在人工智能与医疗的交汇处，人类正经历一场前所未有的范式转移。

从“天价药”到“千分之一成本的突破”，这场变革正以惊人的速度推进。在AI & Society Forum 2026的圆桌论坛上，腾讯健康总裁吴文达医生、晶泰科技董事长温书豪与腾讯研究院共同探讨了一个核心问题：AI距离真正的医疗应用，到底还有多远？

当AI能以惊人的速度发现靶点、优化治疗方案，我们是否已经跨越了那道名为“绝望”的鸿沟？与此同时，作为医疗决策的“终极把关人”，医生与算法的边界又该如何划定？如果说AI是加速生命的杠杆，那么谁来为其背后的责任与伦理负责？

关键观点

AI医药已到爆发前夜：从遗憾到治愈。科技巨头与药企巨头频繁合作，真正解决生死问题的案例已经发生，而且成本是可控的。5年内，部分癌症将被治愈或变为慢性病。

医学更多不是science，是humanities。医学决策不是绝对性的——病人的描述模糊、治疗方案因人而异、道德和心理因素交织。AI擅长标准问题的标准答案，但真正的医疗决策需要理解人的context。

AI在医疗中100步还没走到第1步。一是大模型在标准测试中表现优秀，但真实问诊中病人描述千差万别，AI难以处理不确定输入；二是AI尚不能为最终交付物负责任——代码可以自动验证，但医疗决策的后果无法回滚，没有责任主体就没有突破。

药物研发链条从靶点发现到临床管理极长，AI在每一环起作用。AI是超级工具，能加速但却无法替代人的干预和判断。

AI医疗的核心法律困境：责任主体不解决，AI医疗的生产力就无法释放到极致。这不仅是法律问题，更是社会问题：我们愿意让渡多少自主权给AI？

从遗憾到希望：一个完整的十二年

开场时，主持人刘莫闲抛出了一组数据：全球已有超过100个新的AI发现的疾病治疗分子，FDA也大量批复了AI诊断设备和软件。但与此同时，真正进入市场的AI支持的药品仍然有限，AI看病的风险也时有暴露。

温书豪的分享从一个个人故事开始。十几年前，他刚到美国时，抚养他长大的阿姨不幸罹患肝癌。当时他发现了一款靶向治疗肝癌的药物，但一个患者在美国一年的费用高达十几万美金。“你找到了一款好药，给亲人带去了希望，却发现这个药价几乎无法承担，那种无力感非常深刻。”后来，阿姨还是去世了。这个遗憾促使他放弃了量子物理的专业，投身药物研发产业。

十二年后的今天，同样的情形再次发生——老家一位表弟的父亲得了重度淋巴瘤，已经弥漫到全身。温书豪将一家深度孵化的企业——莱芒科技介绍给了他。这家公司用AI优化细胞治疗CAR-T，基于对代谢增强型免疫和人体免疫系统的精确理解，将传统疗法的准确度和成功率大幅提升。结果怎么样？患者被治愈了，而费用从传统CAR-T的120万降到了10万块钱不到，剂量降到了传统方案的千分之一。

“我对创业12周年的感受是——这是一个圆满。十二年前我因为某种遗憾进入这个产业，十二年后我亲眼看到，AI在医疗和药物产业真的在解决巨大的问题，能把人从死亡边缘挽救回来，而且成本是可控的。”温书豪的判断是：AI已经成为这个行业爆发的前夜。欧美大厂——谷歌、Anthropic、OpenAI都在与大型药企合作，礼来这样的万亿级药企也在与AI巨头联手。产业之间的结合已经非常频繁。他预言，未来5年内有些癌症就会被彻底治愈，很多将转变为慢性病，而且是可负担的。

医学的本质是人文，而非单纯的科学

吴文达医生的回应则展示了一个资深临床医生的视角：“AI在医药行业确实能带来碘伏性的变革，但要走到那一步，中间还有非常漫长的过程。”从出现症状到最终确诊，再到采血测序、明确基因变异，最后才能尝试CAR-T治疗——全球的医疗服务体系中，可负担性和可及性依然非常有限。

