专访智慧眼邱建华：医疗AI的壁垒不在技术

作者：Colin

来源：GPLP科技说

当DeepSeek们正以摧枯拉朽之势渗透医疗场景，用通用大模型讲述“知识平权”的故事时，一家从人脸识别起家的公司，却选择了一条难但正确的路杀入市场。

作为2009年在北京成立的智慧眼科技股份有限公司（以下简称“智慧眼”），其特殊之处，不在于它宣称自己做出了多强大的“大脑”，而在于它毫不避讳地指出，医疗AI的终局不是算力竞赛，而是在能否嵌入真实世界的价值协同。

当遥不可及的AI技术被运用到现实生活中时也孕育出了，智慧眼研创的智能体“肾小保”，让患者平均住院次数降低了23%，医保基金使用效率提升了18%，医院管理效率提高了35%，形成医保、医院、患者三方受益的价值闭环的成绩。

同时，通过知识图谱沉淀知名老中医的临床经验，并依托医保支付为抓手对疗效进行真实世界验证，智慧眼已形成了独特的G端筑底、B端赋能、C端规模化的成熟商业模式。

基于上述成熟的商业模式，在AI行业企业普遍在亏损的背景下，智慧眼成为了连续多年盈利的AI公司的独特存在。不仅如此，由于智慧眼在医疗AI 赛道的技术创新、产业落地与行业价值，智慧眼董事长邱建华更是在2026年3月当选国际人工智能科学院（AAIS）医疗AI委员会理事。

但显然，智慧眼的故事，到此还远未停止，其更加宏大的愿景是2035年，成为全球首个长寿健康基础设施平台… …

基于以上，这次专访，我们试图拆解一个核心命题：当DeepSeek们正以摧枯拉朽之势渗透医疗场景，坚持“中西医融合”的智慧眼，它的护城河究竟是技术壁垒，还是对复杂系统的洞察与平衡？

问题的答案，就藏在邱建华的“三医联动”的商业逻辑和智慧眼的诸多现实实践里。

智慧眼科技股份有限公司董事长 邱建华

从“刷脸领养老金”到“扫脸看健康”

智慧眼的起点，朴素得有些不像一家AI公司。

2003年，邱建华大学毕业第一次创业，注意到一个民生痛点：高龄、失能或长期居住在异地的老人，每年必须专程返乡进行生存认证，才能继续领取养老金。

2009年，他在北京创立智慧眼，切入的是社保生存认证这个看似狭窄的赛道，彼时全国20多个省份的人社系统里，超过6亿退休老人通过智慧眼的人脸识别完成远程认证。

人社根基扎稳后，智慧眼团队发现医保监管、病历结构化、慢病管理等场景同样高度依赖身份认证与视觉算法，由此实现了技术边界的自然外溢，并连续三年拿下全球指静脉挑战赛第一、在MegaFace百万干扰级算法挑战赛中排名世界第二，这些早期技术成绩为智慧眼在政务赛道上积累了扎实声誉。

智慧眼业务的第二次跳跃，是从生物识别走向机器视觉。其最初要解决的问题，主要是海关、公安等场景存在大量遮挡、多变光线下的识别刚需。在技术加持下，智慧眼相继承建5项海关总署级重点平台项目，相关应用已在全国17个直属海关落地；同时承建2个省级及十余个地市级天网与雪亮工程。正是在攻克这些工程化难题的过程中，公司锤炼出适应多模态融合的技术底子。

而智慧眼从机器视觉到医疗多模态大模型的第三次跳跃，则最为关键。彼时，多数同行都在扎堆西医影像赛道，但邱建华极具魄力地提出了一个反共识的判断：“中医的望闻问切，本质上就是医生的视觉加多模态感知系统，与智慧眼的技术基因高度契合。”智慧眼由此锚定“中西医融合”的独特路径。

