在以底层算力、数据资产为核心的 " 操作系统 " 上，未来会长出无数个专科大模型，长出成千上万个医生的数字分身。

撰文｜张贺飞

编辑｜沈菲菲

在 AI 加速融入千行百业的 2026 年，如果说哪个领域的 AI 落地最被寄予厚望，大概率会是医疗健康。

大型三甲医院往往人满为患，专家号源紧张、医生每天的接诊量巨大、分配给每位患者的时间非常有限。同一时间，县医院、社区卫生服务中心等基层医疗机构，因为服务能力相对薄弱，导致分级诊疗难以有效实施。

正是在这样的背景下，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、医院管理等方面的落地。

摆在面前的问题是：不少医院在推进 AI 落地的过程中，遇到了数据孤岛、重复建设、系统难以互通等问题，原本计划的目标是 " 智能提效 "，结果却成了一场吃力不讨好的 " 系统拼接游戏 "。

就在 4 月 10 日，南方医科大学南方医院与华为联手交出了一份新答卷——面向全球首发了医院通用人工智能平台（HAIP），给出了医疗 AI" 统一规划、全域协同 " 的新范式。

-  01  -

破局"单点式落地"，

打造医院的"AI操作系统"

过去几年里，国内医院的数字化和智能化转型，可以归纳为 " 摸着石头过河 "：各个科室按照自己的需求引入 AI，比如影像科用 AI 看肺结节、病理科用 AI 看切片、信息科用 AI 管病历……

这种 " 打零工 " 式的单点式落地，暴露出了四大核心挑战：

第一个是数据孤岛。每个系统的数据格式不同、接口不一，没法互相调用，形成了一个个 " 数据孤岛 "，数据价值无法有效挖掘。

第二个是AI算力烟囱式建设。每个系统都配了自己的服务器，算力与模型重复部署、多模型与多智能体无法协同，资源不能共享。

第三个是缺乏医疗+AI人才。医院缺乏 AI 专家，个性化需求难满足；传统 ISV AI 能力偏弱，需要支持和培育。

第四个是应用开发复杂、周期长。医院现网应用的厂商多、接口复杂，牵一发动全身，存在大量对接开发。

之所以出现上述痛点，根本原因在于——医院缺少一个统一的底层平台。需要有一个统一的平台，把医院的算力、数据、模型、应用都管起来，让不同的院区、科室可以共享资源、互相调用能力。

在数智化转型中先行先试的南方医院，遇到过同样的问题，最终选择联合华为打造医院通用人工智能平台（HAIP）。不同于过去的各自为战，HAIP 平台针对医疗 AI 的核心痛点进行了 " 对症下药 "。

为了打破 " 数据孤岛 "，HAIP 通过 ModelEngine 人工智能工具平台实现全类型数据智能化标注和多模态 AI 语料生成，数据飞轮支撑模型快速迭代、越用越准，让沉睡的数据变成了可复用的知识资产。以病理数据为例，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。

为了消除 " 算力烟囱 "，构建了 AIDC 算力底座，通过 DCS AI 容器底座实现算力切分和任务智能调度，并设计了 " 昼推夜训 " 潮汐调度机制：白天优先保障门诊、急诊等实时推理任务，夜间自动进行模型训练，整体算力利用率提升 30%。

为了填补人才缺口，HAIP 平台提供了自然语言生成智能体（NL2Agent）能力，进一步降低了 AI 应用的上手难度。医生不需要编写代码，只需用日常语言描述需求，平台即可自动生成专属的数字分身。

为了降低开发门槛，HAIP 平台采用了开放架构，可以兼容医院已有的 HIS、PACS 等业务系统，实现了与医院现有流程的平滑融合。也就是说，医生无须改变作业习惯，无形中保障了医疗服务的连续性。

打一个比方的话，为破局而生的 HAIP 平台，就像是医院专属的 "AI 操作系统 "，让所有的 AI 应用跑在同一个平台上，实现数据打通、算力共享、能力复用和持续进化，驱动医疗 AI 从 " 单点部署、零散应用 " 走向 " 统一规划、全域协同 "。

-  02  -

越用越聪明的"数字外脑"，

把时间还给"就诊"

在 AI+ 的驱动下，医院的业务逻辑正在发生质的改变，最直接的体现就是生产力的释放。

在现代医疗体系中，最稀缺的资源不是高端的医疗设备，而是医生的时间。一个让人无奈的现实在于，不少骨干医生每天不得不将大量精力消耗在重复性的文书工作、基础阅片和病历整理上。倘若能够将高强度、高重复性的工作交给 AI，或许能让医生从繁琐重复劳动中解放出来。

南方医院早已给出了肯定答案。

在南方医院健康管理中心，每天要出具约 1500 份超声报告，过去主要依靠人工三级检审，医生的工作负荷很大。

2025 年 5 月上线 AI 智能检测系统后，直接包揽了 90% 以上的重复筛查工作：系统可自动完成所有超声报告的异常筛查，对发现的问题标红提醒，并自动记录异常信息，全程无需医护人员实时值守。

截止到目前，AI智能检测系统的关键问题检出率达90%以上，累计检测超过25万份报告，每位医生每天可节省约2小时。

在南方医院的病理科，每天接收的胃肠镜活检标本就有 200 多例，需要逐张切片、逐视野观察细胞形态，一张复杂切片分析需要数分钟时间，长期高强度工作，很容易导致疲劳。

依托多年积累的海量优质病理标本数据和专家诊断，南方医院基于大模型开发了一套消化病理人工智能辅助诊断系统，AI 可快速扫描整张病理切片，自动识别正常细胞和可疑病变区域，医生可以快速定位到病灶区域，加快诊断效率。原先一份胃肠镜活检病理报告需要3-5天，现在被压缩到了1-2天。

