出版单位 / 组织名称： 发布日期： 医疗健康大模型 伦理与安全白皮 书 上海交通大学 复旦大学 上海交通大学医学院附属瑞金医院 蚂蚁集团 2025 年 7 月 18 日 Ab 医疗健康大模型伦理与安全白皮书 健 天津医科大学 王 玥 西安交通大学俞 凯 上海交通大学 张新庆 北 京协和医学院张海洪 北 京大学医学部 张洳源 上 海交通大学 医疗健康大模型伦理与安全白皮书 医疗健康大模型兴起， 但在应用中面临诸多问题。 本 白 皮 书 旨 在 全 面 剖 析 医 疗 健 康 大 模 型 应 用 的 各 方 面 情 况 ， 包 括 技 术 分 析 、 伦理法律评测、模型评测及提升措施等， 为其安全、有效、合规应用提供指导， 促进医疗行业智能化发展， 保障患者权益与医疗质量 。《 医疗健康大模型应用 伦理与安全白皮书 》 围绕医疗健康大模型展开多方面探

项目编号： 医疗健康场景引入 DeepSeek AI 大模型 研 究 报 告 目 录 1. 引言............................................................................................................................................. 医疗机构不仅要提供基础的医疗服务，还要能够利用大数据、人工 智能等先进技术进行病情分析和治疗方案的优化。然而，技术的快 速发展和应用的落地之间存在着显著的鸿沟，如何有效地将前沿技 术转化为实际医疗解决方案，成为行业面临的一大难题。  人口老龄化带来的慢性病管理需求  医疗技术的快速迭代与实施应用之间的差距  医疗数据的安全与隐私保护  全球化趋势下的医疗卫生标准统一  医疗成本控制与资源优化分配 综 为了更直观地展示 DeepSeek 在远程医疗与健康监测中的应 用，以下是一个简单的流程图，描述了从数据收集到健康建议反馈 的过程： 通过这种方式，DeepSeek 技术不仅能够提高医疗服务的可及 性，还能通过精准的数据分析，优化健康管理，为患者提供更加个 性化和高效的医疗服务。 2.4.1 实时健康监测 在医疗健康领域，实时健康监测是通过持续采集和分析患者的 生理数据，及时提供健康状况反馈的关键环节。DeepSeek

于数据涉 及广泛的法律客体，其在全流程中的应用也带来了多方面的法律 4 与规范议题，因此，深入理解智能制造中数据的来源、流转与应 用场景具有现实意义。 智能制造场景下的数据呈现来源多源化、结构异构化、应用 贯穿化的特征，构成了其智能化决策与优化的基础。一是工业现 场数据。这类数据通过部署在生产一线的传感器、RFID标签、 控制芯片、数据监测仪器、工业机器人、3D打印机及智能机床 述不确定性，市场主体已在探索如“尽职免责”等新型内部风险管 理机制。然而，此类商业实践创新的法律效力与适用边界，尚有 待司法裁判予以明确和指引。 （3）湾区“一国两制三法域”下，数据要素市场规则衔接面 临挑战。在粤港澳大湾区一体化发展的宏观战略下，数据作为关 键生产要素的跨境流通，面临着特殊制度环境问题：内地、香港、 澳门三地在数据安全与个人信息保护领域的法律制度与监管逻 辑存在差异。内地的《数据安全法》《个人信息保护法》等法律 法认定标准 9 进行阐述，为企业在风险可控前提下的模式创新提供一定的探索 空间。 （3）服务保障大湾区数据要素一体化流通。针对粤港澳大 湾区数据跨境流通所面临的制度性问题，为提供更高水平的司法 服务与保障，应从宏观与微观两个层面协同发力，稳步推进相关 工作。在宏观层面，探索建立与大湾区发展相适应的数据司法协 作新模式，须加强司法机关间在信息共享、案例互鉴、司法互助 等方面的常态化

