问题：从“能用”到“好用”，关键于规模化应用的可靠性与可及性 今年政府工作报告明确提出深化拓展“人工智能+”，推动重点行业领域商业化、规模化应用；随着新技术加速进入生产生活——挑战也更加明确：一上——行业场景对准确性、稳定性、可追溯性要求很高，不能只停留“演示效果”；另一上，优质资源分布不均，基层医疗、教育等公共服务领域仍有能力短板，需要可复制、可推广的技术手段提升服务供给。 原因：算力与数据双约束叠加，行业场景更考验推理与治理能力 刘庆峰在采访中指出，基础模型能力提升离不开算力支撑，但国产算力整体与国际先进水平仍有代际差距。短期内需要在既有平台上改进算法效率与工程能力，用体系化创新弥补硬件差距。同时，行业应用不仅要“会说”，更要“会推理、敢负责”。在医疗等高风险场景中，模型输出偏差、知识更新滞后、缺乏可解释性等问题，都会影响落地效果。去年以来，长链条推理能力成为重要发力方向，目标是让模型在复杂诊疗逻辑、交叉学科判断中更贴近临床思维路径。 影响：从基层诊疗到产业升级，可靠的行业模型将放大公共服务与经济效益 在医疗领域，刘庆峰表示，对应的技术已可辅助识别和处理2600多种疾病，并持续完善；在国家级医师资格考试测评中，系统成绩超过99%的基层医生水平。他认为，这为“强基层”提供了可用工具：通过标准化问诊、风险提示、用药审查与随访管理等能力下沉，可帮助基层医生提升诊疗规范性与效率，缓解“看病难、看病远”的结构性矛盾。 此外，教育、能源、汽车等领域对专业知识、流程合规和实时决策的需求更突出。若行业模型能够稳定达到专家级能力，将带动软件服务、智能终端、系统集成等链条升级，推动“人工智能+”从试点走向规模化生产力。 对策：以“稳定达到专家水平”为牵引，走软硬件一体化与联合攻关之路 针对规模化应用的关键环节，刘庆峰将“稳定达到人类专家水平”视为核心目标之一，并强调要尽可能降低输出偏差。他表示，将依托全国算力平台推动底座模型能力持续提升，在数学、语义理解、逻辑推理诸上对标国际先进；更关键的是行业模型上形成可验证、可复现的优势，通过与国内顶尖专家团队联合研发、引入权威知识体系与临床路径，增强模型对专业规则与边界的理解。 在产品形态上，他提出以软硬件一体化加速落地：从电脑端智能体、手机应用到具身智能设备，逐步融入日常生活。其中，多人远场多模态交互将成为重要方向，通过语音、视觉、手势与麦克风阵列、摄像头阵列协同，提高复杂环境下的可用性与体验一致性。 在国际化上，他表示将推进多语种能力建设，为全球用户提供“第二选择”。目前相关平台已支持130个语种，并在面向东盟、拉美等地区的重点语种测试中取得较好表现。多语种能力的完善不仅服务跨境交流，也有助于我国企业“走出去”时提升本地化服务与合规运营能力。 前景：从“诊疗工具”到“健康助手”，从单一终端到“无处不在”的服务入口 面向下一阶段发展，刘庆峰提出，医疗应用将从“辅助看病”走向“全周期健康管理”，更像每个人的健康助手：综合用药情况、生活习惯、天气变化、饮食结构、家族遗传与环境因素等信息，持续提供健康建议与风险预警，并与基层诊疗、家庭医生、慢病管理形成闭环。这个思路与“人工智能+医疗”的布局方向一致：既补齐基层能力短板，也让服务真正融入日常。 在终端形态上，他判断未来不会局限于单一设备：家庭入口可能是控制中心，也可能是眼镜、手表等可穿戴设备，甚至是更轻量的按钮、玩具或家用小型机器人。前端负责感知与交互，后台完成分析推理与决策反馈，形成“后台常在、前端随形”的服务模式，让个人助手在车端、手机端、家庭场景之间顺畅流转。
人工智能在医疗领域的深入应用，不仅推动技术进步，也为优质医疗资源更广覆盖提供了路径；随着技术迭代和产业生态完善，一个更智能、便捷、精准的医疗健康服务体系正在形成。，如何在创新与规范之间把握尺度，让技术可用、可信、可持续地服务公众，仍需要政策制定者与产业实践者持续探索。