2025人工智能建设应用白皮书：AI Inside建设路径

⸺AI Inside建设路径 目录 前言：AI Everywhere全场景赋能之路01 第一部分 行业趋势：AI驱动医疗健康新纪元02 040408一. 医疗AI技术的发展脉络二. WiNGPT技术进展三. AgentFramework技术进展 第三部分 全景赋能：重构医疗人机协作范式10 10122329一. WiNEX Copilot：医护智能助手二. 驱动临床诊疗AI融合三. 推动医院精细化管理四. 助力区域卫生服务 第四部分 标杆实践：智慧医疗的效能革命32 32333435363738一. 北京大学人民医院人医智助Pai Assistant应用二. 上海市肺科医院肺科大模型LungSmart应用三. 上海市同济医院、丽水市中心医院护理助手应用四. 厦门弘爱康复医院智能助手HAI宝应用五. 上海市第一人民医院影像报告助手应用六. 基层卫生人工智能辅助应用七. 全民健康人工智能辅助应用 第五部分 未来展望：挑战与演进方向39 39一. 技术挑战与对策 39二. 演进路径 前言AI Everywhere全场景赋能之路 当“健康中国”战略进入深水区，医疗体系正面临三重交汇：人口老龄化与慢病高发带来的需求激增，优质资源分布不均造成的结构性短缺，以及数字化、智能化技术跃迁所释放的新动能。在此历史节点，人工智能不再只是单点工具，而是重塑医疗服务范式、重构医疗生产关系的核心变量。医疗的特殊性决定了医疗AI不能满足于“通用解”，其首要特质是深度垂直的专业性，需要真正“读懂病历”，理解医学术语背后的复杂逻辑与细微差别，进化为一个具备“临床思维”的专才。卫宁健 康 相 信 ，未 来 医 疗 的 竞 争 力 取 决 于“ A IEverywhere”⸺让智能像氧气一样无处不在，与真实的临床工作流深度适配、与临床医生认知协同，真正让数据流动、知识复用、决策高效、体验人性。 实而微观的案例呈现AI如何真正地落地运行，如“隐形同事”般与医务人员并肩作战，让基层医生拥有“口袋里的三甲专家”。 面向未来，我们深知医疗AI仍面临数据安全、算法可解释性、模型泛化能力等挑战。卫宁健康将秉承“AIEverywhere全场景赋能”的理念，着力构建软硬一体、本地化部署的“医生AI工作站”（AI Box），将AI“下沉”至每一位医生的桌面，以尊重并融入医生的核心工作流，使医生获得对专属AI的高度控制权、提升AI透明度，成为诊疗、科研和教学全程的“神级队友”，共同建设贯穿医疗全场景、人机深度融合的智慧医疗生态系统。 正如威廉·奥斯勒所言：“好的医生治疗疾病，伟大的医生治疗患病的‘人’。”当AI成为医生的第二大脑、第二双手，我们相信，技术之光终将照进每一次问诊、每一台手术、每一份处方，让医疗回归“以患者为中心”的本质。这份白皮书既是一次技术总结，也是一份面向行业与时代的邀约：让我们携手共进，将AI的算力转化为医疗的善力，把数据的价值转化为生命的温度，共同迈向智慧医疗的新纪元！ 本白皮书以“AI Everywhere全场景赋能”为主线，串联技术、应用与实践案例，尝试回答三个关键命题： 在全球医疗AI竞速与中国机遇红利交汇的当下，我们如何理解医疗智能化的确定性趋势？ 当大模型、多智能体等新技术浪潮汹涌而至，卫宁健康的AI产品如何在真实世界“用得上、用得好、用得放心”？ 当AI从实验室走进门诊、病房、手术室与社区卫生服务中心，人机协作的应用与范式该如何定义？ 为此，我们系统梳理了卫宁健康八年AI征程，从2 0 1 7 年 设 立 人 工 智 能 实 验 室，到 如 今 最 新 一 代WiNGPT 3.5与WiNEX Copilot 3.0的重磅更新；梳理AI+医疗全景生态，从临床诊疗、医院精细化管理与区域卫生服务的全链条赋能；梳理北京大学人民医院、上海市肺科医院等当前智慧医疗的标杆实践案例，用这些真 第一部分 行业趋势AI驱动医疗健康新纪元 断、病历分析等场景表现良好，为智能化升级奠定坚实基础。