華為在3月宣布成立醫(yī)療衛(wèi)生軍團，AI醫(yī)療概念股應聲暴漲，至此，這場自2023年以來的“大模型+醫(yī)療”競賽，又被推上了一個新高度。

截至目前，已經有百多個大模型覆蓋了生命科學的全領域、醫(yī)學診療全流程，科技巨頭BTAH（百度、騰訊、阿里、華為）、AI獨角獸（科大訊飛、商湯、零一萬物等）悉數(shù)到場。

但狂歡背后，井噴式的醫(yī)療大模型及AI應用，不是每一個都有長期價值，也不一定能讓醫(yī)院和患者買單。

回顧智慧醫(yī)療的歷史，會發(fā)現(xiàn)AI醫(yī)療的真正挑戰(zhàn)，在于場景之深。Watson醫(yī)生希望治療所有癌癥，實際不達預期，pass；谷歌google health以尖端AI算法切入診療環(huán)節(jié)，卻因商業(yè)背景而遭到患者抗拒，pass；機器學習小模型時代的AI輔助醫(yī)學影像，需要一個個專科一張張圖表做標注，成本高收益低，pass；ChatGPT掀起的大模型熱潮，數(shù)據孤島、算力成本、倫理紅線等怎么解決，仍有非常多的未解之題。

醫(yī)療場景的壁壘深厚，唯有以系統(tǒng)性思維和系統(tǒng)工程，才能完成從通用到專用的轉變。讓大模型真正融入醫(yī)療行業(yè)的業(yè)務流程，解決核心業(yè)務問題。

因此，大模型廠商的決勝點，在于能否筑造一柄穿透場景的重劍。

根據國家衛(wèi)健委發(fā)布的《衛(wèi)生健康行業(yè)人工智能應用場景參考指引》，目前已經有84個人工智能應用場景。僅從醫(yī)療場景來看，大模型就已經全面覆蓋了院前、院中、院后的全流程。

院前階段，以基于大模型的AI診療助手為主，為患者提供實時語音問答、智能分診、健康教育、疾病預防的健康科普等服務。

院中階段，大模型為臨床診療決策提供支持，成為貫穿全流程的智能中樞。入院時，可以高效完成入院記錄生成、檢查項目推薦、電子病歷自動糾錯、手術計劃初稿等文書工作。診斷時，傳統(tǒng)診療方式十分依賴于醫(yī)院的級別、昂貴的設備、醫(yī)生的臨床經驗職稱和耐心，這些因素都會影響到疾病的判斷和腫瘤的檢出率。AI大模型輔助診療、AI病理影像，就可以有效減少這些因素對檢出率的不良影響，避免延誤病情。在治療或手術期間，AI大模型可以對患者的病史信息了解得更加全面透徹，為醫(yī)生提供關鍵參考，從而提高診療效果。

院后階段，關懷性隨訪可以增強患者的依從性，達到更好的預后效果，減少自行停藥風險。但醫(yī)生少、時間精力有限，大多數(shù)患者很難得到及時隨訪，和連續(xù)性的健康服務。這時候，基于大模型的智能隨訪系統(tǒng)，就可以結合患者的全面診療信息，實時高效地進行隨訪，記錄患者的反應，并對一些停藥、復發(fā)等風險提前干預。

橫向來看，大模型在醫(yī)療場景中，已是遍地開花。

但縱向來看，會發(fā)現(xiàn)不同細分場景的深度，卻有很大的差別。

比如院前、院后的AI問答，容錯率相對高，研發(fā)難度低，通過deepseek、文心、盤古、混元等基礎通用大模型，結合醫(yī)療場景專用數(shù)據進行微調即可上線，因此也是這一輪醫(yī)療大模型最擁擠、布局最多的，幾乎所有科技巨頭BATH、運營商，以及AI醫(yī)療服務商、醫(yī)院，都推出了相關服務。

而診中階段，需要大模型作為智能中樞，來輔助診療，打破傳統(tǒng)醫(yī)療信息化的數(shù)據煙囪，提供可靠可信的專科意見，容錯率極低，開發(fā)難度大、耗時長，需要多部門配合、專有隱私數(shù)據進行訓練，十分依賴于醫(yī)院、大模型廠商、第三方服務商等深度互信。

由此可以發(fā)現(xiàn)，發(fā)布并上線一個醫(yī)療大模型并不難，但淺層應用是一片紅海，很難脫穎而出，而深度整合進醫(yī)療業(yè)務中，又要跨越醫(yī)院和科技巨頭們壁壘森嚴的地盤，并不容易。

既然醫(yī)療大模型的商業(yè)模式尚不清晰，為什么仍然迎來了爆發(fā)，吸引了各方巨頭爭相搶灘？

從AI誕生以來，醫(yī)療就被認為是AI落地的高價值場景。既然醫(yī)療行業(yè)對AI并不陌生，為什么大模型的到來會掀起一陣狂歡？

理解這個問題，我們有必要回到歷史中去，看看在沒有大模型的歲月里，AI+醫(yī)療究竟留下了哪些未解的難題。

按照技術代際來劃分，AI醫(yī)療有兩個重要階段。一是以Watson健康為代表的專家系統(tǒng)，當時很多醫(yī)院與醫(yī)療機構都希望將專家系統(tǒng)和知識計算的新技術應用于臨床。最后以大量機構退出合作、Watson被低價出售而結尾。

