当白皮书走进卫生院：AI智能体距离基层医疗还有多远

楔子：两本白皮书

2026年6月，两本关于"智能体"的报告几乎同时发布。

一本是《2026医疗智能体应用发展白皮书》，在大模型应用大会上高调解读。政策从"AI+医疗"升级为"智能体原生建设"，市场预测220亿，三甲医院纷纷上马智能体项目——河南省医的眼科筛查智能体、北医三院的三位一体院内智能体系、百度的全品类门诊辅助智能体。白皮书给了一个清晰的信号：医疗智能体不是可选项，是刚需。

另一本是腾讯云开发者社区的一份行业调研：79%的企业已经启动了AI Agent部署，但真正跑通的，只有2%。

77%的落差。

两本白皮书放在一起看，就是今天要讲的事。

核心问题：为什么政策就位、技术成熟、资本涌入之后，AI智能体距离基层医疗依然隔着一条看不见的河？

一、白皮书里的未来很满

先看白皮书说了什么。

政策层面上，2026年的信号前所未有地密集。政府工作报告明确"深化拓展人工智能+"，三部门联合发布《智能体规范应用与创新发展实施意见》，国家卫健委提出2030年基层诊疗智能辅助应用基本全覆盖。医疗智能体的政策逻辑，正在从"鼓励探索"转向"规范牵引、场景落地、价值验证"。

产业层面上，趋势同样清晰。2025年中国医疗AI解决方案市场规模182亿元，CAICT预测2026年将突破220亿，增速20%以上。AI智能体相关产品贡献度超过30%。NMPA对AI医疗器械的审批周期缩短至6个月以内，2026年三类证获批数量预计同比增长50%。

白皮书列举了多家落地实例：河南省医眼科筛查智能体、北医三院院内智能体系统、医渡联合三甲医院的肿瘤分期智能体，联影、讯飞、东软、天士力等企业分别在影像、超声、介入、中医药领域落地专项智能体产品。

听起来，AI智能体在医疗领域已经遍地开花。

但请注意一个细节：白皮书中提到的所有落地案例，全部来自三甲医院。

没有一家卫生院。

二、卫生院的真实水位

我做了十几年基层医疗信息化。HIS、慢病管理、分级诊疗——这些词对别人是政策文件里的概念，对我来说是日常要面对的系统、接口和用户。

基层医疗的IT基础设施是什么水平？说几个真实场景。

第一，网络。很多卫生院的网络带宽跑一套HIS系统已经吃力，挂上医保结算还要排队刷新。你要在上面跑一个需要实时调用大模型API的AI智能体？它连稳定连接都做不到。

第二，硬件。乡镇卫生院的电脑，XP系统还在服役的不在少数。能跑Windows 7的已经算新款。你让这些机器跑端侧AI模型——不是能不能的问题，是根本不能的问题。

第三，数据。基层医疗机构的数据，分散在HIS、公卫、妇幼、慢病管理、医保结算等五六套系统里，各自为政。有的系统之间从来不通，数据迁移靠U盘拷贝，更别提给AI智能体提供一个可用的数据底座。白皮书里反复强调的"打通数据孤岛"，在基层的现实中，很多时候你面对的不是孤岛，而是空白。

第四，人。一个卫生院的信息科，通常就是一个人——这个人还同时管水电维修。你跟他讲"多智能体协作"和"MCP协议"，他只会问你：装上这个，医保能多报几块钱？

2026年1月，新华社有一篇报道引用了某AI企业负责人的观察：AI产品"下基层"的挑战集中在四方面——基层网络与硬件条件薄弱，综合成本压力大，产品与基层实际工作流脱节，医护人员缺乏使用动力与能力。这个判断精准但不够痛。真正的痛点是：当你站在卫生院的挂号窗口前，你会意识到，白皮书里讨论的"智能体自主完成任务拆解、主动协同业务"，和窗口后面那台开机要三分钟的电脑之间，隔着至少十年的技术代差。

三、79%到2%的鸿沟，医疗领域一个不少

腾讯云那份报告拆解了AI Agent落地的四大陷阱：没有明确痛点、幻觉失控、安全风险、遗留系统泥潭。每一个，在医疗领域都被放大。

先说没有明确痛点。白皮书把医疗智能体的应用场景写得天花乱坠，但你去问一个卫生院院长"你最想用AI解决什么问题"，他的答案不会是什么"多智能体协同"和"全流程业务重构"。他最想要的，可能是"帮我把病历写完别出错""帮我把医保结算算对""帮我把慢病随访做了别漏"。这些需求不性感，但它们是真的。而白皮书里那些"性感"的能力——AI自主完成患者预问诊、检查单开具、随访计划制定——在卫生院的日常工作流里，首先要填的坑不是算法，是流程本身就不标准。

