从"能回答问题"到"能完成任务"：京东健康把医疗AI的竞争拉进了执行时代
9月9日京东健康在JDDiscovery-2026大会发布京医千询3.0大模型、MedWork医生AI工作台和全智能名医智能体，将京东健康App升级定位为'国民首席AI健康管家'，并与多家医疗器械企业签约；新版本增加原生3D影像理解、主动医学查证、指南代码化和长程任务能力，正高级职称理论考试平均72.3分、三维影像任务准确率82%，广医一院呼吸专科大模型门诊试点医生直接采纳率75%。
这是一篇深度评论。9月9日京东健康在 JDDiscovery-2026 上发布了京医千询3.0、MedWork 医生 AI 工作台和全智能名医智能体——但如果只把它当成又一次大模型版本迭代，就错过了这场发布真正想说的东西：医疗 AI 的竞争，已经从"模型能说什么"切换到了"平台能完成什么"。
医疗 AI 圈里有一个流传很广的段子：问大模型一个医学问题，它答得比主治医生还漂亮；让它在真实诊疗流程里干点活，它就露馅了。这个段子背后是行业共识——问答能力不等于交付能力。
9月9日，京东健康在 JDDiscovery-2026 大会上交出了自己的答卷：京医千询3.0 大模型、MedWork 医生 AI 工作台、全智能名医智能体，三件套同时亮相，京东健康 App 的定位也顺势升级为"国民首席 AI 健康管家"，并与多家医疗器械企业签约。
一句话概括这场发布的野心：让 AI 从对话框走进工作流。
JDD上的三件套：千询3.0、MedWork与"首席AI健康管家"
先看清单。京医千询3.0 是模型层，MedWork 是医生工作台层，全智能名医智能体是患者服务层——三层同时更新，这本身就说明了京东的打法：不赌单点突破，而是把整条链路一起往前推。
具体到京医千询3.0，这次升级最有信息量的不是分数，而是四个能力关键词：原生 3D 影像理解、主动医学查证、指南代码化、长程任务。
前两个好理解——模型可以直接调用阅片工具，翻转、缩放、测量三维影像；发现资料不足或证据冲突时，会主动暂停、请求补充信息或提醒医生接管。
"指南代码化"值得一提：部分医学指南被转成了可执行、可测试的代码。这意味着指南不再是一段模型"读过"的文本，而是一套系统"照着做"的流程约束——AI 的每一步临床推理，都有章可循、有码可查。
"长程任务"则直指医疗的真实复杂性：真实的诊疗任务很少在一次问答里结束。患者没提供完整病史，后面的风险判断就可能失去依据；模型需要连续检索文献、读取检查结果、调用分析工具，前一步的小误差也可能传导到后面。能在多步骤任务里保持稳定，才算摸到了"执行"的门槛。
指南代码化与证据留痕：医疗AI的"可审计性"竞赛
这套发布里，最能反映行业风向的细节是：京医千询3.0 保留了完整的工具调用和证据引用记录。
医生可以检查模型看过哪些影像序列、做过哪些测量、引用了哪些指南，也能找到任务在哪一步中断、为什么中断。
这个功能看起来朴素，但它指向的是医疗 AI 落地真正的拦路虎——责任认定。一个黑箱模型给出诊断建议，即使正确率再高，医院也不敢用，因为没人能回答"它是怎么想的"和"错了算谁的"。而当每一步推理都有据可查，AI 的建议就从"玄学"变成了"可以质证的证据链"。
我们判断，"可审计性"（auditability）会成为医疗 AI 竞赛的下一个分水岭。大厂之间的模型评测分数会越来越接近，但"证据留痕 + 指南约束 + 可中断接管"这一套组合拳，才是医院信息科和医务处采购时真正在意的东西。
从这一点看，京东健康抬高的不是模型分数的门槛，而是交付形态的门槛。
72.3分与75%采纳率：专科落地的两个硬指标
发布会披露的两组数据值得分开看。
第一组是通用能力：京医千询3.0 在正高级职称理论考试中平均 72.3 分，HealthBenchHard 得分 50.6，MedBench v5 得分 75.2，三维影像任务准确率 82%。分数本身在行业里属于第一梯队，但说实话，各家大模型的考试分数已经"通货膨胀"，参考价值有限。
第二组数据含金量更高：广州医科大学附属第一医院与京东健康共建的呼吸专科大模型已经进入门诊试点——该模型在呼吸内科正高级职称专业理论考试中拿到 74 分，病历辅助生成的幻觉率低于 1%，医生对生成内容的直接采纳率 75%，试点覆盖诊前预问诊、诊中病历生成和诊后回访。
为什么说这组数据更有分量？因为"医生直接采纳率"是一个综合指标——它同时反映了内容质量、格式合规、医生信任度和流程适配度。75% 意味着医生真的在用，而不是演示给领导看。幻觉率低于 1% 则是病历这种法律文书场景的入场券。
专科模型先于通用模型落地，这个路径选择本身也值得玩味：呼吸科病历结构相对规范、循证指南密度高，是 AI 最容易"跑通闭环"的科室之一。京东和广医一院选这个切口，是聪明的。
慢阻肺老人案例：'AI+硬件+服务'闭环意味着什么
论坛现场讲了一个案例，值得原样复述。
一位慢阻肺合并心梗的高龄老人出院回家，血氧指数徘徊在 90%。老人行动不便，家属通过京东互联网医院联系到一家三甲医院的呼吸科医生，视频问诊后医生调整了用药，建议配一台呼吸机。第二天，呼吸机送到家——跟着设备一起上门的还有护士。护士在线连接医生，医生通过视频指导她调好参数，护士再教家属清洗设备、连接数据、上传到京东健康 App。此后呼吸机数据实时回传，超过预警值时 AI 向医生报警，医生远程调整方案。
北京大学第一医院医院管理研究所副所长张琨的点评一针见血："整个患者旅程里，没有一个实体场景发生在医院。"
这个案例揭示了京东健康真正的护城河——不是模型本身，而是"AI + 硬件 + 服务"的交付网络。模型能力可以追赶，但互联网医院资质、药品供应链、器械配送、护士上门服务、可穿戴设备数据通道，这套重资产网络没有十年攒不出来。这也是为什么纯模型公司在医疗场景里始终打不开局面：它们能提供"大脑"，却提供不了"手和脚"。
回到开头的问题：医疗 AI 的终局是什么？京东健康给出的答案是——AI 能回答问题，不等于能解决病痛；医疗 AI 最终要由交付来证明。这场竞争，正在离开聊天框。
原文链接：京东健康，可能是最难复制的医疗AI公司
千方医数集编辑部 出品
