告別“打零工”，華為聯手南方醫院重構醫療AI新范式

在AI加速融入千行百業的2026年，如果說哪個領域的AI落地最被寄予厚望，大概率會是醫療健康。

大型三甲醫院往往人滿為患，專家號源緊張、醫生每天的接診量巨大、分配給每位患者的時間非常有限。同一時間，縣醫院、社區衛生服務中心等基層醫療機構，因為服務能力相對薄弱，導致分級診療難以有效實施。

正是在這樣的背景下，國家衛生健康委等五部門聯合印發了《關于促進和規范“人工智能+醫療衛生”應用發展的實施意見》，明確要求推動人工智能在基層醫療、臨床診療、患者服務、科研教學、醫院管理等方面的落地。

擺在面前的問題是：不少醫院在推進AI落地的過程中，遇到了數據孤島、重復建設、系統難以互通等問題，原本計劃的目標是“智能提效”，結果卻成了一場吃力不討好的“系統拼接游戲”。

就在4月10日，南方醫科大學南方醫院與華為聯手交出了一份新答卷——面向全球首發了醫院通用人工智能平臺（HAIP），給出了醫療AI“統一規劃、全域協同”的新范式。

01 破局“單點式落地”，打造醫院的“AI操作系統”

過去幾年里，國內醫院的數字化和智能化轉型，可以歸納為“摸著石頭過河”：各個科室按照自己的需求引入AI，比如影像科用AI看肺結節、病理科用AI看切片、信息科用AI管病歷……

這種“打零工”式的單點式落地，暴露出了四大核心挑戰：

第一個是數據孤島。每個系統的數據格式不同、接口不一，沒法互相調用，形成了一個個“數據孤島”，數據價值無法有效挖掘。

第二個是AI算力煙囪式建設。每個系統都配了自己的服務器，算力與模型重復部署、多模型與多智能體無法協同，資源不能共享。

第三個是缺乏醫療+AI人才。醫院缺乏AI專家，個性化需求難滿足；傳統ISV AI能力偏弱，需要支持和培育。

第四個是應用開發復雜、周期長。醫院現網應用的廠商多、接口復雜，牽一發動全身，存在大量對接開發。

之所以出現上述痛點，根本原因在于——醫院缺少一個統一的底層平臺。需要有一個統一的平臺，把醫院的算力、數據、模型、應用都管起來，讓不同的院區、科室可以共享資源、互相調用能力。

在數智化轉型中先行先試的南方醫院，遇到過同樣的問題，最終選擇聯合華為打造醫院通用人工智能平臺（HAIP）。不同于過去的各自為戰，HAIP平臺針對醫療AI的核心痛點進行了“對癥下藥”。

為了打破“數據孤島”，HAIP通過ModelEngine人工智能工具平臺實現全類型數據智能化標注和多模態AI語料生成數據飛輪支撐模型快速迭代、越用越準，讓沉睡的數據變成了可復用的知識資產。以病理數據為例，標注效率從人工的每人每天50張提升到300張，效率提升超過6倍。

為了消除“算力煙囪”，構建了AIDC算力底座，通過DCS AI容器底座實現算力切分和任務智能調度，并設計了“晝推夜訓”潮汐調度機制：白天優先保障門診、急診等實時推理任務，夜間自動進行模型訓練，整體算力利用率提升30%。

為了填補人才缺口，HAIP平臺提供了自然語言生成智能體（NL2Agent）能力，進一步降低了AI應用的上手難度。醫生不需要編寫代碼，只需用日常語言描述需求，平臺即可自動生成專屬的數字分身。

為了降低開發門檻，HAIP平臺采用了開放架構，可以兼容醫院已有的HIS、PACS等業務系統，實現了與醫院現有流程的平滑融合。也就是說，醫生無須改變作業習慣，無形中保障了醫療服務的連續性。

打一個比方的話，為破局而生的HAIP平臺，就像是醫院專屬的“AI操作系統”，讓所有的AI應用跑在同一個平臺上，實現數據打通、算力共享、能力復用和持續進化，驅動醫療AI從“單點部署、零散應用”走向“統一規劃、全域協同”。

02 越用越聰明的“數字外腦”，把時間還給“就診”

在AI+的驅動下，醫院的業務邏輯正在發生質的改變，最直接的體現就是生產力的釋放。

在現代醫療體系中，最稀缺的資源不是高端的醫療設備，而是醫生的時間。一個讓人無奈的現實在于，不少骨干醫生每天不得不將大量精力消耗在重復性的文書工作、基礎閱片和病歷整理上。倘若能夠將高強度、高重復性的工作交給AI，或許能讓醫生從繁瑣重復勞動中解放出來。

南方醫院早已給出了肯定答案。

在南方醫院健康管理中心，每天要出具約1500份超聲報告，過去主要依靠人工三級檢審，醫生的工作負荷很大。

2025年5月上線AI智能檢測系統后，直接包攬了90%以上的重復篩查工作：系統可自動完成所有超聲報告的異常篩查，對發現的問題標紅提醒，并自動記錄異常信息，全程無需醫護人員實時值守。

