• HAIP平臺，AI時代的醫(yī)院底層基建。

對于等待胃腸鏡活檢病理報告的患者來說，一周的等待往往是漫長的煎熬。而對于顯微鏡前的病理科醫(yī)生而言，這是日復(fù)一日的體力透支，他們需要逐張切片、逐視野地排查近萬個細胞，一張復(fù)雜切片就要耗費數(shù)分鐘。

在南方醫(yī)科大學(xué)南方醫(yī)院（下稱“南方醫(yī)院”），這種雙向的折磨正在大幅度改善：AI如今最快只需1秒鐘就能完成切片初篩，將陽性病例的閱片時間壓縮至2分鐘以內(nèi)，患者拿到報告的周期也隨之縮短至1到2天。

但這絕不僅僅是一個“AI替人干活”的簡單故事。

當(dāng)AI把醫(yī)生從繁重的重復(fù)勞動中解脫出來，更好地與患者對話時，這背后有一套龐大、隱秘且高度集成的底層基建在運轉(zhuǎn)。4月10日，在廣州舉辦的“AI驅(qū)動智慧醫(yī)院建設(shè)新范式高峰論壇”上，南方醫(yī)院與華為聯(lián)合發(fā)布了《醫(yī)院通用人工智能平臺技術(shù)白皮書》及HAIP（醫(yī)院通用人工智能平臺）解決方案。

在這場以“數(shù)智融合·賦能醫(yī)療”為主題的論壇背后，醫(yī)療AI的競爭已從“單點應(yīng)用”正式升級為“底層基建之戰(zhàn)”。

在煙囪密布的系統(tǒng)里，做不好AI

AI大模型席卷各行各業(yè)，但在容錯率極低又事關(guān)民生大計的醫(yī)療領(lǐng)域，如何做AI變革需要成體系的部署，更需要醫(yī)院、醫(yī)生、患者和AI廠商的多方參與。

去年底，國家衛(wèi)生健康委等五部門聯(lián)合印發(fā)了《關(guān)于促進和規(guī)范“人工智能+醫(yī)療衛(wèi)生”應(yīng)用發(fā)展的實施意見》，明確要求推動人工智能在基層醫(yī)療、臨床診療、患者服務(wù)、科研教學(xué)、醫(yī)院管理等各個方面落地應(yīng)用。

從數(shù)字化到智能化，南方醫(yī)院一直是變革的引領(lǐng)者，有著讓同行艷羨的數(shù)據(jù)厚度。“我們建立了院級的醫(yī)療大數(shù)據(jù)平臺，盤活了27年沉淀歷史數(shù)據(jù)，我們歷經(jīng)三大廠商系統(tǒng)整合了27年的全量數(shù)據(jù)接入二十多個業(yè)務(wù)系統(tǒng)，采集了全院1033萬患者，6718萬就診人次，實現(xiàn)了T+1的更新。”南方醫(yī)院院長孫劍自豪地說。

但過去幾年，國內(nèi)不少公立醫(yī)院在推進智能化過程中，容易陷入“煙囪式建設(shè)”的泥潭。醫(yī)院往往按科室需求零散采購AI應(yīng)用：影像科買一套看肺結(jié)節(jié)的系統(tǒng)，病理科又買一套看切片的系統(tǒng)。

這種“打獵式”的單點部署，導(dǎo)致了嚴(yán)重的資源內(nèi)耗。首先是數(shù)據(jù)孤島，各系統(tǒng)數(shù)據(jù)格式不一，缺乏統(tǒng)一接口，分散的病歷和影像無法形成高質(zhì)量的AI語料庫；其次是算力煙囪，科室各自為政部署服務(wù)器，多模型與多智能體無法協(xié)同，造成算力極大浪費。

這種建設(shè)模式還必須面對人才匱乏的難題，醫(yī)院缺乏懂醫(yī)療與AI的復(fù)合型專家，且傳統(tǒng)軟件商的AI底層能力偏弱，多點開花的發(fā)展模式難以避免。而開發(fā)壁壘更是不小的挑戰(zhàn)，現(xiàn)網(wǎng)應(yīng)用廠商眾多，接口極其復(fù)雜，導(dǎo)致AI應(yīng)用開發(fā)周期極其漫長。

“過去都是各個學(xué)科、各個專家基于自己的需求，打造各自獨立、互不通訊的煙囪式AI智能體。”孫劍對36氪直言。

為了摸清底數(shù)，華為與南方醫(yī)院的專家團隊深入24個科室開展調(diào)研，累計訪談284人次，收集了超過100條AI相關(guān)需求。調(diào)研結(jié)果印證了一個迫切的現(xiàn)實：醫(yī)院并不缺零散的工具，缺的是一個能統(tǒng)籌全院數(shù)字資產(chǎn)的“大腦”。