另一個階段是2015年左右的互聯(lián)網時代，醫(yī)療行業(yè)電子化、信息化初步完成，京東、阿里、騰訊、百度等互聯(lián)網巨頭都開始布局醫(yī)療健康領域。但當時AI當客服都是“人工智障”，計算機視覺技術一枝獨秀，AI輔助醫(yī)學影像系統(tǒng)，如騰訊覓影，支撐起了AI醫(yī)療的概念。

到了大模型時代，ChatGPT問世之后出現(xiàn)了一百多個大模型。發(fā)力大模型+醫(yī)療領域的AI獨角獸，業(yè)務進展緩慢，盈利周期也較長。

既然AI醫(yī)療的方向是對的，那多年來久攻不下，這里面最痛點的問題是什么？

醫(yī)療場景之深，僅靠AI技術是無法獨自穿透的，這也成為醫(yī)療大模型所需要解決的核心問題。

除了行業(yè)大模型都會面臨的一些通用問題，比如數(shù)據稀缺、項目開發(fā)難度大、人才要求高、開發(fā)周期不可控等之外，醫(yī)療場景還有許多獨特的壁壘：

一是信任壁壘，數(shù)據難共享。為了促進醫(yī)療機構、科研機構之間的數(shù)據互通與共享，國家也在推廣多中心研發(fā)，打消了“不敢”共享的顧慮。但數(shù)據共享出去了，高質量數(shù)據和低質量數(shù)據對模型的貢獻卻不一樣，不同數(shù)據產生的價值怎么合理分配？缺乏合理的機制牽引。

二是技術壁壘，達不到要求。AI算法達到85%的表現(xiàn)，一般就可以發(fā)paper了，但要落地臨床場景，往往需要95%、99%以上的表現(xiàn)。很多榜單上十分優(yōu)秀的大模型，在現(xiàn)實中卻面臨“叫好不叫座”的困局。谷歌的醫(yī)療大模型Med-PaLM回答的評分高達92.6%，與人類臨床醫(yī)生相當，谷歌首席健康官Karen DeSalvoy也曾審慎地提醒：“不希望大家認為，僅靠一個AIGC大模型，就能治愈所有的健康問題和疾病。”

三是專業(yè)壁壘，做AI的不懂醫(yī)療場景需求。一位智慧醫(yī)療領域的從業(yè)者告訴我們，客戶并不關心你采用什么技術路線，他們最關心的是你能不能提供滿足他需求的產品和服務，所以必須得有場景化思維。很多痛點，是大模型廠商在辦公室里想象不到的。

比如一位泌尿外科的醫(yī)生，在腹腔鏡操作中會產生大量的煙霧，希望使用AI算法來對圖像進行去霧，要求極高的實時性，因此模型必須部署在本地，而本地模型又對端側算力的要求比較高，如果調用云端服務器的話，那就要求網絡時延在幾毫秒。

可以看到，僅靠一個醫(yī)療大模型，而沒有配套的網絡、端側設備相配合，連一個腹腔鏡圖像去霧的小場景，都無法做好。

所以，大模型賦能醫(yī)療，看起來并不缺少方向和案例，但商業(yè)成功卻始終在迷霧中。

那么，下一個問題就是，大模型能穿透上述壁壘嗎？

DeepSeek的開源策略，使醫(yī)療機構和中小企業(yè)部署大模型的成本大幅降低，DeepSeek+國產推理芯片如昇騰、昆侖、寒武紀等的適配，也降低了算力門檻，這些推動醫(yī)療大模型在醫(yī)院的普及。醫(yī)療AI應用，開始步入“平權時代”，

但我們也必須看到，壁壘高企的醫(yī)療場景，并非引入deepseek和大模型就萬事大吉。大模型廠商不能依靠接入API等淺層結合、腳不沾泥的方式，而需要鑄重劍。

目前來看，醫(yī)療大模型領域出現(xiàn)了兩把“重劍”：

第一把劍，名為“結盟”。醫(yī)院、大模型廠商、醫(yī)療信息化服務商、ISV和數(shù)據服務商等，通過產業(yè)鏈之間的互信與合作，來打造符合?？菩枨蟮膶I(yè)大模型。比如邁瑞醫(yī)療和騰訊聯(lián)合開發(fā)的重癥醫(yī)療大模型，華為與上海瑞金醫(yī)院合作開發(fā)的RuiPath（瑞智），復旦大學附屬中山醫(yī)院聯(lián)合上?？茖W智能研究院共同研發(fā)觀心大模型CardioMind等。湘雅醫(yī)院也沒有直接引入DeepSeek，而是選擇與AI+醫(yī)療公司醫(yī)渡科技合作，由后者為其搭建由DeepSeek、醫(yī)渡大模型等多個大模型組成AI中臺。

第二把劍，名為“聚焦”。部分模廠通過內部聚焦，整合資源，來推動大模型與醫(yī)療的深度結合。比如百川智能已經調整了業(yè)務線，將資源集中到醫(yī)療領域。華為更是組建了醫(yī)療衛(wèi)生軍團，整合華為多個部門的多種技術能力，將華為內部方案與外部痛點進行精準匹配，聚焦在構建AI輔助診斷解決方案體系，推動醫(yī)療大模型落地臨床場景。華為的軍團模式，也是精準切入醫(yī)療場景的一柄利劍。

整體而言， AI與醫(yī)療，可能是本世紀最偉大的相遇，這場邂逅不可能倉促完成。

醫(yī)療與大模型的結合，需要用場景化、系統(tǒng)級的思維，用技術聚合的綜合解決方案，在系統(tǒng)、流程、制度等給予方方面面的支持。因此，有能力鑄重劍的大模型廠商，未來將在醫(yī)療數(shù)智化浪潮中獲得更大的機會。

審核編輯 黃宇