新华网沈阳9月8日电（吴诗萌）9月7日，由新华网主办的“工业互联网+智慧医疗：生态链协同与高质量发展论坛”在辽宁沈阳举行。作为2025全球工业互联网大会的重要组成部分，本次论坛聚焦工业互联网与AI在医疗领域的应用落地实践，搭建了涵盖政府、科研院所、医疗机构、行业协会、工业互联网企业等多方的交流平台，旨在通过跨领域思想碰撞，解构技术融合难点，探索产业协同模式，为智慧医疗发展注入“工业级”新动能。
论坛特设“AI+硬件驱动医疗数据要素化”圆桌对话环节，上海尖晶投资有限公司董事长王明辉担任主持人，邀请是石科技副总裁兼CTO侯建业、康众医能总裁徐群、中科温州先进院院长周树明、国创决策智能研究所执行所长郭宏博、深圳市网络数据合规与流通促进会秘书长丁振戆五位嘉宾，围绕基层医疗场景下数据采集、AI应用、算力架构、数据流通及融资创新等核心议题，结合各自领域实践分享洞见，为基层医疗数字化转型破解难题、指明方向。
高质量数据分类型适配AI设备，构建基层数据“源头活水”
针对“基层医疗硬件与AI结合如何准确获取高质量健康数据”的问题，深耕基层医疗设备领域十余年的周树明从设备分类切入，提出针对性解决方案。他表示，基层医疗服务与综合医疗服务存在显著差异，AI与硬件的结合需根据设备类型分类施策，才能精准获取高质量健康数据。
他进一步分析，基层医疗设备可分为三类，需适配不同AI技术：监测类设备（如健康手表、非接触式老人身体参数监测设备）侧重“及时性”，需依托边缘端垂类小模型、嵌入式模型，实现跌倒预警、健康趋势预测等功能，形成商业闭环；检测类设备（如生化、影像、超声设备）侧重“规范性”，可借助垂类大语言模型替代传统专家诊断系统，规范基层医生诊断行为，提升数据完整性；治疗类设备（如康复理疗、中医治疗设备）目前最欠缺“疗效评估”，未来可通过AI构建治疗闭环，成为基层医疗AI应用的重点突破方向。
以个性化Agent为核心，构建长期医疗服务链路
在数据采集话题之后，王明辉将讨论焦点转向“采集到的数据如何与大模型结合”，邀请郭宏博从技术角度分享医疗模型的基层应用路径。郭宏博首先回应了当前行业对“Agent”概念的认知困惑，随后以自动驾驶技术发展作类比，从AI技术发展阶段与基层医疗需求结合的角度展开分析。他以指出2023年前的AI小模型已为医疗影像辅助诊断带来影响，而当前大模型需聚焦“Agent变革”。
数据是AI在基层医疗落地的核心基础，需保障数据密度、采集方式与维度的丰富性，类似自动驾驶模型训练的“数据支撑”逻辑。
未来基层医疗AI应走向“个性化Agent服务”，为慢病患者、重病患者配备具备长期记忆功能的Agent，实现全周期健康管理与服务链接，而非停留在通用化AI应用层面。他举例提到，团队近期在海外发布的“Momento”技术，可通过“历史叠加滚动升级”实现Agent个性化，这一思路可迁移至基层医疗场景。
云端侧重前瞻，端侧聚焦实效，平衡成本与需求
大模型与Agent的落地离不开算力支撑。针对“基层医疗场景下，算力分布与架构如何设计更合理、更适配业务特性”的提问，侯建业结合行业趋势与实践案例展开分析。他表示，从算力分布来看，随着算力近年来被列为重要发展命题，其布局呈现两大方向：一是云端或中心端，该层面更侧重政策性与前瞻性。他此前任职的单位便是以政策性、前瞻性为导向的算力中心，例如与百度开展了相关合作；二是端侧，该层面更注重经济性与时效性。显然，未来主要算力将逐步向端侧倾斜，当前行业正处于从中心端主导的概念普及阶段，向端侧驱动、兼顾时效与成本的发展阶段过渡。
