问题——医疗数智化推进加速，算力与系统化能力成为“卡点”； 近年来，医疗机构对智能辅助诊疗、病历质控、临床路径管理、科研计算等需求持续增长——但实际落地中——“算力成本高、适配周期长、系统碎片化”成为普遍瓶颈：一上，医疗场景对算力稳定性、数据安全合规、模型可解释性和持续运维能力要求更高；另一方面，医院信息系统长期多源并存，数据分散不同业务链路中，导致智能应用难以形成闭环，难以从“试点演示”走向“规模使用”。 原因——从“有算法”到“能运行、可验证、可审计”，还缺少工业级支撑。 与通用行业不同，医疗对准确性与可追溯性有刚性约束。临床流程涉及多部门、多系统与多环节协同，单点模型即便效果突出，也可能因接口不统一、数据标准不一致、上线后审计困难等问题难以推广。同时，部分医院在算力供给上受制于成本与采购周期，科研与临床应用相互挤占资源，影响持续迭代和稳定服务。此次在沪发布的国产全栈高性能GPU医疗AI应用解决方案，正是针对“算力可得、能力可用、路径可复制”的共性需求，提出面向医疗场景的系统化支撑。 影响——降低门槛、提升效率，推动医疗AI从“数智创新”走向“生产力工具”。 据介绍，该解决方案是国家人工智能应用中试基地（医疗领域）孵化的重要成果，目标是通过国产化、全栈式、可规模部署的算力与平台能力，支撑医疗AI应用在医院与产业链条中的快速落地。业内人士认为，这类方案的意义不止于“替换硬件”，更在于为医疗智能应用提供可持续的工程化能力：一是缓解算力供需矛盾，降低试点门槛与部署成本；二是促进工具链、平台与应用的适配联动，缩短从开发到上线的周期；三是为后续跨机构、跨区域的健康数据应用探索提供底座条件。 对策——坚持“赋能而不替代”，以流程重构提升诊疗一致性与资源使用效率。 大会期间，中国科学院院士、同济大学附属东方医院院长陈义汉围绕医学人工智能的定位与边界作出阐述。他表示，医学人工智能应着力把“证据与推理”转化为医院公共基础设施，将指南、制度、病例等碎片化信息整合为可执行的提醒、拦截、路径与调度工具，系统性降低医疗变异、提升诊疗一致性。现实中，医生大量时间耗费在查找证据、整合信息、统一口径、重复录入等事务性工作上，不仅加重临床决策负担，也造成临床路径执行变异与资源浪费。为此，智能应用需坚守“赋能而不替代”，突出医生在决策中的主体地位，并确保可解释、可追溯、可审计；在信息不足时应明确提示，避免误导性输出，以“效率乘数”推动医疗体系从“看报表”转向“改动作”。 另外，产业协同也在加速形成。会上，对应的企业与上海市健康数据产业协会现场签订合作协议，并提出将以算力券等多元方式为协会及成员单位提供支持，推动更多应用在真实场景中验证、迭代与复制。 前景——以“数据流通与算力底座”双轮驱动，打造可推广的行业样板。 上海市健康数据产业协会于2025年7月正式成立，会员近百家，是上海市数据局管理的首家社会团体。协会成立以来，聚焦健康数据开发利用与区域合作机制建设，推进长三角健康数据开放合作；启动专业委员会与专家智库体系建设；开展会员项目数据探查与行业活动组织，并吸纳多家单位增补为副会长单位。多方认为，在医疗数据要素化配置改革持续深化的背景下，上海有望以标准牵引、场景牵引与生态牵引相结合，探索健康数据流通的“上海实践”。随着国产算力与医疗应用平台更成熟，叠加可审计的流程化工具落地，医疗AI将更有条件在质控管理、临床路径、资源调度与科研创新诸上形成可量化、可验收的成效。
医疗AI的发展方向日益明确——既非技术堆砌也非替代医学专业，而是通过智能化流程优化解放医护人员精力；国产高性能GPU方案的发布标志着我国医疗AI正迈向规模化应用阶段。随着生态完善和多方协同深入发展，数智化转型将为医疗服务提质增效提供新动能。