一家公司的 AI 底座，进了 5000 家医院

医院信息科最怕的一件事，是每个科室各买一套 AI，最后数据在八个系统里躺着。

数坤科技给出的解法是反过来：先做一个底座，再往上长场景。这个思路对不对另说，但它的落地路径值得拆开看。

一、发生了什么

2026 年 10 月 21 日，第 94 届中国国际医疗器械博览会秋季展在北京开幕。在国家人工智能中试基地展区，数坤科技的 AI 医疗底座同时出现在北汽福田移动医疗车展台和北京市昌平区卫健委联合展台。

底座叫「乾坤医疗健康世界模型」。按厂商口径，它把院内的影像、病历、检验结果，和居家设备的数据，汇成一份不断更新的健康档案，贯通诊前导诊、诊中辅助决策、诊后随访；上面跑着数百款「AI 医生」智能体；再往下接便携超声、掌上超声这类开箱即用的硬件。

几个厂商口径的数字：已服务全球 5000 余家医疗机构，覆盖 90% 以上中国百强医院，年生成诊疗报告超 1 亿份；持有 19 张 NMPA 三类证；在 MedBench 医疗大模型评测中综合排名第一。

落地案例分散在四个层级。区域层是昌平区，AI 辅助诊断完成备案、收费开通和临床落地，服务患者超 10 万人次。医院层是苏州市吴中人民医院，2026 年基于该模型的「数字医生」领取工牌上岗，目前已落地 2 家区级医院、接入 11 家基层机构。基层层是河北南皮和长沙麓谷。边疆层是新疆和田、青海玉树、内蒙古的移动医疗车，以及四川凉山 17 个县市的「两癌」筛查。

二、跟你有什么关系

县医院院长：这套东西真正值钱的部分不是模型，是「筛查—评估—干预—管理」的闭环设计。没有闭环，AI 只是给医生多加了一个要点的窗口。

信息科：四类场景共用一份档案，意味着接口标准要统一。这件事在采购前不谈，上线后一定返工。

临床科室：厂商给的数字都是均值。南皮的等候时间缩短 60%、麓谷的诊断合理率 96.89%，在你院里不会自动复现。

三、怎么用

1. 先定一个能算账的场景。 昌平选的是辅助诊断，南皮选的是基层常见病。别一上来做「全科 AI」，先挑一个能量出等候时间、住院费用、报告时长的场景。
2. 把收费路径走通。 报道里专门提到昌平项目「完成备案、收费开通」，这两步没有，医院用一次亏一次，科室不会主动开。
3. 硬件跟着场景走，不要反过来。 移动医疗车配掌上超声，是因为边疆牧区没有超声医生；不是为了用上新设备。
4. 按层级配能力。 县级做复核、乡镇做初判、村级做采集。秀山那类县域项目的分层思路，和这里是同一套逻辑：让每一级只做它做得了的事。
5. 合同里写清数据归属和退出方式。 健康档案一旦跨机构流转，迁移成本极高。开始就要约定格式和导出方式。

四、三个别信的说法

「5000 家医院都在用，所以我们医院也能直接用。」 这个数字是厂商口径，统计的是「服务过的医疗机构」，不等于每家都在深度使用。要问的是同级别、同规模医院的使用频次。

「MedBench 第一，说明模型最准。」 榜单测的是基准题，医院要的是本院病种上的稳定性。采购前用自己的历史病例做一次盲测，比看榜有用。

「数字医生拿了工牌，就能独立出诊。」 报道里的工牌是身份象征，不是执业资质。AI 出的每一份报告，责任仍在签字的医生。

五、一句话结论

医疗 AI 的成败不在模型多大，在于它有没有嵌进「谁筛查、谁复核、谁签字、谁付费」这条链里。

信息来源

• 北京 AI 医疗新基建，走向全国样板（北京日报），2026 年 10 月 22 日

功能与价格以官方公告为准。本文写于 2026 年 10 月 23 日。