从AI医生到AI医院，紫荆智康如何打开医疗AI的商业空间？

在医院之外，商业价值还可以进一步延伸。

过去几年，医疗AI的发展速度令人惊讶。AI能读懂医学影像，能回答专业问题，甚至在某些医学考试中取得超过人类平均水平的成绩。

技术很先进，但企业如何能够从中建立一门可持续的生意呢？

近期，医疗AI企业紫荆智康完成近亿元天使+轮融资，投资方包括尚势资本、仁爱资本、英诺天使，估值达数十亿元。

这家成立于2024年9月的企业，由清华大学智能产业研究院（AIR）孵化。其技术源头是清华刘洋教授团队发起的紫荆AI医院（Agent Hospital）项目。2025年4月，清华大学宣布成立人工智能医院，Agent Hospital为其提供核心技术支撑，紫荆智康则承担Agent Hospital的研发与应用落地。

从一个AI医生，到一套能够连接医院、医生、患者的系统，紫荆智康正在探索一条不同的技术路径。而这条路径背后，也隐藏着医疗AI更大的商业机会。

AI医生≠AI医院

但如果真正走进一家医院，就会发现AI医疗这件事，远不是和AI进行几轮对话那么简单。

一个患者从挂号、分诊、问诊、检查，到治疗、复诊和随访，需要经过多个科室，接触不同医生，信息还要在多个系统之间流转。即使AI能够完成某一个环节，也不代表整个就医过程就变得智能了。

问题不在于AI会不会看病，而在于它能不能真正参与医疗体系的运转。

紫荆智康首席产品官乔宇宸解释，医疗是一个高度互联的生态系统，如果AI始终停留在单点应用，很难带来系统性改变。这也是紫荆智康从一开始就选择做“AI医院”，而不是单独做一个“AI医生”的原因。

在它的产品体系中，目前已经有患者端、医生端、医院端三个应用入口。患者可以在就诊前完成预问诊、上传检查报告；医生能够获得病历整理、信息分析和诊疗辅助；医院则可以进行排班管理、资源调度和数据统计。

但三端产品只是看得见的表层。紫荆智康真正想建设的，是医疗AI的基础设施（Infra）：在底层将医生、患者、医院及不同医疗智能体连接起来，让它们共享工作流程、协同完成任务。

这与传统医院信息化系统存在明显区别。过去，医院信息化主要解决的是数据记录、管理和流转。进入AI时代，系统有机会进一步理解信息、分析需求，甚至主动参与任务协作。

另一个关键区别是，紫荆智康并不试图绕开医院。

与普通健康咨询不同，严肃医疗涉及问诊、开处方、治疗等专业环节，离不开医生的执业资质和责任判断。因此，在Agent Hospital的设计中，AI负责信息处理、辅助分析和提出建议，最终医疗决策仍由真人医生完成。

这种人与AI协作的方式，让技术能够进入真实医疗流程，也让紫荆智康有机会从一个AI工具提供商，向医疗基础设施研发与运营商转变。

AI需要融入医院、医生和患者的工作流程

紫荆智康的技术路线，并不是一开始就让AI进入真实医院。它首先在计算机里，建造了一家“虚拟医院”。

2024年，清华刘洋教授团队发布Agent Hospital相关研究，尝试构建由AI医生、AI患者等不同智能体组成的虚拟医疗世界。在这里，AI医生可以反复接诊模拟患者，经历不同病症、病程和治疗过程，不断提高医学能力。

这背后有一个现实问题：医疗数据尤其珍贵。

真实患者数据涉及隐私和合规，获取与使用成本很高。而仅依靠医学教材、论文和静态病历，又难以覆盖现实医疗中复杂多变的情况。

紫荆智康采用的SEAL技术路线，尝试通过“虚拟世界高通量训练+真实世界伴生式进化”的双世界进化机制解决这一问题。简单理解，就像培养一名医学生。先在学校学习知识、完成模拟考试，再进入医院，在实际工作中积累经验。

