🥇 - AI智慧公园与校园体育数字化全栈服务商
全国免费服务热线
新闻中心
聚焦动态
AI应用侧机会涌现 医疗AI下半场比拼“全栈能力”
2026-07-21 03:29:44
转自：财联社
财联社7月20日讯（记者 王俊仙 武超）“从今年下半年开始，AI应用侧的机会逐步涌现，无论是垂直领域能够解决实际问题的AI智能体，还是寄予厚望的人形机器人具身智能，都将创造出我们暂时还难以想象的经济增长与社会变革。”易方达资本投委会委员、医疗健康投资部总经理王昊在2026年世界人工智能大会（WAIC）期间联影智能举办的“智能伙伴，共建未来元医院”论坛上如是判断。在众多应用方向中，他认为“医疗AI毫无疑问是最重要、也是最值得长期投入的方向之一”。
资本侧的乐观判断，正对应着医疗行业内部一次深层次的认知转向——医疗AI的竞争焦点，正从单病种、单场景的工具比拼，转向覆盖数据基础、临床工作流与全院部署能力的体系化作战。WAIC期间，来自医院、学界、企业与资本方的多位嘉宾就这一转向的路径、壁垒与真实鸿沟分享了各自的观察。
“无效内卷蔓延”，单点工具企业会更难
过去十年，医疗AI更多聚焦医学影像辅助诊断、病历生成等单点应用，通过技术赋能提升诊疗效率。但与此同时，医疗体系仍面临着质量、效能、成本、资源供给和分配等一系列系统性挑战。而AI将是推动医疗系统性变革的关键力量。
中金公司执行总经理、生物医药首席分析师张琎从资本视角指出了行业正在出现的两类“无效内卷”：第一类是“叫好不叫座”的产品设计。“很多产品的开发更多不是基于临床的真正痛点，可能是科技出身的人在实战领域的应用，所以更多是在秀技术，但没有解决临床问题，没有形成商业闭环。”第二类是“单点裸证”。某个偶然的机会，某个专科有一定的突破，拿到一个证，但没有配套后台能力，只能基于价格战无序进入市场，对整个行业有非常负面影响。
张琎认为，真正具备投资价值的医疗AI公司需要满足三个条件：产品设计以临床真实痛点为核心并伴随持续的数据闭环验证；具备从软件到硬件、从数据采集到售后运维的工程化能力；拥有体系化作战的全栈能力，而非单一长板。
王昊也表达了类似判断：“未来单点工具的公司会越来越难，真正能够穿越周期的一定是拥有完整场景、强合规能力、广泛临床应用，并且能构建产业生态的平台型企业。”
财联社记者注意到，已有企业试图搭建完整体系的医院AI平台。联影智能在本届WAIC上提出要共建“元医院”：通过多模态大模型、医疗智能体、数智孪生等“元技术”升维医院能力，让医疗服务超越物理边界，从而解决医疗三难困境的全院级、数智化医院运营新模式。
据悉，联影智能正参与由复旦大学附属中山医院承担的国家人工智能应用中试基地（医疗领域）建设，并将依托该平台打造“元医院”样板。
对于落地方案，联影智能联合创始人、首席运营官、研发总裁詹翊强在接受财联社记者采访时指出，“元医院”采用分阶段渐进落地模式，按科室、场景两条线分步推进，后续也不会简单复制一套方案到所有医院，而是采用FDE（Field Deployed Engineering）模式，与每家医院医生共创，基于其自有数据构建专属智能体。联影智能提供的核心是大模型底座、智能体构建平台和共创方法论，确保解决方案既融入顶级智慧，又贴合本地实际工作流。
从“数据大”到“AI Ready”，医疗大模型的隐性壁垒
体系化作战的起点，是数据。医疗AI能否真正落地，最终取决于模型底层的数据基础与场景理解能力，而这也正是当前通用大模型与医疗原生AI之间最大的分水岭。
联影智能研发副总裁曹晓欢以影像AI为例指出，当前通用大模型尚无法基于单张影像截图实现高质量、可靠的医学诊断，核心瓶颈在于医生判读影像不会只看图像，而是结合患者病史、历次检查记录、整体身体状况等多维信息综合判断；此外，影像数据本身具有三维特性，且高质量、带标注的医学影像数据在互联网上极度稀缺，难以支撑通用模型训练。
数据壁垒的另一面是数据质量的隐性挑战。
清华大学副教务长、医学院院长黄天荫在WAIC论坛上分享了一个颇具反共识意味的观察——清华AI医院平台用医院真实数据训练初版模型，结果并不理想：“因为用真实数据的时候教坏了模型。如果人家说这个医院有100万数据全部给你用，要小心，这些数据可能会教坏你的模型，因为真实数据很多时候都要清洗、清理，不是完全正确的。”
他进一步指出，AI难以进入医疗环节的原因，并不完全是算法不够先进，真正的挑战在于临床工作流的适配。
库帕思科技董事长山栋明将这一问题上升到范式层面，他认为医疗数据要向AI Ready转变。医院信息化系统里大多是结果性数据，而要让AI赋能临床、教学、科研，还需要大量过程性数据，这些需要增强和补全。“医生要的不是一个答案，要的是循证。”山栋明还提醒行业警惕数据规模的迷思，不要把大数据变成“数据大”，把所谓的“大脑”变成“脑大”。
中山大学附属肿瘤医院信息中心主任李超峰则从信息化建设角度补充了另一重挑战——算力。他坦言，DeepSeek突然问世时医院没有算力就没法运用，在他看来，未来医院的算力建设需要前瞻规划、分场景分层级部署，“总的来说，不管怎么建还是要统筹建设，能够动态调配，这才是未来能够适应整个AI发展的情况”。
（财联社记者 王俊仙 武超）
相关新闻
2026-07-21
2026-07-21
2026-07-21
2026-07-21
2026-07-21
2026-07-21
2026-07-21
2026-07-21
2025-10-31
2025-10-31
2025-10-31
2025-10-31
2025-10-31
2025-10-31
2025-10-31
2025-10-31
