拼 “落地” 时代，如何定义中国医疗AI新样本？

中国需要的医疗AI：既要足够先进，也要足够踏实。

新眸原创·作者 | 鹿尧

一纸文件，为中国医疗体系的未来五年，画下了一张清晰的路线图。

不久前，国家卫生健康委等五部门联合印发《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》，其中两个时间点尤为醒目：到2027年，智能辅助诊疗在医疗机构广泛应用；到2030年，基层应用基本实现全覆盖。

相比一份关于技术的推广指南，这更像一份医疗体系的升级宣言。它意味着，中国医疗正试图从根本上扭转依赖医生个人经验、人力密集投入的传统模式，转向一条由数据和智能驱动、人机协同的新路。

政策的风向，总是精准地指向行业最深的痛点。将“基层应用”置于首要位置，背后是中国医疗资源分配那道古老严峻的考题——如何让优质的医疗服务，跨越地理与资源的鸿沟，真正实现普惠？答案，正系于AI规模化应用的能力上。

经过数年的概念验证与试点，医疗AI已行至一个临界点。

资本追捧、技术狂欢渐渐退潮，一个更本质的问题显现：当AI要为生命健康承担责任，在严谨保守的医疗场景中创造出可持续、可验证的真实价值时，炫技便毫无意义，它需要的是坚实的疗效证明、无缝的流程嵌入、以及最终，医生与患者的双重信任。

在这个“落地”的关键转折上，我们需要一个具象的样本，来观察理想如何照进现实，而讯飞医疗则提供了一个绝佳的观察切口。

其新升级的星火医疗大模型，专科AI能力在业界首次达到等级医院主任级医师水平，并实现向等级医院复杂场景跨越，AI健康助手“讯飞晓医”主动管理每个人的健康全流程。一系列动作不仅是技术迭代，也是一场关于商业化可行性的规模验证。

它走过的路，遇到的阻碍，以及试图破局的方法，或许正是整个中国医疗AI行业从“技术”走向“价值”的一个浓缩范本。

01

我们需要一个怎样的医疗大模型？

聊天机器人可以陪你解闷，创作AI能帮你写诗，但当屏幕对面是一位询问病情的患者，或是一位需要在复杂诊疗方案中抉择的医生时，我们对AI的要求，便从“有趣”切换到了“可靠”。

这便是所有医疗大模型必须面对拷问：在医疗领域，我们究竟需要怎样的“智能”？

当前，通用大模型在医疗领域的尝试其实已很广泛，比如问诊的时候，AI能帮医生快速整理文书；在家觉得身体不舒服，也可以找AI医生询问建议；大模型还能够帮助药企快速照药，缩短研发周期——但这些场景背后，仍有许多问题。

比如数据不靠谱、容易误诊，隐私不能碰、合规门槛高，AI常常陷入一种“博而不精”的尴尬境地。虽然能够流畅地回答广泛的医学常识，但一旦问题深入至具体的鉴别诊断、治疗方案选择，其局限性便暴露。

这种局限可以概括为两点：“常识充足，专识不足”与“回答流畅，决策存疑”。

前者意味着模型缺乏对罕见病、复杂并发症及最新临床指南的深度知识，无法像专科医生一样进行精准的纵向思考。后者则更需重视——模型可能给出一个听起来合理甚至自信的答案，但其背后的推理链条模糊，即所谓的“幻觉”问题。

当一个模型可能为你的胸痛症状“一本正经胡说八道”时，无论它多么能言善辩，也注定无法被请进严肃的诊疗室。

那么，破局点在哪？讯飞医疗给出的答案，可以浓缩为三个词：安全、可信、专业。这三者共同构筑了医疗AI不可或缺的“可靠性”三角。

安全，是毋庸置疑的前提。在医疗领域，这关乎两层含义：数据安全与产业安全。

医疗数据是最高级别的个人隐私，讯飞星火医疗大模型是“业界唯一基于全国产算力平台训练”，这首先是一条技术路线选择，但更是一条关于数据主权和隐私保障的生命线——从底层算力到上层应用的全链条自主可控，将核心命脉掌握在自己手中。

