从智力孤岛到通用平台：华为与南方医院如何重构医院AI操作系统

• HAIP平台，AI时代的医院底层基建。

对于等待胃肠镜活检病理报告的患者来说，一周的等待往往是漫长的煎熬。而对于显微镜前的病理科医生而言，这是日复一日的体力透支，他们需要逐张切片、逐视野地排查近万个细胞，一张复杂切片就要耗费数分钟。

在南方医科大学南方医院（下称“南方医院”），这种双向的折磨正在大幅度改善：AI如今最快只需1秒钟就能完成切片初筛，将阳性病例的阅片时间压缩至2分钟以内，患者拿到报告的周期也随之缩短至1到2天。

但这绝不仅仅是一个“AI替人干活”的简单故事。

当AI把医生从繁重的重复劳动中解脱出来，更好地与患者对话时，这背后有一套庞大、隐秘且高度集成的底层基建在运转。4月10日，在广州举办的“AI驱动智慧医院建设新范式高峰论坛”上，南方医院与华为联合发布了《医院通用人工智能平台技术白皮书》及HAIP（医院通用人工智能平台）解决方案。

在这场以“数智融合·赋能医疗”为主题的论坛背后，医疗AI的竞争已从“单点应用”正式升级为“底层基建之战”。

在烟囱密布的系统里，做不好AI

AI大模型席卷各行各业，但在容错率极低又事关民生大计的医疗领域，如何做AI变革需要成体系的部署，更需要医院、医生、患者和AI厂商的多方参与。

去年底，国家卫生健康委等五部门联合印发了《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》，明确要求推动人工智能在基层医疗、临床诊疗、患者服务、科研教学、医院管理等各个方面落地应用。

从数字化到智能化，南方医院一直是变革的引领者，有着让同行艳羡的数据厚度。“我们建立了院级的医疗大数据平台，盘活了27年沉淀历史数据，我们历经三大厂商系统整合了27年的全量数据接入二十多个业务系统，采集了全院1033万患者，6718万就诊人次，实现了T+1的更新。”南方医院院长孙剑自豪地说。

但过去几年，国内不少公立医院在推进智能化过程中，容易陷入“烟囱式建设”的泥潭。医院往往按科室需求零散采购AI应用：影像科买一套看肺结节的系统，病理科又买一套看切片的系统。

这种“打猎式”的单点部署，导致了严重的资源内耗。首先是数据孤岛，各系统数据格式不一，缺乏统一接口，分散的病历和影像无法形成高质量的AI语料库；其次是算力烟囱，科室各自为政部署服务器，多模型与多智能体无法协同，造成算力极大浪费。

这种建设模式还必须面对人才匮乏的难题，医院缺乏懂医疗与AI的复合型专家，且传统软件商的AI底层能力偏弱，多点开花的发展模式难以避免。而开发壁垒更是不小的挑战，现网应用厂商众多，接口极其复杂，导致AI应用开发周期极其漫长。

“过去都是各个学科、各个专家基于自己的需求，打造各自独立、互不通讯的烟囱式AI智能体。”孙剑对36氪直言。

为了摸清底数，华为与南方医院的专家团队深入24个科室开展调研，累计访谈284人次，收集了超过100条AI相关需求。调研结果印证了一个迫切的现实：医院并不缺零散的工具，缺的是一个能统筹全院数字资产的“大脑”。

这也是南方医院选择和华为合作的原因所在。HAIP平台的三层结构就是为了解决上述难题而设计：最底层是算力和数据平台，中间层是各种模型（包括通用基础模型和专科模型），最上层是面向医生和患者的工具和应用。

孙剑将HAIP平台的推出比作修路，与其让每一个科室去建独立的系统，不如整体做宏观布局，建一个基座平台。把这条高速公路建好以后，各家各户的智能体就像汽车一样，都可以在上面高效地跑，未来才有无限的拓展空间。

华为医疗卫生军团总裁张伟力则将这种架构的价值比作“医疗界的鸿蒙”：所有的应用厂商和医生只需运行在统一的操作系统之上，就像操作Word文档一样简单，而无需去感知底层复杂的算力调度 。

底座重构：

自主架构下的“算力精算”与生产力解放

在医疗这一对安全性与可持续性有着极高要求的领域，任何智能化转型的核心都绕不开底层架构的稳固与经济性。HAIP平台在底座重构上，展现了一套逻辑严密的“算力经济学”。

