特别说明：个人观点，仅供参考

⚡ 开篇 · 两份共识同台

六月最末一周，中国医院的同一张会议桌上落定了两份分量级文件。

一份叫《医疗机构人工智能应用与治理专家共识（2026版）》，由中国生物医学工程学会等40余家机构牵头发布，称之为治理派。

另一份叫《医院应用医学人工智能专家共识》，由中国医院协会医学人工智能专业委员会发布，称之为医院派。

两份共识同台出现的时间窗，恰好踩在国家卫健委等五部门《促进和规范人工智能+医疗卫生应用发展的指导意见》落地的第七个月、AI辅助诊断纳入医保乙类的第二个月、全国超过400家医院完成本地化部署的第八个月。

共识是天花板，非共识才是活法。这一篇把两份共识合起来打包，画出11条公约数、9处分野、以及对7类利益相关方的影响清单。

🤝 第二章 · 公约数全清单 · 11条

两份共识虽然出自不同的发起单位，但坐下来逐条比对，能数出11个高度一致的公约数。这11条是2026年中国医院AI的不可动摇底盘。

公约数1·医师拥有最终诊疗决策权。两份共识都把人机分歧的最终拍板权交还给执业医师。AI是工具，不是签字的那只笔。

公约数2·医疗机构承担最终法律责任。治理派写的是"医疗机构兜底"，医院派写的是"医院承担诊疗最终法律责任"。表述不同，意思一样——出了事，医院先承担，事后再向技术供方追偿。

公约数3·数据不出院是不可逾越的红线。患者医疗数据原则上不得离开医院私有云、专属服务器或合规托管平台。需要走外部云的，必须过国家数据安全评估。

公约数4·风险分级管控。两份共识都把AI应用场景分为高、中、低三档：手术机器人辅助、重症生命体征自动干预归高；影像辅助识别、临床决策支持归中；患者随访、文献检索归低。每档对应不同的准入门槛和监管力度。

公约数5·NMPA医疗器械注册证是高风险场景的必选项。没有这张证，原则上不得用于临床诊疗决策；可以做科研测试，但必须经伦理审查、限制条件、非干预性研究三道关。

公约数6·伦理审查不可绕开。中风险以上必须经医院伦理委员会与技术委员会双重审查。低风险可以走快速审查或备案，但流程不能省。

公约数7·算法透明度与可解释性是硬要求。两份共识都要求AI输出可解释、可追溯、可审计，黑箱决策不被允许进入正式诊疗流程。

公约数8·全生命周期管理。从立项、采购、部署、培训、使用、监测、迭代到退出，每一个环节都要建档、上报、复盘。一次性审批的时代结束。

公约数9·真实世界验证强制前置。中高风险产品在规模化推广前必须开展真实世界验证，评估灵敏度、特异度、F1分数、ROC曲线下面积等性能指标，期满由独立专家组出具报告。

公约数10·不良事件强制上报。AI系统发生误诊、漏诊、性能漂移、算法概念漂移等情况时，医院必须向主管部门上报，并启动整改或退市流程。

公约数11·人员素养与培训入考核。医护、信息科、管理层都要参加AI合规、伦理、风险防控培训，培训记录与学分挂钩。

把这11条钉在墙上，就是2026年任何一家想做医院AI项目的厂商必须通过的入场考。这两份共识合起来不是一份"要求"，而是一份"门槛"——过不去的厂商不是被淘汰，是不存在。

🔍 第三章 · 差异点全清单 · 9处分野

11条公约数是底盘，但两份共识在治理路径上有9处明显分野。这9处分野决定了医院在执行时的优先级和资源分配。

分野1·治理框架结构不同。治理派搭的是六大维度（准入审查/临床应用/患者权利保障/数据治理/风险管理/素养提升）；医院派搭的是四原则（安全合规/公平有益/规划合理/分级实用）加三阶段（评估准入/部署使用/监管改进）。前者是平铺式六个抽屉，后者是流水线式三道关卡。

分野2·责任体系颗粒度不同。治理派强调"医疗机构首责、研发企业产品责任、医务人员审慎义务"三方分责；医院派则提出"开发者—管理者—使用者"三级责权体系，要求把责权写进采购合同或合作协议。后者更具操作性，直接落到合同条款。

分野3·风险分级标准不同。治理派按"对患者生命健康的潜在影响"分高/中/低；医院派则在风险分级基础上叠加"技术成熟度"（研发测试/试点应用/规模推广三阶段），构成场景风险等级乘以技术成熟度的二维管控矩阵。

分野4·应用场景颗粒度不同。治理派列举典型场景但未做详细分类；医院派配套发布了《医学人工智能应用场景分级分类管控清单》，把场景细化到72类：高风险约15类、中风险约37类、低风险约25类。颗粒度差着量级。

分野5·组织架构要求不同。治理派要求设立伦理委员会、技术委员会、AI治理小组；医院派直接要求设立医院人工智能治理委员会，下设技术评估组、伦理与合规组、应用管理组、监测改进组四个工作组，并明确每个组由哪类专家组成。

