卫宁健康：由‘脑’及‘手’，让WiNGPT Copilot成为高效助手

卫宁健康：由"脑"及"手"，让WiNGPT Copilot成为高效助手 Erin Lin IDC观点 在医疗行业，AI Agent展现出高度适配性，由"脑"及"手"，能够解决医疗机构在诊疗、管理和科研等方面的问题。其自主性、个性化场景适应能力、开箱即用和私有化部署等特点，为医疗行业提供了灵活、高效的智能化解决方案。 自2025年以来，中国医疗行业涌现出众多医疗AI Agent，初期主要集中在电子病历自动生成、智能分诊等标准化场景。然而，1.0时代的AI Agent在功能和技术上存在局限性。随着底层大模型技术的跃迁，医疗AI Agent正迈向2.0时代，实现从AI-Added到AI-Integrated的转变，覆盖多流程、多场景、多模态和多人群，为医疗行业带来质变。 尽管医疗AI Agent技术水平和应用能力持续提升，但其在实际医疗场景中的普及和应用仍面临诸多挑战。主要因素包括对决策敏感度的担忧、自主行动带来的安全问题、系统集成和数据安全问题。此外，幻觉与可信度、自主决策的不可控性、与业务系统的深度融合难度以及数据安全隐患和伦理问题，也是制约其发展的关键因素。 当前，医疗AI Agent成为人工智能在医疗领域的热点。众多厂商加速布局，通过与医疗机构深度合作推动AI Agent技术在患者服务与临床诊疗等环节落地。技术门槛的降低使得技术不再是唯一核心竞争力，具备行业know how、行业认知、数据、客户等资源且拥有业务系统核心入口的厂商，在当前阶段更具竞争力。 卫宁健康以WiNGPT医疗大模型和WiNEX Copilot为核心，推动医疗AI的深度应用与智能化升级。WiNGPT 3.0通过技术创新与场景适配，构建了具备临床思维的医疗大模型，涵盖架构优化、长链式思维样本技术、多模态能力等核心优势，为规模化临床应用提供支撑。WiNEX Copilot 2.2则作为大模型技术与医院场景的衔接，通过"智能体+"增强特性实现可即用、可编排、可管理的功能，覆盖34个落地场景与100余个业务流程组件，显著提升医疗复杂场景的处理效率。新一代WiNEX系统深度融合AI能力，推出智能语音查房助手、护理文书生成系统等功能模块，助力信息整合、交互优化与文档生成，已在多家医院实现高效落地应用。 卫宁健康以"1+X"医疗数字化为核心战略，提出"AI Everywhere全场景赋能"方向，构筑第二增长曲线。以WiNEX系列为核心底座，结合WiNGPT大模型与Copilot智能助手，全面赋能诊疗流程、疾病防控、数据价值挖掘等业务板块；同时通过WinDHP平台汇聚医药健险生态能力，打造智能化生态枢纽。"X"数字健康应用场景覆盖互联网医院导诊、医药险联动风控等领域，形成"AI驱动场景、场景反哺AI"的闭环。公司聚焦药物研发提速、医院管理优化、患者增值服务及低成本AI普及等关键方向，破解AI应用成本瓶颈，推动AI技术在中小医疗机构的广泛渗透，助力行业效率提升与价值创造。 关于厂商概述 该IDC厂商概况报告论述了医疗大模型的发展现状，并由大模型到医疗AI Agent，阐述医疗AI Agent与医疗行业的适配性及其技术发展，探讨医疗AI Agent的价值体系。本报告也论述了卫宁健康的整体战略发展方向、产品技术等情况，便于医疗机构了解公司的产品和策略，也期望能够对医院认识医疗AI技术应用和作用发挥予以启发。 市场综述 大模型技术成为医疗卫生事业转型的关键助力 医疗行业正处于改革的"提质增效"的转型时期 长期以来，中国医疗卫生体系经历了从"基础建设"到"规模扩张"和"资源整合"，再到"提质增效"等多个重要发展阶段。当前，医疗卫生事业已全面进入了以"提质增效"为核心的高质量发展阶段，更加注重医疗服务的内涵建设、质量提升和效率优化。与此同时，医疗信息化建设在政策引导和技术创新的双重推动下，也经历了信息化基础建设、系统整合、数智化三个重要发展阶段。