AI驅動醫改走深走實，華為持續打造醫療通用AI新引擎

如今，AI技術在醫療衛生領域的創新突破與落地應用，已成為深化醫改、推動行業高質量發展的關鍵動力。近日召開的2026全國深化醫改經驗推廣會暨中國衛生發展會議，進一步明確：以AI賦能優質資源擴容下沉，以數智化賦能公立醫院改革。

順應行業發展新趨勢，華為始終堅守“扎根數智醫療，構筑健康中國創新基座”的理念，積極探索AI技術在醫療衛生領域的創新應用，持續推動AI賦能優質醫療資源下沉、助力公立醫院提質增效與改革創新。

在此次會議上，華為不僅深入分享了醫院通用人工智能平臺（HAIP）與醫療人工智能助手（HAIC）解決方案的特點和優勢，還集中展示了在新疆阿克蘇、廣州國家人工智能應用中試基地、武漢市中心醫院、南方醫院等地的創新實踐，為醫療衛生領域數智化轉型提供了一批可復制、可推廣的典型樣板。

打造醫療通用AI平臺，推動AI規模化落地

為了加速醫療行業AI落地的步伐，華為依托自身在算力平臺、ICT基礎設施等領域的技術積淀，并結合對醫療應用場景的深入理解，從行業共性需求出發，打造了統一的“數據+AI”平臺。

這種平臺化思維正是解決當前醫療AI應用碎片化、重復建設等問題的核心破局點。華為打造的城市健康通用人工智能平臺（HAIP-HAIC），以城市AI平臺為基礎，可全面統籌算力建設，加速AI賦能基層健康服務，從而助力實現市級抓統籌、區縣提效率、基層提能力。

華為醫療衛生軍團總裁、數據存儲產品線副總裁張偉力

HAIP醫院通用人工智能平臺聚焦醫智融合，可全面助力醫療行業AI落地。華為醫療衛生軍團總裁、數據存儲產品線副總裁張偉力表示，該平臺通過開放架構，可實現AI共建共享，將醫生的知識、經驗快速轉化為模型和智能體；通過軟硬協同，可大幅提升模型和智能體的性能與準確率；通過數據安全檢測，可實現數據安全共享，將AI能力向基層下沉。

華為醫療衛生軍團副總裁呂漢夫

HAIC醫療邊緣智能助手解決方案能夠將頂級醫院的診療經驗轉化為基層醫生觸手可及的數智助手，切實補齊基層醫療服務能力短板。華為醫療衛生軍團副總裁呂漢夫表示，HAIC具備易用、高效、安全三大特性：軟件包內置、免下載，實現一站式AI開箱即用；推理服務深度優化，資源效率提升30%，視圖數據超級壓縮，回傳效率提升50%；支持邊緣生成和保存密鑰，用戶可自主掌控訪問權限和模型版本。

在此基礎上，華為還通過開放平臺，使能行業伙伴開展數據對接、模型開發部署、應用開發上線等，共同打造影像AI、病理AI、AI病歷、診療助手等更多高價值AI應用。同時，華為還將持續深化與衛健部門、醫療機構及行業伙伴的協同，不斷豐富產業生態，共同推動AI+醫療領域的創新發展。

加速醫療智能化轉型，助力行業高質量發展

作為深化醫改的核心舉措，分級診療旨在回應群眾就醫期盼、優化醫療資源配置。新疆阿克蘇地區攜手華為上線“e醫阿克蘇”及醫療云等平臺，打通醫、保、藥的數據壁壘，已實現群眾“全域無感就醫”。

公立醫院是我國醫療服務體系的主體。為推動醫院高質量發展，武漢市中心醫院通過聯合華為共建數智病理區域中心，已實現“一秒千片”，顯著提升病理醫生閱片效率與工作體驗；通過集中診斷模式，分院區無需派駐專職病理醫生，即可讓優質病理診斷服務惠及更多患者。

智慧醫院建設已成為推動公立醫院高質量發展的必由之路。南方醫院通過聯合華為打造HAIP醫院通用人工智能平臺，已落地慢性腎臟病綜合管理大模型“南醫智腎”、圍手術期麻醉管理大模型“南方智麻”及“南醫小智”智能體中心等場景化應用，全面助力優質醫療資源均衡布局。

國家人工智能應用中試基地（醫療）的建設，旨在加快人工智能技術在醫療領域的應用轉化與產業化進程。廣州國家人工智能應用中試基地依托昇騰384超節點，已完成主流大模型適配，并實現AI在多個公衛場景落地應用。

從新疆阿克蘇的“全域無感就醫”到武漢市中心醫院的數智病理革新，從南方醫院的HAIP醫院通用人工智能平臺到國家人工智能應用中試基地的科研攻關，這些先行者的創新實踐已然表明：AI已不再是醫療行業的“輔助選項”，而是加速醫療智能化轉型、推動行業高質量發展的“核心引擎”。

AI賦能醫療衛生，還需邁過哪些坎？

從上述醫療衛生行業的創新實踐可以看出，AI技術不僅能用于基層診療智能輔助、臨床專科專病診療智能輔助決策和患者就診智能服務，還能在構建優質高效醫療衛生服務體系的公平可及、系統連續、優質高效和富有韌性四個層面發揮重要作用。

華為中國政企教育醫療系統部醫療健康行業總經理郭忠光

正如華為中國政企教育醫療系統部醫療健康行業總經理郭忠光所說，AI不是替代醫護人員，而是增強整個體系的“能力邊界”，可助力行業打破空間壁壘、時間壁壘、效率壁壘和風險壁壘，從而構建一個以人和健康為中心、人機協同、智慧敏捷的新型醫療衛生服務體系。

首先，AI將專家經驗“數字化遷移”，打破地理、經濟、語言造成的醫療資源鴻溝；其次，AI作為“數據紐帶”，構建以患者為中心的“個人健康畫像”，貫通院前-院中-院后，覆蓋預防-治療-康復-養老全周期；第三，AI承擔重復性、計算密集型任務，釋放醫護人員精力；第四，AI增強體系的“抗壓與恢復”能力，提升風險應對和平急轉換速度。

盡管如此，要想將AI技術能力轉化為醫療衛生機構真正愿意使用、可復制、可升級的管理解決方案，仍需要跨越三重挑戰：首先，在數據與流程方面，由于數據質量、標準化及共享程度不足，AI系統難以嵌入醫生工作流；其次，在成本與價值方面，投入成本雖大，但AI對醫療服務質量和效率的提升卻難以衡量；第三，在合規與倫理方面，科技倫理貫穿醫療全過程，而AI倫理標準、審查責任主體及監管流程等尚不完善。

針對上述三大挑戰，郭忠光認為，醫療行業需加強數據資產化與治理體系建設，推動需求定義與真實場景開放，加快流程優化與人才培養；而技術服務商應打造高性價比、輕量化解決方案，提升數據、模型工程與合規能力，構建開放共贏的生態體系。這種“供需兩端”雙輪驅動的思路，也為破解AI落地難題提供了清晰的行動路徑。

如今，AI 醫療正從試點探索邁向規模化普惠新階段。根據規劃，到2030年，我國將基本實現基層診療智能輔助全覆蓋，二級以上醫院普遍開展影像智能診斷、臨床智能決策等AI應用。為此，華為將持續沉淀標桿經驗，強化示范引領，幫助醫療機構從容應對AI落地所面臨的諸多挑戰，促進醫療智能化向更深層次、更廣領域延伸，不斷釋放“人工智能+醫療衛生”的乘數效應。