执行摘要

伏羲慧眼是国内首个应用临床眼科大模型，由王宁利院士和香港中文大学袁武教授联合研发。它不只是眼科诊断工具，更能通过一张眼底照片预测全身 38 项生物指标，实现「一眼窥全身」。根据行业调研收录的 15 个典型案例，它是唯一同时具备院士领衔 · 全球最大数据规模 · 国产化适配 · C 端公众产品四大特征的案例。

核心 Takeaways

• 数据壁垒是真正护城河: 440 万张影像 · 26 国覆盖 · 8 种模态，眼科领域数据规模无出其右
• 「一眼窥全身」打开天花板: 38 项全身生物指标预测，让眼科大模型价值远超眼科范畴
• C 端触达是放大器: 蚂蚁健康合作让专业工具变成大众健康服务，品牌影响力倍增

核心人物与团队

伏羲慧眼背后是一支医学 + AI + 工程的复合型跨学科团队，由院士领衔、博士级研究员执行，依托教育部工程研究中心分中心开展工作。

团队规模

伏羲慧眼云平台团队是河南省医学科学院引进的高层次人才团队，学科交叉特征鲜明。2025 年招聘 17 人，2026 年又招聘 29 人，涵盖基础研究、临床研究、医工交叉三个方向，依托「眼科诊疗设备与材料教育部工程研究中心分中心」开展工作。

数据底座: 数字眼底宇宙

伏羲慧眼的核心竞争力之一是其数据基础。团队已汇聚超过 440 万张眼部影像数据，构建了一个被团队称为「数字眼底宇宙」的庞大数据库。

技术演进: 从 1.0 到 2.0

伏羲慧眼经历了从多模态诊断工具到可解释循证诊断平台的演进，2.0 版的关键突破在于解决了医疗 AI 最核心的信任问题。

1.0 版 · 2024 年 10 月 · 郑州发布

基于当时全球最大规模眼科图像数据库发布，具备多模态多任务能力: 眼科疾病诊断、图像分割、疾病发展趋势预测。这是国内首个正式发布的临床眼科大模型，标志着眼科 AI 从单点工具走向大模型范式。

2.0 beta 版 · 2026 年 4 月 · 云平台上线

2.0 版相比 1.0 有三大关键升级:

2.0 版已进入临床场景测试阶段，诊断能力据报道已超过低年资医生水平。

突破性能力: 一眼窥全身

伏羲慧眼最引人注目的能力，是通过一张眼底照片预测身体的 38 项关键生物指标。这让眼科大模型的价值远远超出了眼科范畴。

科学原理

眼底是人体唯一可以直接无创观察到血管和神经的部位。视网膜血管的变化可以反映全身微循环状况，从而推断血糖、血压、血脂等多项生理指标。伏羲慧眼通过分析眼底影像中这些微妙变化，实现「眼部一张照，健康早知道」。

预测能力范围

三层产品体系

伏羲慧眼不只是一个模型，而是形成了从底层引擎到终端用户的完整产品体系，覆盖专业医生、医疗机构和普通公众三类用户群。

第一层: 伏羲慧眼大模型 (核心引擎)

多模态多任务眼科垂直大模型，具备三大核心能力: 眼科疾病诊断 (覆盖青光眼 · 糖网等主要眼病)、图像分割 (精确定位病灶区域)、疾病发展趋势预测 (预判疾病走向)。同时支持 38 项全身生物指标预测。

第二层: 伏羲慧眼云平台 (转化平台)

云平台是产品化的医学大模型工具，架构由两部分组成: 前端的医学 AI 操作系统 (面向医生的交互界面) 和后端的大模型任务调度系统 (模型推理和任务分发)。医生通过 Web 平台上传眼科影像，平台自动给出辅助诊断结果。采用加密存储和隐私计算技术保障数据安全。

第三层: 「FUXIAI · 王宁利医生」智能体 (公众产品)

与蚂蚁健康合作开发，面向普通用户。底层融合三大模型能力:

• 伏羲慧眼大模型的眼科专业能力
• Qwen 系列大模型的通用语言能力
• 蚂蚁百灵大模型的健康管理能力

为用户提供免费的眼健康咨询、宣教服务和眼底照解读。王宁利院士也是蚂蚁「阿福」平台上六位国家院士之一。

图 1 · 伏羲慧眼三层产品架构：从核心引擎到公众触达

商业模式: 从科研到产业

伏羲慧眼并非纯学术项目，而是形成了一套从科研到产品到产业的完整商业闭环。虽然具体定价和营收数据尚未公开披露，但其商业模式的核心逻辑已逐步清晰。

「试错性落地」: 低门槛切入策略

伏羲慧眼采用了一种被团队称为「试错性落地」的推广策略。医疗机构无需支付高昂的软件授权费用，只需采购硬件一体机设备即可接入平台。云端大模型持续迭代升级，所有接入机构自动共享进化成果。这种模式大幅降低了医院的试错成本，让「先用起来」变得容易。

联盟推广: 规模化获客的关键通道

全国眼科联盟人工智能分联盟于 2025 年 1 月 4 日正式成立，由王宁利院士推动。截至目前，联盟成员单位已超过100 家，全部依托「伏羲慧眼云平台」开展大模型多模态本地训练与应用。联盟模式本质上是一种行业级获客渠道 — 通过学术权威背书和同行网络效应，实现规模化推广。

医疗器械注册: 商业化合规前提

伏羲慧眼已获得二类及三类医疗器械注册证。这是医疗 AI 产品实现商业化的硬性门槛 — 没有注册证，产品就不能在医院正式收费使用。获批注册证意味着产品已通过药监局的安全性、有效性审查，可以合法进入临床收费体系。

