医院智算中心建设深度分析报告（2025年版） - 指南

引言

在国家 “健康中国 2030” 战略深入推进及《“十四五” 全民健康信息化规划》等政策驱动下，医疗健康产业正加速数智化转型。当前我国优质医疗资源分布不均疑问突出，2023 年三级医院诊疗人次达 28.6 亿，基层医疗机构诊疗人次占比不足 45%，亟需通过新兴科技提升基层服务能力。精准医学时代的到来使基因测序等技术应用场景持续拓展，而云计算、人工智能的蓬勃发展则为临床决策精准化、医疗服务个性化提供了手艺支撑。

据《2025 至 2030 中国智慧医疗系统建设现状及投资回报评估报告》相关素材显示，2024 年中国智慧医疗市场规模已突破 8,500 亿元，预计 2030 年将突破 2.6 万亿元，年复合增长率约 18.5%。与此同时，医疗数据处理需求呈爆发式增长，中国信息通信研究院预测 2030 年区域医疗信息平台年数据处理能力将突破 2,000 亿条，而深圳 2025 年智能算力缺口已达 10,000 PFLOPS 以上，凸显智算中心建设的紧迫性。

政策与市场双重驱动：国家 “人工智能 +” 行动意见与 “东数西算” 工程推动医疗 AI 基建模式向 “本地总包 + 长期运营” 转型，《数据中心绿色低碳发展专项行动计划》明确 2025 年新建大型数据中心 PUE 需降至 1.25 以内，为医院智算中心建设给出政策框架与技术标准。

HX医院打造超级计算平台支持基因测序研究、北京XH医院依托中国电信天翼云 “息壤” 平台构建医学智能体等实践表明，智算中心已成为医院突破数据处理瓶颈、加速成果转化的核心基础设施。本报告基于政策要求与行业实践，聚焦不同规模医院的智算中心建设需求，献出涵盖算力规划、资料治理、应用落地的全流程解决方案，助力医疗服务体系完成从 “信息化” 到 “智算化” 的跨越式发展。

方案设计

需求与架构规划

医院智算中心建设需以场景需求为导向，构建弹性高效的技术架构。临床场景中，AI 辅助诊断依赖实时推理算力，如华HX医院 “神农 1 号” 超算中心采用 64 个 Tesla V100 GPU，并行计算效能超 90%，显著提升医疗图像分析效率；科研场景面临大模型训练需求，以 70B 参数模型为例，FP16 精度训练需显存约 182GB（1.3×70B×2B），推荐配置单卡 200GB 显存 GPU（如英伟达 Blackwell B300）；管理场景则需数字孪生监控实现资源动态调度，应对 “烟囱式” 架构导致的资源闲置问题。

架构设计可采用 “自建 + 租赁 + 共建” 混合模式：

• HX医院通过采购华 X Atlas XT A2 训练服务器满足基础科研算力，年支撑 50+ AI 项目；

• XY医院结合本地化部署与公有云扩展，平衡数据隐私与弹性需求；

• 天翼云 “息壤” 平台给予跨区域算力调度能力，接入 77 EFLOPS 总算力，可作为共建共享枢纽。

硬件层面需注意 GPU 服务器与通用服务器的差异化设计，PCIe 接口、散热及电源配备需匹配算力密度升级需求，单机柜功率已突破 120kW。

算力规划三步骤

1. 按临床（推理）、科研（训练）、管理（监控）场景拆分需求；

2. 基于模型参数与精度估算显存（如 70B 模型需 182GB）；

3. 选择 “自建 + 租赁 + 共建” 混合架构，优先匹配 200GB 级 GPU 及无损网络调度方案。

存储与网络层面，采用 DCS 存算分离架构可破解资源分散难题，通过医院云平台整合超融合虚拟化资源池与数据库集群，提升资源利用率。北京XH医院部署的 “息壤” 平台 Triless 架构，构建算力服务与框架解耦，已做完 120 余个模型的国产算力适配，为医疗智算提供可复用的工艺范式。

核心算力选型

医院智算中心核心算力选型需平衡性能、成本与场景适配性。主流方案中，NVIDIA Blackwell B200 凭借 Blackwell 架构支撑多模态模型开发，如梅奥诊所部署其构建数字病理与精准医学平台，服务 Atlas 模型训练；国产昇腾 910B 在 “息壤” 平台实现 DeepSeek-R1 推理性能与高端 GPU 持平。

