在人工智能技术加速渗透医疗领域的背景下，百度健康于近日正式推出国内首款医生任务型AI助手“有医助理”。这款基于Claw框架开发的产品，通过“检索+任务”双引擎模式，实现了从单一对话到任务闭环的功能升级，标志着医疗AI从信息检索向深度应用迈出关键一步。
“有医助理”的研发背景折射出医疗行业的深层痛点。中国工程院院士樊代明在发布会上指出，医学知识呈指数级增长，但医生获取有效信息的效率却未同步提升。百度健康总经理杨明璐坦言，尽管过去三年全球AI技术突飞猛进，但医疗领域的规模化应用仍局限于AI编程等少数场景，核心矛盾在于技术开发者与医疗从业者之间的认知鸿沟。
这款新产品的差异化优势体现在专业资源整合能力上。通过深度对接《中国肿瘤整合诊治指南》及海内外权威学术数据库，系统支持每条检索结论精准溯源至原文行间。在任务执行层面，产品可自动完成论文综述撰写、多模态数据整合等复杂操作，形成从信息检索到决策支持的完整链条。目前任务模式采取免费申请试用机制，将持续收集医生反馈优化功能。
医疗AI市场的竞争格局正在发生微妙变化。2025年行业主要聚焦B端医疗机构和C端用户，而2026年阿里健康、京东健康等企业相继推出面向医生群体的产品。阿里健康的“氢离子”强调权威溯源功能，京东健康的“知医”主打结构化循证结论，形成与百度健康错位竞争的态势。但行业普遍面临用户规模有限、渗透率不足的挑战，商业化路径仍需探索。
技术落地面临三重考验。首先是算力成本问题，持续运行的任务型AI对算力需求呈几何级增长。百度健康通过全栈自研技术将Token成本压缩80%以上，但在处理高密度计算任务时仍需平衡效率与成本。数据互通障碍更为突出，医院私有化部署模式导致AI系统难以直接接入电子病历，目前只能通过文档导入等间接方式获取数据。北京大学肿瘤医院赵军副主任指出，不同医疗机构的数据格式差异，严重制约了AI模型的训练质量。
安全合规风险成为制约行业发展的关键因素。百度健康AI产品负责人透露，当前公开的医学Skill库规模达上万个，但“有医助理”仅选用800余个经过严格审核的模块。这种克制策略源于对医疗场景特殊性的考量——任何数据偏差都可能影响诊疗决策。该负责人强调，行业需要在创新探索与风险防控间建立动态平衡机制，这将成为决定医疗AI能否真正落地的核心要素。