当前，医疗信息化正迎来一个全新的发展阶段——智能化全面进阶，医疗服务模式创新和医疗质量提升迎来新动能，全面融合改进原有的信息化体系。 医疗大模型技术迭代升级，成为智慧医院建设的"大脑" 大模型技术在医疗行业展现出了广阔的应用前景。然而，由于医疗行业具有数据规模大、结构复杂且专业门槛高等特点，通用大模型在处理专业医疗任务时无法充分满足其严格的标准。于此，医疗大模型应时而生，2023年医疗大模型集中问世，百花齐放。 初代医疗大模型在多类场景都展现出了应用潜力，使许多原本不可能实现的任务成为可能，更多的创新想法可以通过大模型得以实现。此外，大模型的能力大幅度超越了过往单一模型的能力，已经具备辅助临床医生完成部分重复的工作以及辅助医生决策的能力，可提升工作效率。 2025年医疗大模型进入更深入的探索阶段，其性能不断迭代升级，在底层模型选择、算法升级、数据模态交互及可靠性等方面持续更新，进一步提升了其在医疗领域的表现，成为了医疗机构的智慧临床、智慧运营、智慧服务运行的"大脑"。 ▪底层模型：通用大模型日益丰富，技术特征不同，使得行业模型分化出了差异，医疗大模型的底层模型选择更加多样化。其中，DeepSeek以其高性能和低成本性，降低了用户部署大模型的门槛，在用户侧得到了快速认可，成为了底层模型的必选项。 ▪推理能力：2025年初DeepSeek问世，这一模型在推理能力上实现突破性发展，推动了推理模型的整体发展。在这一背景下，医学大模型也引入长思维链推理技术，并将推理路径与临床路径强关联，使得模型可模拟临床诊疗的完整思考链路，提升了医疗大模型的专业性，使其在医疗场景中的决策支持能力更加具备循证思维。▪多模态数据融合：医疗场景中的数据形式丰富多样，包括文本型的病历与报告、图像型的影像资料、数值型的检验指标等。初代医疗大模型大多数是基于大语言模型，尽管支持图片、语音的交互，但更多还是基于语音文本模态。当前，大模型升级，正在通过统一的特征提取与融合框架，尝试打破不同数据类型之间的壁垒，从而将文本描述、影像特征、检验结果等多源信息进行深度关联与协同分析。▪可靠性：由于医疗场景属于高风险的严肃医疗场景，任何错误都可能危及患者生命，对模型输出结果的准确性和可解释要求更为严苛。因此，这一代大模型通过引入知识图谱、规则库及RAG检索增强技术，限制模型自由发挥，增强事实信息核查；生成诊断建议时同步输出依据，医生可追溯模型推理路径，从而降低幻觉与增强可解释性，进一步消除终端用户对于输出的顾虑。 由"脑"及"手"，AI在医疗行业的应用正处在医疗AI Agent发展的拐点之上 在政策推动下，医疗AI领域的应用正以前所未有的速度发展。《卫生健康行业人工智能应用场景参考指引》的发布积极推动以大模型为代表的人工智能技术在多个医疗场景中落地。当前，医疗大模型已经在诊断辅助、病历分析、治疗方案推荐等场景中，展现其思考、总结与判断能力。而Deepseek的问世为医疗行业注入了更为强劲的动力，医疗大模型在行业的渗透率显著提升，2025年2月开始上千家医疗机构集中部署以Deepseek为主的大模型。 然而，医疗大模型作为一项支撑性技术，它仅能对给定信息进行整理和输出，难以嵌入医疗服务的核心诊疗流程，缺乏与医疗系统的耦合与联动，处于有"脑"无"手"的状态。由此，大模型在行业的发展正由"脑"及"手"，转向应用层面的创新与落地能力。整体来看，人工智能在全行业的应用正从L2向L3迈进，标志着AI Agent时代的到来。而医疗行业的AI应用也正处于医疗AI Agent发展的拐点之上。 AI Agent助力医疗行业从"量变"迈向"质变"发展新篇章 AI Agent有感知、有记忆、有规划、有行动能力 基于IDC的定义，AI Agent是指由大语言模型（LLM）驱动的自主软件系统。此类系统具备感知环境、推理、决策及行动能力，能以类人模式与用户或其他系统交互，区别于仅有提示回应的传统人工智能助手，它可主动与周边环境及其他主体互动，动态适应变化情境。 