9月12日开幕的 2026 中国算力大会上，科大讯飞披露了一组数字：星火医疗大模型 V3.5 在 MedBench 评测拿到 98.9 分，AI 辅诊的医生采纳率超过 75%，医疗服务覆盖全国 828 个区县，累计辅助诊断超过 12.4 亿次。
这四个数字里，最该被记住的不是 98.9 分。
榜单分与采纳率，考核的不是一回事
榜单是闭卷考试，采纳率是开卷实战。医生每天面对的是主诉含糊、病史不全、检查结果互相打架的真实病人，而基准测试集里的题目干净得多。一个模型可以在评测里拿高分，同时在门诊被冷落——因为它给出的建议要么保守到没用，要么激进到不敢用。
75% 的采纳率意味着：在四分之三的场景里，专业医生看完 AI 的建议后，认为它值得采纳。这道门槛远比评测分数难跨，因为它考核的不是"答对"，而是"敢用"。
12.4 亿次累计辅诊、828 个区县的覆盖，则说明这套东西已经过了试点期。重点是基层诊疗场景——这恰恰是最缺优质医疗资源的地方。
医疗是 AI 落地最慢也最硬的战场
医疗 AI 的特殊性在于，错误的代价不对称。推荐错一部电影无所谓，漏诊一个病灶是事故。这决定了它的落地节奏必然慢于客服、营销、编程这些"错了可以重来"的领域。
但也正因为慢，一旦跨过去，护城河就特别深。数据、临床流程、医生信任、监管合规，四样东西都不是靠堆算力能在短期内追上的。
同一场合里，讯飞还联合中国教科院发布了基于问题链的高中数学智能教师系统，把优秀教师的经验转化为可执行的教学设计标准。医疗与教育同时推进，指向的是同一种思路：不去追通用的"聪明"，而是把能力钉进具体行业的作业流程里。
真正的变化发生在别处
更值得注意的是，这些数字出现在中国算力大会的语境里。大会本身展示的是全国一体化算力网的阶段性成果——8 个国家算力枢纽、10 个国家算力集群、3 个算电协同发展区域；截至 2025 年底已建成干线光缆 145 条，实现 8 大算力枢纽互联，逐步形成 1ms、5ms、20ms 三级高速算力网络体系。
算力网铺到什么程度，决定了 AI 能不能在县城的医院里跑起来。过去医疗 AI 的瓶颈是模型不够好，现在的瓶颈变成了：基层有没有算力、数据能不能流转、医生愿不愿意改变工作流。
当模型能力不再是短板，行业的注意力就该换到这些"不那么酷"的地方了。12.4 亿次辅诊，正是一次把注意力从实验室拉回门诊的提醒。
还有一个细节容易被忽略：828 个区县这个数字，比很多互联网产品的下沉深度还要深。它说明医疗 AI 的推广路径不是靠单点突破，而是靠一张铺到县一级的服务网络——这张网的建设成本，恰恰是后来者最难复制的部分。