【动脉网】东软发布添翼AI 3.0，第一批“会办事”的AI上岗

过去几年，医疗AI聪明但不管用的行业窘境终于要改变了。

9月15日，东软集团（以下简称东软）在重庆举行的2026医学人工智能大会（MAIC）上发布添翼AI 3.0，标志着医疗AI正式从“接入”与“场景”两道关口，迈入第三阶段——业务智能。

这一次，医疗AI真正要走向“会办事”。

01
医疗AI，已经走到哪一步？

大模型进入医疗行业的这几年，行业关注的问题一直在变。热闹过后，大家最关心的是同一个问题：医疗AI究竟能不能真正落地。

东软完整经历了这个演进过程，集团总裁兼首席运营官盖龙佳也是亲历者之一：“2024年，东软全面推动智能化战略，提出解决方案的智能化、数据要素的价值化、服务化和生态化，正好赶上了AI蓬勃发展的阶段。从添翼AI 1.0到3.0，我们在三年内完成了三级跳，应该说在这个领域里面走的要快一点。”

添翼AI 1.0以“融智”开启了东软的医疗AI之路，它以融智框架和八大赋能体为基础，率先引入DeepSeek等大模型，解决AI能力接入和使用的问题。

添翼AI 2.0则提出了场景智能概念，通过“1+N”模型矩阵和多达120个智能体覆盖六大场景，把AI深度融入临床、科研、管理和患者服务，解决的是AI能否覆盖业务场景的问题。

但东软认为这仍不够。

东软集团副总裁兼医疗健康事业部总经理李东提到：“通用模型已经越来越聪明，模型能力不断提升，数据、知识持续积累，一个个Agent也开始进入医疗场景，但单点能力越来越强，并不意味着医院形成了真正的系统智能。医疗AI下一阶段真正需要突破的，是AI能不能真正理解医院的业务，连接医院的系统，协同各种智能能力，并最终完成业务。”

这也是为何东软在添翼AI 3.0上提出“业务智能”。相比以往，这将是一次质变。

02
业务智能，究竟是什么？

通俗来说，业务智能就是让AI真正融入业务：业务智能的本质，是让AI从“回答问题”走向“理解业务”，从“提供能力”走向“组织能力”，从“辅助决策”走向“协同完成业务”，最终成为医疗业务持续运行和进化的一部分。

显然，能不能理解复杂任务、组织多种能力并完成完整业务是添翼AI 3.0要解决的问题。为了达到这一目标，东软打造两个中枢、两大驱动和一个底座的架构。

首先，是两个中枢。

一直以来，医院信息系统的逻辑都是功能导向。医生要完成一个任务，得先知道在哪个系统、哪个页面才能找到对应的功能。添翼AI 3.0把顺序倒了过来，用户只需说出意图，面向医护的“添添”和面向患者的“小翼”两个智能中枢便会自行调度模型、知识、智能体和业务系统，把任务执行完。

值得一提的是，“添添”的能力已在中日友好医院等真实场景中得到验证。医护一句指令就能调动后台多个智能体协作；即便遇到步骤多的长任务，也能一步步接着做完。

李东介绍的一个典型场景是智能接诊：“ 过去，医生办理一次入院接诊要在多个系统间跳转、耗时很长。如今一句话发起，患者信息自动导入，诊断、医嘱、入院记录等20余个环节被整合成一条任务流，在1个页面、几分钟内完成。”

另外一个场景则是手术准备：“做一台手术应该干什么，这是意图。基于这样的业务意图，‘添添’会自动组织后续任务，并提醒医生还有哪些准备工作没做。”

“小翼”则是面向患者的一对一全病程智能化就医助手，具有智能导诊、智能预问诊、报告解读、云陪诊、智能宣教等功能，覆盖诊前、诊中、诊后全流程。患者无需理解复杂流程，只需提出需求，它就会自动完成任务。

接下来，是两个驱动。

第一个驱动，是数据和模型的互相驱动。核心是多模态添翼医疗大模型——既能读懂病历，也能看懂CT、MRI等医疗影像。

让它越来越懂一家医院的，则是数据和知识。多年来，东软持续围绕专病建设AI可用的高质量数据集，有医生的专业标注，有质量把关，还要在真实业务里反复使用和迭代。知识方面，东软联合20多家顶级医院建设知识中心，汇集超3000万篇医学论文及20多万条医疗质控规则等。

这些数据被用于训练模型，帮助提升模型能力；随后，模型在业务里跑出的新反馈，又作为数据和知识沉淀下来。这套循环也就是东软所说的“模数共振”。

李东也对此做了解释：“围绕专病和真实业务场景，我们持续建设高质量数据集；同时，把临床指南、医学知识、业务规则和医院实践经验持续沉淀下来。数据为模型提供真实业务基础；知识增强模型的专业认知；模型和智能体进入真实业务场景。而业务过程中产生的新数据、新反馈和新经验，又反过来推动数据、知识和模型持续优化，形成一个持续循环。最终，让AI不只是懂医学，更进一步做到’有知识、懂业务、懂患者’。”

李东强调，用户能直接感受到这种数据的差别：“如果没有结合患者个人数据，AI只能基于同类人群的通用知识和规律进行判断，给出的更多是通识性的诊断；结合院内全量数据或城市全域数据后，AI能够基于患者具体情况进行综合分析，形成更加精准、个体化的诊断。“