眼下，智慧眼自研的“砭石”医疗多模态大模型，已整合了400多类中医疾病谱、3800多类西医疾病谱及近1000位全国名老中医的50万首方剂，并已承建全国21个省份医保智能监管体系，其面向C端用户的“老来健康”APP，老年用户突破3400万。

站在当下，回看智慧眼从民生刚需起步，到政务场景沉淀信任，最终在AI医疗的同质化竞争中，走出差异化的路径，每一步都不是刻意规划，但每一步都在为下一步积累筹码。

最终，这些筹码，让智慧眼拿到了绝大多数AI公司拿不到的东西，即以医保支付为验证终点的真实世界医疗大数据，这些覆盖用户全病程闭环的“硬数据”，也让智慧眼形成了，比单点的算法，更深层、更难复制的核心竞争力。

“当行业竞争从算法竞赛转向场景落地时，这种在长期服务民生、解决实际问题中积累而来的信任沉淀的价值愈发凸显，让智慧眼在政策准入、数据合作和用户粘性上占据了纯技术公司难以逾越的身位，也使得高门槛的医疗AI赛道，反而成为了保护长期主义者的最好屏障。”邱建华向GPLP科技说说道。

“肾小保”与三端闭环：重构肾病医疗价值链

2025年10月，湖南省邵阳市医疗保障事务中心联合邵阳市中心医院启动了一个肾脏病智能体试点项目——“肾小保”。

三个月后，这个项目从全国75个参选案例中脱颖而出，成为全国首个获国家医保局推广的肾脏病管理AI智能体。

数据是硬道理，患者平均住院次数降低23%，医保基金使用效率提升18%，医院管理效率提高35%。600名腹透患者被成功纳管，形成了“政策引导—临床实施—患者参与”的三医协同闭环。

从表象看，“肾小保”是个AI产品，但在GPLP科技说看来，“肾小保”的更大价值，在于其在医保、患者以及医院，三方之间，通过技术手段，“搭”起了一座桥梁。

正如邱建华所说，在肾病领域，尤其是终末期肾病透析管理，始终面临着“三难”困境。

“数量占比不足1%的透析患者，消耗了4%-5%的医保基金，而其中86%的患者选择了费用更高的血透，这不仅造成医疗资源的低效配置，更意味着巨大的存量优化空间。腹透相较于血透，单次治疗费用降低15%-20%，患者生存期更长、生活质量更高。”

但问题在于：谁来引导患者做这个选择？

“肾小保”做的事，就是把这三个角色的重新对齐，并形成“G端筑底、B端赋能、C端规模化”的三端闭环。

具体来说，在G端上，通过与医保局合作承建全国21个省份的智能监管系统，智慧眼获得了国家级信任背书，同时沉淀了以医保支付为验证终点的真实世界医疗大数据。

随后通过G端积累的疾病谱、诊疗路径和费用结构洞察，将“控费压力”转化为“管理工具”赋能给B端医院，例如“肾小保”智能体嵌入医院HIS系统，帮助医生提前预警风险、优化路径，从而在DRG/DIP付费下实现提质增效，医院自然愿意为此付费。

在C端，则通过“老来健康”APP，将B端成熟的专病模型轻量化，为患者提供个性化的饮食、起居和并发症预警服务，从“管疾病”延伸至“管健康”，实现规模化发展，并通过C端产生的居家数据回流至AI模型，反哺算法迭代。

最终形成一个经由“G、B、C三端”的，数据越用越多、模型越用越准、壁垒越用越厚的飞轮，而这，恰恰也是智慧眼能够在AI行业普遍亏损的背景下保持盈利的根本原因，换而言之，智慧眼的生意，不是卖算法，而是整套的解决方案。

为什么是中医？一次“反共识”的战略选择

在与GPLP科技说交流期间，邱建华透露，在智慧眼的发展史上，有一个决策曾在“内部争议最大”，即当智慧眼已经具备了进入医疗AI的能力时，究竟是冲进影像识别、检验AI、诊疗辅助，巨头林立的西医AI赛道，还是选择另一条几乎无人问津的中医数字化之路。

