医疗AI落地面临多重考验，算力投入与实际应用效果存在巨大鸿沟

每日经济新闻

2025/12/19

每经记者：陈星每经编辑：董兴生“如果用户用公开的GPU算力数据来测算需求，结果可能会相差千里。”在12月18日于成都举办的“智算协同医疗生态链接未来”主题研讨会上，联想中国基础设施业务群战略管理总监黄山的这句话，揭示了当前AI医疗热潮中一个被忽视的现实：算力投入与实际应用效果间存在巨大鸿沟。图片来源：主办方供图这场由联想、英特尔与循上医疗等机构参与的行业讨论，将焦点从技术演示转向了更棘手的落地...

网页链接

免责声明：投资有风险，本文并非投资建议，以上内容不应被视为任何金融产品的购买或出售要约、建议或邀请，作者或其他用户的任何相关讨论、评论或帖子也不应被视为此类内容。本文仅供一般参考，不考虑您的个人投资目标、财务状况或需求。TTM对信息的准确性和完整性不承担任何责任或保证，投资者应自行研究并在投资前寻求专业建议。

热议股票

{"basename":"/hans","ssrTDKData":{"titleTemplate":"%s - 老虎证券","title":"老虎证券全球投资理财平台| 一站式投资美股新股港股A股","description":"老虎证券助您一站式投资美股，新股，港股，A股等全球金融理财产品。新加坡华人最信赖的在线投资平台，现在加入即享低费用，24/5 无时差炒美股投资理财！","keywords":"老虎证券,老虎证券开户,老虎券商,老虎证券官网,老虎证券app,tigertrade老虎证券,股票,炒股,新加坡股票交易平台,投资,投资理财","social":{"ogDescription":"老虎证券助您一站式投资美股，新股，港股，A股等全球金融理财产品。新加坡华人最信赖的在线投资平台，现在加入即享低费用，24/5 无时差炒美股投资理财！","ogImage":"https://c1.itigergrowtha.com/portal5/static/media/og-logo.be62fbe1.png","ogUrl":"https://www.itiger.com/hans/news/2592659041"},"companyName":"老虎证券"},"pageData":{"isMobile":false,"isTiger":false,"isTTM":true,"region":"SGP","license":"TBSG","edition":"fundamental"},"isCrawlerRequest":true,"__swrFallback__":{"@#url:\"https://stock-news.skytigris.cn/v3/news\",params:#id:\"2592659041\",edition:\"fundamental\",auth_exemption:1,,,undefined,":{"share":"https://ttm.financial/m/news/2592659041?lang=zh_CN&edition=fundamental","thumbnail":"","is_english":false,"pubTime":"2025-12-19 18:33","share_image_url":"https://static.laohu8.com/9a95c1376e76363c1401fee7d3717173","id":"2592659041","market":"us","top_or_hot":-1,"title":"医疗AI落地面临多重考验，算力投入与实际应用效果存在巨大鸿沟","media":"每日经济新闻","content":"<div>\n<p>每经记者：陈星每经编辑：董兴生“如果用户用公开的GPU算力数据来测算需求，结果可能会相差千里。”在12月18日于成都举办的“智算协同医疗 生态链接未来”主题研讨会上，联想中国基础设施业务群战略管理总监黄山的这句话，揭示了当前AI医疗热潮中一个被忽视的现实：算力投入与实际应用效果间存在巨大鸿沟。图片来源：主办方供图这场由联想、英特尔与循上医疗等机构参与的行业讨论，将焦点从技术演示转向了更棘手的落地...</p>\n\n<a href=\"http://gu.qq.com/resources/shy/news/detail-v2/index.html#/?id=nesSN20251219183659a6b6c762&s=b\">网页链接</a>\n\n</div>\n","source":"tencent","html":"<!DOCTYPE html>\n<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\" />\n<meta name=\"viewport\" content=\"width=device-width,initial-scale=1.0,minimum-scale=1.0,maximum-scale=1.0,user-scalable=no\"/>\n<meta name=\"format-detection\" content=\"telephone=no,email=no,address=no\" />\n<title>医疗AI落地面临多重考验，算力投入与实际应用效果存在巨大鸿沟</title>\n<style