醫渡科技(02158)用一場路演引爆CHIMA，醫療AI下半場怎么打？

智通財經APP獲悉，4月24日午間，2026年中國醫院信息網絡大會(CHIMA)路演區，人頭攢動，座無虛席，連過道都站滿觀眾。不少人全程高舉手機，生怕錯過一個重要畫面……

這是醫渡科技(02158)“醫療智能體開發與協同應用方案”發布現場。在醫療大模型賽道經歷了兩年“參數競賽”的喧囂之后，行業終于等來了一次真正讓醫院和醫生感到“解渴”的發布。

這一天，醫渡科技用一套“組拳”宣告了產品戰略的全面升維：從為醫院“提供智能工具”，到為醫院“構建開放、可生長的智能體開發與協同應用”。

現場的火爆程度，折射出醫療從業者與管理者們對"能落地、敢使用”AI方案的迫切渴望。

痛點直擊

醫療AI“泛濫”，醫院卻“用不上”

過去兩年，大模型以摧枯拉朽之勢沖擊各行各業，醫療賽道更是成為“兵家必爭之地”。

然而在密集的發布聲浪背后，一個尷尬的現實浮出水面：大模型在醫院里普遍“水土不服”——數據標準不統一、臨床應用不敢用、復雜病情解決不了。目前行業面臨著“不僅要能用，更要可靠、好用、離不開”的根本性轉變，醫療AI的應用標準，必須從早期的“技術可用”，全面升級為“臨床必用”。

事實上，行業的真實痛點遠不止于此。今年兩會期間，全國政協委員霍勇直指三大短板：“數據孤島”制約模型迭代;行業存在“不敢用、不會用”的顧慮;院外健康服務覆蓋不足。

醫療數據本身多模態、高復雜、強專業，疊加合規安全的嚴苛要求，使得通用大模型很難直接在嚴肅醫療場景下“上崗”。換而言之，想在醫療AI領域建立壁壘，光有算法遠遠不夠，必須同時解決數據治理、知識結構化和場景工程化三重大山。

“醫療的數智化升級，本質是復雜系統建模和優化問題。”一位行業專家在路演現場點評道，“既要有系統性框架，也需要分而治之、解構而重構。必須和最頂級的醫院、專家團隊一起打造未來AI醫院——這不是一次性工程，而是持續的融合進化�！�

解題路徑：讓AI在醫院自然生長

醫渡科技此次發布的核心，正是對這一本質的回應。

方案以AI中臺3.0為全院AI能力的“總源頭”，面向信息科與技術團隊提供標準化、可管控的AI生產與運營底座;以臨床助手Copilot 2.0為醫生觸達AI的“第一入口”，深度嵌入日常診療工作流;并推出“醫渡智循”臨床版。三者分層定位、深度協同：中臺供給能力，Copilot承載場景，醫渡智循輸送循證知識，形成“知識賦能場景、場景激活知識”的完整智能體系。(感興趣的朋友，可點擊閱讀原文，親身感受醫渡智循)。

AI中臺3.0全面兼容MCP(模型上下文協議)與Skill(技能組件)框架，引入AI輔助工作流編排，支持用自然語言定義智能體、調用工具與知識庫，大幅降低開發門檻。醫院不再只是AI應用的使用者，而能自主開發臨床所需智能體，沉淀院內�？瀑Y產。

臨床助手Copilot 2.0內置智能調度引擎，可根據醫生自然語言指令自動匹配并調用數百個專病智能體，實現從“醫生找工具”到“AI主動服務”的跨越。同時，Copilot 2.0上線“隨手記”功能，通過OCR自動提取院外資料，一鍵生成完整患者畫像;醫渡智循臨床版深度嵌入其中，自動讀取患者數據，生成個性化、可溯源的診療建議。

這一切的背后，是醫渡科技多年積累的核心算法引擎YiduCore。截至2025年9月30日，YiduCore已累計處理分析近70億份經授權的醫療記錄，服務全國超過10,000家醫院，疾病知識圖譜基本覆蓋所有已知疾病。正是這一基礎，讓智能體生態的“可靠落地”成為可能。

在臨床級應用層面，醫渡科技已與北京協和醫院、中山大學腫瘤防治中心、北京大學腫瘤醫院、清華大學長庚醫院等頂級醫療機構臨床專家共同打造了280余個專科專病智能體，覆蓋心血管、腫瘤、血液等多個�？祁I域，涉及輔助診斷、風險評估、智慧護理、病歷生成等多場景。