可信，则是赢得医生信任的关键。要让习惯了“循证医学”的临床专家接纳AI，必须打破黑箱。讯飞提出的“证据可追溯、推荐有依据、决策可解释”，正是对此的回应，这是通过全栈自主可控技术实现的工程能力。

医疗强化循证推理，是让AI模仿医生的临床思维，比如面对一个病例时，模型不仅给诊断建议，还能引用权威医学文献、临床指南，展示从症状到病因的漫长推理链。好比一位优秀医生带教学生，他不仅告诉结论，还会一步步向你解释。这种白盒交互，让医生与AI建立信任。

专业，是最终的价值根本。安全与可信，最终服务于精准有效的医疗辅助。在这一点上，升级后的星火医疗大模型在心血管内科、儿科、呼吸内科等重点专科的综合诊疗能力上达到“主任级医师水平”，试点数据显示，星火医疗大模型专科诊断合理率提升至96%，跨科室诊断合理率提升至91%。

这背后有两项核心技术的支撑：“医学知识反思”与“长思维链推理”。前者让模型持续学习和自我修正，像一个真正的专家那样保持知识体系的先进性。后者则是模仿专家处理复杂问题时抽丝剥茧的思考方式，而非简单地匹配关键词。

这种深度专业的训练，使其实现了在医学知识问答、医疗语言理解、医疗文书生成、诊疗推荐、多轮交互及多模态交互等能力维度，效果全面超越GPT-5（high）及DeepSeek V3.2-Exp。

相比泛泛而谈的更聪明，讯飞能在特定赛道上更懂行。医疗大模型的竞争，已不再是比拼参数规模和对话流畅度的初级阶段。在严谨的医疗场景下，专业、可信，决定了AI能在这条赛道上走多远。

02

场景落地：

AI如何从“可用”走向“常用”？

政策描绘了蓝图，但将蓝图变为现实，考验的不仅是技术的高度，更是对医疗场景理解的深度。中国的医疗体系金字塔，根基在基层。但“基层诊疗能力不足、群众‘看好病’需求难满足”的公众认知，一直是分级诊疗难以推动的关键堵点。

在基层，AI扮演的是“能力放大器”的角色，讯飞医疗的“智医助理”，正践行于这一国家战略。本质上来讲，这是一个全科医生临床决策的支持系统。

举个例子，一个乡镇卫生院，当医生接诊一位症状复杂的患者时，智医助理能实时提供辅助诊断和排查建议、药物禁忌提醒和病历规范质控。这并非替代医生做决策，而是依托星火医疗大模型和权威医学知识，将不同诊断的循证推理逻辑可视化，帮助医生更全面诊断。

规模本身，在这里成为一种强大的壁垒和价值。覆盖全国31个省市801个区县、超7.7万家基层机构，提供超11亿次AI辅诊建议——这些数字已经构成一个飞速转动的“数据飞轮”：每一次真实的辅助诊断，都在为模型贡献新的、高质量的临床数据，使其变得更聪明、贴合实际。

随着讯飞医疗在基层得到规模化验证，它的下一站是到更复杂严苛的等级医院，成为医生的“专家级伙伴”。三甲医院的医生，面对的是海量的文书工作、高频的接诊压力以及极其复杂的专病诊疗。他们更需要一个能理解专科思维、能处理复杂信息、能分担智力劳动的副驾驶。

于是，我们看到讯飞星火医疗大模型面向等级医院发布的“智医助理医院版1.0”，它的设计逻辑，紧密围绕着等级医院的三大核心诉求：增效、提质、控险。

增效体现在“病历生成与质控”上。基于智能语音技术，系统能实时将医患对话转化为结构化病历，并从源头进行规范性检查，将医生从繁重的文书工作中解放出来。提质与控险则体现在“辅助诊疗”与“辅助会诊”上：

