直接上智能體，還需要統一基座大模型嗎？醫院智能化走到十字路口

國際數據公司（IDC）最新發布的《中國醫療大模型技術評估，2026》報告引起了中國軟件網的注意。

該報告指出，當前醫院的智能化建設，正在從2025年的大干快上上馬通用大模型，發展到現在上馬各種基于醫療大模型的智能體，未來將發展到基于?？苹鼍盎竽Ｐ偷闹悄荏w，以及多智能體協同調度平臺。

事實上，中國軟件網調查發現，在2025年初大干快上DeepSeek大模型一體機之后，中國醫院的智能化建設來到了一個新的十字路口。

醫院智能化的煩惱：AI好是好，就是不好用

2025 年 CHIMA 的調研顯示，全國各大醫院都將大模型、人工智能方面的投入作為數智化建設首要投資的技術。

這導致的結果是：一方面，去年很多醫院采購了AI一體機，花了可能一兩百萬，但采購之后卻“只能對對話，沒太大作用，大家壓力很大?！?這種“有設備，無效果”的困境，道出了當前醫院智能化建設最普遍的痛點：AI技術能力與業務價值之間存在斷裂。

但另一方面，很多醫院的智能化實踐也表明，醫院并不缺少單點表現優異的AI能力。例如，在對話、影像識別、病歷輔助撰寫等環節，AI的準確率相當可觀、在醫院的表現也非常不錯。

問題在于，這些能力如同一個個“智能孤島”，未能與HIS、EMR等核心業務流原生融合。醫生需要脫離工作界面，跳轉到另一個系統進行“AI咨詢”，這種體驗割裂、流程中斷的設計，注定難以高頻使用。

更關鍵的是，當AI的建議與醫生判斷不完全一致時，那個“AI黑箱”里無法追溯的邏輯，讓醫生不敢采信。因為如果診斷出了問題，“這算醫生的錯還是AI的錯？”，責任難以界定。很多業界人士認為，“大家可能更能接受醫生犯點錯……但接受不了機器犯錯?！?/p>

在經過一年多的大模型大干快上，以及影像識別、病歷生成等各種智能體的歷練以后，醫院的AI、智能化建設開始進入了反思期。

模型進階與落地場景探索的雙軌并行

IDC在上述研究報告中指出，當前各個醫院智能化建設已進入醫療大模型進階與落地場景探索的雙軌并行階段。

自2025年DeepSeek 在醫療行業快速部署，大模型在中國醫療體系中的應用進程被顯著加速，醫院的智能化建設也從各種試點探索迅速邁入應用階段。這一進程不僅加快了大模型技術在醫院的落地速度，也加速了他們對于AI、對于大模型技術的認知轉變。

中國軟件網發現，進入2025年下半年，醫院的智能化建設出現了兩個新特點。

第一，各大醫院開始從早期的DeepSeek等大模型部署熱潮回歸理性，模型選擇開始從通用到垂類醫療大模型。IDC稱之為醫院智能化建設的“模型進階”

第二，從純粹部署大模型，開始關注大模型是否能夠真正嵌入臨床流程、管理 流程與服務體系之中。開始在場景方面從單一對話框向智能體的產品形態演進，同時與 HIS、EMR 系統集成融合，嵌入真實應用場景。

這便是模型進階與落地場景探索的雙軌并行階段。

同時，IDC指出，醫療大模型進階不僅僅是模型性能的躍升，更是進一步聚焦提升模型可解釋性、降低 幻覺、提高臨床語義理解深度、診療邏輯可解釋性與跨模態對齊能力，從而提升模型在真實臨床環境中的可靠性與可信度。

而落地場景則針對病歷生成、智能問診、檢驗檢查解讀、病歷質控等高頻需求研發了各種智能體。IDC認為，這些類別的智能體在 2025 年誕生并開展了驗證，取得了較好的效果。

智能體建設的大模型之亂

中國軟件網調查發現，智能體已成為大模型之后、2026年醫院智能化建設的熱點。

更進一步，中國軟件網發現，目前醫院的智能體建設基本上是由像東軟、百川這樣的醫療數智化服務商主導提供。

例如，某三甲醫院要建設一個DRG/DIP醫保智能審核與預警智能體，醫院最終決定選擇東軟作為智能體服務商。醫院一般要求東軟提供相應的醫療大模型，并在該模型基礎上開發相應的智能體應用。

同時，該醫院又想建設門診預問診智能體，并且他們最終選定了科大訊飛。同樣的，醫院要求科大訊飛提供相應的醫療大模型，并在該模型基礎上開發相應的智能體應用。

在這同一個醫院的兩個智能體建設中，醫院本身只提供算力等AI基礎設施，但大模型由各服務商自己提供、智能體也由各廠商自己負責開發。

這種醫院智能體建設模式的優點是，醫療大模型和智能體都由醫療數智化服務商全部負責，這樣建設模式比較靈活且速度較快。智能體與大模型之間的協作與集成也非常比較優化，他們的性能、安全性、可解釋性、可信度等都有較好的表現。

