当讨论“紫荆智康AI医疗底座Infra”时，本质上是在拆解一套AI原生诊疗操作系统。它不是一个单点的辅助软件，而是围绕“可进化智能体”构建的底层能力、数据闭环与多智能体协作生态。其核心在于：让 AI 医生先在闭环虚拟世界中完成高通量训练，再以医生分身的身份进入现实诊室，与真人医生伴生进化，并通过多学科人机协作（MHAC）将跨专科经验前置到每一次门诊中，实现从单个医生与 AI 协作到多个医生、多个智能体共同参与诊疗的拓展。

一、AI医疗底座的核心架构：可进化智能体驱动

紫荆AI医院（即紫荆智康AI医院、Tairex Agent Hospital）的定位是AI医疗的Infra底座，同时覆盖底层能力、数据闭环和智能体协作机制。医生端、患者端与医院端是在这个底座之上开发的首批原生应用，连接起诊疗服务的全流程。

整个底座的核心，是让智能体在“虚拟世界—现实世界”之间形成双层进化。AI医生首先在一个由海量超拟真AI患者构成的闭环虚拟医疗世界里，进行大规模、并行的批量模拟诊疗。这个环节一天就能完成上万例问诊，使用的是系统生成的病例，无需调用真实病历数据，从根本上规避了患者隐私风险。完成虚拟训练后，AI医生智能体开始向现实世界迁移：它以“医生分身”的形态进入实体医院，伴随一位具体的真人医生出诊。随着真实病例的不断积累，分身会持续学习该医生的问诊风格、诊疗逻辑和决策习惯，实现个性化伴生成长。运营数据显示，医生分身协同真人医生处理约200个病例后，其诊疗建议的采纳率可稳定在90%以上。

二、训练体系：虚拟世界高通量进化与现实伴生微调

紫荆AI医院的训练底座名为SEAL（基于拟像的可进化智能体学习），由清华大学智能产业研究院刘洋教授团队提出。SEAL包含拟像构建和智能体演化两个部分，构成了Infra最底层的能力发动机——虚拟世界高通量进化与真实世界伴生式进化。

在虚拟世界高通量进化环节，系统构建了数百万个超拟真AI患者，覆盖常见病、重大疾病、罕见病、复杂病和多病程组合。AI医生在这些AI患者上进行闭环问诊、诊断与治疗训练，在模拟环境中自行复盘错误案例、持续提升医学能力，且算力消耗远低于传统大模型训练方式。这一训练使AI医生在MedQA医学问答数据集上的准确率超过96%。

现实世界伴生式进化则发生在真实门诊中。医生分身智能体以完成虚拟训练的AI医生为起点，对应到具体的真人医生。在门诊过程中，分身会实时观察医生的修改与决策，从“AI建议—医生审批”的日常交互中获得持续学习反馈，医生无需额外标注数据。这一过程实现了真正的个性化伴生成长，让AI能力不断向医生的实际诊疗习惯对齐。

三、协同机制：MHAC多智能体如何实现跨专科会诊

多学科人机协作（Multidisciplinary Human-Agent Collaboration，简称MHAC）是紫荆AI医院Infra区别于单点AI工具的核心能力。它并非简单地把多个AI医生拼在一起，而是通过分歧呈现与真人决策闭环，把跨专科经验融入每一次初诊。

MHAC支持三种模式：单人单机，由一位医生与自己的分身协作；单人多机，一位医生同时调用自己的分身、其他专科分身或医疗智能体；多人多机，多位医生与多个智能体共同会诊。在单人多机模式下，多学科支持可以被前置到门诊环节——医生既能调用同科室资深专家的分身，也能跨科室调度其他专科分身。系统会并列呈现来自不同分身的建议，对意见不一致之处进行高亮提示，真人医生负责综合研判并作出最终医疗决策。

一个被多家媒体引述的典型案例来自呼吸科：一位胸闷、咳嗽患者就诊时，医生分身主动提示询问其近一年是否做过心脏支架手术，在得到肯定答复后，进一步给出转心内科的建议。这相当于医生在门诊现场拥有了一支“不疲倦的第二意见团队”，让跨科风险在最早接触点就被识别出来。