再说幻觉失控。在长链条任务里，AI Agent每一步都可能出错。4步任务，只要一步错，全链条崩盘。腾讯云的报告说，2026年的技术进步让任务成功率从68%提升到89%，但剩下的11%在长链条里会被无限放大。这意味着什么？在医疗场景里，一个错误的诊断建议造成的后果，不是一个"抱歉，我重试一下"能解决的。医生的专业判断是最后一道防线，但这道防线在基层本身就薄弱——基层医生在AI给出错误建议时，能不能识别出来？如果不能，AI不仅没帮上忙，还添了乱。

然后说安全风险。46%的企业担心AI Agent的数据泄露问题。医疗数据的敏感性远超一般企业数据——一份完整的电子病历，包含了从身份证号到疾病史的全部隐私信息。基层医疗机构的网络安全防护水平，坦白说，能保证HIS系统不被勒索病毒打穿就已经谢天谢地了。让AI智能体在这些系统上读取数据、调用API——安全审计这一关，绝大多数卫生院根本过不了。

最后说遗留系统泥潭。这是我最想说的一点，因为我每天都在跟它打交道。基层医疗的信息化系统，是过去二十年一层一层叠上去的。第一层是2000年代的HIS基础版，第二层是2010年代的公卫系统，第三层是后来的医保接口、慢病管理模块、区域信息平台。每一层都不是为AI准备的。很多系统没有API，数据格式不统一，接口文档早就丢失。让AI智能体接入这些系统，不是改几行代码的事，是要把一栋老房子的墙都拆了重新布线。腾讯云报告里提到的"强行改造成本爆炸"，在医疗领域不是夸张，是日常。

这就是为什么79%的企业搞AI Agent，只有2%跑通。而基层医疗，可能是那77%里面最艰难的一批。

四、不只是技术问题

如果只是技术问题，那砸钱就是了。基层网络不行？升级带宽。硬件太老？换新设备。数据不通？重新做集成。

钱从哪来？

基层医疗机构的经费来源以财政拨款为主，服务收入有限。一个乡镇卫生院的年信息化预算，通常在几万到十几万之间——这还包含了HIS系统的维保费。而部署一套AI智能体系统，光是基础硬件升级和接口改造，就可能耗掉它一年的信息化预算。更不用说后续的运维成本——白皮书里提到的"医院端选型决策难、系统对接落地难、长期运维成本高"的三重难题，在三甲医院是管理问题，在卫生院是生存问题。

但比钱更难的是另一件事：组织惯性。

《置身钉内》里有一段话说得很好：「技术可以迭代，组织惰性、权限体系、汇报文化比技术债更难还清。」这句话放到基层医疗，一样成立——甚至更对。

基层医疗的工作模式，是围绕"上面考核什么、下面做什么"建立的。公卫考核、慢病管理率、签约服务覆盖率——每一项指标都对应一套固定的工作流程。你引入一个AI智能体，它不只是替换一个工具，它要改变整个工作习惯。村医填了二十年的纸质随访表，你让他突然信任一个AI生成的随访建议——这不是能力问题，是信任迁移问题。

而那2%跑通AI Agent的企业，做对了几件关键的事：小切口进入（高频、高价值、边界清晰的场景）、人在回路（关键决策人工确认）、非侵入式架构（不对遗留系统大动干戈）、白盒治理（每一步可追溯可审计）。

这些方法论，在基层医疗的应用，可能要从更小的地方说起。不是"AI全科医生"，而是"AI帮你把慢病随访名单排好""AI帮你把医保结算异常标记出来""AI帮你把今天该打的疫苗提醒一下"。从小到不能再小的切口开始，从"已经信息化但还不够智能"的环节切入，从村医愿意相信的那个瞬间开始。

尾声：河的两岸

回到开头那两本白皮书。

白皮书一号说，医疗智能体的时代来了，220亿市场，国家战略，产业拐点。白皮书二号说，79%做了，2%跑通，剩下77%卡在Demo、成本、安全、遗留系统里。

两本白皮书之间，是一条河。

河的这一边，是三甲医院的AI影像诊断、多智能体会诊、全流程业务重构。河的那一边，是卫生院里开机要三分钟的电脑、U盘拷贝的数据、一个人管信息又管水电的信息科主任。

白皮书写满了对未来的规划，但规划落地，需要有人站在河的另一边，真正理解基层的真实水位。

我在河的那一边站了十几年。我知道那个水位的深浅。

好消息是，水位在涨。2026年上半年，全国基层医疗机构AI诊疗设备采购量同比增长超60%。浙江计划实现乡镇卫生院AI辅助诊断设备全覆盖。每次政策文件里多写一个字"基层"，就多一寸水位。

坏消息是，水涨了，闸还没开。在闸的两边，不只是技术问题——是预算问题、是组织问题、是工作习惯问题、是信任问题。《置身钉内》里讲的"每日一包"组织记账法——对一件事：可截图的算进展，不容易显影的（数据底座、流程标准、人员培训）不算进展——在医疗AI落地中也一样在发生。

真正需要投入的不是模型能力，是能让模型发挥作用的基础设施。

没人在白皮书的扉页写这句话。但每一个在基层做过信息化的人都知道。