紫荆智康获近亿元融资：从AI医生到AI医院怎么走通

过去几年，医疗AI跑得很快。AI能看懂医学影像，能回答专业问题，有些医学考试里成绩还超过人类平均水平。

技术够先进，可企业怎么靠它做成一门能长久运转的生意？

医疗AI企业紫荆智康近期完成近亿元天使+轮融资，尚势资本、仁爱资本、英诺天使参与投资，估值达数十亿元。

紫荆智康成立于2024年9月，由清华大学智能产业研究院（AIR）孵化。技术源头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撑，紫荆智康承担Agent Hospital的研发与应用落地。

从单个AI医生，到一套把医院、医生、患者连起来的系统，紫荆智康走的是另一条技术路径。这条路背后，藏着医疗AI更大的商业机会。

AI医生≠AI医院

可真正走进一家医院就会明白，AI医疗远不是跟AI聊上几轮那么简单。

患者从挂号、分诊、问诊、检查，到治疗、复诊、随访，要跑多个科室，接触不同医生，信息还得在多个系统之间流转。AI能完成其中一个环节，不等于整个就医过程就变智能了。

关键不在AI会不会看病，而在它能不能真正参与医疗体系的运转。

紫荆智康首席产品官乔宇宸解释，医疗是一个高度互联的生态系统，AI如果始终停在单点应用上，很难带来系统性改变。紫荆智康一开始就选择做“AI医院”，而不是单独做一个“AI医生”，原因也在这里。

目前它的产品体系里有患者端、医生端、医院端三个应用入口。患者就诊前能完成预问诊、上传检查报告；医生能拿到病历整理、信息分析和诊疗辅助；医院则能做排班管理、资源调度和数据统计。

三端产品只是看得见的表层。紫荆智康真正想建的，是医疗AI的基础设施（Infra）：在底层把医生、患者、医院及不同医疗智能体连接起来，让它们共享工作流程、协同完成任务。

这跟传统医院信息化系统有明显区别。过去医院信息化主要解决数据记录、管理和流转。到了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，紫荆智康并不打算绕开医院。

跟普通健康咨询不同，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和责任判断。所以在Agent Hospital的设计里，AI负责信息处理、辅助分析和提出建议，最终医疗决策仍由真人医生完成。

这种人机协作的方式，让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，转向医疗基础设施的研发与运营商。

AI需要融入医院、医生和患者的工作流程

紫荆智康的技术路线，并非一上来就让AI进真实医院。它先在计算机里建了一家“虚拟医院”。

2024年，清华刘洋教授团队发布Agent Hospital相关研究，尝试构建一个由AI医生、AI患者等不同智能体组成的虚拟医疗世界。在这个世界里，AI医生可以反复接诊模拟患者，经历不同病症、病程和治疗过程，医学能力不断提高。

这背后有个现实问题：医疗数据尤其珍贵。

真实患者数据涉及隐私和合规，获取与使用成本很高。只靠医学教材、论文和静态病历，又难以覆盖现实医疗中复杂多变的情况。

紫荆智康采用的SEAL技术路线，试图用“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这个问题。简单理解，就像培养一名医学生：先在学校学知识、完成模拟考试，再进医院，在实际工作中积累经验。

AI也一样。在虚拟世界里，医疗智能体通过大量模拟诊疗学习；进入真实医院后，它开始与真人医生协同工作，医生对建议的采纳、修改和纠正，又成为它持续改进的反馈。

现实世界这一步为何不能省？乔宇宸打了个比方：碰上普通咳嗽的病人，如果AI只想着把所有医学风险都排干净，给出的建议很可能是做一大堆检查；而经验丰富的临床医生还会把病情概率、检查是否必要、患者负担和医疗成本一并考虑进去。

做医疗决策，光靠堆医学知识远远不够，还得读懂真实场景里那些复杂的东西。

顺着这个方向，紫荆智康又做出了“医生分身智能体”。

它跟通用AI医生不是一回事：每个分身都绑定一位具体的真人医生，去学对方的问诊习惯、判断思路和对风险的取舍，并且在医生的监督下不断迭代。这么做的意义在于，好医生的本事可以部分摆脱时间和地点的束缚。技术也一步步从概念走向了现实。

2025年，Agent Hospital 1版本上线，系统开始进入实体医院做测试。同年8月，清华大学的医院里启动了内部测试。2026年4月，线上虚拟诊室开放测试，医生和医学生能跟AI患者互动，练诊疗，也能建自己的医生分身。到了10月，紫荆智康又往前走了一步：从单个医生分身，扩展到多个医疗智能体一起干活。

新推出的MHAC多学科人机协作框架里，不同专科的医生分身智能体可以围绕同一个医疗问题共同参与。比如一位甲亢患者同时患有哮喘，内分泌科医生定方案时，呼吸科的分身能从另一个专业角度提醒用药风险，最后由主诊医生综合判断。

以前搞一次正式的多学科会诊（MDT），得协调好几位专家的时间。智能体协作则有机会把一部分跨学科支持提前到普通门诊，甚至预问诊环节。

这也就是说，过去只有少数患者能拿到的多学科支持，将来或许能覆盖更多医疗场景。

不过MHAC刚发布，还在推广初期。更能说明紫荆智康实际落地能力的，是此前医生分身在真实医院里的使用情况。

公司提供的数据显示，截至2026年7月，Agent Hospital系统已在北京、广西、无锡等地的9家实体医院部署测试。北京清华长庚医院有18个临床科室开展了门诊测试，40余位医生常态化使用。

