2026年4月17日，CHINA VALVE (HANGZHOU) 2026期间，一场由中国科学院院士、复旦大学附属中山医院葛均波教授，中国科学院院士、浙江大学医学院附属第二医院王建安教授等临床权威专家，蚂蚁集团 AI 团队，以及多家三甲医院核心专家参与的沙龙对话，没有空谈技术，而是围绕行业痛点坦诚、建设性地展开交流。

这群最懂临床、最懂数据、最懂落地的人，共同给出一个核心观点：

我们一直在解决 “今天的小问题”，对核心问题的探索仍相对不足。

医疗 AI 的临床天堑，关键不在算法，而在回归医疗本质。

现在的医疗 AI，呈现出值得关注的结构性特点。

一边是大模型发布较为集中，一场会议能发布多个模型；另一边是临床落地仍相对局限，医生能用、敢用、真正改变患者结局的产品仍不算多。

与此同时，关于 “AI 是否会取代医生” 的争论，几乎贯穿了这一轮医疗 AI 的全程。有人鼓吹 AI 将深度改变医疗、替代医生，也有人认为 AI 不过是锦上添花的噱头。

而真正站在临床一线、每天与真实病患打交道的专家，给出了最冷静、也最中肯务实的判断。

“现在的人工智能，就像中学生赶时髦。人人都在谈，但很多人根本不知道它是什么。临床医生不懂算法，没有算力，我们唯一能掌握的，是数据和场景。脱离场景，AI 再炫都是空的。”

这番话直接切中要害， 医疗 AI 的核心从来不是技术有多酷，而是能否扎根真实诊疗。

而围绕业界长期争论的 “AI 会不会取代医生” 这一话题，长期深耕临床一线、专注 AI 落地应用的北京大学第三医院心血管代谢疾病专家唐熠达教授，给出了更为笃定且理性的答案：

“医生不会被 AI 淘汰，但不会用 AI 的医生会被淘汰；同样，不解决痛点的 AI，会先被淘汰。”

在两位顶级临床专家的共同视角下，所谓 AI 颠覆医疗的叙事被拉回现实，整个行业在快速发展中，但部分参与者陷入了认知误区：

大家更倾向于用 AI 做浅层的流程优化，却较少直面医疗资源分配不均、误诊漏诊、精准治疗无法普及等真正核心的临床难题，满足于开发各类辅助性的小工具，却较少尝试用 AI 去重构现有的诊疗体系，同时追求快速落地、快速见效，最终在偏效率类赛道里出现同质化竞争，愿意沉下心攻坚核心难题的参与者仍相对有限。

这场快速发展的热潮中，资本收获了热度，行业实现了探索，唯独最该被重视的患者，依然在面对那些尚未被充分解决的真实痛点。

今天的医疗 AI，行业热度客观存在，痛点真实存在，部分发展路径仍在优化中。

当临床专家在分享使用体验时，蚂蚁集团资深 AI 科学家吕乐先生，则从产业与技术视角，剖析了行业发展的内在逻辑。他拥有多年海外顶尖医疗 AI 研发经验，最清楚中美医疗 AI 的差距不在算力，而在产品定位。

他在论坛上抛出了一个引人深思的判断：

“今天大部分医疗 AI，都在做‘今天下午就能用’的产品。容易做、确定性高，但很快内卷。医疗真正需要的，是‘大后天的产品’，5–10 年解决真问题。”

为了让大家明白的更清楚，他举了一个例子：美国花掉全球57%的医疗资源，但癌症患者本该做 20 次 MDT 多学科会诊，实际只做 1 次。而澳大利亚严格执行 MDT，癌症五年生存率全球最高。

这不是技术不够，而是没有抓住问题的本质，即AI的核心到底应该怎么用，用在哪。

我们现在做的 AI，大多只是把病历、报告、指南拼在一起，做一个 “大号 CDSS”。过去 15 年已经证明，这条路仍面临较大挑战。真正的医疗 AI，应该像 AlphaFold，不是优化现有工作，而是解决人类尚未高效解决的问题。

