21世纪经济报道记者 唐唯珂 广州报道

由DeepSeek掀起的医疗AI浪潮正在加速涌向全国医院。

公开信息显示，目前已有相当多的医院官宣已完成DeepSeek的本地化部署，包括但不限于成都市第一人民医院、深圳大学附属华南医院、上海市第六人民医院、北京中医药大学深圳医院（龙岗）等。

这些公立医院的率先接入为医疗AI市场提供了绝佳的信任背书和市场教育，也点燃了其他医院奔向医疗AI的热情。一位一线医务人员向21世纪经济报道记者透露，按照当前的发展速度，预计今年年中，全国将有超过一半的公立医院接入DeepSeek。

清华大学附属北京清华长庚医院医学数据科学中心主任、研究员李栋近期表示，“医疗领域正处于从传统医疗模式向智慧医院和精准医疗转型的关键阶段。然而，在这一转型过程中缺乏强有力的工具。DeepSeek凭借开源使用等优势，它的出现正好弥补了之前的不足，为医疗转型提供了很好的抓手。”

这些已完成部署的医院不仅限于三甲医院，还包括众多专科医院及基层医疗机构。足以见得，这场浪潮的背后是医疗行业对AI技术的高度期待和对精准化、高效化服务的迫切需求。

一场悄然兴起却可能引发深远变革的医疗智能化浪潮，正席卷全国，然而，算力瓶颈与探索之路的曲折同样不容忽视。

医疗新基建

在接入DeepSeek的过程中，医院不仅关注技术的先进性，更注重其在实际医疗场景中的落地应用。医院旨在深度融合先进AI技术与现有医疗流程，力求在诊断、治疗乃至患者管理各环节实现智能化的全面跃升。

在医疗实践中，诊断是治疗的基础。DeepSeek凭借其卓越的自然语言处理能力，能够高效处理海量医学文献、权威指南、专业教科书等，构建医学知识库，并实现智能医学问答功能，为医生、护士乃至患者提供精准、便捷的医学知识查询服务。

在已经完成DeepSeek本地化部署的上海第四人民医院，其信息管理部部长王志勇对外表示，“通过对海量医疗数据的整合和分析，DeepSeek能够快速、准确地为医生提供所需的信息支持，帮助医生做出更科学、合理的医疗决策。例如，在面对复杂病症时，医生只需在系统中输入相关症状和检查结果，DeepSeek就能从知识库中检索出最匹配的诊断建议和治疗方案，大大节省了医生的时间和精力，提高了诊疗效率和质量。”

AI技术在优化其他医疗流程上也发挥着重要作用。以病历为例，作为医疗过程的重要记录，它不仅反映了患者的病情变化，还为医生的诊断和治疗提供了重要依据。DeepSeek能根据医生记录的关键信息，快速生成规范的病历模板，并将其结构化存储。这不仅大大提高了病历的书写效率和质量，还方便了医生对病历的快速检索和查阅，使医生能把更多精力放在患者诊疗上。

“此次DeepSeek的本地化部署是一次技术升级，更是一次医疗服务模式的革新，也是让科技服务于医疗的具体实践。”湖南省人民医院副院长成伟透露，该院计划于今年内启动DeepSeek与电子病历系统、HIS（医院信息系统）等核心业务平台的对接工作。

除了在医疗核心业务中的应用，在DeepSeek的加持下，医疗机构还通过智能化手段优化了患者服务。近期，广东省妇幼保健院提出依托DeepSeek-R1大模型，打造“小悦医生”AI智能体。根据官方介绍，“小悦医生”将整合科室咨询、预约挂号、院内导航、报告查询、健康咨询、随访问诊等功能，通过一站式串联服务优化患者就医体验。

具体措施包括：就诊前，通过自然语言处理技术，快速匹配患者症状与科室，做到智能导诊，减少候诊时间；就诊中，依托深度学习模型，分析影像、检验数据，辅助医生制定诊疗方案；就诊后，为孕产妇、儿童提供个性化健康建议，构建全生命周期服务链条。

DeepSeek的核心技术在于本地轻量化，解决了医疗场景中的低算力需求、即时响应和数据隐私三大痛点。其开源模式使得医疗机构能进行本地化、私有化部署。这不仅可确保患者数据与医疗信息的安全性，还大幅提升了系统响应速度及医务工作者工作效率。

深圳大学附属华南医院信息部主任欧阳杰指出：“我们的目标是构建一个既能高效处理医学数据，又能有效保障敏感信息安全的本地化Deepseek应用，开发专注医疗垂直领域的智能助手，在合法合规的情况下，尽最大努力为医疗健康服务提质增效。”

