人工智能正从技术突破加速走向产业落地。
6 月底，浙江宁波，华为中国行 2026 · 宁波新质生产力创新活动上，一系列 AI 相关的重磅成果集中发布。在 AI 生态发布环节，" 昇腾聚力，联创未来 " 宁波 AI 场景化联合解决方案的亮相尤为引人瞩目，这是华为联合各行业生态伙伴，共同打造出的一系列可落地、适配不同领域需求的 AI 软硬件方案。
这其中，全诊通 AI 医疗解决方案以 " 医学大模型 + 应用智能体 "，致力于破解医疗领域 " 系统多而重 "、重复建设等系列挑战，以 " 数据智能 " 一体化赋能临床与科研，为医疗健康领域打造新质生产力。
医疗 AI 为何落地如此之难
权威数据显示，2025 年，我国医疗卫生机构总诊疗人次达 105.8 亿人次。可以说，医疗 AI 在中国有着广阔的市场前景。
去年底，国家卫健委正式发布《关于促进和规范 " 人工智能 + 医疗卫生 " 应用发展的实施意见》，明确指出有序推动人工智能在辅助诊疗、健康管理、医保服务等场景的应用；今年 4 月，国家医保局正式将 12 项 AI 辅助诊断项目纳入全国统一医保乙类目录，AI 辅助诊断第一次具备全国性、制度化、可持续的付费基础。
毫无疑问，随着技术奇点临近、政策导向明确、市场发展显著，医疗 AI 的前景被一致看好。但医疗 AI 的落地之路并非坦途，过去几年，大量 AI 产品长期停留在 POC（概念验证）阶段，难以真正融入医生的日常临床工作流，很多 AI 应用仅仅是一个高级搜索引擎或者表单选择工具，并未真正融入到医疗场景之中。
究其原因，主要有以下三点：
01
标准化交付与个性化生态的天然撕裂：不同等级、不同专科的医院都是独特的生态体系，其个性化需求与 AI 厂商标准化的模块交付之间存在巨大矛盾，传统医疗信息化 " 千院千面 " 的定制化惯性，在 AI 时代似乎并未因技术进步而消解。
02
私有化部署与算力成本的现实阻碍：众所周知，动辄千亿参数的医疗 AI 大模型部署，也意味着极其高昂的硬件投入，后续还会面临着运维管理等一系列挑战，一旦算力资源不能充分利用，将带来极大的成本浪费。
03
API 对接成为医疗 AI 面临最为现实的 " 最后一公里 " 难题：医疗机构普遍已经建成了包括 HIS 在内各种业务系统，但 HIS 等业务系统厂商繁多、接口标准难以统一，医疗智能体在接口联调时往往容易陷入系统对接中的 " 集成沼泽 "。
综上可见，医疗 AI 要从概念验证走向价值落地，必须同时跨越标准化交付、低成本部署与系统集成这三道关口。这意味着，医疗 AI 打造新质生产力的关键，不在于单一技术的 " 炫技 "，而在于能否形成一套 " 基础设施 - 模型 - 应用 " 一体化的解决方案，既能兼容不同医疗机构的个性化生态，又能以可接受的算力成本实现本地化部署，还能与既有业务系统无缝衔接。
以此为目标，全诊通从临床真实需求出发，深入全国多省市医疗机构的一线场景，打造出覆盖 " 基础设施 - 医疗模型 - 智能体应用 " 全栈能力的医疗 AI 一站式解决方案，为破解上述行业性难题提供了一条可验证、可复制的实践路径。
AI 一站式方案，让医疗服务既有速度又有温度
全诊通的医疗 AI 一站式解决方案包括 " 基础设施 - 医疗模型 - 智能体应用 "，从适配医疗机构的底层基础设施，到构建医疗专业大模型完整工具链的综合服务平台，再到自主研发的强推理、高精度、多模态和多任务的全诊大模型，以及全诊通 - 医生助手、全诊百灵 - 数字医生等 AI 应用，构建起覆盖医疗 AI 全链条的技术能力，真正将 AI 从聊天工具升级为深度嵌入医生工作流的工作助手，助力医生高效完成临床与科研任务。
据悉，截至当前，全诊通医疗 AI 一站式解决方案已经在全国百余家医院中得到应用，其中 80% 为三甲医院，为超过 3 万名医生提供服务。
以全诊联合昇腾打造的全诊通 AI 医生助手为例，其包括病历助手、诊疗助手、学术助手、医保助手等五大核心能力。众所周知，写病历是当下医生临床中一项重要的工作，而中国的医疗服务人员素以高强度工作著称，每天需要接诊大量病人，还需要耗费大量精力面对写病历等不得不做的事情。但接入 AI 又不是简单地搭建个工作流和接入大模型，而是需要让 AI 更加贴近医生的决策逻辑，让 AI 有速度的同时更具 " 温度 "。
