合資公司，醫(yī)院將知識產(chǎn)權(quán)對應(yīng)的股份80%獎(jiǎng)勵(lì)給技術(shù)團(tuán)隊(duì)，讓醫(yī)生可以“創(chuàng)業(yè)持股，完成市場化”。目前正在籌備的一家新公司注冊資本達(dá)5000萬元，成果轉(zhuǎn)化評估金額超過3000萬，還不包括藥品領(lǐng)域。

此外，韓輝還提到了一個(gè)剛出現(xiàn)的政策信號——國家醫(yī)保局發(fā)布《病理類醫(yī)療服務(wù)價(jià)格項(xiàng)目立項(xiàng)指南（試行）》，首次明確將“人工智能輔助診斷”列為病理診斷的擴(kuò)展項(xiàng)。如果AI輔助診斷能正式進(jìn)入收費(fèi)目錄，醫(yī)院使用AI就可能成為產(chǎn)生收入的服務(wù)項(xiàng)目。這可能是整個(gè)AI醫(yī)療生態(tài)商業(yè)化的關(guān)鍵拐點(diǎn)。

張奇從企業(yè)視角補(bǔ)充了另一個(gè)結(jié)構(gòu)性問題：醫(yī)院的IT預(yù)算分配需要轉(zhuǎn)變。過去大部分預(yù)算花在HIS、電子病歷、集成平臺等傳統(tǒng)信息化基建上，動輒上千萬元，留給AI的預(yù)算卻“從零起步，到一兩百萬就停了”。他的建議是把更多預(yù)算投向算力底層，因?yàn)閭鹘y(tǒng)信息化基建“已經(jīng)建得非常好了”。

而當(dāng)被問及同樣現(xiàn)實(shí)的“收益問題”時(shí)，南方醫(yī)院則給出了一條不同的思考路徑。

孫劍的邏輯是：智慧化醫(yī)院的效率提升本身就是經(jīng)濟(jì)賬?！拔覀儸F(xiàn)在大量人工做事情，醫(yī)生很多都在做重復(fù)勞動，培養(yǎng)一個(gè)醫(yī)生成本代價(jià)周期很長，讓他們做這種勞動，沒有把人力資源充分利用起來，未來希望通過智慧化醫(yī)院建設(shè)，能把每一個(gè)人都用在最需要的地方。”他舉了病歷書寫的例子——這類工作AI完全可以替代，把醫(yī)生解放出來去研究疑難雜癥和創(chuàng)新療法，才是真正需要人的智力去解決的事。他最后總結(jié)說：“智慧醫(yī)院未來是高效率運(yùn)作，一定帶來效率極大提升，效率極大提升一定會帶來醫(yī)院運(yùn)營管理水平極大提升。我們不講錢，但是這件事情做好了一定會帶來錢?！?/p>

同樣在當(dāng)天，廣東省副省長王勝在論壇開幕致辭中說了一段頗有想象力的話。他說，AI賦能醫(yī)療最大的潛力可能不在“治已病”，而在“治未病”——通過人工智能提前三年五年甚至更長時(shí)間發(fā)現(xiàn)疾病征兆，用現(xiàn)有醫(yī)療手段提前干預(yù)。“古人提出治未病但沒做到，今人可以用人工智能做到?！?/p>

《中國醫(yī)院》雜志社社長王才有引用了一組數(shù)據(jù)來描述這個(gè)賽道的體量：根據(jù)OpenRouter本月初的最新統(tǒng)計(jì)，中國的Token每周調(diào)用量已連續(xù)五周全球第一，達(dá)12.96萬億，是美國的4.27倍。

可見，大數(shù)據(jù)、大算力、大場景，全都到位了。而HAIP這條高速公路，也已經(jīng)把第一塊路基鋪下去了。