图片
2025年，DeepSeek的横空出世，引发了医疗AI狂潮。
据不完全统计，国内已有上千家医院完成DeepSeek大模型在院端的本地化部署，AI短时间内走进全国医院。
DeepSeek开源带来的技术普惠，也直接导致医疗AI大模型的井喷。
今年以来，瑞金医院、复旦大学中山医院，讯飞医疗接连发布医疗大模型；而伴随着开源生态，京东健康宣布全面开源旗下“京医千询”大模型。
而根据智药局不完全统计，目前国内已发布83款AI医疗大模型，2025年增长尤其迅速。
同时智药局发现，DeepSeek带来的医疗基础设施，以及创新变革远不止于此。
以下是AI医疗大模型的具体情况（蓝色为新增）：
图片
中国AI医疗大模型（不完全统计）
新一轮AI医疗狂潮
2022年12月，ChatGPT这一划时代的产品出现，如同一声惊雷开启了AI行业的新生。
2023年上半年开始，ChatGPT引发了国内企业的AI医疗“百模大战”。互联网医疗公司率先响应，科研院所、医院方迅速跟进。

 

图片
相较于通用大模型，训练一个医疗大模型的难度并不大。绝大多数医疗大模型基于通用大模型的基座进行训练，通过领域医学数据进行微调，从而强化模型在医疗领域的专业能力。

 

2023年发布的医疗大模型中，大多由LLaMA、ChatGLM-6B等基座微调或者预训练而来，有实力的互联网公司也开始输出大模型基座能力，例如腾讯混元大模型，华为盘古大模型等。
到了2024年，医疗大模型陷入了同质化竞争，商业化难题让AI医疗大模型沉寂了一年。
也是这一年，医疗大模型开始有了差异化竞争，医院和企业开始发布针对特定领域的专科大模型，精细化地整理细分知识后，发布重症、罕见病、病理学等专科模型。
2025年，DeepSeek的震撼发布直接推到了大模型技术的那堵墙，推动行业加速变革。
区别于此前的AI模型竞争，绝大多数公司选择拥抱DeepSeek带来的变化，选择接入、部署DeepSeek，京东健康更是开源其京医千询大模型，对训练参数、训练代码、数据集进行全面开源。
整个AI医疗生态正在发生巨大的改变。
大模型战场，变了

 

从医院到科室
如果说，2023年大模型以互联网医疗、互联网大厂的角力为主，那么到了近两年，医院的参与度直线提高。
DeepSeek生态开放降低了医疗大模型的部署、训练门槛，但大模型的迭代仍然需要大量高质量数据。
如今的医疗大模型竞争中，掌握医疗数据的医院成为主要参与方。当前上千家医院接入DeepSeek，整合信息系统和院内数据有望进一步带来医院智能化。例如，上海东方医院发布Med-Go，华西发布”华西黉医“等。
最初大模型主要应用场景主要集中在预问诊、临床辅助诊断、影像分析、个性化治疗及院内流程优化等环节。
但随着医院对AI建设的逐步重视，以及数据要素的释放，AI医疗大模型从医院下沉到了科室。
近三个月来，由科室合作的多个专科医疗大模型发布，包括复旦大学附属中山医院发布的心血管专科AI大模型；四川大学华西医院推出首个骨科大模型DeepJoint；北京清华长庚医院泌尿外科发布首个泌尿系结石诊疗大模型。
医疗场景高度细分，通用模型无法兼顾所有场景，而专科模型可针对性突破。
如今，专科医疗大模型已经拓展到了儿科、妇科、肾脏学、检验医学、影像学等多个领域。
这标志着大模型从“大而全"走向”专而精“，同时走向了真实的临床需求。
跨界联合，走向开放

 

在大模型生态中，由于各方的能力和需求不相同，大模型的多方合作正在成为流行。
例如上海瑞金医院发的瑞智病理学大模型、由瑞金医院联合华为深度合作，由华为提供技术与算力支持。
由此来看，医院提供数据+场景，企业提供技术的大模型开发联盟正在成为主流。
医疗AI大模型通过技术互补、数据共享与生态共建，正从单点应用转向系统性变革。
那些没有能力独自训练模型的基层医院，也因为模型部署成本的大规模降低，部署成效显著。
例如深圳宝安区上线了全国首个区域医疗大模型平台“宝医数智”，致力于推动AI技术与基层诊疗场景的深度结合，目前已覆盖宝安区9家医院、220家社康机构，年诊疗量超2700万人次。
国家超算中心联合县域医院建立算力共享平台，通过边缘计算设备与云端诊断结合，解决基层医疗资源不足问题。
从卷参数，到卷应用

 

ChatGPT爆发后，带来了医疗垂类模型的第一次爆发，多家公司基于大模型基座+医疗数据发布行业大模型。
当时绝大多数模型的看点在于参数量、问答是否正确。
但一个好模型，并不一定能转化为业务价值，在复杂医疗场景中，并不是比谁的参数多，在基准测试中拿到高分，而是解决实际问题。
而此次以DeepSeek为代表的深度推理大模型基座，对医疗领域的复杂诊断和多步骤推理有帮助，也被医院方广泛采纳。

 

但部署DeepSeek后，能不能真正为医院带来增量价值？

 

许多医院花费数百万采购大模型以及一体机，却停留在简单对话功能，没能和医疗业务和场景进行适配。

 

行业普遍的共识是，各家医院需要结合自身业务需求对大模型进行二次开发，需要新的创新性解题思路。

 

在大模型基础之上构建的Agent，有望真正将AI能力深度融入临床诊疗和医疗管理场景，实现技术到业务的升级。

近三个月内，多家医院正在基于具体场景需求构建医疗智能体（AI Agent），赛道处于爆发期。

 

图片

 

例如，上海交通大学附属仁济医院发布首个泌尿专科智能体；江苏省人民医院发布感染控制智能体、东南大学附属中大医院推出肝癌诊疗智能体等。

 

Agent的百花齐放，也意味着AI医疗大模型从技术试验阶段迈入深度场景化应用阶段。

创新与监管仍需并举
尽管AI医疗正在快速发展，但众多业内人士仍然在探索一个问题：AI+医疗最佳商业变现路径是什么？
从市场反馈来看，AI大模型的实际商业回报还未能满足企业预期。
某医疗器械赛道的人士向智药局表示：“尽管公司有大模型相关业务，但主要是和器械进行搭售，在硬件的基础上加价卖给临床和学校，且基本上都是一锤子买卖，难以形成可持续现金流。”
这也是当前的AI医疗大模型难题，一方面，企业由于害怕错过新的AI浪潮，纷纷宣布接入DeepSeek；但另一方面，还未看到医疗大模型收费的曙光，更多只是业务锦上添花的作用，实际投入上变成了“雷声大，雨点小”。
尤其医保局发布规定，医院可以自行选择是否使用AI，但不得与主项目收费，进一步挤压了AI医疗产品的盈利空间。
此外，大模型快速进医院也为监管带来了各种难题。

清华专家所指出：DeepSeek的快速、无监管的采用已超出中国的整体监管监督和治理框架，造成了监管的滞后性。

 

尤其当AI的建议与规划被采纳并导致不良后果时，责任如何划分还难以确定，监管框架需要跟上技术发展步伐。

 

随着AI医疗流程深度结合后，这些空白也有望被填补。

—The End—