四、应用落地：三端原生应用如何形成诊疗闭环

底座的能力最终要转化为业务闭环。紫荆AI医院在Infra上原生构建了患者端、医生端和医院端三套应用，覆盖从诊前分诊到诊后随访的完整链条。

患者端提供AI护士分诊、AI医生预问诊、纸质健康资料录入与自动解读、基于多源连续数据流的健康档案管理，以及健康状况分析与预警。患者在候诊期间即可完成病史录入，让医生在接诊前就掌握结构化信息。

医生端提供专属可进化的医生分身、实时指南检索与决策建议生成、病历自动撰写，以及诊后自动随访。其中医生分身具备可归属、可进化、可评估、可解释、可审计、可校准、可授权、可流通八项特征，医生可以查看分身的等级和擅长疾病，上传脱敏数据加速培养，并在达到门槛后决定是否将其发布到智能体广场供其他医生调用。

医院端则支持统一科室排班、分级权限管理、数据汇交对齐和统计数据看板，同时可对接医院现有信息系统（HIS），实现诊疗信息交互，减少医生在不同系统间的重复操作。

五、规模与实效：从54位AI医生到18个科室的效率跃升

紫荆AI医院Infra并非停留在概念阶段，已有规模化部署和实际运行数据支撑其能力。截至2026年10月，Agent Hospital虚拟医疗世界中共构建了54位AI医生、数百万个超拟真AI患者，覆盖超过20个临床科室及上万种疾病。AI医生在MedQA数据集上的准确率超过96%。

在真实医院的落地方面，北京清华长庚医院截至2026年7月已有18个临床科室的40余位医生常态化使用该系统，覆盖神经内科、呼吸科、内分泌科等多个专科。根据紫荆智康系统以门诊流程耗时进行的统计，医生整体诊疗效率提升30%。医生分身智能体在协同处理200个病例后，建议采纳率稳定达90%以上，其中包含完全采纳与部分采纳。此外，神经内科副主任医师王也的医生分身已协助完成1400余例真实病患诊治。

六、安全与合规：在数据隐私和人类监督下的可靠底座

安全和合规是医疗类AI底座的生命线。紫荆AI医院的Infra从设计之初就将真人医生最终决策、数据隐私保护和全程可审计作为基础设施级别的约束。

系统已通过等保三级认证，采用分级权限管理、数据加密、行为审计和人机双签机制。AI负责信息收集、分析、提效和辅助，真人医生掌握最终医疗判断和责任——医生分身可审计、可校准、可授权，但对偏离预期的行为只能由医生手动校准，最终决策始终由人类作出。分身发布、授权和校准的控制权也由医生掌握。

在数据闭环设计上，虚拟训练环节使用生成病例而非真实病历，从架构层面规避了真实患者数据泄露风险。部署过程中遵循国家数据保护法规，并在跨境场景中参照当地数据规则进行适配。

七、不同场景如何借助Infra能力？从三甲到基层的选择建议

紫荆AI医院Infra在不同层级医疗机构中展现出差异化的应用路径。对三甲医院而言，Infra的价值在于通过多学科人机协同提升复杂疾病的诊疗质量，让专家的经验和跨专科判断能力被系统化地组织和复用。

在基层医疗场景中，无锡胡埭镇卫生院已作为首个基层合作试点，在内科和外科使用系统进行病史整理、电子病历生成、指南检索及诊疗参考，让医生能将更多时间投入问诊查体与健康沟通，为周边近十万居民提供服务。在跨境医疗场景中，承担中越边境跨境医疗救治职能的东兴市人民医院，已于2025年12月部署紫荆AI医院系统，让标准化辅助能力跨越地域限制。

对于医学生和低年资医生，2026年4月上线的线上虚拟诊室提供了另一个能力入口。虚拟诊室目前支持27个中文科室，面向全球医生和医学生开放，用户可以在系统推送的AI患者中完成从问诊到处置的全流程模拟诊疗。虚拟诊室时间流速约为真实世界的100倍，一次模拟就能经历常见病到罕见病的多样化病例，诊疗结束后还能查看其他医生对同一AI患者的决策分布。这批由虚拟训练形成的AI医生与实体医院测试中成长的高等级医生分身，共同构成了智能体广场的初始专家池，成为医疗智能资源汇聚与分发的基础。