分野6·伦理审查路径不同。治理派对中高风险一律要求双重审查；医院派则建立分层审查机制——低风险走免除审查、中风险走快速审查、高风险走会议审查。后者把效率与安全做了精细切分。

分野7·数据治理深度不同。治理派关注数据隐私与"不出院"红线；医院派进一步要求建立医院统一的"数据—算法/模型—算力"治理与共享平台，并推进医疗高质量数据集的数据权益确认、数据资产入表、合法交易。从隔离走向流通。

分野8·风险动态监测机制不同。治理派要求上市后监测、算法审计与不良事件报告；医院派则细化到"数据完整性、输入分布漂移、输出置信度"等动态风险指标的实时监测，并通过定期离线评估检测算法偏差与性能衰减。

分野9·退出机制清晰度不同。治理派提到不良事件上报；医院派明确写出"出现重大安全事件或性能严重偏离时启动系统退市流程，形成可追溯的责任体系"。退市机制被显性化。

这9处分野不是矛盾，而是分工。治理派给的是治理框架，医院派给的是操作手册。一家三甲医院想把AI项目跑通，两份都要读，两份都要执行。

📋 第四章 · 影响清单 · 7类人 · 42条

11条公约数和9处分野落到地面，会变成对7类利益相关方的真实影响。每一类的影响清单都写在下面。

【影响清单一·医院·7条】

1·组织架构必须升级。医院人工智能治理委员会要新增，技术评估/伦理合规/应用管理/监测改进四个工作组要建。这意味着至少多出一个常设委员会和四个虚拟团队。 2·预算结构必须重排。参照CHIMA的行业数据，三甲医院AI项目的初投落在300到1000万，年运维落在100到500万。这是一笔走专项预算的钱，要从信息化预算单独划出。 3·采购流程必须重写。合同里要把NMPA注册证编号、算法备案号、网络安全等级保护级别、数据脱敏方案、退市触发条件、追偿条款一一写明。法务部门是医院AI项目的必经环节。 4·数据治理变成一把手工程。私有云、专属服务器、合规托管的三选一，要由院长或主管副院长签字拍板。数据不出院不再是技术议题，是医院的命门。 5·责任合同条款入合同。开发者、管理者、使用者三级责权体系要写进采购合同，明确出事谁先承担、谁配合调查、谁支付赔偿。 6·人才结构必须调整。AI运营岗、AI伦理岗、AI风控岗成为信息科或医务处新增编制；放射科、病理科、急诊科需要配备AI审核员。 7·运营报表新增AI指标。门诊AI辅助使用率、人机分歧采纳率、算法漂移预警次数、不良事件上报数——这四个指标进入院周会报表。

数据不出院，是医院的命门，也是厂商的天花板。

【影响清单二·厂商·7条】

1·本地化部署成为生死线。无法支持私有云、专属服务器、合规托管模式的产品，原则上进不了医院。这一条直接淘汰大量SaaS模式医疗AI公司。 2·NMPA医疗器械注册证从加分项变必选项。中高风险产品没证就上不了线。注册证审评周期从立项到拿证通常18到36个月，没耐心的资本退场。 3·数据不出院倒逼私有化交付。出货方式从"接入API"变成"交付一套可在医院机房运行的系统"。研发成本、部署成本、运维成本同步上升。 4·产品责任入合同。算法缺陷、数据偏差、模型漏洞导致的医疗损害，厂商要承担产品责任，必要时还要购买AI医疗责任保险。 5·可解释性入功能。决策依据、参考文献、病例库索引、置信度提示、风险标识——这些要变成产品默认功能，不再是销售PPT上的卖点。 6·医保挂网门票决定生死。AI辅助诊断纳入医保乙类后，未来更多AI产品会通过医保支付通道进入医院。挂网失败的产品，意味着失去主要支付来源。 7·研发投入往合规倾斜。合规、伦理、可解释性、安全测评的研发投入占比，从过去的5%以下提到15%以上。这一项重新切分研发预算结构。

【影响清单三·医生·6条】

1·知情同意书新增AI条款。诊疗流程中涉及AI介入的，必须在书面或电子知情同意书上单独列条款，说明AI介入环节、决策依据、局限性、最终责任主体。 2·最终决策权写进流程。AI输出与医生判断冲突时，医生必须从预设理由列表中选择或填写采纳/拒绝原因，记录入病历。 3·人机分歧记录入病历。每一次AI辅助诊疗的过程数据，包括医生最终决策、采纳与否的原因，自动进入病历存档。 4·培训学分新增AI合规。继续医学教育学分体系新增AI合规、伦理、风险防控相关课程，与年度考核挂钩。 5·注意义务外延扩展。医师不仅要对自己的专业判断负责，还要对AI算法的合理性、数据输入的准确性履行核查义务。一次会诊的注意义务范围比过去更宽。 6·错误归责新规则。AI辅助下误诊、漏诊的责任划分有了新尺子：医生过度依赖AI且未尽审慎复核义务，医院承担过错责任；算法本身有缺陷，则适用产品责任规则，由开发企业承担。

