时代财经

图片来源：视觉中国

腾讯示范性机器人“小六”现场施展“畅气通络按摩手法”；蚂蚁灵波机器人进入药房，协同完成订单接收、智能分拣和商品交付全流程；安顿中医机器人出诊，为消费者生成调理建议……2026世界人工智能大会（下称“WAIC”）上的医疗场景吸引了不少参会者驻足，大家纷纷感慨医疗AI+进程的迅猛。

但若放眼行业便可察觉，这类面向大众消费端的场景，尚且只是AI落地医疗的浅层形态。当下，人工智能早已向纵深推进，深度融入新药研发，各类AI智能体也逐步走入临床诊疗场景落地试用。

AI已进入临床诊断、药物研发和健康管理

在本届WAIC的“从大模型到智能体：迈向自主智能新纪元”分论坛间隙，中国科学院院士、复旦大学附属中山医院心内科主任葛均波向时代财经分享了创立“观心大模型CardioMind”（下称“观心大模型”）的过程，它是我国首个心血管专科领域的医疗大模型。

他说，“观心大模型”的诞生经历了长期的数据积累、计算和算法改进，模型刚公布时，团队发现还有一些问题没有解决，比如人类面临的疾病风险不止脑卒中、心脏病。“后来我们又提取出很多数据‘喂’给大模型，从全身动态的角度去诊疗病人，不只是评估心脏病的情况”。

目前，“观心大模型”突破了单一文本数据分析，实现了心电图、超声影像、实验室检查等多模态数据的整合推理。其服务包含就诊系统与问询系统，可以精准解析患者主诉，结合病史和检查数据，自动生成结构化电子病历，完成智能病史采集。

临床之外，AI也已经深入生物医药领域。清华大学万国数据教授、水木分子首席科学家聂再清告诉时代财经，新药研发是一个极其复杂的系统工程，任何单一的大模型都无法独自应对从生物学到化学、再到临床医学的巨大跨度。

也是因此，聂再清将整个新药研发链路拆解为多个具有专业领域知识和工具调用能力的专属智能体，比如文献与数据挖掘智能体系统（ChatDD Insight）、分子生成与优化智能体系统（ChatDD Discovery）、临床试验智能体系统（ChatDD Trial）。

聂再清告诉时代财经，这些智能体并非孤立作业，而是基于“环境反馈与执行技能”进行动态联动——靶点智能体给出的候选通路和抗原结合位点，会作为分子生成智能体的约束条件；而分子评估和排序智能体预测的亲和力、可成药性等数据，又会反过来修正分子设计方向与位点选择。通过这种全链路的闭环流转与持续进化，多智能体协同能够真正把割裂的研发环节串联成一条自动化的智能管线。

在云知声创始人、首席执行官黄伟看来，在医疗领域，AI可以把顶尖专家的经验进行数字化知识封装，帮助年轻医生进行临床辅助决策；也可结合病例用药情况，对鉴别诊断进行一些辅助。

对于普通患者而言，AI可以提供健康管理、导诊随访等服务，同时也帮助患者实现信息平权。以爱康集团为例，其于2018年启动iKangAI+计划，引入人工智能应用；2023年推出首个AI健康管家——“爱康iKKie”，通过“医疗专业知识库+AI大模型算法”双引擎，服务覆盖检前、检中、检后全环节，完成了爱康AI体检生态的闭环。

今年5月，爱康集团联合华为云正式上线了基于健康管理场景的大模型。它的核心逻辑很简单——通过体检对人群进行健康筛分，再通过AI在后台持续触达客户的饮食、睡眠、心理等日常行为，以高频互动提升依从性，最终驱动健康趋势的实质性改善。这套机制对每个人来说都是“千人千面”的，它结合了可穿戴设备（手环、手表乃至未来居家的数字化监测），真正围绕个人端构建起全时段的健康管理闭环。

传统健康管理模式中，1名医生同时管理100位客户已接近人力上限，且全程高度依赖人工操作，而在AI加持下，保守测算医生效率可提升近5倍。

AI健康管理打破的是传统健康管理中的“不可能三角”，通过智能化全流程健康管理，让专业医疗服务、个性化管理方案和规模化服务从“难以兼得”走向“同时实现”。

AI不会代替医生，但使用范畴、身份定位、能力边界亟理清

行业普遍认为，在大模型的落地应用中，医疗是非常好的场景。不过，考虑到医疗领域高精准度、低容错率、强专业性的属性，智能体的应用也极具挑战，且使用范畴、身份定位、能力边界必须划定清晰。

葛均波直言，医疗行业容错率几乎为零，“沙发造错了，一个腿长一个腿短，我们可以校正，但是人不行，多缝一毫米、少缝一毫米都不行。”

在他看来，智能体进入诊室前必须明确一个前提，即它的定位是医生助手，而不是未经监督的决策者。其表示，智能体可以帮助医生整合信息、提示风险、提高效率，但关键决策还是要由医生来负责。

另外，智能体要赢得医生信任，不能只看实验室的准确率，更要经过多个诊疗中心、真实临床环节的验证；要具有前瞻性，证明其在不同医院、不同人群中都能稳定可靠。同时，它的判断还要能够追溯，“我们的模型公布之前，会先在合作医院验证到底能帮多少忙，是否能够得到准确结论”。

葛均波反复强调精准，他表示智能体发展的重点不是将模型越做越大，而是要把临床的问题解决得越来越准确。这个过程需要坚持三点：其一是坚持以临床需求为导向；其二是坚持多模态融合的临床推理；其三是坚持真实世界的验证。

聂再清持有相似看法。他告诉时代财经，药物研发智能体的落地门槛是“天花板”级别的，相比其他领域智能体有三个最本质的区别：其一是容错率几乎为零，技术约束极高；其二是数据极度稀缺与“湿实验”闭环；其三是多模态融合的异构性。

他举例，工业或汽车领域可以通过传感器和仿真器获取海量相对标准的数据，可新药研发的优质活性数据、临床数据极度稀缺，且大量存在于非公开的实验室中。医药智能体需要更多考虑“干实验（AI预测）与湿实验（细胞/动物验证）”的闭环联动，无法闭门造车。

聂再清判断，药物研发智能体是一个“由点及面、全面集成”的演进过程，短期内（1至3年），高可信度的单功能专业智能体会率先在各自领域确立统治地位并成为标配，因为每个环节都需要极深的专业纵深；中长期（3至5年），随着多智能体协同架构和标准化接口（如技能库）的成熟，这些单点工具必然会被吸纳进全流程一体化的研发平台中，形成一个医药研发的“AI中央操作系统”。

总体而言，要用智能体、更要用好智能体是当前的行业共识。AI浪潮下，消费终端对医疗智能体看法各异，有人兴奋，有人悲观。

在葛均波看来，人工智能正在深刻改变医学，这是谁也阻挡不了的发展进程，真正能够服务医生，又能服务患者，同时还可以服务医学发展的智能体是行业追求的目标。

黄伟亦表示，AI本身不会代替医生，但是医生不能不会使用AI。