智能体的协同是架构的第二个驱动。目前，添翼AI 3.0中的Agent Store已汇聚150+专业智能体，覆盖临床诊疗、医学影像、病历管理、护理、科研等领域；哪个智能体被用得多、医生评价怎么样，平台都有记录，用得好的会被沉淀下来，推广到更多医院。

最后是一个底座。它决定AI能不能放心用，能不能一直变强。

医疗AI和通用AI不同，回答首先要可信。每个结论都要能查到依据，整条诊疗路径可以审核和追溯，数据使用安全合规。此外，系统坚持“AI辅助、人类决策”的原则，最终判断权仍留在医生手里。

其次是可进化。添翼AI 3.0并不是上线即定型。医生在使用过程中的每一次采纳、修改和纠错，都会沉淀为系统的新经验，从而让模型越来越贴合这家医院的诊疗习惯，成为医院专属版本。此外，面向不同专科，还将进化出各自的专科模型。最终，让医疗AI从通用智能，一步步走向专科智能和医院专属智能。

03
落地实证：谁在真正用起来？

好消息是，从三甲医院到基层，从医生到患者，这套体系已经跑出了一些具体的结果。

李东表示，在中日友好医院，这套体系已经跑通：智能中枢把病历生成、辅助决策等诊疗全过程，一直到出院小结都串联起来；以肛肠科高位肛瘘为试点，东软引入标准化闭环方法论，经场景定义、目标拆解、能力映射、协同设计、闭环迭代五步，沉淀出病种标准化资产包，并向全院多专科复制推广。目前，添添、Agent Store等添翼AI 3.0核心能力都已在这里运行。

在武汉大学中南医院，医事服务、病历服务、护理服务等赋能体上线后，单一科室日均自动生成约300份病历文书，全院日均完成10万余次病历内涵质控；护士通过手持设备以语音交互执行护理操作，系统智能调度护理任务。

在中国医科大学附属盛京医院，全量数据中心汇聚了超过210万份住院病历和3700万份门诊病历，医事服务智能体让医生单次查询少点3次系统点击。此外，围绕儿科规划的20多个高质量数据集，该院入选国家数据局高质量数据集首批先行先试示范项目，成为国内6家获批通过的医院之一。

在四川省人民医院，医生解读一份报告的时间从8分钟降到2分钟。

在患者服务端，变化同样直观：中山大学附属肿瘤医院的患者服务智能体上线8个月累计使用突破10万人次，日均线上接诊超500人次，门诊缴费排队时长下降60%。而在医生端，该院的化疗助手也已沉淀350余套标准化方案，覆盖17个以上癌种。

在基层，南京雨花台区的智能服务累计触发超4万次，让优质医疗能力真正下沉。

类似的变化，也在医院之外发生。北京市卫健委依托添翼AI搭建区域医疗智能监管体系，累计完成39万余份病案全量核查，覆盖167家二级及以上医疗机构，病案质控覆盖率从10%提升至100%，单病例核查时长由30分钟压缩至5分钟。

在常州，“一人一档一码”工程已经整合15家三级医院、759家基层机构共计1.6亿份电子病历与近500万份健康档案。

把每个城市里面老百姓的所有健康数据还给他们。

截至目前，东软智能化解决方案已累计服务全国客户超100家、覆盖近150个医疗场景。

业务智能，正在全国迅速点燃。

04
业务智能，正在成为医疗AI的新趋势

添翼AI 3.0指向的趋势很明确，医疗AI正从单点智能走向系统智能，从一次性交付走向持续运营。AI的能力，开始随着业务一起生长。

这也解释了东软为何反复强调“进化”。 传统IT的核心逻辑是将已经确定的业务流程通过软件固化下来，系统上线后，流程和规则通常相对稳定；而进入智能化时代，AI不仅执行既定流程，还能够参与业务过程、分析业务结果，并根据实际运行效果不断调整和优化业务方式。

正如李东所说：“过去IT的过程就是数字化过程，编码已经编好；现在是智能化，有本质的区别。”在医院场景中，同一项业务可能在不同阶段采用不同的流程和策略，例如医院前期采用A流程，运行一段时间后根据效率、质量和用户反馈尝试B流程，通过持续验证找到更优的业务方式。因此，智能化系统不再只是把既定流程“编码进去”，而是能够在业务运行中不断学习、验证和优化，使业务流程、AI能力和软件系统共同进化。

更深层的变化，正在从单点医院走向城市医疗协同。在北京，16个区县的电子病历已跨院打通，检验结果互认超过180项、检查结果互认超过300项；在芜湖，会诊转诊的探索已成为全国样本。

在AI时代，医疗健康正在成为一座城市新的基础设施。

当然，细微之处更显真章。盖龙佳感叹“我曾经经历门诊手术，当时我不知道要先去药房取药，等门诊手术排到号了才发现需要先去取药，好不容易排到，又得折腾重新排。如果在这个过程中有一个小小的提示，情况就完全不一样。所以，不管是宏大的场景，还是在那一个个细微之处，为医生、为患者带来更多温暖的感觉，这是我们的目标。”

或许，这正是“会办事”的AI的真正含义。它不需要无所不能，但要在每一个具体的业务流程里把事办完。当第一批这样的AI上岗，医疗AI的竞赛也将从模型参数转向业务深处。