以下文章来源于动脉网，作者张晓旭

https://mp.weixin.qq.com/s/KwPPi5N8NG0qVCCZm17eXw

2025年以来，种种医疗大模型密集宣布，类型日渐富厚，笼罩场景越发广泛。当医疗大模型如雨后春笋般涌现，数量猖獗增长之后，如何实现真正落地成为业界关注的焦点。这促使医疗大模型必须从量变迈向质变，从规模竞赛转向价值凸显。

新阶段，业界着重聚焦在AI解决实际问题的能力上，针对AI缺乏可解释性这类根天性的共识问题，将可信推理作为焦点突破偏向。

在这一配景下，9月25日举办的“2025京东全球科技探索者大会”上，京东健康宣布了升级版医疗大模型“京医千询2.0”及基于可信模型的“AI医院1.0”，增进技术与应用的要害突破。

在医疗领域，模型诊断的可解释性显得尤为要害。尽管医疗大模型在疾病预测、辅助诊断、治疗决策等方面展现出巨大潜力，但其在真实场景中的转化应用仍面临多重挑战，尤其是可解释性的缺乏阻碍了医疗大模型的可信应用。

鉴于医疗决策的高危害性，AI不但需提供诊断结果，更需展现清晰、可追溯且切合循证医学原则的推理历程。古板模型的“黑箱”特性难以满足这一要求，尤其在多模态融合的诊断场景下，推理历程的溯源变得越发庞大。别的，高质量医疗数据的获取及其合规使用、医学知识的实时更新，以及精准定量剖析能力的缺乏，均在一定水平上制约了大模型在临床中的应用效果。

实用的AI，应该能够模仿人脑事情方法，让多个部分协同事情，实现自主学习和动态推理。这种更智慧、更灵活的架构，是技术生长的一定偏向，也将推动医疗AI从简单的辅助工具向深度的场景应用迈进。

京医千询2.0的研发，正是重点围绕多模态融合、可信推理、动态进化等要害挑战来进行。

具体而言，京医千询从1.0版本升级至2.0版本，主要在三方面实现了显著革新。

首先，不局限于学习静态的果真医学知识，而是新增了实时挪用最新权威医学文献和真实世界数据（RWD）的能力，进行更为精准的循证推理。

其次，不但纯依赖文本信息进行辅助诊断，而是构建了对文本、影像、基因、时序数据等多模态信息的联合认知能力，形玉成面的跨模态临床决策支持。

最后，京东健康在富厚的互联网医疗场景中积累了大宗闭环数据，这些数据被有效反哺至模型训练中，推动模型从“路径驱动”向“循证智能”迭代。

为了支撑升级后的底层架构，京医千询2.0构建了“三引擎+四模型”的认知中枢。“三引擎”包括具备循证数据的引擎、具备临床病例的引擎，以及实现医患交互仿真的引擎，其焦点目标是完成可信的数据训练，为全科医生模型、专科医生模型、健康Agent和影像大模型的“四模型”能力升级连续提供动能。

在应用层，由于京医千询2.0能模拟真人医生的诊疗思维路径，确保推理历程严格遵循医学共识，因此，AI应用可从基础的咨询效劳升级至专业的诊疗辅助，有效助力医生对庞大病症进行更精准的判断，也推动AI应用从全科领域向更深条理的专病领域拓展。

在京东集团SEC委员、京东健康CEO金恩林看来，医疗AI的价值，绝不是纯粹技术参数的比拼，而是要融入临床场景、解决实际问题。

如今，京医千询2.0已实现从“能回覆”到“会决策”的技术奔腾，显著提升了AI在真实应用场景中的落地可行性。

面向C端的效劳是医疗大模型落地应用最为广泛的场景之一。用户需求的多样性、患者病情的庞大性，都要求模型必须兼具灵活性、专业性和准确性等多重能力，因此，该场景也成为检验AI应用水准的一大“试金石”。

京东健康通过互联网医疗平台买通线上与线下资源，搭建起“医检诊药”效劳闭环
；平台融合健康效劳和健康商品，贯串严肃医疗与消费医疗，笼罩从泛健康到疾病状态的用户人群。从日常的健康治理，到精准的疾病诊疗，再到专业的康复指导，AI已逐步渗透至用户效劳的多个环节。基于应用场景积累和新一代大模型能力，京东健康宣布了“AI+”效劳的新载体——AI医院1.0。

AI医院1.0涵盖AI导诊台、在线问诊、AI药房、AI检验中心、AI医学中心等功效区，并集成了“AI京医”多专业效劳角色及上千名专家医生智能体，将“医检诊药”闭环深度整合至统一入口。翻开AI医院页面，一个“迷你版”医院马上跃然眼前，用户只需凭据引导点击相应功效，即可轻松实现与AI医院各个效劳角色的互动。

之所以能经得起多样化用户需求的考验，是因为京医千询2.0革新后的技术能力可切实在AI医院落地。

例如，新一代模型让AI医院多智能体协作成为现实。2025年，京东健康上线了“AI京医”团队，包括AI医生大为、AI药师、AI营养师等10余类健康专业效劳角色。从导诊到问诊、检查、购药，全程由AI理解用户需求并分派任务，目前，Al京医系列智能体累计效劳凌驾1.5亿用户，效劳意度97%。

其中，全科AI医生大为的体现尤为突出。大为背后是京医千询强大的医学可信推理、全模态模型能力、多病种治理解决计划，以及有温度的交互体验。上线以来，大为的用户规模和洽评率连续上升。

