不再单打独斗，腾讯医疗AI“组团上岗”
不再单打独斗，腾讯医疗AI“组团上岗”
2026年11月01日 09:0
深圳商报·读创客户端首席记者袁静娴
一项原本需要5天的药物调研任务，如今缩短至2小时； 医药流通 中繁琐的药品对码工作，效率提升了10倍；一家 医院 无需重新开发APP，两周便能让AI接入原有就医服务流程。
这些发生在 医院 和药企里的变化，正在成为医疗AI的新竞争点。
过去，AI更多是独立的问答工具，导诊、报告解读、药物调研等功能往往各自运行。如今，随着AI Agent技术发展，不同模型、工具和专业知识开始被组织起来，协同完成具体任务。
10月29日，在深圳举行的2026腾讯全球数字生态大会智慧医疗专场上，腾讯健康正式发布“医疗AI Agent工具箱”，将此前分散在 医疗服务 、 医药流通 、科研等场景中的AI能力整合为可组合、可调用的标准化工具，试图让医疗AI从单点应用走向业务协同。
“我觉得这里未必是简单的‘收拢’，更重要的是把过去沉淀的能力变得更加原子化、标准化，让不同的平台和Agent都可以调用。”大会前夕， 腾讯云 副总裁、腾讯健康负责人吴文达在接受记者采访时表示。
从 医院 到药企，从患者服务到生命科学研究，医疗AI正在尝试从“会聊天”的助手，变成能够参与具体工作的智能体。
不再各自为战，医疗AI为何需要“组团”？
过去几年，医疗 AI应用 不断增加，但一个现实问题也随之显现：不同场景往往需要单独开发、部署和维护，底层能力难以复用。
吴文达介绍，腾讯健康此前已在医院服务、个人健康管理、医药企业及科研机构等领域积累了大量产品和能力，但每进入一个新场景，往往需要重新开发和交付，成本较高。“过去国内很多企业软件的定制化程度比较高，每进入一个新客户，都可能需要重新开发一套东西，成本很难规模化。”
此次发布的医疗AI Agent工具箱，正是希望改变这一模式。
据介绍，工具箱分为三层：底层提供算力、安全沙箱等基础能力；中间整合模型、医疗专业知识及标准化技能；上层则通过腾讯健康小程序、开放平台、WorkBuddy企业版等不同入口，服务患者、医院和药企。
换句话说，过去需要分别开发的功能，如今可以像搭积木一样组合起来，让不同Agent根据任务调用相应工具。
但医疗行业的工作流程高度个性化。不同医院的挂号、病历、检验系统各不相同，药企和科研机构也有自己的业务规范。标准化工具如何适应这些差异？
吴文达认为，“开箱即用不代表所有企业、医院都使用完全一样的工作流程，而是把共性的基础能力提前做好，让用户可以根据自己的习惯进行组合和配置。”
他还提出一个变化：过去是人适应软件，如今可以让AI更多地适应人的工作习惯。
这也意味着，腾讯健康并不打算把所有 医疗服务 集中到一个新APP。患者仍可使用熟悉的微信公众号、小程序，医院员工可以通过WorkBuddy工作，科研人员则继续使用专业平台，由不同入口调用所需的AI能力。
从医院到药企，AI开始接手具体工作
对患者而言，去医院看病，难的通常不只是挂号。不知道该挂哪个科室、看不懂检查报告、忘记医生的用药叮嘱……即使医院已经开通公众号和小程序，就医过程仍存在不少信息断点。
腾讯健康此次选择的路径，是不要求医院重新建设AI入口，而是在原有服务体系中增加智能能力。
广州医科大学附属妇女儿童医疗中心是其中一个案例。据介绍，该院通过微信公众号AI分身与就医Agent协同，让AI分身负责基础院务咨询，专业导诊、预问诊、报告解读等需求则转交就医Agent处理，并衔接医院后续服务流程。
