当行业从造零件转向建系统，从单点突破走向系统集成，医学影像AI的商业化才能真正迎来拐点。认知升级之后，下一个问题是：如何将“基础设施”从概念变为现实？

目前，产业界已出现多种探索路径。比如在2026全球数字经济大会上，影禾医脉展示了医学影像AI 3.0通用AGI系统，其呈现的并非单一产品，而是一套涵盖基础模型、数据治理、知识库、标注体系、训练平台、模型评测、临床部署与反馈迭代的完整工具链。

从产品落地来看，这套体系已经跑通了从基座模型到临床应用的全链路。“影禾觅芽®”基座模型是全球首个跨模态、全流程医学影像L0级基座大模型。在此基础上生长的颅脑CT超级智能体，是全球首个检查项目级完整智能的AI辅助诊断系统，已在天坛医院完成数月的临床闭环打磨。

行业普遍认为，这套体系试图回应垂直行业模型长期面临的“难生产、难复制、难迭代、难落地”困境——而这恰恰是过去十年医学影像AI从资本热捧到落地遇冷的核心症结之一。其中一大独特之处在于“AI-DIY 开发模式”，该模式允许医院和医生团队在统一平台上，根据不同部位、病种或检查项目，自行构建专科模型与临床应用。

道，在传统模式下，医生只是AI产品的使用者，只能在使用后反馈问题。AI DIY模式则试图将医生推向前端，他们不再只是使用者，而是创造者，可以在平台化底座上，根据自身科室的病种特点、工作流程和诊断习惯，自主构建或调校专科AI工具。一线从业者直接参与方案打磨，能从源头缩小技术与临床真实需求的差距，让AI在日常诊疗中持续迭代优化。

如果说AI DIY模式解决了“如何让AI在临床中持续生长”的问题，那么“如何让这套体系大规模落地”的命题则是下一个关键命题。在落地部署层面，影禾医脉与华为的合作提供了另一条探索路径。

双方合作始于2024年，而今联合发布HAIC医疗人工智能助手，面向基层诊疗场景，试图从体系层面打通医学影像AI从研发到临床落地的全场景，解决AI“造得出、用不上”的行业痛点。

据透露，未来的合作方向包括：推动HAIC解决方案规模化下沉，赋能基层医疗机构，使其具备接近三甲医院的影像诊断水平；联合共建数据治理体系与大模型迭代机制。

从产业视角看，影禾医脉与华为的产业合作具有一定前瞻性，为规模化下沉提供了另一条可行思路。它试图同时解决AI落地的三个核心瓶颈：算力成本、数据质量和临床场景适配。这种“模型厂商+算力厂商+临床数据网络”的深度绑定，在国内医学影像AI领域尚属少数，如果能够在实践中跑通，对行业具有标杆意义。

回顾医学影像AI过去十年的跌宕起伏，一个清晰的脉络逐渐浮现：上半场比拼的是单点技术的突破能力，下半场决胜的则是系统集成的组织能力。从“造零件”到“建机场”，从“工具”到“基础设施”，这不仅是单一企业的战略选择，更是整个行业必须完成的认知跨越。

医学影像AI的下一程（下）

谭勇品读医药风云

医学影像AI的下一程（下）