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 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 讨， 对推动其在医疗 领域的合理应用意义重大。 本白皮书主要内容主要包含

工智能 知识、应用伦理原则和支持其职业发展的策略。 教学方法，以及专业学习中的AI应用。这些能力被划分为三个进 阶层次：获取、深化和创造。 The AI能力框架针对这一缺口，通过定义教师在AI时 代必须掌握的知识、技能和价值观来解决这一问题。 该框架基于保护教师权益、增强人类自主性和推动可 持续性的原则进行开发，并详细列出了五个维度下的 15项能力：以人为中心的心态、AI伦理、AI基础与应 用。 深远的影 响，特别是在教师的角色以及他们所需的能力方面。教育中使 用AI引发了关于教师自主权和其判断如何及何时恰当地使用这 项技术的能力的基本问题。 教师迫切需要被赋能以更好地理解人工智能的技术、伦理和 教育学维度。然而，截至2022年，仅有七个国家制定了针对 教师的人工智能能力框架或专业发展计划。 该出版物以教科文组织以前在该领域的工作为基础 ， 如 教师、人工智能和教育的信 通技术能力框架 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 3.2. 2 方面 2 ： 人工智能的伦理 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

、社会服 务与国际合作”四大导向，明确高等教育数智化转型的发展方向和战略目标。 报告从技术、社会与教育三个维度深入审视机遇与挑战：在技术层面，算力、数据与算法的突破孕育创新红利， 但面临安全、伦理、偏差与治理等现实约束；在社会层面，发展契机与潜在风险并存；在教育层面，知识去中 心化、学习个性化的进程中，需要同步重塑价值导向与能力结构。基于深入分析，报告提出推动高等教育走向 智能、高效、开 力＋教育能力”的 能力谱系；在要素分析上，形成“五要素”框架：算力作为构建基石与场景适配关键，数据作为必备燃料与领 域属性特征，算法作为核心引擎与风险应对策略，开发工具作为全栈式工具矩阵，安全、伦理和隐私保护作为 有效保障。在技术路线上，构建“参考架构—智能体应用—标准体系”的完整技术路径，以“性能—成本—应用” 协同优化为抓手，支撑模型从训练、推理、部署、协同到应用增强的全链路落地。 具体路径，总结了九个重构方向：提供精 准适需的教育内容、实现个性灵活的教学方式、支持沉浸互动的学习体验、重塑教育主体的角色与能力、助力 数据驱动的教育评价、推动智能高效的教育治理、构建安全可信的伦理治理体系、配置优质均衡的教育资源、 强化智能协同的科研创新。据此提出“统筹规划、分步建设、优选场景、协同发展”的教育大模型建设原则， 阐明基于通用大模型研发教育大模型的具体实践，倡导通过算力、数据、算法协同优化的工程创新来实现教育

AI不仅创造了新岗位，更对几乎所有ICT岗位进行了深刻变革。在安全领域，岗位职能正从人工监 控转向统筹AI驱动的威胁检测与自动化响应；数据领域工程师的工作重心从数据处理转向管理AI 驱动的分析流程，并确保伦理治理合规；软件工程师则专注于整合AI能力、管理AI辅助编码工 具。这种全方位的AI融合要求从业者掌握新型复合技能⸺既要具备专业技术能力，又需通晓AI知 识，还要具备管理人机协作的能力。此外，各领 域技术人员还应密切关注开源生态在AI时代带来 的新机遇。 IDC认为，组织应通过主动应对技能缺口、革新学习战略并培育“持续适应文化”的组织来释放AI 的潜力，将技术专长与创造力、同理心、伦理判断力等以人为本的技能相结合，以此应对智能时 代的复杂性。如今，企业、教育机构与政府等各方应协同努力，共同培养能够适应未来变化、把 握AI时代发展机遇的ICT技术人才，为构建可持续发展的人才生态提供系统性支撑。 动力规模。近四分之三（73%）的全球受访者预计，岗位中的AI应用将催生对额外员工的需求， 其中29%的受访者预计员工数量将“显著”增加。这一现象源于多个因素： ·新型岗位需求出现：例如AI训练工程师、提示词工程师、模型审核员和伦理监督人员等； ·在人机协同的混合工作环境中，需要员工负责智能系统的集成、治理与协作工作； ·AI推动运营与客户服务规模扩大，这通常会产生新的流程管理及监督需求。 这些调查结果证实，AI正从根本上重新定义