依据 GB/T 46346 - 2025 标准，算力评估分三层：

• L0 硬件规格（FP16 算力等理论上限）；

• L1 基础设施性能（通信 / 存储协同）；

• L2 业务处理能力（推理时延等服务质量）。

FP16 精度因平衡速度与精度成为医疗 AI 推理优选，如 “息壤” 平台 62 EFLOPS 算力（35 EFLOPS 自建 + 27 EFLOPS 生态整合）支撑 DeepSeek-R1（671B 参数）推理延迟达 300ms。

XH医院案例显示，异构算力调度是关键。“息壤” 利用统一调度英伟达 H800、AMD MI300 及昇腾 910B，结合自研加速引擎，达成从满血版到轻量化模型的灵活部署，科研项目年增 150%。HX医院则采用 8 CPU + 8 GPU 均衡架构，调整 NVIDIA A100 GPU 服务器集群，满足大内存需求场景。

选型关键指标

医疗场景优先关注 FP16 算力规模（FLOPS@FP16）、推理时延（如 300ms 内）及异构兼容性，同时需符合 GB/T 46346 - 2025 标准的 L2 业务性能要求。

基础设施保障

医院智算中心基础设施部署需系统性规划机房选址、液冷体系设计与供电冗余配置，以支撑高密度算力需求并实现能效与可靠性目标。

机房选址应优先考虑散热条件与供电稳定性，结合 “东数西算” 工程对东部枢纽节点 PUE≤1.25、西部≤1.2 的强制要求，在清洁能源富集区域（如内蒙古、贵州）部署可显著降低能耗。

液冷系统设计（按算力密度分级）

• 冷板式液冷：适配中密度场景（机柜功率密度＜45kW），以金属冷板贴合芯片带走热量，兼容现有服务器架构且改造成本可控；

• 浸没式液冷：经过系统重构突破热密度墙，支持单机柜 120kW 以上功率密度，如中科曙光 scaleX640 超节点采用浸没相变液冷技术使 PUE 降至 1.1。

供电系统需配置双回路 UPS 保障冗余，结合高压直流（如 400V）管理与液冷式母线排设计，满足单机柜 60 - 100kW 的供电需求。

上海天翼云万卡智算中心的 “全液冷 + 国产化” 实践提供了成熟范式，其单集群万卡规模部署通过冷板式与浸没式技术组合，达成 PUE≤1.2 的优化目标。容灾备份方面，可参考异地双活架构，结合天翼云在长三角枢纽与内蒙古清洁能源基地的分布式布局，构建跨区域算力调度与数据备份体系，确保关键医疗业务连续性。

核心实施要点

• 液冷选型：中密度场景（30 - 60kW / 柜）优先冷板式，高密度（＞80kW / 柜）采用浸没式；

• PUE 优化路径：利用自然冷源 + 全液冷框架，目标值≤1.2，西部枢纽可进一步降至 1.08；

• 供电冗余：双回路 UPS + 400V 高压直流架构，承受单机柜最大 120kW 功率密度。

数据平台建设

医院数据平台建设需构建覆盖全流程的技能架构体系，实现数据从采集、存储到治理、服务的闭环管理。

素材采集环节

采用 CDC（变更数据捕获）工具与 ETL 技能结合的方式，搭建结构化与非结构化数据的统一接入：

• 对 CT 图像的 DICOM 格式标准化处理；

• 医院信息系统（HIS）、影像归档和通信架构（PACS）的无缝对接；

• 支持本地化部署与云端服务两种模式。

存储层设计

采用分布式文件系统与数据湖技术（如 Apache Iceberg），拥护时间旅行查询历史病历版本，同时通过虚拟化平台实现服务器资源集中调度，动态应对门诊高峰期 HIS 系统的高并发需求。

数据治理体系

包含元数据管理、质量监控及隐私保护三大核心模块：

• 质量监控：北京XH医院通过源头资料质量控制，保障统计数据的准确性、时效性和规范性；南京GL医院的数据治理实践实现了 98% 的准确率；

• 隐私保护：采用动态脱敏与差分隐私科技，结合联邦学习框架 FATE、安全多方计算（MPC）等隐私计算技术，确保原始数据不出院；

• 溯源能力：引入区块链技术（如 Hyperledger Fabric），符合《数据安全法》对医疗资料全生命周期管理的合规要求。

服务层与运