5 月 23 — 24 日，2026 全球人工智能技术大会（GAITC）医疗人工智能专题会议暨第三届医疗大模型（LLaMMs）研讨会在杭州圆满落幕。

这场由中国人工智能学会主办，浙江大学医学院、浙江省人工智能学会承办，全诊通、华为、德适等单位支持的产学研交流会议，以 " 交叉、融合、相生、共赢 " 为核心，汇聚了院士专家、医院管理者、科研学者及产业领军代表，围绕医疗大模型、医疗智能体、智慧医院建设、医疗质量管理和数据治理等前沿议题展开深入探讨。

与往届不同，今年的会议释放出一个清晰的信号：医疗 AI 正告别 " 炫技式 " 的单点试点，全线进入追求 " 体系化、自主化、普惠化 " 的深水区。

01

主论坛凝聚行业共识，三大创新成果打通落地关键环节

主论坛上，院士专家领衔分享前沿成果与临床实践，从精准医学革新、临床诊疗升级、大模型底层技术原理、中西医融合智能化发展等多个核心维度，深度剖析了当下医疗 AI 的技术迭代逻辑与行业发展趋势。

中国科学院院士、浙江大学医学院附属邵逸夫医院院长蔡秀军院士分享了医院落地大模型病史采集、全球首例远程手术等实践，呼吁加快培养医工交叉人才、完善伦理法律保障；中国科学院院士、浙江大学医药学部主任黄荷凤院士则系统解读人工智能在多基因疾病风险评分中的创新应用，并展示了中国首例基于 PRS 阻断遗传性乳腺癌的成功案例。

蔡秀军院士演讲

黄荷凤院士线上演讲

中国中医科学院广安门医院党委书记刘震分享了全国首个本地化部署的全链路中医 AI 大模型 " 广医 · 岐智 "，强调 AI 应解放医生，让其从键盘回归诊脉与关爱；常州市第一人民医院院长周军则介绍了医院已落地的数字人导诊、AI 医疗文书、智能病理及手术机器人等八大场景，指出人机协同正成为提升医疗质量与运营效率的关键路径。

中国中医科学院广安门医院党委书记刘震演讲

常州市第一人民医院院长周军演讲

产业端，全诊通创始人薛翀、华为公司医疗军团首席架构师胡秋梅等，则从技术落地视角，拆解了 AI 与临床工作流融合的现实路径。此外，多场院长圆桌直面医疗 AI 落地 " 碎片化、标准缺失、基层难 " 等痛点，凝聚起行业规范化、普惠化发展的广泛共识。

全诊通创始人薛翀演讲

一线实践共同印证：医疗 AI 临床价值已获全行业验证，但从 " 单点试点 " 到 " 全院覆盖 "、从 " 厂商交付 " 到 " 医院自主迭代 "，仍是产业规模化发展最迫切的核心命题。

在此背景下，大会现场重磅发布三项年度医疗人工智能创新成果，从建设路径、质量评价、技术平台三大维度，打通行业标准化环节。

其中，《智慧医院人工智能应用建设白皮书》为医院提供可复制的建设路径与场景模板；《中文无感自动病历书写质量评价体系》填补了 AI 自动病历量化质控的空白；全诊通发布的《医疗智能体与模型自进化平台》支持医院本地私有化部署、自主迭代 AI 能力——三项成果环环相扣，为国内医疗大模型规范化、体系化、规模化落地筑牢根基。

三大年度创新成果发布

作为产业端的核心成果，全诊通的《医疗智能体与模型自进化平台》直接回应了 " 医院如何自主迭代 " 这一命题。这套平台究竟如何运作？能否真正落地？会后，动脉网专访了大会产业界主席、全诊通创始人薛翀。

02

全诊通答卷：医疗 AI 的下一站，帮医院长出 " 自主神经网络 "

在薛翀看来，今年大会最本质的变化，是行业的 " 基建心态 " 变了："2024 年大家还在问 AI 能不能用；2025 年病历、随访等场景开始丰富；到了 2026 年，关注点转向了底层算力、快速构建和自主迭代。现在的医院管理者焦虑的是‘怎么让 AI 在我这里系统地、安全地长起来’。"

这正是全诊通发布 " 医疗智能体与模型自进化平台 " 的核心理念——为医院提供一套可自主运转的 AI 神经网络。薛翀解释：" 医院不再是简单采购 AI 工具，而是拥有一套可以自己生长、优化、扩展的 AI 体系，渗透到门诊、住院、质控、教学各环节，数据不用外流、模型不依赖外部厂商，自己就能持续迭代。"

医疗智能体与模型自进化平台

面对 " 为何已有成熟应用还要加码平台 " 的提问，薛翀直击行业深层瓶颈，" 医疗 AI 最大的问题不是没有应用，而是太散、太乱、太依赖厂商。数据不通、系统不通形成大量孤岛，加上基层医院缺 AI 人才、通用大模型成本高，最终导致‘建得起、用不好、迭代不了’。"