医疗数据首先要求保障安全与隐私。为此，HAIP平台构建了基于自主创新架构的AIDC算力底座，通过AI数据湖提供全院统一的数据视图，彻底打破数据孤岛。这套系统从底层计算到上层的容器管理软件，实现了全栈式的技术自主，在确保数据不出院、不出域的前提下，为医院构建了一座管得住、用得好的“数字粮仓” 。

大模型的训练与推理成本高昂，是许多医疗机构在智能化门槛前望而却步的主因。针对这一痛点，HAIP平台首创了“昼推夜训”的潮汐调度机制，依托DCS AI容器底座实现算力切分和任务智能调度，AI算力利用率提升30%以上。

这一机制的核心在于对算力资源的动态精算，AI数据平台的知识库、记忆库和KV Cache加速能力实现毫秒级检索响应，提升推理准确率：在白天的就诊高峰期，平台将算力池优先分配给门诊、急诊等实时推理任务，确保医疗影像、辅助诊断等应用能毫秒级响应临床需求；到了夜间，系统则自动切换，将空闲算力集中用于模型的增训与迭代 。通过这种资源错峰利用，全院整体AI算力的利用率可以提升30%以上，大幅降低了医院应用大模型的边际成本 。

AI除了算力强、成本低，还要真正能落地干活，把“脏活累活”从医生手中接过来，才能解放生产力。华为在医疗行业的定位始终清晰，即“做行业使能平台”，通过ModelEngine人工智能工具平台实现多模态模型管理，数据飞轮支撑模型快速迭代、越用越准，自然语言生成智能体能力，让医生无需懂代码即可轻松开发出专属的数字分身。这意味着，HAIP平台可以包揽智能化转型中那30%繁琐、技术门槛高且重复性强的底层工作，包括大规模数据的采集清洗、智能标注以及算力基础设施的运维。

为了确保这种变革不成为医生的负担，平台采用了开放式架构，能够无缝兼容现有的HIS（医院信息系统）与PACS（影像归档和通信系统）等业务流程。在实际落地过程中，这种“无感接入”确保了医生不需要改变现有的作业习惯，保障了医疗服务的绝对连续性 。

通过标准化的底层能力，医院也得以从繁重的IT运维中解脱出来。正如南方医院副院长刘杰所言，这种统一底座的建设，不仅规避了重复投入的浪费，更让医院得以通过建底座来提升AI系统能力，把临床经验、管理经验沉淀下来变成医院核心的竞争力。

生产力重塑：

AI平台如何改变“医-患-院”结构

算力底座的重构，最终目的是释放临床一线的生产力。当底层的繁杂工作被HAIP平台接管后，AI在真实的诊疗场景中，正以“多智能体”和“数据飞轮”的形态，实质性地改变医生、患者与医院的日常。

极简开发与“多智能体”

把时间还给医生

在南方医院健康管理中心，超声医生每天需要出具约1500份报告，其中一半以上可能存在异常。过去，这高度依赖人工三级检审，医生长期处于高强度的机械劳动中。如今，AI智能检测系统承担了90%以上的重复筛查工作，关键问题检出率达90%以上，这为每位医生每天节省了约2小时，用于更关键的复杂诊断 。

如今，随着HAIP平台的建立，日后将有更多上述这样的医疗智能体涌现，更多的科室、医生和患者将会因此受益。这是因为HAIP平台大幅度降低了开发医用智能体的技术门槛，借助NL2Agent（自然语言生成智能体）能力，医生将无需编写代码，只需用日常语言描述需求，平台即可在几分钟内自动生成专属的数字分身。以后，服务于医疗日常工作的智能体，上线周期有望缩短70%。

从“消耗品”到“数字资产”

越用越聪明的飞轮

高质量的医疗数据过去往往随着诊疗结束便归于沉睡。HAIP提供的智能标注流水线，正在将这些“消耗品”转化为核心资产。以病理数据为例，AI预先标出可疑区域后，医生的标注效率从人工的每人每天50张提升到300张，效率提升超过6倍，且准确率达85%以上。

更重要的是，平台打破了AI“出厂即定型”的局限。系统内置的自助增训工具链，能自动记录医生的日常反馈并启动新一轮训练，使模型准确率从最初的80%逐步自主提升至95%以上 。专家的每一次诊断，都在为医院沉淀可复用的数字资产。