作为浙江大学医学院附属第二医院院长、院内结构性心脏病 AI 诊疗带头人，王建安教授从临床科学角度，为 AI 给出了最精准的第一性原理：

“AI 的价值，是用简单的数据预测复杂的疾病，而不是用复杂的技术制造复杂。”

一张心电图、一个胸片、一段 CT 信号，就能预警瓣膜病、冠心病、肺结节…… 这才是人工智能。

而经过讨论，在场专家总结了AI的下一波机会，更可能属于解决 “未被满足需求” 的人，癌症早筛、复发预测、儿童肿瘤降误诊、基层能力提升、可穿戴长期预警……这些才是值得投入 5–10 年的 “大后天产品”。

同时，未来的主流模式可能是医生 + AI。AI 不会取代医生，但会全方位拓展医生的能力边界，顶尖专家数字分身、跨区域多学科 MDT、个体化精准诊疗方案都将逐步从理想走向常态。

他明确指出：医疗 AI 从来不是一件事，而是两件完全不同、路径不同、价值不同的事。

第一条路：严肃医疗 AI。

直接进入筛查、诊断、治疗决策环节，深度影响患者生命安全，它具备高门槛、长周期、强监管的特点，必须拿下三类医疗器械证、必须进入临床指南、必须通过严格临床验证，最终追求可解释、可循证、可替代传统诊疗依据，这是医疗 AI 里最难走的一条路，但也是真正能够改变医疗格局、具备长期核心价值的路。

第二条路：AI 工具链。

本质是传统医疗信息化的智能化升级，主打小切口、快落地，是医院最先跑通、医生最先受益的环节。

浙大二院已经落地的 AI 工具链，覆盖病历智能生成、临床科研队列自动筛选、GCP 患者入组追踪、中英文病历与文献智能翻译、院内智能导航、患者分流、AI 预问诊、抗菌药物智能管理、院感实时监测、护理 AI 助手等数十个场景，不直接参与诊断决策，但能立刻解放医生大量时间，具备门槛低、见效快、易普及的优势，是让 AI 最快走进日常临床的最佳切口。

据公开报道，该院 AI 病历助手 Medcopilot 可秒级生成病历小结，书写效率提升60% 以上，准确率超95%；AI 数字哨兵系统每日解析近 4 万份医疗数据，隐匿风险识别敏感度高达99.5%，实现主动预警、闭环追踪。

相鹏教授所在的浙大二院，已经用真实落地成果跑通了这条路径，先快速落地 AI 工具链，让医生每天都能用得上、用得顺，再逐步积累数据、打磨能力、攻坚严肃医疗，稳步进入核心诊疗环节。

这也给全行业指明了最务实的方向：

他在现场没有任何客套，直接点出医疗 AI 长期迈不过去的三大关键课题，每一条都是行业需要共同面对的现实问题。

第一个课题是数据死结。

医疗数据有严格隐私要求，核心原则就是 “数据不能出院”，这直接导致每家医院、每个系统都成了信息孤岛，数据互不流通、标准不统一。再加上高质量标注数据极度稀缺，很多企业靠少量、低质数据训练模型，结果就是不准、不可靠、不敢用。没有合规、可用、高质量的数据，医疗 AI 就是无源之水，再大的模型也跑不出真实价值。

第二个课题是伦理与责任。

AI 可以给建议，但谁来最终担责？

一旦出现误诊、漏诊，或者在急危重症、自杀倾向等极端生命安全场景给出错误引导，后果由谁承担？

这不是技术问题，是法律和伦理的灵魂拷问。

目前行业普遍规则是 “AI 只做辅助，最终责任由医生承担”，但随着 AI 越来越深地介入诊疗，责任边界越来越模糊，不把这个问题说清、定死，医疗 AI 永远不敢真正走进核心流程。