原则与关键指标，探讨了典型评测方法与平台实践。尽管初步标准框架已形 成，但在多模态交互、群体智能等方面仍缺乏系统标准，评测工具亦亟待升级。 未来应完善分领域标准、建设权威评测平台、加快国际接轨，并同步推进伦理法 律规范，推动具身智能生态规范发展。 Abstract： Embodied intelligence，as a new paradigm integrating artificial intelligence Bench），涵盖五大类真实场景测试场；在产业生 态层面，人形机器人创新中心建成“麒麟”训练场，实 现“数据—模型—训练”的闭环迭代。但当前具身智 能发展仍面临硬件“非标化” “高成本”的高门槛、多模 态融合算法效率仍偏低、伦理责任界定模糊等挑战。 本文通过解析具身智能“技术演进—标准构建—评测 验证”协同发展机制，结合产业研报最新研究，以期与 产业专家共同探索解决具身智能标准化研究与评测 方法。 1 国内外标准化研究现状分析 当前具身智能领域存在标准规范缺失、软硬件平台碎 片化等问题，亟需构建统一的标准体系以引领产业健 康发展 ［8］。该报告强调缺乏统一的操作系统和标准化 开发工具链、硬件耐用性和能效有待提升、技术评测 和安全伦理标准空白等因素，制约了具身智能的规模 化应用。 在国家层面， 《国家人工智能产业综合标准化体 系建设指南（2024 版）》将具身智能列为人工智能关键 技术标准体系的重要组成部分 ［9］。该指南提出制定多

创造新职业 • 提示词工程师、大模型数据工程师、大模型应用开发工程师、 AI 架构师等 • AIGC 设计师、 AI 产品经理、 AI 游戏策划、 AI 安全专家、 AI 伦理与法规专家 n 从组织结构和工作流程角度来看，人数很少的公司可能做出影响世界的产品 1. 从人机协作（ AI 作为 Copilot ） 2. Agent 数字员工和人类员工共同工作 学术前沿 | 独立科研 | 行业引领 n AI+ 学科 各学科（非人工智能专业）与人工智能的深度融合的课程 n AI 通识教育 面向院校所有学生、教师和教职工 基础概念 | 技术认知 | 伦理思考 | 社会影响 | 应用场景 | 未来趋势 n 培养什么人 1. 思维能力：批判思维、独立思维、逻辑思维 2. 学习能力：终身学习，善用 AI 3. 热爱人类 n 如何培养人 1 数据驱动的教学决策和协作教学支持 3. AI 赋能评价 • 基于生成式 AI 的多元评价系统 • 数据驱动决策 n 挑战和风险 1. 法律、隐私与信息安全 2. 伦理与学术诚信 3. 教育质量与学生发展 4. 教师角色与职业转型 5. 教育公平与数字鸿沟 6. 组织转型与系统适应 02 对 AI 教育的思考： AI 如何赋能教 育 30

加强技术突破和伦理规范建设 ，推动智能体的规范化发展 美国在高科技行业推广应用 ，以市场驱动推动研发和产业落地 • 智能体的研发和产业化保持领先地位 ，尤其在自然语言处理、深度学习与大规模模型应用方面不断突破 • 科技巨头如谷歌、亚马逊、微软等推出了大量创新型智能体应用 ，包括语音助手、聊天机器人等 ，提高用户 的体验感 ，推动科技提升服务体验 欧盟强调伦理与法律框架 欧盟强调伦理与法律框架 ，推动在公共服务等领域应用 • 强调智能体的伦理与法律框架 ，设立多重监管机构和伦理研究工作组， 2021 年推出的《人工智能法案》是全 球首个综合性人工智能法规 • 重视智能政务、 自动化公共安全监控和智慧城市管理 ，推动智能体在环境监测、气候变化应对及能源管理等 领域的应用 ID CCID CCID CC ID CCID CCID CC CCID 动驾驶、智能制造、智慧城市等行业 的深度 融合。 加强政策支持与保障 ，构 建 长效发展机制 • 政府应加大政策引导和资金扶持力度 ，推动 技术成果转化与产业化。要加强行业监管 ， 建立完善的安全、伦理和合规体系 ，确保 智 能体技术在合规框架内健康发展。要注 重人 才培养和引进 ，提升人才储备。 ID CCID CCID CC ID CCID CCID CC 依托标准推进典型应用推广，

