自2023年大模型技术初步切入医疗赛道，短短两年时间业内已有超百款医疗大模型相继落地，从文本、影像到药物研发，全方位覆盖诊疗、科研等医疗相关活动的方方面面。

这是一个技术改变医疗创新的长期过程，随着大模型技术的迭代与行业趋势的变换，关于技术如何改变医疗的思考，也出现了更多不同的答案。

腾讯健康给出的解题思路不止大模型。

如果说底层的大模型所代表的是基座，那么想要AI技术真正融入医疗行业，就要在基座之上搭建起坚实的框架，这正是腾讯健康在做的事情。

在不久前举办的腾讯云AI产业应用峰会上，腾讯健康发布了两项新的成果，其一是一款服务于C端客户的全新AI智能体产品“健康管理助手”，能够帮助用户智能识别潜在健康风险，并制定个性化的健康计划；其二是通过组学平台全面上线自研AI模型仓库，为科研机构提供蛋白质、单细胞、DNA等大模型。

“社会对技术的需求是，有更多的应用、更快地落地。”在AI产业应用峰会上，腾讯健康总裁吴文达表示，将“保持非常理性的态度，围绕真实的需求，把真正能够落地的、有价值的AI做出来”。

（图为腾讯健康总裁吴文达在峰会现场分享）

医疗大模型的四个加速方向

腾讯健康对AI的布局要追溯到2017年，走到第九个年头，当前已经建立起覆盖医疗服务升级、临床决策支持、重症医学、医学检验等诸多领域的庞大生态。

2023年国内大模型行业爆发后，腾讯健康也迅速以通用的混元大模型为底座，打造医疗行业专属的大模型。

医疗大模型发布之际，吴文达曾表示，腾讯健康“更关注如何在真实世界的医疗场景，用起大模型，用好大模型”。

经过一年多的捶打与优化后，腾讯健康布局早已进入新的阶段，吴文达在此次AI产业应用峰会上分享，团队最近的思考是，如何加速大模型的访问，深化AI在医疗中的应用。

他提出了四个“加速”的方向。

在大模型的创新上，不仅在通用层面的混元大模型积极拥抱开源，与DeepSeek“双核组队”，在医疗垂直方向，腾讯健康也使用了超过1000亿个token（模型处理文本或数据的基本单元）对医疗大模型进行训练，以降低通用大模型生成虚假医疗信息的风险。

在大模型之外，腾讯健康还做了诸多工作。

首先在基础设施方面，腾讯在算力平台协同优化方面持续发力，其软硬一体的框架可提升模型响应速度、延时和性价比。在模型训练层面，采用训练和推理一体算力，潮汐调度方案实现算力灵活调度，确保在面对不同规模和复杂度的 AI 任务时，能够快速分配和利用计算资源，提高模型训练和推理的效率，以保障医疗 AI 应用的稳定运行。

其次则是对知识库系列产品进行了升级。腾讯推出了企业级 AI 知识库和个人知识库工具，打破组织内部数据库分离的现状，实现知识共享。医疗机构可以将自身的专业知识、临床经验和数据资料等整合到知识库中，方便医生和研究人员随时查询和调用，提高医疗决策的科学性和准确性。同时，个人用户也可以构建自己的知识库，记录和管理个人健康信息、疾病史等，为健康管理提供参考依据。

在智能体的搭建上，腾讯健康不仅仅发布了面向C端进行健康管理的AI智能体产品“健康管理助手”，更是将腾讯云智能体开发平台全面升级，可构建多种模式模型，配套工具更加完善，首次实现了零代码支持多个转换系统的方式，进一步降低了智能体开发的门槛。

这使得智能体能够更广泛地应用于各行各业，尤其在医疗体系中，为医生、患者和医疗机构提供了更加便捷、高效的智能服务。例如，医生可以利用智能体快速获取患者病历信息、辅助诊断，患者可以通过智能体进行健康咨询、预约挂号等操作，医疗机构则可以利用智能体优化管理流程、提高服务效率。

在当下，腾讯健康的 AI 布局已取得成效。AI导辅诊服务已在全国 34 个省、直辖市、自治区的近 10000 家各级医疗机构应用；腾讯觅影的医疗影像 AI 在全国各地超 500 家医疗机构普及，累计辅助医护为近 1000 万人次患者进行了各类医学检查；腾讯云各类 “开箱即用” 的医疗 AI 解决方案服务超过 1300 家机构，涵盖医院、药械企业、科研院校、医疗科技企业等。

