深度调研：AGI时代医学影像基座模型护城河，藏在真实世界数据里

2026年7月7日，一脉阳光北京影像中心的阅片室里，媒体调研团队围站在放射科医生身后，看着屏幕上颅脑CT影像图像在被调阅出来的时候，AI已同步输出了初步诊断报告。AI自动标注、分段、生成报告——整个过程从影像输入到结构化报告输出，大约1分钟。医生打开报告认真阅览，做了两处措辞微调，点击签发。

“医生从写报告的人，变成了审报告的人。”北京天坛医院放射科主任刘亚欧的这句话，此刻有了具体的画面感。

本次调研围绕一脉阳光（2522.HK）“依托真实世界数据打造基座模型、落地商业化应用” 核心业务展开，一脉阳光创始人、影禾医脉董事长王世和与影禾医脉CTO张杏林用了近三个小时，拆解这家“中国医学影像服务第一股”如何用千万例真实数据，重新定义医学影像AI的行业坐标系。

从“单病种工具”到“通用AGI”：行业迎来滞后的范式变革

中国医学影像市场正面临一个结构性的供需矛盾。影像检查需求持续膨胀，年检查量增速超过30%，而放射科医生的供给年增速仅约4%。供需缺口在基层尤为触目惊心。

回溯行业发展，2016年前后，医学影像AI曾是资本最追捧的赛道之一。肺结节、眼底筛查等单病种AI工具扎堆涌现，拿证者不在少数。但一个尴尬的现实是：医生买单率并不高。“你跟医生说，我帮你查有没有肺结节。医生说，我开的是一个胸部CT，你为什么不告诉我肺炎、胸腔积液、心脏增大、甲状腺有没有问题？”临床逻辑与产品逻辑的错位，让大量AI工具沦为“演示级”产品，始终无法嵌入真实工作流。

王世和将医学影像AI的演进清晰划分为三个阶段：1.0时代是碎片化单病种模型，研发投入巨大——一个肺结节产品从研发到拿证落地约需5000万至1亿元，按30多个病种逐一开发，仅胸部CT一项就需30亿元，临床适配度低、商业化举步维艰；2.0时代升级为单检查项目全病种AI，局部效率有所提升，但工具数量庞大，仍无法规模化铺开；3.0通用AGI时代则彻底打破边界，以检查项目为单元批量研发AI工具，全模态、全解剖、全流程、全自动，真正嵌入医技护工作流。

影禾医脉选择的正是3.0这条路——不做一个病种，不做十个病种，而是把“一个检查项目里的所有解剖结构和所有疾病”一次性做完。王世和用三个递进公式概括了这一逻辑的数学表达：

AIU = ∑ AISUᵢ (i=1~n) （AISU为一个病种，AIU为一个器官）

AIR = ∑ AIUᵢ (i=1~n)（AIR为一个扫描部位）

AI = ∑ AIRᵢ (i=1~n)

可以简单这么理解，将单个器官的所有病种掌握，就等于看懂了该器官；将一个检查项目涉及的所有解剖结构器官全部掌握，就等于看懂了该检查项目；将所有检查项目的AI能力叠加，就等于一个类人化的全能影像医生。这一逻辑的起点正是对行业痛点的回应——传统单病种AI模式面临根本性的商业困境：仅胸部CT就涉及30余个病种，逐一开发需投入数十亿元，覆盖全部检查项目更是不可想象的数字。影禾医脉的思路是，不再针对单个病种逐一训练模型，而是构建一个能同时处理多病种、多模态、多部位的基础模型，在统一框架内解决所有影像理解任务。

这一路径的实现依赖两个前提：千万级的真实数据储备，以及从零训练视觉基座模型的能力。而这两者，恰恰是影禾医脉背靠一脉阳光所形成的核心壁垒。

影禾医脉借鉴大语言模型“统一下游任务”的思路，从零训练医学影像视觉基座模型，再做“影像-文本”对齐。2025年1月，公司发布全球首个跨模态医学影像L0级基座模型“影禾觅芽®”。不同于市面上多数医疗AI公司调用通用大语言模型做提示词工程或RAG检索增强，影禾医脉从零训练视觉基座模型。“大语言模型解决的是‘读懂文本’，我们首先解决的是‘看懂影像’。”张杏林说。

王世和用“飞机与机场”的比喻解释影禾医脉的节奏：“前几年我们在修跑道和机场——持续完善底层基础设施，搭建数据治理体系、基座模型、工具链。今年开始，飞机落地了。”今年4月，这套架构交出了第一个标杆产品——与北京天坛医院联合研发的颅脑CT超级智能体“小君医生2.0”。覆盖94种颅脑疾病，综合诊断准确率87.8%，在天坛医院及30余家影像中心的实测中，超过90%的常规病例报告无需医生修改即可签发。1分钟完成原本15至20分钟的工作——这不是效率提升，而是效率重构。

不可复制的底牌：海量数据壁垒与成熟工程化落地能力

如果只谈模型架构，影禾医脉的故事并不独特。真正的差异化藏在自有的临床数据资源里。

截至2025年末，一脉阳光在全国20个省份运营117个影像中心，合作医疗机构超1100家，累计沉淀约2800万例标准化医学影像数据，存储规模5PB，日均新增约2万例。这不是公开数据集能比拟的量级——对比国际顶尖学术研究数据，斯坦福大学2026年初在《 Nature》 期刊上发布的腹部CT三维视觉语言模型Merlin，数据不过6万余例。一脉阳光的数据规模是这些顶尖学术项目的百倍以上。

