豆包、元宝、DeepSeek们以周为单位快速迭代，消费端大模型百花齐放时，望向生命科学和医疗健康的深水区，AI for Science（AI4S，人工智能驱动科学研究）却如同一场“登月计划”：前景足够宏大，现实步履沉重而缓慢。

拿临床端医疗影像来说，一个成熟放射科医生的培养周期，是15年； 

一款专病AI模型的开发周期，动辄数年； 

而全球等待被AI攻克的医疗影像检测任务，超过5000种。

登月计划的浪漫，撞上再朴素不过的算术题，结论却令人不安：按这样的生产方式，医疗AI的产品化速度永远跑不赢医学需求的扩张速度。

医疗AI在舆论场里被反复描绘成带给更多人新希望的“革命者”，但鲜少有人追问：如果数年等待才能换来一个新的专病模型，它又能多快地响应真实世界里层出不穷的新需求？

最近，德适科技与香港理工大学“通用人工智能与医学应用联合实验室”揭牌成立。在医疗AI经历了“小模型阶段”的漫长跋涉、正在“大模型基座时代”寻找工业化路径的当下，这次合作指向的是一个更前沿的命题——医疗AI的生产力范式跃迁。

正如德适科技董事会主席、CEO宋宁博士所说，在AI技术的驱动下，全球医疗AI产业格局正在快速重塑期，只有真正释放医疗AI的生产力，才有可能推动整个行业加速进入智能化时代。

不识来路，难赴前程。想要接住这场如登月工程一般的产业挑战，必然要先厘清医疗AI生产力的几次跃迁。

小模型阶段

手工作坊式的行业困境

医疗AI的“慢”，慢在生产方式。

第一阶段，是“小模型阶段”，也可以称之为“一病一模型”的手工作坊时代。

一种病，一批数据，一个模型，每一款医疗AI产品的诞生都像一次手工作坊式的定制。

团队针对某一种具体疾病或医疗任务，从零开始收集数据、标注、训练、调参，整个流程走下来，动辄两三年，投入不可谓不大，精度不可谓不高。

它实实在在产出了一批可以落地的临床辅助产品，但当视野投向海量未被满足的临床需求，短板便暴露无遗。

底层能力无法复用，研发资源被大量重复消耗；绝大多数企业只能优先选择肺结节等数据充足、商业回报明确的少数赛道，大量罕见病、小众检测任务因投入产出比失衡，长期无人问津。

“小模型不是不好，是需要的，但是其开发周期太长，开发成本高。”联合实验室项目负责人李永祺博士的判断一针见血。

这是一种典型的“有质量、没产能”的困局。

小模型可以解决“有没有”，却回答不了“多、快、省”的产业命题。行业里的人并非没有意识到这个问题，但意识到是一回事，突破是另一回事。

基座大模型

实现医疗AI的工业化量产

变化发生在第二阶段。

“大模型基座时代”的核心逻辑是先打磨一套具备通用医学理解能力的医疗基础基座，再通过少量数据微调，向下适配各类专病模型，完成从“一病一模型”到“一底座千模型”的跨越。

当基座大模型能够将专病模型的开发周期从数年压缩到数月，过去不敢做的冷门病种、覆盖不到的基层医院、响应不了的紧急需求，也有了被规模化满足的可能。

训练一个具备通用医学理解能力的基础模型，需要的数据量、算力和技术积累，远超大多数公司的能力边界。

德适科技是这个阶段里少数跑通的玩家。其研发的医疗影像AI基座大模型iMedImage®，是目前全球首个且唯一的医疗影像AI基座大模型。

截至2026年上半年，德适已联合99家医院，落地158个垂直模型项目，覆盖43个人体器官及应用部位、61个疾病方向，验证了基座路线的可行性。

但即便有基座底座加持，从需求输入到模型产出，数据整理、参数调优、反复迭代，依旧高度依赖科研人员大量手工介入。当模型数量从几十个增长到上百个、上千个，人工成本又会成为新的瓶颈。

同时，新发表的医学论文、新的生物标志物、新的影像征象、新的疾病分型不断涌现。如果每一次知识更新都需要人类工程师手动转化为模型能力，那么AI的迭代速度终究会被人类的研发效率天花板锁死。

这也意味着，行业还有下一道高山需要跨越。

瞄准智能体时代

校企联合叩响下一代范式大门

这正是第三阶段要回答的问题。

李永祺博士把这个阶段定义为“智能体阶段”。

它的核心转变是从人类基于通用大模型开发专病小模型，到人类教会智能体，让智能体自主完成医疗AI全流程研发。

这不是追求模型识别病灶更准一点，而是要把AI的角色，从被调用的工具升级为参与科研的“助手”。智能体承接科研全流程繁琐重复工作，降低医生、科研人员开展AI研究的准入门槛，释放人的精力去聚焦医学问题本身。

步入这样一片技术无人区，单靠企业或者高校一方的力量，很难完成突围。

“通用人工智能与医学应用联合实验室”的正式揭牌，正是香港理工大学和德适科技在医疗AI第三阶段的联合战略落子。

双方的能力咬合极为精准：

香港理工大学在AI学科实力雄厚。2025年人工智能学科首次被纳入软科世界一流学科排名，它便一举拿下香港第一、全球第十六的位次，手握国际化科研网络与顶尖科研人才储备；

德适科技则拥有完整的医疗大模型工程化、规模化临床落地的产业能力。

在AI时代重新定义产学研的边界之时，这次合作是一次典型的“新式握手”：

AI4S范式之下，打破传统的产学研合作模式和漫长的科研转化链路，是必然会发生的结构重塑。

科研成果从诞生的那一刻起就已经处于产业土壤中，学术端的理论假设随即投入工程验证；产业端沉淀的临床反馈再实时回流，修正迭代理论本身。

在这种深度融合、超高速迭代的合作方式下，顶尖高校的“智力密度”与产业先锋“工程厚度”深度咬合，科研创新与产业生产力彼此滋养、互相促进，生生不息、并行迭代，让探索医疗AI的下一个生产力范式成为可能。

AI时代的到来，正在让许多看似稳固的东西重新洗牌。学科边界消融、评价体系重构、生产力进化曲线被重新绘制。

医疗AI的变革同样身处这条曲线上。如今全球5000余项、细分达14000项的医疗影像检测任务，正经历从人类专家独立完成到AI辅助诊断的系统性迁移，但这远不是终点。

当多模态影像、基因数据、临床信息在AI框架下交叉融合，大量过去受限于人力与技术无法实现的检测场景正在成为可能。

作为医疗AI行业领军者，宋宁博士认为，未来医疗影像检测项目将突破16000项。新增的2000余项能力，不是存量市场的切分，而是AI开拓出的全新可能。

如果说小模型时代是在地面一砖一瓦地奠基，大模型基座时代就是点火升空，而智能体时代，正是飞船脱离地球引力、奔向月球的关键航程。

香港理工大学与德适科技的合作，就像是在这艘奔向未来的飞船上，完成了一次关键的动力补充。

人类对生命健康密码的探索，本身就是一场永无止境的登月计划，每一次范式的跃迁，都是在为全人类摘下一颗过去遥不可及的星。

免责声明：

智慧医疗网转载其他网站内容，出于传递更多信息而非盈利之目的，内容仅供参考。版权归原作者所有，若有侵权，请联系我们删除。

本平台所发布信息的内容和准确性由提供消息的原单位或组织独立承担完全责任!

凡来源注明智慧医疗网的内容为智慧医疗网原创，转载需获授权。