医院用AI自研软件,厂商会消失吗?

★
摘要：AI降低了写软件的门槛，却不会改变专业化与规模化的商业规律。医院与厂商真正要面对的，是重新划分分工。

最近，我开始用AI制作医疗产品演示Demo。过去要先画原型、写需求，再反复向研发解释的页面，现在通过几轮对话就能跑起来。

于是，一个问题很自然地出现了：如果以后医院信息科也能自己提需求、让AI写程序，医疗信息化厂商是不是就没有存在的必要了？

我的判断是，信息科一定会自己做更多软件，但医疗信息化厂商不会因此被完全替代。AI改变了软件生产方式，却没有取消专业分工、规模效应和长期服务这些基本规律。

信息科自己做软件，这条路已经可以走了

这件事没有必要回避。

我还没有用AI完成过一套正式运行的医疗软件，但已经用它做过医疗产品Demo。过去停留在口头和文档里的想法，现在可以很快变成可操作的应用；再根据演示调整需求和原型，交给研发同事继续使用AI开发，这条路径是可行的。

现实中也已经出现了类似尝试。2026年，深圳发布医疗AI编程平台，并上线了由业务人员规划、AI辅助开发、技术人员校验优化的双向转诊数据监控大屏。

所以，医院信息科自己做报表、台账、数据看板和内部小工具，或者市场上找不到合适产品的个性化轻应用，我认为会越来越常见。有些需求与其写参数、走采购、等厂商排期，信息科用AI做出来可能确实更快。

但“可以自己做”与“所有软件都应该自己做”，是两回事。

商业世界有一个很朴素的规律：一件事情越专业、复用范围越广，分摊到每个用户身上的成本通常越低。AI出现以后，这个规律并没有消失。

假设某家医院需要一套常见业务软件。信息科用AI开发，只服务本院一家，需求梳理、接口对接、测试、上线和维护的成本，都由这一家医院承担。即使代码生成得很快，业务规则变化、接口升级或人员离职后，医院仍然要继续投入。

医疗信息化厂商同样可以使用AI。不同的是，一套产品可以服务多家医院，也会在实施中不断遇到差异：同一个转诊流程，各院的审核方式可能不同；同一个绩效系统，各地的指标口径和申诉流程也不一样。这些差异会反过来推动产品继续完善。

厂商把核心能力开发一次、再为多家医院适配，研发和维护成本可以被分摊，一家医院遇到的问题也可能在后续版本中解决。AI让双方都有了更高效的工具，却没有让规模化生产失去意义。

因此，高度个性化、范围小的应用，医院自研可能更划算；需求相对共通、要长期运行的软件，由厂商产品化建设，综合成本反而可能更低。

AI能缩短写代码的时间，却不会让所有医院突然拥有同样的研发能力。

CHIMA对1007家医院的调查显示，参与调查的三级医院中，信息技术部门开展“按需少量软件开发”的比例为61.13%，三级以下医院为25.40%；三级以下医院中，信息技术部门专职人员不超过5人的占71.75%，而这些人也不全是开发人员。

医院信息科的人员数量、专业方向和既有基础本来就不一样。即使规模接近，有的团队擅长数据，有的擅长基础设施，有的熟悉开发，做出来的软件也会有差异。

更重要的是，医疗软件并不只是代码。

有些软件偏技术，比如接口平台；有些偏业务场景，比如双向转诊；还有一些背后其实是一套管理方法，比如绩效考核。绩效软件真正困难的往往不是做一个填报页面，而是指标由谁制定、数据从哪里取、结果如何确认、出现异议谁来复核。管理规则没有理顺，AI把页面做得再快也不一定好用。

医院最了解自己的问题，厂商则接触更多医院，更容易分辨个性需求与通用需求。好的医疗软件往往来自两种经验的结合。

所以，医院要不要用AI自研，不能只比较“写代码需要几个人”，还要看五件事：

需求小、急、个性化，信息科用AI自研很合理；业务复杂、风险较高、需要多年维护，采购成熟产品可能更合适；既有通用部分又有本地差异，医院先用AI做出Demo，再与厂商共同建设，可能更现实。

对医疗信息化厂商来说，真正需要担心的不是医院会不会使用AI，而是自己的价值是否还停留在“医院说一条需求，我做一个页面”。如果只是出售开发人天，医院可能逐渐自己做；如果能把多家医院的经验做成更成熟的产品，让接口更好接、上线更稳、问题有人处理、系统持续升级，医院仍然有购买专业服务的理由。

对医院信息科来说，AI带来的也不是“以后什么都自己干”，而是更强的主动权：先验证想法，把需求讲清楚，再判断哪些自研、哪些共建、哪些采购。

新工具往往会重新划分协作关系，却很少把专业分工整体抹掉。AI会减少一部分简单开发，也会让医院和厂商形成新的合作方式。与其焦虑谁会被替代，不如先想清楚：当写代码越来越容易以后，自己还能提供什么更难被复制的价值。

我会继续在“医信产品工坊”记录AI给医疗信息化产品、研发方式和院企合作带来的变化，把正在发生的问题拆开，与大家一起讨论清楚。欢迎评论区交流！！！