总体来看，在需求、政策和技术多重驱动下，中国医疗智能化已呈现多点开花的局面，从临床诊疗到医院管理，从大型医院到基层医疗机构，AI的应用正在逐步深化。在医疗领域，AI需要实现专业性、协作性与信任感的深度融合，与人类医生并肩开启更精准、更高效、更富有人文温度的医疗健康新纪元。 随着AI技术的快速演进，全球医疗人工智能正进入高速发展的新纪元，推动医疗健康产业的深刻变革。AI技术正逐步融入医疗实践的各个领域，在辅助影像判读、智能问诊、临床决策支持等场景中全面提升医疗服务的质量和效率。全球医疗AI产业生态日益完善，形成了从基础研究、技术开发到临床应用的完整链条，科技巨头如Google、Microsoft等纷纷布局医疗AI领域，通过投资并购和战略合作整合资源,大批医学影像AI、虚拟助手、药物研发AI等细分方向的创新型公司同时快速涌现，学术机构与医院也积极参与，通过产学研合作推动AI技术的临床转化。近年来，美国FDA加速批准AI/ML驱动的医疗器械，截至2025年7月已有超过1200款AI医疗设备获批，欧盟则在酝酿《人工智能法案》，对医疗等高风险领域的AI提出严格合规要求，强调透明、可解释和安全。随着技术的成熟和监管的跟进，全球医疗AI有望在未来几年保持持续增长，成为驱动医疗健康产业升级的核心力量。 早在2017年，卫宁健康便设立人工智能实验室，开启了人工智能及其在医疗健康领域应用的探索之路，先后与上海交通大学、复旦大学、合肥工业大学、中科院大学以及多家医院签订合作协议、成立联合实验室，并会同多个领域的专家针对医疗健康垂直领域展开深入研究。2019年6月，AI骨龄检测产品在上海市儿童医院的落地项目荣获国家卫健委2019“医疗健康人工智能应用落地30最佳案例”；2019年11月，基于AI驱动的骨龄诊断新技术及医院PACS平台临床应用荣获中国数字医学杂志技术创新奖；2020年10月，基于AI引擎的骨龄辅诊系统在CHIMA2020医院新兴技术创新应用典型案例宣讲会获得医学人工智能创新应用三等奖。2023年，人工智能实验室推出第一代WiNGPT及WiNEX Copilot，新一代智能辅助PACS Copilot系统荣获第一届全国数字健康创新应用大赛·医学人工智能主题赛优胜奖。人工智能实验室的探索不仅验证了AI在医疗场景的实用性，更引领着医疗信息化与AI融合的创新方向，持续推动医疗AI从技术研发到临床落地的范式转型。 中国的医疗智能化受到需求、政策和技术多种因素的协同驱动。需求方面，我国面临医疗资源分布不均、优质资源短缺、人口老龄化加剧以及慢性病患者增多等挑战，导致基层服务能力薄弱和三甲医院过度拥挤，从而催生对高效、精准、可及医疗服务的迫切需求，AI技术可通过智能诊断辅助提升准确率、优化资源配置并改善患者体验，缓解供需矛盾。政策因素构成关键驱动力，将人工智能深度融入“新基建”布局与“健康中国2030”战略，《卫生健康行业人工智能应用场景参考指引》系统规划84个应用场景，覆盖医疗全链条，行业标准化与地方政府配套政策加速落地。技术方面，中国凭借全球最大互联网用户群和海量医疗数据，结合在计算机视觉、自然语言处理等领域的领先优势及头部企业研发能力，构建了从算法研发到产品落地的完整产业链条。2025年IDC评估显示，国内医疗大模型在诊 2025年初，卫宁健康前瞻性地提出“AI Ever y-where 全场景赋能”的发展方向，将AI深度融入医疗全链条，实现从底层技术到场景应用的闭环创新。公司战略方面，卫宁健康“1+X”战略实现了与AI理念的全面融合。“1”以WiNEX系列作为医疗卫生机构核心业务底 座，通过嵌入WiNGPT医疗大模型、WiNEX Copilot智能助手，将AI能力无缝植入诊疗流程、疾病防控及数据价值挖掘等全业务板块，让AI成为业务运转的“隐形驱动力”；“+”为WinDHP平台，汇聚医药健险生态能力，以AI算法打通数据流通、能力协同，构建智能生态中枢；“X”的数字健康应用场景，从互联网医院智能导诊到医药险联动的AI风控，每个场景都以AI为创新引擎，实现“AI驱动场景、场景反哺AI”的进化闭环。