作者：万怡

来源：科技最前线 (kejizqx)

豆包、元宝、DeepSeek们以周为单位快速迭代，消费端大模型百花齐放时，望向生命科学和医疗健康的深水区，AI for Science（AI4S，人工智能驱动科学研究）却如同一场“登月计划”：前景足够宏大，现实步履沉重而缓慢。

拿临床端医疗影像来说，一个成熟放射科医生的培养周期，是15年；

一款专病AI模型的开发周期，动辄数年；

而全球等待被AI攻克的医疗影像检测任务，超过5000种。

登月计划的浪漫，撞上再朴素不过的算术题，结论却令人不安： 按这样的生产方式，医疗AI的产品化速度永远跑不赢医学需求的扩张速度。

医疗AI在舆论场里被反复描绘成带给更多人新希望的“革命者”，但鲜少有人追问：如果数年等待才能换来一个新的专病模型，它又能多快地响应真实世界里层出不穷的新需求？

最近，德适科技与香港理工大学“通用人工智能与医学应用联合实验室”揭牌成立。在医疗AI经历了“小模型阶段”的漫长跋涉、正在“大模型基座时代”寻找工业化路径的当下，这次合作指向的是一个更前沿的命题——医疗AI的生产力范式跃迁。

正如德适科技董事会主席、CEO宋宁博士所说，在AI技术的驱动下，全球医疗AI产业格局正在快速重塑期，只有真正释放医疗AI的生产力，才有可能推动整个行业加速进入智能化时代。

不识来路，难赴前程。想要接住这场如登月工程一般的产业挑战，必然要先厘清医疗AI生产力的几次跃迁。

小模型阶段

手工作坊式的行业困境

医疗AI的“慢”，慢在生产方式。

第一阶段，是“小模型阶段”，也可以称之为“一病一模型”的手工作坊时代。

一种病，一批数据，一个模型，每一款医疗AI产品的诞生都像一次手工作坊式的定制。

团队针对某一种具体疾病或医疗任务，从零开始收集数据、标注、训练、调参，整个流程走下来，动辄两三年，投入不可谓不大，精度不可谓不高。

它实实在在产出了一批可以落地的临床辅助产品，但当视野投向海量未被满足的临床需求，短板便暴露无遗。

底层能力无法复用，研发资源被大量重复消耗；绝大多数企业只能优先选择肺结节等数据充足、商业回报明确的少数赛道，大量罕见病、小众检测任务因投入产出比失衡，长期无人问津。

“小模型不是不好，是需要的，但是其开发周期太长，开发成本高。”联合实验室项目负责人李永祺博士的判断一针见血。

这是一种典型的 “有质量、没产能”的困局。

小模型可以解决“有没有”，却回答不了“多、快、省”的产业命题。行业里的人并非没有意识到这个问题，但意识到是一回事，突破是另一回事。

基座大模型

实现医疗AI的工业化量产

变化发生在第二阶段。

“大模型基座时代”的核心逻辑是先打磨一套具备通用医学理解能力的医疗基础基座，再通过少量数据微调，向下适配各类专病模型，完成从“一病一模型”到“一底座千模型”的跨越。

当基座大模型能够将专病模型的开发周期从数年压缩到数月，过去不敢做的冷门病种、覆盖不到的基层医院、响应不了的紧急需求，也有了被规模化满足的可能。

训练一个具备通用医学理解能力的基础模型，需要的数据量、算力和技术积累，远超大多数公司的能力边界。

德适科技是这个阶段里少数跑通的玩家。其研发的医疗影像AI基座大模型iMedImage®，是目前全球首个且唯一的医疗影像AI基座大模型。

搭载全模态智能影像标注平台iMedStudio™及专用模型训练与发布平台iMedMaaS®，德适推出了iMedLoop医疗影像AI研究与生产加速平台，进一步连接数据获取与协作、专业标注、模型训练与评测、发布部署及应用反馈等关键环节，初步实现了医疗AI从"一病一模型”走向底层能力复用和工业化量产。

截至2026年上半年，德适已联合99家医院，落地158个垂直模型项目，覆盖43个人体器官及应用部位、61个疾病方向，验证了基座路线的可行性。

但即便有基座底座加持，从需求输入到模型产出，数据整理、参数调优、反复迭代， 依旧高度依赖科研人员大量手工介入。当模型数量从几十个增长到上百个、上千个，人工成本又会成为新的瓶颈。

同时，新发表的医学论文、新的生物标志物、新的影像征象、新的疾病分型不断涌现。如果 每一次知识更新都需要人类工程师手动转化为模型能力，那么AI的迭代速度终究会被人类的研发效率天花板锁死。

这也意味着，行业还有下一道高山需要跨越。

瞄准智能体时代

校企联合叩响下一代范式大门

这正是第三阶段要回答的问题。

李永祺博士把这个阶段定义为 “智能体阶段”。

它的核心转变是从人类基于通用大模型开发专病小模型，到 人类教会智能体，让智能体自主完成医疗AI全流程研发。

步入这样一片技术无人区，单靠企业或者高校一方的力量，很难完成突围。

“通用人工智能与医学应用联合实验室”的正式揭牌，正是香港理工大学和德适科技在医疗AI第三阶段的联合战略落子。

双方的能力咬合极为精准：

香港理工大学在AI学科实力雄厚。2025年人工智能学科首次被纳入软科世界一流学科排名，它便一举拿下香港第一、全球第十六的位次，手握国际化科研网络与顶尖科研人才储备；

德适科技则拥有完整的医疗大模型工程化、规模化临床落地的产业能力。

在AI时代重新定义产学研的边界之时，这次合作是一次典型的“新式握手”：

AI4S范式之下，打破传统的产学研合作模式和漫长的科研转化链路，是必然会发生的结构重塑。

科研成果从诞生的那一刻起就已经处于产业土壤中，学术端的理论假设随即投入工程验证；产业端沉淀的临床反馈再实时回流，修正迭代理论本身。

在这种深度融合、超高速迭代的合作方式下， 顶尖高校的“智力密度”与产业先锋“工程厚度”深度咬合，科研创新与产业生产力彼此滋养、互相促进，生生不息、并行迭代，让探索医疗AI的下一个生产力范式成为可能。

AI时代的到来，正在让许多看似稳固的东西重新洗牌。学科边界消融、评价体系重构、生产力进化曲线被重新绘制。

医疗AI的变革同样身处这条曲线上。如今全球5000余项、细分达14000项的医疗影像检测任务，正经历从人类专家独立完成到AI辅助诊断的系统性迁移，但这远不是终点。

当多模态影像、基因数据、临床信息在AI框架下交叉融合，大量过去受限于人力与技术无法实现的检测场景正在成为可能。

作为医疗AI行业领军者，宋宁博士认为，未来医疗影像检测项目将突破16000项。新增的2000余项能力，不是存量市场的切分，而是AI开拓出的全新可能。

如果说小模型时代是在地面一砖一瓦地奠基，大模型基座时代就是点火升空，而智能体时代，正是飞船脱离地球引力、奔向月球的关键航程。

香港理工大学与德适科技的合作，就像是在这艘奔向未来的飞船上，完成了一次关键的动力补充。

人类对生命健康密码的探索，本身就是一场永无止境的登月计划，每一次范式的跃迁，都是在为全人类摘下一颗过去遥不可及的星。