第三个课题是支付与商业模式。

产品做得再好用、医生再认可，没有可持续的付费方，终究走不远。

现在的局面很现实：

医保还没大规模纳入 AI 医疗项目，医院预算有限，用户愿意为问诊付费，却很少愿意为 AI 服务单独买单。企业、医院、用户、医保、商保，谁来为 AI 医疗长期买单？这个闭环不打通，再好的技术也只能停留在试点和示范项目。

这三座大山不彻底解决，医疗 AI 就永远只能 “叫好不叫座”，永远走不出试点、进不了 mainstream。

好消息是，据刘军伟先生介绍，国家已经出手破局。目前全国六大医疗 AI 中试基地已陆续落地，由国家发改委、卫健委统一指导，目标就是统一数据标准、打通临床验证、提供合规场景、完善政策支撑，让 AI 产品从实验室顺利走向临床一线。

对整个行业来说，下一程的胜负手已经非常清晰：

谁能率先把数据合规、临床中试、支付闭环这三件事一起打通，谁就能拿下医疗 AI 的下一个主赛道。

医疗行业有一条不容挑战的铁律：模型在实验室里跑得再好，绝不等于临床上能用。

尤其在关乎生命安全的领域，任何 AI 产品都不能只靠算法效果说话，必须经过真实世界的严格检验，否则再炫酷的技术也只是实验室里的玩具。

长期深耕瓣膜病临床诊疗、器械研发与 AI 辅助设计的广东省人民医院罗建方教授，最清楚 AI 从 “一个想法” 变成 “一款能用的产品”，中间要跨过多少道临床关卡。

他在论坛中明确强调，AI 确实能在研发前端发挥巨大价值，可以帮助医生提炼研究思路、高效筛选入组患者、优化瓣膜器械的结构与尺寸设计，但这些都只是起点。任何 AI 医疗技术想要真正进入诊疗流程，最终必须走进严格的临床对照研究，通过前瞻性试验、长期随访、预后观察、对照比对，实实在在证明它能让患者获益，才能被行业认可、被医生接受、被指南采纳。

而拥有海外顶级肿瘤中心医疗 AI 研发经验的吕乐先生，则从技术与临床的边界出发，再次守住了整个行业最关键、最不能动摇的底线：“严肃医疗 AI，一定是医生主导、医生驾驭。AI 不签字、不决策、不担责。”

这句话直接划清了医疗 AI 的终极定位：

AI 的价值，是做人做不到、做不好、效率低的事；而医生的价值，是做最关键、最负责、最关乎生命的判断。AI 是工具，是助手，是扩展能力的 “外脑”，但永远不能替代医生做最终决策。

传统医学研究往往只给出 “有效 / 无效” 的二元结论，但未来在 AI 的加持下，临床判断会走向更精细、更精准、更个体化的维度，不再简单粗暴地判断有效或无效，而是精准量化，即对某类人群有效率是多少、风险有多高、哪些患者最适合、哪些患者需要谨慎使用。

从 “是非判断” 升级为 “精准量化”，从粗放结论走向精细分层，这才是循证医学在 AI 时代真正的未来。论坛接近尾声时，葛均波教授的一句话格外触动人心，也为整场讨论定下了最温暖、也最坚定的基调：

“我们做医学的目的，不是追求长生不老，而是让患者有尊严地生活。AI 的使命，也是如此。”

聊到这里，话题的本质愈发清晰：

横亘在 AI 与临床之间的天堑，从来不是算法、算力或模型，而是我们有没有勇气放弃短期内卷、回归临床本质，有没有决心戳破表面繁荣、解决真正痛点，有没有定力放下小恩小惠、奔赴更长远的未来。医疗 AI 的下一个时代，不属于最会做 AI 的人，而属于最懂医疗、最敢解决真问题的人。

只停留在 “小助手” 层面内卷的医疗 AI，注定没有未来。

真正的医疗 AI，才刚刚开始。