AI也是如此。在虚拟世界中，医疗智能体通过大量模拟诊疗学习；进入真实医院后，它开始与真人医生协同工作，医生对建议的采纳、修改和纠正，又成为其持续改进的反馈。

为什么要增加现实世界这一步？乔宇宸举了一个例子：面对普通咳嗽患者，纯粹追求排除所有医学风险的AI，可能倾向于建议大量检查。但有经验的临床医生还会综合考虑病情概率、检查必要性、患者负担和医疗成本。

好的医疗决策，不只是医学知识的堆积，更需要对真实场景的理解。

基于这一思路，紫荆智康进一步发展出“医生分身智能体”。

与通用AI医生不同，医生分身与特定真人医生关联，尝试学习其问诊风格、诊疗逻辑和风险偏好，并在医生监督下持续进化。其价值在于，让优秀医生的部分专业能力不再完全受限于工作时间和地理位置。技术也由此逐步走向现实。

2025年，Agent Hospital 1版本发布，系统开始进入实体医院测试。同年8月，系统在清华大学医院启动内部测试。2026年4月，线上虚拟诊室功能开放测试，医生和医学生可以通过与AI患者交互开展诊疗训练，构建自己的医生分身。到了10月，紫荆智康又向前迈出一步：从单个医生分身，发展到多个医疗智能体协作。

在新发布的MHAC多学科人机协作框架中，不同专科医生的分身智能体可以共同参与同一个医疗问题。例如，一位甲亢患者同时患有哮喘。内分泌科医生在制定治疗方案时，呼吸科医生分身可以从另一个专业角度提出用药风险提醒，最终由主诊医生综合判断。

过去，一次正式多学科会诊（MDT），往往需要协调多位专家的时间。而智能体协作，有机会把部分跨学科支持前置到普通门诊，甚至预问诊阶段。

这意味着，原本只有少数患者能够获得的多学科支持，未来可能覆盖更多医疗场景。

当然，新发布的MHAC目前仍处于应用推广初期。更能体现紫荆智康实际落地能力的，是此前医生分身在真实医院中的使用。

根据公司提供的数据，截至2026年7月，Agent Hospital系统已在北京、广西、无锡等地9家实体医院开展部署测试。其中，北京清华长庚医院已有18个临床科室开展门诊测试，40余位医生常态化使用。

根据院内数据统计，医生整体诊疗效率提升约30%；医生分身智能体在协同处理200个病例后，诊疗建议的完全或部分采纳率超过90%。

一位接受访谈的神经外科医生表示，系统在病历整理、术前讨论记录和信息汇总方面帮助明显，相关记录工作量据其个人经验可减少近一半。

从模拟训练到真实诊疗，再到多智能体协同，紫荆智康已经形成一条逐步深入医疗场景的技术路径。

而当AI开始真正融入医生的工作流程，一套系统的价值，也就不再只是模型本身的能力。

谁为医疗AI付费？

如果说前两年医疗AI行业主要在证明技术能做什么，那么下一阶段更值得关注的问题，就是谁愿意为这些能力付费。

传统医疗软件的商业模式相对简单：向医院销售系统，收取采购、部署和维护费用。但紫荆智康所瞄准的，是一个涉及医院、医生、患者、药企等多方参与者的医疗服务生态。

这意味着，未来的收入来源可能不只是一张软件采购订单。

首先是医院。紫荆智康团队介绍，公司商业化初期会通过与政府、医院及医疗机构开展科研合作、AI场景建设和技术服务，探索持续性的商业合作模式。

对于医院而言，AI带来的直接价值是效率和服务能力。如果医生不必再花费大量时间整理病史、录入病历，就有机会将更多精力用于患者沟通和医疗判断。效率改善还可能转化为增量服务能力。同样的出诊时间，医生有机会服务更多患者；医院可以在控制人力投入的情况下，改善医疗服务供给。