截止到目前，AI智能檢測系統的關鍵問題檢出率達90%以上，累計檢測超過25萬份報告，每位醫生每天可節省約2小時。

在南方醫院的病理科，每天接收的胃腸鏡活檢標本就有200多例，需要逐張切片、逐視野觀察細胞形態，一張復雜切片分析需要數分鐘時間，長期高強度工作，很容易導致疲勞。

依托多年積累的海量優質病理標本數據和專家診斷，南方醫院基于大模型開發了一套消化病理人工智能輔助診斷系統，AI可快速掃描整張病理切片，自動識別正常細胞和可疑病變區域，醫生可以快速定位到病灶區域，加快診斷效率。原先一份胃腸鏡活檢病理報告需要3-5天，現在被壓縮到了1-2天。

以上都還只是HAIP平臺落地前的案例，有了統一的“AI操作系統”，AI和醫療的“化學反應”將不斷加速。

可以找到的案例還有很多，但AI和醫療的“化學反應”并未止步于此。

比如前面提到的NL2Agent能力，醫生只需說“幫我做一個助手，專門整理肺結節患者的隨訪記錄，到了復查時間自動提醒我”，平臺就能精準理解意圖，并在幾分鐘內自動生成并部署好一個專屬的“數字分身”。AI的角色不再局限于“節省時間”，讓每個醫生有了一支隨時待命的“硅基團隊”。

另一個不應該被忽略的信息在于，有別于“買來什么樣就是什么樣”的傳統軟件，在HAIP平臺上，如果醫生對AI的判斷結果進行了修改或給出了反饋，系統會自動記錄這些糾錯信息，當數據積累到一定程度，會自動啟動新一輪的訓練和模型更新。AI和醫生配合得越久，就越懂醫生的診療邏輯與習慣。

而當閱片、病歷整理、隨訪等重復性工作被AI解放，醫生們終于可以卸下枷鎖，把更多的時間和心力還給復雜的臨床決策、還給手術臺、還給面對面就診時不可替代的人文關懷。

03 “三甲專家”下沉到基層，醫療普惠不是奢望

僅僅解放醫生，可能無法根治當前醫療體系最大的痛點——三甲醫院的專家門診一號難求，而社區的衛生服務中心面臨著“接不住、看不好”的尷尬。老百姓寧可舍近求遠去大城市排隊，也不愿在家門口首診。

HAIP平臺的出現，讓外界看到了一條醫療資源下沉的新路徑。

在平臺架構上，HAIP沒有把AI封閉在“高墻大院”內，采用的是“云邊協同”架構：像南方醫院這樣的大型三甲醫院作為中心端，負責訓練模型；縣醫院、社區醫院等基層醫院部署輕量級的邊緣設備。

中心端訓練好的模型，可以一鍵下發給所有基層設備，基層醫院不需要買昂貴的算力，不需要自己訓練模型，就能獲得和三甲醫院同步的AI能力。每一個基層醫生背后，是一個個跑在云端的“三甲專家”。

可以佐證的是，基于“云邊協同”的架構，南方醫院的諸多標桿應用已經開始向基層輻射。

直接的例子就是南方醫院腎內科侯凡凡院士團隊牽頭研發的國內首個慢性腎臟病綜合管理大模型——智腎。

在專科醫生端，“智腎”支持患者綜合評估、疑難病例解析、循證醫學證據檢索及歸納，幫助醫生快速獲取基于最新指南和大規模真實世界數據的輔助決策建議，提升診療精準性和效率。

在社區醫生端，“智腎”提供輕量化智能問答系統，相當于為基層醫生配備了一位“腎臟病專科顧問”，幫助識別高危患者、規范診治流程。

在患者端，“智腎”可以為腎病患者提供綜合健康管理。其中南方醫院的陳婷護士長團隊基于“智腎”研發了慢性腎臟病個性化飲食指導項目，為患者提供科學的飲食建議及每周食譜。

截止到目前，“智腎”已在化州、吳川等基層醫院應用，腎病患者在家門口就能獲得接近三甲醫院水平的腎病管理服務，在一定程度上緩解了三甲醫院人滿為患、掛號難、看病排隊時間長的問題。

同樣的例子還有aMAP肝癌篩查評分小程序。

南方醫院感染內科基于全球合作網絡構建了aMAP肝癌篩查評分，并以小程序為載體線上賦能肝病病程管理。目前該項目已在線下覆蓋17家醫療單位，累計完成超過52萬人次篩查，將早期診斷率從傳統的23.2%提升到了67%。未來通過HAIP平臺，慢性肝病的篩查與管理能力，將高效地覆蓋到更多區域。

有理由相信，在HAIP平臺的賦能下，城鄉之間的醫療差距將不斷縮小，縣域及鄉鎮醫療機構有望在AI的輔助下達到接近三甲醫院水平的診斷能力，讓“大病不出縣”不再是口號，而是每一位普通中國人的日常。

04 從“煙囪”到“雨林”，智慧醫院的新范式

不只是HAIP平臺，南方醫院與華為聯合全國多家頭部醫院及合作伙伴，共同發布了《醫院通用人工智能平臺技術白皮書》，首次定義了醫院通用人工智能平臺的參考架構和建設范式。

一份凝聚了行業共識的白皮書，標志著中國醫療AI正在從試點走向規模化落地，正式告別“單點部署、零散應用”的蠻荒時代，邁入了“統一規劃、全域協同”的階段，為全國醫療機構提供了一條可復制、可推廣的建設路徑。

把視角再放大一些，HAIP代表的不單單是操作系統級的解決方案，更像是一片肥沃的黑土地：在以底層算力、數據資產為核心的“操作系統”上，未來會長出無數個專科大模型，長出成千上萬個醫生的數字分身。徹底結束煙囪式的建設，形成一個開放、共享、持續進化的醫療AI生態雨林。