一只龙虾，火遍医疗圈。
就在几天前，百度发布一款面向医生的专业AI智能助手DoctorClaw，成为巨头入场的重要标志。
智药局统计发现，近几个月内，多家公司和医院正在构建医疗智能体（AI Agent），赛道处于爆发期。
2026年，伴随着龙虾的爆发，已成为AI Agent+医疗的落地元年，在海外已经跑出Abrige、Open Evidence等优秀初创公司，国内华为、京东、百度等行业巨头也在积极布局。
据智药咨询研究院预测，未来中国AI Agent+医疗渗透率将不断加深，到2031年市场规模有望达到418亿元。
医疗Agent，正在加速狂奔。
01、AI Agent，颠覆医疗健康
截至2025年5月，国内已公开发布的医疗大模型累计达288个，仅2025年前五个月就新增133个。
很长一段时间，这些医疗大模型并没有带来业务上的闭环，而是沦为简单的医学问答工具。
智能体（Agent）的出现，则改变了大模型的格局。
简单来说，AI Agent是以大模型作为核心引擎，具备记忆能力、能够有自主推理和规划工具的使用，从而来解决问题的智能程序。
龙虾（OpenClaw）的出现，彻底颠覆了人们对Agent的传统印象。
这让人们直观地感受到，AI不再只是一个提升效率的辅助工具，而是可以真正替代部分生产力，完成实际工作的“执行主体”。
这种模式变化给企业架构带来的启发是：AI不再只是业务系统里额外加上的一层功能，而是变成了连接数据、工具和业务目标的智能核心。
英伟达发布的报告显示，在生命科学和医疗领域，47%的企业已在使用或评估AI智能体，其中22%已完成部署，19%计划在一年内落地。
这一数据说明，这一前沿技术已走出概念验证阶段，进入规模化落地的初期。
具体到医疗领域，AI Agent将覆盖“预防-诊断-治疗-康复”全流程，其核心价值在于融合多模态数据、优化决策效率并保障安全，高质量数据与稀缺场景的结合将成为突破重点。
02、医疗Agent参与主体，变了
作为长期跟踪 AI + 医疗落地应用的行业观察者，笔者发现这一轮医疗 Agent的发展已经出现了根本性变化，大致可以分成两个阶段：
*阶段：以 DeepSeek 等大模型集中爆发为契机，“医院出数据、出场景，企业出技术” 的大模型开发联盟仍是主流模式。
第二阶段：随着龙虾快速走红，企业开始从技术合作方，变成产品的直接发布方和运营方，不再只是跟着医院场景做定制开发，而是主动推出落地的医疗智能体产品。
不止如此，此轮产品发布不再追求“通用医疗大脑”，而是极度垂直地切入具体的工作流程痛点，主要分化为两大清晰战场：
1、提升临床效率
主要针对医生临床工作痛点构建，例如专科诊断智能体，病例写作智能体等，例如海外以Abridge、Nabla、Ambience Healthcare 为代表，通过监听医患对话，自动生成病历文书。
2、提升运营效率，降低成本
主要针对医院管理成本高昂，预约、计费、保险核实等流程低效且耗人。
典型应用包括智能排班系统、自动化医保预授权核实、患者分诊与随访机器人等。这些智能体往往部署在医院的 HIS（医院信息系统）之上，帮助处理碎片化行政事务，可降低医院 30% 以上的非临床人力成本。
不止如此，这一波产品的交付方式也发生了根本变化。
企业不再单纯售卖一个AI软件，而是在构建能够融入现有医疗体系的“服务闭环”或“生态底座”。
例如联影智能从单一影像诊断软件，升级为“元智”大模型的影像全智能体，仅需一次扫描，即可自动检出37种甚至73种胸部常见病种和异常。
巨头们更是希望构建一个智能医疗生态。
例如京东健康、蚂蚁集团、腾讯健康 等，它们直接构建“AI医院”、“名医AI分身”等生态，将问诊、开方、购药、医保支付串联成闭环，直接重塑医疗服务的全链路体验。
回顾这一轮医疗 Agent 的演进脉络，从“医院主导的联盟开发”到“企业主导的产品化突围”，产业正大步走向市场、走向落地，蓬勃发展的势头已经挡不住了。
03、未来：生产力的全面释放
简而言之，医疗Agent的爆发描绘了一个革命性的赛道。
它不仅仅是效率工具，更是重塑医疗流程、提升诊疗精度和改善医患体验的关键力量。
而伴随着大模型与Agent的不断成长与优化，未来的趋势是多智能体协调下的智慧医疗。
在医院端，即由导诊Agent、诊断Agent、质控Agent、随访Agent等构成的智能体矩阵，有望重塑临床路径优化、资源动态调度等关键场景的决策模式。
在个人端，将围绕用户全生命周期健康管理，形成专属个人健康智能体。它可主动完成日常健康监测、个性化健康干预、精准用药提醒、慢病持续管理
据智药咨询研究院预测，未来中国AI Agent+医疗渗透率将不断加深，到2031年市场规模有望达到418亿元。
到2030年，Agent将全面接管病历质控、排班系统等非核心医疗流程，多智能体协同系统将基本覆盖常见病种的个性化诊疗、支持跨科室的复杂病例联合会诊以及提供从诊前健康评估到诊后康复管理的全周期服务。
也就是说，AI医疗上限还远未到达，不仅是大模型需要靠高质量医疗数据进行精进，在Agent层面，也需要行业联手共建，加速构建Agent产品矩阵。
可以预见，未来医Agent将不再只是辅助工具，而会像今天的电子病历一样，成为医疗基础设施。
