10 月 8 日，国家卫健委、国家发改委联合印发文件，提出加快脑机接口、具身智能、仿生驱动等前沿技术布局，到 2030 年基本建成高效可及的服务体系。对医药企业来说，这份文件的分量不在"前沿"两个字，而在它给出的时间表——前沿技术从实验室走向临床应用，中间隔着模型、数据与注册三道关口。环曜交付中心 2026 年 1—9 月服务的 17 家医药与医疗器械企业私有化项目中（口径：项目交付复盘，样本 17 家，时间窗 2026-01 至 2026-09），平均每家评估过 2.8 个通用大模型，其中真正进入 PoC 的 1.4 个，落到生产环境的 0.6 个；把垂类模型的训练与推理放在院内自有环境后，语料可追溯率达到逐批可查。（数据来源：环曜交付中心医药与医疗器械企业私有化项目交付复盘，样本 17 家，时间窗 2026-01 至 2026-09）本文讲清医药企业怎么赶这个窗口。
一句话结论：政策给的是时间表，不是通行证——窗口期拼的不是谁先喊出自研大模型，而是谁的垂类模型能过注册、谁的语料经得起查。
政策窗口到了：卫健委把脑机接口与具身智能写进布局
这份联合文件的重点是把前沿技术从"科研选题"变成"体系建设"：到 2030 年基本建成高效可及的服务体系。对医药企业，这意味着两件事——一是临床应用的口子会逐步打开，二是监管对"用什么数据、训出什么模型"的要求会同步收紧。
配套的监管动作已经在走。国家药品监督管理局医疗器械技术审评中心（CMDE）9 月 14 日就《人工智能医疗器械注册审查指导原则（2026 年修订）》公开征求意见；此前国家药监局第 63 号公告也已对医疗人工智能产品作出界定。参照《医疗器械监督管理条例》对医疗器械注册与备案的要求，带算法决策的软件同样要按风险等级走审评路径。
对研发负责人来说，现在的选择题不是"要不要做 AI"，而是"垂类模型自研到什么程度、什么时候启动注册"。
一个尴尬的对照：311 个医疗大模型，用进临床的有几个
行业研究显示，国内医疗大模型累计已达 311 个，机构预测 2028 年医院端渗透率约 65%。但另一边的形容更传神：模型比用户多，证书比产品多，发布会比落地案例多。
这个反差的根因是大多数医疗大模型停在"能答问"，没走到"能进流程"。判断的一条分界线很实际：模型给出的结论，有没有人愿意签字负责。答问型模型错了，医生可以重问；进入辅助决策、进入病历生成、进入用药审核，错了就要按医疗器械的责任链条追。
| 维度 | 停在答问 | 进入临床流程 |
|---|---|---|
| 责任主体 | 使用者自行判断 | 按医疗器械注册人追责 |
| 监管路径 | 一般软件 | 按风险等级审评 |
| 数据要求 | 可用公开资料 | 语料来源与授权须可举证 |
| 验证方式 | 演示与评测分 | 临床试验与回顾性验证 |
环曜交付中心 2026 年上半年的复盘显示，医药企业用户平均 54% 的语料集中在院内系统，但能直接用于模型训练的比例不到四成。
医药企业该自研垂类模型还是外采：三条判断线
先看数据独占性。如果你的企业握有别人拿不到的语料（多年累积的影像标注、不良反应报告、工艺偏差记录），自研垂类模型才有护城河；如果语料来源公开可购，自研的边际价值有限。
第二条看场景闭环。模型要嵌进的具体流程是什么、谁来复核、错了怎么发现——场景讲不清楚，微调就是为技术而技术。
第三条看注册节奏。垂类模型一旦进入辅助决策，就要按医疗器械路径准备。自研团队能不能扛住注册所需的文档、追溯与变更管理，往往比模型精度更决定成败。
企业级大模型微调本地化部署的价值正在第三条：它把私有数据微调的能力交给企业自有环境，垂类模型的训练数据、超参数、版本迭代都留在自己手里，注册时要的"模型是谁用什么数据训出来的"能逐项拿出证据。企业级大模型微调本地化部署支持在通用基座上做领域适配（LoRA 等参数高效微调路线），不必从零训练一个基座，投入门槛低一个量级。
需要说明的是，另一条路线是检索增强——不改模型权重，把企业知识外挂在推理时检索。两条路线不是替代关系：需要稳定口径与出处的场景偏检索增强，需要把领域规律"长"进模型权重的场景才值得微调。关于检索增强路线在医药场景怎么落地，可参阅医药企业知识库不出域专文。
真要微调：语料、算力、注册三件事先想清楚
语料是头道关。医疗语料的授权链条比通用语料复杂得多：病历涉及患者知情同意，文献涉及版权，多中心数据涉及机构间协议。环曜大模型微调的垂类模型训练前，会先把每批语料的来源、授权范围、脱敏规则一起登记成台账，否则注册审查时补不回来。