以上都还只是 HAIP 平台落地前的案例，有了统一的 "AI 操作系统 "，AI 和医疗的 " 化学反应 " 将不断加速。

可以找到的案例还有很多，但 AI 和医疗的 " 化学反应 " 并未止步于此。

比如前面提到的 NL2Agent 能力，医生只需说 " 帮我做一个助手，专门整理肺结节患者的随访记录，到了复查时间自动提醒我 "，平台就能精准理解意图，并在几分钟内自动生成并部署好一个专属的 " 数字分身 "。AI 的角色不再局限于 " 节省时间 "，让每个医生有了一支随时待命的 " 硅基团队 "。

另一个不应该被忽略的信息在于，有别于 " 买来什么样就是什么样 " 的传统软件，在 HAIP 平台上，如果医生对 AI 的判断结果进行了修改或给出了反馈，系统会自动记录这些纠错信息，当数据积累到一定程度，会自动启动新一轮的训练和模型更新。AI 和医生配合得越久，就越懂医生的诊疗逻辑与习惯。

而当阅片、病历整理、随访等重复性工作被 AI 解放，医生们终于可以卸下枷锁，把更多的时间和心力还给复杂的临床决策、还给手术台、还给面对面就诊时不可替代的人文关怀。

-  03  -

"三甲专家"下沉到基层，

医疗普惠不是奢望

仅仅解放医生，可能无法根治当前医疗体系最大的痛点——三甲医院的专家门诊一号难求，而社区的卫生服务中心面临着 " 接不住、看不好 " 的尴尬。老百姓宁可舍近求远去大城市排队，也不愿在家门口首诊。

HAIP 平台的出现，让外界看到了一条医疗资源下沉的新路径。

在平台架构上，HAIP 没有把 AI 封闭在 " 高墙大院 " 内，采用的是 " 云边协同 " 架构：像南方医院这样的大型三甲医院作为中心端，负责训练模型；县医院、社区医院等基层医院部署轻量级的边缘设备。

中心端训练好的模型，可以一键下发给所有基层设备，基层医院不需要买昂贵的算力，不需要自己训练模型，就能获得和三甲医院同步的 AI 能力。每一个基层医生背后，是一个个跑在云端的 " 三甲专家 "。

可以佐证的是，基于 " 云边协同 " 的架构，南方医院的诸多标杆应用已经开始向基层辐射。

直接的例子就是南方医院肾内科侯凡凡院士团队牵头研发的国内首个慢性肾脏病综合管理大模型——智肾。

在专科医生端，" 智肾 " 支持患者综合评估、疑难病例解析、循证医学证据检索及归纳，帮助医生快速获取基于最新指南和大规模真实世界数据的辅助决策建议，提升诊疗精准性和效率。

在社区医生端，" 智肾 " 提供轻量化智能问答系统，相当于为基层医生配备了一位 " 肾脏病专科顾问 "，帮助识别高危患者、规范诊治流程。

在患者端，" 智肾 " 可以为肾病患者提供综合健康管理。其中南方医院的陈婷护士长团队基于 " 智肾 " 研发了慢性肾脏病个性化饮食指导项目，为患者提供科学的饮食建议及每周食谱。

截止到目前，" 智肾 " 已在化州、吴川等基层医院应用，肾病患者在家门口就能获得接近三甲医院水平的肾病管理服务，在一定程度上缓解了三甲医院人满为患、挂号难、看病排队时间长的问题。

同样的例子还有 aMAP 肝癌筛查评分小程序。

南方医院感染内科基于全球合作网络构建了 aMAP 肝癌筛查评分，并以小程序为载体线上赋能肝病病程管理。目前该项目已在线下覆盖 17 家医疗单位，累计完成超过 52 万人次筛查，将早期诊断率从传统的 23.2% 提升到了 67%。未来通过 HAIP 平台，慢性肝病的筛查与管理能力，将高效地覆盖到更多区域。

有理由相信，在 HAIP 平台的赋能下，城乡之间的医疗差距将不断缩小，县域及乡镇医疗机构有望在 AI 的辅助下达到接近三甲医院水平的诊断能力，让 " 大病不出县 " 不再是口号，而是每一位普通中国人的日常。

-  04  -

从"烟囱"到"雨林"，

智慧医院的新范式

不只是 HAIP 平台，南方医院与华为联合全国多家头部医院及合作伙伴，共同发布了《医院通用人工智能平台技术白皮书》，首次定义了医院通用人工智能平台的参考架构和建设范式。

一份凝聚了行业共识的白皮书，标志着中国医疗 AI 正在从试点走向规模化落地，正式告别 " 单点部署、零散应用 " 的蛮荒时代，迈入了 " 统一规划、全域协同 " 的阶段，为全国医疗机构提供了一条可复制、可推广的建设路径。

把视角再放大一些，HAIP 代表的不单单是操作系统级的解决方案，更像是一片肥沃的黑土地：在以底层算力、数据资产为核心的 " 操作系统 " 上，未来会长出无数个专科大模型，长出成千上万个医生的数字分身。彻底结束烟囱式的建设，形成一个开放、共享、持续进化的医疗 AI 生态雨林。

推荐阅读

 《藏在化橘红里的数字农业隐喻》

 《打造 " 龙虾军团 " 必须跨过四道 " 生死坎 "》

 《华为为何能将 AI 融入千行百业？》

 《" 新拼姆 " 想要做线上版的 Costco？》

点 "推荐 "，变好看哦。