OpenClaw，醫(yī)院的下一個AI爆款？

醫(yī)療AI的最終目標，是塑造一個擁有真實醫(yī)生知識、邏輯、判斷的Agent。當下沒有AI能夠觸碰這個目標，但以OpenClaw為首的自主智能體似乎摸到了門檻。

在第一波實踐中，已有部分智能體進入醫(yī)院系統(tǒng)試水，嘗試用以輔助醫(yī)院運營管理，或是為科研產(chǎn)出提速。

然而，自主智能體在無效配置下Token消耗極高，產(chǎn)出物又常常不安套路出牌，AI掌握系統(tǒng)權(quán)限后還存在“失控”風險，導致OpenClaw等應用不具備在醫(yī)院場景進行大規(guī)模部署的能力。

尤其是“安全”這道紅線，已經(jīng)促使部分醫(yī)院發(fā)布封殺令，嚴禁在內(nèi)網(wǎng)進行OpenClaw部署。

即便如此，互聯(lián)網(wǎng)廠商與醫(yī)療IT企業(yè)們并未放棄這一新興技術。目前，騰訊已在其CodeBuddy中針對醫(yī)療場景進行了優(yōu)化，百度即將推出首個醫(yī)生版龍蝦“DoctorClaw”，還有眾多初創(chuàng)企業(yè)迅速入局，推出了各式針對醫(yī)療場景的“智能員工”。

一邊是眾多用戶的口誅筆伐，一邊是頂尖科技公司競相角逐的新賽場。重重迷霧下，醫(yī)療場景下的OpenClaw是曇花一現(xiàn)，還是真能找到一條新的道路，為大模型入院提供新的可能？

01

信息科率先用上OpenClaw

OpenClaw之所以能吸引眾多擁簇，是因為它的AI調(diào)用理念足夠大膽。

使用豆包、元寶等通用模型時，用戶大多數(shù)情況下使用的是咨詢服務，即向云端大模型提出請求后，大模型從自有的知識庫中調(diào)取滿足要求的信息進行輸出。如果要進行更為復雜的任務，則需定制化搭建智能體，要求開發(fā)者具備開發(fā)邏輯并能支付一定規(guī)模搭建成本。

相較之下，OpenClaw等自主智能體不同之處在于住進了用戶電腦，拿到了系統(tǒng)級的權(quán)限。在正確的配置下，它能夠訪問電腦的文件，自主思考、自行規(guī)劃行動，生成子一級的代理，進而像真人一樣有條不紊地完成用戶下達的具體任務。

OpenClaw智能體核心能力（圖片來源：騰訊健康）

從目前來看，這樣的能力尤其適配醫(yī)院場景中的信息科。

日常工作中，有限的信息科人員需要面對大量開發(fā)者各異的信息化系統(tǒng)，沒有時間也沒有能力對海量信息進行實時分析監(jiān)控，醫(yī)院系統(tǒng)存在的運維真空司空見慣。

相較于真人，自主智能體的優(yōu)勢在于能夠輕松瀏覽后臺晦澀的計算機指令，因而具備更強的理解能力、反應能力、處理能力，進而補足系統(tǒng)運維的缺陷。

當線上出現(xiàn)緊急Bug，運維人員理論上只需要向自主智能體發(fā)送一個指令，調(diào)用它后臺的AI編程能力，即可直接進行代碼修復，同時快速完成測試、發(fā)版、上線全流程。

經(jīng)過特定訓練后，AI亦可以用于審核安全日志，找到醫(yī)院系統(tǒng)中的高危風險，及時通知運維人員進行修復。

如果自主智能體能夠接入臨床工作流中，它的能力將會進一步放大。

舉個例子，國內(nèi)的醫(yī)護人員在日常工作中存在大量文案工作，譬如在完成患者診療后需要做一些文字方面的總結(jié)，是不少醫(yī)生出現(xiàn)職業(yè)倦怠的主因。

這一場景下，OpenClaw等智能體的價值在于充當智能助理，快速調(diào)取信息生成文案，讓醫(yī)生的角色由書寫者轉(zhuǎn)變?yōu)?strong>審核者。

另一方面，每一家醫(yī)院都會有業(yè)務流程存在“斷點”，即當醫(yī)生借助電腦完成某項工作時，下一個步驟沒有信息系統(tǒng)支撐，需要人工介入處理，再錄入下一個系統(tǒng)。

以電子郵件為例，醫(yī)生收到郵件后需要手動對郵件中的信息進行分析，并將其中需要處理的信息、表格手動錄入系統(tǒng)之中。

要彌補這類“斷點”，傳統(tǒng)路徑中醫(yī)院需引入一套新的系統(tǒng)，在滿足了醫(yī)生需求后，將其與前后系統(tǒng)對接。一般來說，這樣一套流程要付出數(shù)十萬的成本，且至少需要三個月的時間才能上線。

如今有了自主智能體的加持，醫(yī)生進行需求配置后，AI可以自行處理文檔并提取關鍵信息，幫助醫(yī)生進行錄入，補全的是醫(yī)療信息系統(tǒng)中“最后一公里”。