........................................................................................54 5.4 法律与伦理可行性................................................................................................ ........................................................................................88 7.4 法律与伦理风险................................................................................................. 和改进建 议，并据此优化系统功能和用户体验。通过持续的技术迭代和支持 更新，确保系统能够满足企业不断变化的需求，最大限度地发挥其 价值。 5.4 法律与伦理可行性 在引入 Deepseek 岗位推荐系统时，必须充分考虑法律与伦理 方面的可行性，以确保系统的应用符合相关法律法规，并尊重员工 的权益。首先，系统的数据收集和使用必须遵循《个人信息保护 法》和《数据安全法》的相关规定。这意味着在收集员工的个人信

基于链式思维，逐步推理问题的每个步骤来得到答案 模型性能 响应速度快，适合即时任务 响应速度慢，适合复杂任务 决策能力 依赖预设算法和规则进行决策 能够自主分析情况，实时作出决策 伦理问题 作为受控工具，几乎没有伦理问题 引发自主性和控制问题的伦理讨论 优势领域 函数调用、信息抽取、文本生成、创意写作、多轮对话、复杂角色扮演、打标、开放性问题，多样性高的 任务 数学推导、逻辑分析、代码生成、复杂问题拆解，逻辑密度高的任务 落地 ，仍存在三大挑战 ， 即场景、性能、信任尚未形成有效闭环。场景闭环方面 ， 仍存在断层、碎片和割裂的问题；性能闭环方面 ，仍存在算力、 时延和功耗的问题；信任闭 环 方面 ，仍存在幻觉、 隐私和伦理的问题。 “ 三个打破” 旨在消除数据、服务和设备之间的孤岛效应。打破数据孤岛 ，要在确保数据隐私 安全的前提下 ，实现数据共享训练 ，释放数据的潜在价值。打破服务孤岛 ，需建立开放的 API ，提升系统的整体性能；算网协同强化计算效率 ，为用户 带 来极致的体验。 “ 三个共同”强调模型算法、 隐私保护、标准共建以及 AI 伦理和行业共治等方面的共同行动。 通过技术共享与协作 ，推动模型算法的持续创新；加强隐私保护和标准共建 ，确保 AI 应用的 合 规性和安全性；共同探讨和制定 AI 伦理准则 ，实现行业的健康可持续发展。 未来趋势展望 荣耀 MWC 上海演讲《 AI 竞争焦点正从「模型」转向「落

复杂人际互动：如员工关系调解、领导力培养、团队建设等需投入人类情感、高水平沟通能力的场景； 创新与设计：如设计新的员工激励方案、组织变革策略等，需要人类的创造力和洞察力； 伦理与道德判断：涉及员工隐私、公平性等伦理问题，需要人类的道德判断和社会责任感，等等。 总结而言，我们认为，优秀的员工与管理者将凭借其出色的决策能力、判断能力以及 AI 应用能力始终驾驭 AI。 非标准工作决策 将依然以“人”为本 不仅需要提高筛选效率，还需要确保候选人与企业文化的匹配度。 组织能力的升级：HR 团队需要从传统的执行者转变为数据驱动型决策者，具备技术理解力和业务洞察力。 同时，企业需要建立跨部门协作机制，确保 AI 应用的价值最大化。 伦理与透明的平衡：在追求有效性的同时，AI 应用需要关注数据隐私、算法公平性和员工信任度，避免技术 滥用带来的负面影响。 AI 袭卷之下，AI-HR 的未来将以技术与管理并重的双轮驱动模式，持续提升有效性，从而助力企业实现人力资 15%。 团队协作方式层面，将打破职能壁垒，构建“人类 +AI”混合团队。此外，HR 还需推动跨职能虚拟团队的常 态化运作。例如，某医疗集团在 AI 辅助诊断系统中，组建了由医生、数据科学家、伦理专家组成的“三角小组”， 既确保技术合规性，又加速了临床场景的落地应用。 其次是文化转型，从“技术恐惧”到“智能共生” 。员工对 AI 的抵触往往源于认知偏差。HR 需通过“认知 - 体验 -