医疗AI喊了很多年，但很长一段时间里，都像是一种“发布会技术”。

在PPT上，AI已经可以辅助诊断、提升效率、缓解医生短缺；在实验室里，AI模型可以在某个单病种、某个数据集上跑出不错的指标。可一旦落地到医院的科室，问题就变复杂了：系统能不能接上？医生愿不愿意用？数据能不能安全流转？成本基层医院能不能承受？模型换一家医院会不会失灵？

6月5日的华为云INSPIRE创想者大会上，华为云正式上线了“行业AI梦工厂”， 20多家医院入驻“智慧医疗专区”，为上面的问题给出了确切答案。

作为“行业AI梦工厂”首个落地的垂直行业专区，瑞金医院、邯郸市中心医院、武安市人民医院、瑞安市人民医院、延安大学附属医院在内的首批20多家医院正式入驻智慧医疗专区，头部三甲医院的智慧病理服务，正加速向地市级、县域和基层医院扩散。

医疗AI不再是悬在空中的“神话”，真正走进了医院的病理科、医生的工作站和患者的病历本。

01 医疗AI的“落地难”，到底难在哪里？

在前几轮AI热潮中，医疗就曾被寄予厚望。

从医学影像识别，到智能问诊；从辅助阅片，到病历生成；从院内导诊，到健康管理……几乎每个环节都能看到AI的影子，最终却大多停留在了PPT上，单点案例能跑，规模化落地很难。

以病理场景为例，既是临床诊疗的“金标准”，也是医疗AI最难啃的硬骨头之一，至少存在三大“症结”。

一是病理医生的供需剪刀差，且资源极度分布不均。

国内有3.8万家医院，仅有5000家医院设立了病理科，全国病理医生总数不足2万，整体缺口超过14万人。再加上优质资源高度集中于少数三甲医院，大部分县域医院严重缺乏独立病理诊断能力。在基层能力薄弱的现状下，漏诊误诊风险居高不下，不少医院只能把切片或标本送到上级医院，患者和家属常常为了会诊跨区域奔波。

二是医院的IT系统错综复杂，数据生态呈现碎片化。

AI落地的前提是数字化，倘若切片还停留在玻璃板和显微镜阶段，AI就成了无源之水。目前许多医院的本地PIS（病理信息管理系统），根本不支持庞大的数字切片管理，各个系统间壁垒森严。且不同医院在制片、染色、扫描等环节存在显著差异，数据异质性极高，在实验室里表现优异的AI大模型一旦跨院部署，常常遭遇“水土不服”。

三是高昂的数智化转型成本，让不少医院望而却步。

在传统模式下，智慧病理属于典型的重资产投资：一张数字病理切片的存储空间可能达到2GB，一个手术病人如果有10到15张切片，就可能产生20GB级别的数据量。相对应的是昂贵的存储成本、翻倍的带宽成本，以及算力、模型的采购，对AI人才的刚需，注定了只有头部三甲医院才有能力投入资金、团队探索，县域医院被挡在了门外。

医疗的智慧化却是不可逆的时代趋势，也是AI真正普惠最能发挥价值的领域之一。

2025年8月出台的《关于深入实施"人工智能+"行动的意见》，明确提出"探索推广人人可享的高水平居民健康助手，有序推动人工智能在辅助诊疗、健康管理、医保服务等场景的应用"，并从提升模型基础能力、强化智能算力统筹等方面为AI与医疗等领域的深度融合提供基础支撑。

2025年10月发布的《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》，特别提到“建立基层医生智能辅助诊疗应用”“提升基层全科辅助诊断、疾病鉴别诊断等服务能力”“推广医学影像智能诊断服务”等措施。

国家医保局在2025年12月印发的《病理类医疗服务价格项目立项指南（试行）》中，明确要求医疗机构上传数字化图像至云平台。若未提供，每切片减收5元（单次最高减15元）；未上传病理诊断报告减收5元。

政策红利的不断释放，说明当前市场缺少的早已不是技术概念和想象力，而是一套能够真正融进科室流程、医疗合规、极低成本且能大规模复制的落地机制。

02 做厚“黑土地”，造一座“行业AI梦工厂”

坚持用AI解行业难题的华为云，给出了新的破题思路。

面对AI落地的重重阻力，华为云抛弃了“卖单点应用”的普遍打法，选择联合开发者一同在“硅基黑土地”上打造“行业AI梦工厂”。其中在智慧医疗专区，华为云深度融合顶级医疗机构的临床实践经验，构建了涵盖“场景-模型-平台-社区”的端到端医疗AI支撑体系。

同样是病理场景，在“行业AI梦工厂”的驱动下，头部医院的前沿能力，变成了基层医院“用得上、用得起”的普惠工具。

第一步，死磕“临床级”硬能力，解决模型敢不敢用的问题。

时间回到2025年2月，华为联合瑞金医院正式发布了国内首个临床级病理大模型——RuiPath。

和只能判断“有无癌”的小模型不同，RuiPath覆盖了90%的中国常见癌种和90%的下游诊断任务，通过“数据飞轮”在真实业务中持续迭代，实战准确率超过90%，可辅助病理医生日常90%的病理诊断工作。

按照瑞金医院病理科医生的说法，RuiPath能够围绕临床报告生成相关任务进行整合，包括神经侵犯、脉管侵犯、淋巴结转移等，并能一键发送格式化的病理诊断报告。不只是一个准确率90%以上的大模型，而是一个能标注重点、辅助判断、生成报告、嵌入流程的生产力工具。

