当AI记住了“妈妈的高血压”，医疗AI才真正开始“懂人”

分析师/竹心

校对/Tina

策划/Eason

过去几年，医疗AI行业一直在努力证明一件事：AI懂不懂医学？于是，模型参数、知识规模、评测成绩，成了竞争的核心指标。大模型不断刷新测试成绩，也让行业看到了AI进入医疗领域的巨大潜力。

但证明“懂医学”，和证明“能服务好一个人”，是两回事。

2026年，转折来了。医保政策首次将AI辅助诊断纳入国家目录，产业规模预计突破400亿元。AI不再被当作炫技工具，而是被期待成为医生和患者的可信伙伴。

但当AI真正进入健康服务场景时，一个更现实的问题开始浮现：AI能不能真正服务好一个人？

记不住病史、分不清用户、给不出风险边界——很多AI健康产品都卡在了这里。医疗健康从来不是一道标准化试题。一次咨询背后，往往连着患者过去的疾病经历、检查报告、用药情况、生活习惯，以及长期积累的健康变化。一个只会回答问题的AI，医学知识再丰富，也很难成为用户长期信赖的伙伴。

真正值得信任的医疗AI，得像一位好医生：既有专业判断力，也能理解患者的长期经历，还知道下一步该做什么、如何行动。

7月28日，智诊科技发布好伴AI 2026年中技术发布会，用医学垂类自研大模型WiseDiag V3给出了一条新路径——医疗AI的竞争，不是让模型变得更“大”，而是让它变得更“会”：会综合判断，会长期记住，会完整服务。

01更专业：不止是“读教材”，更要“会推理”

在医学领域，掌握知识体系是第一步。但读透教材，只是开始。

真正优秀的医生，需要把医学知识、临床经验和患者实际情况结合起来，在复杂信息中找到关键线索。医疗AI的发展也是如此——拥有大量医学知识，只是进入医疗场景的门票，真正的考验在于：面对一个具体的人，AI能否理解不同信息之间的关联？

同样是“头晕”——对年轻用户，可能涉及睡眠、压力等因素；对一位有高血压病史、长期服药记录的老人，则需要结合疾病史、检查结果和用药情况进行综合判断。医疗场景对AI提出的核心要求，恰恰是理解疾病之间的关联、指标变化背后的意义、不同健康背景下的风险差异。

这也是好伴AI此次升级首先关注的方向。

作为好伴AI背后的技术底座，医学多模态大模型WiseDiag长期聚焦医学垂直领域能力建设。与通用大模型调用微调的路径不同，WiseDiag坚持医学垂域自研路线——每一层参数、每一次训练都在医学语境中完成，通过医学知识增强、多模态医学理解、RAG检索增强等能力，让模型能够结合专业知识和真实医疗信息进行分析。

但医疗AI真正的突破点，在于模型能否理解医生判断背后的逻辑。

一位经验丰富的医生面对“头晕”患者，需要同时调动神经内科、心血管科、耳鼻喉科等多个方向的经验。WiseDiag V3采用专家模型融合技术，针对不同医学专科分别训练模型，再将判断能力融合到一个统一的医学大脑中。

模型学的不只是答案，更是临床推理的路径——智诊科技联合50余位三甲医院专家，对3万余例真实病历进行深度拆解，不仅标注“是什么病”，更探究医生“为什么这么判断”。

如果说以前的医疗AI更像一位掌握大量知识的“实习医生”，WiseDiag V3的目标，则是进一步向“主治医生”的思考方式靠近：能够关联多维医学信息，理解疾病之间的关系，并明确判断下一步方向。

但医疗场景中的专业判断，还必须建立在安全边界之上。

医疗场景中，错误的沉默比错误的回答更危险。WiseDiag V3引入生成式奖励模型（GRM），从准确性、完整性、安全性、可读性等多个维度实时评估模型输出，并反向优化生成策略。这意味着好伴AI的升级，不仅体现在回答更多问题，更体现在能够更谨慎、更专业地处理复杂健康问题——在不确定时主动表达不确定，而不是用自信的语气给出可能错误的答案。

这些升级也体现在第三方评测中：WiseDiag V3在HealthBench Hard（48.9分）、HealthBench Professional（55.3分，超过GPT-5.4和真人医师撰写回答）、MedXpertQA文本推理（56.4分）等多项医学AI评测中取得领先成绩。

02更懂你：不止是记住过去，更要理解现在

如果说模型跃迁解决的是：AI是否具备专业医学判断能力。那么“更懂你”解决的是：AI是否真正了解用户。

一位值得信任的医生，不只是知道疾病是什么。他知道患者是谁——知道过去发生过什么，知道曾经接受过什么治疗，知道哪些变化需要持续关注。这也是医疗AI长期服务中最重要的一环。

过去，很多健康AI产品采用单次对话模式，用户每次咨询都需要从头交代疾病史、检查结果、用药情况。更麻烦的是，家庭健康管理天然具有复杂性——今天问父母的血压，明天问孩子的疫苗接种，后天问自己的体检报告。用户不是在问问题，是在做自己的健康档案管理员，每切换一个人就要手动切换档案，忘记切换就会张冠李戴。

一句“老毛病又犯了”，真正重要的问题是：是谁的老毛病？

好伴AI的做法很简单：让用户回归自然表达，把“切档案”交给系统。当用户说“我妈老毛病又犯了，最近又头晕”，系统会自动识别“妈妈”这个家庭成员，并把妈妈的病史、用药、过敏记录、最近体检报告和上一次咨询一并带入当前对话。同样一句“头晕”，20岁年轻人和65岁高血压患者的风险判断完全不同。“懂你”的关键，就是把病史、用药和报告变成这一次判断的依据。