目前，相关研发与落地团队总规模达230人，临床医学、药学等医疗领域专家占比超30%。 2025年金秋，WiNGPT大模型从3.0版本跃升至3.5版本，基于“人机协同-双智融合”的理念，AI在复杂业务场景中的决策准确性与可靠性显著提高；WiNEXCopilot从2.2版本跃升至3.0版本，降低幻觉概率并提升识别准确率与输入输出能力，Agent整体落地体验进一步优化。 第二部分 技术演进从模型创新到应用落地 4.智能涌现阶段（2020年至今）：近年来，医疗AI技术加速演进，呈现出“大模型、多模态、智能化”的新特征。一方面，大模型为医疗领域的对话式AI和知识问答提供了可能，用于理解医学文本、辅助临床决策。另一方面，多模态学习成为热点，即让AI模型同时处理图像、文本、语音、传感器数据等多种模态信息，以更全面地理解患者情况。此外，强化学习和迁移学习等技术也在医疗AI中崭露头角，用于优化治疗方案、个性化用药推荐等。多智能体系统（Multi-Agent Systems）开始应用于医疗场景，通过多个AI代理协作模拟人类团队，解决复杂的医疗决策问题。这些新技术的融合，使医疗AI系统正从单一任务的“工具型”智能向更加通用、自主的“智能体”方向发展。 一、医疗AI技术的发展脉络 医疗人工智能的发展经历了从早期规则系统到现代深度学习的演进过程，技术脉络大致可以分为以下几个阶段： 1.孕育起步阶段（1950s‒1980s）：人工智能概念于1956年提出后不久，研究者便开始探索其在医疗领域的应用。20世纪60年代，出现了基于模式识别的简单医疗AI尝试，进入70年代，专家系统兴起，其中具有代表性的是1972年开发的MYCIN系统，用于协助医生为细菌感染患者选择抗生素治疗方案。这些早期医疗AI主要基于符号推理和人工编写的规则，在特定领域展现了初步的智能，但也存在知识获取困难、难以应对复杂多变的临床情况等局限。 二、WiNGPT技术进展 WiNGPT是一个医疗垂直领域大语言模型，旨在将专业的医学知识、医疗信息、数据融会贯通，为医疗行业提供智能化的医疗问答、诊断支持和医学知识等信息服务，以此提高诊疗效率和医疗服务质量。2023年1月，卫宁健康开启WiNGPT研发工作，经过多个版本的迭代升级，在参数规模、应用场景和性能提升方面取得了显著进展。WiNGPT的价值不仅在于处理文本，更在于能够与医院的数字化系统无缝交互，在保障医学安全与可解释性的前提下提供循证支持，形成临床思 维 能 力，真 正 成 为 临 床 工 作 流 中 的 可 靠 一 环 。WiNGPT的整体架构具备完全自主可控性，从核心算法优化、训练流程设计到部署形态适配，均由自主研发实现，能够根据医疗行业政策法规与机构个性化需求进行灵活调整，为医疗大模型在临床、管理等多场景的安全合规应用提供了坚实的技术保障，充分彰显了卫宁健康在医疗AI领域从技术研发到场景落地的全链条能力。 2.知识驱动阶段（1980s‒1990s）：80年代起，随着计算机性能提升和医学知识库的积累，医疗AI进入以知识工程为特征的发展阶段。专家系统在这一时期广泛应用于医疗决策支持，如用于诊断建议的DXplain系统、用于心电图解读的PACE系统等。同时，机器学习的一些经典算法（如决策树、贝叶斯网络等）也开始应用于医学数据分析，但由于依赖人工规则，难以处理不确定性和大规模数据。 3.数据驱动阶段（2000s‒2010s）：21世纪初，随着电子健康记录（EHR）的普及和医学影像数字化，医疗数据量迅猛增长，为机器学习提供了沃土。统计学习和机器学习算法在医疗领域得到广泛应用，特别是深度学习技术的突破引发了医疗AI的飞跃，模型通过从海量数据中自动学习特征，性能大幅提升，应用范围也扩展到医学影像、基因组学、临床决策等多个领域。 WiNGPT 具