国际数据公司（IDC）最新发布的《中国医疗大模型技术评估，2026》报告引起了中国软件网的注意。

该报告指出，当前医院的智能化建设，正在从2025年的大干快上上马通用大模型，发展到现在上马各种基于医疗大模型的智能体，未来将发展到基于专科化、场景化大模型的智能体，以及多智能体协同调度平台。

事实上，中国软件网调查发现，在2025年初大干快上DeepSeek大模型一体机之后，中国医院的智能化建设来到了一个新的十字路口。

医院智能化的烦恼：AI好是好，就是不好用

2025 年 CHIMA 的调研显示，全国各大医院都将大模型、人工智能方面的投入作为数智化建设首要投资的技术。

这导致的结果是：一方面，去年很多医院采购了AI一体机，花了可能一两百万，但采购之后却“只能对对话，没太大作用，大家压力很大。” 这种“有设备，无效果”的困境，道出了当前医院智能化建设最普遍的痛点：AI技术能力与业务价值之间存在断裂。

但另一方面，很多医院的智能化实践也表明，医院并不缺少单点表现优异的AI能力。例如，在对话、影像识别、病历辅助撰写等环节，AI的准确率相当可观、在医院的表现也非常不错。

问题在于，这些能力如同一个个“智能孤岛”，未能与HIS、EMR等核心业务流原生融合。医生需要脱离工作界面，跳转到另一个系统进行“AI咨询”，这种体验割裂、流程中断的设计，注定难以高频使用。

更关键的是，当AI的建议与医生判断不完全一致时，那个“AI黑箱”里无法追溯的逻辑，让医生不敢采信。因为如果诊断出了问题，“这算医生的错还是AI的错？”，责任难以界定。很多业界人士认为，“大家可能更能接受医生犯点错……但接受不了机器犯错。”

在经过一年多的大模型大干快上，以及影像识别、病历生成等各种智能体的历练以后，医院的AI、智能化建设开始进入了反思期。

模型进阶与落地场景探索的双轨并行

IDC在上述研究报告中指出，当前各个医院智能化建设已进入医疗大模型进阶与落地场景探索的双轨并行阶段。

自2025年DeepSeek 在医疗行业快速部署，大模型在中国医疗体系中的应用进程被显著加速，医院的智能化建设也从各种试点探索迅速迈入应用阶段。这一进程不仅加快了大模型技术在医院的落地速度，也加速了他们对于AI、对于大模型技术的认知转变。

中国软件网发现，进入2025年下半年，医院的智能化建设出现了两个新特点。

第一，各大医院开始从早期的DeepSeek等大模型部署热潮回归理性，模型选择开始从通用到垂类医疗大模型。IDC称之为医院智能化建设的“模型进阶”

第二，从纯粹部署大模型，开始关注大模型是否能够真正嵌入临床流程、管理 流程与服务体系之中。开始在场景方面从单一对话框向智能体的产品形态演进，同时与 HIS、EMR 系统集成融合，嵌入真实应用场景。

这便是模型进阶与落地场景探索的双轨并行阶段。

同时，IDC指出，医疗大模型进阶不仅仅是模型性能的跃升，更是进一步聚焦提升模型可解释性、降低 幻觉、提高临床语义理解深度、诊疗逻辑可解释性与跨模态对齐能力，从而提升模型在真实临床环境中的可靠性与可信度。

而落地场景则针对病历生成、智能问诊、检验检查解读、病历质控等高频需求研发了各种智能体。IDC认为，这些类别的智能体在 2025 年诞生并开展了验证，取得了较好的效果。

智能体建设的大模型之乱

中国软件网调查发现，智能体已成为大模型之后、2026年医院智能化建设的热点。

更进一步，中国软件网发现，目前医院的智能体建设基本上是由像东软、百川这样的医疗数智化服务商主导提供。

例如，某三甲医院要建设一个DRG/DIP医保智能审核与预警智能体，医院最终决定选择东软作为智能体服务商。医院一般要求东软提供相应的医疗大模型，并在该模型基础上开发相应的智能体应用。

同时，该医院又想建设门诊预问诊智能体，并且他们最终选定了科大讯飞。同样的，医院要求科大讯飞提供相应的医疗大模型，并在该模型基础上开发相应的智能体应用。

在这同一个医院的两个智能体建设中，医院本身只提供算力等AI基础设施，但大模型由各服务商自己提供、智能体也由各厂商自己负责开发。

这种医院智能体建设模式的优点是，医疗大模型和智能体都由医疗数智化服务商全部负责，这样建设模式比较灵活且速度较快。智能体与大模型之间的协作与集成也非常比较优化，他们的性能、安全性、可解释性、可信度等都有较好的表现。

