阿里ASI超級人工智慧戰略下，阿里雲、一脈陽光、影禾醫脈在雲棲大會上聯手發佈市場上首個影像大模型智算一體機，醫學影像診斷AI研發進入2.0時代。前不久，國務院發佈了《關於深入實施“人工智慧+”行動的意見》（以下簡稱《意見》），《意見》從重點行動領域、基礎要素支撐、組織實施等方面，針對實施“人工智慧+”行動進行了全面部署。《意見》的出台預示著接下來AI將成為接下來各行業重點發展的數位技術之一。在日前舉辦的2025雲棲大會上，“人工智慧+”就成為了與會嘉賓關注的焦點話題，眾多參會企業都帶來了其AI落地應用行業場景的成果。與眾多更為聚焦大語言模型不同的是，國內醫學影像服務龍頭企業一脈陽光與其孵化的影禾醫脈聯合阿里雲在雲棲大會上發佈的“醫學影像大模型智算一體機MIIA-X1”一體機產品，率先實現通過“硬體+軟體”的完整閉環、借由多模態模型技術，在AI+醫療影像應用領域落地成果。而“醫學影像大模型智算一體機MIIA-X1”的發佈也標誌著醫療一體機行業正式告別“單一場景工具化”的1.0時代，邁入“資料-模型-算力”三位一體的2.0新階段。一體機的火爆是必然一體機的概念早在大模型問世以前就有，不過彼時的一體機是一個非常小眾的概念，且在大模型之前，一體機的概念更多的是一家整合商，通過整合各家的產品，為使用者提供一個一站式的偏向於硬體層面的解決方案。但隨著大模型的問世，企業側也開始探索AI能為企業業務做出那些賦能。在這個過程中，企業出於安全性的考慮，更願意選擇在本地部署大模型，利用模型廠商訓練好的基礎模型，在本地通過私域資料的微淘，進而賦能業務。另一方面，又出於成本的考慮，在模型賦能業務量沒有快速增長起來的初期階段，企業自建資料中心，或者大量租賃資料中心顯然達不到很好的ROI，而這時候，大模型一體機就成為了絕大多數企業部署大模型的首選。此外，隨著年初DeepSeek的爆火，一體機一時間成為了各行各業關注的焦點，幾乎所有行業的企業都在搶購一體機產品，形成了“趨之若鶩”的景象。此前，曾有一體機硬體供應商的市場部負責人對筆者表示，現階段，企業在應用大模型的過程中，相比於使用雲服務和API呼叫的方式，企業更願意採用私有化部署的方式來應用大模型。一體機的火爆並不是供應商單方面的狂歡，市場對於一體機給出反饋也是異常火爆，青雲科技副總裁，沈鷗曾告訴筆者，從青雲客戶反饋以及收到的諮詢情況來看，企業級客戶對於國產化、開箱即用的需求確實處於增長時期，隨著產業生態合作的逐步深入，一體機也能夠在不同場景上提供更高的業務價值。無獨有偶，優刻得新興產業事業部首席架構師李天朋也曾向筆者表示，自從DeepSeek宣佈開源以後，一體機的諮詢量就大幅上升，“目前來看，一體機的主要使用者群體集中在金融、教育、醫療、政府等對資料安全等級要求比較高的傳統行業，以及對時延要求極高的工業領域，”李天朋進一步指出，“相對來說，一體機的市場還是比較小眾，對於網際網路企業，尤其是大廠來說，DeepSeek的出現並沒有讓他們更多的傾向於選擇一體機產品。”醫療行業需要什麼樣的一體機？雖然一體機的市場在今年上半年迎來了爆發，但當一切回歸理性之後，很多企業採購的一體機卻最終落得“吃灰”的下場，這些企業並不知道如何使用一體機，也沒有選擇適合的場景。一體機固然有其優勢，但當一切回歸本質，企業還是需要從場景和資料著手，才能更好地落地AI應用。資料，也就是行業Know-how已經成為接下來各行業AI落地的關鍵，唯有基於專有的、高品質的海量資料集，行業使用者才能訓練出符合自己業務需求的模型產品。