type=\"text/css\">\na,abbr,acronym,address,applet,article,aside,audio,b,big,blockquote,body,canvas,caption,center,cite,code,dd,del,details,dfn,div,dl,dt,\nem,embed,fieldset,figcaption,figure,footer,form,h1,h2,h3,h4,h5,h6,header,hgroup,html,i,iframe,img,ins,kbd,label,legend,li,mark,menu,nav,\nobject,ol,output,p,pre,q,ruby,s,samp,section,small,span,strike,strong,sub,summary,sup,table,tbody,td,tfoot,th,thead,time,tr,tt,u,ul,var,video{ font:inherit;margin:0;padding:0;vertical-align:baseline;border:0 }\nbody{ font-size:16px; line-height:1.5; color:#999; background:transparent; }\n.wrapper{ overflow:hidden;word-break:break-all;padding:10px; }\nh1,h2{ font-weight:normal; line-height:1.35; margin-bottom:.6em; }\nh3,h4,h5,h6{ line-height:1.35; margin-bottom:1em; }\nh1{ font-size:24px; }\nh2{ font-size:20px; }\nh3{ font-size:18px; }\nh4{ font-size:16px; }\nh5{ font-size:14px; }\nh6{ font-size:12px; }\np,ul,ol,blockquote,dl,table{ margin:1.2em 0; }\nul,ol{ margin-left:2em; }\nul{ list-style:disc; }\nol{ list-style:decimal; }\nli,li p{ margin:10px 0;}\nimg{ max-width:100%;display:block;margin:0 auto 1em; }\nblockquote{ color:#B5B2B1; border-left:3px solid #aaa; padding:1em; }\nstrong,b{font-weight:bold;}\nem,i{font-style:italic;}\ntable{ width:100%;border-collapse:collapse;border-spacing:1px;margin:1em 0;font-size:.9em; }\nth,td{ padding:5px;text-align:left;border:1px solid #aaa; }\nth{ font-weight:bold;background:#5d5d5d; }\n.symbol-link{font-weight:bold;}\n/* header{ border-bottom:1px solid #494756; } */\n.title{ margin:0 0 8px;line-height:1.3;color:#ddd; }\n.meta {color:#5e5c6d;font-size:13px;margin:0 0 .5em; }\na{text-decoration:none; color:#2a4b87;}\n.meta .head { display: inline-block; overflow: hidden}\n.head .h-thumb { width: 30px; height: 30px; margin: 0; padding: 0; border-radius: 50%; float: left;}\n.head .h-content { margin: 0; padding: 0 0 0 9px; float: left;}\n.head .h-name {font-size: 13px; color: #eee; margin: 0;}\n.head .h-time {font-size: 11px; color: #7E829C; margin: 0;line-height: 11px;}\n.small {font-size: 12.5px; display: inline-block; transform: scale(0.9); -webkit-transform: scale(0.9); transform-origin: left; -webkit-transform-origin: left;}\n.smaller {font-size: 12.5px; display: inline-block; transform: scale(0.8); -webkit-transform: scale(0.8); transform-origin: left; -webkit-transform-origin: left;}\n.bt-text {font-size: 12px;margin: 1.5em 0 0 0}\n.bt-text p {margin: 0}\n</style>\n</head>\n<body>\n<div class=\"wrapper\">\n<header>\n<h2 class=\"title\">\n医疗AI落地面临多重考验，算力投入与实际应用效果存在巨大鸿沟\n</h2>\n\n<h4 class=\"meta\">\n\n\n2025-12-19 18:33 北京时间&nbsp;&nbsp;&nbsp;<a href=http://gu.qq.com/resources/shy/news/detail-v2/index.html#/?id=nesSN20251219183659a6b6c762&s=b><strong>每日经济新闻</strong></a>\n\n\n</h4>\n\n</header>\n<article>\n<div>\n<p>每经记者：陈星每经编辑：董兴生“如果用户用公开的GPU算力数据来测算需求，结果可能会相差千里。”