北京大三甲的诊室里，医生打开工作站，跨院一键调出患者就诊记录、检查报告、用药历史等信息；实验室里，科研人员不用大海捞针寻找临床试验受试者，海量脱敏数据智能筛选，临床试验招募匹配率近90%；城市决策中心，管理者通过智能“驾驶舱”实时掌握北京市医疗、医保、医药动态数据，精准把握卫生健康领域运行脉搏，城市治理效率大幅提升；公共卫生领域，多源数据构建的预警系统，正为城市健康安全筑起“防火墙”。
北京市正悄然搭建一个“三医协同”、城市数据治理的样本。
而上述这些场景，正是医渡科技构建的城市数据底座在实践场景中日常的一幕。
它并不是替代医院既有系统的新系统，而是在复杂异构系统之间搭桥、铺路，让数据能够流动，让AI能够进入真实医疗工作流。
5月，北京市委书记尹力现场调研医渡科技，听的就是这套东西。
随后，国家数据局局长刘烈宏带队在北京市开展数据市场建设专题调研，也实地走访医渡科技，重点了解医疗健康数据资源开发利用、行业高质量数据集建设及人工智能应用落地等情况。
连续调研释放出同一信号：北京在医疗数据治理与AI应用上的探索，正被视为行业高质量数据集建设和数据要素价值释放的重要样本。
在专访医渡科技联合创始人、首席执行官徐济铭之后，一个更完整的图景逐渐清晰：这不是一家AI医疗公司的产品故事，而是一座超大城市试图用数据和智能重新组织医疗资源、提升治理能力、支撑医药健康产业高质量发展的系统工程。
最难啃的骨头，偏偏藏着最硬的答案
最难落地的地方，往往最能验证系统性解法的价值。
北京这座城市的“难”源于城市治理的“复杂性”，表现于其多层级、多主体的管理格局：部属、市属、大学属、军队属四套医院体系交织，系统对接与数据共享都需要跨越“行政归属和不同技术标准”的双重鸿沟；同时，医疗信息的特殊性，要求监管工作必须统筹保障生命安全与维护数据安全。
更深层的压力来自人口结构——北京常住人口超过2100万，老龄化趋势持续加深，医保支付、医疗供给之间的矛盾更加突出。
但北京的“好”也同样清晰。
北京聚集着全国最密集的顶尖医院、部委机构和政策研究力量，既有制定规则的站位优势，又有打磨技术的最好临床场景。更关键的是，政府层面展现出打破壁垒的强烈决心，市领导将数据底座作为“非常重要的事情”推动，协调部属、大学、军队医院，打破数据壁垒，每一步都在为医疗创新探路。
徐济铭表示，“如果只是为了探索而探索、为了创新而创新，这个项目做不成。”在系统打造北京数据底座前，医渡科技已在全国数十家头部医院、多个国家级临床研究中心以及医科大学体系内积累了大量成熟合作案例。医渡科技助力医疗机构打造的专病库覆盖90多个重大疾病领域，还联合头部专家、主委及院士共同出版了20余本疾病数据集，并在相关医院与研究中心完成了标准化建设。
“先验证、后推广”的路径，为北京这一高要求城市提供了可直接嫁接的能力基础。
但市面供应商众多，医渡科技“赢”的基本素质在哪里？
“长期主义”，徐济铭说，城市需要的不是“项目承包商”，是“长期共生伙伴”：数据底座不是一两年的事，需要团队“长期聚焦、同频共振”。
长达12年深度聚焦医疗健康领域，医渡科技在医疗、医药研发、健康管理及商业保险等高价值场景均有深厚业务积累，能够提供“数据底座+智能底座”的融合支撑，这为双方的相互选择打下地基。
从数据“清道夫”到城市“共建者”：十二年只做一件事
对于医渡科技来说，从数据治理到智能应用，从医院到城市，从诊疗到治理，这不是业务板块的堆砌，而是一个有机系统生长过程。
2014年，医渡科技从医疗数据治理起步，做的是数据清洗、标注、标准化等“脏活累活”。在同行追逐挂号平台、影像AI等更快落地的业务时，医渡科技选择回到医疗复杂系统本身。
徐济铭认为，医疗AI真正要解决的不是单点工具问题，而是人体生命过程和医疗体系运行两个复杂系统的建模问题。只有尽可能全面地理解多维度医疗数据，才有可能建立对疾病和医疗体系的感知、预测、仿真与干预能力。
这一底层判断，决定了医渡科技过去十二年的发展路径，也使其能够在北京医疗健康数字化建设中，以长期合作伙伴的角色参与其中，持续提供数据治理、智能算法与场景应用支撑。
当然，这一切离不开各部门的重视及大力支持。在北京市卫生健康委的统筹推动下，北京围绕“三医”协同、医疗资源优化配置和城市健康治理，持续推进医疗数据治理与智能化应用建设。医渡科技作为技术服务商，依托长期积累的数据治理、标准化处理、智能建模和医疗AI能力，为相关工作提供底层技术支撑，并在实践中形成一个观察超大城市医疗AI基础设施建设的技术样本。
在AI+临床诊疗方面，医渡科技创新性开发了医生临床助手Copilot，已落地北京协和医院、北京大学肿瘤医院、清华长庚医院等多家重点三甲医院，深度融入诊前、诊中、诊后全流程。围绕北京市推动跨机构数据共享、检查检验结果互认和临床服务效率提升等工作，医渡科技的相关技术能力也支持在医生工作站终端以轻量化方式接入数据共享与智能辅助能力，在不大规模改造医院原有信息系统的前提下，帮助提升医疗数据调阅、病历生成、诊疗信息整合等环节的效率，将头部医院打磨的智能应用通过共享助手向全市推广，形成“头部创新+广域覆盖”的模式。