此外，OpenClaw不必經(jīng)歷很重的研發(fā)流程，能夠快速、低成本地進行配置，將系統(tǒng)的優(yōu)化時間縮短到數(shù)天。

至于獨立的醫(yī)生個體，自主智能體目前的潛力還有待挖掘，主流的測試方向集中于醫(yī)學科研、醫(yī)學科普等方面。

在科研方面，醫(yī)生在為患者看病的同時，還會去判斷患者是否符合臨床試驗的入組標準。

這一場景中，AI可以將復雜的病歷集合在一起，根據(jù)臨床試驗的入組標準，快速將符合標準的病歷推薦給醫(yī)生，由醫(yī)生來作二次決策；亦可找出指標觸發(fā)了排除標準的病歷，避免不合適的患者進行入組，進而將臨床試驗的患者篩選能力建立起來。

同時，自主智能體也能像過往的AI科研平臺一樣幫助醫(yī)生批量地閱讀病歷，然后提取對應的指標信息，形成結(jié)構(gòu)化的數(shù)據(jù)，為科研論文的撰寫提速。

相較于傳統(tǒng)AI平臺，OpenClaw能夠聽懂更自由的指令，并能通過Clawhub等應用市場進一步拓展功能。

醫(yī)學科普方面的應用則與OpenClaw在流媒體的應用近似。將絕大部分視頻工作交給AI后，醫(yī)生做好分享者的工作，便能實現(xiàn)醫(yī)學科普內(nèi)容的產(chǎn)出。

自主智能體可應用場景匯總

上述場景之外，自主智能體還在院內(nèi)場景中自動生成系統(tǒng)接口、自動編寫工作計劃代碼；在院外場景中的患者畫像分析（如醫(yī)美、口腔）、患者病程管理等方向存在廣泛應用潛力。

總的來說，OpenClaw等自主智能體降低了相關工作的操作門檻，并能借助系統(tǒng)權(quán)限處理過去AI難以觸及的工作。

這個過程中，它一方面在醫(yī)院場景中找到了增量市場，另一方面實現(xiàn)了原有業(yè)務的降本提質(zhì)增效。這些優(yōu)勢下，OpenClaw已有了比肩過往AI的商業(yè)化基礎要素，有望成為首個能在醫(yī)院賺到錢的爆款AI。

02

越過安全這道紅線

盡管存在諸多優(yōu)勢，但OpenClaw的上線時間僅僅2個月，很多技術并不完善。在醫(yī)療這樣的嚴肅場景中，這些缺陷將大幅推遲自主智能體的落地，甚至導致它被醫(yī)院直接拒之門外。

首先是安全與能力方面的問題。在部署OpenClaw必然涉及為AI做系統(tǒng)的授權(quán)，但在授權(quán)之后，OpenClaw大部分情況下不會如愿生成用戶期望的程序，反倒會為實現(xiàn)目標結(jié)果而隨意刪改系統(tǒng)的文件。

其次授權(quán)后的Tokens消耗爆發(fā)同樣難以控制，即便是在Token價格大幅下降的今天，用戶一夜燒掉上千元的費用已經(jīng)屢見不鮮。

上述問題并非沒有解法。生成程序與目標相左，極有可能是在配置時未能讓AI理解需求。至于安全問題，則需要相關企業(yè)量身定做AI新時代的解決方案。

騰訊健康首席解決方案架構(gòu)師周天策認為：“數(shù)字員工的訓練與普通員工一樣，都要先明確它的Skills，確定數(shù)字員工所覆蓋的業(yè)務場景、可執(zhí)行的操作類型及邊界。

這里需要注意的是，人和人之間溝通它也會有信息偏差，人和AI溝通同樣需要磨合，因此用戶最好跟Agent反復確認需求，或是讓它在執(zhí)行前提前生成一個大綱，避免出現(xiàn)偏差。

當智能體的技能明確后，其對應的操作范圍、系統(tǒng)權(quán)限與授權(quán)策略便已天然鎖定，可實現(xiàn)權(quán)限與能力的精準匹配。反之，若從資產(chǎn)側(cè)或業(yè)務側(cè)反向推導權(quán)限，往往會導致授權(quán)鏈路復雜、邊界模糊?！?/p>

美創(chuàng)科技高級產(chǎn)品總監(jiān)薛愷認為：當前自主智能體落地過程中最核心的問題之一，仍然是“授權(quán)邊界”的清晰界定。

“企業(yè)引入數(shù)字員工，實際上就像在組織內(nèi)部招聘一個助理崗位。它能夠做什么、可以訪問什么、能參與到什么程度的業(yè)務決策，本質(zhì)上都應當圍繞崗位職責進行分階段、規(guī)范化授權(quán)。

若跳過這一過程，數(shù)字員工的能力就會被限制在查詢、查看等基礎動作層面，難以真正進入執(zhí)行、觸發(fā)和輔助決策等業(yè)務核心環(huán)節(jié)，其價值自然也無法真正體現(xiàn)。”