“当时团队里不少人的疑虑很直接，中医辨证标准化难度高，证候抽象，AI建模的落地难度远高于西医。”

但邱建华用一句话说服了团队：“中医的望闻问切，本质上就是医生的视觉加多模态感知系统”。

能够说出这句话的底气，恰恰来自于，智慧眼从人脸识别到指静脉识别，从公共安全的复杂光线识别到医保场景的行为监控，早已建立了十余年的技术沉淀以及视觉和多模态感知。

但借技术基因顺势而为外，笃定走中医数字化这条路，更深层的原因，是邱建华对商业的敏锐判断。

他看到了两个同行没看到的增量。第一个增量是基层中医的刚需。

“基层中医馆和部分三甲中医院对辅助辨证、病历结构化有迫切需求。中国有大量基层中医师，他们的辨证能力参差不齐，而名老中医的经验传承一直是行业的‘冻土’，没人能啃动。”

第二个增量则是老龄化。在邱建华看来，中医“治未病”的核心理念，天然适配慢病管理和康养市场，而这将是一个全新的增量市场。

于是智慧眼做了一个，即便在今天看来依然大胆的决定：放弃西医影像的拥挤赛道，锚定“中西医融合”的独特路径。

有了方向，也需要团队极强的落地能力与之配合。GPLP科技说注意到，在把名老中医的经验“翻译”成机器能懂的语言时，智慧眼采取了更加讨巧的做法，即不对各流派做对错评判，而是将不同流派的思路、方剂和医案进行结构化存储，清晰标注来源与适用前提，再回到真实世界的临床数据中去验证有效性，并最终形成知识图谱。这样做的好处是，可以摒弃中医的门派之争的杂音，取各家所长，加快中医数字化的进展。

以智慧眼在汝城县基层中医药服务能力提升项目为例，在技术路径上，采用 “砭石 + DeepSeek” 双引擎多模态大模型，对名老中医的医案、诊疗思路、辨证逻辑进行结构化解析，转化为可被机器读取的 AI 辅助诊断模板与智能方剂库。通过高清摄像头、压力传感器等设备采集舌象、脉象等体征数据，AI 算法将其转化为 92 维特征向量，实现中医体征的客观化、标准化表达 。

最终，该项目覆盖汝城县 217 个村卫生室，完成 30 万条名老中医经验的数字化转化，基层医生可直接调用 AI 系统获得 “类名医” 的诊疗指导，中医辨证准确率提升至 90%，村医接诊量翻倍，疑难病症转诊率下降 25%，年节约药材成本超 200 万元 。

而这，还仅仅是智慧眼的“砭石”大模型落地具体场景的缩影，据了解，当下的“砭石”大模型已经可以完整复现名老中医“四诊信息采集—证型判断—方剂推荐”的诊疗全路径，并以标准化数据结构整合中医理论体系。此外，模型还融合神经影像、临床检验、面部微表情、语音障碍、肢体动作、中医舌诊等多维数据，在脑卒中早期识别等场景中实现了突破。

尾声

访谈的最后，GPLP科技说问了邱建华一个略显尖锐的问题：当DeepSeek们用通用大模型横扫一切的时候，智慧眼会不会被降维打击？

他的回答很平静：“通用大模型做的是大脑，我们做的是大脑加小脑加落地闭环。”

这句话的潜台词是：在医疗这个行业，光有大脑是不够的。你还需要理解规则、扎根应用场景、赢得信任——而这些，恰恰是算力和参数解决不了的问题。

智慧眼用17年时间证明了一件事：在医疗AI这条赛道，真正的壁垒不是技术，是技术加场景加数据加信任的复合体。

智慧眼的底牌不是“讲中医多玄妙”，而是输出一套已经在中国医保体系验证过的、可量化的疗效交付能力。