整个轻量化对接过程约两周，医院无需改变原有服务入口。“我们的定位是用AI帮助医院改善自身的服务能力，而不是替代医院成为 医疗服务 主体。”吴文达说。在他看来，AI不仅能够帮助医院回答患者问题，还可以通过分析高频咨询、流程堵点等信息，辅助医院优化服务。
医疗AI的应用也在向医院之外延伸。
在 医药流通 领域，药品名称、规格、编码及配送单据的核对，长期需要投入大量人工。腾讯健康披露， 1药网 将WorkBuddy融入相关业务流程后，药品对码效率提升了10倍。在医药研发领域， 东阳光药 业利用AI处理部分药物调研工作，将原本需要5天完成的任务缩短至2小时。
这些变化主要发生在信息收集、核对和整理等重复性较高的环节。
“AI比较容易率先产生价值的场景，通常是重复性高、需要大量人工核对、信息处理量很大的工作。”吴文达说。
深圳企业也在参与这一轮探索。
今年9月，腾讯健康与深圳 华大基因 科技有限公司达成合作，将WorkBuddy企业版与华大生物智能分析平台及科研 AI智能体 结合。目前，双方已落地14个Skill、3个专家和1个连接器，涉及空间转录组、基因变异检测等专业场景。
吴文达认为，通用大语言模型并不能解决所有专业问题。例如蛋白质结构、生物分子分析等科研任务，仍需要专业模型和工具。Agent的价值，是根据任务需求调度不同能力，而不是依靠一个大模型完成所有工作。
AI“上岗”之后，谁来付钱、谁来负责？
当AI开始参与更多医疗工作，技术之外的考验也随之出现。
与普通互联网应用不同，医院引入AI并不只是一次软件采购。算力、存储、系统维护和安全管理，都意味着持续投入。尤其对预算有限的基层医疗机构而言，AI能否真正创造价值，直接影响采购决策。
一些医院目前仍处于免费试用阶段，如果未来开始收费，医院是否有能力持续投入？面对这一现实问题，吴文达坦言，“我们也不认为所有能力都应该永久免费。”他说，AI服务需要算力、存储、运维和安全等成本，不同服务模式应结合医院需求和实际能力设计。
部分场景可以由医院采购，部分基层医疗服务则可能需要政府或其他机构支持。关键是让医疗机构通过实际应用验证价值。
不过，医疗AI面临的挑战并不只有成本。比如，现实中已出现患者拿着通用AI给出的诊断建议，要求医生解释为何不采用相同治疗方案的情况。
吴文达认为，这与互联网搜索刚普及时，患者打印大量网上资料向医生求证的情况有相似之处。患者主动获取健康信息并非坏事，但真实诊疗需要结合患者具体情况，不能仅凭AI生成的回答作出判断。
“AI应该成为医生和患者的辅助工具，而不是简单替代医生的专业判断。”他指出，健康科普、报告解读、智能导诊和临床诊疗辅助的风险等级不同，需要建立相应的评价标准，不能因为模型给出了答案，就认定结果一定正确。
数据安全 同样是医疗AI进入工作流程必须解决的问题。
医院内部保存着大量敏感医疗信息。当Agent需要连接病历、检验、影像等系统时，数据归属、授权和使用范围都必须明确。
“我们不会因为提供了技术平台，就默认获得医院的数据使用权限。”吴文达强调，即使医院通过微信生态提供服务，相关业务数据仍属于医院自身的业务资产。
而随着Agent能够执行的任务越来越多，责任边界也变得更加重要。
“不能把所有不确定性都简单推给医院，也不能认为AI提供了一句免责声明就可以解决所有问题。”吴文达表示，技术平台、医疗机构和专业人员，都需要在各自职责范围内承担责任。
从单点问答到多工具协同，从独立应用到进入医院和药企的日常流程，医疗AI正在探索新的应用方式。
但对于腾讯健康和整个行业而言，“组团上岗”只是开始。不同AI能力能否真正协同，效率提升能否稳定复制，安全与合规责任如何落实，仍是医疗AI走向规模化应用必须回答的问题。
（文章来源：深圳商报·读创）