- 综合排序
- 最热优先
- 最新优先
- 来自专栏腾讯研究院的专栏
人工智能在医疗产业最先落地？五大应用场景及典型案例
有人提出，“尽管安防和智能投顾最为火热，但 AI 在医疗领域可能会率先落地。”一方面，图像识别、深度学习、神经网络等关键技术的突破带来了人工智能技术新一轮的发展。 01 智能医疗的主要应用场景 “从全球创业公司实践的情况来看，智能医疗的具体应用包括洞察与风险管理、医学研究、医学影像与诊断、生活方式管理与监督、精神健康、护理、急救室与医院管理、药物挖掘、 总结来看，目前人工智能技术在医疗领域的应用主要集中于以下五个领域： （一）医疗机器人 “机器人技术在医疗领域的应用并不少见，比如智能假肢、外骨骼和辅助设备等技术修复人类受损身体，医疗保健机器人辅助医护人员的工作等 智能诊疗场景是人工智能在医疗领域最重要、也最核心的应用场景。 （四）智能影像识别 智能医学影像是将人工智能技术应用在医学影像的诊断上。 （五）智能健康管理 智能健康管理是将人工智能技术应用到健康管理的具体场景中。目前主要集中在风险识别、虚拟护士、精神健康、在线问诊、健康干预以及基于精准医学的健康管理。
3.3K50发布于 2018-02-01 - 来自专栏MixLab科技+设计实验室
我看中的AI落地场景。
产品化的过程其实是： 挑选一个单点的AI技术，深挖其应用场景， 然后再组合其他技术，形成新技术。 用2个代表性的应用场景，来说明： 1 基于可解释机器学习技术的预测工具 #时尚潮流趋势预测工具 时尚是潮流驱动的，大多数零售商按季节经营（例如，春季/夏季，秋季/冬季、假期等）。 匿名统计人流量，这个应用场景，如果没有接触过实际业务，是很难想到的： ? 从技术出发，是可以找到合适的场景切入的，初期千万不要堆积太多的功能点。
53020发布于 2020-09-28 - 来自专栏程序随笔
聊聊心理医疗领域大模型的落地思考
近来，工作偏向于心理医疗领域方面的大模型，仅从领域大模型的落地，聊聊个人的一些思考。 硬件 准备好花钱买GPU。 总之，在实际开展的前期，对业务领域的场景与方向需要与产品不断的打磨研究，分析出产品的方向场景及特殊性。 开源模型 摸着石头过河——目前医疗、金融等领域已经有很多的开源模型，作为技术储备与预研，极其需要对已有的开源模型做一些调研。 如下是我个人觉得不错且对于我们的场景可以借鉴的医疗模型： 扁鹊 BianQue 灵心 SoulChat CareGPT MedicalGPT 对于开源模型的研究，不仅仅是跑demo，没有什么用处，毕竟又不能直接拿过来落地 所幸，其业务流程还是很详细，给我们的业务落地也提供了参考。
42110编辑于 2024-03-21 腾讯健康OpenClaw企业级智能体方案：自动化业务提效与医疗场景落地实践
来源：腾讯健康 周天策 | 2026.04《腾讯企业版龙虾方案 医疗行业应用场景分享》 破解企业人工低效与系统割裂瓶颈 企业面临核心痛点：IT资源/权限依赖人工提单流转低效；代码与文档不同步致技术债累积 数据准备效率提升：医疗场景病历结构化与科研辅助效率显著提高（来源：医疗场景“价值”描述）。 运维故障干预减少：自动化运维与故障自愈降低半夜人工救火次数（来源：自动化运维场景）。 医疗行业智能体落地实践与价值验证 客户案例：医疗场景需求为非结构化病历纳排漏检率高、数据脱敏难、随访画像生成低效。 OpenClaw应用：本地部署AI语义理解病历，执行复杂医学逻辑推理，生成带“溯源高亮”的候选名单草稿；作为临床-运营“智能翻译官”，阅读出院小结提炼医学特征，生成标准化画像标签与个性化话术草稿（来源：医疗场景描述 客户价值：数据准备效率提升，科研辅助合规合用，病历资产化；跨系统缝合，随访分层运营更精准，健康科普个性化触发（来源：医疗场景“价值”描述）。
19710编辑于 2026-04-09- 来自专栏医疗AI 在临床应用与实践
医疗大模型：跨界创新与落地路径研究
