7月18日，2026世界人工智能大会“AI在全球医疗领域的应用实践与监督机制”分论坛在上海举办。
当前，人工智能与医疗产业的融合已跨越简单流程自动化的初级阶段，全面渗透疾病诊断、手术规划、健康管理、医学科研等核心临床环节。行业发展逻辑、技术路线、建设标准与底层支撑体系正迎来系统性变革，一条以量化数字生命为核心、国产算力为根基、临床人员为主力、合规治理为底线的医疗AI发展路径逐渐清晰成型。
从“接诊规模”到“量化健康”
医疗行业的价值逻辑正在发生根本性转变。过去，医疗机构的竞争指标集中于接诊患者规模；未来，全生命周期患者数据词元化沉淀量，则有可能成为衡量医院数字化实力的新标尺。
上海交通大学附属瑞金医院院长宁光院士介绍，瑞金医院已完成海量健康数据的数字化转化，积累27万亿健康词元，依托标准化数据搭建起完整的数字生命体系。他将“健康”定义为“建立在量化数据基础上的人体自适应稳态”，他认为，AI在医疗领域的终极目标不应只是外部辅助治疗的工具，而是要助力实现从“疾病治疗”到“健康量化”的跨越，深度内化为嵌入诊疗流程的临床标配工具。
由“外挂式”工具转向医疗“内生智能中枢”
复旦大学附属中山医院党委书记顾建英表示，人工智能正加速从“外挂式”工具向医疗“内生智能中枢”迈进，中山医院将依托综合类国家医学中心和国家人工智能应用中试基地（医疗领域）建设，率先探索打造国内AI原生（AI Native）医院，推动智慧医疗从单点突破走向系统重构，打造全院级的智能体矩阵，把技术转化为医生诊疗能力的提升。
“中山医院围绕智能诊疗、智能器械、医用机器人三个方向，打造‘5个超级医生、1个虚拟患者、N个应用场景’的架构，希望真正能够形成多模态的有突破性应用的医疗大模型。”顾建英说。
分布式AI让每个医院都有自己的“专科大模型”
香港理工大学人工智能高等研究院执行院长杨红霞教授提出，当前大模型的主流范式是“中心化”——把所有数据和算力集中到一处训练一个大模型，但医疗数据具有高度隐私性和本地化特征，这一范式并不适用。
“大模型必将从中心化走向去中心化。”杨红霞展示了“模型融合”技术路线与低比特训练（FP8/FP4）成果：只要有该领域高质量的大量数据，加上高效的训练基础设施，一个小模型在特定领域完全可以超越万亿参数的通用大模型。算丰信息的低比特训练基础设施正是这一变革的关键支撑。
以“医疗世界模型”赋能智慧医院
商汤医疗首席执行官张少霆教授系统阐述了商汤医疗从“物理建模”到“预训练模型群”再到“医疗世界模型”的技术演进路径。他指出，“医疗世界模型”的构建需要“从电脑里的世界走向物理世界”。目前，商汤医疗与瑞金医院合作的数字人计划已覆盖全身200多个器官、100余款AI影像产品；与上海市肺科医院合作生产近10个商业化AI模型。
底座筑基：国产算力形成完整商业闭环
医疗AI对算力安全、成本、合规性要求严苛，全栈国产化软硬件体系成为行业刚需。以上海算丰信息为代表的算力服务商，依托国产GPU、交换芯片、网络设备与自主调度平台，打造适配医疗场景的低成本、高安全算力支撑体系。
亿都国际控股董事会主席方仁德指出，AI在医疗领域已从“流程自动化”演进为“核心医学发现”，算丰信息的使命是连接医学专家、临床工作者与AI科学家三方力量，提供高效、低成本、安全合规的算力底座。
论坛期间举行“算丰杯”医疗AI Skill开发大赛颁奖仪式。本届大赛吸引全国70余家机构、120余支队伍参赛，海军军医大学第一附属医院“胰腺癌多学科诊疗Skill”荣获一等奖。上海申康医院发展中心党委书记、主任赵丹丹指出，大赛通过Skill这一轻量化开发范式，让临床医生“200行代码即可实现复杂多学科会诊系统”，显著降低了医疗AI研发门槛，使“最懂临床痛点的一线医务工作者”能够直接将经验转化为可落地的AI能力。
景盛网提示：文章来自网络，不代表本站观点。
