從智力孤島到通用平臺：華為與南方醫院如何重構醫院AI操作系統

• HAIP平臺，AI時代的醫院底層基建。

對于等待胃腸鏡活檢病理報告的患者來說，一周的等待往往是漫長的煎熬。而對于顯微鏡前的病理科醫生而言，這是日復一日的體力透支，他們需要逐張切片、逐視野地排查近萬個細胞，一張復雜切片就要耗費數分鐘。

在南方醫科大學南方醫院（下稱“南方醫院”），這種雙向的折磨正在大幅度改善：AI如今最快只需1秒鐘就能完成切片初篩，將陽性病例的閱片時間壓縮至2分鐘以內，患者拿到報告的周期也隨之縮短至1到2天。

但這絕不僅僅是一個“AI替人干活”的簡單故事。

當AI把醫生從繁重的重復勞動中解脫出來，更好地與患者對話時，這背后有一套龐大、隱秘且高度集成的底層基建在運轉。4月10日，在廣州舉辦的“AI驅動智慧醫院建設新范式高峰論壇”上，南方醫院與華為聯合發布了《醫院通用人工智能平臺技術白皮書》及HAIP（醫院通用人工智能平臺）解決方案。

在這場以“數智融合·賦能醫療”為主題的論壇背后，醫療AI的競爭已從“單點應用”正式升級為“底層基建之戰”。

在煙囪密布的系統里，做不好AI

AI大模型席卷各行各業，但在容錯率極低又事關民生大計的醫療領域，如何做AI變革需要成體系的部署，更需要醫院、醫生、患者和AI廠商的多方參與。

去年底，國家衛生健康委等五部門聯合印發了《關于促進和規范“人工智能+醫療衛生”應用發展的實施意見》，明確要求推動人工智能在基層醫療、臨床診療、患者服務、科研教學、醫院管理等各個方面落地應用。

從數字化到智能化，南方醫院一直是變革的引領者，有著讓同行艷羨的數據厚度。“我們建立了院級的醫療大數據平臺，盤活了27年沉淀歷史數據，我們歷經三大廠商系統整合了27年的全量數據接入二十多個業務系統，采集了全院1033萬患者，6718萬就診人次，實現了T+1的更新。”南方醫院院長孫劍自豪地說。

但過去幾年，國內不少公立醫院在推進智能化過程中，容易陷入“煙囪式建設”的泥潭。醫院往往按科室需求零散采購AI應用：影像科買一套看肺結節的系統，病理科又買一套看切片的系統。

這種“打獵式”的單點部署，導致了嚴重的資源內耗。首先是數據孤島，各系統數據格式不一，缺乏統一接口，分散的病歷和影像無法形成高質量的AI語料庫；其次是算力煙囪，科室各自為政部署服務器，多模型與多智能體無法協同，造成算力極大浪費。

這種建設模式還必須面對人才匱乏的難題，醫院缺乏懂醫療與AI的復合型專家，且傳統軟件商的AI底層能力偏弱，多點開花的發展模式難以避免。而開發壁壘更是不小的挑戰，現網應用廠商眾多，接口極其復雜，導致AI應用開發周期極其漫長。

“過去都是各個學科、各個專家基于自己的需求，打造各自獨立、互不通訊的煙囪式AI智能體。”孫劍對36氪直言。

為了摸清底數，華為與南方醫院的專家團隊深入24個科室開展調研，累計訪談284人次，收集了超過100條AI相關需求。調研結果印證了一個迫切的現實：醫院并不缺零散的工具，缺的是一個能統籌全院數字資產的“大腦”。

這也是南方醫院選擇和華為合作的原因所在。HAIP平臺的三層結構就是為了解決上述難題而設計：最底層是算力和數據平臺，中間層是各種模型（包括通用基礎模型和專科模型），最上層是面向醫生和患者的工具和應用。

孫劍將HAIP平臺的推出比作修路，與其讓每一個科室去建獨立的系統，不如整體做宏觀布局，建一個基座平臺。把這條高速公路建好以后，各家各戶的智能體就像汽車一樣，都可以在上面高效地跑，未來才有無限的拓展空間。

華為醫療衛生軍團總裁張偉力則將這種架構的價值比作“醫療界的鴻蒙”：所有的應用廠商和醫生只需運行在統一的操作系統之上，就像操作Word文檔一樣簡單，而無需去感知底層復雜的算力調度 。