王世和反复强调：AI竞争的胜负手不在算力，不在算法，而在标准化数据体系。“数据总量可以通过采购快速扩充，但数据的标准——针对每个检查项目，应该采集什么序列、标注哪些结构、遵循什么规范——这是靠对行业场景的深度理解‘磨’出来的。”据透露，企业内部有一支由影像医生组成的“BI事业部”，专门负责理解医学影像数据。这种“医生定义标准、算法实现标准”的协同机制，被张杏林称为“比模型架构更难复制的壁垒”。

超大容量影像数据也带来独特工程化难题。。张杏林分享了一个细节：团队最初找了一家国内头部的大模型基础设施供应商搭建训练机房，“建完一训练就崩了”。“崩了”的主要原因是，常规语言大模型训练数据约60T，而医学影像数据单例就达几百兆到1GB、影禾医脉的总训练数据量更是高达1P以上，“硬盘到GPU的通讯速度完全跟不上，我们花了一个多月才把这个问题解决，没有前车之鉴。”

技术上，影禾医脉构建了“L0基础模型+L1应用模型”双层架构。L0基础模型具备强大的通用医学影像表征能力，每季度迭代一次；L1应用模型针对具体检查项目进行微调。更重要的是，公司提供完整的AI-DIY工具链，允许医院基于本地数据对模型进行微调和自迭代。医生在复核修改AI报告时产生的反馈数据，可直接用于强化学习，实现“工作即训练、使用即进化”。

张杏林用了一个比喻解释这套模式的价值：“DeepSeek提供的是基础模型能力，我们不仅提供基础模型，还提供了本地自进化能力——这在严肃医疗领域非常关键。客户拿到的是一个可以持续生长的基础设施，而不是一个一成不变的静态软件。”

数据资产化的路径也已跑通。2025年，一脉阳光的“CT胸部病变标注数据”率先在上海数据交易所挂牌。同年8月，通过北京国际大数据交易所完成首批数据交易。2025年10月，与北京数据先行区签署共建合作，在数据沙盒环境下实现了首个千万元级的大模型训练服务商业转化签约，近期再度落地超500万元的数据服务合作——在医疗数据要素市场化仍处于“摸着石头过河”的阶段，一脉阳光已经走完了从数据生产、标准化治理、合规确权到市场交易的全链路闭环。

王世和算了一笔“影像能力账”：影像服务由开单、扫描、诊断、临床应用四个环节构成，四者相乘决定整体影像能力，任一环节短板都会大幅拉低整体水平。假设每个环节做到0.9分，四项相乘，整体只有0.66——“你觉得自己做得不错，但整个链条跑下来，可能及格都不到。”AI的价值不是替代某一个环节，而是让四个环节同时逼近0.99，0.99的四次方是0.97。系统性补齐影像诊疗全链条短板，这也是医学影像 AI 的核心价值锚点。

全球产业布局与长期发展路径：打造中国技术方案，输出全球行业标准

国际市场上，中国医学影像AI正在从“追赶”走向“领跑”。

张杏林连续两年参加北美放射学会（RSNA），直观感受到全球行业风向变化。“2024年的RSNA，全球厂商还在讨论单病种AI怎么集成。2025年大家都在讲大模型和多模态，但没有人能拿出可落地临床产品——我们是唯一一家能展示临床可用的demo、现场演示给欧美客户看的公司。他们看完之后的反应是：这真的已经在用了？”

这种反差背后是全球医学影像AI产业的一个区域性差异。斯坦福大学2025年发表的腹部影像大模型论文在国际顶级期刊引发关注，但训练数据仅6万余例，研发偏向学术探索，团队实测后发现产品完全无法适配临床真实诊疗场景。

更值得关注的是，全球不同地区正不约而同地出现相似的产业模式。在美国，影像连锁巨头RadNet于2026年3月以约2.693亿美元收购欧洲AI公司Gleamer SAS，布局“影像连锁+AI”；在澳大利亚，I-MED Radiology Network早期投资了“Harrison.ai”项目；在中国，一脉阳光与影禾医脉形成了“场景+数据+AI”的生态闭环。三个地区在同一时期选择了相似的路径——医学影像AI正在与线下连锁服务生态深度捆绑，这或许正是医学影像AI走向大规模产业化的必然路径。

RadNet总裁兼首席执行官Howard Berger博士明确表示：“随着全球放射科医生短缺日益加剧，影像检查量却持续增长，因此，重新设计高通量工作流程——尤其是X光、超声和乳腺X光等常规影像检查——对于维持医疗服务的可及性、效率和质量至关重要。”

王世和判断，未来医学影像AI公司的成长和爆发，必须依托一个实体运营母体。“单纯的AI公司缺乏稳定临床场景和持续真实数据的支撑，单纯的影像连锁缺乏自主研发智能技术引擎。两者结合，才有护城河。”

商业化数据也在验证这个节奏。2025年，一脉阳光实现总收入8.73亿元，同比增长14.8%，归母净利润374.8万元，同比扭亏为盈。影禾医脉2025年收入约4600万元，2026年目标超亿元。

政策窗口同步打开。2025年11月，国家卫健委发文明确推动AI在二级以上医院医学影像辅助诊断领域的全覆盖；2026年4月，北京医保局率先允许AI辅助诊断向患者端收费。从顶层设计到支付端，医学影像AI的商业化闭环正在逐步成型。

从北京天坛医院的阅片室到全球数字经济大会的聚光灯下，从单病种AI的碎片化试错到通用AGI的系统性突破，一脉阳光和影禾医脉正在走的这条路，或许正是中国医疗AI从“故事”走向“生意”的样本之一。