2025年，DeepSeek的橫空出世，引發了醫療AI狂潮。

據不完全統計， 國內已有上千家醫院完成 DeepSeek 大模型在院端的本地化部署，AI短時間內走進全國醫院。

DeepSeek開源帶來的技術普惠，也直接導致醫療AI大模型的井噴。

今年以來，瑞金醫院、復旦大學中山醫院，訊飛醫療接連發布醫療大模型；而伴隨著開源生態，京東健康宣布全面開源旗下“京醫千詢”大模型。

而根據智藥局不完全統計，目前國內已發布83款AI醫療大模型，2025年增長尤其迅速。

同時智藥局發現，DeepSeek帶來的醫療基礎設施，以及創新變革遠不止于此。

以下是AI醫療大模型的具體情況（藍色為新增）：

中國AI醫療大模型（不完全統計）

新一輪AI醫療狂潮

2022年12月，ChatGPT這一劃時代的產品出現，如同一聲驚雷開啟了AI行業的新生。

2023年上半年開始，ChatGPT引發了國內企業的AI醫療“百模大戰”。互聯網醫療公司率先響應，科研院所、醫院方迅速跟進。

相較于通用大模型，訓練一個醫療大模型的難度并不大。絕大多數醫療大模型基于通用大模型的基座進行訓練，通過領域醫學數據進行微調，從而強化模型在醫療領域的專業能力。

2023年發布的醫療大模型中，大多由LLaMA、ChatGLM-6B等基座微調或者預訓練而來，有實力的互聯網公司也開始輸出大模型基座能力，例如騰訊混元大模型，華為盤古大模型等。

到了2024年，醫療大模型陷入了同質化競爭，商業化難題讓AI醫療大模型沉寂了一年。

也是 這一年，醫療大模型開始有了差異化競爭，醫院和企業開始發布針對特定領域的專科大模型，精細化地整理細分知識后，發布重癥、罕見病、病理學等專科模型。

2025年，DeepSeek的震撼發布直接推到了大模型技術的那堵墻，推動行業加速變革。

區別于此前的AI模型競爭，絕大多數公司選擇擁抱DeepSeek帶來的變化，選擇接入、部署DeepSeek，京東健康更是開源其京醫千詢大模型，對訓練參數、訓練代碼、數據集進行全面開源。

整個AI醫療生態正在發生巨大的改變。

大模型戰場，變了

從醫院到科室

如果說，2023年大模型以互聯網醫療、互聯網大廠的角力為主，那么到了近兩年，醫院的參與度直線提高。

DeepSeek生態開放降低了醫療大模型的部署、訓練門檻，但大模型的迭代仍然需要大量高質量數據。

如今的醫療大模型競爭中，掌握醫療數據的醫院成為主要參與方。當前上千 家醫院接入DeepSeek，整合信息系統和院內數據有望進一步帶來醫院智能化。例如，上海東方醫院發布Med-Go，華西發布”華西黌醫“等。

最初大模型主要應用場景主要集中在預問診、臨床輔助診斷、影像分析、個性化治療及院內流程優化等環節。

但隨著醫院對AI建設的逐步重視，以及數據要素的釋放，AI醫療大模型從醫院下沉到了科室。

近三個月來，由科室合作的多個專科醫療大模型發布，包括復旦大學附屬中山醫院發布的心血管專科AI大模型；四川大學華西醫院推出首個骨科大模型DeepJoint；北京清華長庚醫院泌尿外科發布首個泌尿系結石診療大模型。

醫療場景高度細分，通用模型無法兼顧所有場景，而專科模型可針對性突破。

如今，專科醫療大模型已經拓展到了兒科、婦科、腎臟學、檢驗醫學、影像學等多個領域。

這標志著大模型從“大而全"走向”專而精“，同時走向了真實的臨床需求。

跨界聯合，走向開放

在大模型生態中，由于各方的能力和需求不相同，大模型的多方合作正在成為流行。

例如 上海瑞金醫院發的瑞智病理學大模型、由瑞金醫院聯合華為深度合作，由華為提供技術與算力支持。

由此來看，醫院提供數據+場景，企業提供技術的大模型開發聯盟正在成為主流。

醫療AI大模型通過技術互補、數據共享與生態共建，正從單點應用轉向系統性變革。

那些沒有能力獨自訓練模型的基層醫院，也因為模型部署成本的大規模降低，部署成效顯著。

例如深圳寶安區上線了全國首個區域醫療大模型平臺“寶醫數智”，致力于推動AI技術與基層診療場景的深度結合，目前已覆蓋寶安區9家醫院、220家社康機構，年診療量超2700萬人次。

國家超算中心聯合縣域醫院建立算力共享平臺，通過邊緣計算設備與云端診斷結合，解決基層醫療資源不足問題。

從卷參數，到卷應用

ChatGPT爆發后，帶來了醫療垂類模型的第一次爆發，多家公司基于大模型基座+醫療數據發布行業大模型。

當時絕大多數模型的看點在于參數量、問答是否正確。

但一個好模型，并不一定能轉化為業務價值，在復雜醫療場景中，并不是比誰的參數多，在基準測試中拿到高分，而是解決實際問題。

而此次以DeepSeek為代表的深度推理大模型基座，對醫療領域的復雜診斷和多步驟推理有幫助，也被醫院方廣泛采納。

但部署DeepSeek后，能不能真正為醫院帶來增量價值？

許多醫院花費數百萬采購大模型以及一體機，卻停留在簡單對話功能，沒能和醫療業務和場景進行適配。

行業普遍的共識是，各家醫院需要結合自身業務需求對大模型進行二次開發，需要新的創新性解題思路。

在大模型基礎之上構建的Agent，有望真正將AI能力深度融入臨床診療和醫療管理場景，實現技術到業務的升級。

近三個月內，多家醫院正在基于具體場景需求構建醫療智能體（AI Agent），賽道處于爆發期。

例如，上海交通大學附屬仁濟醫院發布首個泌尿專科智能體；江蘇省人民醫院發布感染控制智能體、東南大學附屬中大醫院推出肝癌診療智能體等。

Agent的百花齊放，也意味著AI醫療大模型從技術試驗階段邁入深度場景化應用階段。

創新與監管仍需并舉

盡管AI醫療正在快速發展，但眾多業內人士仍然在探索一個問題：AI+醫療最佳商業變現路徑是什么？

從市場反饋來看，AI大模型的實際商業回報還未能滿足企業預期。

某醫療器械賽道的人士向智藥局表示：“盡管公司有大模型相關業務，但主要是和器械進行搭售，在硬件的基礎上加價賣給臨床和學校，且基本上都是一錘子買賣，難以形成可持續現金流。”

這也是當前的AI醫療大模型難題，一方面，企業由于害怕錯過新的AI浪潮，紛紛宣布接入DeepSeek；但另一方面，還未看到醫療大模型收費的曙光，更多只是業務錦上添花的作用，實際投入上變成了“雷聲大，雨點小”。

尤其醫保局發布規定，醫院可以自行選擇是否使用AI，但不得與主項目收費，進一步擠壓了AI醫療產品的盈利空間。

此外，大模型快速進醫院也為監管帶來了各種難題。

清華專家所指出：DeepSeek的快速、無監管的采用已超出中國的整體監管監督和治理框架，造成了監管的滯后性。

尤其當AI的建議與規劃被采納并導致不良后果時，責任如何劃分還難以確定，監管框架需要跟上技術發展步伐。

隨著AI醫療流程深度結合后，這些空白也有望被填補。

—The End—