《Winning Insights》

　　文章精选系列

　　赢在卫宁

　　卫宁健康（300253）精心打造的医疗数字化期刊《Winning Insights》(中文名：《赢在卫宁》)作为数智医疗新时代的记录者，数载如一日记录着行业的发展变化。为更好地传播优质内容，传递有价值的观点，卫宁健康特推出《Winning Insights》文章精选系列，随每期期刊的发布更新。

　　在主题为《AI内生，价值超越》的2025年11月刊中，精选2篇文章供读者参考，每日更新1篇。

　　生成式AI驱动医疗从传统信息化迈向智能体时代，医疗AI正经历由工具到伙伴、由局部到全局的跃迁，迈向全面自主、协同融合的AI Agent3.0新纪元。

　　演讲|林红(IDC高级分析师)

　　整理|杨吴婕

　　科技的发展正在改变医疗信息化的运行方式，当前AI与医疗正经历从工具到伙伴的智能化跃迁，这一趋势为医疗行业带来了深刻变革和巨大机遇。

　　生成式AI无疑是当前变革的核心驱动力。自2023年起，生成式AI的迅速发展使得企业纷纷向AI驱动的商业模式转型。从整个发展阶段来看，2023-2024年为试点实验期，企业开始尝试应用生成式AI；2025-2026年，市场进入推广采用阶段，AI大转型开始逐步推进。

　　当前，企业正推进基础架构、AI平台、应用及数据变革，落实生成式AI普及，推动业务发展。根据IDC调研数据显示，全球93%的企业已开始准备生成式AI，而中国走在科技前沿，97%的中国企业已积极探索该技术。

　　生成式AI技术的发展阶段

　　1

　　 IDC对医疗大模型的技术评估

　　2023年以来，已有百余个医疗大模型相继问世，覆盖医疗、医保、医药等领域，在诊前、诊中、诊后的全周期中展现出初步的应用价值。

　　 IDC 作为技术观察者，在2024年底，我们对多家厂商医疗大模型展开技术评估，包括医疗信息化、AI及云计算科技厂商、医疗创新型厂商。测试场景涵盖知识问答、检验检查解读、病例分析、病例生成等。

　　初步结果显示，多个大模型在上述场景中表现良好。性能方面，模型在任务执行的准确性、全面性和专业性上展现出较高水平；数据处理方面，模型展现出多模态交互能力；部署方面，技术厂商基本掌握蒸馏、剪枝和压缩等技术，提供适应不同用户需求的小型化模型。此外，厂商积极投入资源，组建本地化团队，及时响应用户需求。

　　同时，我们也发现大模型依然存在一些问题。部分模型在执行统一任务时一致性较差，也存在幻觉；多模态的数据融合还处于前期阶段；厂商对于用户的需求理解、场景的挖掘有待提升等。因此，模型需要持续去进阶。

　　2

　　医疗大模型的演进方向

　　随着技术不断进步，医疗大模型正朝以下四个方面演进：

　　一是底层模型多样性：从技术路径角度，医疗大模型的技术基础日益丰富。DeepSeek凭借其高性能和低成本，成为医疗用户接触大模型的入口。

　　二是推理能力增强：DeepSeek出现加速了推理模型的发展，并引入了长链推理技术，使得模型能够模拟医生思维，提升整体推理能力。

　　三是多模态数据融合：新一代模型通过统一特征提取和融合框架，打破不同数据类型之间的壁垒，将文本描述、影像特征、检验信息等多元信息进行深度关联与协同分析。

　　四是可靠性提升：在医疗场景中，可靠性至关重要，因此大模型引入了知识图谱和RAG技术，确保输出结果的可追溯和事实核查，提升了模型的可靠性。

　　3

　　医疗AI到智能体的演变

　　纵观市场，大模型已进入智能体发展时代。2025年为智能体爆发之年，随着大模型兴起，企业应用快速实现智能化转型，从传统应用转向具备“头脑”的智能体。转型路径从“智能体补充、增强、主导”向“智能体即应用”的方向。2025年，17%的企业应用以智能体补充形式存在，在原有应用嵌入智能体，而部分界面也被智能体取代。预测至2027年，以智能体补充形式的企业应用将实现规模化。

　　医疗AI的发展路径可划分为三个关键阶段，逐步实现从基础工具到智能伙伴的跃迁：

　　早期传统AI阶段：以单点的软件应用为主，主要集中在临床决策支持系统、医学影像AI系统、AI新药研发等方向。这类系统基于早期的技术支撑，其泛化能力相对较弱，专业性也有待提升。