“我个人同时参与医疗大模型研发，我们团队开发的医疗大模型，其发展路径也印证了这一趋势。”侯建业介绍，模型初期训练依托千张中心端算力完成，后续在深圳某医院部署时，恰逢相关支持资金到位，才正式进入医院实际应用阶段。通过与医院持续沟通推进推广，已能看到具体落地成效，可量化统计每日接待患者数量、系统浏览量、访问量及人工替代规模等数据。
明确权属与匿名化，激活基层医疗数据资产
聚焦医疗数据这一敏感个人信息，丁振戆强调需重点关注两个核心维度。“一是数据权属界定模糊，当前不少医疗数据平台归集了大量基层医疗数据，但这些数据的所有权究竟归属谁，至今没有明确答案，这是数据流通前必须优先解决的问题。”二是基层医疗机构的数据权利界定，他举例说明：“即便地方卫健委搭建医疗数据平台，其核心作用也只是协助基层医疗机构管理数据，而非拥有数据所有权。多数医院、卫生院具备独立法人资格，若将数据视作资产，理应纳入其资产序列；尤其公立医院的数据资产，还需接受财政部门监管，因此数据权属本质上应回归基层医疗机构的资产属性。”
在医疗数据使用规范上，丁振戆特别指出匿名化机制的重要性：“若要将数据用于人工智能体的开发与应用，必须先建立完善的匿名化规则。数据经匿名化处理后，若无法再关联至个人，就能脱离《个人信息保护法》的约束，进而在AI应用研发、价值转化过程中，充分释放其使用价值与收益潜力。”
以RWA模式破解资金痛点，打通规模化落地链路
围绕康众医能在基层医疗领域的业务创新方向、核心模式理念，以及作为上市公司子公司的具体推进路径与后续发展计划，徐群结合行业趋势与企业实践进行了详细介绍。他表示，自去年DeepSeek引发行业关注后，AI赋能千行百业的落地潜力得到广泛认可，医疗领域更成为AI落地的核心赛道之一，众多企业纷纷入局基层医疗市场探索实践。
“在实践中我们发现，基层医疗AI落地面临三大核心痛点。”徐群坦言，一是基层医疗机构财政及院方预算普遍紧张；二是AI技术落地前期投入成本较高；三是传统金融机构对“AI服务+数据要素”模式的信用水平与现金流稳定性难以评估。“这导致不少试点工作因资金问题推进受阻，大规模推广更无从谈起。”
为破解这一困境，康众医能开展了针对性探索。徐群介绍，团队认为将AI服务的可确认、可验证回款与数据要素使用收益权相结合，打造合规可落地的真实世界资产（RWA），是突破资金瓶颈的可行路径，并为此设计了四步实施策略：第一步是明确可证券化资产范围，经探索确定为智能硬件租赁与维保回款、AI服务回款、去标识化数据使用收益回款三类，均能产生稳定现金流；第二步是构建现金流计量标准，团队已建立一套可计算、可追溯的计量体系；第三步是搭建风控与融资架构，以上市公司信用为依托构建风控体系，将底层资产现金流打包设立特殊目的载体（SPV），联合地方国资、银行理财、险资等机构优先认购；第四步是保障合规与数据安全，全程采用法币结算、托管监管及链上确权机制，确保证券化标的为服务回款与数据使用许可收益权，而非敏感个人数据。
“通过这四步举措，我们成功将AI硬件、区域数据流通与创新金融模式相结合。”徐群强调，此举可实现“以用促融、以融促建”的良性循环，最终推动AI技术在基层医疗领域的规模化落地。
本次“AI+硬件驱动医疗数据要素化”圆桌对话，汇聚算力、设备、科研、AI、合规等多领域智慧，从技术落地、模式创新、政策适配等维度为基层医疗数字化提供了可操作的实践路径，不仅为“工业互联网+智慧医疗”生态链协同发展注入基层视角，也为健康中国建设夯实了基层医疗数字化基础。