智东西

作者 | 三北

编辑 | 漠影

过去一年，医疗 AI 成为大模型落地中最热闹的赛道之一。

互联网巨头扎堆发布健康助手，创业公司密集上线 AI 问诊产品，普通用户第一次开始频繁地与 " 医疗 AI 助手 " 打交道。看病前问一嘴、体检后拍个单子、用药前查一下，正在成为一种新的用户习惯。

根据知名行研机构 Fortune Business Insights 最新数据，2025 年，全球医疗保健 AI 市场规模达到 393.4 亿美元（约合 2717 亿元人民币），预计 2026 年该市场的规模将同比上涨 42% 至 560.1 亿美元（约合 3869 亿元人民币）。

但在这股热潮之下，一个重要的问题逐渐显现：医疗可能是所有大模型落地场景中，对专业性、准确性、可靠性要求最严苛的领域。做一个 " 能聊健康问题的 AI" 并不难——接入通用大模型、套一层医疗术语 Prompt，几周就能上线一个 Demo；但做一个 " 真正具备专科级能力、能辅助临床决策、敢对用户健康管理的医疗大模型 "，中间却隔着难以快速跨越的专业鸿沟。

这道鸿沟究竟有多深？又是由哪些能力共同构成的？为什么有的玩家能做到专业，有的只能停留在 " 表面问答 "？

本文尝试以刚刚完成 X2 底座升级的星火医疗大模型为核心分析样本，从技术底座、专业壁垒与真实场景实测三个层面，拆解医疗大模型这条赛道的真实门槛。

基于讯飞医疗大模型的讯飞晓医界面

一、技术底座：决定医疗模型的能力上限

在医疗这样高度专业化的垂直领域，通用能力是决定专业能力天花板的地基。

医疗问诊、报告解读、用药审核，这些医疗 AI 应用实际上是高度复杂的语言理解与推理任务：症状往往并不完整，描述存在主观偏差；疾病判断依赖多轮信息补全；结论不仅要 " 合理 "，还要符合医学指南、风险可控。一旦通用能力不足，所谓的 " 医疗能力 " 往往只能停留在模板化问答或浅层知识检索。

2 月 11 日，科大讯飞发布基于全国产算力训练的星火 X2 大模型，通用能力实现代际跃升，推理性能相比上一代提升 50%，在数学、推理、语言理解等核心能力上对标国际顶尖水平。这一底座升级直接决定了其上生长的医疗垂类模型能走多远。

基于真实居民健康档案构建的 MedLLM-EHR-EVAL-V2 评测集显示，星火医疗大模型在智能健康分析、报告解读、运动饮食建议、辅助诊疗、智能用药审核等关键任务上，得分均显著超越国内外主流大模型。

星火医疗大模型 X2 的评测情况

这一层的核心结论是：医疗大模型的专业深度，首先建立在足够强的通用底座之上。通用能力若在第一梯队之外，垂类能力的上限将被牢牢锁死。

二、医疗大模型要达到专业水平，至少要迈三道 " 坎 "

当越来越多玩家涌入医疗大模型赛道，真正拉开差距的是做到了什么深度。这种深度，往往由长期积累、方法体系与规模化验证共同决定。

本次，升级后的讯飞晓医推出了全新个人数字健康空间，可系统化管理家庭成员健康资料，实现病程全周期追踪与健康指标深度解析；但医疗 AI 大模型的升级绝不仅限于应用界面的更新，而是有至少以下三道更深的 " 坎 " 需要迈过。

1、第一道坎是能力和数据积累，医疗不是一个能 " 冷启动 " 的领域

医疗并不是一个可以通过短期数据堆叠或提示词工程快速起量的行业。

医学知识体系高度结构化，疾病路径具有明确的临床逻辑，专科能力需要在真实医疗环境中反复打磨。没有长期扎根积累的能力与数据，便无法跨过第一道专业门槛。

以讯飞医疗为例，其深耕这一领域能力已达十年。其自 2016 年成立起便专注这一赛道，" 智医助理 " 系统是全球首个且唯一通过国家执业医师资格考试笔试的 AI 系统，得分 456 分，超越 96.3% 的人类考生。这一专业医疗能力里程碑，至今未被任何其他医疗 AI 达成。星火医疗大模型在门诊场景诊疗能力、住院场景诊疗能力上实现关键突破，专科 AI 能力在业界首次达到等级医院主任级医师水平。

