在医疗行业，优质诊疗资源匮乏且分布不均、疑难病症诊疗难度大、科研成果转化慢等多重挑战一直存在，AI为这些问题的破局带来曙光，但医疗机构普遍面临落地环节的算力不足、数据处理复杂、模型部署困难等问题。在近期召开的第十九届中国卫生信息技术/健康医疗大数据应用交流大会（2025CHITEC）上，如何借助AI力量更好地便民、助医、辅政、促研，是行业关注的重点话题。

华为深刻认识到：工程化能力是打通医疗AI应用从技术创新到临床实效的核心关键。通过系统化、全链条的工程化支撑，华为正推动医疗AI突破落地瓶颈，走向规模应用。在2025CHITEC上，华为向行业集中展示了其推动医疗AI规模化应用的工程化能力、系统性方案和诸多实践成果。

致敬！哀悼！

用AI填平医疗服务的需求鸿沟

人口老龄化、疾病谱变化等因素的发展，使得医疗领域需求与供给之间的鸿沟愈发明显。特别是疑难杂症的精准诊疗、突发疾病的提前预警，现有的技术手段还难以满足临床所需。

要填补医疗服务的需求鸿沟，必须进行医疗信息化的业态重塑。华为认为，“数据要素+”“人工智能+”和“数字孪生+”的融合应用，是增强医疗机构的数据能力和AI能力是重塑的关键，尤其是让大模型深度融入诊疗全流程，成为破解资源供需矛盾、提升服务质效的核心引擎。但要让AI大模型真正扎根医疗领域，需先破解落地系列难题。

一是算力投入与效率失衡：当前的医疗AI应用多为“烟囱式”建设，算力无法跨科室、跨场景共享；大小模型并存，导致AI芯片利用率偏低，存在算力浪费问题。

二是数据处理门槛高且周期长：医疗数据分散在不同科室、不同院区，海量高质量数据的获取难度大；从传统数据集到AI训练语料的加工需经过多轮清洗、标准化等过程，周期长，效率低。

三是模型部署与调优门槛高：AI组件依赖人工集成，模型训练前的预处理流程复杂；医院普遍缺乏AI专业人才，模型调优需依赖外部团队，响应速度滞后于临床需求。

四是应用开发与集成难度大：应用适配模型需定制化开发，周期长；行业内应用厂商众多，接口复杂且标准不一，跨系统集成成本高。

华为认为，解决上述问题，需要工程化支撑能力，也即打通算力、数据、模型、应用的全链条，将这些环节整合为一个有机整体，才能让底层技术创新真正转化为临床实效。

致敬！哀悼！

一套行之有效的医疗AI落地框架

工程化能力并非单一技术，而是一套可复用的方法论与工具链。针对医疗AI落地难的问题，华为聚焦自身核心优势和根技术，在数字底座、场景赋能、顶层设计等领域持续投入，为医疗AI的规模应用提供系统化、全链条的工程化能力，并总结出了一套行之有效的AI落地框架。

该框架包括高价值场景识别、架构流程重塑、数据和知识工程、模型设计及验证、应用集成融入业务、持续运营与治理等关键步骤，已在包括RuiPath病理大模型、ChatZOC眼科大模型、叮呗健康大模型在内的多个专科模型研发与落地中得到了充分验证，充分体现了其工程化能力的实践价值，展现出强大的实用性和有效性。

以RuiPath病理大模型为例。病理数智化是一个具备极高价值的应用场景。与其他专科大模型相比，病理大模型在数据、算法、算力、存力等方面的技术挑战更为突出。在瑞金医院打造的RuiPath病理大模型中，华为DCSAI解决方案为模型落地提供了有力支撑，在数据和知识工程、模型设计及验证、应用集成融入业务等环节，都展现出华为依托工程化能力实现的众多关键创新点。

如：基于PanVL-T1技术体系构建病理大模型，依托视觉基础模型开展无监督学习，仅需少量标注数据即可实现强泛化能力；首次仅用16张910B算力卡就训练了百万张数字切片；借助AI使能平台ModelEngine，节约80%的数据处理周期，缩短70%的业务上线时间；采用无损压缩算法，节约45%的存储空间；采用存算协同技术，节约30%的训练周期，提升算力利用率；统一CSP病理格式，确保数据的一致性和规范性等。