　　医疗大模型突破阶段：大模型以对话框交互形式承接临床、科研、管理等各类任务，彰显出应用潜力，为行业发展带来突破性进展。DeepSeek的问世进一步加速了大模型在企业及行业场景的落地，快速提升其在医疗领域的整体渗透率，推动医疗AI Agent1.0时代正式到来。

　　智能体转型关键阶段：当前，医疗AI正从单纯的辅助工具向协同伙伴角色升级。IDC数据显示，中国在AI Agent应用层面领先于多个国家，而医疗行业的推进速度又位居全行业前列，已有90.3%的医疗组织完成AI Agent部署。不过，目前医疗组织部署的AI Agent数量多集中在6-10个，整体仍处于前期试水阶段，后续需通过持续的转型与升级完善应用体系。医疗AI Agent的阶段又可以细分成1.0和2.0阶段：

　　(1)医疗AI Agent1.0时代：呈现半自主性、AI编辑驱动、单点运行及场景分散的核心特征。这一阶段的AI Agent本质上属于被动响应工具，需依赖人工输入指令并设定运行规则，且多以独立软件形式存在，与现有业务系统相互隔离。同时，不同AI Agent之间缺乏协同机制，应用场景局限于诊前、诊中的单点任务，未能形成规模化应用效应。

　　1.0时代，AI Agent主要提升医生工作效率，改善患者就医体验，加速科研流程，优化资源配置。1.0时代的AI Agent侧重于效率提升，帮助医疗行业简化传统流程。

　　(2)医疗AI Agent2.0时代：在自主性层面，实现从感知、规划到执行的全流程自主化升级；在系统集成层面，可与HIS、EMR等核心医疗信息系统融合，能自主抓取系统数据进行分析处理，并将结果回溯回填至信息系统；在功能形态层面，从单一工具演进为多智能体协同运作的系统；在应用场景层面，全面覆盖诊前、诊中、诊后全流程，并延伸至科研、管理等多个领域，形成全域铺开的应用格局。

　　2.0时代，AI Agent不仅提升效率，提供更高级的决策支持，推动精准医疗，形成主动患者管理模式，助力科研和医院精细化运营。AI Agent从提高工作效率，发展为能够主动改变医疗工作方式和决策的合作伙伴。

　　4

　　技术厂商如何应对AI智能体的挑战

　　医疗AI向智能体转型并非一帆风顺，仍面临诸多挑战。根据IDC调研，在AI Agent业务应用方面，近半数医疗用户担忧Agent输出结果的可解释性，以及自主行动引发的安全问题。在实施部署方面，主要挑战包括系统集成、数据安全、伦理管理和监管等。尽管存在阻力，AI Agent的发展仍势在必行，医疗行业需正视并解决上述问题，以推动医疗AI Agent时代的到来。

　　在应对挑战的过程中，技术厂商扮演着至关重要的角色。厂商需克服挑战，推动AI Agent发展。为了实现这一目标，厂商应具备四大核心能力：技术能力、服务能力、行业知识和资源禀赋。

　　技术能力：技术能力是基础，尤其在AI Agent的初期阶段，厂商技术突破已取得显著进展。DeepSeek出现为技术的发展带来了重要的突破，成为这一阶段AI Agent发展的关键基石。

　　服务能力：厂商需提供针对AI Agent的咨询、设计、实施、部署及运维及定制服务。行业知识：厂商需深入理解医疗用户需求和场景，设计出用户所需要的AI Agent。

　　资源禀赋：厂商需收集积累大规模的高质量数据，积累客户资源、生态资源，并拥有医疗系统的入口。

　　5

　　展望AI Agent3.0时代

　　随着技术的持续进步，AI Agent发展过程中需要与更多的业务系统进行集成融合，需要与更多的外部工具实现无缝对接，也涉及更多的利益相关者及厂商。AI Agent在未来发展过程中，不仅是单个厂商能独立推动的，需要不同类型的厂商以及关联者，在各自擅长的领域发挥专业优势，通过优势互补、资源共享等方式构建起整个医疗AI的发展生态。

　　 AI Agent从1.0到3.0时期

　　在多方协同下，AI Agent将从1.0、2.0进一步向3.0时代迈进。我们认为，医疗AI Agent3.0时代将具备以下特征：实现全面自主化能力，完成医疗、医保、医药三个领域的任务及数据融合；在生态体系下整合多智能体，最终达成AI Everywhere的愿景。伴随这一升级，其价值将超越2.0时代，有望构建诊疗闭环、重塑医疗服务体系、重构医院运营流程，并最终实现全民健康的愿景。

　　我们带着期许，共同努力见证AI Agent3.0时代的到来。