更重要的是，经年累月的医疗实践将能力进一步固化为可复用的知识资产。讯飞晓医现已构建起覆盖 500 余种疾病管理路径的专业知识体系，这是其将三甲医院专家共识、学协会临床路径与一线诊疗经验结构化沉淀的结果。

更稀缺的是诊疗场景中真实流转的数据积累。讯飞医疗大模型在多年时间里持续接收真实诊疗场景的反馈数据，讯飞医疗累计提供的 11 亿次 AI 辅诊建议。比如基层医生采纳了哪些建议、忽略了哪些提醒、患者在后续诊疗中实际被确诊为什么疾病，这类深扎场景的数据积累，是任何新入局者短期内都难以复制的。

这种十年如一日地 " 在场 "，深扎场景、滚动积累的数据飞轮，是任何新入局者短期内无法复制的底层壁垒。

2、第二道坎是验证，专业能力必须被 " 验证 "，而不是被 " 宣称 "

在医疗领域，" 我们很专业 " 是一句没有分量的陈述。真正的专业度必须经得起权威评测和真实临床场景的双重检验。

在这一方面，讯飞医疗跨越这道坎的方式，是从基层到三甲、从路径到评测，层层递进地完成了闭环验证。

在基层实践验证方面，智医助理已覆盖全国 31 个省、801 个区县的 7.7 万余家基层医疗机构，服务超过 25 万名基层医生。基层医生在日常诊疗中持续调用、采纳、反馈，使智医助理在错诊漏诊风险预警、用药合理性审核等核心任务上完成了海量实战检验。

在等级医院实践验证方面，其智慧医院解决方案已进入协和、华西、同济等 500 余家等级医院，其中包括 40 多家全国百强医院、7 家十强医院。在顶级医疗场景中，AI 不是替代者，而是临床决策的协同者。更直观的证据来自慢病管理：基于讯飞大模型的区域慢病管理平台，已实现高血压人群总住院率与心脑血管疾病住院率显著下降——这是一个可以直接换算成医保结余、患者生存质量的关键临床指标。

在路径验证方面，讯飞晓医构建的 500 余种疾病管理路径，是全部经过三甲医院及权威学协会专家评审；评审之后，又在全国 500 多家等级医院完成了规模化落地验证，构成了可量化、可追溯的专业度证据。

以上所有实践验证，最终汇聚成专业评测的 "A" 级成绩单。讯飞星火医疗大模型是国内首个通过上海市医疗大模型应用检测验证中心权威评测的模型，在面向居民的健康分析、报告解读、饮食建议、运动建议四项任务中，星火医疗大模型获得全 A 评价——目前全国仅此一家。

这些 " 硬指标 " 构成了可量化的专业度证明，也是区分深度玩家与轻量入局者的关键分水岭。

3、第三道坎是能力结构，专科深度、指南依从性与推理一致性

进一步拆解，医疗大模型的专业差距，往往集中体现在一些看似不显眼、但极其关键的能力维度上：

其一，是否具备真正的专科级知识深度。 比如普通感冒和早期心衰都可能表现为 " 气短 "，区分两者需要模型理解诱因、伴随症状、危险分层——这是典型的专科能力。

讯飞晓医此次升级的 " 智能思考引擎 "，能够根据问题复杂度自动判断是否启动深度推理模式，在遇到多症状叠加、慢性病史干扰等情形时，调用专科级知识路径进行判别，而非停留在表层科普。

其二，是否严格遵循临床指南与规范。 医疗大模型的回答不能是 " 参考意见 "，而应当锚定权威指南。

讯飞构建的疾病管理知识体系以 500 余种疾病路径为骨架，每一条路径对应明确的指南依据，这在面对高血压用药调整、糖尿病饮食干预等标准治疗场景时，能有效避免 " 自由发挥 " 式的风险。