第二步，打破“跨院不适用”的魔咒，赋予医院模型定制权。

由于染色、制片上的差异，一家医院里被验证的模型能力，到了另一个医院可能一言难尽。

华为云的答案是将模型增训能力“下放”给每一家医院：通过智慧医疗专区的医疗AI使能平台，只需不到传统训练10%的本院特征数据，即可训练专属模型，极大降低医生标注工作量，并通过数据飞轮持续迭代、让模型在本院越用越准，彻底解决跨院不适用的问题。

从过去的“只推理、不训练”，到“训练—推理—增训”闭环，改写的不仅是病理模型的适用性，重新定义了医疗AI的落地范式，让每家医院都实现“用自己的数据训练自己的AI”。

第三步，重构算力与部署架构，补齐“基层用不起”的短板。

假如落地AI必须自建机房、招算法工程师、长期做系统运维，所谓的“智能”只属于少数大医院。

华为云的回答是“端云协同”，存储、算力、模型和安全体系都可以基于云上构建，基层医院仅需购买一台切片扫描仪，直接利旧现有的消费级PC进行读片。在日常工作中，医生将少量疑似图像特征上传至云端大模型进行分析，对网络带宽的要求也大幅降低了85%。

简单算一笔经济账：“少样本训练、消费级PC推理”能力，意味着基层医院的首年投入只有传统方案的10%，五年整体拥有成本下降达40%，进一步降低了智慧病理的落地门槛。

正如“行业AI梦工厂”的题中之意，医疗AI的普惠，不是让所有医院都变成掌握算力、数据、专业人才的AI公司，哪怕是县域的基层医院，也要有能力拥抱AI、使用AI。

03 从三甲到县域基层：AI改变了什么？

验证一个新范式的最好方式，就是一个个真实的案例。

当成本、模型能力与适用性的枷锁被打破，AI的普及速度呈现出了惊人的爆发力。在华为云“行业AI梦工厂”·智慧医疗专区，智慧病理服务正在像同心圆一样扩散，迅速从顶尖三甲医院下沉至地市级的医疗中心，不断扎根于县域医疗机构的毛细血管中。

直接的例子就是邯郸市中心医院区域数智病理医联体。

作为当地的区域医疗中心，邯郸市中心医院病理科每天的切片量高达六七百张。在纯人工显微镜时代，病理医生对一个复杂病例的精细观察往往耗时数十分钟，长年处于超负荷的用眼状态。

和很多区域医疗中心一样，邯郸及周边地区病理医生缺口很大，基层医院的病理能力薄弱，患者被迫来回奔波。

在国家政策推动下，邯郸市中心医院积极推进数字病理升级改造，将传统显微镜模式逐步切换到数字扫描模式。2026年2月华为云"行业AI梦工厂"智慧医疗专区发布后，邯郸市中心医院作为首批医院入驻，仅用数月时间，病理科的日常工作流程便实现了重塑——AI辅助诊断结果次日自动呈现在报告系统中，彻底改变了传统阅片模式。

邯郸市中心医院将数字切片收集起来，在RuiPath病理大模型的基础上进行增量训练，逐步形成了一个正向循环：模型基于本地数据进行适配，医生在使用过程中发现问题，问题和新数据不断回流模型，模型根据数据持续修正，越来越贴合本地临床场景。

据邯郸市中心医院病理科主任田云宵介绍，因为制片、染色、扫描等差异，某类诊断一开始的准确率只有63%。在增强训练中，每轮训练使用几十张切片，经过多轮迭代后，准确率就提升到了90%以上。

比数字变化更明显的，是病理医生的工作方式。

当日切片经数字扫描仪生成高精度数字图像后，在夜间批量执行AI任务，有无肿瘤、组织亚型、恶性分级等信息被AI逐一标记，单张切片的诊断时间从过去的数分钟压缩到了秒级。

病理科医生次日到岗后，AI的诊断结果已经自动推送到PIS系统，只需在屏幕上对AI标注区域和判断结论进行复核确认。如果发现AI诊断出现偏差或错误，直接进行修正、标准并回流训练。

见证了AI带来的生产力，邯郸市中心医院将智慧病理方案进一步“下沉”到了武安市人民医院、涉县人民医院、涉县中医院、大名县人民医院等县域机构，基层医院完成数字切片扫描与端云协同，即可调用中心医院的区域病理模型和AI辅助诊断能力，快速完成初筛、会诊和报告回传，让常见病症的初诊符合率迅速拉升到了90%以上。

像邯郸市中心医院这样的案例还有很多，“行业AI梦工厂”跑通的，不只是一个病理模型，而是一条从三甲医院到基层医院的能力下沉链路，让AI的价值落实到了每一个医生的工作台、每一个普通人的病历本上。

04 写在最后

首批20多家医院的入驻，注定只是一个起点，将加速扩散到越来越多的医院、越来越多的科室。

当AI像水煤电一样驱动社会运转的齿轮，当Token成为千行百业的生产资料，智慧医疗专区只是华为云“行业AI梦工厂”拉开帷幕的第一站，有了一套能进流程、能控成本、能持续迭代、能规模复制的“操作系统”，千行百业的AI进程，正大步迈向“工厂化落地”的新纪元。