底座重構：

自主架構下的“算力精算”與生產力解放

在醫療這一對安全性與可持續性有著極高要求的領域，任何智能化轉型的核心都繞不開底層架構的穩固與經濟性。HAIP平臺在底座重構上，展現了一套邏輯嚴密的“算力經濟學”。

醫療數據首先要求保障安全與隱私。為此，HAIP平臺構建了基于自主創新架構的AIDC算力底座，通過AI數據湖提供全院統一的數據視圖，徹底打破數據孤島。這套系統從底層計算到上層的容器管理軟件，實現了全棧式的技術自主，在確保數據不出院、不出域的前提下，為醫院構建了一座管得住、用得好的“數字糧倉” 。

大模型的訓練與推理成本高昂，是許多醫療機構在智能化門檻前望而卻步的主因。針對這一痛點，HAIP平臺首創了“晝推夜訓”的潮汐調度機制，依托DCS AI容器底座實現算力切分和任務智能調度，AI算力利用率提升30%以上。

這一機制的核心在于對算力資源的動態精算，AI數據平臺的知識庫、記憶庫和KV Cache加速能力實現毫秒級檢索響應，提升推理準確率：在白天的就診高峰期，平臺將算力池優先分配給門診、急診等實時推理任務，確保醫療影像、輔助診斷等應用能毫秒級響應臨床需求；到了夜間，系統則自動切換，將空閑算力集中用于模型的增訓與迭代 。通過這種資源錯峰利用，全院整體AI算力的利用率可以提升30%以上，大幅降低了醫院應用大模型的邊際成本 。

AI除了算力強、成本低，還要真正能落地干活，把“臟活累活”從醫生手中接過來，才能解放生產力。華為在醫療行業的定位始終清晰，即“做行業使能平臺”，通過ModelEngine人工智能工具平臺實現多模態模型管理，數據飛輪支撐模型快速迭代、越用越準，自然語言生成智能體能力，讓醫生無需懂代碼即可輕松開發出專屬的數字分身。這意味著，HAIP平臺可以包攬智能化轉型中那30%繁瑣、技術門檻高且重復性強的底層工作，包括大規模數據的采集清洗、智能標注以及算力基礎設施的運維。

為了確保這種變革不成為醫生的負擔，平臺采用了開放式架構，能夠無縫兼容現有的HIS（醫院信息系統）與PACS（影像歸檔和通信系統）等業務流程。在實際落地過程中，這種“無感接入”確保了醫生不需要改變現有的作業習慣，保障了醫療服務的絕對連續性 。

通過標準化的底層能力，醫院也得以從繁重的IT運維中解脫出來。正如南方醫院副院長劉杰所言，這種統一底座的建設，不僅規避了重復投入的浪費，更讓醫院得以通過建底座來提升AI系統能力，把臨床經驗、管理經驗沉淀下來變成醫院核心的競爭力。

生產力重塑：

AI平臺如何改變“醫-患-院”結構

算力底座的重構，最終目的是釋放臨床一線的生產力。當底層的繁雜工作被HAIP平臺接管后，AI在真實的診療場景中，正以“多智能體”和“數據飛輪”的形態，實質性地改變醫生、患者與醫院的日常。

極簡開發與“多智能體”

把時間還給醫生

在南方醫院健康管理中心，超聲醫生每天需要出具約1500份報告，其中一半以上可能存在異常。過去，這高度依賴人工三級檢審，醫生長期處于高強度的機械勞動中。如今，AI智能檢測系統承擔了90%以上的重復篩查工作，關鍵問題檢出率達90%以上，這為每位醫生每天節省了約2小時，用于更關鍵的復雜診斷 。

如今，隨著HAIP平臺的建立，日后將有更多上述這樣的醫療智能體涌現，更多的科室、醫生和患者將會因此受益。這是因為HAIP平臺大幅度降低了開發醫用智能體的技術門檻，借助NL2Agent（自然語言生成智能體）能力，醫生將無需編寫代碼，只需用日常語言描述需求，平臺即可在幾分鐘內自動生成專屬的數字分身。以后，服務于醫療日常工作的智能體，上線周期有望縮短70%。

從“消耗品”到“數字資產”

越用越聰明的飛輪

高質量的醫療數據過去往往隨著診療結束便歸于沉睡。HAIP提供的智能標注流水線，正在將這些“消耗品”轉化為核心資產。以病理數據為例，AI預先標出可疑區域后，醫生的標注效率從人工的每人每天50張提升到300張，效率提升超過6倍，且準確率達85%以上。