其三，面对复杂病史时是否能保持判断一致性。 患者不会按照教科书生病，多病共存、既往史干扰是常态。

评测显示，在用户健康档案中叠加多种慢性病史后，部分通用模型会出现前后矛盾或偏离核心问题的倾向，而讯飞晓医基于星火医疗大模型的 " 深度思考 " 模式，能够始终围绕用户主诉与档案数据进行递进推理。

讯飞晓医会结合多源报告综合分析和历史报告综合分析。真实用户往往持有来自不同医院、不同时间段的多份检查报告，讯飞晓医基于个人数字健康空间，能够对多源报告进行综合分析，将不同时间节点的检验指标进行纵向对比，识别指标变化趋势与潜在风险信号，而非孤立解读单次结果。这是判断一致性的重要支撑，也是区别于其他产品的关键能力点。

其四，医疗数据是最敏感的个人信息，用户是否愿意把真实健康信息交给 AI，取决于平台的隐私保护能力。

讯飞晓医支持隐私模式咨询，无痕问答，对话不存档、不沉淀、不用于模型训练；其已通过国家信息系统安全等级保护三级认证、ISO 27701、ISO 27001 等多项权威认证。对医疗 AI 来说，隐私保护不是附加功能，而是医疗 AI 获得用户长期信任的基础设施，也是能力结构中不可缺少的一环。

三、在真实刚需场景中，专业能力最易现形

技术参数和专业认证是 " 后台能力 "，普通用户无法感知。真正的专业差距，最终要回到真实使用场景中才能被看见。

从几个应用案例中我们能有直观的感受。

用户提问 1：" 我有高血压 3 年，最近一周早上起床后头晕、后脑勺胀痛，测血压 145/95，平时吃药是硝苯地平，需要去医院吗？要不要换药？"

这是我们常见的复杂症状咨询，当遇到多症状、慢性病史叠加的情况，一些医疗助手可能会给出 " 正确但无用 " 的笼统建议，如 " 血压偏高，建议就医 "" 遵医嘱调整用药 "。

而讯飞晓医的回答路径明显不同，其明确告诉了用户风险有多急、应该做什么、去哪里做，在风险分层、药理知识和行为引导上都给出了准确建议。

讯飞晓医回答的完整内容

用户提问 2：（上传包含 " 轻到中度脂肪肝、尿酸偏高 " 的体检报告）" 这些指标有没有关联？我平时应酬多，是不是戒酒就行？"

这是体检报告深度解读的应用场景，我让 AI 进行多指标异常关联分析。一些医疗 AI 助手的回答可能只是会提出单项问题，让我定期复查，停留在 " 报告说了什么 " 层面。

而讯飞晓医完成了从 " 是什么 " 到 " 为什么 " 再到 " 怎么办 " 的完整推理链，且具备风险分级和计划生成的能力。这是通用问答与专业健康管理之间的本质差异。值得一提的是，它还能联系本人的健康档案提供建议，这就更体现出一个长期医疗保健伙伴的价值。

讯飞晓医回答的完整内容

结语：医疗大模型，终将回归专业能力的长期竞争

医疗大模型的竞争，从一开始就不是声量之争，而是长期专业能力的积累之争。

当行业逐渐从 " 能不能用 " 走向 " 靠不靠谱 "，真正决定胜负的，将是技术底座的上限、医学体系的深度、以及是否经得起真实场景反复验证。从这个角度看，医疗大模型的专业门槛，远比外界想象得更高。

而在这条高门槛赛道上，讯飞并非唯一玩家，但无疑是目前走得最深、验证最充分的玩家之一。

从 2016 年进入这个领域，到 2024 年成为 " 医疗大模型第一股 "，它用十年时间完成了通用底座自研、医学知识体系构建、临床场景验证、规模化数据反哺这一完整闭环。

可以预见，随着更多玩家进入，医疗大模型的技术代差将持续拉大。医疗大模型的热度或许会退潮，但专业能力的竞争，才刚刚进入深水区。