吴文达提出了一个耐人寻味的观察：他在医学院时，记忆力最好的同学分数最高，但当他们成为临床医生后，大家公认的最好医生往往不是当年考试成绩最高的那一批。为什么？“医学及医疗服务不仅是科学，更多是人文学。因为许多医疗决定、方案或诊断，并不是绝对的。”病人的描述往往不标准、不明确，有时会遗漏细节，有时描述不准——这种原始输入本身就带有极大的不确定性。这就像问负责的医生“头痛怎么治”，他不会直接给答案，而是会追问：谁头痛？多大年纪？痛了多久？

即便诊断准确，现代医学的治疗方案仍受限。许多高胆固醇患者服用他汀类药物，但其中30%的人因缺乏特定的酶而无效，然而在现有的流程下，很难让每个病人在服药前都先做基因测试。临床医疗中存在许多权衡（tradeoff），而我们都身处一个资源有限的系统。

此时，AI能否成为一种实现“医疗平权”的手段？吴文达认为，AI对医疗体系最大的帮助，不是替代医生，而是把医生从繁重的行政记录工作中解放出来，让他们回归到最具核心价值的工作。“医学决策应当由医生辅导病患及其家属共同完成，这涵盖了道德考量、真实病情、心理状态乃至家庭关系。如果AI直接主导医疗，这种系统可能会变得冰冷。”

AI能帮什么忙？从靶点到临床的漫漫长路

刘莫闲追问了一个关键问题：既然AI被视为推动医疗升级的关键抓手，我们能否找到理想的切入点带动整个医疗体系演进？吴文达则从另一个角度切入：如果任务是设计一个“无人医疗系统”，需要先解决信息不对称。通过可穿戴设备收集全天候的生理数据，可以做出更精准的疾病预警。当系统察觉到异常并发出预警，第一步也许不是直接问诊医生，而是通过自动化指引明确优先需要进行的检查。

现实中的医疗流程往往为了确保诊断准确性，需要先安排大量检查，再根据结果制定方案。如果在前端能有更好的AI预警或辅诊，让前置检查更有针对性，也许能节约大量资源。此外，诊后阶段也有巨大的价值——很多患者离开诊室后会忘记医生90%的嘱咐，受限于时间，医生和护士也难以与每位患者长谈。AI在诊前筛查和诊后信息补充上具有巨大的公共服务价值。

不过，吴文达也指出了核心瓶颈：目前医疗AI仍处在早期阶段，因为AI还无法完完全全为一个最终的交付物承担责任。在企业内部用AI提效，可以明确考核出AI生成的2000行代码比以前的200行质量更好，经济效益是直接且明确的。但在医疗领域，还没有任何一款药或诊疗方案可以从0到1完全由AI自主完成并直接交付给病人，中间必须有专业人士的干预和把关。由于医疗的经济模型、容错率与普通商业完全不同，AI可变革的路径自然也不一样。

温书豪从药物研发的角度给出了更系统的解析。药物研发链条极长，从靶点发现到临床管理，涉及小分子、多肽、抗体等等标准化工作，在这些目标明确的环节AI大有可为。但说到具体作用，温书豪举了一个关键案例结合现实的例子。同样是用他亲戚的例子——如果那个病人过去看的是经验不足的医生，可能直接被告知“全身扩散，没救了”，患者可能就被吓死了。但如果有经验丰富的医生结合AI，可以在全人类的知识库中了解最新疗法，给出有益的参考。“AI强大的地方在于，它可以帮助医生掌握全球最前沿的治疗方案，但最终还需要一个非常负责任、非常有人情味的医生来表述：‘你可以试一下，还有哪几种疗法。’当医生说这句话的时候，他代表一个负责任的专业人士。”