以醫療行業為例，資料層面，醫療機構首先需要完善基礎資料體系建設，做好資料治理，準備充足的行業“Know How”，用於“製造”出行業智能體，正如業內共識的——資料是大模型的養料，沒有資料就訓練不出行業垂類大模型。在場景層面，目前能看到的醫療行業應用大模型的場景大多在問診、分診等基礎大語言類模型的問答層面。再有就是一些相對深入的，諸如輔助醫療決策、CT影像識別等應用多模態大模型的層面。但在“醫學影像大模型智算一體機MIIA-X1”問世之前，醫療 AI 領域長期被“單病種工具化”的1.0模式主導。而傳統AI 1.0存在三大核心痛點：場景碎片化（單一模型僅覆蓋1-2個病種）、資料孤島化（不同機構資料格式不相容）、落地艱難化（模型與臨床流程脫節）。這種侷限直接導致兩個行業困境：首先是研發效率低下。據瞭解，傳統單病種AI模型開發需投入上千萬元、數十萬張標註影像，研發周期長達3~5年。比如，單一胸部CT結節檢測模型的訓練就需耗費百萬級資料與18個月周期，而臨床需求卻要求覆蓋全器官、多模態的診斷支援。其次是臨床適配性差。傳統模型多針對特定裝置、特定場景開發，當醫院更換影像裝置或擴展檢查項目時，模型需重新訓練。這種 “報告碎片化” 的痛點，在基層醫院更為突出——基層醫院裝置型號雜、檢查量波動大，單病種模型的部署成本往往超過其臨床價值。而這些問題在現在已經得到解決。今年年初，一脈陽光所孵化的人工智慧公司影禾醫脈就推出了全球首個多模態全流程醫學影像基座大模型——“影禾覓芽®”，該模型基於一脈陽光千萬級多模態醫學影像資料訓練，採用Transformer架構，相比傳統單病種AI模型，可實現小樣本快速微調，泛化能力顛覆式提升，能同時解決CT、MRI、超聲等多模態影像的病變檢測、分類與量化分析問題，徹底打破了傳統AI 1.0時代“報告碎片化、場景侷限性”的痛點。影禾醫脈副總裁、基座模型事業部負責人張杏林在雲棲大會上表示，借由該模型，影禾醫脈重構了醫學影像AI的研發範式與應用邊界。將“影禾覓芽®”模型與阿里雲的一體機產品結合而推出的“醫學影像大模型智算一體機MIIA-X1”，也成為2025雲棲大會上與會者關注的焦點。雲棲大會現場雲棲大會現場雲棲大會現場在現場，有不少醫療機構從業者與行業夥伴駐足體驗，通過影禾醫脈自研的胸部CT路徑級醫學影像人工智慧輔助診斷產品（AIR）的互動演示，直觀感受模型能力在互動式閱片、輔助診斷等場景的應用效果，對其“全流程結構化報告輸出”能力表示高度認可。此次發佈的“醫學影像大模型智算一體機MIIA-X1”之所以能獲得這麼多關注，主要得益於，其是目前市面上首個實現醫學影像大模型與一體機的深度整合。這種突破性不僅體現在技術架構上，更重構了醫療AI的落地邏輯：從“醫院適配AI”轉變為“AI適配醫院”，從“技術輸出”升級為“生態賦能”。除此之外，“醫學影像大模型智算一體機MIIA-X1”獲得高度關注也得益於一脈陽光及影禾醫脈多年來在醫療領域的行業積累。結合一脈陽光的影像資料資源與臨床場景入口的“獨家澆灌”，這些積累也都匯聚在了全球首個跨模態全流程醫學影像基座大模型——“影禾覓芽®”之上。據張杏林介紹，“影禾覓芽®”模型結合了一脈陽光千萬級標準化醫學影像資料訓練，實現了從資料採集、標註到模型預訓練的全流程閉環，直觀呈現了其“跨模態、全場景、強泛化”的核心優勢。另一方面，在2025雲棲大會上，阿里雲智能集團董事長兼首席執行官吳泳銘首次提出了ASI（Artificial Superintelligence，超級人工智慧）的目標，並明確以此為錨點制定了阿里雲的戰略路徑。