隐私保护要求模型私有化部署，算力更是一笔烧钱的账。一位技术人员透露，某三甲医院近期为研发部署大模型，额外租赁了5台910B算力服务器，仅算力成本就在七八十万元，“这还只是训练阶段，部署、运维、迭代，每一步都要往里砸钱”。

　　部署贵的背后，是AI技术能力与业务价值的供需错配。

　　菏泽某三甲医院最近放弃了一套试用半年的骨科手术导航系统。单从技术上看，这套系统并不差。术前，系统可基于CT数据自动完成三维建模并规划手术路线；术中，不断现场采集数据，持续定位器械与骨骼关系，引导螺钉轨迹，误差可控制在0.3毫米以内。但医院相关负责人的考量也很实际：“现阶段，我们最缺的是人手。能帮医生分担体力操作的机械臂，远比提升精度的导航系统来得迫切。”

　　再说升级难。

　　设备买回来、模型部署好，只是第一步。难的是让它越用越准。

　　业内人士指出，开源大模型让算法门槛相对较低，真正的“大头”是用于模型迭代升级的数据标注。

　　以“齐鲁·镜界”喉镜大模型为例，山东大学齐鲁医院大数据中心副研究员杨孝荣介绍，大模型初始准确率达90%，但此后每提升1个百分点，都要跨科室团队反复审核、重新标注。“模棱两可的病灶标不准，模型学到的就是错误模式。”

　　升级难，还难在数据。

　　医疗数据稀少而混杂，加上严格的隐私保护和高昂的采集成本，高质量数据供不应求，模型开发常常卡在数据关上。

　　那么，AI“同事”到底值不值得请？