这种模式的问题是，每个智能体都带有自身的医疗大模型，会导致同一个医院会有多个医疗大模型。这会导致两个问题，一是医疗大模型存在一定程度的重复建设，也会带来一定的算力浪费；二是由于不同的智能体采用不同的基座大模型，会导致医院各个科室、各个业务环节的协作存在智能体认知与行为不一致等问题。

因此，IDC在报告中提出，未来医院的智能体建设，将基于专科化、场景化模型，并基于统一的智能体开发平台、调度平台，开发和管理智慧医疗、智慧服务和智慧管理等各种智能体。

但这种场景下，其实还存在多个专科化、场景化模型的问题。

未来的医院智能化建设，是否需要，或者是否有可能建成一个覆盖整个医院的统一基座大模型呢？

“可信医疗AI”新体系

中国软件网采访了很多业界相关人士，对于这个问题还没有形成共识。

有专家认为，由于医院每个科室的专业性差别巨大，因此在单个医院形成一个统一的医疗基座大模型比较难，必要性也不一定那么大。

不过，有意思的是，中国软件网发现东软提出医疗AI建设的理念，即以“可信”作为底层逻辑，AI 原生（AI-Native）理念、循证驱动（Evidence-Based）认知、智能体协同（Agentic AI）演进。

东软认为，AI不是游离于流程之外的“外挂工具”，而应原生嵌入 HIS、EMR 等医疗核心业务流中，让用户在无感中获得提效。同时，医疗的本质是严谨，大模型必须与确定性的临床指南、专家共识深度耦合，实现从“概率猜测”向“逻辑循证”范式转变，确保输出的每一条建议都有据可依。在医疗场景极其细碎而复杂，东软通过构建由多个专业智能体（Agents）协作的“集群生态”，实现医疗诊疗长流程的智能协同。。

如果说生成式AI解决了"会说话"的问题，推理式AI解决了"会思考"的问题，那么医疗AI解决的，是医疗场景中最核心、也最棘手的问题——"医生敢不敢用"，也就是东软研发的底层逻辑，医疗AI必须“可信”。

“可信”的内核需要合适的载体。当前医院面临的一个现实挑战是模型管理的混乱。东软添翼医疗大模型，提供了医院智能化建设的可信内核。

东软添翼医疗大模型不是单一的大语言模型，而是一个融合了语言（LLM）、影像、视觉等多模态能力的协同计算平台。它采用“大小模型协同”的弹性架构：基座提供通用的医学知识理解与多模态融合能力，而面向具体场景的“智能体”（Agent）则根据任务复杂度，调度从1.5B到上百B参数不等的、经过深度优化的“蒸馏”小模型。

东软添翼大模型还提供统一的智能体开发平台和调度平台，它在某种上为医院智能体建设提供了“统一基座大模型的第三条道路。

这种大小模型协同的大模型平台，其优势非常明显：

对医院而言它实现了“一基座、多应用”。医院只需部署和管理一套基座设施，所有智能应用都从中“长”出来，彻底避免了数据孤岛与集成噩梦。IDC报告认可的这种“智能体协同”生态，正是未来方向。

对应用而言基座提供了共用的“水电煤”。智能体开发者无需从零开始训练大模型，可专注于专科业务逻辑的深度优化，极大降低开发门槛与成本。这为未来繁荣的医疗AI应用生态奠定了基础。

对场景而言它实现了真正的“多模态融合”。例如，在肺结节诊疗场景中，一个智能体可以同时调用基座的影像分析能力和文本推理能力，为医生提供“影像特征+病史风险”的综合研判，而非单点结论。

医院智能化建设已迈过追逐概念的浅滩，进入需要解决实际信任、融合与价值问题的深水区。东软添翼大模型的实践揭示了一条新的路径：以“可信”重塑技术内核，确保AI输出的可靠与可用；以“统一智能基座”重构技术载体，实现能力的集约与融合；以“场景化智能体”作为价值交付物，无缝嵌入医院主流业务与预算流程。

未来的智慧医院，将不再仅仅是信息系统与AI工具的堆砌，而将演进为一个由“可信医疗AI”驱动的、多智能体深度参与的协同有机体。在这里，AI不再是时灵时不灵的外挂工具，而是医生身边值得信赖、能力专业、随时在线的高效伙伴。这不仅是技术的升级，更是整个医疗服务体系运行模式的进化。东软凭借其三十年的医疗业务深耕、对“可信医疗AI”体系的重新定义，以及对“基座+智能体”路线的不断践行，为这场深水区变革提供了一个可供全行业参考的“中国方案”。