更多的医疗AI应用、更快的落地

回到腾讯健康最初的愿景，“如何在真实世界的医疗场景，用起大模型，用好大模型”。

吴文达在演讲中强调的“理性发展”理念，或将成为破局关键——当AI不再追求替代医生，而是致力于让人人享有精准可及的医疗服务时，技术才能真正释放其人文价值。

吴文达在峰会上更加细致地分解了腾讯健康的三个着力点——服务患者、服务医生、服务产业发展。

在患者端，腾讯致力于优化患者的就医流程，通过在腾讯健康小程序中集成 AI 技术，为患者提供包括健康问答、症状自查、智能导诊等服务，在诊中提升医生问诊效率，诊后提供病情报告解读和智能用药提醒等。

峰会上发布的新智能体“健康管理助手”，以可视化AI智能体的形式，对体检报告、检验报告进行智能解读，分析健康状况，发现潜在风险，并给出针对性健康计划，长期跟踪健康指标变化，成为用户生活习惯的 “行动教练”。

在腾讯健康与北京协和医院的合作中，利用AI大模型对医疗服务进行了全面升级。AI智能问答服务接入了电子发票、报告查询、体检预约等15个患者便捷服务；同时，还AI通过大模型串联起了患者全周期管理，在患者入院建档、术前术后医患沟通、肿瘤患者全周期诊疗等场景提升患者就医体验。

在医生端，腾讯推出了 AI 临床助手，辅助医生进行临床决策，深度思考分析病人病情，列出疑似疾病列表，给出概率和紧急度排序及标签，为诊断依据和治疗方案参考。

医学影像方面，“小觅 AI 助手” 基于觅影快速分析影像报告，自动检索历史报告、比对病情变化，推荐相关检查、解读报告疾病含义，并支持报告错别字检测与一键纠正，提升医生报告书写效率。

在上述与北京协和医院的合作中，腾讯搜狗输入法成为医生的轻量化AI应用平台，接入医院内用药助手、医学综合智能体、会诊建议服务等多种AI大模型智能应用，提升医生临床工作效率。

而在罗湖医疗集团，腾讯健康的AI 临床助手能够为临床医生提供决策支持，涵盖采集病史、疾病预测、推荐诊疗方案、监控用药安全等环节，加强临床诊断风险质控，提升医疗服务质量。

腾讯健康与迈瑞医疗携手开发的全球首个落地临床重症大模型，可在重症病房基于临床数据还原患者画像，快速回溯病情、预测趋势并提供建议，还能生成病历档案及提供高准确率重症知识查询结果。

在服务产业发展方面，腾讯健康在此次峰会上发布了新上线的自研AI模型仓库，为科研机构、基因测序企业提供蛋白质、单细胞、DNA等AI 大模型，助力基因组学和生命科学前沿探索等相关研究。

同时，基于 DeepSeek 和混元双引擎，腾讯健康研发了生信分析 AI 助手，深度融合生物信息学分析工作流开发框架及平台知识库，提供全流程智能辅助。

在落地上，金域医学基于腾讯云算力平台和大模型接入能力，构建和迭代“域见医言” 大模型，开发 “小域医” 智能体应用，为基层医疗和医共体机构提供完善解决方案。

从北京协和医院的AI全周期患者管理，到深圳市罗湖医院集团的“AI临床助手”重塑诊疗流程，再到金域医学推动的基层医疗普惠化，腾讯健康以“患者体验优化、医生效能提升、产业生态激活”为锚点，正在重塑医疗服务的价值链条。

腾讯健康的AI布局，反映了一家科技企业对医疗体系数字化的理解与实践。从最初的医学图像识别，到今天的平台化布局与生态协同，腾讯正在尝试用算法与算力参与构建未来健康系统。

这不仅是技术的进展，更是一场关于如何让AI真正融入医疗本质的深度探索。当技术创新从实验室走向真实医疗场景，需要的不仅是算法迭代，更是对医疗系统运行规律的深刻敬畏

 

 

 大模型&AI产品经理如何学习

求大家的点赞和收藏，我花2万买的大模型学习资料免费共享给你们，来看看有哪些东西。

1.学习路线图

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

2.视频教程

网上虽然也有很多的学习资源，但基本上都残缺不全的，这是我自己整理的大模型视频教程，上面路线图的每一个知识点，我都有配套的视频讲解。

（都打包成一块的了，不能一一展开，总共300多集）

因篇幅有限，仅展示部分资料，需要点击下方图片前往获取

3.技术文档和电子书 

这里主要整理了大模型相关PDF书籍、行业报告、文档，有几百本，都是目前行业最新的。

4.LLM面试题和面经合集

这里主要整理了行业目前最新的大模型面试题和各种大厂offer面经合集。

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集***

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