2023年3月，华为宣布成立医疗卫PG电子网站生军团，引发了AI医疗概念股的爆炸性反应，进一步推动了医疗大模型的普及与应用。这场年度盛事标志着‘大模型+医疗’竞赛再创新高，现已涌现的百余个大模型，已覆盖生命科学的方方面面，以及各类医学诊疗流程。科技巨头BTAH（百度、腾讯、阿里、华为）和诸多AI独角兽（如科大讯飞、商汤、零一万物等）都在争相布局，企图在这场角逐中争得一席之地。然而，在这片狂欢的背后，井喷的医疗大模型以及AI应用并非每个都有长期的价值，能否被医院与患者买单也是一个未知数。

　　回顾智慧医疗的历史，AI医疗面临的真正挑战在于场景的复杂性。以Watson医生为例，它曾希望能治愈所有癌症，但最后却未能达到预期。谷歌的googlehealth也因商业背景而遭到患者的抵制，最终未能成功。机器学习小模型时代的AI辅助医学影像，需要大量专科医生进行图表标注，最终收益低于预期，难以持续发展。即便ChatGPT掀起了大模型热潮，数据孤岛、算力成本、伦理红线等问题依然悬而未决。

　　医疗场景的壁垒极其深厚，唯有运用系统思维和系统工程，才能实现从通用到专用的转变。如何将大模型真正融入医疗行业的业务流程，解决相关核心业务问题，将是大模型厂商决胜的关键。目前国家卫健委已发布《卫生健康行业人工智能应用场景参考指引》，列出了84个AI应用场景。从医疗环节来看，大模型已覆盖了院前、院中及院后的全流程。

　　在院前阶段，AI诊疗助手为患者提供语音问答、智能分诊、健康教育及疾病预防的服务。在院中阶段，大模型则为临床决策提供支持，高效的入院记录生成与检查项目推荐，大幅度提高了医疗效率。同时，AI大模型的辅助可以减少传统诊疗中对医生经验、设备及医院级别的依赖，有效提高肿瘤的检出率，避免病情的延误。在院后阶段，关怀性的随访系统提升了患者的依从性，通过及时，大量的数据分析，减少了患者自行停药和疾病复发的风险。

　　虽然在各个医疗场景中，大模型的应用已如雨后春笋般涌现，然而不同的细分场景深度却相差甚远。在院前、院后，AI问答的容错率相对较高，研发难度低，但在院中阶段，AI则需要充当智能中枢，其开发难度、耗时以及对多方协作的依赖，使得这一过程显得极其复杂。发布一个医疗大模型并不困难，但在深层次的整合进医疗系统中，各种既有的壁垒可能会成为最大的阻碍。

　　医疗行业对AI的期待由来已久，虽然AI医疗领域并不陌生，但为何大模型的到来会引发一场狂欢？我们需要回顾一下AI医疗领域的发展历程。最早的阶段由Watson健康和一些专家系统主导，但最终以失败告终。进入2015年，互联网时代的来临，各大互联网企业开始进军医疗健康领域。然而，直到大模型的出现，AI+医疗才再次得到重视。虽然业界对AI医疗的展望仍旧向好，但问题依然亟待解决：医疗场景的复杂性加大，单纯依赖AI技术，并无法做到独立突破。

　　医疗大模型需面对许多独特的壁垒，其中信任壁垒最为突出。数据难以共享，尽管国家部门在推动数据互通与共享，但高质量数据与低质量数据对模型的贡献却大相径庭，价值如何合理分配仍无明确机制。此外，技术壁垒同样难以忽视，AI算法在实验室中的高表现往往无法在临床场景中得到同样的认可。为了将AI更好地应用于医疗领域，达成高准确率是落地的根本要求。

　　至于专业壁垒，很多做AI的公司对医疗场景的需求了解并不充分。医疗行业的需求常常复杂且具专业性，许多痛点并非大模型研发者能想象到的。例如，某泌尿外科医生在腹腔镜下操作时会遭遇大量的烟雾，如果希望应用AI来去雾，实时性的要求极高，模型必须部署在本地，而这又对端侧算力有极高要求。

　　因此，对于医疗AI来说，面临上市与逐步应用之间的巨大挑战。然而，近期的一些进展让人对未来充满期待。DeepSeek的开源策略正降低医疗机构和中小企业的技术门槛，为医疗大模型的普及添砖加瓦。此外，部分大模型厂商正在寻求深度合作，通过构建共赢的产业链来应对医疗行业面临的挑战。

　　然而，真正要突破医疗场景的壁垒，铸造出重剑的关键在于深度合作与聚焦。部分企业如华为已经组建了医疗卫生军团，将各类技术与专科需求对接，致力于推动医疗大模型的实际落地。这样一来，未来大模型在医疗领域的成功，将不仅取决于技术本身的进步，更取决于综合实力与行业的精细化合作。

　　总的来说，医疗与大模型的结合如同本世纪最伟大的相遇，这一进程绝非一蹴而就。科技与医疗的联姻需要以场景化思维和系统级的解决方案来有效推进。在日益变化的医疗数字化浪潮中，能够坚定铸造重剑的大模型厂商，折射出未来医疗领域的无限可能。返回搜狐，查看更多