6月，医渡科技助力北京协和医院打造的专科专病AI智能体矩阵，在国家人工智能应用中试基地阶段性成果发布会上亮相。基于Dr.Copilot临床助手平台这一统一底座，双方已落地可溯源病历生成、循证治疗方案推荐等核心智能体，将循证决策能力嵌入诊疗流程，并支持整合医院自建及第三方专科智能体，形成“统一底座调度、多智能体协同”的开放临床AI生态，进一步验证了医疗AI从单点工具向系统化平台跃迁的路径。
在AI+临床研究方面，医渡科技围绕临床试验可行性分析、患者智能筛选与招募、研究过程质量控制等场景，向药企、医院和研究机构提供技术与服务支撑，帮助研究团队更高效地识别潜在受试者、优化筛选路径、提升质控效率，从而服务于中国药物临床试验效率和质量提升。此前，医渡科技已在拜耳、百济、诺华等生物医药企业相关合作中积累了多项实践经验。
在AI+健康管理方面，在北京市相关部门推动下，居民健康服务正从单一就医服务逐步延伸至连续健康管理。医渡科技的技术能力可支持在政府官方服务入口和健康管理场景中，对居民授权范围内的历史诊疗记录进行结构化整合，并进一步支撑健康分析、慢病管理、风险提示和个性化干预等应用探索，推动医疗服务从“被动诊疗”向“主动健康”延伸。同时，相关能力也可与普惠保险、商业健康险等场景结合，探索医疗数据在健康保障体系中的合规应用价值，医渡科技已连续五年担任“北京普惠健康保”主运营平台。
在AI+城市治理方面，围绕北京市卫生健康治理和“三医”协同需求，医渡科技提供的数据治理、指标体系建设、智能分析和决策支持能力，可服务于医疗资源监测、疾病风险预警、运行态势分析和政策评估等场景。通过对数据质量、数据标准和数据可用性的持续提升，相关技术能力有助于支撑“数据治理—质量提升—场景应用—治理反馈”的闭环建设，为超大城市医疗健康治理提供更加精细化、智能化的技术底座。
在北京，针对“三医”协同越来越多专家正形成一种共识：数据是推进“三医”协同发展和治理的关键要素，以数据驱动“三医”协同已成为趋势。
医渡科技自主研发的医疗智能底座YiduCore，通过构建“数据-算法-场景”的技术飞轮，已形成覆盖数据治理、模型开发、场景落地的全栈式能力。这样的技术能力，决定了医渡科技在北京的定位，不是成果的单一创造者，而是以医疗数据治理和医疗AI能力为基础，服务北京市卫生健康数字化建设的长期技术服务商。
北京经验能否复制？关键在于复制“破壁术”
徐济铭认为，外地学习北京经验，共性大于差异，但不能简单复制技术方案，而要复制“打破壁垒的方法论”。
从北京样本可以看到，一个新技术、政策的落地需五个关键要素协同。
一是政府牵引，这不是单单“给项目”而是“定规则、搭平台、促协同”，核心在于打破管辖权壁垒的决心，厘清卫健委、医保、大数据管理机构、医院主管部门等各方权责，制定数据共享规则、场景开放清单和利益分配机制，让数据流动起来。
二是医院开放场景，头部医院要从“被服务方”转变为“共建方”，提供高质量数据、临床验证场景和专家知识；基层医院则应通过“数据贡献—能力反哺”机制，在参与真实世界应用的同时获得AI能力支持，避免“只抽血不造血”。
三是企业做基础设施，城市级医疗AI建设需要专业深耕，而非简单平台整合；需要长期聚焦垂直领域，而非追逐短期风口。
四是监管守住边界，数据不出域、可用不可见，安全合规是前提。
五是服务形成闭环，从“建系统”到“用系统”再到“依赖系统”，持续优化模型、培训医护人员、收集使用反馈，让系统成为临床工作流不可分割的一部分。
下半场拼的不再是AI速度，而是系统信任力
医疗AI的下半场，不是单点技术比拼，是城市级系统能力的竞争，是新质生产力在民生领域的集中体现。
AI正重塑医疗生产关系。徐济铭表示，医疗AI让社区医生拥有协和主任的诊疗支持，让患者在基层获得三甲医院同源的AI辅助，就像“高德地图让新手开出老司机水平。”未来，AI驱动诊疗工作流，医生做“确认与沟通”，核心价值向患者沟通与人文关怀迁移；同时，智能医生与可穿戴设备、居家传感器结合，将推动健康服务从疾病发生后的被动治疗，进一步走向亚健康阶段的风险提示和早期干预。
这种系统能力的竞争，本质上是数据底座的竞争。城市医疗健康系统的提质增效，离不开数据这一核心生产力要素对医学创新生态的系统性重构。
北京样本的意义，正在于此——在国家卫健委的政策引领下，北京率先构建起“技术赋能、制度托底、治理协同”的卫健治理新范式：从“被动医疗”到“主动健康”，从“数字孪生”到“AI健康管家”，从单点突破到系统重塑。
这一愿景并不遥远，它取决于今天有多少城市，愿意像北京一样，在卫健部门的统筹推动下，把数据底座当作“非常重要的事情”来落实。
本文仅代表作者观点，不代表本刊立场。