这篇文章将深入探讨医疗AI从技术突破到临床落地的"最后一公里"究竟面临着哪些真实困境，以及行业正在进行的突破性探索。 2.3 基层医疗的特殊困境基层医疗是AI赋能的重点领域，但也是落地难度最大的场景：硬件环境薄弱：很多乡镇卫生院网络不稳定、设备陈旧，无法支持大模型的实时调用。 专科化、场景化深耕通用大模型虽然强大，但在医疗领域往往"博而不精"。 相反，基层医疗才是AI价值最大的场景：讯飞医疗的智医助理已服务7.5万家基层医疗机构，累计提供超10亿次辅诊建议。 东软智慧医疗2025年发布的添翼2.0系统，就体现了这种全流程融合的思路，已在多家医院实现深度落地。
67400编辑于 2025-10-20 - 来自专栏医疗AI 在临床应用与实践
医疗AI Agent元年：从概念到落地，智能体如何重构医疗服务全流程
与传统的单一功能AI不同，医疗AI Agent具备自主感知、推理、决策和执行能力，能够在复杂的医疗场景中主动完成任务、协同工作，甚至通过与环境的交互实现自我优化。 的应用场景：重构医疗服务全流程根据《2025 AI Agent+医疗行业研究报告》，医疗AI Agent的应用已经覆盖了医疗服务的全流程：4.1 诊前阶段：智能导诊与健康咨询应用价值：缓解患者"看病难、 ：深度学习模型的"黑箱"特性影响医生信任临床验证：缺乏大规模前瞻性临床试验数据不同医疗场景下的适用性有待验证长期安全性和有效性需要持续监测监管合规：医疗AI产品审批流程尚不完善责任归属和风险分担机制不明确数据隐私保护面临挑战接受度问题 从院内应用到全民健康： 医疗AI Agent将延伸到家庭健康管理、社区医疗服务、远程医疗等场景，真正实现"人人享有健康管理AI助手"的愿景。 从清华Agent Hospital的可进化AI医生，到华西医院睿兵Agent的专科深耕，再到华大基因GeneT Agent对人才缺口的破局，国内医疗AI Agent的创新实践正在加速落地。
2.4K10编辑于 2025-10-29 - 来自专栏企鹅号快讯
“天医”来了：区块链即将落地AI医疗领域
眼下，这个集区块链、大数据、人工智能等前沿科技于一身的全球应用项目即将在医疗领域落地，旨在通过整合健康行业资源，深度挖掘健康数据的价值，助力最大化实现链上参与者的价值目标。 什么是“天医”？ 它如何在中国落地？“区块链”光环背后的商业路径是什么？且听“天医”中国运营负责人、医拍智能CEO吴诗展娓娓道来。 “天医”背后的巨人 天医AIDOC获得中国人工智能医疗领域巨头——医拍智能AI医疗的战略技术支撑，并非偶然。 吴师展的信心来自于医疗数据的爆发式增长。据IDC预测，到2020年全球医疗数据量将达到40万亿GB，大约是2010年的30倍之多。 在吴师展看来：“医疗+人工智能+区块链”的强大组合，是一个能够彻底解决目前医疗行业困境的可行性方案，革命性的商业模式和技术创新将能够从底层打通医疗产业链条中的各个模块，互通数据、协作开发，并且使得各方均有机会实现价值的提升和自由流转
1.7K50发布于 2018-01-31 - 来自专栏存储公众号：王知鱼
KIOXIA：使用SSD加速RAG场景落地
KIOXIA：使用SSD加速RAG场景落地-Fig-1 提出概念：RAG Optimized SSD Solution (ROSS) ROSS 关键要点： • 将矢量数据库从 DRAM 移动到 SSD。 KIOXIA：使用SSD加速RAG场景落地-Fig-2 什么是 RAG（检索增强生成，Retrieval Augmented Generation）？ KIOXIA：使用SSD加速RAG场景落地-Fig-4 内存中的 ANNS 算法无法扩展 • HNSW 是领先的内存 ANNS 算法。 • 矢量和索引都存储在内存中。 KIOXIA：使用SSD加速RAG场景落地-Fig-8 SSD 替换 DARM的架构示意 • 向量数据库从对象存储加载向量和索引数据到查询节点。 总结 KIOXIA：使用SSD加速RAG场景落地-Fig-10 • RAG 和 ANNS 是现代 LLM 解决方案中的关键组件。
52510编辑于 2025-02-11 - 来自专栏音视频咖