更重要的是，平臺打破了AI“出廠即定型”的局限。系統內置的自助增訓工具鏈，能自動記錄醫生的日常反饋并啟動新一輪訓練，使模型準確率從最初的80%逐步自主提升至95%以上 。專家的每一次診斷，都在為醫院沉淀可復用的數字資產。

打破資源壁壘

從治病到長效管理

大三甲醫院的算力與模型，如果不向下延伸，便失去了更廣泛的社會意義。

我國慢性乙肝感染者約占全球三分之一，大量患者由于缺乏早篩，初診即是晚期。南方醫院感染內科已經將復雜的肝癌診斷經驗轉化為aMAP肝癌篩查評分，并通過線上小程序和社區“彩虹小屋”下沉到基層 。醫療干預的時間點，被大幅前置到了社區日常篩查階段 。

這一下沉帶來了可觀的經濟與社會效益：肝癌早期診斷率從傳統的23.2%提升至67%；以一個縣級市的數據為例，僅一年就節約醫保支出超過7500萬元 。

在慢病管理領域，南方醫院牽頭研發的我國首個慢性腎臟病綜合管理大模型“智腎”提供了另一個樣本 。該模型整合了權威診療指南與約2000萬患者的全息醫療數據。目前，“智腎”已在廣東化州、吳川等基層醫院落地，實質性地填補了基層專科能力的空白 。

未來，這些AI工具跑在通用平臺上后，將可以惠及更多人群。通過HAIP的“云邊協同”架構，大三甲醫院作為中心端負責訓練模型，鄉鎮和社區等基層醫療機構只需部署輕量級邊緣設備，即可一鍵接收模型下發并同步升級。

產業縱深：

打破適配壁壘，上下一心

作為醫療行業的基礎設施，HAIP的價值不止步于解決單家醫院的效率難題，更在于重構整個醫療AI產業鏈的生態規則。

北京惠每云科技董事長張奇與華為及南方醫院合作了多年，他將過去的醫療AI開發現狀比作“功能機時代”：“當你想把專家的頂尖成果向外推廣時，發現需要適配各家醫院不同型號的系統和數據，推廣成本極其高昂。”

HAIP平臺的出現，被業界視作醫療AI領域的通用底座。它試圖抹平不同廠商版本與底層數據之間的差異，讓醫生和開發者只需關注智能體應用的打磨，而無需操心跨院適配的底層消耗。

為了讓這套復雜的系統工程有據可依，避免更多醫院在算力投資上走彎路，本次論壇聯合發布的《醫院通用人工智能平臺技術白皮書》系統回答了“醫院到底該怎么建AI”這個問題，提供了從頂層設計到具體落地的一整套方法。這是國內第一份系統提出醫院“AI操作系統”的技術文檔，南方醫院副院長劉杰將其概括為行業所需的“標準施工圖和避坑指南”。

在落地環節，白皮書給出了明確的“六步走戰略”。先做整體規劃，然后選一兩個場景先試，接著準備數據、開發模型，再全院推廣，最后長期運營。

同時，南方醫院與華為揭牌成立了“AI全場景智慧醫院聯合創新實驗室”，共同打通從臨床需求到技術落地轉化鏈路的孵化器。南方醫院副院長鄭磊說，實驗室將針對臨床需求，不斷研發更多的智能體，并且讓這些智能體跑在HAIP的跑道上。而要實現這一目標，必然需要跨界合作，也必定會帶來醫學技術與醫院運營管理領域的新質生產力。

在這個更為宏大的圖景中，HAIP不應是一個封閉的黑盒系統。以“智腎”大模型為例，其底層正是基于當前備受關注的DeepSeek大語言模型和自主創新環境研發。白皮書中明確提出，致力于構建開放共享的生態體系，未來大型三甲醫院訓練成熟的優質專科模型，將通過社區進行開源共享，供基層醫院直接下載使用，實現“一次建設、多處受益”。

這恰好契合了華為在醫療領域布下的長遠棋局。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指出，華為的策略是“向上攀峰，向下賦能”。一方面，聯合像南方醫院這樣的大型三甲醫院攻堅醫教研等高難度場景，產出頂尖的專科智能體；另一方面，通過云邊協同架構，將這些專家經驗沉淀下沉，通過技術手段實現優質醫療資源的真正擴容。

隨著這套醫療界“AI操作系統”的規模化落地，一場用底層算力重構產業規則、消弭醫療資源鴻溝的深刻變革，才剛剛拉開序幕。華為副總裁李俊風對合作寄予厚望，期待將南方醫院的AI全場景建設打造成全球樣板間。孫劍對此甚為認同：“這代表著高度智能化的未來醫院。”