这一能力背后，是长期记忆系统的全面升级。它并不是简单保存记录，而是通过信息抽取、结构化处理和动态更新，将分散在不同时间的健康信息沉淀为可调用的健康档案——包括疾病史、检查报告、用药记录、过敏信息、家庭成员关系等。

智诊科技团队也曾分享一段真实经历。产品负责人两岁的儿子小鱼，半年里连续住了三次院——腺病毒肺炎、合胞病毒肺炎、甲流肺炎。由于每次就诊面对不同医生，很难有人完整串联此前几个月的健康经历。第三次住院时，他把血液报告输入好伴AI，系统结合此前信息进行分析，推送了一条预警：“半年内三次感染发展为肺炎，建议排查免疫功能异常。”他拿着这个提示去加做了检查，结果显示小鱼存在免疫蛋白缺乏。对症治疗后，一年多过去了，孩子再没住过院。

长期记忆的价值就在于此：不是记住一次对话，而是把散落在不同时间、不同报告里的信息串成一条线，在关键时刻发现人容易忽略的模式。半年内三次住院、三种不同病原体、同一患者的免疫背景——把这些碎片放在一起审视，需要的不是单次门诊中一位医生的即时判断，而是跨时间、跨科室的信息整合能力。这恰恰是AI在医疗中最不该被低估的能力。

真正的个性化健康服务，建立在对人的持续理解之上。长期记忆的意义，在于让健康数据形成连续轨迹，在关键节点发现容易被忽略的信息，让每一次判断都有据可依。

03更会服务：不止“回答问题”，更要“解决问题”

模型能力提升、长期记忆建立之后，医疗AI还需要解决服务落地的问题。

信息本身不是服务，真正构成服务的，是那些可执行、能落地的行动建议。过去，用户询问健康问题时，AI通常完成一次问答就结束。但真实健康场景中，用户往往需要更多支持：是否需要补充信息？哪些风险需要优先关注？下一步应该采取什么行动？

好伴AI 的第三层升级，就是要补齐这个闭环。

基于全新的Z-loop智能对话框架和Loop Agent智能体服务逻辑，好伴AI让健康咨询从单轮问答走向动态服务流程：理解用户需求→主动追问关键信息→调用健康档案→检索医学依据→综合判断→形成行动建议。这不是一个线性的流程，而是一个动态循环——每一步都可能根据新信息回到上一步重新调整判断。

用一个真实的复杂病例来感受这个过程。

52岁女性，因急性脑梗入院。没有房颤、高血压、糖尿病等常见危险因素，心脏超声未见分流，但血氧偏低，肺通气灌注显像提示双肺多发灌注缺损。最可能的病因是什么？

很多AI看到V/Q灌注缺损，第一反应是“肺栓塞”。但好伴AI没有停在这里——它把几条线索放在一起重新审视：如果是肺栓塞，脑梗怎么解释？持续低氧怎么解释？心脏超声没有分流，栓子怎么到的脑血管？

三条线索同时指向一个方向：问题不在心脏，在肺。肺里可能存在一条异常的血管“捷径”——静脉血绕过正常的气体交换直接进入动脉系统，既造成了低氧，也让小血栓能够“抄近道”进入脑血管。这在医学上叫肺动静脉畸形（PAVM）。最终，好伴AI给出的行动建议是：做肺血管CT造影确认、评估介入栓塞治疗、抗凝方案需神经内科和介入科共同评估。

这个案例体现的，正是医疗AI从“回答问题”到“辅助复杂推理”的跃迁。不满足于第一反应，主动把矛盾的线索摆在一起交叉验证——这是“会服务”与“会回答”的分水岭，也是医疗AI从辅助工具走向可信赖的临床伙伴的关键一步。

04医疗AI的“一对多”普惠时代

所有医疗AI都在努力答卷。但下一阶段，比拼的不再只是单点技术突破。能否在真实场景中跑通一个可规模化、可信任的服务闭环成为未来竞争的焦点。

好伴AI是智诊科技面向用户的入口，而真正的竞争力，藏在水面之下——一套面向全行业开放的技术能力底座。

这套底座由三个层级构成：模型层（MaaS）提供医学对话、多模态理解和长文本病历分析能力；智能体层（AaaS）输出体检报告研读、慢病随访等即插即用模块；场景层则为医院快速克隆专家数字分身、搭建科研辅助平台。三层协同，共同构成可被行业直接调用的专业能力体系。

从WiseDiag V3到好伴AI，智诊科技正在探索的，是让医学知识、长期记忆和智能服务真正连接起来。模型、记忆、服务三条线的同时跃迁，意味着医疗AI正在从单一模型能力竞争，进入系统能力竞争。

这一判断已有现实支撑。目前，相关能力已在全国300多家医院部署，建立2000+专家分身，累计服务超过2000万人次。用户感知到的每一次能力提升，背后都是行业基础设施的一次升级。底层能力已从项目制交付，转向规模化、可复用的服务输出。

这一跃迁也恰好契合行业正在形成的新共识。医疗AI的发展方向，正在从Cure Medicine（治愈医学）走向Care Medicine（关怀医学）。过去我们更多关注“病怎么治”，未来更需要关注的是“健康怎么管”——健康管理的重心，正从后端救治转向前端预警、主动干预与全周期管理。

AI智能体是实现这一转向的关键，它将专家的知识、经验与诊疗逻辑转化为可调用的专业能力，让优质健康服务从“一对一”走向“一对多”。

一位行业医师的体验评价，或许可以作为这个行业转折点的注脚：

“AI考过执医我不意外。AI知道什么时候该告诉我‘去医院’，这才是让我放心的开始。”