对于AlphaFold，温书豪也给出了更专业的解析：它预测的是蛋白的静态结构，但所有蛋白都在动态变化，一些非常复杂的靶点的蛋白动力学特征——比如结合口袋没有张开的时候，是无法设计药物的。所以，AlphaFold解决了“知道蛋白长什么样”的问题，但后续还需要设计分子——小分子由碳、氢、氮、氧等元素组合，其化学空间高达10的60次方，比宇宙中的星星还多。AI能极大提升在海量化学空间中探索的效率，预测分子的物理化学性质，从而大大减少实验量。在实验环节，晶泰构建了自动化机器人，过去合成一个复杂的奇特分子可能需要几个月，现在通过AI设计路线可能一周就能完成。

刘莫闲用一个比喻总结了AI制药的全过程：假设癌症肿瘤是一个冲击波，第一步是搞清楚它是什么冲击波——AI可以快速完成，比如AlphaFold。第二步是找到引信的位置，通过AI的方法可能找到那个关键开关。第三步是选择正确的工具和材料——需要自动化实验系统结合AI快速试错。温书豪对这个比喻表示了认可：“你要是拔错了引信就炸了，所以得非常精细。而且那个引信可能藏得非常深，可能是10的60次方那么多线里面，你要找到那根最适合的线。”

责任主体：AI医疗的核心困境

回到核心话题——AI距离真正的医疗应用有多远？刘莫闲指出，现在方向已经明朗：在现有系统之外，通过自动化和数据驱动的方法跑通商业和服务模式，进而影响现有体系，这和互联网的发展路径类似。但风险和挑战同样不容忽视。

吴文达医生一针见血地指出了法律合规与责任界定的问题：“医疗决策到最后，依然需要由医生作为主体来承担最终责任。”传统的非黑箱机器学习应用在医疗器械管理上已经有较完善的制度，但面对现在的AI模型，从法律层面必须思考的问题就是：如果由一个模型来辅助甚至做出判断，这个判断的责任主体到底是谁？

“如果这个问题解不开，哪怕医生再依赖这个工具，最后签字担责的依然是医生个人。”在当前的互联网医疗场景中，医生面临着极高的执业合规与责任挑战，他们在利用工具提效的同时，也承担着巨大的风险。如果责任主体的界定问题不能解决，AI虽然能带来可观的生产力，但依然无法将其潜能释放到极致。这也引申出更广泛的社会命题：我们是否真的需要AI在医疗中将效率推向极致？在关乎生命健康的决策上，我们究竟愿意让渡多少自主权给AI？

温书豪分享了澳大利亚一个最近引起关注的案例：一位宠物主人在宠物得肿瘤后，利用AI设计了抗体进行治疗，绕过了传统的复杂流程。这个案例极具启发性：过去一款药物的诞生需要经过严格监管、数万人的临床实验、医生的决策风险及大量专利律师的参与。他希望AI能降低创新的壁垒，让个体也能按照自己的想法设计分子。未来5到10年，一旦AI将药物研发的门槛降到极低，“患者有其药”可能不再是一个遥远的梦想。

但吴文达立刻指出了另一面：如果将这种技术应用在人身上，理论上是可行的，但随之而来的是极大的复杂性——个人利用AI自主研发并使用后出现意外，责任该如何界定？商业保险是否理赔？这必然会引发一连串深度法律与伦理争议。这些前沿案例非常值得在行业和社会层面深入辩论。“如果我们对这些新事物避而不谈，很容易为了追求绝对的安全，而陷入扼杀创新的保守管理模式。”

给这个时代的建议

论坛接近尾声时，两位嘉宾分别给出了核心建议。

温书豪认为，产业界已经进入“AI进化AI”的阶段，技术演进极快，关键是要驾驭AI，将其用于最有价值、最安全的地方。“药物研发中AI的强大参数处理能力能从底层物理数据、实验数据及临床数据中迅速发现规律，但我希望能驾驭AI，将其用于最有价值、最安全的地方。”

吴文达则从个人角度给出了非常实用的建议：非关键事务咨询AI很好，它能提供知识和情绪价值；但对于重要的事情，就像看病会寻求“第二诊疗意见”一样，可以多问几个AI，多问几个医生，这是一个自我接受和验证的过程，非常重要。

正如主持人刘莫闲最后的总结：面对复杂的未来，吃好睡好，保持健康，希望我们能活到AI技术充分解决疾病、延长寿命的那个阶段。