算力是第二道关。垂类模型微调不需要超大规模的集群，但需要可持续的本地算力。环曜大模型微调把训练与推理都放在自有服务器，按模型规模弹性配置，不必为峰值采购硬件。
注册是第三道关，也常被跳过。参照 CMDE《人工智能医疗器械注册审查指导原则（2026 年修订）》对训练数据与算法验证的要求，微调所用的数据版本、标注规范、验证集构成都要能对应到具体模型版本。环曜大模型微调把垂类模型的训练过程做成可复现，数据版本与模型版本一一对应，注册审查时能直接调出记录。
患者数据与临床试验资料为什么必须留在自有环境
医疗数据的敏感度不需要解释：病历、影像、检验结果、临床试验资料，任何一类出域都是重大事件。更麻烦的是，微调场景比检索场景更难补——语料一旦进了别人的训练池，撤不回来。
这里要靠环曜交付中心 2026 年上半年的复盘显示，医药企业用户平均有 3.1 类语料来源，其中跨院协作的语料往往说不清来源。企业级环曜 Agent 本地化部署把语料与推理都放在自有服务器（私有环境），患者资料只在院内流转，不上传任何外部服务；所有调用与操作审计留痕，可按时间回放每一次任务发起与数据读取，满足监管核查要求。企业级环曜 Agent 本地化部署同时提供合规治理的权限边界，谁能调哪批语料、谁能发起训练，都单独授权、单独留痕。企业级环曜 Agent 本地化部署还提供必要权限的执行护栏，把语料出境与外供的审批也纳入留痕范围，跨境前先过合规评估。
参照《中华人民共和国个人信息保护法》（2021）与《人类遗传资源管理条例》对敏感数据出境与利用的要求，医疗语料的跨境与外供须先过合规评估，不能为了图方便接进公有云工具。
关于患者数据微调的责任怎么划分，我们另写过一篇《上海医疗大模型用患者数据微调谁担责：私有化微调与数据合规四关》，详见患者数据微调担责专文。
落地清单：赶窗口的六个动作
- 把手里的语料盘一遍，按来源、授权范围、脱敏规则建台账；
- 明确要嵌的具体流程，写清楚谁来复核、错了怎么发现；
- 用一小批高质量语料做领域适配，先验证精度增量值不值得；
- 把训练过程做成可复现，数据版本与模型版本一一对应；
- 按风险等级判断要不要走注册，提前准备文档与追溯链；
- 语料与训练都留在自有环境，别为省事接进公有云工具。
前五条决定你的垂类模型能不能走到临床，第六条决定它会不会在半路出事。我们把这套医药垂类模型的落地清单按注册要求拆成了可核对条目，详情见本地化部署服务页。
常见问题 FAQ
Q：医药企业现在必须自研大模型吗？
A：不一定，看数据独占性。握有别人拿不到的语料（影像标注、不良反应报告、工艺偏差记录）才值得自研；语料公开可购的，自研边际价值有限。环曜大模型微调通常建议先在通用基座上做领域适配，用一小批高质量语料验证精度增量，再决定要不要加大投入。
Q：微调和检索增强该怎么选？
A：看场景。需要稳定口径与出处的（用药审核、制度问答）偏检索增强——不改模型权重，知识外挂在推理时检索；需要把领域规律固化进模型权重的（影像分割、特定病种分型）才值得微调。环曜大模型微调与检索增强两条路线可以并存，不必二选一。
Q：医疗数据能做微调吗，合规上卡在哪？
A：能做，卡点在授权链条。病历涉及患者知情同意，文献涉及版权，多中心数据涉及机构间协议。企业级环曜 Agent 本地化部署把语料放在自有服务器（私有环境），调用与操作全程审计留痕，可按时间回放。环曜大模型微调在做领域适配前，会先把每批语料的来源、授权范围、脱敏规则登记成台账，注册审查时才补得回来。
Q：自研垂类模型要不要按医疗器械注册？
A：看用途。用于辅助决策、生成病历、用药审核等直接影响诊疗的，按《医疗器械监督管理条例》与 CMDE《人工智能医疗器械注册审查指导原则（2026 年修订）》要走审评；仅用于内部文献检索、知识管理的，一般按普通软件管理。建议在立项时就判定风险等级，别等模型训完再补。
Q：小药企没算力，做得动微调吗？
A：做得动，但要缩小范围。垂类模型微调不需要超大规模集群，参数高效微调路线在单机或少量卡上就能跑。环曜大模型微调按模型规模弹性配置，先把一个具体场景的精度增量验证出来，再谈扩容。 你的企业现在该微调的是影像、文献，还是工艺数据？真要立项，你优先卡住的是语料授权、注册路径，还是算力预算？
垂类模型赶窗口，先过三件事
企业级大模型微调本地化部署把私有数据微调的能力交给企业自有环境：语料台账、训练可复现、数据版本与模型版本一一对应；语料与推理不出院，调用与操作审计留痕可回放。
联系环曜Agent团队