具體而言，用戶要讓OpenClaw執(zhí)行醫(yī)療相關任務時，更適合采用“任務拆解 + 多智能體協(xié)同”的方式落地。也就是說，不應讓單一智能體直接承接復雜任務，而應將任務拆分為多個簡單、明確、可校驗的步驟，再由多個智能體分別執(zhí)行。

這種方式既能將復雜問題轉(zhuǎn)化為標準化、高頻次的小任務，也有助于降低智能體幻覺風險，避免其在錯誤路徑上持續(xù)消耗 Tokens，甚至因誤操作而對系統(tǒng)環(huán)境進行破壞性修改。

圍繞安全問題，薛愷認為，未來自主智能體一定會走向?qū)侔踩鉀Q方案建設，而其核心應聚焦三項關鍵能力：身份可信、訪問可控、行為可審計。

他指出，在傳統(tǒng)醫(yī)療大模型應用體系中，整體安全架構(gòu)多采用分布式模式，訪問方式主要依賴 API 調(diào)用：由大模型提供智能能力，再借助 MCP 完成后續(xù)動作執(zhí)行。相應的審計體系，也通常由兩部分構(gòu)成：一部分是在 API 接口層進行日志留痕，另一部分則是在 MCP 執(zhí)行鏈路中，通過安全邊界前部署流量探針，對執(zhí)行流量進行采集、關聯(lián)和追溯，形成完整的審計閉環(huán)。

而OpenClaw在架構(gòu)上具備顯著差異：其部署實施通常會設置統(tǒng)一的前置入口，該入口一般依托飛書、企業(yè)微信等辦公平臺作為交互輸入渠道，所有交互與操作均由業(yè)務側(cè)發(fā)起，與業(yè)務場景深度綁定，而非局限于傳統(tǒng) API 接口調(diào)用模式?！?/p>

此外，由于OpenClaw具備擬人化操作特征，安全策略還需有效識別并區(qū)分操作行為來源，區(qū)分哪些是機器智能體執(zhí)行，哪些是真實人員操作。

目前行業(yè)的主流策略“以模制模”或許能夠化解OpenClaw等智能體的安全問題。

通過構(gòu)建專項判別模型，對數(shù)字員工、智能體的觸發(fā)行為與操作軌跡進行驗證、分析與推理，相關解決方案或有能力實現(xiàn)自主智能體的身份識別與行為管控，進而保證使用過程中的安全。

當然，對于醫(yī)院這類機構(gòu)而言，無論是否存在禁令，醫(yī)生最好都不要冒著風險自行配置OpenClaw。

風口之下，騰訊、阿里、百度都已給出了相應的完整解決方案，通過Claude Code、CodeBuddy、DoctorClaw等AI編程工具進行自動化編程，顯然要更為安全、更為簡便。

03

繞不開的“標準化”難題

自DeepSeek引來的國產(chǎn)大模型風潮開始，以沉穩(wěn)著稱的醫(yī)療行業(yè)開始擁抱技術，不甘走在其他行業(yè)后面。自主智能體趕上了好時候，或許能夠比過往Agent更快在醫(yī)療機構(gòu)中鋪開。

但由于醫(yī)療系統(tǒng)天然的復雜性，即使自主智能體化解了安全方面的問題，即便ClawHub聚集起充足的解決方案，醫(yī)療IT解決方案提供商依然會面臨“產(chǎn)品標準化”這一挑戰(zhàn)。

簡單來說，每一家醫(yī)院都有它自己的架構(gòu)、自有的流程。要讓智能體充分應用于醫(yī)療系統(tǒng)中，必須充分理解醫(yī)院的運營邏輯與運營風格。

在現(xiàn)有的技術能力下，這意味著醫(yī)療IT解決方案提供商不得不為每一家醫(yī)院制定個性化的Agent方案。參考早期的智慧醫(yī)院建設，企業(yè)付出了足夠的時間與精力，卻難以收獲預期的回報。

當然，這些限制并不會影響滿足安全要求下的自主智能體在醫(yī)院生根。落地與付費是兩碼事，即便有了商業(yè)化的基礎，也不一定能實現(xiàn)真正的商業(yè)轉(zhuǎn)化，尤其面對的是醫(yī)院這樣一個特殊的支付方。

*封面圖片來源：pixabay

如果您認同文章中的觀點、信息，或想進一步討論，請與我們聯(lián)系；也可加入動脈網(wǎng)行業(yè)社群，結(jié)交更多志同道合的好友。

聲明：動脈網(wǎng)所刊載內(nèi)容之知識產(chǎn)權(quán)為動脈網(wǎng)及相關權(quán)利人專屬所有或持有。未經(jīng)許可，禁止進行轉(zhuǎn)載、摘編、復制及建立鏡像等任何使用。文中如果涉及企業(yè)信息和數(shù)據(jù)，均由受訪者向分析師提供并確認。