答魔数据希望通过医疗情报和数据标注服务，提高医疗和AI企业的研发效率。创始人毕业于清华大学和MIT，曾任职于腾讯。成立至今，获得开物资本、供应室、上市公司创始人、长沙市等多轮投资。

　　当AI大模型的浪潮席卷医疗领域，有着数千年历史的中医药正迎来数字化转型的关键节点。

　　答魔数据梳理国内22个知名中医药大模型发现，目前行业已形成“科技大厂领跑、垂直企业补位、学术机构筑基”的三足鼎立格局，模型应用从临床辅助延伸至产业赋能、教育科研等多元场景，但数据壁垒、落地难题与同质化竞争等挑战仍未破解，传统医学与人工智能的深度融合仍需跨越“最后一公里”。

　　本次梳理的22个中医药大模型，按研发主体可清晰划分为三大阵营，各阵营依托自身优势抢占赛道，呈现出差异化的发展路径。

　　这背后，是国家层面对中医药现代化的持续推动——近年来，《中医药发展战略规划纲要（2021-2035年）》等多项政策明确提出，支持中医药与人工智能、大数据等技术融合，推动中医药数字化、智能化发展，为行业发展注入政策动能。

　　本次梳理的6家大厂系模型中，华为表现最为活跃，不仅推出了聚焦辨证遣方的“神农大脑”，还联合亳州市、天士力分别打造了区域产业型、研发导向型大模型，形成“通用+细分”的产品矩阵。其中，华为“神农大脑”基于盘古大模型基座，辨证准确率达94.5%，可自动规避“十八反十九畏”用药禁忌，已联动云南白药等企业切入中药质量追溯与新药研发领域，市场接受度处于中高位。

　　科大讯飞、百度、腾讯则各有侧重：讯飞“星火V4.0医疗版”深耕基层医疗场景，已嵌入亳州107家基层医疗机构，累计辅助诊断超9800次，成为基层医生的“得力助手”；百度联合成都中医药大学、太极集团推出的“灵医智惠（本草智库联合版）”，聚焦全产业链协同，兼顾临床辅助与医保控费，在西南区域医疗机构中认可度较高；腾讯“混元医疗版”则主打私有化部署，聚焦数据安全，适配医院系统与企业需求，但大众认知度仍有待提升。

　　垂直独角兽与中医药产业方，凭借场景深耕与数据积累，成为赛道的“补位者”。

　　7家此类模型中，问止中医“中医大脑”表现突出，作为临床级辅助诊疗系统，其2023年已通过三甲医院临床一致性研究，在全国多家线下诊所应用，线下诊所接受度极高，核心优势在于自有临床数据的深厚积累。固生堂联合清华、北中医研发的“国医AI分身”，创新性复刻名医诊疗思路，推出国医大师AI数字分身，目前处于内部试运营阶段，有望破解名老中医经验传承难题。

　　值得注意的是，同仁堂等传统中医药企业也开始布局大模型，其聚焦中药饮片质量控制与经典名方二次开发，依托百年品牌的方剂数据积累，打造贴合自身产业需求的模型，但目前仍以内部应用为主，尚未大规模推广。香港中文大学（深圳）推出的“华佗GPT”则走开源路线，支持开发者二次开发，在科研与开发者领域接受度较高，但受合规限制，尚未大规模应用于临床。

　　9家此类模型中，高校与科研机构占据主导，北京中医药大学联合科大讯飞推出的“薪火中国药大模型”，是国内首个中药学科生成式AI教育大模型，参量超700亿，覆盖助学、助教、助研五大场景，目前已在联合体高校试运行。中国中医科学院广安门医院联合百度、华为打造的“广医·岐智大模型”，是国内首家医院本地化部署的中医大模型，整合407万临床病例与1400万条知识图谱，2-3秒可自动生成完整病历，在医院内部接受度极高，临床实用性突出。

　　此外，华东理工大学“孙思邈大模型”、西湖大学“神农Alpha中药大模型”等，聚焦方剂研究、靶点预测等科研场景，学术权威性高，为中药新药研发提供了重要支撑；中山大学“仲思大模型”、长春中医药大学等联合研发的“众星·长白岐黄大模型”，则突出区域特色，分别聚焦岭南中医药、吉派中医研究，形成了差异化的科研优势。