【影响清单四·患者·5条】

1·知情同意权拓宽。患者有权要求医方详细解释AI诊断依据、算法逻辑、可能存在的风险。这一条把过去医生口头交代的"AI看了一眼"变成正式告知。 2·AI诊疗结果可解释。患者有权获取AI输出的决策依据、参考来源、置信度提示——黑箱决策不再被允许直接呈现给患者。 3·隐私数据最小必要。AI训练与推理使用的患者数据，必须遵循最小必要原则、脱敏存储、权限管控、审计溯源。 4·人工兜底权。涉及高风险决策的AI输出，患者有权要求由人类医生复核签字。这是患者的法定兜底通道。 5·纠纷举证倒置。当医疗AI辅助诊疗发生纠纷，患者举证负担减轻，开发方需自证算法无缺陷，否则承担产品责任。

AI写了一万次报告，最终医保认的、法律盖章的，是医生这一笔。

【影响清单五·监管·6条】

1·从一次性审批走向全生命周期监管。AI产品上市后的性能漂移、算法概念漂移、数据迁移都要被长期监管，传统"批一次管终身"的模式失效。 2·备案、注册、挂网三道口子分级。低风险走简化备案、中风险走机构内部双重审查、高风险走NMPA注册+医保挂网。 3·不良事件强制上报。AI系统误诊、漏诊、性能严重偏离要在规定时限内上报国家或省级医疗器械不良事件监测中心。 4·算法审计入法。第三方算法审计机构会被监管认可，承担AI模型的定期审计责任。这一类机构会成为新兴行业。 5·跨部门协同强化。卫健委、药监局、网信办、医保局、数据管理部门要就医疗AI形成统一监管协调机制，避免监管空白与重复。 6·动态退市机制。重大安全事件或性能严重偏离时，医院启动系统退市流程，监管部门同步备案。退市不再是行政罚款，而是产品下架。

【影响清单六·资本·5条】

1·估值标尺变化。医疗AI企业估值过去看的是用户数、装机量、技术指标；现在要看注册证数量、合规分、医保挂网清单、医院本地化部署案例。 2·退出路径变化。SaaS轻交付路径变窄，私有化交付+服务订阅成为主流。这一变化重新定义医疗AI的商业模式天花板。 3·医疗AI不会赢家通吃。良医财经早就判断过：这个行业的碎片化、专业化、政策性，决定了一批懂场景、懂数据、懂规则的企业，在细分赛道活下去、跑出来。 4·垂直赛道+合规深扎成主流。慢病管理、临床决策支持、影像辅助、病理辅助、急诊预警等垂直场景，每一个都能容纳3到5家中等规模公司。 5·医保数据IPO新窗口。被纳入医保乙类的AI产品，会成为下一波港股、A股医疗科技板块上市的核心叙事。

【影响清单七·产业·6条】

1·算力国产化提速。私有化部署+本地化训练，倒逼医院采购国产算力。这是国产AI芯片、国产服务器、国产推理框架的最大需求侧。 2·数据资产入表破冰。医院派共识写明"推动医疗数据资产入表及合法交易"，这是数据资产化在医疗行业的第一份正式背书。 3·医疗高质量数据集交易市场起步。脱敏、标注、确权、授权使用的数据集，将进入合法交易通道，催生数据中介与数据银行新业态。 4·产学研用一体化。医院做数据，高校做算法，企业做产品，监管做规则——四方协同从口号变成机制。 5·跨境数据合规倒逼基础设施。基因数据、人类遗传资源的使用与出境，必须严格遵守《生物安全法》《人类遗传资源管理条例》。境外大模型在中国医院的接入路径被显性收紧。 6·"AI+医疗器械"融合上市。AI软件与硬件深度耦合的产品（如AI内窥镜、AI超声、AI心电）成为器械注册主流品类，单一软件类AI产品的合规门槛上升。

🎯 第五章 · 收尾 · 7张可贴墙执行卡片

七类利益相关方各自带走一张可贴墙清单：

院长卡片：组织架构升级、专项预算批复、数据治理签字权、责任合同审定、退市机制启动权——5项不能授权出去的事。

信息科主任卡片：本地化或私有云部署、等级保护测评、动态风险监测看板、算法审计接口、不良事件上报通道——5项必须打勾的工程。

医务处主任卡片：知情同意书改版、人机分歧记录规则、AI审核员排班、培训学分挂钩、不良事件复盘流程——5项要重新写的SOP。

法务部卡片：合同三级责权条款、产品责任条款、追偿条款、保险条款、退市触发条款——5个不能漏的合同节。

厂商售前卡片：注册证、备案号、等保级别、本地化部署方案、产品责任保险——5份不能缺的标书附件。

医保对接卡片：医保乙类挂网、AI项目编码、人机协同记录、可追溯日志、绩效报告——5份不能少的支付凭证。

资本研判卡片：注册证数量、医保挂网量、医院本地化部署量、合规分、退市记录——5个不能略的尽调要素。

这35张清单合起来，就是2026下半年到2031年中国医院AI落地的标准操作流程。

共识是天花板，非共识才是活法。这两份共识合起来不是一份要求，而是一份门槛——过不去的厂商不是被淘汰，是不存在。