2.1 亿、医学 AI 创新服务平台大单

2025 年 11 月 17 日， 浙江省卫生健康信息中心发布《 医学人工智能创新服务平台（2025 年）项目》招标公告，预算 208050000 元。

项目背景：

浙江是数字经济先行省、全国“互联网+医疗健康”示范省，在全国率先实现全省域医疗卫生机构数据实时互通，创新打造健康大脑、浙医互认、浙里急救、浙里护理、浙里健康 e 生等一大批重大应用场景，为医学人工智能创新发展奠定了坚实的基础。2025 年，浙江省卫生健康委等 10 部门印发《浙江省加快推动“人工智能+医疗健康”高质量发展行动计划（2025—2027 年）》，提出以高标准建设国家级人工智能医疗行业应用基地为引领，推动人工智能全面赋能卫生健康事业和生命健康产业。

医学人工智能创新服务平台聚焦医学人工智能发展存在的运行算力不足、数据算料短缺、应用验证机制不完善、成果转化路径不明晰等共性行业问题，汇聚政医研企全链条资源，建设医学人工智能创新服务平台。平台将构建覆盖算力、算法、数据的全栈式、统一架构体系，形成强有力的共性技术支撑能力，成为行业机构获取模型训练、算法迭代、数据利用、应用中试验证、标准制定与转化等服务的重要枢纽。聚焦医学人工智能的研发、生产、应用、治理，推动实现从基础设施保障、关键技术攻关到创新应用示范的全链条贯通，助力构建协同高效、可持续发展的医疗人工智能创新链、产业链、服务链。

总体目标：

聚焦医学人工智能发展存在的运行算力不足、数据算料短缺、应用验证机制不完善、成果转化路径不明晰等行业共性问题，建设“1+4”医学人工智能应用服务平台（2025 年）。“1”是指医疗健康 AI 产品服务平台；“4”是聚焦医疗大模型从训练、测评到应用的全链路服务平台，包括医疗健康湖仓一体大数据平台、医疗健康大模型研发平台、医疗健康大模型测评验证平台、医疗健康多模态数据管理服务平台，提供全栈式、统一架构体系的共性支撑能力，成为行业机构获取模型训练、算法迭代、数据利用等服务的重要枢纽，打造医疗人工智能创新链、产业链、服务链。

分项目标：

1）医疗健康湖仓一体大数据平台

建设医疗健康湖仓一体大数据平台，主要包括数据标准管理、建模治理、湖仓存储等核心模块，配套多模态标注、资产管理等工具链，形成高质量数据集及语料库，汇聚至行业可信数据空间，实现数据共享开放、授权运营流通的规范化管理，为医疗大模型训练、微调与推理全场景提供坚实的数据基础支撑。

2）医疗健康大模型研发平台

建设医疗健康大模型研发平台，主要包括千亿级医疗基础大语言模型自主训练和覆盖“训练 - 推理 - 开发 - 协同 - 运维” 全流程一体化平台，实现 “数据 - 模型 - 应用 - 服务” 全流程闭环，支撑医疗大模型迭代优化与 AI 原生应用快速开发交付。

3）医疗健康大模型测评验证平台

建设医疗健康大模型测评验证平台，主要包括基础能力与场景能力结合的自建测评集、专业评分模型、测评服务与运营管理系统。专业评价模型，支持 AI 评分逻辑设计、参评模型 AI 打分等；测评服务与运营管理系统，实现参评机构自测演练、榜单公示、评价体系、测评集及试题等动态维护。

4）医疗健康多模态数据管理服务平台

建设医疗健康多模态数据管理服务平台，主要包括多模态数据标准化管理、智能化标注工具及医疗人工智能科研专属服务系统，实现全域多模态数据统一管控与高质量处理，形成标准化数据集与语料库，支撑医疗大模型研发与人工智能科研分析双重需求。

5）医疗健康 AI 产品服务平台

建设医疗健康 AI 产品服务平台，提供业务集成、资源服务、运营决策服务，实现用户精细化管理、产品全生命周期管理、专家委员会调度管理，并通过开放式资源供需平台，为供需双方提供需求发布、审核、认领全流程管理。

建设规模：

1、需要利用多维度健康医疗公共数据提升模型准确率，至少应涵盖中门急诊病历、门诊处方信息、入院记录、出院记录、手术记录、检查报告、检验报告、住院医嘱等健康医疗公共数据，不少于 5 亿条。

2、训练千亿参数医疗基础大语言模型，开源最大尺寸不低于 72B；模型服务 API 支持订阅数不少于百万量级，服务主体数支持不少于 400 家医疗机构；在国内外医疗模型相关主流评测中排名前三名，医疗基础语言大模型具备医学知识问答、医疗安全伦理、医疗病历理解、患者医疗服务、医生诊疗服务、医学语言生成、复杂医学推理等服务能力，可支撑至少 40 个专科垂类大语言模型研发。

3、建设医疗健康大模型研发平台，可支撑至少 40 个 AI 原生应用开发与稳定运行。其中智能体研发平台需要具备大模型调用、逻辑编排、应用调用、工作流调用等功能模块，提供医疗通用基础大模型、40 个以上专科模型，以及相关医疗行业应用接口、通用组件调用。

4、基于医疗健康大模型研发平台进行模型预训练：

1）在显存充足的单卡计算资源环境，基于分布式训练框架， bf16 精度情况下，10B以内模型预训练，单步耗时在 5s 以内，每秒训练吞吐可达到 20 样本以上。

2）在显存充足的 8 卡计算资源环境，基于分布式训练框架，bf16 精度情况下，10B 以内模型预训练，单步耗时在 3s 以内，每秒训练吞吐可达到 60 样本以上。

5、基于医疗健康大模型研发平台进行模型推理：

1）显存充足 8 卡分布式推理场景，针对国产通用大模型，如：Qwen3-32B 模型，bf16 精度，50% 的 TTFT（Time To First Token 首 Token 延迟）不高于1s，90% 的 TPOT（Time Per Output Token，不含首个Token 的每个 token 输出延迟）不高于 50ms，且 QPS 不低于 1.3。

2）显存充足 16 卡分布式推理场景，针对国产通用大模型，如：DeepSeek-R1-0528，bf16 精度，50% 的 TTFT不高于 2.5s，90% 的 TPOT 不高于 85ms，且 QPS 不低于 0.3。

6、建设医疗健康大模型测评验证平台，构建 15 个基础能力和 12 个场景能力自建测评集，每个自建测评集所含高质量题目数量不少于 2000 题。

云头条声明：如以上内容有误或侵犯到你公司、机构、单位或个人权益，请联系我们说明理由，我们会配合，无条件删除处理。