田晏林 发自 凹非寺

　　量子位 | 公众号 QbitAI

　　今年WAIC现场，300多款产品全球首发，1100多家企业把10万平米的展馆塞得满满当当。

　　机器人在跳舞，大模型在对话，Agent开始进入越来越多行业。

　　热闹归热闹。

　　但如果你穿过人流，走到联影智能的展台和论坛现场，会听到一个既熟悉又陌生的词——

　　元医院。

　　为什么说熟悉？你不觉得乍一听，瞬间让人想起几年前那个风靡全球的「元宇宙」嘛！

　　彼时，Meta豪掷千亿美元押注虚拟世界，全球科技公司纷纷入场，所有人都在讨论：下一个互联网入口，会不会来自一个平行数字世界？

　　但几年过去，元宇宙并没有成为那个答案。

　　就在行业以为「元」字热已经退去时，没想到，2026年，它却出现在了医疗行业。

　　在今年世界人工智能大会上，联影智能首次发布「元医院」战略。

　　但它想做的事情，和元宇宙完全不同。

　　它不新建虚拟医院、不替代医生，而是把零散AI工具整合为全院协同的智能体系。

　　论坛现场，有多年临床经验的医生直言，「元医院」拓宽了医生的诊疗能力边界，但同时，会对医院的算力、全域医疗数据提出指数级的上涨需求。

　　什么是「元医院」？

　　AI正在快速进入千行百业。

　　过去几年，AI医疗已经诞生了大量应用。

　　影像辅助诊断帮助医生提高阅片效率，病历生成减少重复工作，智能问答降低信息查询成本，大模型也让医疗AI拥有更强的理解和推理能力。

　　但这些应用都有一个共同特点：

　　它们更多是在增强某一个环节，就像医院里增加了一批新的工具。

　　但真正复杂的医疗场景，并不是一个个孤立任务。

　　一个患者从挂号到诊疗，往往涉及影像科、检验科、临床科室、随访管理等多个环节。

　　医生需要综合大量信息，结合经验做出判断。

　　于是，一个新问题随之出现：

　　这些AI能力能不能像医院里的不同科室一样，被组织起来，围绕患者形成完整服务能力？

　　这也是「元医院」试图回答的问题。

　　毕竟当前优质医生资源仍然有限、医疗资源区域分布不均、医院能力受物理空间限制的问题，还无法被零散的AI能力所解决。

　　医疗能力急需被系统化生产。

　　而「元医院」，简单理解，并不是要建虚拟医院，也不是多个AI工具集合体，而是医院运营模式的系统化重构。

　　它是以「元技术」升维医院能力，让医疗服务突破物理边界，从而解决医疗困境的全院级、数智化医院运营新模式。

　　「元技术」又包括啥呢？

　　多模态大模型、数智孪生、智能可穿戴、区块链、具身智能、云平台技术、互联网IT技术、物联网、边缘计算技术 、医疗大数据、三维渲染、元宇宙、空间智能等。

　　元医院与元宇宙的区别在于，后者构建虚拟空间，而前者增强现实医疗体系。

　　与传统智慧医院的区别在于，智慧医院更多是在原有体系上做数字化升级，比如电子病历、线上挂号、远程问诊。

　　而元医院试图改变的是：医疗能力如何被生产、组织和调用。

　　想更好地理解这一点，咱不妨换个角度。

　　过去的大饭店，能服务多少人取决于门店面积和厨师数量。

　　外卖平台出现后，餐厅依然存在，厨师依然重要，但餐厅的服务半径被扩大了。

　　对应到「元医院」也类似。

　　医院仍然存在，医生仍然是核心决策者，但医院能力可以突破物理空间的限制。

　　医生可以借助AI完成更多复杂任务。患者也可以获得更加持续的健康管理。

　　总结来说，元医院不是替代医院，而是让现实中的医院拥有更大的能力边界。

　　建一座「元医院」比造AI工具难多了

　　一家物理世界的真实医院想要运转，需要土地、建筑、设备、医生和运营体系。

　　同样，建设一座「元医院」，也不是部署几个AI应用那么简单。

　　数据、模型、智能体调度、临床验证，四项能力缺一不可。

　　数据能力

　　如果说传统医院建设的第一步，是修建土地、建筑、水电和信息系统，那么元医院首先需要搭建的是医疗数据底座。

　　因为数据是元医院持续运行和进化的基础。

　　不同于传统AI应用，元医院面对的是复杂的医疗场景。

　　它需要理解患者完整的诊疗过程，而不是只处理某一次检查或某一份报告。

　　也就是说，元医院需要的并不是单一数据源，而是一套持续运行的真实世界医疗数据网络。

　　这些数据贯穿诊疗全流程，覆盖影像、病历、检验、生命体征监测等多个场景，并随着真实医疗过程不断产生和更新。