2024年，中山大学中山眼科中心与华为打造ChatZOC眼科大模型，用AI探索眼科诊疗新模式，使能“筛-查-治”三级诊疗模式，实现优质医疗资源下沉。在平台服务层，ModelArts支持开放模型生态，支持各类开闭源模型、视觉/语言/多模态多种能力模型，并可面向未来持续演进；HCS支持“训推资源共池”，也即实现训练与推理资源的统一管理和分时复用，充分利用资源，避免浪费。在模型使能层，可将AI原生应用引擎平台下沉至HCS，支持知识中心、模型中心、数据工程和应用编排，帮助医疗机构持续积累AI资产。

这些围绕数据、算法、算力、存力等方面的工程化创新，使得ChatZOC眼科大模型在速度、广度和深度上都表现出色。在新疆喀什，ChatZOC眼科大模型已为超过3000名患者提供眼病筛查服务，有效缓解了偏远地区眼科医疗资源匮乏的难题，让先进的AI诊疗技术惠及更多基层群众。

在诊后环节，广东省第二人民医院与华为联合研发叮呗健康大模型，整合百万份体检报告数据，结合权威医学知识，通过元问答检索增强技术和监督微调方法，形成以健康体检为核心的AI解决方案，成为国内首个覆盖全健康管理场景的主动健康大模型。由于健康管理的特殊性，需要长时间留存用户的体检数据，叮呗健康大模型依托华为算力开展本地化部署并自研大模型算法，不仅实现算法可靠，更确保了数据安全与隐私，为健康管理从“被动治疗”转向“主动干预”提供了可靠支撑。

致敬！哀悼！

工程化能力驱动医疗AI规模化应用

RuiPath、ChatZOC、叮呗健康等专科模型的成功落地，只是华为赋能医疗AI的一个缩影。事实上，工程化能力的最终价值，就是其具备从“单点创新”迈向“批量应用”的规模化复制能力。华为与众多医疗机构、生态合作伙伴携手，以实际应用场景为中心，通过技术、数据、系统的深度融合，在多个医疗场景中实现了AI技术的落地与规模化应用。

2025CHITEC上，华为全面展现其在医疗领域的实践成果与技术实力，以及AI技术在医疗场景的多元化应用前景。

比如，在AI+患者服务方面，华为通过智能分导诊、AI预问诊、AI陪诊、智能健康咨询等应用，帮助医疗机构提升患者就医体验。AI+患者服务的应用具备轻量化部署、投入产出比高、风险可控等优点，成为医疗机构“试水”AI应用的理想切入点。例如，智能分导诊能够根据患者的症状快速匹配相应的科室和医生，减少患者排队等待的时间；预问诊则可以提前收集患者的基本信息和病情，提高医生问诊效率。

在AI+诊疗业务方面，华为已将AI技术在病历辅助生成与内涵质控、临床辅助分析等多个场景落地应用。病历辅助生成利用大模型技术，汇集、分析相关数据，经过深度思考后综合判断病情并给出决策建议，自动生成多场景下的规范病历文书，包括门诊病历、入院记录、首次病程、出院小结、手术记录等，有效减轻医生的书写负担，同时提高病历的质量和规范性。在检验检查方面，华为联合医疗机构与合作伙伴推出多类人工智能辅助诊断系统，这些系统能够帮助医生更快速、更准确地解读检验检查结果，为疾病诊断提供有力支持。

为帮助更多医疗机构增强数据能力和AI能力，华为提出四点建议：第一，在数字化基础上，医疗机构要做好医疗数据集的标准化和管理运营。第二，重视构建多科室、多院区可共享的智能诊疗数据基础设施平台建设。第三，全行业要促进数据工程、模型工程、评测技术的工具化、标准化，加快开放。第四，加快构建合理的AI诊疗商业模式并推动落地，形成良性循环。

医学与人工智能的融合，需要通过“为技术找场景、为场景找技术”来实现。华为将携手更多医疗机构、合作伙伴，实现场景感知与技术敏感的有机结合，同时借助系统性、可复用的工程化能力与落地框架，推动AI应用在医疗行业应用场景“百花齐放”，为“便民、助医、辅政、促研”贡献更大力量。

股东大会6项议案遭遇近10%反对票，江阴银行回应近日，江阴银行发布2025年第一次临时股东大会决议公告。公告显示，此次会议审议的部分议案反对票占比接近10%，这一情况引发市场关注。具体来看，在本次股东大会审议的9项议案中，《关于2025年中期分红安排的议案》《关于不再设立监事会相关事项的议案》《关于修订<公司章程>的议案》3项议案同意