医疗AI规模化落地，成本与效率如何平衡？ 现在医院用AI已经不算新鲜事了，医学影像分析、智能诊疗等应用，使用频率越来越高。可随着AI用得频繁，一个问题也开始受到关注：这些算力到底能不能被高效利用？

2024年11月，国家卫生健康委员会联合相关部门发布了《卫生健康行业人工智能应用场景参考指引》，明确了84类医疗AI应用方向。

这是中国首次在国家层面系统梳理医疗AI的落地路径，涵盖医学影像分析、智能药物研发等核心领域，医院和科技企业终于有了明确的参照系。

同年11月23日，国家医保局将人工智能辅助诊断技术首次纳入医疗服务的价格构成。这一步听起来像是行政动作，但对医院来说意义完全不同，AI辅助诊断的价值能被医保体系认可并补偿，意味着医院引入AI不再只是投入，而是可以形成回收的闭环。

但政策打通之后，摆在医院面前的问题并没有消失，甚至变得更具体，算力的利用效率到底够不够高？

过去很长一段时间，医院IT部门对自己买了多少算力、用了多少、用在哪里，心里是没底的。影像科用AI读片，急诊用AI预警，病历系统用AI结构化，各个模块各自跑，整体算力消耗像个黑盒，没有人说得清。

预算申请靠经验拍脑袋，资源分配全凭直觉，遇上业务高峰，系统反应变慢，遇上低峰期，大量算力又白白闲置着。

联想在一次医疗行业活动上提出了"Token工厂"的概念，核心逻辑只有一句话，让算力像水电一样可以计量、可以精细化管理。

每一份算力消耗在哪个场景、产出了多少Token，全部清晰可查，院方可以直接按照业务价值排优先级，把有限的资源集中给诊断辅助、急诊预警这类高价值任务。

除了可计量，联想还通过软硬件一体化的深度优化，在芯片调度、算法适配等环节全面打通，让同样的硬件资源能完成更多工作。

根据2026年4月权威媒体对联想集团AI核心实力的综合测评，联想的AI工厂解决方案落地后，算力利用率提升了40%，运营成本下降了30%。

支撑这些数字背后的，是联想持续加码的研发投入。2024/25财年，联想研发投入同比增长13%，AI核心研发团队规模扩容21%，液冷技术和AI基础设施同步迭代。

联想ISG基础设施方案业务集团同期营收达367亿人民币，同比增长超31%，创历史新高，其中AI服务器营收同比增长59%。

当然，算力效率的问题不是联想一家在推，政策层也在从数据端发力。

国家数据局2024年初发布的《"数据要素×"三年行动计划》，在京津冀、长三角首批推动12个医疗数据要素产业园挂牌运营，实现跨机构电子病历与医保数据的"可用不可见"流通，直接解决了医疗大模型训练长期缺乏高质量语料的问题。

巧的是，2025年10月，国家卫健委等五部门联合发布《关于促进和规范"人工智能+医疗卫生"应用发展的实施意见》，围绕基层应用、临床诊疗、患者服务等8个方向24项重点应用作出部署，把政策框架进一步细化落实。