项目编号： AIGC 生成式大模型医疗场景应用可行性 研 究 报 告 目 录 1. 引言...............................................................................................................6 1.1 背景介绍....................... ........................................................................................11 2. AI 生成式大模型概述..................................................................................12 2.1 定义与特点 ........................................................................................15 2.1.1 生成式模型概念.........................................................................16 2.1.2 大模型的优势......

摘要 2024 的医疗 AI，既是坎坷，又是新生。 快速发展的大语言模型，携着生成式 AI 掠过医疗领域。过往的互联网医疗、医学影像、 新药研发……一个一个场景经由新一代 AI 重塑，焕发出前所未有的价值。 不过，发现价值并不意味着能够掘得价值。如今惨淡的融资形势下，躬身大模型的企业 们无法像深度学习时代那样随意试错。有限的现金流，意味着每一家企业必须全面考察 场景、技术、风控、商业化等方方面面，才能做出决定。 亿的营收规模，迈向第一个 10 亿。 2. 超 160 个影像 AI 获批医疗器械三类证，影像 AI 企业们逐渐跳出影像科，向医学装 备、外科手术辅助系统等领域进发，打开了新的百亿市场。 3. 生成式 AI 对于医疗 IT 的重构已经初现成效。上百个大模型涌入医疗领域，许多 互联网医疗、院内信息化系统已经引入相关技术，或能在明年实现规模化落地。 4. 下行经济形势下，医健企业一级市场融资受阻，IPO ................................46 第四章：大模型之下，生成式 AI 何以颠覆医疗？.....................................................................48 4.1 前沿技术：从判别式 AI 到生成式 AI...........................................

未来网络技术发展系列白皮书（2025） 服务生成算力网络 白皮书 第九届未来网络发展大会组委会 2025年8月 版权声明 本白皮书版权属于紫金山实验室、中国联合网络通信有限公司研 究院所有并受法律保护，任何个人或是组织在转载、摘编或以其他方 式引用本白皮书中的文字、数据、图片或者观点时，应注明“来源： 紫金山实验室、中国联合网络通信有限公司研究院”。否则将违反中 黄 祥 吴 媚 贾 倩 范子瑜 彭开来 邵子豪 王 壮 王志浩 徐 鹍 李振红 陈娟娟 第九届未来网络发展大会白皮书 服务生成算力网络白皮书 I 前 言 算力是数字化时代的基础设施和核心动能，是全社会智能化转型 的基石。随着云计算、大数据、物联网、边缘计算等技术的兴起，以 及各行各业在数字化转型过程对网络、计算、存储等多维资源需求的 得海量的应用能够按需、实时调用分布式计算资源，为数字化转型业 务提供更加经济、高效、泛在的算力供给方案。 在算力网络推进各行业数字智能化转型过程中，随着行业应用涉 及的需求逐渐多样化、模型更加复杂化，行业应用中新业务、新需求、 新场景的多样化多对算力网络的灵活性、自动化和智能化提出了更高 的要求。为应对上述挑战，服务生成算力网络的概念得以提出。服务 生成算力网络通过将 AI 技术与算力网络的基础设施、功能流程、服

开放性的全栈式 智能服务机器人生态 开放性的全栈式智能服务机器人生态 目录 前言 03 第一章全球服务机器人市场概览 05 1.1. 概念定义及研究范围 06 1.1.1. 服务机器人概念定义 06 1.1.2. 服务机器人分类及报告研究范围 06 1.2. 全球服务机器人行业发展趋势分析 07 1.2.1. 全球服务机器人市场增长强劲 07 1.2.2. 技术变革推进行业创新发展 1.4.3. 信息安全与隐私保护(G) 16 01 开放性的全栈式智能服务机器人生态 第二章 开放性的全栈式智能服务机器人生态 19 2.1.生态概念定义 21 2.2.行业下半场的生态发展路线 22 2.2.1.生态技术基础：基于模块化设计与AIoT的R2X 22 2.2.2.商业模式变革：多品类产品矩阵助力全栈式具身智能 29 2.2.3.通用的多元形态：专用+类人形+人形 30 地的道路上也面临着来自技术与商业模式等方 面的多重机遇和挑战。 为了应对日益复杂的市场需求和多样化的应用 场景，同时伴随着商用服务机器人行业下半场 拐点的到来，普渡机器人在全球范围内率先提 出了开放性的全栈式智能服务机器人生态。该 生态的目标是构建一个开放性的通用服务机器 人生态系统，通过创新的商业模式与技术，推 动机器人的广泛应用与协作，进而实现无缝协 同的、通用的服务机器人生态。 该生态不只是一个技术架构，更是一个融合了产

