医生有了 AI 分身，坐在医院里出诊

一个甲亢患者坐在内分泌科的诊室里，说到一半提到自己有哮喘史。医生还在低头写病历，屏幕侧边弹出一条提醒：呼吸科分身认为后续用药需要调整。

一、发生了什么

据量子位 10 月 21 日报道，清华智能产业研究院孵化的紫荆智康升级了"紫荆AI医院"。核心变化是多分身协同：每个专科医生有一个自己的 AI 分身，同一间诊室里可以同时调入多个分身。

技术底座来自 AIR 刘洋团队早前提出的 SEAL，思路是先在虚拟医院里让 AI 医生接诊大量模拟患者，再把真实门诊的反馈补回去微调。这个方向更早的成果是 2024 年那篇 Agent Hospital。

协同分两种形态。一种是按需提醒：医生照常问诊，系统识别出需要别的科室参与，就把意见推过来，不打断流程。另一种是会诊模式：复杂病例直接由多个分身一起分析，各自出建议。分身之间意见不一致时，系统不做收敛，而是分别列出、把冲突处高亮，让医生自己判断。

数字方面，以下均为厂商在发布会上给出的口径。截至 2026 年 7 月，系统里有 54 位 AI 医生、数百万模拟患者，覆盖数千种疾病；北京清华长庚医院 18 个临床科室开展门诊测试，40 余名医生常态化使用，官方称整体诊疗效率提升 30%；医学考试数据集 MedQA 上准确率超过 96%。

临床医生：这套东西的定位是"多一个会诊意见"，不是替你签字。它的价值在首诊和预问诊，把跨科判断往前挪。

医院信息科：真正的接入成本不在模型，在排班、权限、病历三套系统怎么打通。发布会提到产品分患者端、医生端、医院端三块，这两端的数据边界要提前划。

做垂直 agent 的：多智能体协作最难的不是让它们分工，是让分歧可见。这套做法可以照搬到法务、财税这类需要多专业会签的场景。

看分歧怎么处理。把不同分身的不同意见同时呈现、标注来源，比投票取多数更安全。医疗服务里，被压掉的少数意见往往才是关键。
看它有没有"经济性"这一维。发布会现场讲了个细节：AI 推荐的是疗效最好的药，医生看了看患者的情况，换成了进医保的便宜药。这类信息不在指南里，只能从真实门诊里学。
看数字的对照组。MedQA 是考试题，96% 说明知识覆盖，不说明诊断能力。真正该问的是：在同一批真实病例上，有分身协助和没协助的医生，结论差异有多大。这个数字目前没有公开。
看责任归属。系统明确 AI 只给建议，决策权在医生。这句话要落到流程里——建议是否留痕、能否追溯、出问题时谁承担。

AI 医生能替代专科医生。 发布会自己的说法相反：不追求一个全能的超级 AI，保留每个分身的差异性。54 位分身的分工逻辑，本来就是承认单体能力有限。

多智能体一定比单模型准。 不一定。多个分身会互相放大同一个错误，也会让医生花更多时间辨别。这套系统选择不收敛分歧，某种程度上是承认了这一点。

效率提升 30% 可以直接折算成人力。 这个数字来自 18 个科室、40 余名医生的门诊测试，测的是流程时长，不是诊疗质量，也不是编制。折算成人头要看科室结构，不能直接乘。

让 AI 分身吵起来、把吵架记录留给医生，比让它们投票更有用。

功能与价格以官方公告为准。本文写于 2026 年 10 月 23 日。