江小涓最新演讲：AI+医疗

7月27日，由上海市经济和信息化委员会、上海市卫生健康委员会、徐汇区人民政府指导，上海人工智能实验室主办的2025世界人工智能大会（WAIC）“智领医界・AI 创未来”医疗人工智能论坛在徐汇西岸漩心中心圆满启幕。中国社会科学院大学教授、国家数据专家咨询委员会主任、国务院原副秘书长江小涓以《AI+医疗：高质量高效率满足人民健康需求》为题发表主旨演讲。本文根据江小涓教授现场演讲内容整理。来源：清华服务经济与数字治理研究院

本账号接受投稿，投稿邮箱：jingjixuejiaquan@126.com

AI+医疗：高质量高效率满足人民健康需求

我的演讲主要从AI发展满足人民健康需求的角度跟大家做一点分享，主办方希望我能多分享一些数据方面的想法，我会分享一些医疗数据方面的思考。

一、健康服务：以人为本特质鲜明的行业

首先，大家都讲AI“以人为本”，健康服务是以人为本的特质最突出的行业。在我们对AI的应用中，这个理念会让我们不偏航向，非常重要。然后，讲一下数据应用的创新，数据和其他生产要素都不一样，想要把中国数据量大的AI创新优势发挥出来，数据本身的应用也要有创新才可以。

健康服务是我们未来发展处在扩张中的行业，有把握这样说的行业并不多。医疗健康服务是需求强度越来越高的产业，随着人民生活水平的提升，对医疗健康诉求的提升更快，我们叫收入弹性指数高于1，多增加1元钱我们会把比重更高的一部分用在医疗方面。不论是国内的诉求还是国际的经验，都表明人民生活美好愿望中高水平健康服务、医疗服务是消费权重越来越大的一部分。

从国际看，全球创新重视的是什么？这是世界知识产权组织发布的创新引导盘。在去掉投资之后的十三个核心指标中，卫生健康指标的比重是最高的，基因测序的成本、药物批准的数量、安全卫生的条件、肿瘤放射需求满足和预期寿命。以人为本，就是人类相关的指标是全社会科技创新中首先应该瞄准的指标，大家最看重的指标是健康方面的科技进展。

二、传统挑战及数智化技术的破题之道

这方面的挑战我们都知道，需求不断上升，服务的成本越来越高，成本控制非常困难。这就是我们讲的“不可能三角”：一个国家的医疗系统很难同时兼顾提高医疗服务质量、增加医疗服务可及性以及降低医疗服务价格三方面目的。我之前的工作和医疗体系三个口都有一定的关系，总觉得每一边都不满意，患者端觉得看病难、看病贵，医院端觉得工作累、收入低，医保端觉得保不住、保不好，就是在比较难中间来回平衡。

这个难题的本质是什么？我本人的背景是经济学，就讲讲经济学视角下的一个本质问题：为什么大家觉得医疗越来越贵。我们讲服务行业最典型的特点就是多年以来劳动生产力增长非常缓慢。举一个例子，和40年前相比，我们买一台电视机大概是1000元，而现在1000元的电视机比40年前品质提升太多。40年来工人工资上涨一百倍，但电视机价格没有涨，靠的是技术带来的劳动生产率极大提升。高效率机器设备大规模同质化生产，单台电视成本快速下降。但是做一台阑尾手术，40年前大概17块钱，我曾经在一个医院的普外科当过几天护士长，还记得这个数字。现在做一台同样的手术，至少2700元钱，因为医生的工资也上涨了百倍以上，但医生的劳动生产率却很难提升，依然是三人一组花费1-2个小时做一台手术。手术不可能用高效率的设备同质化和大批量进行，只能是点对点个性化的服务，所以医生工资的上涨直接体现到了手术费用上。

数智化时代，这个问题有望缓解。AI+会同步提升健康服务的可及性、公平性、有效性和高效率。

可及性和公平性：各种数字技术在健康行业应用，患者可以通过远程服务获得高质量、标准化的医疗服务。比如，利用物联网远程监控实现疾病管理，或在基层医疗机构得到通过AI赋能的医生的正确诊断和处置等。

有效性：数字医疗可以让处于医疗服务水平较低区域的基层群众与大医院专家直接对接，通过远程会诊、远程手术等各种方式为其提供高质量的医疗服务，实现优质医疗服务资源的共享，提高健康服务水平。

高效率：数字技术提供的低成本可及性和有效性，本身就提高了健康服务的效率。数字技术对医疗数据（如影像、病理、基因和电子病历数据等）进行快速、精确地分析，提升医疗服务机构的诊疗效率。远程监测患者体征帮助患者养成良好的生活习惯，并且早诊断早治疗，提升健康服务总体效率。

医疗行业目前是AI落地应用最深、最广的领域，也是未来最有前景的行业之一。除了这个一般性外，中国还有一些独特有利条件。一是我们病患数量多，数据最多，应用场景最多。二是政府高度重视AI+医疗发展，国家卫生健康委发布过84个应用场景，并部署了一系列的课题和基地。第三我们产业基础好，截至2025年6月30日，已经有439款大模型通过国家网信办备案，还有233款大模型由地方网信部门完成登记。我国AI医疗大模型进展飞快，国内多家顶尖AI大模型企业、医疗垂线科技企业和大型医院纷纷发布了自主研发的AI大模型。截至2025年6月，我国共有超116家企业和机构发布了医疗健康产业大模型。有这么多的企业在做一定会有竞争，竞争会带来产业水平的快速提升。

