直播回顾丨“边缘AI+医疗”网络研讨会
医疗设备AI化转型，算力底座该怎么选？传统X86方案在功耗、体积、供货周期上都难以满足医疗设备的严苛要求。7月7日，品立科技以“算力近场，落地智慧医疗新场景”为主题的医疗AI网络研讨会成功举办。
本次会议特别邀请了品立科技、NVIDIA和善行医疗技术专家，从边缘算力方案、端侧AI全栈技术、落地案例三个维度进行深度分享，为医疗设备厂商的算力选型提供参考。
边缘计算破局医疗AI落地
刘翔宇 品立科技产品经理
全球医学影像诊断市场正经历快速增长，AI技术从感知智能向物理智能的加速演进，正在推动医学影像实时分析、手术机器人自主操作、重症监护智能预警等场景对边缘算力的共同需求。
边缘算力正成为医疗设备智能化转型的关键基建
目前多数医疗设备厂商仍采用传统X86方案，但该方案在医疗场景下面临多重挑战：功耗百瓦级，锂电池无法支撑；部分主板停产周期仅两三年，医疗设备却需稳定运行5至10年；体积偏大、风扇噪音与电磁干扰难以通过合规审查。
边缘算力落地AI医疗三大需求方向：
-
医学影像AI辅助分析
-
生命体监护与院前急救
-
医疗机器人与智能自动化
品立科技算力矩阵一站式选型：从34TOPS到2070TOPS，精准匹配每一类医疗设备
作为英伟达精英级（Elite）合作伙伴，品立科技已构建覆盖全场景算力的医疗产品矩阵：
品立科技医疗产品具备六大优势：7×24小时稳定运行、丰富接口支持设备迁移、开箱即用降低开发门槛、大模型赋能拓宽应用、34TOPS至2070TOPS全场景覆盖、5-10年稳定供货。
定制化服务方面，明确需求后15天出原理图，45-60天出样品，7个工作日完成驱动交付。
新一代NVIDIA端侧全栈AI为智慧医疗赋能
闫威 NVIDIA解决方案架构师
Agentic AI in Digital Health：医疗AI智能体
AI智能体已落地病人护理、就诊优化、病例筛查等场景。NVIDIA提供三大核心工具：Nemotron开源基础模型，覆盖推理、视觉、信息检索、内容安全、语音五大类，支持自有数据定制训练；NeMo训练框架，支持SFT、LoRA等微调方式；Dynamo Platform，自动匹配最优部署方案。内容安全类模型可在输入输出两端做过滤，满足医疗合规要求。
Open Models,Datasets and Frameworks：开源模型与数据集
手术机器人领域，NVIDIA提供Open-H数据集（750多小时标注数据）、Cosmos-H医疗世界基础模型（含视频变换、动作预测、效果验证三个专用模型）、医院自动化机器人仿真蓝图，帮助研发团队降低数据收集和验证成本。
Jetson Thor Introduction：最新端侧硬件
Jetson Thor基于Blackwell架构，最高算力2070 FP4 TOPS，能效较Orin提升3.5倍，128GB统一内存可同时运行多个大模型，分T5000和T4000两个版本。配套JetPack 7集成TensorRT与Jetson agent skills，支持开发者快速配置端侧AI应用；Holoscan Sensor Bridge基于FPGA将传感器数据直接传输至GPU内存，实现超低延迟数据通路。
AI辅助诊断赋能上消化道筛查
王闯 北京善行医疗科技技术总监
善行医疗便携式AI图像处理主机，选用品立科技自研Y-C7载板，采用FPGA+Jetson异构方案。病灶识别算法在该载板上实现32帧/秒实时推理，早癌疑似部位敏感度86.4%，小病灶召回率78.5%。
善行医疗技术总监王闯表示：“品立科技成熟的硬件方案帮助我们加速了整个研发过程，快速开发原型机进行验证，避免了在硬件上重复造轮子，让我们把资源聚焦在核心功能和AI算法上。”