“實現通用人工智慧AGI已是確定性事件，但這只是起點，終極目標是發展出能自我迭代、全面超越人類的超級人工智慧ASI。”而在阿里ASI超級人工智慧戰略下，阿里雲、一脈陽光及影禾醫脈聯合發佈的智慧影像AI一體機，讓醫學影像診斷AI研發進入2.0時代，也正式成為阿里ASI時代戰略下在醫學影像垂類下的首個實踐。以胸部CT為例，“醫學影像大模型智算一體機MIIA-X1”，以胸部CT掃描為基礎，再加上“影禾覓芽”大模型的能力。實現“以掃描部位為核心單元的部位級AI篩查模型（AIR）”的升級，最佳化影像輔助篩查的效率與精準度，為胸部健康篩查帶來新範式。對此，張杏林表示，醫療AI的“部位級篩查時代”正加速開啟。在與筆者談及此次發佈的一體機產品時，張杏林表示，“醫學影像大模型智算一體機MIIA-X1”的發佈，不僅是技術產品的突破，更是一脈陽光與影禾醫脈協同生態的集中體現，“通過整合資料資源、模型能力與雲端運算基礎設施，一脈陽光、影禾一脈和阿里雲三方將共同推動醫學影像AI從‘實驗室技術’走向‘臨床標配’，賦能醫院快速建構本地化AI能力，支援科研資料治理、模型微調與臨床工具開發，實現從‘AI使用’到‘AI共創’的轉型，助力中國醫療智能化處理程序加速。”張杏林進一步指出。AI+醫療是一體機重要發展方向在AI的浪潮下，醫療行業與AI技術的結合已是大勢所趨。AI的能力在醫療行業的商業化應用目前來看明確落地的主要有兩個方面：一是，醫療行業可以通過大模型提升醫療工作者的工作效率，推動診療模式從經驗驅動向資料驅動轉型，進一步推進從輔助決策到精準醫療的處理程序，並彌合當下切實存在的醫療資源不平衡問題的同時，還可以降低患者在醫院候診、診療的時間，提升患者整體就醫體驗；二是，通過大模型的能力，醫藥製造等相關領域可以提升研發新藥的效率，同時還能降低研發成本。而對於醫療機構來說，前一個應用是其主要發力的領域。另一方面，醫療資料出於患者隱私，醫院核心資產等多重因素的考量，醫療資料的安全可控性對於醫療機構而言，是不可觸碰的底線。而通過一體機的方式，讓醫療機構可以實現模型的本地化部署。相較於API呼叫的方式，顯然一體機本地化部署的方式更適合當前醫療機構AI應用。而在AI+醫療應用方面，有不少頭部醫院已經走在前列，比如，哈爾濱醫科大學附屬第一醫院部署DeepSeek大模型，用於快速查閱相似病例、分析診療指南和藥物相互作用，輔助制定個性化治療方案；南通大學附屬醫院通過DeepSeek本地化部署，建構“智能客服+肺結節AI診斷”系統，提升患者服務和影像分析效率......AI+醫療目前仍處於發展的初期階段，對於服務機構而言，一方面需要做好模型能力的提升，以及專科病種的資料積累，亦或是像影禾醫脈一樣顛覆AI訓練的基座模型開發思維；另一方面，需要出現更多類似一脈陽光、影禾醫脈這樣具備豐富行業Know-how的企業，與阿里雲這樣的強大AI算力供給方的“強強聯合”，從而推動AI+醫療普及化、標準化發展。針對此，張杏林也與筆者分享了影禾醫脈未來的核心發展理念，他指出，未來，影禾醫脈、一脈陽光、阿里雲三方將繼續圍繞“多中心科研資料治理”“基座模型微調最佳化”“AI輔助診療落地”三大方向展開深度合作：第一是，依託一脈陽光全國影像中心網路與千萬級資料，建構標準化科研資料庫；第二是，結合阿里雲算力與AI技術優勢，最佳化MIIA基座模型的訓練效率與泛化能力；第三是，聯合開髮針對“腫瘤影像診斷”“慢性病隨訪”的專項AI工具，推動科研成果臨床轉化。 (Barrons巴倫)