這也是南方醫(yī)院選擇和華為合作的原因所在。HAIP平臺的三層結(jié)構(gòu)就是為了解決上述難題而設(shè)計：最底層是算力和數(shù)據(jù)平臺，中間層是各種模型（包括通用基礎(chǔ)模型和專科模型），最上層是面向醫(yī)生和患者的工具和應(yīng)用。

孫劍將HAIP平臺的推出比作修路，與其讓每一個科室去建獨立的系統(tǒng)，不如整體做宏觀布局，建一個基座平臺。把這條高速公路建好以后，各家各戶的智能體就像汽車一樣，都可以在上面高效地跑，未來才有無限的拓展空間。

華為醫(yī)療衛(wèi)生軍團總裁張偉力則將這種架構(gòu)的價值比作“醫(yī)療界的鴻蒙”：所有的應(yīng)用廠商和醫(yī)生只需運行在統(tǒng)一的操作系統(tǒng)之上，就像操作Word文檔一樣簡單，而無需去感知底層復(fù)雜的算力調(diào)度 。

底座重構(gòu)：

自主架構(gòu)下的“算力精算”與生產(chǎn)力解放

在醫(yī)療這一對安全性與可持續(xù)性有著極高要求的領(lǐng)域，任何智能化轉(zhuǎn)型的核心都繞不開底層架構(gòu)的穩(wěn)固與經(jīng)濟性。HAIP平臺在底座重構(gòu)上，展現(xiàn)了一套邏輯嚴(yán)密的“算力經(jīng)濟學(xué)”。

醫(yī)療數(shù)據(jù)首先要求保障安全與隱私。為此，HAIP平臺構(gòu)建了基于自主創(chuàng)新架構(gòu)的AIDC算力底座，通過AI數(shù)據(jù)湖提供全院統(tǒng)一的數(shù)據(jù)視圖，徹底打破數(shù)據(jù)孤島。這套系統(tǒng)從底層計算到上層的容器管理軟件，實現(xiàn)了全棧式的技術(shù)自主，在確保數(shù)據(jù)不出院、不出域的前提下，為醫(yī)院構(gòu)建了一座管得住、用得好的“數(shù)字糧倉” 。

大模型的訓(xùn)練與推理成本高昂，是許多醫(yī)療機構(gòu)在智能化門檻前望而卻步的主因。針對這一痛點，HAIP平臺首創(chuàng)了“晝推夜訓(xùn)”的潮汐調(diào)度機制，依托DCS AI容器底座實現(xiàn)算力切分和任務(wù)智能調(diào)度，AI算力利用率提升30%以上。

這一機制的核心在于對算力資源的動態(tài)精算，AI數(shù)據(jù)平臺的知識庫、記憶庫和KV Cache加速能力實現(xiàn)毫秒級檢索響應(yīng)，提升推理準(zhǔn)確率：在白天的就診高峰期，平臺將算力池優(yōu)先分配給門診、急診等實時推理任務(wù)，確保醫(yī)療影像、輔助診斷等應(yīng)用能毫秒級響應(yīng)臨床需求；到了夜間，系統(tǒng)則自動切換，將空閑算力集中用于模型的增訓(xùn)與迭代 。通過這種資源錯峰利用，全院整體AI算力的利用率可以提升30%以上，大幅降低了醫(yī)院應(yīng)用大模型的邊際成本 。

AI除了算力強、成本低，還要真正能落地干活，把“臟活累活”從醫(yī)生手中接過來，才能解放生產(chǎn)力。華為在醫(yī)療行業(yè)的定位始終清晰，即“做行業(yè)使能平臺”，通過ModelEngine人工智能工具平臺實現(xiàn)多模態(tài)模型管理，數(shù)據(jù)飛輪支撐模型快速迭代、越用越準(zhǔn)，自然語言生成智能體能力，讓醫(yī)生無需懂代碼即可輕松開發(fā)出專屬的數(shù)字分身。這意味著，HAIP平臺可以包攬智能化轉(zhuǎn)型中那30%繁瑣、技術(shù)門檻高且重復(fù)性強的底層工作，包括大規(guī)模數(shù)據(jù)的采集清洗、智能標(biāo)注以及算力基礎(chǔ)設(shè)施的運維。

為了確保這種變革不成為醫(yī)生的負擔(dān)，平臺采用了開放式架構(gòu)，能夠無縫兼容現(xiàn)有的HIS（醫(yī)院信息系統(tǒng)）與PACS（影像歸檔和通信系統(tǒng)）等業(yè)務(wù)流程。在實際落地過程中，這種“無感接入”確保了醫(yī)生不需要改變現(xiàn)有的作業(yè)習(xí)慣，保障了醫(yī)療服務(wù)的絕對連續(xù)性 。