　　但医疗数据并不容易被AI直接理解。

　　过去，医院中的数据长期分散在不同系统中：

　　影像存在影像系统，电子病历存在HIS、EMR系统，检验数据又属于另一套业务流程。

　　与此同时，不同医院、不同设备、不同系统之间的数据标准也并不统一。

　　对医生而言，这些信息可以通过长期临床训练和经验积累被串联起来。

　　但对于AI来说，分散的数据不会自动形成关联。

　　如何将不同来源、不同格式的医疗数据进行治理、连接和整合，让它们成为可被AI调用的基础资源，是元医院首先需要解决的问题。

　　它不仅需要数据入口，更需要建立覆盖数据采集、治理、流转和应用的完整数据能力。

　　这也是为其后续提升模型能力打下基础。

　　模型能力

　　数据进入系统只是第一步，接下来还要让AI理解医疗。

　　传统医院靠的是医生团队。医生经过多年医学训练，积累大量病例经验，形成诊断、治疗和决策能力。

　　而在元医院里，这种能力需要由医疗大模型重新构建。

　　但元医院需要的并不只是一个基座医疗大模型，而是一套能够持续生成医疗智能体的模型底座。

　　在这个前提下，参数不是考察医疗大模型最重要的指标。

　　反而是能否真正理解医疗流程，能否将医学知识、患者数据和诊疗场景连接，并在复杂情况下，做出符合医疗逻辑的判断，更重要。

　　前段时间开源的uAI Nexus MedVLM（中文名：元智医疗视频理解大模型），探索的就是这一方向。

　　依托这样的底座，元医院能够将不同来源、不同模态的数据进行理解和推理，并进一步生成面向具体场景的医疗智能体。

　　简单理解，模型就是元医院的「大脑」，负责将数据转化为医疗智能。

　　智能体调度能力

　　一个个医疗智能体，依托医疗大模型不断生成。

　　如何让这些Agent协同工作，像传统医院中的不同科室一样完成复杂诊疗任务，是「元医院」需具备的又一项核心能力。

　　过去，大量医疗AI应用解决的是单点任务：

　　一个模型看片，一个模型写报告，一个模型回答问题……

　　但真实临床流程往往涉及多个环节，单一AI能力很难独立完成。

　　例如，一个病例可能同时需要影像分析、病历理解、知识检索、治疗建议、随访管理等多个智能体参与。

　　当智能体越来越多，如何让它们协同工作，成了关键。

　　元医院需要一个能够理解临床任务，并根据需求调用不同智能体与Skill的「调度中枢」。

　　在WAIC论坛上，联影智能带来了「超级医生」。

　　现场，复旦大学附属中山医院肝胆肿瘤与肝移植外科孙云帆教授戴上VR头显，来了一把沉浸式实操演示。

　　他视野内的三维画面同步投屏给台下所有观众。

　　「小U，调取这位患者完整病历。」随着语音指令下达，这名患者全周期诊疗档案立刻完整呈现：

　　历次就诊记录、全套影像、检验指标、既往病史一目了然，无需医生手动翻找多个系统。

　　手术规划环节，「超级医生」同样能提供完整辅助。

　　孙云帆现场下达指令：小U，剥离肝脏实质。

　　虚拟模型瞬间完成组织剥离，肝内胆道、动脉、门静脉、肝静脉等关键管道清晰立体呈现。

　　据孙云帆介绍，肝脏手术最大难点，就是在完整保护重要血管胆管的前提下，精准切除肿瘤。

　　这套系统支持模型自由缩放、多角度旋转观察，对外科术前规划、术中判断实用性极强。

　　而且以往医生查房，住院医师往往需要提前很久到岗，跨系统调取、整理分散在各处的患者资料，再汇总给主任汇报，大量时间消耗在重复性信息归集上。

　　而依托「超级医生」，全流程数据一键整合，直接解放医护人力。

　　u1s1，拼AI工具数量可能确实过时了。

　　医疗AI的下一阶段，看的是谁能让这些工具真正协同起来。

　　临床验证

　　有了数据、模型和智能体，元医院基本可以运行了。

　　但一家真实医院并不是建成当天就成熟的。

　　它是在每天接诊患者、处理复杂病例的过程中，不断完善诊疗流程，积累经验，提升医疗能力。

　　元医院也如此。

　　数据系统、医疗模型和智能体，最终都需要进入真实诊疗流程，在实际使用中发现问题，获得反馈，再推动下一轮优化。

　　因为医疗场景远比实验室环境复杂。

　　医院里的诊疗流程涉及医生使用习惯、科室协作方式、医疗安全要求，以及复杂的责任边界。

　　任何一个AI系统，想要真正融入医院运行体系，都需要经过长期真实场景验证。

　　这也是医疗AI落地最大的挑战。

