全球AI医疗产业正在经历一场深刻的范式转移。过去几年来，从新药研发、影像诊断、临床决策辅助，到患者管理服务，AI已深度融入医疗领域的方方面面。行业创新先行者的关注点，也正在从单一场景的突破，逐渐转向如何构建通用技术底座，打破数据、人才的壁垒，更好地赋能整个生态圈。
一、 AI+医疗全面开花，
中国以“政策+技术”双轮驱动
AI医疗的概念本身并不新颖。早在1972年，英国利兹大学就推出了第一款用于辅助治疗的医疗AI系统AAP HELP，美国斯坦福大学、麻省理工学院也相继推出MYCIN、PIP等多个辅助临床决策的AI程序。
彼时，AI医疗主要局限于学术界，其真正走入大众视野，还是在千禧年之后。在新浪潮中，更多的科技公司向“医疗”场景主动靠近，开发出一系列颠覆式应用，从IBM公司的Watson系统、谷歌公司的AlphaFold，到OpenAI近期推出的GPT-Rosalind，重磅医疗AI产品层出不穷。
随着研究进一步细分，头部科技公司开始将AI医疗作为单独部门，高效推动垂直领域创新。如在2025年3月份，华为宣布组建“医疗卫生军团”，以“盘古大模型+昇腾AI框架+云计算”为核心技术，构建覆盖病理诊断、医学影像、药物研发、健康管理等多场景的AI医疗生态。
如今，AI已经在医疗领域的各个板块快速渗透。全球算力龙头英伟达发布的《2026年医疗健康与生命科学领域AI应用现状》报告显示，70%的受访者表示其所在机构正在积极使用AI，较2025年调研的63%进一步提升7个百分点，数字医疗、医药研发、医疗技术及诊断板块领跑。如今的AI已不再是医疗行业的锦上添花，而是提质增效的“标配”。
中国的渗透进程更是迅猛。报告指出，中国医疗AI整体部署率高达78%，登顶全球第一。
这背后是“政策+技术”的双重驱动力。顶层设计上，《“健康中国2030”规划纲要》明确提出，要推进医学科技进步，到2030年健康科技创新整体实力位居世界前列；2025年，国家卫健委等五部委联合发布《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》，围绕医院场景，设置了人工智能+基层应用、人工智能+临床诊疗等多个重点应用方向；2026年，AI辅助诊断被纳入全国医保乙类目录，患者可及性进一步提升。
根据弗若斯特沙利文预测，2023至2033年，中国AI医疗市场年复合增长率将高达43.1%，一个规模超三千亿的大市场徐徐拉开帷幕。
二、医院标杆案例涌现，
单点式探索局限仍存
在医疗众多领域中，医院场景离大众最近，也与全民健康紧密相关。早在ChatGPT等大语言模型横空出世时，多家大型三甲医院就基于院内海量信息数据，在各大场景中落地AI，如今已涌现一大批标杆案例。
如在2024年，四川大学华西医院发布“华西黉医”医学大模型，聚焦AI+诊疗、AI+服务，和AI+管理，集成10余类通用模型和50余类垂域模型，在院内多个场景开启智能医学篇章；2025年，山东大学齐鲁医院发布全国首个在急性胸痛场景中应用的医疗行业大模型，助力快速精准识别高危胸痛患者；同年，上海交通大学医学院附属瑞金医院开源RuiPath病理模型，用于全流程临床病理辅助诊断；南方医科大学南方医院则发布了全国首个慢性肾脏病综合管理模型，落地赋能专科医生、患者和基层医生三大人群；今年年初，广东省第二人民医院发布健康管理智能体检超声大模型“让娜”，将AI系统全流程嵌入体检超声各环节……
如今，AI在各垂直领域的惊艳表现有目共睹，“单点”探索规模渐盛。动脉网智库统计显示，截至2025年5月，在第三方榜单中国排名前100的医院中，有38家在通用模型的基础上进一步打造出55个定制化垂直医疗模型，22个为专科模型。
但在“单点模式”趋于成熟之后，新的挑战逐渐浮现。管理者发现，各科室垂类模型林立，却彼此难以互通，平台化发展呼声渐强。
南方医院和华西医院联合华为公司近期发布《医院通用人工智能平台技术白皮书》，总结出医院当前落地AI的四大“不通”困局。
其一是建设不通。由于AI技术发展迅速，医院往往缺乏全局统筹，各科自建AI，形成了“烟囱式”格局，系统隔离成常态；算力、模型的独立重复部署，还造成了巨大的资源浪费。