在12月18日于成都举办的“智算协同医疗 生态链接未来”主题研讨会上，联想中国基础设施业务群战略管理总监黄山的这句话，揭示了当前AI医疗热潮中一个被忽视的现实：算力投入与实际应用效果间存在巨大鸿沟。图片来源：主办方供图这场由联想、英特尔与循上医疗等机构参与的行业讨论，将焦点从技术演示转向了更棘手的落地...</p>\n\n<a href=\"http://gu.qq.com/resources/shy/news/detail-v2/index.html#/?id=nesSN20251219183659a6b6c762&s=b\">网页链接</a>\n\n</div>\n\n\n</article>\n</div>\n</body>\n</html>\n","isBrief":false,"type":0,"news_type":1,"symbol":"LU0321505439.SGD","symbol_name":"Schroder ISF Global Dividend Maximiser A Acc SGD","start_time":0,"source_url":"http://gu.qq.com/resources/shy/news/detail-v2/index.html#/?id=nesSN20251219183659a6b6c762&s=b","article_id":"2592659041","we_media_id":null,"thumbnails":[],"rights":{"source":"tencent","url":"http://gu.qq.com/resources/shy/news/detail-v2/index.html#/?id=nesSN20251219183659a6b6c762&s=b","rn_cache_url":null,"customStyle":"body{padding-top:10px;}#news_title{font-weight:bold;#titleStyle#;}#news_description span{font-size:12px;#descriptionStyle#;}.footer-note{#statement#}","selectors":".mod-LoadTzbdNews, body","filters":".relate-stock, .hot-list, .recom-box, .wx-sou","directOrigin":true},"url":"https://stock-news.laohu8.com/highlight/detail?id=2592659041","pubTimestamp":1766140393,"columns":[],"sourceInfo":{"source_id":"tencent","name":"腾讯"},"weMediaInfo":null,"summary":"在12月18日于成都举办的“智算协同医疗 生态链接未来”主题研讨会上，联想中国基础设施业务群战略管理总监黄山的这句话，揭示了当前AI医疗热潮中一个被忽视的现实：算力投入与实际应用效果间存在巨大鸿沟。医疗AI的燃料是数据，但最严苛的锁链也在于数据。这直接导致医疗机构普遍存在的数据孤岛问题。这意味着，AI的落地不仅是技术问题，更是医疗体系内知识与工作流程的重塑。","collect":0,"end_time":0,"defaultTopTitle":"qq.com","property":[],"viewcount":null,"language":"zh","relate_stocks":{"LU0321505439.SGD":"Schroder ISF Global Dividend Maximiser A Acc SGD","BK4535":"淡马锡持仓","04335":"英特尔-T","BK4612":"AI芯片","BK4515":"5G概念","BK4579":"人工智能","00992":"联想集团","BK4588":"碎股","BK4550":"红杉资本持仓","BK4605":"半导体精选","LU2089985449.USD":"MANULIFE GF GLOBAL SEMICONDUCTOR OPPORTUNITIES \"AA\" (USD) ACC","LU0274383776.USD":"MANULIFE GF US SMALL CAP EQUITY \"AA\" (USD) INC","LU2931357623.SGD":"MANULIFE GF GLOBAL SEMICONDUCTOR OPPORTUNITIES \"AA\" (SGDHDG) ACC","BK4551":"寇图资本持仓","LU2148611432.USD":"AZ ALLOCATION BALANCED BRAVE \"AAZ\" (USDHDG) ACC","BK4023":"应用软件","LU0081259029.USD":"UBS (LUX) EQUITY FUND - TECH OPPORTUNITY \"P\" (USD) ACC","BK4554":"元宇宙及AR概念","BK4527":"明星科技股","BK4512":"苹果概念","LU2543165471.USD":"E FUND (HK) GLOBAL QUALITY GROWTH \"A\" (USD) ACC","BK4543":"AI","BK4534":"瑞士信贷持仓","LNVGY":"联想集团ADR","BK4585":"ETF&股票定投概念","BK4141":"半导体产品","01715":"智慧健康科技","LU0097036916.USD":"贝莱德美国增长A2 