打破资源壁垒

从治病到长效管理

大三甲医院的算力与模型，如果不向下延伸，便失去了更广泛的社会意义。

我国慢性乙肝感染者约占全球三分之一，大量患者由于缺乏早筛，初诊即是晚期。南方医院感染内科已经将复杂的肝癌诊断经验转化为aMAP肝癌筛查评分，并通过线上小程序和社区“彩虹小屋”下沉到基层 。医疗干预的时间点，被大幅前置到了社区日常筛查阶段 。

这一下沉带来了可观的经济与社会效益：肝癌早期诊断率从传统的23.2%提升至67%；以一个县级市的数据为例，仅一年就节约医保支出超过7500万元 。

在慢病管理领域，南方医院牵头研发的我国首个慢性肾脏病综合管理大模型“智肾”提供了另一个样本 。该模型整合了权威诊疗指南与约2000万患者的全息医疗数据。目前，“智肾”已在广东化州、吴川等基层医院落地，实质性地填补了基层专科能力的空白 。

未来，这些AI工具跑在通用平台上后，将可以惠及更多人群。通过HAIP的“云边协同”架构，大三甲医院作为中心端负责训练模型，乡镇和社区等基层医疗机构只需部署轻量级边缘设备，即可一键接收模型下发并同步升级。

产业纵深：

打破适配壁垒，上下一心

作为医疗行业的基础设施，HAIP的价值不止步于解决单家医院的效率难题，更在于重构整个医疗AI产业链的生态规则。

北京惠每云科技董事长张奇与华为及南方医院合作了多年，他将过去的医疗AI开发现状比作“功能机时代”：“当你想把专家的顶尖成果向外推广时，发现需要适配各家医院不同型号的系统和数据，推广成本极其高昂。”

HAIP平台的出现，被业界视作医疗AI领域的通用底座。它试图抹平不同厂商版本与底层数据之间的差异，让医生和开发者只需关注智能体应用的打磨，而无需操心跨院适配的底层消耗。

为了让这套复杂的系统工程有据可依，避免更多医院在算力投资上走弯路，本次论坛联合发布的《医院通用人工智能平台技术白皮书》系统回答了“医院到底该怎么建AI”这个问题，提供了从顶层设计到具体落地的一整套方法。这是国内第一份系统提出医院“AI操作系统”的技术文档，南方医院副院长刘杰将其概括为行业所需的“标准施工图和避坑指南”。

在落地环节，白皮书给出了明确的“六步走战略”。先做整体规划，然后选一两个场景先试，接着准备数据、开发模型，再全院推广，最后长期运营。

同时，南方医院与华为揭牌成立了“AI全场景智慧医院联合创新实验室”，共同打通从临床需求到技术落地转化链路的孵化器。南方医院副院长郑磊说，实验室将针对临床需求，不断研发更多的智能体，并且让这些智能体跑在HAIP的跑道上。而要实现这一目标，必然需要跨界合作，也必定会带来医学技术与医院运营管理领域的新质生产力。

在这个更为宏大的图景中，HAIP不应是一个封闭的黑盒系统。以“智肾”大模型为例，其底层正是基于当前备受关注的DeepSeek大语言模型和自主创新环境研发。白皮书中明确提出，致力于构建开放共享的生态体系，未来大型三甲医院训练成熟的优质专科模型，将通过社区进行开源共享，供基层医院直接下载使用，实现“一次建设、多处受益”。

这恰好契合了华为在医疗领域布下的长远棋局。华为中国政企教育医疗系统部医疗健康行业总经理郭忠光指出，华为的策略是“向上攀峰，向下赋能”。一方面，联合像南方医院这样的大型三甲医院攻坚医教研等高难度场景，产出顶尖的专科智能体；另一方面，通过云边协同架构，将这些专家经验沉淀下沉，通过技术手段实现优质医疗资源的真正扩容。

随着这套医疗界“AI操作系统”的规模化落地，一场用底层算力重构产业规则、消弭医疗资源鸿沟的深刻变革，才刚刚拉开序幕。华为副总裁李俊风对合作寄予厚望，期待将南方医院的AI全场景建设打造成全球样板间。孙剑对此甚为认同：“这代表着高度智能化的未来医院。”