這種模式的問題是，每個智能體都帶有自身的醫療大模型，會導致同一個醫院會有多個醫療大模型。這會導致兩個問題，一是醫療大模型存在一定程度的重復建設，也會帶來一定的算力浪費；二是由于不同的智能體采用不同的基座大模型，會導致醫院各個科室、各個業務環節的協作存在智能體認知與行為不一致等問題。

因此，IDC在報告中提出，未來醫院的智能體建設，將基于?？苹?、場景化模型，并基于統一的智能體開發平臺、調度平臺，開發和管理智慧醫療、智慧服務和智慧管理等各種智能體。

但這種場景下，其實還存在多個專科化、場景化模型的問題。

未來的醫院智能化建設，是否需要，或者是否有可能建成一個覆蓋整個醫院的統一基座大模型呢？

“可信醫療AI”新體系

中國軟件網采訪了很多業界相關人士，對于這個問題還沒有形成共識。

有專家認為，由于醫院每個科室的專業性差別巨大，因此在單個醫院形成一個統一的醫療基座大模型比較難，必要性也不一定那么大。

不過，有意思的是，中國軟件網發現東軟提出醫療AI建設的理念，即以“可信”作為底層邏輯，AI 原生（AI-Native）理念、循證驅動（Evidence-Based）認知、智能體協同（Agentic AI）演進。

東軟認為，AI不是游離于流程之外的“外掛工具”，而應原生嵌入 HIS、EMR 等醫療核心業務流中，讓用戶在無感中獲得提效。同時，醫療的本質是嚴謹，大模型必須與確定性的臨床指南、專家共識深度耦合，實現從“概率猜測”向“邏輯循證”范式轉變，確保輸出的每一條建議都有據可依。在醫療場景極其細碎而復雜，東軟通過構建由多個專業智能體（Agents）協作的“集群生態”，實現醫療診療長流程的智能協同。。

如果說生成式AI解決了"會說話"的問題，推理式AI解決了"會思考"的問題，那么醫療AI解決的，是醫療場景中最核心、也最棘手的問題——"醫生敢不敢用"，也就是東軟研發的底層邏輯，醫療AI必須“可信”。

“可信”的內核需要合適的載體。當前醫院面臨的一個現實挑戰是模型管理的混亂。東軟添翼醫療大模型，提供了醫院智能化建設的可信內核。

東軟添翼醫療大模型不是單一的大語言模型，而是一個融合了語言（LLM）、影像、視覺等多模態能力的協同計算平臺。它采用“大小模型協同”的彈性架構：基座提供通用的醫學知識理解與多模態融合能力，而面向具體場景的“智能體”（Agent）則根據任務復雜度，調度從1.5B到上百B參數不等的、經過深度優化的“蒸餾”小模型。

東軟添翼大模型還提供統一的智能體開發平臺和調度平臺，它在某種上為醫院智能體建設提供了“統一基座大模型的第三條道路。

這種大小模型協同的大模型平臺，其優勢非常明顯：

對醫院而言它實現了“一基座、多應用”。醫院只需部署和管理一套基座設施，所有智能應用都從中“長”出來，徹底避免了數據孤島與集成噩夢。IDC報告認可的這種“智能體協同”生態，正是未來方向。

對應用而言基座提供了共用的“水電煤”。智能體開發者無需從零開始訓練大模型，可專注于專科業務邏輯的深度優化，極大降低開發門檻與成本。這為未來繁榮的醫療AI應用生態奠定了基礎。

對場景而言它實現了真正的“多模態融合”。例如，在肺結節診療場景中，一個智能體可以同時調用基座的影像分析能力和文本推理能力，為醫生提供“影像特征+病史風險”的綜合研判，而非單點結論。

醫院智能化建設已邁過追逐概念的淺灘，進入需要解決實際信任、融合與價值問題的深水區。東軟添翼大模型的實踐揭示了一條新的路徑：以“可信”重塑技術內核，確保AI輸出的可靠與可用；以“統一智能基座”重構技術載體，實現能力的集約與融合；以“場景化智能體”作為價值交付物，無縫嵌入醫院主流業務與預算流程。

未來的智慧醫院，將不再僅僅是信息系統與AI工具的堆砌，而將演進為一個由“可信醫療AI”驅動的、多智能體深度參與的協同有機體。在這里，AI不再是時靈時不靈的外掛工具，而是醫生身邊值得信賴、能力專業、隨時在線的高效伙伴。這不僅是技術的升級，更是整個醫療服務體系運行模式的進化。東軟憑借其三十年的醫療業務深耕、對“可信醫療AI”體系的重新定義，以及對“基座+智能體”路線的不斷踐行，為這場深水區變革提供了一個可供全行業參考的“中國方案”。