USD","BK4533":"AQR资本管理(全球第二大对冲基金)","BK4602":"量子计算概念","BK4529":"IDC概念","BK4575":"芯片概念","INTC":"英特尔","BK4587":"ChatGPT概念","BK4528":"SaaS概念","LU0321505868.SGD":"Schroder ISF Global Dividend Maximiser A Dis SGD"},"translate_title":"The implementation of medical AI faces multiple challenges, and there is a huge gap between computing power investment and practical application effects","themeId":null,"isJumpTheme":false,"ttsUrl":null,"symbols_score_info":{"LNVGY":1.71,"INTC":1.67,"00992":1.71,"01715":1.64,"04335":1.67},"content_text":"每经记者：陈星每经编辑：董兴生“如果用户用公开的GPU算力数据来测算需求，结果可能会相差千里。”在12月18日于成都举办的“智算协同医疗 生态链接未来”主题研讨会上，联想中国基础设施业务群战略管理总监黄山的这句话，揭示了当前AI医疗热潮中一个被忽视的现实：算力投入与实际应用效果间存在巨大鸿沟。图片来源：主办方供图这场由联想、英特尔与循上医疗等机构参与的行业讨论，将焦点从技术演示转向了更棘手的落地难题——数据隐私的枷锁、医患信任的鸿沟以及算力投入的效率谜题，构成了AI医疗规模化必须面对的三大考题。而在医疗一线，循上医疗健康学院院长桑田坦言，真正的挑战在于“常规数据只基于平均寿命，但当我们将维度拉宽，判断标准和所需的医疗团队都完全不同”。“数据不出院”与“可见不可用”当前，人工智能技术正加速与医疗健康行业深度融合，但医疗机构在实际运营中仍普遍面临诸多挑战：各系统间信息孤岛现象严重，导致数据无法互通、管理效率低下；诊疗流程中手工操作环节多，易出错且耗费人力；面对患者日益增长的高质量、个性化服务需求，传统服务模式难以为继，制约了医疗服务效率与质量提升。医疗AI的燃料是数据，但最严苛的锁链也在于数据。研讨会上，一个共识是：当前医疗数据的流动仍被严格限制在机构内部。“HIS系统数据只能在医院内网，不能出去，这是规定。”黄山指出。这意味着，即便医院内部希望训练一个AI医生助手，也必须先将患者姓名、身份证号等敏感信息彻底清洗脱敏，过程严格且成本高昂。这直接导致医疗机构普遍存在的数据孤岛问题。然而，临床中对个性化、持续健康管理的需求，尤其是循上医疗所偏向的长寿医学、慢病逆转等前沿领域，恰恰需要更全面、多维度的个体数据。桑田举例说，在解决睡眠问题时，需要综合考量激素水平、重金属暴露、生活压力等多重因素，“我们需要大数据来告诉我们在诊疗方案上，用药的顺序和精度”。面对这一矛盾，技术供应商开始探索新的可能性。黄山透露，一种被称为“可见不可用”的技术路径正在试验中，其核心是让数据在不出域、不泄露的前提下参与模型训练。例如，部分计算任务可在患者个人的加密设备上完成，系统只回收与模型优化相关的参数（如梯度），而非任何原始个人数据。模型会把隐私数据考虑进去，但看不见它，这种方法试图在合规红线内，为AI医疗拓宽数据边界，以支持更精细化的健康管理。替代医生还是辅助工具？AI在医疗中的角色，始终绕不开“替代”与“辅助”之争。在研讨会的采访环节，这一问题被直接抛给了技术方与医疗方。“AI今天要代替牙医做专科诊断，这个事情我个人也是不敢相信的。”黄山给出了明确回答。他认为，AI当前更现实的价值在于充当社区医生或家庭医生的辅助角色，处理初诊咨询、健康建议等，从而释放稀缺的医疗人力。桑田也持类似观点，他强调，AI是“工具”，其价值在于提升效率和精准度，而非替代医生的综合判断。“比如在肿瘤筛查中，AI能帮助医生一天阅读几百张影像；在用药环节，它能预警脑出血等风险，帮助医生和家属做决策。”然而，建立这种辅助性信任本身并非易事。桑田进一步指出，医疗团队本身的观念转变是关键。“我们需要的是能持续突破、持续学习、拥抱变化的医生，而不是停留在原地。”这意味着，AI的落地不仅是技术问题，更是医疗体系内知识与工作流程的重塑。与此同时，一个更现实的瓶颈浮出水面——算力投入的巨大成本与难以精确测算的回报。黄山指出，AI医疗的算力需求复杂且动态，仅凭硬件参数无法准确评估，需要结合算法、框架、业务场景进行系统级调优。这意味着，医院可能投入巨额资金建设算力平台，却未必能获得预期的应用效果。桑田从需求端印证了这一复杂性，他表示，循上医疗在长寿医学等领域的研究，需要处理远超常规疾病诊断的数据维度和分析模型，对算力的需求是独特且多变的。因此，当前AI医疗的突破方向，正从追求“高大上”的算力峰值，转向构建“高效、低成本、可持续且安全”的算力服务体系。如何帮助医院精准规划算力、优化能源消耗，并在保障安全的前提下实现模型的持续敏捷迭代，成为技术供应商比拼的新战场。每日经济新闻","kind":"news","is_publish_news":true,"is_publish_highlight":false,"is_publish_live":false,"is_publish_wemedia":null,"editions":null,"column":"","sentiment":"0","news_tag":"","news_rank":0,"symbols":[],"gpt_button":0,"need_auth":false,"code":"91000000","status":"200"}}}