其二是数据不通。尽管大型三甲医院拥有海量数据资源，但普遍分散于不同业务系统，难以共同支撑多模态协同研发。不同系统中的数据往往缺乏统一标注与治理，数据质量参差不齐，也导致难以整合用于模型训练。
其三是人才和运营不通。医院里既懂临床业务又精通AI算法的复合型人才目前极度短缺。对普通医疗从业者而言，AI工具平台本身操作复杂，多厂商模型还存在标准不统一、接口异构，从开发到运维，都面临巨大挑战。
最后是升级困境。医院建设AI不可脱离安全合规的底线，也不可破坏业务连续性，这意味着巨大的重构需在现有流程、系统的基础上平滑过渡。但医院本身系统厂商众多，如何高稳定、低成本地平稳升级，升级之后，又该如何帮助医生顺利过渡原有工作习惯，困难重重。
有医院相关人士表示，“此前各学科基于自身需求，独立搭建互不连通的AI应用。我们逐渐意识到，医院AI应用面临场景多、项目多、数据多，却算力散、协同难、风险高的突出矛盾，这种各自为战的建设模式将不可持续。”
如何构建一个强大、统一的AI “底座”，成为智慧化医院下一阶段必须破解的发展命题。
三、 底座崛起：
打造医院的AI“操作系统”
医疗与科技产业从业者都很清楚，创新之路从来不是坦途，合作才是前行的基础。多家头部医疗机构已与科技创新公司握手，前瞻性地设计、开发出通用型AI基础设施，推动医院 AI 建设从“分散部署、单点应用”朝向“统一规划、全域协同”转变。2026年，或将成为AI医疗又一重要变革之年。
南方医院与华为公司联合推出医院通用人工智能平台（Hospital AI Platform, HAIP），就是此类“底座”的典型样本。其意在统筹全院数据、模型与应用资源，将分散的AI能力整合为简便、安全、可共享、可进化的统一基础设施，对痛点逐一回击。
为了打破建设之困，HAIP构建了AIDC算力底座，实现算力池化和智能调度，不仅减少了各科重复部署，甚至设计出了“昼推夜训”的潮汐调度机制，提升医院整体算力的使用效率。
为了打破“数据孤岛”，HAIP通过全模态数据融合平台和智能标注流水线，实现跨系统数据全局可视、自动分层，不仅让数据流动起来，更能进一步助力关键信息的检索解析，将知识转化为服务，让海量的沉睡数据真正变成可复用的资产。
在破解人才缺口和平滑升级困境等方面，HAIP平台采用多种方式降低门槛，意在以更少的医生行为改变，撬动更大的效率革新。
比如在开发端，其提供自然语言生成智能体（NL2Agent）能力，让医生无需编写代码，只需用自然语言描述需求，就能生成专属的数字分身；在使用端，HAIP也与院内已有的HIS、PACS等业务系统深度兼容，医生无需改变工作习惯，就能自然上手，保障了医疗服务的连续性与安全合规。
华为医疗卫生军团总裁、数据存储产品线副总裁张伟力以通俗易懂的语言，如此勾勒HAIP的价值：“就像手机没有操作系统，各类软件就无法在不同品牌、型号的手机上运行一样，HAIP就是医疗版‘AI操作系统’，让各类场景模型可以快速移植、免开发适配，让医院用户、合作伙伴无需关注底层算力与技术细节，专注于医疗业务创新。”
四、展望：
智慧化医院生态开放共生
一家医院统一AI底座只是开始。从“封闭建设”转向“开放共生”，蓬勃的AI医疗生态圈蓝图正同步展开。
向上下游延伸，HAIP可助力医疗、医药、医保各方协同联动与价值共创，这些庞大、标准化且易于解读的数据，既可以赋能药械企业加速新产品开发，支持保险公司精算风控，也能为政府部门提供有据可依的深度洞察。
更重要的是，开放式创新将直接而广泛地惠及患者。HAIP采用了“云边协同”架构，像南方医院这样的大型三甲医院可作为中心端，负责训练模型，而后“一键下发”给基层医院。后者只需部署轻量级设备，不需要自己训练模型，就能获得与三甲医院同步的能力提升，既避免重复造轮子，也让优质医疗决策变得更可及。
站在未来看今朝，当AI医疗从“有没有”走向“通不通”，一个强大的“AI底座”，其意义将远超单一科室、单一环节的能力提升。相信有一天，当我们再度回看波澜壮阔的AI医疗发展史，底座化必将是其中具有里程碑意义的一章。
图片及数据提供方：华为
