在人工智能席卷千行百业的浪潮中，医疗健康因其极高的专业壁垒和容错成本，始终是AI落地最审慎也最具价值的领域之一。2026年4月2日，百度健康正式发布“有医助理”，一款专为医生群体打造的AI助手。这款产品并非简单的功能叠加，而是通过“检索+任务”的双引擎架构，清晰地勾勒出医疗AI从“信息工具”向“工作流工具”演进的新路径，为整个行业的发展提供了重要的风向标。
双引擎驱动：当循证医学遇上智能体“有医助理”的核心创新在于其两大模式：检索模式与任务模式。这两种模式的结合，精准地回应了医生在临床与科研中的双重需求。
检索模式明确对标美国的OpenEvidence，致力于打造“中国版”的专业循证引擎。它整合了超过6000万的专业文献、数万份权威指南和用药知识图谱，其核心价值在于“确定性”。每一条AI生成的结论都能溯源至原文，有效解决了通用大模型在严肃医疗场景中令人担忧的“幻觉”问题。更重要的是，它并非对OpenEvidence的简单复制，而是进行了深度的本土化改造，率先引入中国抗癌协会CACA指南等本土权威资源，构建了“国际前沿+本土实践”的知识体系，使其更贴合中国医生的实际临床环境。
如果说检索模式是AI的“大脑”，负责提供精准的知识支持，那么任务模式则是AI的“双手”，负责执行复杂的指令。该模式基于近期备受瞩目的OpenClaw（俗称“龙虾”）框架，这是一种能够实现自主任务规划与执行的AI智能体（Autonomous Agent）技术。这意味着“有医助理”不再满足于被动回答问题，而是能够主动“做事”。在科研端，它可以辅助完成从选题调研、数据分析到论文撰写的全流程；在临床端，它能帮助生成结构化的病历、解读检验报告；在患者管理端，则可自动制定随访计划并触达患者。这种从“信息检索”到“任务完成”的跨越，是“有医助理”对行业最深刻的启示。
行业风向：从边缘辅助到核心工作流“有医助理”的推出，标志着医疗AI的竞争焦点正从诊前咨询、健康科普等边缘场景，转向临床、科研等医生核心工作流的深水区。
过去，医疗AI的应用多集中在影像辅助诊断等垂直领域，或在C端提供轻问诊服务。然而，这些应用往往难以触及医疗服务的核心环节。如今，以百度、阿里、讯飞为代表的科技巨头，正不约而同地将目光投向医生端。阿里健康的“氢离子”、讯飞医疗的“智医助理”等产品，都在尝试成为医生的专业助手。百度“有医助理”的出现，通过引入任务型AI，将这场竞争的维度从“知识问答”提升到了“流程自动化”的新高度。它不再仅仅是一个查询工具，而是试图成为医生不可或缺的“数字同事”，直接参与到提升医疗效率的关键环节中。
挑战与边界：辅助定位下的冷思考尽管技术前景令人振奋，但“有医助理”及其所代表的行业趋势，也面临着不容忽视的现实挑战。
首先，产品定位的边界至关重要。百度健康反复强调，“有医助理”是辅助工具，最终的诊疗决策权仍由医生掌握。这一清晰的权责界定，是AI在高风险医疗场景中得以应用的前提。其次，行业共性难题依然存在：医院信息系统（HIS）的割裂、医疗数据合规的严苛要求，使得AI难以无缝嵌入诊疗流程；AI决策的“可解释性”与出现错误时的“责任归属”问题，也亟待法律与伦理层面的进一步明确。
最后，商业模式的闭环尚未形成。当前，大模型的研发与适配成本高昂，而医疗机构和医生的付费意愿仍在培育阶段。“有医助理”现阶段采取的免费或限免策略，也印证了行业仍处于跑马圈地、验证场景的早期。
综上所述，百度“有医助理”的发布，是医疗AI发展史上的一个关键节点。它通过“检索+任务”的双引擎设计，清晰地展示了AI如何从被动的信息提供者，进化为主动的工作流参与者。这不仅为医生群体带来了提效减负的新希望，也为整个行业指明了未来的演进方向。然而，技术的突破必须与对安全、合规及商业模式的审慎探索并行，唯有如此，AI才能真正成为赋能医疗、造福患者的可靠力量。