近年来，医疗人工智能的进步令人瞩目。AI能够解析医学影像、解答复杂问题，甚至在部分医学考核中超越人类平均水平。
技术层面虽已领先，但企业如何从中构建可持续的盈利模式？
近期，医疗AI公司紫荆智康宣布完成近亿元天使+轮融资，投资方涵盖尚势资本、仁爱资本、英诺天使，公司估值已达数十亿元。
这家于2024年9月创立的公司，源自清华大学智能产业研究院（AIR）的孵化。其技术根基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持，而紫荆智康则负责Agent Hospital的研发与实际应用推广。
从单一AI医生，到整合医院、医生、患者的完整系统，紫荆智康正探索一条独特的技术路径。这条路径背后，也蕴含着医疗AI领域更大的商业潜力。
AI医生 ≠ AI医院
然而，真正步入一家医院，就会发现AI医疗远非与AI进行几次对话那么简单。
患者从挂号、分诊、问诊、检查，到治疗、复诊与随访，需跨越多个科室，接触不同医生，信息也在不同系统间流转。即便AI能完成某个环节，整个就医流程也未必能实现智能化。
核心问题不在于AI是否具备诊疗能力，而在于它能否真正融入医疗体系的运作。
紫荆智康首席产品官乔宇宸指出，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，很难带来系统性变革。这正是紫荆智康从一开始就选择构建“AI医院”，而非单纯打造“AI医生”的原因。
在其产品体系中，目前已设有患者端、医生端、医院端三个应用入口。患者可在就诊前完成预问诊、上传检查报告；医生可获得病历整理、信息分析与诊疗辅助；医院则能进行排班管理、资源调度与数据统计。
但三端产品仅是可见的表层。紫荆智康真正的目标，是打造医疗AI的基础设施（Infra）：在底层连接医生、患者、医院及各类医疗智能体，使它们共享工作流程、协同完成任务。
这与传统医院信息系统存在显著差异。过去，医院信息化主要聚焦数据记录、管理与流转。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，紫荆智康并未尝试绕开医院。
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与责任判断。因此，在Agent Hospital的设计中，AI负责信息处理、辅助分析与提出建议，最终医疗决策仍由真人医生完成。
这种人机协作的模式，使技术能进入真实医疗流程，也让紫荆智康有机会从AI工具提供商，转变为医疗基础设施的研发与运营商。
AI需融入医院、医生和患者的工作流程
紫荆智康的技术路线，并非一开始就让AI进入真实医院。它首先在计算机中构建了一座“虚拟医院”。
2024年，清华刘洋教授团队发布了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。在此环境中，AI医生可反复接诊模拟患者，经历不同病症、病程与治疗过程，持续提升医学能力。
这背后存在一个现实难题：医疗数据尤为珍贵。
真实患者数据涉及隐私与合规，获取与使用成本高昂。而仅依赖医学教材、论文与静态病历，又难以覆盖现实医疗中的复杂多变情况。
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此问题。简单理解，如同培养一名医学生：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亦是如此。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，它与真人医生协同工作，医生对建议的采纳、修改与纠正，成为其持续改进的反馈。
为何要增加现实世界这一步？乔宇宸举例说明：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、患者负担与医疗成本。
优秀的医疗决策，不仅是医学知识的堆砌，更需要对真实场景的理解。
基于此思路，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、诊疗逻辑与风险偏好，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共同参与同一医疗问题。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，呼吸科医生分身可从另一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时间。而智能体协作，有机会将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