在大模型技术的驱动下，相较于单纯的大模型，AI Agent更加"聪明"，具备像人类一样的思考及行动能力，在自主性、感知交互、任务执行等方面具有明显优势，为医疗行业提质增效提供了全新可能。 医疗AI Agent更适配医疗行业的需求 具体提到医疗场景，医疗机构的诊疗、管理、科研等面临着一系列问题，大模型的出现为解决这些场景的问题提供了机遇，而医疗AI Agent所具备的特性将大模型的能力结合应用，形成可落地、可应用的能力，为医疗行业赋能，相较于大模型对话框和传统AI应用，与医疗行业的复杂场景和多元需求存在高度适配性。 ▪自主性：医疗AI Agent具备将医疗问题及任务拆解，能够构建行动闭环。相较于被动的输入和输出，AI Agent能够自主感知问题、拆解任务、规划行动、调用工具、思考决策、记忆结果并反馈学习。 ▪个性化场景：不同层级的医院、不同类型的医疗机构、以及不同临床科室所涉及的诊疗专业领域和具体工作流程都存在显著差异，医疗健康领域的智能化应用需要高度适配个体化的诊疗需求。而AI Agent可以根据具体应用场景的特点进行调整和设计，从而为医护人员和患者提供更加匹配和高效的智能化支持。▪开箱即用：医疗AI Agent平台覆盖了从大模型到智能体的全流程支持，医院用户能够便捷地调用针对不同业务环节和应用场景专门设计的各类AI Agent服务，无需深入了解复杂的提示词工程，也不必考虑底层大模型的参数配置问题，实现"开箱即用"。▪私有化部署：AI Agent与大模型采用解耦式架构设计，实现了技术层面的完全分离与独立运行，系统无需依赖特定大模型的持续支持即可独立完成各项任务。这种解耦式AI Agent能够灵活适应不同医疗机构的IT环境，快速部署并投入使用，有效解决了传统AI系统在医疗场景中面临的系统耦合度高、部署周期长、维护成本大等痛点问题。 医疗AI Agent正从1.0向2.0时代迈进 2025年以来中国医疗行业涌现出了众多医疗AI Agent，早前期的探索中，第一批医疗AIAgent已逐渐走入医疗场景，其应用集中在电子病历自动生成、智能分诊导诊服务、智能问诊、检验检查结果解读等标准化的场景。从实际落地的AI Agent来看，现有的AI Agent的能力及覆盖的流程和环节与医疗用户的全面及深度需求间存在较大的差距。由此，医疗AI Agent正经历着从1.0到2.0时代的变革。 医疗AI Agent 1.0的特征 这一时期，受限于技术发展阶段和系统开放性问题，AI Agent技术在医疗领域仍处于初步探索和概念验证的早期发展阶段。在基础信息处理和简单问答交互的初级阶段，与理想中具备自主决策能力和全流程诊疗支持的"真正AI Agent"标准相比，无论是在技术成熟度还是应用深度上都存在显著差距。 医疗AI Agent 2.0的特征 经过1.0时代的探索与实践，医疗AI Agent领域实现了从无到有的突破，开始在各级医疗机构中崭露头角，展现出其应用价值。而随着底层大模型技术飞跃，算法性能的提升，同时用户侧对AI Agent的认知程度深化，认可度提升，医疗AI Agent的发展已经驶入快车道。当前，在技术创新与市场需求的双轮驱动下，医疗AI Agent正朝着2.0阶段迈进。 尽管1.0时代的医疗AI Agent在功能实现和智能化程度上存在诸多不足和局限性，但作为大模型技术发展的初级产物，这些AI Agent仍然在特定领域发挥着重要作用。其不仅是用户接触和体验大模型技术的重要入口，也是构建更高阶AI Agent的基础。因此，在当前的发展阶段，医疗AI Agent 1.0依然是不可或缺的关键应用。 医疗用户正积极厂商部署AI Agent，推动行业价值升级 AI Agent正在以前所未有的速度在中国落地生根，在医疗、制造、能源、政府等多个领域部署应用。根据IDC 2025年亚太地区关于AI Agent的调研显示，中国地区领先于其他亚太国家，快速展开了智能体的应用与部署，约有69.7%的企业已经部署