多元收入结构

产业生态合作

团队正积极与医疗器械龙头企业合作，共同建设智慧医疗生态。这一方向涵盖临床诊疗、科研工具以及产业转化三个层面。同时与华为在算力端、蚂蚁健康在 C 端的合作，构成了「算力 + 模型 + 触达」的商业三角。

图 2 · 商业模式生态流转：五大合作方与价值流转关系

实际运行情况与数据反馈

伏羲慧眼从 2024 年 10 月发布至今，已从最初的学术发布逐步走向规模化临床应用。以下汇总了公开可获取的关键运营数据和临床验证结果。

临床应用规模

诊断能力验证

临床验证网络

模型研发历时 3 年，联合北京同仁医院、中山眼科中心等30 余家医疗机构完成算法优化与临床验证。这种多中心验证模式确保了模型在不同人群、不同设备条件下的泛化能力。团队百余人参与研发，形成了覆盖基础研究、临床研究、医工交叉三个方向的学科交叉团队。

落地进展时间线

图 3 · 落地里程碑：从学术发布到规模化应用的 18 个月演进

荣誉与认可

• 全国博士后创新创业大赛获奖项目 (「伏羲慧眼 — 生成式眼科人工智能大模型」)
• 王宁利院士入选蚂蚁「阿福」平台六位国家院士之一
• 行业调研收录的 15 个案例中唯一同时具备院士领衔 + 全球最大数据 + 国产化 + C 端四大特征的案例

部署方案: 国产化 + 云边协同

在医疗数据安全要求越来越高的背景下，伏羲慧眼完成了基于华为昇腾生态的全栈国产化适配，这已成为规模化落地的前提条件。

硬件方案: 多型号一体机

与华为合作开发多型号一体机设备，基于华为昇腾 AI 处理器，实现全栈自主可控。一体机部署在医院本地，处理实时推理任务，患者数据不出医院。

架构方案: 云边协同

云边协同的四大优势

• 数据安全: 患者数据不出医院，在本地完成推理
• 低延迟: 边缘端直接响应，无需等待云端返回
• 可扩展: 云端统一管理和更新模型，边缘端自动同步
• 国产化: 基于华为昇腾 AI 处理器，全栈自主可控

图 4 · 云边协同部署架构：云端管理 + 边缘推理 + 数据安全

试点覆盖

目前已在河南 · 广东 · 福建 · 新疆四省 (自治区) 的 11 家医院试点应用。

基层下沉: 眼底一张照

伏羲慧眼最具社会价值的方向之一，是面向基层医疗场景的下沉应用。在河南这个人口大省，医疗资源「城里强 · 乡下弱」的现状尤为突出。

现实痛点

专业眼健康资源在基层极为稀缺，很多基层医疗机构没有专业的眼科医生，眼病筛查和早期发现面临巨大挑战。青光眼、糖尿病视网膜病变等眼病具有隐匿性，如果早期没被发现，等到晚期就不可逆了。

解决方案: 县域医共体适配

团队已适配县域医共体模式，推广「眼底一张照」服务。基层医生只需要一台眼底相机，拍摄一张眼底照片上传到平台，伏羲慧眼即可自动给出辅助诊断结果。诊断能力已超过低年资医生水平。

未来规划: 手持相机 + 手机

蒋帅团队的规划是研发手持式眼底相机设备，结合手机使用，让基层医生携带一台便携设备就能完成眼病筛查。目标是推动 AI 下乡，让偏远地区的群众也能享受到专家级的眼科诊断服务。

伏羲慧眼的使命不是替代医生，而是和医生角色互补。让 AI 成为眼科医生的数字协作伙伴，让优质诊疗经验可复制、可下沉。 — 伏羲慧眼团队

行业定位与对比

根据行业调研收录的 15 个典型案例，伏羲慧眼是唯一同时具备四大特征的项目，与其他案例形成了差异化定位。

四大独有特征

图 5 · 行业横向对比：推广规模 × 数据规模 × 产品层次 × C 端触达

与其他案例对比

核心启示

伏羲慧眼的案例给医疗智能体行业带来三点深刻启示，也是当前行业研究中最值得借鉴的落地范本。

启示一: 数据壁垒是真正的护城河

440 万张影像数据、26 个国家的覆盖、8 种模态的多样性，这不是短期内能复制的。医疗 AI 的竞争，最终会回到数据积累和标注质量上。模型可以被追赶，但数据的广度和深度需要时间沉淀。

启示二: 国产化不是可选项，而是必选项

在医疗数据安全要求越来越高的背景下，基于国产算力的全栈适配是规模化落地的前提条件。伏羲慧眼选择华为昇腾生态，不仅满足了数据安全合规要求，也为「云边协同」的部署模式提供了硬件基础。

启示三: C 端触达是品牌放大器

与蚂蚁健康合作面向公众，让伏羲慧眼从专业工具变成了大众健康服务。这是从 B 端到 C 端的跨越，也是品牌影响力的倍增器。在医疗智能体行业，绝大多数产品止步于医院端，谁能率先触达 C 端用户，谁就能建立更强的品牌认知。

未来规划

• 手机拓展设备: 手持式眼底相机 + 手机，助力基层眼病防控
• 全身健康扩展: 继续扩展 38 项生物指标的预测能力和精度
• 更多省份试点: 从当前 4 省 11 家医院向更多省份推广
• 模型持续迭代: 基于更大规模真实世界数据持续优化
• 深化企业合作: 与华为、蚂蚁健康等头部企业深化合作