北京
最近，我們看到一家醫院落地的 AI 建設項目。
▌項目名稱：醫學多模態大模型
▌中標金額：400 余萬元
項目不算大，但整體建設思路，非常具有代表性。
該項目核心解決兩個問題：
醫療行業大模型底座，怎么搭？
臨床側AI應用和智能體，怎么落地？
▌核心采購邏輯：
以【通用大模型 + 醫療垂直模型】作為底座
向上承載和延展出：
多個臨床AI應用子系統和AI智能體
由此，形成從底層模型到上層應用的完整 AI 能力閉環。
這類項目正在逐漸形成今年醫院 AI 建設的主流方式。
我們拆開來看。
第一層：大模型底座
1、模型部署要求
需要同時部署
?通用大模型(DeepSeek-R1-70B)
?多模態醫療垂直大模型
?具備DeepSeek-R1本地API服務接入能力，支持H5接入使用，支持APP接入使用
?具備支持主流系列算力卡
?具備支持醫療數據全流程加密（傳輸AES-256/存儲SM4），符合等保2.0三級要求
2、模型基礎能力
主要指標：
輸出長度：支持3K輸出，能滿足多樣化需求
生成速度：每秒吞吐量可達20 token
語言支持：支持多達20種語言的實時翻譯
支持基于醫院數據微調
支持自動錯誤糾正
3、模型的數據分析能力
?支持處理百萬級數據量處理
?兼容 CSV / Excel / SQL等
?自動生成圖表建議
?自動生成數據報告
?自動數據脫敏，患者信息加密和隱藏
4、模型的并發與響應能力
首先是模型對話問答能力
這是：門診醫生是否愿意用的關鍵。
如果慢 3 秒以上，醫生就關了。
?95%的單輪對話，響應時間 ≤ 1000ms
?深度咨詢等復雜多輪對話，平均響應時間2000ms
并發與響應能力主要指標
?百級并發下，保證99%請求，1 秒內得到響應
?移動端 1000ms 內響應
?不同任務切換，300ms 內響應
5、模型的邏輯推理能力
?支持32tokens超長上下文理解
?支持 3 層以上因果推理
?連續 100 次推理任務，準確率波動 ≤ ±3%
第二層：醫療垂直大模型
這部分才是真正的核心。
1、醫療垂直模型基本能力
?模型規模與訓練：模型參數量需 ≥ 700億
?訓練數據：中文語料 ≥ 1TB
?醫療多模態專項數據≥ 10TB
?支持文本/圖像/視頻/語音多模態輸入
?具備50并發下，推理速度≥10 tokens/s
?支持32k tokens超長上下文理解
2、具備醫療專業知識能力
?醫學知識問答：支持對臨床指南、藥品及疾病知識庫（ICD-11標準）的查詢與問答
?臨床輔助決策：具備診斷鑒別輔助、檢驗異常值識別、用藥禁忌提醒及基于循證醫學的治療方案推薦能力
?醫療知識信息庫查詢：具備支持快速擴展醫療知識信息庫能力，支持區域本地醫療機構地址、科室、專 家等方面的就診詳情指引
?多模態醫療OCR：支持對手寫記錄、影像報告、基因報告等掃描件的OCR識別，并能輸出異常指標解讀及健康建議
2、具備多模態影像診療能力
?超聲視頻多模態識別：器官與病灶檢出，支持視頻逐幀檢出病灶、識別征象/分級、并與文本融合做問答解讀
?多模態影像匹配能力：通常指同一患者不同檢查（CT/US/MR/病理/報告）之間的對齊與關聯
?多模態影像的三維重建：不僅能識別，還要能重建可視化
第三層：臨床AI應用子系統
項目中包括建設↓
?頭頸CTA人工智能輔助診斷系統
?腦灌注（CTP）AI輔助診斷
?顱內出血AI輔助
?ASPECTS評分AI輔助
?冠脈鈣化積分系統及后續條款
第四：大模型產品資質要求
有三條硬性條件↓
?所投產品需通過中央網信辦《境內深度合成服務算法備案》
?所投大模型數字醫生產品經國內大模型競賽的專家評委能力認證，模型表現優異，并在比賽中獲得名次
?所投產品需具有醫療 AI 及大數據相關產品的專利和軟件著作權，且專利數在3個以上
?部署環境：支持私有化部署，且需支持醫療信創環境部署
?數據安全：滿足等保 2.0 三級標準。數據傳輸采用 AES-256 加密，存儲采用 SM4 加密
最后總結一下
2026年大膽沖！
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