面对疑难病例，它能基于最新的指南和文献，提供动态的鉴别诊断思路和治疗方案推荐，其“循证思维链”让建议变得透明、可讨论。在跨专科会诊时，它能快速梳理患者冗长的病史，主动识别潜在的风险，辅助生成会诊意见。

最终通过人机协同，让顶尖医疗专家将宝贵的精力集中于最具创造性的诊断决策和与患者的深度沟通上。这正应了计算机科学家唐纳德·诺曼的一句话：“完美的辅助设备不一定能完成所有工作，但一定会让工作达到最佳效果。”

当视角从医院转向个人，医疗AI的叙事则从“治疗”转向了“管理”，核心是从“被动治疗”到“主动健康”的迁移。

我们大多数人的健康管理碎片化且被动，体检报告、用药记录散落在各处，医生的叮嘱听完就忘。这种状态，直到某天身体发出严重警报才会被打破。讯飞晓医APP的升级，正试图攻克这一痛点。

目前，讯飞晓医已完成超1.6亿次AI健康咨询，用户满意度达98%。它为每个用户打造一份真正“活”起来的健康档案。不仅能手动录入，更能智能识别和解析体检报告、病历等文档，将分散的血压数据、血糖值、用药记录，串联成一条连续、可视化的个人健康轨迹。

在此基础上，晓医的另一个关键功能“可闭环的健康管理计划”，优先选取了高血压、高血糖与体重管理这三大最具普遍性的需求，提供从计划制定、日常提醒到效果跟踪的全流程服务。这意味着，AI健康助手从事后问答，变成了事前规划师与事中监督员。

在一定程度上，这款产品的意义会更深远：通过将AI的服务场景从医院的围墙内，极大地拓展至每个人的日常生活中，填补了“诊后”与“健康期”的管理空白，让健康的责任主体，从单一的医疗机构，部分地转向了被赋能的个人。

也让我们能够体会到，医疗AI的价值高低并非完全取决于技术指标，而应由对医疗资源均衡化和医疗服务人性化的实际推动力来衡量。

03

中国需要什么样的医疗AI？

行文至此，我们审视了技术，也走过了场景。现在是时候回答最底层的问题了：在资源与需求适配性不足的中国医疗体系里，我们究竟需要一种什么样的AI？

在医疗这个关乎生命与国计的领域，更需要全栈国产化，从而解决国民医疗数据主权的底线问题；只有经过规模化场景验证的AI，如被成千上万家基层机构常态化使用、拥有海量实践经验，才能构筑后来者难以逾越的实践壁垒。

更关键的是，医疗AI不能只是少数尖端医院的奢侈品，他面对的是整个系统核心矛盾的缓解——让优质医疗资源更公平可及。无论是提升基层诊疗水平，还是优化医院运行效率，或是赋能个人健康管理，其最终成效都必须体现在“公平”与“普惠”上。

你会发现，讯飞医疗的路径，精准地回应了时代的需求。

一方面，“老龄化加速”与“医疗资源分布不均”的长期结构性压力，要求AI要解决实际问题，比如基层误诊率下降、医生工作效率提升、患者就医成本降低；

另一方面，在全球数字竞争的背景下，基于全国产算力、全栈自主可控的医疗大模型，不仅是一家企业的商业选择，同样是保障国家医疗健康数据安全的战略基石。

回看五部门《实施意见》中设定的2027与2030目标，核心诉求依然优质医疗资源的可及化。政策的指引，实则是为整个行业筛选出那些真正“既懂技术，又懂医疗”的长期主义者。

中国需要的医疗AI，或许正是这样一种存在：足够先进，能抵达技术的前沿，也足够踏实，能扎根于中国最广阔的医疗土壤，让“健康中国”的图景，变得更清晰。

本文系新眸原创，申请转载授权、商务合作请联系微信： ycj841642330，添加好友请备注公司和职位。

更多内容，点击下方关注