2025年4月的CMEF展会上，联影智能正式发布「元智」医疗大模型及十余款医疗智能体，设备管理智能体从被动响应转向主动干预。这标志着中国AI医疗从单一影像辅助诊断走向全场景赋能的跨越。
同期，国家卫健委公示的医学人工智能主题赛获奖名单中，广东省人民医院的病理图像核分裂象自动检测与辅助诊断获特等奖，科亚医疗的冠心病无创精准诊断系统、语坤的冠脉CTA辅助诊断系统、温州医科大学附属第一医院的基于区域云影像的质量控制与疾病随访AI平台等获一等奖。这些项目覆盖影像、内镜、病理，说明AI辅助诊断已从早期肺结节拓展到心血管、消化道、区域质控等多个方向，技术成熟度达到临床实用级别。
影像辅助诊断是目前最成熟的落地场景。2025年，12项AI辅助诊断项目进入全国统一医保乙类目录（见内链《AI辅助诊断进医保，账还得医院来算》），收费入口变得清晰。但医院是否长期采购，关键看能否融入流程、提升效率、厘清责任。如果AI建议导致误诊，算法提供商与主治医生的责任边界在法律上仍模糊。动脉网发布的《2024医疗人工智能报告》指出，融资收缩迫使AI企业更谨慎地选择场景，有限的现金流要求全面考察供需逻辑，细分场景的ROI验证成为采购决策的前提。
生成式AI的爆发正推动应用边界向药物研发、病历生成、患者管理延伸。联影「元智」大模型将AI从"看片"升级为"决策"：影像分析自动生成结构化报告，设备管理智能体主动预警故障，智能导诊分流患者。这种从识别到行动的能力跨越，呼应了全流程管理的需要。但多个AI发现靶点进入临床II期的同时，尚无全流程AI设计的药物获批，制药领域的投入大、周期长，考验资本的耐心。
政策也在变向。2026年4月，深圳发布23项AI产业新政，补贴从"模型参数"转向"应用场景"，医疗被列为重点扶持领域（见内链《深圳AI产业新政》）。通过训力券、场景券和揭榜挂帅机制，最高5000万元的资助直接激励企业解决真实临床问题，而非单纯比拼算力。规上企业突破2600家、产业营收达2200亿元的背景下，这一转向引导AI医疗从实验室走向工程化。
但挑战仍然尖锐。数据标准化是首要痛点——同一算法在不同医院、不同设备上精度可能大幅下降。病理切片的数据量是CT的百倍以上，标注成本极高，对罕见病的识别要求苛刻。隐私合规方面，《个人信息保护法》与《数据安全法》为数据跨机构共享设置了高墙，联邦学习、隐私计算虽在探索，但部署成本高、流程复杂。商业模式层面，医保目录虽是利好，但医院采购仍需自负盈亏。大部分AI医疗公司仍处于亏损或微利状态，向SaaS或按效果付费转型需要更深信任。（见内链《AI投资下半年，账本比故事更要紧》）
全流程管理还涉及医院管理系统的再造。从智能导诊、预约调度到病历质控、医保结算，AI Agent正在渗透多个环节。上海国家会计学院2025年报告已将大模型列为影响会计行业的顶尖技术（见内链《AI Agent进财务部》），但接口适配往往占据实施周期近半，全自治仍是幻想，人机协同的信任机制尚未完全建立。类似地，AI在制造车间落地需过系统接入、现场规则、流程留痕三道关（见内链《AI Agent进车间》），医疗场景只会更复杂。
联影「元智」如果跑通，将给行业提供样本：从单一工具到智能体组合，从辅助诊断到流程管理，AGI落地的工程化思路在医疗领域同样适用。正如《通用人工智能论坛闭幕》所言，行业正从"拼算力"转向"拼工程"。国产芯片混部环境中的驱动、算子、监控隔离问题（见内链《国产AI芯片混部》），也是影响系统稳定性的现实门槛。8000P算力园区虽然降低了算力门槛（见内链《8000P算力进园区》），但运维、数据合规和真实场景适配仍是绕不开的门槛。
人机协作的信任机制才是最终底座。影像辅助诊断证明了AI能看得准，全流程管理则要求它既能看又能动。从科室到全院，中国AI医疗正在走一条务实的路。