营中断，专业的指导与支持必不可少。 多云管理的复杂性：在多个云服务和基础设施 提供商之间平衡工作负载，会增加集成、治理 和成本管理方面的复杂性。 迁移规划不足：详细的路线图对于消除不确定 性、避免延误及确保战略协同而言至关重要。 技能缺口与准备不足：团队往往缺乏管理云环 境以及实现转型效益所需的技术专长。 组织变革阻力：内部意见不一致，或来自领导 层或 IT 团队的抵触，会延缓决策制定和落地。 让愿景变为现实，行动正当时 亚马逊云科技致力于通过实战工作 坊和咨询服务，帮助您制定一个能 突破这些障碍的转型路线图。 本文档旨在为这些工作提供补充。它汇总了来 自 1500 多个亚马逊云科技案例研究及企业转 型项目的关键数据点与研究发现，有助于量化 我们能助您释放的商业价值。 我们希望这能帮助您在企业和组织 内部清晰地传达云转型的价值，并 凝聚各方对我们共创战略的支持。 7个月即可收回投资 这是一项全面且成熟的云迁移计划，集工具、 培训与专业服务于一体，助您降低成本并加速 转型。 亚马逊云科技优化与许可评估 (OLA): 评估并优化资源使用、第三方许可及应用程序 依赖关系，从而找到云迁移和降本增效的最佳 路径。 在规划迁移及转型路线图时，还需考虑亚马逊云科技解决方案及赋能服务在迁移中的价值： 价值支柱 2 最大程度提升生产力 IDC，《Amazon Aurora 的商业价值》，2025年 利用亚马

设计院 II 前 言 当前，智算集群已成为支撑人工智能大模型训练、自动驾驶算法 迭代等前沿领域的核心基础设施，并以惊人的速度从万卡向十万卡级 规模演进。随着单节点算力突破每秒百亿亿次，这类超大规模集群的 极致计算能力对互连链路带宽、延迟和功耗提出了极其严苛的要求。 传统基于铜介质的电互连方案，正面临 “带宽墙”、“延迟墙”及 “功耗墙”等三重严峻挑战：单通道速率难以突破400Gbps，传输延 ...........II 1. 下一代智算集群提出近乎严苛的互连需求.......................................................1 1.1. 大模型的巨量迭代引发智算集群架构变革................................................................... 1 1.2. 大规模智算集群呼唤“光进电退”技术 新型光互连技术具备巨大潜力............................................................................15 2.2. 芯片级光互连三大技术路线场景互补........................................................................ 16 2.2.1. 芯片级光互连技术的组成原理

、 黄金超 中国联通软件研究院： 杨迪、李张体、张承琪、王宇、马煜 北京邮电大学： 邢颖、林雪燕 上海交通大学： 赵世振 前言 人工智能正以前所未有的速度重塑人类生产与生活方式。以大语 言模型、多模态模型为代表的新一代 AI 应用，持续突破计算与通信 的极限，推动智算中心从计算、存储到网络的全栈架构深度演进。在 这一浪潮中，智算中心不仅是国家科技战略的核心支撑，更是产业智 1.1 国家政策发展 全球智能化浪潮风起云涌，人工智能领域创新呈突破之势，语言 大模型、多模态大模型和具身智能等领域日新月异，推动以智算中心 为代表的基础设施向更高效、更弹性的方向快速发展。 2025 年 1 月 1 日，国家发展改革委等联合印发《国家数据基础 设施建设指引》[1]强调高效弹性传输网络可为大模型训练和推理等核 心场景数据传输流动提供高速稳定服务，在高效弹性传输网络支撑下， 在人工智能+医疗领域，医联 MedGPT、神农中医药大模型和岐 黄问道等医疗大模型已广泛应用于辅助诊断、中医诊疗、智能开方等 环节，显著提升了医疗服务质量和效率。在人工智能+汽车领域，大 模型推动变革汽车产业全链条，全面智能化升级。华为盘古汽车大模 型聚焦汽车产业全链条场景，覆盖设计、生产、营销、研发等核心环 节，为汽车行业垂直领域解决方案。在数据要素价值释放过程中，强 大的算力可以将“大数据”转向“好数据”，并充分挖掘海量数据的经济