专家医生智能体依托京医千询的专病大模型能力，学习名医智慧，并在形象、声音、交流习惯等方面模拟名医。

据京东健康平台数据统计，在AI医生“大为”的用户咨询订单中，35%是由妈妈提倡，16%爆发在0点以后，儿科问题占15%、老年问题占10%。一个真实案例是，一位妈妈深夜仍在和大为医生交流，为女儿的发育问题、丈夫的肠胃健康担心，还为自己的更年期压力而焦虑。对此，大为医生一一给出建议，并表达了对这位操心的妈妈的关爱。

值得关注的是，京东健康AI问诊的69.42%用户来自来自三线及以下都会，下层用户提倡问诊后，可快速获得由名医两全提供的优质效劳。一位用户每天都在平台上为不绝变换的差别患者提倡咨询，或关于用药计划、或关于病症讨论，原来这是一位下层医生，在获得大为医生或名医智能体的资助后，优质资源向下层的流动，已悄然爆发。

得益于大模型的技术跃迁，AI医院1.0加速构建了AI驱动的“医检诊药”闭环体系，从导诊到问诊、从检查到买药，AI均能实现对用户实际需求的准确理解与主动分发，是对效率、体验的厘革，更彰显了科技效劳于人的温度。

目前，大都企业在医疗大模型的开发上仍处于投入阶段。正是由于大模型在可解释性、场景适配性等方面保存诸多挑战，才导致落地后的应用价值不突出，商业模式成为一大瓶颈。破解这一难题的要害，在于聚焦技术突破和场景适配，为各个使用方切实创立价值。

京东健康也是大力投入医疗大模型研发的头部企业之一。据透露，公司每年投入数十亿的研发资源，建设算力底座，全力打磨京医千询大模型，除了直接效劳C端用户之外，还为医生、医院提供AI助手。

前文提到的专家医生智能体，除了效劳用户之外也面向医生，高效资助医生处理繁杂事情，目前助力医生在诊前的问题解决率抵达90%，诊中提效凌驾50%，患者治理触达凌驾1000万。

面向医院，基于京医千询的全场景大模型产品“京东卓医”已在全国多家三甲医院相助落地。京东卓医为医院提供面向患者的个人就医管家、面向医生的医生数字两全，以及面向医院运营治理的“未来数字医院”效劳，革新医院的效劳和治理流程。

值得重点关注的是，京东健康还积极探索AI对B端相助同伴的赋能，力求为众多同伴带来更多立异和增长时机。

以医疗器械为例，随着公共健康意识的提升，更多产品品类从医内走向院外，甚至泛起出“小家电化”趋势。

对此，京东健康以用户规模庞大的血糖治理为切入口，与相助同伴探索“LOT+AI+医疗效劳”模式，为用户提供一站式血糖治理解决计划。其中，基于CGM收罗的血糖数据，京医千询所打造的差别AI角色可发挥相应作用：AI康康引入血糖治理SOP，与饮食、运动、用药等数据联动，并支持血压、心电等多维度监测，为用户提供治理建议
；AI护士小微提供购前、购中、购后全流程效劳，成为家庭AI健康管家。

据了解，京东健康已与多个头部品牌相助，推出了融入AI能力的联名款CGM产品，上市即成为爆品。京东全球科技探索者大会期间，京东健康还与鱼跃医疗、微泰医疗、三诺生物等企业联合建立了“智能互联生态联盟”，进一步深化AI与器械产品的融合。

仅仅是CGM，AI已展现出巨大的应用前景，包括洞悉更全面的数据、提供用药调解指导，更精准地识别糖尿病代谢亚型
；基于AI开发CGM与胰岛素泵结合的产品，打造更智能的人工胰腺或混淆闭环胰岛素泵系统等。

放眼迅速增长的家用医疗器械市场，AI的应用潜力就更为辽阔，包括全方位数据监测，多设备数据整合与智能剖析，最终形成精准的个性化健康建议
；结合京东健康已有的线上线下效劳，智能化的健康监测、剖析、干预、跟踪闭环将成为现实。

金恩林认为，已经过验证的结果，展示出AI技术在医疗健康领域的巨大商业化潜力，京东健康还将连续探索、扎实落地，配合为医疗工业拓展更大增长与想象空间。

相信随着AI应用价值的进一步凸显，商业模式将会是水到渠成的结果。

2025年8月，《国务院关于深入实施“人工智能+”行动的意见》提出，要推感人工智能与经济社会各行业各领域广泛深度融合，重塑人类生爆发活范式
；在医疗健康领域，依托“人工智能+”探索推广人人可享的高水平居民健康助手。此次纲要性文件的出台，距离2024年《政府事情报告》首次提出“人工智能+”行动仅已往一年多。

毫无疑问，“人工智能+”在全行业的渗透，将远比“互联网+”的渗透速度快得多。

在这场速度与耐力同样重要的赛跑中，京东健康仍将聚焦焦点问题，连续推进AI技术和应用的突破迭代。好比，京医千询的目标是以技术渐进式迫近人类医生的临床认知界限
；又好比，力求在AI医院实现流程被极致优化、期待被有效消除，专业被无限放大、人文眷注贯串始终。

届时，随着技术的连续演进与生态的不绝完善，医疗大模型或许不再是简单的工具革新，而是深刻改变医疗效劳供应方法、优化资源配置效率、提升医学人文眷注的焦点力量。