院内统计显示，医生整体诊疗效率提升约30%；医生分身智能体协同处理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说，系统在病历整理、术前讨论记录和信息汇总上帮了不少忙，按他个人的经验，这部分记录工作量能少近一半。

从模拟训练到真实诊疗，再到多智能体协同，紫荆智康已经踩出一条逐步深入医疗场景的技术路线。

等AI真正嵌进医生的工作流程，一套系统的价值就不只是模型本身有多强了。

谁为医疗AI付费？

前两年医疗AI行业主要在证明技术能做什么，下一阶段更值得琢磨的问题，是谁愿意掏钱为这些能力买单。

传统医疗软件的生意经比较简单：把系统卖给医院，收采购、部署和维护的钱。紫荆智康盯上的却是一个医疗服务生态，医院、医生、患者、药企等多方都在里面。

这也就意味着，将来的收入来源未必只是一张软件采购订单。

先说医院。紫荆智康团队介绍，商业化初期公司会跟政府、医院及医疗机构做科研合作、AI场景建设和技术服务，摸索能持续下去的商業合作模式。

对医院来说，AI带来的直接好处是效率和服务能力。医生要是能把整理病史、录入病历的时间省下来，就有机会把更多精力放在跟患者沟通和医疗判断上。效率改善还可能变成增量服务能力：同样的出诊时间，医生能看更多患者；医院在控制人力投入的前提下，可以改善医疗服务供给。

对大型三甲医院，这意味着现有资源能进一步优化；对基层医院，则可能意味着拿到过去很难配上的专业支持。

医生的时间向来是传统医疗服务绕不开的瓶颈。名气再大的专家，一天忙上十几个小时，能看的病人也终归有限。医生分身则打开了另一条路：基层医生获得授权后，可调用高水平专家的分身来协助做诊疗分析；病人出院以后，系统还能接着提供随访。好医生的本事，也就不再局限于一次次的当面问诊，而能覆盖更多时段、更多地方。

这样一来，医生分身调用、医疗机构服务采购、远程协作等场景，都可能长出新收费模式。

第三类是患者。从预问诊、健康档案到诊后随访，AI能让患者跟医疗服务保持更持续的联系。

以前，患者往往只有走进诊室那一刻，才能得到医生相对集中的关注。医疗AI则有机会把部分服务延伸到就诊之前和离院之后。

这种能贯穿就诊前后、离院之后的连续服务，本身就给个性化健康管理与增值服务留出了余地。跳出医院围墙，商业上的想象空间还能继续往外延。

药企就是一处。临床试验一直卡在患者难招、多中心协作繁琐这些坎上，偏偏有些患者散落在基层机构，老一套招募手段覆盖起来很吃力。等Agent Hospital将来接入更多医疗机构，在数据合规和研究伦理都过关的前提下，药企就有望在患者筛选、试验招募和真实世界研究上借一把力。到那时它卖的就不只是一个算法，而是嵌进医药研发链条的一环服务。

医学教育是另一条路。虚拟诊室、模拟患者可以拿来培训医生、评估诊疗水平、辅助教学，底层技术也就能伸到非临床的场景里去。这两块业务说到底指向同一件事：紫荆智康想让医疗AI不再只是单项功能，而是变成各家产业参与者都能调用的基础能力。

对资本市场来说，这种平台化的路子给出了新的估值角度。传统软件公司要增长，多半靠客户数、软件采购和续费。医疗AI基础设施一旦铺成规模化的应用网络，收入就可能来自更多参与方和更多服务场景。连进来的医院越多，覆盖的医生和患者越广，能接的医疗任务和合作机会大概也越丰富。这同样是产业背景投资方盯着医疗AI不放的原因。

本轮融资里，尚势资本和英诺天使都是以老股东身份继续加注。尚势资本合伙人刘晓磊一直关注AI给医疗行业带来的变化，他认为紫荆智康走“虚拟医院+可进化智能体”的技术路线，又背靠清华的学科与临床资源，有望重塑医疗供给、缓解基层医生短缺，社会价值和商业机会都很大。英诺天使方面同样看好Agent hospital技术搭起的AI原生医疗全域生态。公司新近推出的医生分身智能体，帮人类医生摆脱时间、空间和语言的束缚，把服务做成规模，优质医疗资源得以下沉和平权，偏远、落后地区的病人也有机会享受到最好的医疗服务。

这么看，资本衡量医疗AI的尺子也在变。模型能力之外，技术能不能持续进化、能不能稳稳落成产品、团队有没有长期铺开场景的本事，正被摆到更重的位置上。

放到国际市场看，医疗AI也是资本追逐的方向。美国的OpenEvidence就是从医学证据检索和辅助决策切入医生的工作流程，再摸索与医药产业挂钩的商业模式。各家企业走的路不一样，要回答的却是同一个问题：医疗AI怎么从秀技术，走到真正参与医疗服务、挣出商业价值。

等越来越多的医疗智能体进了真实诊室，往后医疗AI的比拼，也许就不只是谁家的AI医生更聪明。更关键的是，谁能把这些智能体串起来，让它们真成为医疗体系的一分子。一家医疗AI公司的商业价值，也可能因此被重新算一遍。

图片来源｜AI生成