基于此打造的自进化平台，采用"80% 自进化 + 人工审核 "模式。以医保编码、病历质控为例，平台会调动多个智能体进行自动校验、纠错和数据回流，全程由医院专业人员把关，且核心数据完全本地化部署，从根源上解决了合规与隐私顾虑。

目前，平台已沉淀 90 余套标准化场景模板，覆盖临床、质控、教学全领域。薛翀透露：" 全新场景下，医院人员无需专业 AI 技能，半天就能完成 90% 的功能搭建，两周即可打磨到 98 分临床可用精度。" 这一效率得益于全诊通将千亿级大模型压缩至十亿级，可在数万元的轻量化算力设备上稳定运行。

同时，通过自主研发的 "HIS Clow" 技术，最快 2 至 4 天即可完成 AI 与医院系统的安全对接；医生也无需编写代码，仅凭自然语言对话就能自主创建专属智能体。目前，平台已在天坛医院 AI 虚拟病人教学、三亚中心医院病种质控等项目中成功落地。

针对地市级、县域医院 " 算力弱、资金少、人才缺 " 的现状，薛翀也给出了清晰的路径建议：" 三甲医院适合分布式边缘计算，保证数据安全；基层医疗机构则更应由卫健委统一部署、集中算力、分级调用。" 他认为，医疗 AI 的普惠不应是重复建设，而是通过轻量化平台和标准化模板，让优质 AI 能力像水电一样安全、低成本地流向基层。

03

标杆观摩 + 工作坊实操赋能，打通从认知到落地最后一公里

理念需要场景验证，技术需要亲手实操，为将大会共识与技术成果转化为临床实践，组委会特别设置标杆医院观摩与实操工作坊两大特色环节。

在邵逸夫医院，参会代表从智慧展厅了解其数智化转型历程，AI 智慧诊间可实时捕捉医患对话并辅助生成规范病历，3D 数字人交互导医提供智能引导，智慧药房则通过流程优化提升取药效率，共同勾勒出高效便民的 " 邵医服务样板 "。

浙江大学医学院附属邵逸夫医院参观

而在浙江省人民医院，由全诊通提供技术支持的 " 全流程病历智能书写平台 " 和 " 教学查房病历智能书写平台 "，覆盖入院、手术、出院等文书，实现了 " 语音采集—自动生成—医生审核 " 闭环，同时 AI 已渗透至院前急救、智能静配、智慧门诊等环节，印证了 AI 从 " 能听懂 " 到 " 会执行 " 的真实价值。

同期举办的医疗大模型精调与智能体构建工作坊，则聚焦另一个关键问题：如何让医院自己掌握这套能力。

工作坊面向医院管理者、临床医生、科研及技术团队，将复杂的大模型落地流程拆解为医疗数据准备、模型精调、智能体构建、场景应用设计和安全评测等可执行的方法步骤。与传统论坛不同，工作坊强调" 实操性 " 和 " 可复制性 "——参会者不再只是听概念，而是在导师带领下，围绕病历生成、临床质控、医学知识问答、专科辅助决策等高频场景，从真实业务痛点出发，完成从任务定义到效果评估的全流程演练。

工作坊实操培训

针对当下医院普遍存在的 " 有数据不敢用、有算力不会用、缺人才难落地 " 的困境，这场手把手实战教学，正在为医院培养出一批能够 " 自己造 AI" 的种子团队，推动信息、医务、临床、质控等多部门在同一技术框架下协同前进。

04

医疗 AI 临界点已至，智能体规模化落地在即

立足本届大会的变革风向，薛翀给出了他的预判：" 未来两年内，无人工干预的完全自进化模型将会出现；三到五年内，纯决策类 AI 能力有望超越大部分普通医生，AI 操控手术机器人也会进入临床实践。而最先规模化落地的，将是医生与键盘鼠标的交互——病历书写、医保编码、质控审核等医生‘指尖上的负担’。"

瞄准这些即将爆发的场景，全诊通将聚焦三大核心布局：一是联动全国重点高校与三甲医院，深耕专科智能体研发，搭建完善的安全评测体系；二是迭代医生个人 AI 助手，推进多语言版本出海，助力全球医师智能化赋能；三是优化轻量化本地部署技术，依托现有海外订单拓展全球市场。生态层面，全诊通将持续深化与中国人工智能学会的合作，举办 AI 创新赛事，鼓励医护人员自主创作定制化智能分身，构建共创共享的医疗 AI 新生态。

回望本届大会，从院士专家的共识凝聚，到三大成果的发布；从标杆医院的实景观摩，到自进化平台的技术突破——已经清晰地描绘出医疗 AI 的新航向：它不再是一个需要被 " 说服 " 的试点工具，而正在成为医院自主进化、不可或缺的核心神经系统。

以全诊通为代表的产业力量，正站在这场深刻变革的潮头，推动医疗大模型真正扎根医院、惠及每一位医患。