腾讯云音视频整合升级一站式医疗场景解决方案，高效低门槛，需求全覆盖，支撑数智医疗完善落地
超高清、超低延时的音视频连接也让远程病理诊断、远程医疗手术示教、线上健康科普讲座、医疗培训、学术交流等场景得以落地。 数智医疗落地场景示例 但作为与生命息息相关的特殊行业，医疗行业对质量、稳定性、安全等各方面都有着极高的要求。同时，大部分医疗机构的软件开发能力有限，对方案易用性、开发门槛非常敏感。 广泛兼容医疗设备，高精尖场景覆盖 相比普通场景，医疗场景中存在大量专业医疗设备，这对方案兼容性挑战很大。 腾讯云音视频一站式医疗场景解决方案也已经帮助众多医疗机构落地线上问诊开方、健康讲座、学术互动交流、视频医生、远程会诊、健康外呼、医疗咨询等各类数智医疗服务场景。 后续，腾讯云音视频也将从基础设施建设、产品开放创新、技术迭代升级等多方面持续投入医疗行业数智化建设，与行业合作伙伴一同，推动数智医疗完善落地，广泛助力医疗普惠。
81910编辑于 2024-03-11 YashanDB 在医疗行业可能的几种应用场景
虽然YashanDB并没有像传统的大型数据库（如MySQL、PostgreSQL等）那样广泛应用于医疗行业，但其强大的数据处理能力和灵活的存储结构，可以为医疗行业中的多种数据应用场景提供支持。 以下是 YashanDB 在医疗行业可能的几种应用场景：1. 电子病历（EMR）管理电子病历系统需要高效的数据库支持，以便存储病人的病史、诊断、治疗记录等信息。 医疗影像数据存储医疗影像（如X光、CT、MRI等）通常会产生海量的数据，尤其是对于医院和医疗研究机构而言，影像数据的存储和快速查询是至关重要的。 患者监护与实时数据处理在重症监护（ICU）等场景中，患者的生理数据（如心率、血压、体温等）需要实时监控。YashanDB 可以通过其高吞吐量和低延迟的特点，支撑实时数据的存储与处理。 总结YashanDB 作为一个高性能的分布式数据库系统，在医疗行业中的应用场景非常广泛，尤其是在大数据存储、实时数据处理和高效查询等方面具有明显优势。
15710编辑于 2025-10-10- 来自专栏数据派THU
临床落地难、数据安全隐患…智慧医疗如何破局？
尤其是在2018-2019“资本寒冬”阶段，由于监管、技术、场景、落地等步伐并没有想象中快，技术难以落地、资金链断裂风险严峻、审批大关难过等，成为了困扰科技巨头和明星创企的重要问题。 ? 企业巨头的种种举措表明，技术与落地之间依然存在巨大的鸿沟，AI医疗商业落地依然有很长的路要走。 而在技术相对成熟的领域，企业之间的同质化竞争又相当严重。 这场论坛汇聚了来自航天航空学院、医学院、工业工程系、自动化系等多个院系清华学者，他们以“医疗健康场景的应用”为背景，对接近医学转化的技术项目作集中展示。论坛期间，“医工结合转化创新支持计划”同期发布。 该计划自12月1日起开始申报，将以北京地区为试点，旨在重点扶持已有应用场景并需要资金支持的孵化型医工结合科研项目。 ? ，希望可以促成产学研的真正落地，为我国医疗健康事业的进一步发展作出贡献。”
1.5K20发布于 2019-11-20 Rokid 的AI场景操作解析：从感知到场景落地技术实现
本文将系统拆解该技术链路，带你深度理解从用户触发交互到服务落地的完整技术逻辑！一、全链路技术架构概览Rokid AI的核心价值，在于打破单一模态的局限，实现“感知-理解-决策-反馈”的闭环。 其技术架构涵盖多模态感知、AI决策引擎、场景化执行、用户体验优化四大核心环节，各模块协同支撑从交互触发到服务落地的全流程。 单张 0.015 mAh 看似少，但“问一句拍一张”的密集场景，20 次就 0.3 mAh；加上 AI 场景本身 280 mA，420 mAh 电池只能撑 1.5 小时；所以连续识别最好“合并拍”——一次 当端侧小模型剪枝落地、LE Audio 双模链路开通、功耗分级与可变亮度被写进下一版固件，这条小河有望变得更窄却更迅——把“听懂—看见—回答”压进一次心跳的 200 ms 以内，让 AI 不再是被观测的功能 有能力为用户打造出更自然、更智能、更贯通的全场景交互体验。