其中最引人注目的，是L3級可溯源病歷生成智能體——采用“知識+事實”雙約束的混合智能架構，使病歷生成實現精準可控并支持一鍵回填電子病歷。在北京大學腫瘤醫院落地的《可溯源AI病歷輔助生成系統》，更是在本次CHIMA大會上榮獲“醫院新興技術創新應用典型案例”榮譽。

市場驗證

示范嘗試到標桿深化，商業化破冰前行

任何一項新技術的生命力，都不在于技術參數本身，而在于它能否在真實的土壤里扎根。

翻看過去一年醫渡科技的成績單或許更有說服力：截至2026年4月，醫渡科技AI中臺已在全國40余家三甲醫院落地。臨床循證智能體“醫渡智循”APP已正式面向醫生群體開放使用，其臨床版本支持與現有HIS系統深度對接，將智能決策融入日常工作流。

這種密集的落地節奏，標志著醫療大模型的價值正在跨越“實驗室論證”階段，進入真實臨床環境的集成運轉。

尤為關鍵的是，醫渡科技于4月20日發布了公司成立11年來首次全年盈利預告——預計2026財年凈利潤達5500萬至7000萬元人民幣。花旗銀行迅速據此上調公司目標價至11港元，明確指出“醫渡智循”的推出有望加深公司與醫生群體的連接，開辟基于token的全新付費模式。

可以說，從前期深耕醫院、到標桿項目批量落地、再到首次全年盈利，醫渡科技的商業化路徑已經逐步跑通。

未來趨勢：AI成為醫院的“數字生產力”

當宏觀政策與醫保支撐“雙擊”加碼、醫院端智能化轉型剛需突出、AI技術的規模化溢出效應充分顯現的多個前提疊加下，醫療AI正在打開一個充滿成長性的市場空間。

放眼海外，據MarketsandMarkets預測，全球醫療領域AI智能體的市場規模將以44.1%的年復合增長率，至2030年達到69.2億美元。而在中國這個“世界最大單一支付醫保系統”的龐大市場中，無論是大模型驅動的智能決策輔助，還是專病庫、全流程智能運營，都有著廣闊的落地和商業演進空間。

可以預見，未來醫院的競爭力不僅取決于床位多少，更取決于數字生產力的強弱。醫渡科技構建的這一“可進化”的智能體開發與協同應用，正在為醫院提供資產化的基礎設施——它既能降低新技術應用的“門檻”，又能沉淀科室的“私有專病智慧資產”，最終提升大數據時代的診療質量與運營效能。

當然，愿景雖好，還須看清腳下。醫渡科技在持續擴張落地的同時，仍需直面兩大挑戰：一是如何幫助醫院克服對智能醫療安全與數據責任的“不敢用、不愿用”心理;二是如何與友商乃至未來層出不窮的場景供應商實現充分對等兼容，構建更強大的行業通用接口體系。

此外，盡管AI中臺3.0已大幅降低開發門檻，但醫院從“被動采購”轉向“主動創造”，依然需要一個用戶心智培育和知識體系建設的過程。

結語

醫療AI正從一場關于“有無”的技術賽跑，轉入一場關于“可靠”的價值深耕。在這場宏觀敘事向下穿透的產業穿行中，醫渡科技沒有高高拋擲科幻般的“星辰大�！�，而是選擇埋頭深耕數據能力、夯實知識圖譜，從土壤層開始構建價值體系。

這條在2026 CHIMA大會上發布的“智能體開發及協同應用”路徑，不僅是面向AI醫院未來交出的一份系統、落地的答卷，更標志著醫療AI的生產與消費關系正在發生深刻轉型。

未來的醫院管理者，將不再滿足于訂購幾個AI工具，而是渴望利用標準平臺，在院內自我生長出符合自身臨床生態和�？撇』继卣�、持續協同進化的“智能體”體系。

正如醫渡科技在其AI中臺3.0中所實踐的那句核心理念：“我們不是要做更強的模型，而是構建一套讓智能體可開發、可評測、可協同的工程化體系�！薄@或許正是這場席卷全國的醫療數智化革命最確切的發展路徑。