对于大型三甲医院，这意味着进一步优化现有资源；对于基层医院，则可能意味着获得过去难以配置的专业支持。

其次是医生。传统医疗服务高度依赖医生个人的时间。一位知名专家即使每天工作十几个小时，能够接诊的患者依然有限。医生分身提供了另一种可能。未来，基层医生可以通过授权调用高水平专家的分身，辅助完成诊疗分析；患者出院之后，也可以通过系统进行持续随访。优秀医生的专业能力，有机会从一次次面对面的诊疗，延伸到更多时间和地点。

由此，围绕医生分身调用、医疗机构服务采购、远程协作等场景，都可能形成新的收费模式。

第三类是患者。从预问诊、健康档案到诊后随访，AI可以让患者与医疗服务建立更持续的联系。

过去，患者往往只有在走进诊室时，才能得到医生相对集中的关注。医疗AI则有机会将部分服务延伸到就诊前和离院后。

这种连续性的服务能力，也为未来的个性化健康管理和增值服务提供了空间。

而在医院之外，商业价值还可以进一步延伸。

例如药企。临床试验长期面临患者招募困难、多中心协作复杂等问题。尤其一些患者分布在基层医疗机构，传统招募方式很难高效覆盖。当Agent Hospital未来连接更多医疗机构，在满足数据合规和研究伦理要求的前提下，便有机会帮助药企提高患者筛选、临床试验招募和真实世界研究的效率。其商业价值不再只是提供一个算法，而是参与医药研发的重要服务环节。

另一个方向是医学教育。虚拟诊室和模拟患者可以用于医生培训、诊疗能力评估及医学教学，让底层技术进一步拓展至非临床服务场景。这些业务背后存在一个共同逻辑：紫荆智康试图让医疗AI从单一功能，转变为能够被不同产业参与者调用的基础能力。

对于资本市场而言，这种平台化的商业逻辑也提供了新的估值视角。

一家传统软件公司的增长，通常依赖客户数量、软件采购和续费收入。而医疗AI基础设施一旦形成规模化应用网络，潜在收入就可能延伸到更多参与者和服务场景。它连接的医院越多，覆盖的医生和患者越广，能够承接的医疗任务与生态合作机会也可能越丰富。

这也是产业背景投资方关注医疗AI的重要原因。

本轮融资中，尚势资本和英诺天使都作为老股东选择继续追投。

其中，尚势资本合伙人刘晓磊长期关注AI技术发展给医疗行业带来的变革，认为紫荆智康通过“虚拟医院+可进化智能体”技术路径，背靠清华学科与临床资源，有望重塑医疗供给、缓解基层医生短缺，兼具巨大社会价值与商业机遇。英诺天使投资人同样看好Agent hospital技术所打造的AI原生医疗全域生态系统。公司最新发布的医生分身智能体，帮助人类医生突破时间、空间和语言限制实现规模化服务，实现了优质医疗资源的下沉与平权，使偏远、落后地区的病人享有最优质医疗服务成为可能。

从这个角度看，资本对医疗AI的判断标准也在发生变化。除了模型能力本身，技术能否持续进化、能否稳定转化为产品，以及团队是否具备长期拓展场景的能力，正在成为更重要的考量因素。

放眼国际市场，医疗AI同样正在成为资本关注的方向。以美国OpenEvidence为例，其通过医学证据检索与辅助决策切入医生工作流程，并探索与医药产业连接的商业模式。

虽然不同企业选择的路径不同，但它们都在尝试回答同一个问题：医疗AI如何从展示技术能力，走向真正参与医疗服务并创造商业价值。

当越来越多的医疗智能体进入真实诊室，未来医疗AI的竞争，或许不再只是看谁拥有最聪明的AI医生。更重要的是，谁能把这些智能体连接起来，让它们真正成为医疗体系的一部分。

而一家医疗AI公司的商业价值，也可能由此被重新定义。

图片来源｜AI生成