深圳商报 · 读创客户端首席记者 袁静娴

一项原本需要 5 天的药物调研任务，如今缩短至 2 小时；医药流通中繁琐的药品对码工作，效率提升了 10 倍；一家医院无需重新开发 APP，两周便能让 AI 接入原有就医服务流程。

这些发生在医院和药企里的变化，正在成为医疗 AI 的新竞争点。

过去，AI 更多是独立的问答工具，导诊、报告解读、药物调研等功能往往各自运行。如今，随着 AI Agent 技术发展，不同模型、工具和专业知识开始被组织起来，协同完成具体任务。

10 月 29 日，在深圳举行的 2026 腾讯全球数字生态大会智慧医疗专场上，腾讯健康正式发布 " 医疗 AI Agent 工具箱 "，将此前分散在医疗服务、医药流通、科研等场景中的 AI 能力整合为可组合、可调用的标准化工具，试图让医疗 AI 从单点应用走向业务协同。

" 我觉得这里未必是简单的‘收拢’，更重要的是把过去沉淀的能力变得更加原子化、标准化，让不同的平台和 Agent 都可以调用。" 大会前夕，腾讯云副总裁、腾讯健康负责人吴文达在接受记者采访时表示。

从医院到药企，从患者服务到生命科学研究，医疗 AI 正在尝试从 " 会聊天 " 的助手，变成能够参与具体工作的智能体。

吴文达。

不再各自为战，医疗 AI 为何需要 " 组团 "？

过去几年，医疗 AI 应用不断增加，但一个现实问题也随之显现：不同场景往往需要单独开发、部署和维护，底层能力难以复用。

吴文达介绍，腾讯健康此前已在医院服务、个人健康管理、医药企业及科研机构等领域积累了大量产品和能力，但每进入一个新场景，往往需要重新开发和交付，成本较高。" 过去国内很多企业软件的定制化程度比较高，每进入一个新客户，都可能需要重新开发一套东西，成本很难规模化。"

此次发布的医疗 AI Agent 工具箱，正是希望改变这一模式。

据介绍，工具箱分为三层：底层提供算力、安全沙箱等基础能力；中间整合模型、医疗专业知识及标准化技能；上层则通过腾讯健康小程序、开放平台、WorkBuddy 企业版等不同入口，服务患者、医院和药企。

换句话说，过去需要分别开发的功能，如今可以像搭积木一样组合起来，让不同 Agent 根据任务调用相应工具。

但医疗行业的工作流程高度个性化。不同医院的挂号、病历、检验系统各不相同，药企和科研机构也有自己的业务规范。标准化工具如何适应这些差异？

吴文达认为，" 开箱即用不代表所有企业、医院都使用完全一样的工作流程，而是把共性的基础能力提前做好，让用户可以根据自己的习惯进行组合和配置。"

他还提出一个变化：过去是人适应软件，如今可以让 AI 更多地适应人的工作习惯。

这也意味着，腾讯健康并不打算把所有医疗服务集中到一个新 APP。患者仍可使用熟悉的微信公众号、小程序，医院员工可以通过 WorkBuddy 工作，科研人员则继续使用专业平台，由不同入口调用所需的 AI 能力。

从医院到药企，AI 开始接手具体工作

对患者而言，去医院看病，难的通常不只是挂号。

不知道该挂哪个科室、看不懂检查报告、忘记医生的用药叮嘱……即使医院已经开通公众号和小程序，就医过程仍存在不少信息断点。

腾讯健康此次选择的路径，是不要求医院重新建设 AI 入口，而是在原有服务体系中增加智能能力。

广州医科大学附属妇女儿童医疗中心是其中一个案例。

据介绍，该院通过微信公众号 AI 分身与就医 Agent 协同，让 AI 分身负责基础院务咨询，专业导诊、预问诊、报告解读等需求则转交就医 Agent 处理，并衔接医院后续服务流程。

整个轻量化对接过程约两周，医院无需改变原有服务入口。

" 我们的定位是用 AI 帮助医院改善自身的服务能力，而不是替代医院成为医疗服务主体。" 吴文达说。在他看来，AI 不仅能够帮助医院回答患者问题，还可以通过分析高频咨询、流程堵点等信息，辅助医院优化服务。

