当行业还在卷参数和评测榜单时，一家港股 AI 医疗公司用 12 年沉淀，把 AI 真正「焊」进了三甲医院的诊疗工作流——并率先跑通了商业闭环。

软件工程领域，Claude Code 改变了「AI 应该停留在哪里」这个问题的答案。它告诉行业：AI 不应该停在对话框里，应该走进生产系统，以「任务执行者」的身份端到端完成复杂工程任务。那么，同样的范式转移能不能在医疗领域发生？

01

为什么是 Claude Code

为什么是医疗

过去一年硅谷讨论度最高的 AI 产品之一，是 Anthropic 的 Claude Code。它的特别之处不在于「会写代码」——这件事 GitHub Copilot 早就在做。Claude Code 真正改变的是：让 AI 第一次以「任务执行者」的身份进入开发者的代码库，读取上下文、编辑文件、运行测试、修复报错，最后交付可审查的结果。开发者的角色，从一行行敲键盘的「码农」，变成定义任务、审查结果的「决策者」。

这是软件工程的一次范式转移。所以问题自然来了：如果 AI 能改写程序员的工作方式，它能不能改写医生的？答案是：可以，但路径完全不同。而且这条路径，远比 Claude Code 走过的要难。医疗和软件开发之间，有几条不可逾越的差异。

容错率不同。代码写错了可以回滚，患者不能。最终签字的责任在医生身上，不能转嫁给 AI。

工作流不同。医生面对的是病历、检验、影像、病理、基因、用药史、医保规则、患者意愿，散落在十几个系统里，大量是非结构化文本。

信任机制不同。医生信任 AI 需要的是循证——这条建议来自哪条指南、哪篇文献、证据等级是什么、能不能一键追溯。

这三条决定了一件事：医疗 AI 不可能复刻 Claude Code 那种「统一交互、端到端执行」的形态。它必须更克制、更嵌入、更可审查。而医渡科技给出的答案，正是沿着这条更难但更对的路径走的。

02

架构上的惊人相似性：

工具与底座的完美融合

Claude Code 之所以强大，是因为它不止懂代码（LLM），它还能用工具（Terminal、Git、Linter、Grep）。医渡科技的「混合智能」在架构设计上与这种高级 Agent 架构完全同构。

在这个体系里，DeepSeek V4 负责强大的泛化推理和底座支撑，而那 280 多个智能体和疾病小模型，就像是 Claude Code 里一个个特定命令行工具（比如查某一类癌症的分期、算某个药物的代谢毒性）。它们在 Agent 架构下被有机地调度起来，完成了从「文字生成」到「严谨逻辑推理」的质变。

03

医渡的工程答案：

不是更大的模型，

而是嵌入工作流的医疗智能体系统

医渡科技没有走所谓「最强医疗基础大模型通吃所有问题」这条路——该方向推进缓慢、结果未知且离交付医疗最终价值依然有若干鸿沟。企业聚焦更加落地实用的混合智能体系：一方面对通用基础模型进行适配与后训练形成医疗垂类大模型 Yidu LLM Pro，另一方面通过有机的结合循证证据和经典的人工智能技术，形成单场景智能体矩阵，以及多智能体协作引擎，实现基座整体赋能、场景任务可单点优化、复杂任务多智能体协作的技术架构。整套架构可划分为四个层级。

第一层：通用大模型底座。接入 DeepSeek V4 等顶尖通用大模型，负责提供通识推理能力。这一层选择「拿来主义」而不是自研——把烧通用算力的钱，省下来花在医疗专属能力的构建上。每次通用大模型能力的提升对于医渡超级智能体系统不是冲击，而是更好的助力。

第二层：医疗能力激活。用高质量医疗数据对底座做监督微调（SFT）和强化学习（RL），让通用模型理解医疗语言、临床推理、专业表达。支撑这一层的是医渡的核心算法引擎 YiduCore——累计处理分析超过 13 亿患者人次、近 70 亿份经授权医疗记录，疾病知识图谱基本覆盖所有已知疾病。即便最优秀的医学生也需要经年累月的临床真实世界经验才能成为一名优秀的专科医生，YiduCore 模拟医生的决策推理逻辑，按照疾病演化过程建模，在真实世界中反复校验迭代，成为真正懂疾病的 AI。

第三层：医疗专业增强。医渡科技的超级智能体系统是由多个场景智能体组成，每个场景智能体的实现路径是通过工作流将大模型、小模型、临床指南、知识图谱、医学计算器有机整合，而非单纯依赖大模型生成。这使得智能体原理可解释、过程可控制、结果可溯源可复现——而这三条，恰恰是医疗决策中不可妥协的底线。

第四层：智能体调度与协作。通过基于患者诊疗时间轴的数据共享及多智能体协同架构，构建智能体统一调度引擎，由医渡智循对 280 多个专科专病智能体进行统一调度与协作，形成覆盖不同疾病诊疗全流程的超级智能体系统。

这套体系最令人印象深刻的工程能力之一，是超级智能体的主动任务规划能力。它不仅能针对具体问题调用具体智能体，更能根据患者的病情和治疗阶段，自动规划每日的智能体调度任务。

这套机制的目标不是回答一个孤立的医学问题，而是围绕一个真实患者，结合医生输入的治疗思路、预算、偏好和风险约束，生成治疗期间的每日诊疗计划——从额外检查需求、诊断分期、方案选择，到不良反应预测、疗效预测，乃至病历文书的生成。

