华为、蚂蚁等大厂正在加码布局AI医疗健康。 6月30日，瑞金医院宣布与华为开源了病理大模型“RuiPath”， 并与海内外的12家医疗机构共同启动RuiPath病理大模型的全球多中心计划，协同推动病理大模型持续迭代。 蚂蚁集团在收购好大夫后，持续布局AI医疗。最新推出的AI健康应用“AQ”，提供健康科普、就诊咨询、报告解读、健康档案等上百项AI功能。 此外，科大讯飞、百川、Kimi等也纷纷看中了AI医疗这一赛道。从落地场景来看，名医智能体、AI诊疗、新药研发等是被重点关注的方向。

AI智能体落地：为名医打造数字分身

AI应用于医疗服务，已经有很长一段时间。但此前小模型由于其泛化能力有限。

医疗资源普惠化：偏远地区患者可24小时通过AI分身获得专家级咨询，解决挂号问诊难题；医生在不影响本职工作的前提下，通过AI高效收集患者需求。

诊疗逻辑精准复现：AI分身训练突破形象声音模拟层面，重点通过深度学习医生科室诊疗经验，构建接近真人医生的问诊逻辑链，涉及诊疗诊断时自动转接人工复核。

服务链路全打通：大模型重塑交互方式，用户仅需自然语言描述症状，AI即可完成咨询解答、互联网医院对接、线下陪诊预约等全流程服务串联。

大模型能否走入临床应用？

华为与瑞金医院合作开发的RuiPath病理大模型，通过百万级病理切片训练，已实现19个常见癌种识别，覆盖中国90%癌症发病类型，标志着AI向临床诊断核心环节的关键突破。但中国工程院院士宁光指出，剩余10%癌种覆盖缺口需通过开源策略破解，呼吁上海医疗体系共建垂直化大模型生态——在官方支持下，各医院共享资源、协同优化模型，形成规模化应用网络，而非单点突破。这一路径旨在将AI从咨询工具升级为临床级诊断助手，推动医疗大模型真正落地。

数据仍是最大挑战

瑞金医院病理科主任助理笪倩与望石智慧CEO周杰龙揭示了医疗AI落地的核心挑战：

数据层面：

质量困境：切片扫描不合格直接影响模型精度，格式不统一加剧数据孤岛

规模限制：仅5%医院实现数字化诊断，数据积累不足制约智能化发展

标注瓶颈：传统病理标注依赖专家知识，成本高企且存在主观偏差

存储压力：三甲医院年病理数据增量达1.5PB级，存储成本高昂

算法与算力层面：

单张GPU仅80GB显存，处理百万级切片需PB级算力支撑，投资成本巨大

行业数字化短板：

数据治理滞后：医疗数据记录不规范、系统未打通、保密限制导致数据沉淀困难

工具链断层：现有工具呈点状分布，缺乏覆盖药物研发全流程的系统化平台

突破路径：

数据治理：推进结构化治理、安全控制策略及高性能计算平台建设

模型创新：构建医药垂类大模型，融合文本与多模态数据，通过多智能体协同提升决策效能