需求与担忧

DeepSeek的应用方式不止一种，包括直接访问应用、调用云服务接口、本地化部署定制开发等。出于数据安全和保护患者隐私的考虑，国家规定院内数据不能离院。同时，DeepSeek是通用型的基座大模型，并非拿来就能用。因此医院在结合自身需求和数据资源对DeepSeek做深度的二次开发时，必须进行本地化部署。

而本地化部署运行对医院的算力储备和硬件有比较高的要求。当前，DeepSeek-R1有7B、16B-MoE、32B、671B等不同参数规模的模型，如果医院想要部署671B的“满血版”，仅模型文件就需要404GB存储空间，运行时更需要约1300GB显存。若算力资源匮乏，则模型的顺畅运行将面临挑战。

对此，医院可以根据自身算力储备来选择部署不同版本。公开信息显示，在当地率先完成本地化部署的成都市第一人民医院，根据自身服务器情况，成都市第一人民医院选择接入DeepSeek-R1:32B模型，并将其融入医院临床营养评估、决策支持、治未病诊疗及专科患者随访等多个环节。

然而，即便是32B模型，众多医院在短期内恐怕也难以拥有足够的算力资源确保其正常运行。据一位量化投资领域的专业人士向21世纪经济报道记者透露，对于DeepSeek的本地化部署，即便是对于企业客户而言，高配版本671B所需的890GB显存亦非易事，且依据官方建议的最低配置，仅4块80G的A100显卡就需耗资64万之巨。多数情况下，部署的仅是7B、8B等经过压缩的“基础版”模型，其性能与官网或第三方云平台上部署的完整671B版本相去甚远。

在医院这种数据量巨大且要求实时响应的场所，医生要用DeepSeek看病历、做诊断，患者等着结果不能拖，但GPU算力不够，系统就会直接过载，响应时间极长。一台高性能GPU服务器的购置成本不菲，且后续的维护升级同样需要持续的资金支持。医院想通过AI技术提升医疗服务水平，这笔算力的钱省不了。

此外，许多证据已经能够证明DeepSeek明显有助于医生提高诊断效率，但也有医生在使用后反馈称，在实际使用中，DeepSeek提供的意见和医生偶尔有分歧，具体细节还需要医生把关。据川观新闻报道，成都市第一人民医院临床营养科副主任刘言举例表示，“比如给减重患者制定食谱，它不太能考虑到四川人的饮食喜好，有时给出的方案不太符合减重需求。像高糖水果，从专业角度正餐吃不利于减重，实际制定方案时我们就得调整水果类型和进食时间。”

刘言进一步解释，“医生直接面对病人，而DeepSeek给出的治疗意见是基于提供的信息。如果患者未提供特殊情况，例如食物过敏或饮食偏好等信息，DeepSeek给出的建议可能便不够贴切。其准确性高度依赖于输入信息的完整性，总的来说，DeepSeek构建的‘框架’大体无误，但细节之处仍需医生根据患者的实际情况灵活调整。”

这也间接回应了有关“AI能否取代医生”的讨论。几位资深医务人员都对21世纪经济报道记者表示，“目前来看，在比较长的一段时间内，AI是医生的好助手，而不是替代者。”

近日，湖南省医疗保障局发布的《关于进一步加强基本医疗保障定点零售药店管理的通知》引起了广泛关注。该通知明确指出，互联网医院必须按规定接入省医保电子处方中心，并进行电子处方流转，严禁使用人工智能等技术自动生成处方。微博网友对此观点不一，有人对此表示支持，也有人认为“只要患者知情，责任自担即可。”相关人士对此事分析认为，在处方开具这一关键环节，医生的主导地位不可动摇，AI再有“本事”也还是放在“辅助”角色上为好。

此外，近期互联网上频频出现的用DeepSeek“看病”，尽管DeepSeek在某些情况下准确率仅为17%，重复虚假声明，并给出模糊或无用的答案，但DeepSeek一方是无需担责的。

健康无小事，在关乎生命健康的诊断环节，患者仍需要医生面对面的问诊、细致的检查以及对病情的综合判断，才敢放心用药。正如深圳大学附属华南医院院长吴松所言：“AI是一个辅助工具，医护人员是医疗工作的真正核心力量。”在这场智能化变革中，更好地为人类的生命健康保驾护航始终是科技进步的核心目标。

（实习生孙伟对本文亦有贡献）