Healthcare IT News：物理 AI 或成为医疗下一轮变革技术，推动机器人进入临床场景

物理 AI 或成医疗下一轮变革技术，医院开始准备从“信息”走向“行动”

过去几年，医院和医疗系统部署人工智能的重点，大多集中在环境式文书生成、临床摘要、患者消息回复、编码辅助和行政自动化等数字化场景中。

这些能力确实减少了文书负担、提升了流程效率，但它们的影响范围大多还停留在屏幕和软件界面里。如今，越来越多医疗 IT 领导者开始把目光转向另一类能力：Physical AI，也就是能够在真实世界中感知、推理并采取行动的智能系统。

《Healthcare IT News》这篇报道认为，医疗行业的下一轮 AI 变革，可能会从电脑显示器走向三维空间。

什么是物理 AI

报道将物理 AI 定义为一种结合人工智能、机器人、传感器、计算机视觉和自主系统的技术体系。这类系统不只是给出建议或生成文本，而是可以感知周围环境、做出决策，并在现实世界中执行动作。

在医疗场景里，未来这类系统可能承担的任务包括：

• 运送药物和物资
• 在手术过程中辅助医生
• 监测患者状态
• 引导康复训练
• 支持护理和临床团队
• 协调医院后勤和物流

与生成式 AI 相比，物理 AI 的核心变化不只是输出形式不同，而是它会直接影响人、设备和照护环境。

医院需要面对的是一类全新的问题

报道指出，当智能机器开始直接与患者、医护人员和物理环境互动时，医院必须处理的不再只是准确率与可靠性问题，还包括：

• 物理安全
• 人类监督
• 治理与责任界定
• 网络安全
• 法律责任

虽然大规模部署仍需要时间，但支撑物理 AI 的多项底层能力正在快速成熟，包括机器人、多模态 AI 模型、仿真系统、边缘计算与传感器技术。

这意味着，对于医院来说，真正的挑战并不是“它什么时候完全成熟”，而是如果等到技术普及之后才开始准备，组织很可能会来不及建立所需的基础设施和治理体系。

从“生成答案”到“生成动作”

Expper Technologies 联合创始人兼工程负责人 Davit Martirosyan 在采访中给出了一个很直观的界定：当软件不再只是生成答案，而是在共享的物理环境中生成一个动作时，物理 AI 就开始了。

这看似只是一步变化，但对系统要求完全不同。聊天机器人或文书助手出错，可能只会造成混淆，之后还可以由人来纠正；但在医院环境中运行的机器人，必须持续理解周围环境，并考虑人类行为的不可预测性。

系统的时机、动作、距离、语音方式和环境理解，都可能直接影响患者舒适度、医护工作流以及整体安全。

Robin 机器人显示：情境理解和“何时停下”同样重要

Martirosyan 所在公司推出了名为 Robin 的社交辅助机器人，已在儿科医院和老年照护机构部署。

这些真实部署经验让公司意识到，医疗环境中的智能，不只是算力和模型问题，更高度依赖上下文理解。机器人不仅要观察人的反应、动态调整行为，还要识别什么时候最好的选择其实是暂停，或者把控制权交还给人类。

这也说明，医疗场景中的物理 AI，不是单纯“把 AI 装到机器上”，而是需要把感知、行为、监督和边界管理一起设计进去。

北岸医疗和 Nvidia 都认为这是下一阶段 AI 演进

Northwell Health 外科创新负责人 Filippo Filicori 认为，物理 AI 是一种连接传感器、机器和物理环境，并形成“感知 - 规划 - 行动”闭环的人工智能。

在他看来，生成式 AI 负责总结信息或提出建议，而物理 AI 则必须在确保安全的前提下，从建议走向执行。

Nvidia 医疗与医疗技术业务发展高级总监 David Niewolny 也表示，医院不应把物理 AI 视为对现有 AI 工具的替代，而应理解为 AI 成熟过程中的下一阶段。它把智能能力从文档、影像和 EHR 数据，扩展到围绕患者展开的真实工作环境。

他特别强调，物理 AI 不是“装了轮子的聊天机器人”，它需要理解现实世界的模型、用于训练系统的仿真，以及能够实时响应的边缘计算。

近五年最先落地的，可能不是“机器人医生”

虽然公众最容易联想到 humanoid robot（人形机器人）或自动做手术的机器，但三位受访者都认为，医疗行业最早的成功应用更可能来自范围明确、重复性高、环境相对可控的任务。

例如：

• 物流配送
• 药房工作流
• 标本运输
• 无菌处理
• 房间周转
• 库存管理
• 患者导航
• 远程在场支持

这些任务的共同点是流程标准化程度高、可衡量性强、临床风险相对较低，更适合作为医院展示物理 AI 价值的起点。

长期价值仍会深入临床照护

尽管物流场景可能最先规模化，但受访者都认为，物理 AI 长期影响不会止步于后勤。

Filicori 认为，外科是最有潜力的临床场景之一，因为手术机器人平台已经在持续生成结构化数据，例如高清影像、运动学数据、设备遥测和较为标准化的流程数据。

不过他也强调，未来更现实的方向不是“整台手术完全自主”，而是“按任务实现有限自主”，也就是在某些明确定义的子任务上实现闭环辅助，而非一次性替代整套临床流程。

这条新闻的重要性，在于医疗 AI 的竞争边界正在外移

从行业角度看，这条报道的价值不在于提出一个新概念，而在于提醒医院：AI 的下一轮竞争可能不只围绕模型能力，而是围绕“模型 + 传感器 + 机器人 + 工作流 + 治理体系”的综合能力展开。

谁能更早搭建安全边界、运营机制和责任体系，谁才更有可能真正把 AI 从办公室软件，推进到临床和医院运营的真实世界里。