[中国,广州,2026年4月10日] 日前,以“数智融合·赋能医疗”为主题的“AI驱动智慧医院建设新范式高峰论坛”在广州举行。本次论坛由广东省卫生健康委员会、广州市卫生健康委员会指导支持,南方医科大学南方医院(以下简称“南方医院”)、华为技术有限公司(以下简称“华为”)共同举办,相关政府部门领导、全国多家头部医院及医疗信息化企业代表参会,深入探讨AI技术在医疗行业规模化落地路径。会上,南方医院联合华为及行业伙伴首次面向全球发布医院通用人工智能平台(Hospital AI Platform,以下简称“HAIP”)、《医院通用人工智能平台技术白皮书》,并为医疗AI全场景智慧医院联合创新实验室揭牌,引领智慧医疗新范式。

医院通用人工智能平台(HAIP)联合解决方案发布
HAIP平台是南方医院、华为与医疗行业合作伙伴等深化医工协同、推动数智医疗创新的核心成果。平台定位为医院专属“AI操作系统”,通过统筹全院算力、数据、模型资源,将分散的AI能力整合为可共享、可进化、向基层赋能的统一数智化底座,推动医疗AI建设从“单点部署、零散应用”向“统一规划、全域协同”转变。
HAIP采用“能力底座、智能中枢、工具引擎”三位一体架构,依托昇腾、鲲鹏等自主创新算力底座,构建100%自主创新AIDC算力集群;DCS AI容器底座实现算力切分和任务智能调度,AI算力利用率提升30%以上。通过AI数据湖提供全院统一的数据视图,彻底打破数据孤岛,构建AI训练的“数据粮仓”;AI数据平台的知识库、记忆库和KV Cache加速能力实现毫秒级检索响应,提升推理准确率。通过ModelEngine人工智能工具平台实现全类型数据智能化标注和多模态AI语料生成;数据飞轮支撑模型快速迭代、越用越准;平台具备强大的NL2Agent自然语言生成驱动智能体能力,让医生无需懂代码即可轻松开发出专属的生成数字分身;原生多智能体协同架构支持各AI应用协同运转,多级协同能力实现三甲医院和基层医疗机构之间模型自动化部署、迭代、升级。
目前,南方医院已落地慢性肾脏病综合管理大模型——“智肾”、围手术期麻醉管理大模型——“南方智麻”、病理AI辅助诊断、病案质控、电子病历AI助手及“南医小智”智能体中心等场景化应用,覆盖临床诊疗、患者服务、科研创新与运营管理。
未来,南方医院将通过通用人工智能平台HAIP+通用人工智能助手HAIC的云边协同架构,建设医院级AI资源体系,开展AI全场景智慧医院建设,把智慧医院做成“可持续的系统工程”,实现AI赋能医生、赋能基层,助力优质医疗资源均衡布局;同时支持将医院名老中医等专家经验沉淀为可复用的数智资产,为全球医疗机构提供“智能化底座+业务流程赋能”的可复制路径。

《医院通用人工智能平台技术白皮书》正式发布
论坛期间,南方医院与华为联合全国多家头部医院及合作伙伴,共同发布《医院通用人工智能平台技术白皮书》。白皮书系统阐述HAIP设计理念、技术架构与应用场景,明确医疗AI建设核心需求与挑战应对方案,构建开放、高效、安全的行业价值体系,为全国智慧医院AI平台化建设提供标准化参考与实践指引。

AI全场景智慧医院联合创新实验室正式揭牌
此外,南方医院与华为及行业伙伴共同为医疗AI全场景智慧医院联合创新实验室
揭牌。实验室立足医工协同创新,融合华为技术全球领先的数智底座、南方医院临床经验与生态伙伴资源优势,打通AI成果从科研研发到临床落地的转化链路,加速智慧医疗创新科研成果从实验室走向应用一线、从试点场景走向全场景落地全域覆盖。
此次举办的高峰论坛与HAIP全球首发,是南方医院、华为与全体医疗行业伙伴携手共创、协同攻坚的重要里程碑。平台以技术创新为纽带、开放生态为支撑,用技术创新破解医疗AI落地痛点,用平台化方案重塑智慧医院建设路径,为全球“人工智能+医疗卫生”发展向规范化、规模化、普惠化发展树立了标杆,更为全球医疗机构探索医疗智能化转型提供了可参考的中国实践。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。