通過標(biāo)準(zhǔn)化的底層能力，醫(yī)院也得以從繁重的IT運維中解脫出來。正如南方醫(yī)院副院長劉杰所言，這種統(tǒng)一底座的建設(shè)，不僅規(guī)避了重復(fù)投入的浪費，更讓醫(yī)院得以通過建底座來提升AI系統(tǒng)能力，把臨床經(jīng)驗、管理經(jīng)驗沉淀下來變成醫(yī)院核心的競爭力。

生產(chǎn)力重塑：

AI平臺如何改變“醫(yī)-患-院”結(jié)構(gòu)

算力底座的重構(gòu)，最終目的是釋放臨床一線的生產(chǎn)力。當(dāng)?shù)讓拥姆彪s工作被HAIP平臺接管后，AI在真實的診療場景中，正以“多智能體”和“數(shù)據(jù)飛輪”的形態(tài)，實質(zhì)性地改變醫(yī)生、患者與醫(yī)院的日常。

極簡開發(fā)與“多智能體”

把時間還給醫(yī)生

在南方醫(yī)院健康管理中心，超聲醫(yī)生每天需要出具約1500份報告，其中一半以上可能存在異常。過去，這高度依賴人工三級檢審，醫(yī)生長期處于高強度的機械勞動中。如今，AI智能檢測系統(tǒng)承擔(dān)了90%以上的重復(fù)篩查工作，關(guān)鍵問題檢出率達90%以上，這為每位醫(yī)生每天節(jié)省了約2小時，用于更關(guān)鍵的復(fù)雜診斷 。

如今，隨著HAIP平臺的建立，日后將有更多上述這樣的醫(yī)療智能體涌現(xiàn)，更多的科室、醫(yī)生和患者將會因此受益。這是因為HAIP平臺大幅度降低了開發(fā)醫(yī)用智能體的技術(shù)門檻，借助NL2Agent（自然語言生成智能體）能力，醫(yī)生將無需編寫代碼，只需用日常語言描述需求，平臺即可在幾分鐘內(nèi)自動生成專屬的數(shù)字分身。以后，服務(wù)于醫(yī)療日常工作的智能體，上線周期有望縮短70%。

從“消耗品”到“數(shù)字資產(chǎn)”

越用越聰明的飛輪

高質(zhì)量的醫(yī)療數(shù)據(jù)過去往往隨著診療結(jié)束便歸于沉睡。HAIP提供的智能標(biāo)注流水線，正在將這些“消耗品”轉(zhuǎn)化為核心資產(chǎn)。以病理數(shù)據(jù)為例，AI預(yù)先標(biāo)出可疑區(qū)域后，醫(yī)生的標(biāo)注效率從人工的每人每天50張?zhí)嵘?00張，效率提升超過6倍，且準(zhǔn)確率達85%以上。

更重要的是，平臺打破了AI“出廠即定型”的局限。系統(tǒng)內(nèi)置的自助增訓(xùn)工具鏈，能自動記錄醫(yī)生的日常反饋并啟動新一輪訓(xùn)練，使模型準(zhǔn)確率從最初的80%逐步自主提升至95%以上 。專家的每一次診斷，都在為醫(yī)院沉淀可復(fù)用的數(shù)字資產(chǎn)。

打破資源壁壘

從治病到長效管理

大三甲醫(yī)院的算力與模型，如果不向下延伸，便失去了更廣泛的社會意義。

我國慢性乙肝感染者約占全球三分之一，大量患者由于缺乏早篩，初診即是晚期。南方醫(yī)院感染內(nèi)科已經(jīng)將復(fù)雜的肝癌診斷經(jīng)驗轉(zhuǎn)化為aMAP肝癌篩查評分，并通過線上小程序和社區(qū)“彩虹小屋”下沉到基層 。醫(yī)療干預(yù)的時間點，被大幅前置到了社區(qū)日常篩查階段 。

這一下沉帶來了可觀的經(jīng)濟與社會效益：肝癌早期診斷率從傳統(tǒng)的23.2%提升至67%；以一個縣級市的數(shù)據(jù)為例，僅一年就節(jié)約醫(yī)保支出超過7500萬元 。

在慢病管理領(lǐng)域，南方醫(yī)院牽頭研發(fā)的我國首個慢性腎臟病綜合管理大模型“智腎”提供了另一個樣本 。該模型整合了權(quán)威診療指南與約2000萬患者的全息醫(yī)療數(shù)據(jù)。目前，“智腎”已在廣東化州、吳川等基層醫(yī)院落地，實質(zhì)性地填補了基層專科能力的空白 。

未來，這些AI工具跑在通用平臺上后，將可以惠及更多人群。通過HAIP的“云邊協(xié)同”架構(gòu)，大三甲醫(yī)院作為中心端負責(zé)訓(xùn)練模型，鄉(xiāng)鎮(zhèn)和社區(qū)等基層醫(yī)療機構(gòu)只需部署輕量級邊緣設(shè)備，即可一鍵接收模型下發(fā)并同步升級。