57310编辑于 2025-10-14- 来自专栏人工智能领域
DeepSeek医疗影像诊断：从数据到模型的落地密码（818）
摘要：《DeepSeek医疗影像诊断：从数据到模型的落地密码南》通过详细介绍DICOM数据预处理规范、3D器官分割模型训练以及联邦学习保障数据隐私等方面的内容，为医疗影像诊断的实践提供了全面的指导。 模型选择 在 3D 器官分割领域，有多种模型可供选择，每种模型都有其独特的原理、优势和适用场景。 在医疗教育和培训领域，也可以利用 DeepSeek 医疗影像诊断系统来模拟真实的临床场景，帮助医学生和医生更好地学习和掌握影像诊断技能 。 如果您对《DeepSeek医疗影像诊断：从数据到模型的落地密码（8/18）》有更深入的兴趣或疑问，欢迎继续关注相关领域的最新动态，或与我们进一步交流和讨论。 让我们共同期待[DeepSeek医疗影像诊断：从数据到模型的落地密码]在未来的发展历程中，能够带来更多的惊喜和突破。 再次感谢，祝您拥有美好的一天！
1.4K10编辑于 2025-02-20 - 来自专栏数据转录
一个OCR场景的参考落地姿势
我是一个全栈开发工程师，侧重于Python，过去三年的工作经验完全集中于各种业务场景的OCR识别。 这种争论，谁胜谁负，对项目落地都没有好处。用简单的数据指标，对齐业务体感描述。 但是这个提升，对整个项目落地而言是虚的。一个合适的验收基线：避免越高越好这种基线，这是共同的愿望，但多数情况真的落不了地。过度的验收基线，只会导致漂亮的验收结果和糟糕的运营结果。
51330编辑于 2023-07-28 - 来自专栏【腾讯云开发者】
CodeBuddy AI Coding 企业场景落地实践与思考
以 CodeBuddy 为例，自己是一线用户，也是落地推动者，背着产品在团队内落地的目标，常思考如何让 CodeBuddy 结合现有研发团队的研发流程，在研发团队中落地，达到提效的预期？ ，比如如个人态度、交互体验/模型能力是一个核心的影响因素，基于 2025 年6 月底，我们基于日常腾讯内部25 年 2900+ 用户反馈分析总结，梳理研发场景和Top问题，其中Top3 场景为：工程理解 调研了解具体问题，具体对话场景，制定措施3. 寻找用的好的用户，内容沉淀和分享4. 在 MVP Demo 场景，产品完全可以自己生成 UI 设计稿，快速做出原型。当然在生成场景下，还是需要专业设计输出设计稿。 当前仅仅是一个落地探索，而腾讯内部存在不同团队的【需求级】或者【小需求级】实践，这边也可以踊跃征集，毕竟生产场景很复杂，面向不同场景也存在差异，比如 C 端/B 端/G 端，每个场景对交付质量、研发效率
3.2K21编辑于 2025-08-15 - 来自专栏码农架构
Apache ShardingSphere 在京东白条场景的落地之旅
2015～2016 引入 NoSQL 方案，业务数据以月份进行分表存储在 MongoDB 集群中，阶段性满足了结算处理场景中海量数据导入导出的需求。 京东白条业务体量巨大，是名副其实的金融级高并发、海量数据的业务场景，因此分库分表组件应具有以下特点： 1. 产品成熟稳定 2. 极致性能表现 3. 处理海量数据 4. 产品适配 为能全面支撑白条业务、提供更好的业务体验，Apache ShardingSphere 在京东白条业务落地过程中对产品的功能和性能方面进行了更多的支持和提升，产品再一次经历典型案例的打磨。 同时 Apache ShardingSphere 提供了分布式主键生成器的接口，用户可自定义自增主键生成算法来满足特殊场景的需求。 互联网信用消费模式发展逐步多样化，未来 Apache ShardingSphere 将与京东展开更多业务场景的实践和探索，通过推动金融科技创新发展，进一步提升互联网金融的创新速度和效率。
98030发布于 2021-10-27 云蝠智能VoiceAgent呼入场景落地实践
