打破医院的“围墙”：京东健康如何延伸服务半径

  出品/未来科技界

  作者/

  编辑/

  72岁的陈阿姨是温州医科大学附属第一医院（下称：温医大附一院）的老病号。慢病缠身多年，她最头疼的不是吃药，而是每次复诊的折腾：挂哪个科、找哪个医生、检查在几楼、取药往哪走，每一步都得问人。

  但最近一次就医，她发现不一样了。

  打开手机，对着系统说了几句自己的症状，AI直接推荐了合适的科室和医生。到了医院，签到、排队、缴费、检查、取药，每个环节都能实时收到提醒，还配有院内导航。更让她意外的是，医生在AI辅助下给出个性化的临床营养方案后，第二天相关特医食品便配送到家，之后AI系统还会定期随访，了解她的饮食和身体状况，并根据变化动态调整营养方案。

  “以前出了医院大门就没人管了，现在感觉医生一直在身边。”陈阿姨说。

  事实上，这家医院一直是国内医疗服务改革的先行者。十多年前，温医大附一院就因预约诊疗、实名制就医和诊间结算等流程创新而受到行业关注，曾吸引近3000家医疗机构前来参观学习。如今，当AI开始重塑医疗行业时，温医大附一院再次选择站在前面。

  温医大附一院的目标概括为一句话：“打造一个没有围墙的医院，把医疗服务从院内延伸到院外，让老百姓少生病、更健康。”

  但长期以来，这件事知易行难。

  以临床营养管理为例，患者从入院、治疗到康复，本应经历筛查、评估、干预和随访等完整流程，但现实中，受限于专业人才数量和管理成本，很多环节难以真正落地。

  2026年1月，温医大附一院及国家卫生健康委临床营养与干预重点实验室，联合健康推出AI临床营养全流程管理方案，试图解决这一长期存在的难题。

  在这套体系下，患者在到院前就能完成营养风险自筛查；医生接诊时，相关基础数据已经同步完成采集。与此同时，双方联合研发的临床营养大模型学习了全球50余万条指南、教材和文献，并经过近百位专家校正，能够在医生问诊前自动生成营养方案或参考建议，由医生审核后直接使用。

  改变很快体现在数据上。自这套方案应用以来，营养风险筛查率接近100%，全院营养风险检出率提升至35%，营养师工作效率提升50%。

  不过，对于医疗场景而言，生成方案只是第一步，真正的挑战在于执行。

  这也是温医大附一院选择与健康合作的重要原因。AI负责识别风险、制定方案，而后续所需的特医食品配送、患者管理和长期随访，则由健康的供应链和服务体系承接。

  方案生成后，相关产品可直接配送到患者家中，订单、物流、签收全程可追踪。患者日常饮食通过拍照上传即可完成分析，体重、步数、睡眠等健康数据也能持续纳入管理体系。一旦发现异常，系统会提醒患者复诊，并协助医生动态调整干预方案。

  过去，患者离开医院后，医疗服务往往随之中断；如今，从诊疗到康复，从院内到院外，一条更完整的健康管理链路正在形成。

  温医大附一院的医疗端探索说出了当下人工智能发展的重要需求：AI不能只停留在回答问题的层面，它得能完成任务。这也是AI当下的目标，不是做“入口”，而是做产业落地的“底盘”。

  集团技术委员会相关负责人早前分享了一个判断：“行业正从以问答生成为特征的虚拟AI，向以任务代理、商业落地为特征的物理AI转型。”而京东的选择是深入产业，解决具体问题。

  支撑这一方向的，是京东长期积累的产业基础设施。

  在模型层，京东构建了JoyAI基础大模型，并围绕医疗、工业、物流等场景打造垂类模型，例如医疗领域的京医千询等。

  在应用层，京东AI已经进入零售、物流、健康、工业、金融等3000多个业务场景。与许多企业停留在单点试验不同，京东更强调将AI嵌入业务流程，让模型直接参与运营决策。

  更重要的是，京东拥有大量能够承接AI决策的执行系统。无论是商品供应链、物流网络，还是医疗服务体系，本质上都是现实世界的履约能力。当AI完成辅助判断或提供更加丰富的个性化解决方案后，后续动作能够被迅速执行，而不仅仅停留在建议层面。

  这也是京东与许多大模型公司的差异所在：前者试图构建的是一个从决策到执行的产业闭环，而非单纯提供智能工具。

  当AI逐渐走出实验室，真正进入工厂、医院和供应链体系，行业竞争的焦点也在发生变化。谁能把分散的数据、流程和资源组织起来，谁就更有机会成为下一轮产业智能化升级的基础设施。对于整个行业而言，这场竞争，才刚刚进入下半场。