过去半年，影视、编程、办公等行业的工作方式正在被AI深度改变。越来越多人开始讨论，下一个被AI重塑的高价值产业会是谁。

医疗，无疑是最受关注的答案之一。

但医疗行业和其他行业不同。对于代码、图文、视频生成来说，AI只要能提升效率，就可能快速应用在相关领域；但在医疗场景中，模型“答对题”只是第一步。医生敢不敢用、医院愿不愿部署、患者能不能真正受益，才是医疗AI真正走向实用的关键。

这背后对应的不是一个抽象的技术命题，而是非常具体的工作流问题：病历能不能少改，影像报告生成效率能不能更高效，基层诊疗能不能减少不合理诊断和处方。

最近发布的讯飞星火医疗大模型V3.5，给出的正是这样一份答案。

在多家头部三甲医院真实场景应用中，模型交出了一组关键数据：生成病历医生采纳率达91%，病历书写时间缩短52%，X线、MR报告生成医生采纳率达75%。

这意味着，医疗AI不再只是技术展示，而是开始跨越实用门槛，进入医生日常工作流。

与此同时，在上海人工智能实验室MedBench智能体评测中，星火医疗大模型以综合得分98.9登顶。在医疗知识问答、医疗语言理解、诊断治疗推荐、医疗文书生成、医疗多模态交互、医疗多轮交互等关键任务上，模型能力均显著超越GPT-5.5、DeepSeek-V4-Pro和Qwen3.7-Max。

但比榜单更值得关注的是，讯飞医疗正在把医疗大模型从“技术领先”推进到“场景可用”。

星火医疗大模型正迈入实用时代

为何医生群体愿意把星火医疗大模型请进诊室？

答案不只是“模型更强”，而是它解决了医疗AI从“能演示”到“能干活”的一系列关键难题。

啃下最痛的病历书写，听懂真实诊室的“混乱对话”

对于医生群体来说，写病历不只是记录这么简单。

一份合格的病历，需要完整记录现病史、既往史初步诊断、治疗计划等数十个要素，要求逻辑严密、术语规范、时间线清晰。

然而正是这份“严谨”，成了压在医生肩上的沉重负担。

真实诊室环境进一步放大了文书工作的难度：医患、家属多人同步交谈，普通话、方言、设备提示音混杂，环境声场杂乱。

医疗AI要做的，不只是把声音变成文字，而是从这些混乱语音中识别出谁说了什么？哪些是症状？哪些是既往史？哪些必须进入病历？哪些只是普通交流？

星火医疗大模型V3.5的多模态能力进一步提升，深度融合了医疗语音识别、影像辅诊和医学语义理解，在业界率先突破了真实医疗场景下远场多角色语音识别与病历自动生成的实用门槛。

91%的医生采纳率，说明AI生成的病历已经接近“医生可以直接用或略作修改就能用”的状态。对医生来说，这不是炫技，而是真正减少机械劳动。

从影像报告到远程协同，AI正在帮病人少走流程

在医学影像领域，星火医疗大模型V3.5同样实现了突破。

近年来，国内影像检查量持续增长，整个诊疗流转效率面临压力。加之基层医疗机构又普遍缺少资深放射医师，遇到模糊病灶、复杂病例时，很难快速给出规范、完整的影像评估，大量患者只能长途奔赴上级医院做影像复诊，加剧就医不便。

过去很多影像AI更多停留在单点识别，但医院真正需要的，不只是“看见异常”，还要能结合检查信息、病史背景和报告规范，生成可被医生采纳的影像报告。

星火医疗大模型V3.5将影像识别与诊疗推理、报告生成进一步结合，X线、MR报告生成的医生采纳率达到75%，意味着在大多数常规影像报告场景中，AI生成内容已经具备较高可用性，医师仅需核对病灶细节、微调文字表述即可归档。

目前，星火医疗大模型已持续提供数千万例远程影像诊断和智能辅助诊断服务。随着模型能力提升，相关服务规模有望进一步扩大。若进一步与区域影像云结合，将帮助基层检查、上级诊断和区域协同更顺畅地跑起来。

降低AI幻觉风险，构建医疗级的循证思维链

通用大模型在医疗场景中最大的风险之一，是“AI幻觉”。

在部分场景下，模型会以流畅、自信的语言生成看似合理实则错误的信息。

星火医疗大模型V3.5，通过构建医疗级的循证思维链，系统性降低AI幻觉在医疗场景中的风险。

它不只是给出一个看似合理的答案，而是更强调证据支撑、推理路径和反思校验。

在关键诊疗建议上，星火医疗大模型V3.5支持结合权威医学文献、诊疗指南和专家共识进行证据溯源，推动模型从单纯生成式回答，向更强调可验证、可追溯的循证辅助系统演进。

在测试中，星火医疗大模型的全科辅助诊疗合理率，已经超过了GPT-5.5。

这个成绩不仅是技术上的进步，更意味着医疗AI正在从“辅助参考”向“可信助手”靠近。

当AI建议能够被溯源、被验证、被反思时，医生才更有可能把AI请进诊室、融入诊疗流程。

全国产算力加持，让医院敢部署、能落地

医疗AI要进入诊室，光有模型能力还不够。

医院环境对数据安全、系统稳定性、响应速度、本地部署和合规要求极高。尤其病历、检查报告、影像资料、随访记录都属于高度敏感数据，医院不可能简单把所有数据传到公有云上处理。