三、创新医疗数据应用：中国AI医疗发展的突出优势

下面我讲一下创新医疗数据的应用。今年上半年我到上海做过一次调研，市卫健委罗蒙副主任做了精心安排，我学到了很多。上海医疗AI的发展走在全国前列。中国是一个医疗数据非常多的国家，中国的数据量在全球肯定是第一，病患数量最多，授权相对宽松，这是我们AI发展最突出的优势。一定要有创新的理念，多种方式尽可能让数据尽快地发挥作用。

近些年，国内相关部门和学术界的一个共同要求和呼吁是，希望医疗数据能在确保个人隐私的前提下汇聚使用，支持医疗类人工智能快速发展。这显然是一个值得努力的方向，也有一定成效，而且要继续努力做得更好。然而要看到，数据是具有复用性、场景化和搭载诸多个体信息的要素，寻求大范围汇聚使用要克服许多技术、利益和伦理难题，需要解放思想创新配置方式。

这里我们讲一种新的数据使用方式：分布式合作共享。这是一种泛在的新型配置方式，是有共识者的协调行动。

分布式是计算机科学的核心概念（Distributed Computing/Systems），指将计算任务、数据存储或业务功能分散到多台独立计算机（节点）上协同完成的系统架构。较常使用的还有分布式能源体系（Distributed Energy System），与传统集中式能源系统（如大型火电厂）不同，它通过多节点、小规模、模块化的方式实现能源就近生产和梯级利用。还有分布式公共治理（Distributed Public Governance），其核心在于通过分散决策权，让公民、企业、社区组织等多元主体共同参与公共事务。这些以及更多分布式，其本质是构建分散的决策与运行模式，利用技术工具（如区块链、大数据、人工智能等）替代传统中心化机构的信用背书。

可以看出数据要素特别适用于分布式市场化配置。简单的定义是：以互利及合规共识为基础，以技术手段为互信保障，形成局部适用的数据要素配置机制。当前较常见的形态有多方契约明确规则的数据交互与共享、合规协议团结和凝聚的技术社团、共享规则构建的数据空间等。世界范围看，这些是目前数据要素市场化配置的主要方式。

我国许多大医院规模很大，院内特色专病库中积累的病例数据量就可以训练一个基础垂线智能医疗模型。由于担心数据出院会带来不可管控的患者隐私泄漏风险，许多医院就采取与科技公司及医药公司签约合作的方式，在院内使用这些数据训练模型，进行科研项目开发和学术研究。这些有共识并愿意遵守共同规则的团体，就构成一个数据空间，开发利用数据。这个范围可以扩大，一些专病由头部医院牵头，多家医院汇聚数据开发数字医生或开发新药，就是一个更大的数据空间。还有药品研发、医疗器械研发，都有各种类型的医疗数据空间，以互利及合规共识为基础，以技术手段为互信保障，认同者入局，违规者出列。

医疗数据还有更开放的分布式配置方式。国外有一类平台叫病友网（Patients Like Me），一些罕见病的患者自愿把他的疾病全息数据放进去，因为“命比数重要”，希望医药研发机构尽快研发出针对性的治疗办法，医药公司、药品研发团队、医疗机构和病患都在这个平台上。

上述类型中，数据并没有形成全面汇聚、流通和分享，而是分布在一个个大小不一功能不同的共同体中，有特别多的类型，只要数据够用、能做事，大家共同遵守，有分享的价值，就能做成，数据就能够快速增能增效。因此，医疗数据的汇聚共享与分布式自发配置是数据使用的两种形态，鼓励并行发展相互补充，多条腿走路，鼓励创新，鼓励用起来，鼓励共识者先做，促进医疗AI大小模型共同发展，服务人民群众多元化医疗健康需求。

最后作为病人和病患家属提一点希望，希望AI更多关注服务于人。我调研过不少医院，也参加过不少研讨会。有一次听中日友好医院讲的重点是如何用AI为病人服务，印象很深。这个理念很重要，院士、医院、医生和科技公司天然会重视用新技术攻克疑难病，但用新技术为患者提供方便这一点有可能被忽视。例如，希望能开发陪护知识的APP，开发针对每种病的陪护知识并不难做，许多病患一天换一个人去陪护，护理真的是非常不到位。清华大学校长李路明院士研发的脑起搏器治疗帕金森病效果显著，但术后定期调试程序对外地病患来说比较困难，一次三四天、几千块钱，李院士团队就开发远程控制，几个小时、几百块钱就把问题解决了。破解医学难题和便利基层患者都是重要的进步。

最后总结一句话，医疗数智化要以病患为中心，提高人民群众的获得感，这样的技术进步能获得社会、获得老百姓的赞同，健康服务行业能够得到社会更多认同感。

我就讲这么多，谢谢大家。■

入群可参加全年至少12场精彩闭门研讨