如果说架构决定了「能做什么」，那形态决定了「医生愿不愿意用」。医渡做了一个看似保守、实则关键的选择：不强求医生切换到一个全新的 AI 界面，而是把智能体「隐形」嵌入医生既有的电子病历和诊疗工作流中。

这个选择背后是对医疗本质的尊重。医生在临床场景下，每一次决策都要承担法定责任——AI 可以是副驾驶，但不能替司机签字。医渡的智能体始终把医生放在「审查者」的位置：AI 生成建议，医生采纳、修改或拒绝，每一个动作都由医生最终确认。这看起来比 Claude Code 那种「端到端执行」少了一些惊艳感，但在医疗这个场景里，懂得克制才能够走的更远。

04

为什么这套体系正在产生复利：

三个真实世界的飞轮

第一个飞轮是循证兜底，让 AI 的每一句话都可追溯。医疗 AI 最大的信任危机叫「幻觉」。医渡的解法叫「医渡智循」——一个临床循证智能体，也是整个 280 多个智能体矩阵的调度核心。针对用户提出的临床问题，医渡智循会从超过 3 万份权威指南和 2000 万篇高质量文献中实时检索权威证据，形成带证据的意见汇聚。每条意见都附有具体的指南出处、文献来源和证据等级，做到句句可溯源，医生可一键跳转原文审查。这相当于给所有医疗智能体的「创造力「加上了循证的缰绳——让 AI 的答案不仅准，还可解释、可追溯、可审查。

第二个飞轮是工作流飞轮，医生每一次修改都是最贵的训练数据。当医生在 Copilot 里把 AI 推荐的「激进+手术」方案改成「保守+化疗」，或者在每日诊疗计划里删掉某一项检查——这每一次修改、每一次拒绝，都是高确信度的医疗标注数据，在医生完全无感的情况下，反哺底层模型和专病预测模型的迭代。这套机制解决了医疗 AI 行业一个长期的悖论：高质量医疗标注极其昂贵，但产品如果不先用起来，就拿不到标注。医渡通过嵌入工作流，让医生的每一次日常使用自然产出标注——用得越多，模型越准；模型越准，医生越愿意用。

第三个飞轮是疗效飞轮，真实世界结局反哺整个系统。这是 Claude Code 没有的维度，也是医疗 AI 最难、但价值最高的反馈环。AI 推荐的方案，患者吃了药、做了手术，最终的肿瘤缩小率、住院天数、不良反应发生率、生存期——这些真实世界的临床结局会回流到系统，反哺专病预测模型和知识图谱。代码的反馈是「编译通过」，医疗的反馈是「患者好转」。前者以秒计，后者以月计、以年计。但正因为这个反馈如此难得，一旦跑通，它形成的壁垒就是任何通用大模型公司靠堆算力都无法跨越的。

落地数据已经验证了这件事。在中山大学肿瘤防治中心, 临床 Copilot 日均调用接近 1000 次, 覆盖约 70% 的医护人员。以「医渡智循」循证引擎为底座的解决方案已落地 40 余家三甲医院, 深度参与超过 50 万次诊疗决策。70% 医护渗透率——在医疗 AI 这个「医生最难被打动」的行业里, 这是真正的产品力证据。

05

三个飞轮咬合的结果：首次全年盈利

5500 万—7000 万元人民币——这是医渡科技预计 2026 财年（截至 2026 年 3 月 31 日）实现的净利润，也是公司成立 11 年以来，首次实现全年盈利。花旗研报判断：医渡科技的盈利拐点已经确立。

更早一些的中期业绩里，已经能看到拐点信号：总收入同比增长 8.7% 至 3.58 亿元；经调整 EBITDA 较去年同期翻倍至约 5400 万元，比管理层原预期提前了整整一年。公司将其归因于「产品融入 AI 能力后持续升级，有效提升了产品价值主张及市场竞争力，带动核心业务板块新订单显著增长「——不是讲故事讲出来的盈利，是 AI 产品真的被市场买单了。

在国内 AI 医疗赛道，这是港股上市公司里率先公告「AI 驱动全年盈利」的一家。

06

医疗 AI 的 Claude Code 时刻

意味着什么

Claude Code 改变的是「AI 应该停留在哪里」。它告诉行业：AI 不应该停在对话框里，应该走进生产系统。医渡科技在医疗这个最难的行业里，做的是同一件事——只是它选择了一条更稳健、更尊重医疗本质的路径。

280 多个智能体没有取代医生，而是变成了医生手边最顺手的工具；每个智能体的工作流机制确保过程可控、结果可溯；超级智能体的主动规划能力，让 AI 从「被动响应」进化为「主动协作」；循证兜底让 AI 的每一句话都站得住脚；Copilot 嵌入没有牺牲产品的高级感，反而换来了 70% 医护渗透率和首次全年盈利。

当行业还在卷参数和评测榜单的时候，医渡选择卷的是另外几件事：12 年沉淀下来的医疗数据资产、能让 AI 溯源到指南文献的循证工程、以及一套真正在三甲医院跑通的智能体调度体系。这三件事加在一起，让医疗 AI 第一次有了和 Claude Code 同一个量级的、关于「AI 如何真正改变一个行业生产力「的样本。

如果说 Claude Code 是软件工程的「GPT 时刻」，那么医渡科技这套医疗超级智能体，正在让医疗行业看到属于自己的那个时刻——AI 不再是演示文稿里的功能，而是医生每天打开电脑就在用、医院愿意持续付费、患者实际获益的临床伙伴。

*头图来源：视觉中国

极客一问

你如何看待医疗 AI ？