都说AI难落地，医疗领域更是“地狱级”难度。
数据隐私严、合规门槛高、容错率极低——随便一条就能劝退大多数玩家。通用大模型在医疗赛道上，常常是“拿着锤子找钉子”。
而联通在其最近主办的“数据要素服务医疗健康高质量发展主题交流活动”上，晒出了一份有意思的成绩单：
AI儿科医生，已经进了150多家县级医院；AI眼底照相机，累计服务超2000万人次。
不再是简单的“拉专线、卖带宽”，联通这次是带着“北京医疗健康大模型公司”，杀入了医疗行业。
医疗AI到底难在哪？第一座：数据墙。医疗数据不是网上的公开文本，而是锁在保险柜里的病历。获取难、清洗难、标注更难。你要训练一个看懂肺结核影像的模型，得先有上万张经过专家逐张标注的CT片。
第二座：合规墙。医疗AI一旦用起来，误诊就是人命关天。通用大模型那种“概率输出”的方式，在医疗场景里很难被信任。政策、伦理、法律责任，层层关卡。
第三座：确定性。医疗诊断和手术操作对时效性要求极高，如遇网络卡顿会十分影响诊断和安全，尤其在远程手术时，要求网络不能抖动，容错空间几乎为零。
联通如何啃下医疗AI这块硬骨头？第一步：当数据集的“链主”，先把最难的事做了。只有掌握了高质量的行业数据集，大模型在医疗场景下才不会“胡言乱语”。联合北京胸科医院共建2万例肺结核影像标注数据集，联合北京同仁医院共建10万人群眼科队列高质量数据集。
第二步：训练专属模型，不是通用大模型。有了数据，下一步是训练模型。联通没有去追那些千亿参数的通用大模型，而是联合北京协和、上海瑞金等头部医院，建设专属智算中心。聚焦优势专科打造专家级AI智能体，如联合北京同仁医院推出的AI眼底照相机、与北京儿童医院携手研发AI儿科医生智能体。
第三步：推动医疗资源下沉。在150多家县级医疗机构，AI儿科医生已经落地，有效补齐儿科基层医疗服务的短板。还有AI眼底照相机，已服务2000多万人次，只需3分钟，就能生成一份详细的眼底健康报告，还能预警高血压、糖尿病等10多项全身慢性病。
医疗AI的背后：商业模式正在“换芯”过去运营商卖的是网络、卖云资源——按带宽、按算力计费。
现在呢？按诊断人次收费、按数据集调用次数收费、按模型API调用量收费。联通已经在探索从“卖数据包”向“卖智能服务”转型。
医疗AI的护城河，从来不是算力有多大、参数有多少，而是行业数据集+模型精调+场景渗透三者叠加，这三样联通都在往里扎根。
对运营商同行来说，这其实是一个不错的启发：与其追求大而全的通用模型，不如在一个垂直赛道里深挖。
联通这次在医疗行业的深耕给出了一个漂亮的答案：向深度走，向模型里走。把数据标注好，把模型练专，把设备送到最需要它的场景去。垂直赛道的AI竞争，比的不是谁的口号响，而是谁的数据真、场景实、用户好用。