基于互联互通的统一“一张网”，采用分布式构架建设数据资源，形成统一的自然 资 源“一张图”，基于分布式国土空间基础信息平台管理“一张图”，并在其支撑 下构建 各类业务应用。 提供应用服务基础支撑，不断完善分布式体系下的用户统一访问 入口，保证高并发 访问的安全、高效、稳定，为构建调查监测评价、 监管决策、政务服务等业务应用 提供技术支撑。 推进大数据处理服务等云基础服务设施建设，构建统一的分布式数据库资源池和大数据 和大数据 服务平台，提供统一的数据存储和大数据分析处理服务。 建成覆盖土地、地质矿产、测 绘、海洋等多节点的分布式自然资源云数据中心运行体系。 31 处 P4 分布式 GIS(Distributed GIS) 新 一 代 三 维 GIS (Three Dimension GIS) 大 数 据 GIS (Big Data GIS) 人 工 智 能 GIS (AI Platform P5 分布式空间数据引擎技术 云 原 生 GIS 技 术 边 缘 GIS 技 术 分布式 NoSQL 数据 库 空间区块链技术 Fabric IPFS 分布式空间分析与处理技术 GeoAI 经典空间数据分析处 理 端 GIS 组件端 Web 端 移动端 桌面端 分布式文件系统 分布式 SQL 数据 库 空间大数据分析处理 分布式 Geoprocessing

未来网络技术发展系列白皮书（2025） 分布式算力感知与调度技术 白皮书 第九届未来网络发展大会组委会 2025年8月 版权声明 本白皮书版权属于中国铁塔股份有限公司和江苏省未来网络创 新研究院所有并受法律保护，任何个人或是组织在转载、摘编或以其 他方式引用本白皮书中的文字、数据、图片或者观点时，应注明“来 源：中国铁塔股份有限公司、北京邮电大学和江苏省未来网络创新研 究院”。 化转型和智能化升级的关键挑战与核心技术方向。 本白皮书首先详细阐述了分布式算力感知与调度的背景、需求、 体系架构以及关键技术，同时介绍了该技术在远程医疗、智慧城市、 大模型分布式训推以及云游戏等领域的典型应用场景，并探讨了当前 技术落地、基础设施建设与改造以及标准化建设面临的挑战和发展建 议。 目前，工业界和学术界对分布式算力感知与调度技术的研究尚处 于起步阶段，并仍处于快速发展之中，新的架构、算法和应用模式不 ................... II 一、分布式算力感知与调度背景............................................................ 1 1.1 分布式算力感知与调度概念和特征........................................1 1.2 分布式算力感知与调度研究意义..................

......................... 11 范围和适用性 ..................................................... 12 1. 生成式人工智能法律和监管的重点领域 ............................ 14 1.1 数据隐私和安全 ....................................... 22 1.5 《医疗电子交换法案(HIPAA)》 ............................... 31 2. 如何应对生成式人工智能的幻觉对数据隐私、安全和伦理的影响 ...... 36 2.1 国土安全部政策声明139-07对生成式人工智能的影响 ............ 37 2.2 联邦贸易委员会政策宣传与研究指导: ........................ ...... 63 4.5 负责任的生成式人工智能的技术保障（数据管理） .............. 64 4.6 案例研究--在实践中展示透明度和问责制 ...................... 66 5. 持续监测与合规 ................................................ 68 6. 管理生成式人工智能的法律与伦理考量 .......