　　从这个角度看，元医院不是一次建设完成的「智能系统」。

　　它和物理世界的医院一样，都需要在真实医疗环境中持续运行、持续反馈、持续优化。

　　从概念到现实，「元医院」为何现在才提出？

　　看到这里，我们几乎能断定，这四项能力是层层递进、相互闭环的。

　　任何单一能力突出，都不足以支撑完整的医疗智能系统。

　　但为什么医疗AI发展多年，之前没有一家企业提出「元医院」的概念？

　　答案其实很简单：

　　不是没人想过，而是过去很难有人真正具备建设它的条件。

　　元医院需要跨越数据、模型、应用和医疗流程多个层面。

　　但过去多数企业，往往只具备其中一项能力。

　　互联网大厂拥有强大的AI技术能力，但医疗并不是一个单纯的数据和算法问题。

　　它需要长期真实医疗数据积累，也需要理解医院工作流，更需要建立符合医疗场景的安全体系。

　　缺少这些能力，AI很难真正进入临床。

　　单一软件公司更熟悉医院信息系统。

　　它们掌握HIS、EMR等业务流程，但传统信息化系统更多承担数据管理和流程支撑角色，并不是为AI原生设计。

　　想要接入AI，往往需要不断增加插件和应用，最终很难形成统一的智能底座。

　　再看设备厂商，天然连接临床场景，但设备能力更多聚焦某一个医疗环节，很难支撑完整的「元医院」体系。

　　进入智能原生时代，真正的变革不是给原有系统「外挂一个AI」，而是让医疗产业链的每一层都重新生长：

　　数智技术底座重塑医疗的筋骨；

　　智能装备延展医生的感官与双手；

　　院外泛在智能装备持续守护患者健康；

　　智能大模型升级医疗的大脑，让顶尖医生的诊疗能力无限复制；

　　最终重构医院的组织形态。

　　在整个医疗产业链中，当其他玩家还在尝试跨界联手、试图用生态补丁拼凑出一个解决方案时，联影已经首创出「元医院」概念。

　　过去多年，联影在医疗产业链多个关键环节积累能力：

　　首先，是数智化基础设施。

　　元医院需要一个能够承载医疗数据和智能应用的底层技术平台。

　　联影已构建起覆盖智能芯片与传感器、AI原生医院业务系统、数据与知识平台等软硬一体的基础设施层，搭建平台所需要的「筋骨」和「血脉」。

　　其次，是以大模型和智能体为核心的智能能力。

　　基于长期积累的医疗数据和临床场景，联影构建「元智」多模态医疗大模型，并进一步衍生出执行型智能体、中枢性智能体。

　　让AI不只是完成单点任务，而是能够理解复杂医疗信息，并根据临床需求调用不同能力协同工作。

　　最后是具备将AI能力真正落地到物理医疗世界的连接能力。

　　在院内，联影拥有全模态、多场景的「具身智能诊疗机器人」，它们不是单一工具，而是具有自主感知、决策、行动、进化等能力的核心硬件装备。

　　在院外，智能可穿戴设备、康复智能体则成为连接患者的「神经末梢」，推动健康管理从院内延伸至院外、从疾病治疗延伸至全生命周期管理。

　　从CT、MR等大型影像设备，到放疗、DSA、外科等诊疗装备，再到uOrigin、uCGM等医疗级智能终端。

　　这些设备连接着医院内外的大量真实医疗场景。

　　它们不仅是工具，也是连接患者、医生与元医院的智能单元。

　　从数智化技术底座，到元智大模型和智能体，再到具身智能诊疗机器人、智能可穿戴设备，这些能力最终汇聚成一套完整闭环：

　　设备感知真实世界，数据沉淀医疗知识，模型理解复杂场景，智能体辅助临床决策，推动医疗能力突破物理边界。

　　One more thing

　　想象一下未来某一天。

　　住在小镇的老人，戴着智能医疗设备，日常健康状态被持续感知。

　　某天，系统发现异常脑电信号，提前提醒他存在脑卒中风险。老人并未在意。

　　但意外发生后，设备第一时间捕捉到生命体征变化，并将数据同步至「元医院」。

　　急救响应随即启动。通知家属的同时，救护车已经出发。

　　车上，乡镇医生通过AI系统实时分析生命数据，辅助判断病情。

　　「元医生」结合影像和患者数据给出治疗建议，远程卒中专家同步介入，快速制定手术方案。

　　在专家远程指导下，血管介入机器人根据术前规划执行取栓操作，帮助医生争分夺秒抢救患者。

　　以上，是WAIC上，播放的一段关于未来医疗AI的畅想片。

　　当医疗不再是一次被动响应的「急诊」，而是一种持续的、主动的陪伴，医生的能力也在此刻突破空间限制。

　　「元医院」正在尝试搭建这一切的起点。

　　变化已经开始了。