產(chǎn)業(yè)縱深：

打破適配壁壘，上下一心

作為醫(yī)療行業(yè)的基礎(chǔ)設(shè)施，HAIP的價值不止步于解決單家醫(yī)院的效率難題，更在于重構(gòu)整個醫(yī)療AI產(chǎn)業(yè)鏈的生態(tài)規(guī)則。

北京惠每云科技董事長張奇與華為及南方醫(yī)院合作了多年，他將過去的醫(yī)療AI開發(fā)現(xiàn)狀比作“功能機時代”：“當(dāng)你想把專家的頂尖成果向外推廣時，發(fā)現(xiàn)需要適配各家醫(yī)院不同型號的系統(tǒng)和數(shù)據(jù)，推廣成本極其高昂。”

HAIP平臺的出現(xiàn)，被業(yè)界視作醫(yī)療AI領(lǐng)域的通用底座。它試圖抹平不同廠商版本與底層數(shù)據(jù)之間的差異，讓醫(yī)生和開發(fā)者只需關(guān)注智能體應(yīng)用的打磨，而無需操心跨院適配的底層消耗。

為了讓這套復(fù)雜的系統(tǒng)工程有據(jù)可依，避免更多醫(yī)院在算力投資上走彎路，本次論壇聯(lián)合發(fā)布的《醫(yī)院通用人工智能平臺技術(shù)白皮書》系統(tǒng)回答了“醫(yī)院到底該怎么建AI”這個問題，提供了從頂層設(shè)計到具體落地的一整套方法。這是國內(nèi)第一份系統(tǒng)提出醫(yī)院“AI操作系統(tǒng)”的技術(shù)文檔，南方醫(yī)院副院長劉杰將其概括為行業(yè)所需的“標(biāo)準(zhǔn)施工圖和避坑指南”。

在落地環(huán)節(jié)，白皮書給出了明確的“六步走戰(zhàn)略”。先做整體規(guī)劃，然后選一兩個場景先試，接著準(zhǔn)備數(shù)據(jù)、開發(fā)模型，再全院推廣，最后長期運營。

同時，南方醫(yī)院與華為揭牌成立了“AI全場景智慧醫(yī)院聯(lián)合創(chuàng)新實驗室”，共同打通從臨床需求到技術(shù)落地轉(zhuǎn)化鏈路的孵化器。南方醫(yī)院副院長鄭磊說，實驗室將針對臨床需求，不斷研發(fā)更多的智能體，并且讓這些智能體跑在HAIP的跑道上。而要實現(xiàn)這一目標(biāo)，必然需要跨界合作，也必定會帶來醫(yī)學(xué)技術(shù)與醫(yī)院運營管理領(lǐng)域的新質(zhì)生產(chǎn)力。

在這個更為宏大的圖景中，HAIP不應(yīng)是一個封閉的黑盒系統(tǒng)。以“智腎”大模型為例，其底層正是基于當(dāng)前備受關(guān)注的DeepSeek大語言模型和自主創(chuàng)新環(huán)境研發(fā)。白皮書中明確提出，致力于構(gòu)建開放共享的生態(tài)體系，未來大型三甲醫(yī)院訓(xùn)練成熟的優(yōu)質(zhì)專科模型，將通過社區(qū)進行開源共享，供基層醫(yī)院直接下載使用，實現(xiàn)“一次建設(shè)、多處受益”。

這恰好契合了華為在醫(yī)療領(lǐng)域布下的長遠棋局。華為中國政企教育醫(yī)療系統(tǒng)部醫(yī)療健康行業(yè)總經(jīng)理郭忠光指出，華為的策略是“向上攀峰，向下賦能”。一方面，聯(lián)合像南方醫(yī)院這樣的大型三甲醫(yī)院攻堅醫(yī)教研等高難度場景，產(chǎn)出頂尖的專科智能體；另一方面，通過云邊協(xié)同架構(gòu)，將這些專家經(jīng)驗沉淀下沉，通過技術(shù)手段實現(xiàn)優(yōu)質(zhì)醫(yī)療資源的真正擴容。

隨著這套醫(yī)療界“AI操作系統(tǒng)”的規(guī)模化落地，一場用底層算力重構(gòu)產(chǎn)業(yè)規(guī)則、消弭醫(yī)療資源鴻溝的深刻變革，才剛剛拉開序幕。華為副總裁李俊風(fēng)對合作寄予厚望，期待將南方醫(yī)院的AI全場景建設(shè)打造成全球樣板間。孫劍對此甚為認(rèn)同：“這代表著高度智能化的未來醫(yī)院。”