医疗 AI 的应用也在向医院之外延伸。

在医药流通领域，药品名称、规格、编码及配送单据的核对，长期需要投入大量人工。腾讯健康披露，1 药网将 WorkBuddy 融入相关业务流程后，药品对码效率提升了 10 倍。

在医药研发领域，东阳光药业利用 AI 处理部分药物调研工作，将原本需要 5 天完成的任务缩短至 2 小时。

这些变化主要发生在信息收集、核对和整理等重复性较高的环节。

"AI 比较容易率先产生价值的场景，通常是重复性高、需要大量人工核对、信息处理量很大的工作。" 吴文达说。

深圳企业也在参与这一轮探索。

今年 9 月，腾讯健康与深圳华大基因科技有限公司达成合作，将 WorkBuddy 企业版与华大生物智能分析平台及科研 AI 智能体结合。目前，双方已落地 14 个 Skill、3 个专家和 1 个连接器，涉及空间转录组、基因变异检测等专业场景。

吴文达认为，通用大语言模型并不能解决所有专业问题。例如蛋白质结构、生物分子分析等科研任务，仍需要专业模型和工具。Agent 的价值，是根据任务需求调度不同能力，而不是依靠一个大模型完成所有工作。

AI" 上岗 " 之后，谁来付钱、谁来负责？

当 AI 开始参与更多医疗工作，技术之外的考验也随之出现。

与普通互联网应用不同，医院引入 AI 并不只是一次软件采购。算力、存储、系统维护和安全管理，都意味着持续投入。尤其对预算有限的基层医疗机构而言，AI 能否真正创造价值，直接影响采购决策。

一些医院目前仍处于免费试用阶段，如果未来开始收费，医院是否有能力持续投入？面对这一现实问题，吴文达坦言，" 我们也不认为所有能力都应该永久免费。" 他说，AI 服务需要算力、存储、运维和安全等成本，不同服务模式应结合医院需求和实际能力设计。

部分场景可以由医院采购，部分基层医疗服务则可能需要政府或其他机构支持。关键是让医疗机构通过实际应用验证价值。

不过，医疗 AI 面临的挑战并不只有成本。比如，现实中已出现患者拿着通用 AI 给出的诊断建议，要求医生解释为何不采用相同治疗方案的情况。

吴文达认为，这与互联网搜索刚普及时，患者打印大量网上资料向医生求证的情况有相似之处。患者主动获取健康信息并非坏事，但真实诊疗需要结合患者具体情况，不能仅凭 AI 生成的回答作出判断。

"AI 应该成为医生和患者的辅助工具，而不是简单替代医生的专业判断。" 他指出，健康科普、报告解读、智能导诊和临床诊疗辅助的风险等级不同，需要建立相应的评价标准，不能因为模型给出了答案，就认定结果一定正确。

数据安全同样是医疗 AI 进入工作流程必须解决的问题。

医院内部保存着大量敏感医疗信息。当 Agent 需要连接病历、检验、影像等系统时，数据归属、授权和使用范围都必须明确。

" 我们不会因为提供了技术平台，就默认获得医院的数据使用权限。" 吴文达强调，即使医院通过微信生态提供服务，相关业务数据仍属于医院自身的业务资产。

而随着 Agent 能够执行的任务越来越多，责任边界也变得更加重要。

" 不能把所有不确定性都简单推给医院，也不能认为 AI 提供了一句免责声明就可以解决所有问题。" 吴文达表示，技术平台、医疗机构和专业人员，都需要在各自职责范围内承担责任。

从单点问答到多工具协同，从独立应用到进入医院和药企的日常流程，医疗 AI 正在探索新的应用方式。

但对于腾讯健康和整个行业而言，" 组团上岗 " 只是开始。不同 AI 能力能否真正协同，效率提升能否稳定复制，安全与合规责任如何落实，仍是医疗 AI 走向规模化应用必须回答的问题。