算力中心供给分析 IV. 算力中心供需研判及未来展望 V. 附录 报告研究背景与主要研究结论 4 报告研究背景 • 纵观算力中心发展历程，移动互联网时代与云计算时代的技术革命催生了集约化、超大规模化的数据中心需求，由此孕育出了算力中心定制批发的业 务模式，并且该业务模式在2015-2020年间实现了快速增长。然而，伴随着移动互联网用户红利见顶、新基建边际效应递减及后疫情时代经济周期波动， 定制批 在全球数字化与智能化浪潮交相辉映的当下，人工智能技术，特别是生成式AI与大模型技术的突破性飞跃，正引领一场前所未有的技术革新浪潮，重 塑着各行各业的发展蓝图。在此背景下，算力资源已成为支撑AI技术持续进步不可或缺的基石，而算力中心，作为算力资源的核心承载平台，正迎来 崭新的发展机遇。其中，定制批发业务凭借其高效整合算力资源的能力，为大模型训练提供了稳定、可靠的算力支持，成为推动AI技术革新与应用拓 展的关键力量。 域市场供需关系的深度剖析上，力求提供更为详尽的数据支持与深 入洞察。 主要研究结论 • 从算力中心的定制批发业务发展现状来看，需求端和供给端均展现出积极的发展态势。 ➢ 需求端，随着 AI 大模型的迅猛发展，市场对算力资源的需求呈现出快速增长。这一增长主要源于互联网大厂、云厂商、短视频厂商等行业头部企业 对高性能、大规模算力资源的投入持续增长，这一趋势推动了算力中心定制批发业务的高速发展。

创见不同·智启未来 人工智能 就绪度白皮书 企业数智化转型的 AI变革路径与评估指南 序言 驾驭AI浪潮，筑牢数智基石 在人工智能技术的驱动下，特别是大模型的广泛应用，我们正步入一 个充满无限可能与深刻变革的时代。AI不再是遥不可及的未来畅想， 而是赋能千行百业、重塑核心竞争力的关键引擎。AI浪潮带来了前所 未有的机遇，同时也对数字基础设施提出了严峻的挑战。海量数据的 处理、极致的 建完善的AI安全防护体系，通过实时检测与监控，确保AI应用的合法 合规运行。同时，要着力排除错误数据和恶意干扰，保障AI大模型推 理结果的稳定性和可靠性，这对于维系用户信任、保障业务连续性至 关重要。 本白皮书深入剖析了“AI Ready”的数据中心在计算、网络、存储及 相关治理组件等关键要素，并前瞻性地提出了AI变革就绪度评估体系。 我们希望，这不仅能为企业决策者提供清晰的指引，更能为技术管理 — 中国有限责任公司，毕马威会计师事务所 — 澳门特别行政区合伙制事务所，及毕马威会 计师事务所 — 香港特别行政区合伙制事务所，均是与毕马威国际有限公司(英国私营担保有限公司)相关联的独立成员所全球组织中的成员。版权所有，不得转载。在中国印刷。 1 序言 共绘AI蓝图，加速变革征程 人工智能，尤其是生成式AI和大模型的崛起，正以惊人的速度重塑商 业模式、运营流程乃至整个产业生态。这不仅仅是一次技术迭代，更

医疗健康行业的智能化发展机遇 医疗是民生的重要组成部分，医疗服务的可及性和质量直接影 响到人民群众的健康水平和生活质量。2025 年我国政府工 作报告提出，要实施健康优先发展战略，促进医疗、医保、医 药协同发展和治理，并明确提出将居民医保和基本公共卫生服 务经费人均财政补助标准分别再提高 30 元和 5 元。随着人口 老龄化的加速及居民对健康的愈发重视，我国医疗保健需求不 断增长，医疗体系面临较大压力。医疗健康行业数据密集，与 图 中国老龄人口规模及占比 1 图 不同级别医疗卫生机构医疗服务量及利用率 2 总体篇 场景篇 趋势篇 人口老龄化趋势下， 全社会医疗服务需求显著上升 2024 年底，我国 60 周岁及以上老年人口 31031 万人，占总人口的 22.0%，其中 65 周岁及 以上老年人口 22023 万人，占总人口的 15.6%。根据联合国标准，60 岁及以上人口比例超过 20%或 20%或 65 岁及以上人口比例超过 14% “ ” 时，则进入 中度老龄化 社会。 随着我国人口结构的深度转型以及居民生产生活 方式的持续演变，社会对医疗资源的需求呈现出显著 的增长态势。2024 全年全国医疗卫生机构的总诊 疗人次达到 101.1 亿，相较于上一年增加了 5.5 亿人 次。当前，医疗资源分配相对不均、优质医疗资源集 中在大城市和三甲医院，大医院人满为患，医生工作 负荷过重而基层医疗机构能力相对有限，无法有效分