　　从应用场景来看，22个大模型已实现从临床辅助、科研创新到产业赋能、教育传承的多元覆盖，逐步破解中医药发展中的“痛点”——比如基层中医资源匮乏，讯飞“星火V4.0医疗版”、中医在线“伊尹中医经典大模型”等通过基层适配，助力基层医生能力提升；名老中医经验难以传承，固生堂“国医AI分身”、问止中医“中医大脑”等通过复刻诊疗思路，实现经验的数字化留存；中药研发周期长、成本高，华为“数智本草大模型”、西湖大学“神农Alpha中药大模型”等通过分子模拟、靶点预测，提升研发效率。

　　但注意，尽管中医药大模型发展势头迅猛，行业仍面临诸多突出痛点，制约其规模化落地。

　　其一，数据壁垒显著，模型训练受限。中医药数据的碎片化、标准化程度低，是行业普遍难题。多数模型的训练数据以自有数据为主，比如问止中医“中医大脑”依赖自有诊所病历，同仁堂模型聚焦自身饮片与名方数PG电子官网据，跨机构、跨区域的数据共享机制尚未建立，导致模型的通用性与泛化能力不足。此外，中医药古籍、名老中医经验等数据的数字化转化难度大，也进一步制约了模型的训练效果。

　　其二，同质化竞争显现，创新能力不足。从模型特点来看，多数模型仍聚焦于辨证遣方、临床辅助等核心场景，功能重合度较高，缺乏突破性创新。尤其是部分中小主体推出的模型，依托通用大模型微调，缺乏核心技术与特色场景，难以形成差异化竞争力；而开源模型数量较少，仅“华佗GPT”“孙思邈大模型”等少数模型开放开源，不利于行业的协同发展。

　　其三，落地成本高，规模化推广难度大。中医药大模型的研发与部署需要大量的算力、资金与人才支持，尤其是本地化部署模式，对医疗机构、企业的资金实力要求较高，导致多数模型仅在试点场景应用，难以实现规模化推广。比如腾讯“混元医疗版”、广安门医院“广医·岐智大模型”等，目前仅接入部分医院或企业，全国性覆盖仍需时日。

　　其四，合规与信任问题凸显。中医诊疗的复杂性、主观性较强，大模型的用药建议、辨证结果仍需医生审核，难以完全替代人工；同时，中医药大模型的临床验证、监管标准尚未完善，部分模型因合规问题，难以大规模应用于临床，比如“华佗GPT”虽在科研领域接受度高，但临床应用仍处于试点阶段。

　　中医药大模型的发展，核心是实现“人工智能+中医药”的深度融合，而非简单的技术叠加。未来，行业需突破痛点，推动模型从“可用”向“好用”转变，实现规模化落地。

　　从发展趋势来看，协同发展将成为主流。一方面，科研机构、企业、医院需加强合作，打破数据壁垒，推动中医药数据的标准化、规范化建设，建立跨领域的数据共享平台，提升模型的通用性与泛化能力；另一方面，科技大厂与垂直主体需发挥各自优势，大厂聚焦算力支撑、技术研发，垂直主体聚焦场景深耕、数据积累，形成协同互补的发展格局。

　　同时，政策层面需进一步完善监管标准与支持政策，明确中医药大模型的临床验证流程、应用边界，规范行业发展；同时加大对开源模型、核心技术研发的支持，鼓励创新，避免同质化竞争。此外，还需加强人才培养，推动中医药专业与人工智能专业的交叉融合，为行业发展提供人才支撑。

　　中医药的数字化、智能化，是推动传统医学现代化的必由之路。22个中医药大模型的涌现，标志着行业已进入规模化发展的初级阶段，但从“技术突破”到“产业落地”，仍有漫长的路要走。

　　未来，唯有破解数据、落地、合规等痛点，推动各方协同发力，才能让人工智能真正赋能中医药发展，让这一古老的医学瑰宝在新时代焕发新的活力。返回搜狐，查看更多