本文将从技术架构、核心功能、行业实践三个维度，深度解析VoiceAgent如何重构企业电话客服体系，为开发者和技术管理者提供可落地的智能化解决方案。 （Mean Opinion Score）达4.5分，接近真人发音水平情感化表达：支持根据对话内容调整语速、语调和停顿，模拟人类情感变化多风格支持：提供"专业客服"、"亲切顾问"等8种语音风格，适配不同场景需求 智能客服提升幅度单通处理成本5元0.5元90%↓日均处理量300通1200+通300%↑培训周期2周1天93%↓信息准确率85%98%15%↑客户满意度78%92%18%↑数据来源：云蝠智能2025年客户案例统计行业落地实践 零样本迁移学习 新场景适配周期从周级缩短至小时级，只需少量标注数据即可快速部署行业模型。 多模态交互 融合语音、文字、图像等多种交互方式，通话中可同步推送可视化菜单和表单。 ：覆盖英语、俄语、阿拉伯语等30+语种，服务全球化企业部署实施指南三步落地法 数据准备阶段（1-3天） 空号检测模型过滤无效号码（拦截率95%+）构建三维标签体系：业务标签、客户价值标签、行为标签整理行业知识库和标准话术
51610编辑于 2025-07-11- 来自专栏Kubernetes GO
Ziglang首次落地高性能计算场景
译｜zouyee 为了帮助读者深入了解Kubernetes在各种应用场景下所面临的挑战和解决方案，以及如何进行性能优化。我们推出了<<Kubernetes经典案例30篇>>，欢迎订阅。 Zig 与 OpenMP 的集成不仅在扩展性上可与 Fortran 和 C 的 NPB 参考实现相媲美，同时在某些场景下，Zig 的性能相较Fortran来说，提升幅度多大1.25倍。 虽然在并发1场景下运行时差异明显，在更多线程数时，两种语言的性能非常接近。 后续工作 在本文中，我们探讨了通过添加 OpenMP 的循环共享结构来增强 Zig。 我们认为推动 Zig 在 HPC 中落地的关键性条件将是为 Zig 编译器添加支持分析功能。 总之，我们得出结论，Zig 编程语言所提供的性能和安全性组合使其有潜力应用于 HPC 工作负载场景。
2.4K10编辑于 2024-12-05 - 来自专栏新智元
AIoT落地三大趋势，场景为王
---- 新智元报道 讲者：孔华威 编辑：三石 【新智元导读】AI与IoT物联网在实际应用中落地融合的“AIoT”是物联网发展的必然趋势，也是各大传统行业智能化升级的绝佳通道。 小蚁科技首席战略官 孔华威 孔华威认为： 要做到AIoT的真正落地，核心就是场景。 并以小蚁科技为例，分享了在其发展过程中的三个趋势、三大战略、三个核心竞争力。 我们自认为AIoT的落地，核心是场景。小蚁科技拥有三个趋势、三大战略以及三个核心竞争力。 落地的三个场景，包括智慧家居，已经推出了各种各样的服务，包括教育，我们也推出摄像头来做这样的事情。 这些是场景本身驱动的一些AI设备，让人感觉不像AI。
1.2K40发布于 2019-05-08 MediGo医疗大模型数据开发平台 八大场景赋能智慧医疗全流程
然而，医疗AI的发展正面临算法进步与数据生产力滞后的突出矛盾。澳鹏MediGo平台通过八大应用场景和七维技术矩阵，构建了从数据生产到模型训练的全链路解决方案，有望显著提升医疗AI模型的准确性和可靠性。 该平台的推出标志着医疗AI数据服务进入专业化、智能化新阶段，将为医疗AI的临床应用提供强有力的数据支撑。 八大场景赋能智慧医疗全流程在诊疗场景方面，平台基于深度学习的病理图片智能分析系统能够自动标注病灶区域，帮助生成结构化诊断报告，显著提升诊断效率。 问诊导诊系统则通过医疗知识图谱驱动，支持多轮问诊场景模拟，为患者提供更精准的诊疗建议。健康科普功能整合了权威医学知识库，能够对患者咨询的保健、用药等问题生成通俗易懂的解答。 在数据安全方面，平台支持医疗级私有化部署方案，兼容企业内网环境，确保敏感医疗数据的安全流转。同时，基于医疗知识图谱的智能检索系统和版本控制系统，为数据管理提供了专业化的解决方案。
30210编辑于 2025-06-24
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号