星火医疗大模型V3.5的另一个突破，就是在工程化和部署能力上做了针对性优化。

该模型基于全国产算力平台，采用DSA（动态稀疏注意力）与MTP（多Token预测）的长文本高效训练，使医疗长上下文场景的推理吞吐量提升4.5倍。

这个指标对临床落地十分关键。医生实际工作中面对的不是短短几句话，而是长病程记录、多次检查检验结果、复杂影像报告和跨科室会诊信息。

模型只有处理得了长文本、撑得住高并发、响应得足够快，才可能嵌入门诊、住院、查房、影像和质控等日常工作流。

更重要的是，国产算力训练和本地化部署能力，让医院对数据安全更有掌控感。

对医疗行业来说，国产算力不是一个单纯的技术标签，而是医疗AI进入核心业务系统的重要入场券。

医疗AI不能只做C端市场

只依赖C端流量，走不通医疗AI的长期发展之路。

当下各类通用大模型几乎都上线了健康咨询模块，不少厂商还单独推出面向大众的C端医疗产品。

不可否认，C端市场极具诱惑力。它流量大、门槛低、见效快。一款爆品App就能在短时间内积累千万级用户。但医疗行业的强监管、高专业属性决定，单纯深耕C端流量赛道，无法搭建完整、健康的技术迭代体系。

要真正解决医疗痛点，必须进入到B端和G端，深入医院和基层医疗机构的核心业务流程，沉淀出合规的高质量的数据，进而反哺模型的训练和优化，形成正向循环的数据飞轮。

只有经受住医院严苛的流程考验、医生挑剔的专业审视以及法律法规的严密约束，医疗AI才算真正成年。

这也正是讯飞医疗双线布局的底层逻辑：一边打造面向居民、以“讯飞晓医” App 为载体的AI健康助手，另一边推出服务临床医生的AI诊疗助理，全面赋能各级医疗机构。

星火医疗大模型V3.5的快速进化，正是这一双线布局形成的数据飞轮带来的核心成果。但关键不是简单地说“数据多”，而是这些数据来自真实、连续的医疗场景：7.7万家基层医疗机构的AI辅诊，600家等级医院的病历生成和诊疗流程，3000万晓医用户的健康咨询，以及影像、病历、处方、质控等多环节反馈。

这套场景化数据飞轮，正在形成行业 “强者恒强” 的马太效应：越用越准，越准越用。

真正能改变医疗的AI，一定不是只从流量里长出来的，而是从诊室、医院、基层和医生真实需求里长出来的。

医疗A何时能大规模落地？

医疗行业对于AI的态度，已经不是“会不会来”的问题，而是“如何更稳妥、更大范围地落地”的问题。

真正的转折点，也不会只是某个模型刷榜第一，而是它能否同时做到：医生愿意用，医院敢部署，患者能受益，流程能跑通，商业可持续。

从这个角度看，讯飞星火医疗大模型V3.5迭代的意义，不只是一次模型升级，而是把AI能力推进真实医疗工作流的一次集中体现。

当然，医疗AI距离全行业大规模普及，还需要跨过系统集成、支付模式和责任边界三道关。

AI不能只是一个独立网页或App，而要嵌入医院现有系统；医院采购AI，也不是为了追概念，而是要看到明确的效率提升、质控改善和风险控制价值；同时，AI可以辅助诊断、生成病历草稿、提醒用药风险，但最终签字确认的仍然是医生，责任边界和证据链必须清晰。

这也决定了，医疗AI不是一场短跑，而是一场需要耐心、定力和行业积累的马拉松。

参数可以追赶，榜单可以优化，但真实场景中沉淀下来的高质量数据、医生群体建立起来的信任，以及嵌入医院核心业务流程的工程化能力，很难在短期内被简单复制。

讯飞医疗的特殊性也正在于此。它不是只做面向大众的健康问答，也不是只在实验室里打磨模型，而是同步深耕三甲医院、基层医疗机构、区域影像、居民健康服务等多类场景，搭建完整贯通的医疗业务闭环。

结语

医疗 AI 的终极价值，从来不是以机器替代医生，而是依托智能技术赋能医务工作者，让临床诊疗提质增效、临床决策循证有据，推动优质医疗资源持续下沉，让普惠均等的健康服务惠及更广人群。

医疗行业的数智化转型绝非一朝一夕之功，医疗 AI 也难以在短时间内重构全流程诊疗体系，但变革已然在临床一线悄然落地：依托智能化工具，医生得以从繁杂的文书工作中解放，医院实现流程精简、运营提效，基层医疗机构的诊疗行为不断标准化、规范化，诊疗质量稳步提升。

而这，正是讯飞医疗基于多年深耕给出的行业实践答案 —— 依托可落地、场景化的智能化解决方案，把医疗 AI 宏大的产业价值，转化为每一间诊室里触手可及、真实可见的改变。