一、引言
在 2025 年初，卫宁健康明确了 “AI Everywhere 全场景赋能” 的发展战略，目标是将 AI 技术全面融入医疗行业的各个领域，同时承担起数据专家和 AI 专家的重要角色。随着 DeepSeek 技术的不断创新和突破，AI 在医疗行业的应用进程得到了显著加速。卫宁健康抓住这一机遇，推出了医疗大模型 WiNGPT 2.8 和医护智能助手 WiNEX Copilot 2.1，这两款产品与 DeepSeek 生态实现了全面对接，为公司在 AI 医疗领域的快速发展注入了强大动力。
二、卫宁健康的 AI 行动计划
在 2025 年，卫宁健康将 AI 智能化创新作为产品设计的核心，积极实施 “Copilot for Everything” 行动计划。这一计划不仅致力于为用户提供 AI 增强型的医疗产品，还在公司内部的多个环节引入了 AI 技术，包括代码开发、文档设计以及运维知识服务查询等。通过这些举措，卫宁健康从研发生产体系到智能医疗全场景，全面推动了生产力的转型与提升，为医疗行业的智能化发展奠定了坚实基础。
卫宁健康 “Copilot for Everything”行动计划
图源：卫宁健康
三、WiNEX Copilot 2.1 的新特性
WiNEX Copilot 产品架构
图源：卫宁健康
（一）AI 场景深化与拓展
在 WiNEX Copilot 2.0 的基础上，2.1 版本在场景深化、模型支持和平台能力三个方面进行了显著升级。它全面覆盖了临床、护理、医技等关键医疗场景，并贯穿于诊前、诊中、诊后全流程，进一步提升了医疗临床与管理场景的质控能力。通过与 CDSS 的深度融合，WiNEX Copilot 2.1 内置的风险预警功能结合新模型能力，实现了质控的实时校验与预警，有效提高了临床与管理场景的质控效能。例如，在电子病历书写和患者血液管理等场景中，不仅效率得到显著提升，错误率和资源浪费也大幅减少。此外，新版本还增加了 Copilot 智能费用管理助手，能够对患者就医全流程进行实时费用监管，确保费用使用的合规性。WiNEX Copilot 2.1 从 PC 端成功延伸到了移动端。通过与卫宁健康的移动产品 WiNEX MY 搭载，医护人员在移动场景中也能便捷地使用 AI 功能，如语音查房、知识查询、流程管理等，这些功能变得更加智能和便捷。此次移动端主要发布的场景包括 “移动知识助手” 和 “智能交接班”，为医护人员提供了更加灵活高效的工作支持。
（二）模型支持 DeepSeek 接入
WiNEX Copilot 2.1 采用开放架构设计，能够灵活对接各类大语言模型，并在统一平台进行管理。在原有支持的模型基础上，2.1 版本新增了对 DeepSeek 的快速接入能力。用户可以根据需求选择本地化部署或通过 WiNEX Copilot 2.1 远程访问互联网上的 DeepSeek 服务，Copilot 2.1 能够对其进行有效管理和控制。目前支持 DeepSeek - R1 - 32B 的本地化部署，并可与 WiNGPT 同时部署，满足不同场景需求。
模型新增DeepSeek-R1接入
图源：卫宁健康
接入 DeepSeek - R1 - 32B 的 WiNEX Copilot 2.1 已在北京大学人民医院成功部署上线，支持电子病历智能助手、语音查房等场景，为医院的智能化医疗提供了有力支持。
（三）平台能力提升
WiNEX Copilot 2.1 在平台管理上进行了全面升级，优化了提示词模板、功能组件和 AI Agent，显著提高了前端业务场景的接入效率。通过扩展提示词模板，覆盖了更丰富的业务场景，无论是复杂的推理分析还是日常的文字提取处理，都可以灵活调用模板，快速生成精准的提示词。全新的任务流框架采用大模型路径规划模式，能够根据任务需求智能选择最优路径，大幅提升了执行准确率和效率。将文书生成类及总结提取类功能进行组件化封装，兼容 PC 和移动端。用户可以灵活调用功能组件，快速对接业务，进一步提升了工作效率。
WiNEX Copilot 2.1 Agent 列表
图源：卫宁健康
四、WiNGPT 2.8 的强化与优化
（一）模型性能提升
WiNGPT 2.8 借助 DeepSeek 的 AI 推理能力，成为更加全面、性能更强的医疗大模型。主要提升包括指令数据量的大幅增加，新增指令数据约 95 万条，总量达到 227.8 万条；新增大量数学、代码等推理类型指令集；token 长度达到 8192，模型逻辑推理能力得到了进一步提升。对指令数据中逻辑推理类指令答案范式进行了重构，显著提升了答案质量。模型思考内容来自 DeepSeek - V3、DeepSeek - R1、WiNGPT 2.7 等模型产生的思维链，精简了冗长的思考内容，生成了富含反思和验证机制的答案。整体指令重构率达 70%，其中医疗指令重构达 95%。强化了思维链方法，与循证医学过程实现了深度融合，显著提升了医疗问题推理的准确性。在继承 DeepSeek - R1 本身能力的同时，进一步提升了医疗问题解决能力。其信息抽取能力在 Zero - shot 情况中，准确率达 93%，质控具体场景准确率超过 95%。实现了对 PubMed 数据库的联网检索，能够针对研究问题查阅相关文献，所有回答内容都有参考文献支持，为医疗科研提供了有力帮助。经过后训练的微调和对齐，WiNGPT 2.8 整体性能较前一代提升了约 3%，在医疗场景中更是有约 3%-5% 的显著提升，为医疗行业的智能化应用提供了更强大的支持。
WiNGPT 联网 PubMed 搜索效果
图源：卫宁健康
五、WiNGPT 的部署优化
（一）私有化部署与安全优化
WiNGPT 2.8 在私有化部署方面进行了全面优化，实现了模型文件加密、模型量化、推理性能优化等功能，充分满足了医院对安全性和隐私性的严格要求。同时，采用先进的推理框架和接口规范，进一步提升了部署的灵活性和适配性。WiNGPT 2.8 在多种国产硬件上开展了适配、推理部署和性能测试工作。目前已成功支持国内领先的硬件厂商如华为、海光、燧原、沐曦等算力芯片。通过适配多种国产硬件平台，WiNGPT 的兼容性和灵活性得到了进一步增强，能够满足不同场景需求，为医疗行业的国产化提供了有力支持。
六、结语
WiNEX Copilot 和 WiNGPT 的持续迭代升级，充分展现了卫宁健康在医疗 AI 领域的创新能力和技术实力。在 DeepSeek 生态的协同下，卫宁健康将继续推动 AI 技术在医疗领域的广泛应用，为医疗机构提供更智能、更高效的解决方案，助力医疗行业的数字化转型和智能化发展，为患者带来更好的医疗服务体验。
特别声明：智慧医疗网转载其他网站内容，出于传递更多信息而非盈利之目的，同时并不代表赞成其观点或证实其描述，内容仅供参考。版权归原作者所有，若有侵权，请联系我们删除。
凡来源注明智慧医疗网的内容为智慧医疗网原创，转载需获授权。