为此，全诊通 AI 医生助手采取两侧策略，首先通过真实诊疗数据进行后训练，让模型更贴近医生决策逻辑，然后引入检索增强，在生成结果的同时调用最新文献和知识库，给出 " 证据 "，快速帮助医生完成病历书写和诊疗决策辅助，在确保正确的同时大幅提升医生的工作效率。
同时，医疗 AI 一站式解决方案的全诊大模型综合服务平台具备医疗专业大模型完整的工具链，包括数据合成与标准、医学模型训推、模型评测与监控和智能体生产等。以智能体生产为例，医疗机构的定制化开发是数字化时代绕不开的难题，通过智能体生产平台，医疗机构可以彻底改变过去 " 人工配置、手动编排 " 的开发模式，让非技术背景的临床科室人员只需通过自然语言对话，即可高效、便捷地生成符合本院需求的的专科 AI 应用和智能体。
再如，医疗 AI 一站式解决方案为确保本地高效部署和快速集成，通过前沿的模型压缩技术，将千亿参数模型成功压缩至百亿级别，更加适合医疗机构本地部署的需求；同时，在保证模型专项能力持续进化的前提下，通过轻量化部署的方式大幅降低成本，且确保核心医疗数据 " 不出院 "，契合当前的等保合规要求；更无需改造医院原有的信息系统核心与底层接口，通过 "HIS Claw" 无感集成无缝写入 HIS，实现了系统间的高效交互。
随着 AI 全面深入到卫生健康领域，毫无疑问，医疗机构正在迎来生产力变革，传统依靠增加医生数量、延长工作时间和扩大院区规模的方式已然走不通；而 AI 技术的突破，则真正从技术层面全面重构 " 医疗服务 "，全诊通的医疗 AI 一站式解决方案，把医生从繁重、重复的工作中解放出来，将更多精力投入于更深入的医患沟通、更细致的病情分析、更充分的患者教育，从而让医生的工作更有温度。
昇腾训推一体机，医疗 AI 的数智底座
在全诊通的医疗 AI 一站式解决方案中，昇腾训推一体机堪称数智底座。
众所周知，出于数据安全与隐私保护的红线要求，大模型本地化部署几乎成为医疗机构的标配。通过昇腾训推一体机，医疗机构能够在本地完成数据训练与推理，全诊通的医疗 AI 一站式方案才能将医疗大模型、智能体等与医疗场景深度适配，并实现高效部署与交付。
这要得益于昇腾长期坚持的 " 硬件开放、软件开源 " 的生态战略。在硬件层面，昇腾开放模组、参考设计等能力，为合作伙伴打造差异化一体机提供丰富、开放的硬件底座；同时，昇腾 CANN 已实现全面开源开放，为开发者提供完整、高效、开放的算子开发体系，并全面兼容主流开源生态，无需重构技术栈，降低合作伙伴迁移成本。
另外，为适配不同行业需求，构建可落地的 AI 方案，昇腾还在生态使能层面下功夫，通过分层级的技术支持体系与标准化的参考设计流程，大幅降低伙伴开发门槛，助力全诊通等各行业合作伙伴能够根据自身行业情况，快速完成从研发到认证的商业闭环。
综合观察
全诊通医疗 AI 一站式解决方案的成功，揭示了医疗 AI 一个清晰的发展趋势：在 AI 走向行业纵深的过程中，" 一体化平台 + 垂直应用 " 的模式将成为主流，它让医疗机构不被底层基础设施和大模型等技术细节所困扰，将精力聚焦于最擅长的业务场景创新之上，真正推动医疗 AI 从 " 能用 " 走向 " 好用 "，从 " 单点突破 " 走向 " 全景赋能 "。
全国卫生健康工作会议提出十五五期间需要 " 大力发展卫生健康新质生产力 "。新质生产力不是冰冷的效率指标和空洞的话语，它应该体现为医生从繁杂事务中赢得的时间，体现为患者从焦虑等待中获得的笑容，更体现为每一份被细心守护的医者初心。这就是全诊通医疗 AI 一站式解决方案所探索的意义：用技术守护那些无法替代的东西：医者的专注，患者的信任。
END
文章精选
#
#
#
#
#
#
#
#
#
#
大数据在线是聚焦人工智能、大数据、云计算等前沿科技领域深度观察的深度媒体。目前，大数据在线在微信公众号、今日头条号、新浪财经、36 氪、雪球号、观察号等主流自媒体平台均有入驻，积累粉丝超过 20W；并荣获今日头条十大科技新锐媒体、商业新知十大人工智能媒体等多项殊荣。商务联系请添加微信：Owen_Inter，添加请备注具体信息。
>>>
登录后才可以发布评论哦
打开小程序可以发布评论哦