一句话结论：Google Cloud 于 2026 年 11 月 10 日发布 Gemini for healthcare，把病历合成、就诊前准备、医保覆盖与事前授权这些医疗后台流程做成可执行的智能体工作流，向 Gemini Enterprise Standard 与 Plus 客户开放预览，按席位订阅或按量付费两种方式计费，官方与厂商给出的量化锚点是临床医生每周被文书与行政事务吃掉近 28 小时，以及行政成本占美国医疗总支出的 25% 到 35%。
医疗行业的 AI 落地一直卡在一个很具体的环节。模型读不懂病历不是主要问题，读不懂病历的模型已经在论文里刷过很多分。真正被卡住的是下一步：把这些信息接到医院真实在用的系统里，在合规边界内跑完一个多步骤流程，并且让最后签字的人承担责任。谷歌云这次发布的东西落点就在这里，官方表述是专用技能、医疗专用连接器、综合支付与术语网络、医学与科学知识库四大块，整体构建在通用的 Gemini 智能体之上。
这不是一篇医疗模型评测。谷歌云没有公布任何跑分、参数量或者单病种准确率，发布材料里没有一个数字跟模型能力有关。全部数字都指向运营成本：临床医生每周损失近 28 小时（The Harris Poll 与 Google Cloud 的联合研究）、2025 年美国医学会报告中 41.9% 的医生经历过职业倦怠、美国医院协会估算行政成本占美国医疗总支出的 25% 到 35%。理解了这个取向，才能理解这个产品的实际形态。
Gemini for healthcare 的四大能力构成
官方把平台能力拆成四层，每层都能对应到具体合作方，这一点比抽象的架构描述更有用。
| 能力层 | 具体内容 | 代表合作方 |
|---|---|---|
| 专用技能 | 病历合成、就诊前准备、覆盖与政策审核、支付方福利判定，也可自建工作流 | 由客户自建，按机构流程定制 |
| 医疗专用连接器 | Epic 开放 API、Oracle Health 的 FHIR Ignite API 只读集成；NextGen Healthcare 开发中 | Epic、Oracle Health、NextGen、InterSystems、Keragon、Verato |
| 支付与术语网络 | CMS Coverage Data、NPI 注册表、RxNorm、ICD-10 查询，资格核验与事前授权自动化 | Optum、Waystar、Cognizant Trizetto、GoodRx、Infinitus、IMO Health |
| 医学与科学库 | 真实世界临床证据、肿瘤学指南、临床决策支持内容，可引用同行评议证据 | Optum EvidenceVue、ASCO、BMJ Digital Health |
有一处细节值得单独拎出来。Epic 和 Oracle Health 的接入方式被明确写成只读读取，把患者的活动病症、用药、近期化验结果拉进工作流，但不允许回写到电子病历，官方给出的理由是保护临床数据完整性。对医疗软件来说，这是一条比任何模型能力都更实在的产品约束：智能体可以帮助人读，但不能替人改病历。NextGen Healthcare 的连接器还在开发中，计划未来数月内发布。
连接器的覆盖面比一般想象宽。InterSystems FHIR Server 提供标准化的 FHIR 资源库管理与临床数据互操作，Keragon 把连接扩展到 400 多个医疗应用（含电子病历系统本身），Verato 负责跨就诊与跨数据源的患者身份解析与记录匹配。这三家的组合解决了 FHIR 生态里最常见的两个坑：资源库怎么统一、跨系统同一个人怎么对上。
首批客户与合作伙伴：7 家机构进预览
预览版的启动客户名单有七家机构加一个学术与专业组织，名单本身就说明这个产品的两类目标用户。
| 机构 | 类型 | 公开表态要点 |
|---|---|---|
| Blue Cross Blue Shield of Massachusetts | 支付方 | 把 Gemini for healthcare 作为可复用智能体统一架构的基础设施 |
| Highmark Health | 支付方与医疗服务方 | 目标是串联整个就医过程，形成个性化照护体验 |
| Optum（Optum Insight） | 健康服务与支付方 | 让支付方与提供方能连起来，减少不必要复杂度 |
| HCA Healthcare | 大型医院集团 | 探索跨多个电子病历系统与诊疗场景合成患者信息 |
| Northwell Health | 大型医院集团 | 减轻临床团队行政负担，把时间还给患者照护 |
| Hartford HealthCare | 医疗系统 | 让医生更快完整理解患者病史，前提是安全与可负责 |
| Stanford School of Medicine | 研究机构 | 用自然语言查询 OMOP 数据库，把研究问题与数据之间的距离缩短 |
| 美国临床肿瘤学会 ASCO | 专业组织 | 把 Guidelines Assistant 纳入 Gemini for healthcare |
ASCO 的参与方式在整份发布里比较特殊。多数医疗 AI 平台把指南当成只读资料库，ASCO 是把自己的 Guidelines Assistant 作为贡献方接进平台，肿瘤科医生由此能在对话里直接拿到指南支撑的答案。同样，Stanford 提到的那个变化很具体：查询 OMOP 数据库原本需要会写 SQL 并且熟悉数据模型，现在研究者可以用自然语言提问直接拿到答案。那些有想法但没有编程背景的研究者，不再需要排队等数据分析师。
集成与实施这一层由一批系统集成商覆盖，包括 66Degrees、Accenture、Altimetrik、AuxoAI、Cognizant、Deloitte、Egen、HCL Tech、KPMG、NTT DATA、PwC、Quantiphi、Slalom、塔塔咨询服务、TEKsystems、Wipro。对医疗这个采购周期极长的行业而言，谁来做实施往往比产品本身更决定落地速度。
为什么选开放式模型与智能路由
平台在模型层给了客户选择权，可以在谷歌、Anthropic、OpenAI 三家的模型之间选，并配一套智能路由：高频行政任务导向快而便宜的模型，复杂的临床与运营分析留给推理能力更强的模型。
这套设计在医疗场景里的实际意义是成本结构。高频任务往往不是病历综合这种重推理环节，而是医保资格核验、编码查询、拒赔材料整理这类结构清晰、调用量巨大、容错率相对高的工作。把它们分流到低价模型，把人复核留给真正的临床判断，是医疗 AI 能否算得过账的关键变量。
治理部分官方讲得比较完整。平台内置访问控制、审计日志和可验证引用，所有 AI 回答都锚定在已核验的患者病历、机构批准的指南和证据上，并给出可追溯的来源标注，让使用者能验证结论。安全侧集成了 Check Point 的边界防御和 Cyera 的数据与智能体安全，受保护健康信息（PHI）上下文用于支持 HIPAA 审计与合规报告。数据边界上，官方声明患者记录、临床数据、提示词与输出都留在机构自己的 Google Cloud 企业环境内，谷歌云不使用客户数据训练其基础模型。
定价与可用范围：面向 Gemini Enterprise 客户
这是发布材料里最容易被误读的部分。Gemini for healthcare 的可用对象是 Gemini Enterprise Standard 和 Gemini Enterprise Plus 客户，不是独立售卖的单品，也不是所有 Google Cloud 账号都能开通。计费方式有两种，可以按席位订阅（per-user seat subscription），也可以按量付费（pay-as-you-go），官方给出的理由是让机构按自身运营预算匹配成本结构。
具体单价没有公布。行业媒体在报道中确认了这两条计费路径的存在，但没有任何一家给出美元或人民币价格。预览阶段也没有公布结束时间表。
放在谷歌云的行业解决方案序列里看，这个产品的位置更清楚。Gemini for healthcare 之前已经有 Gemini for government services、Gemini for financial services、Gemini for legal，这是谷歌云把通用 Gemini 智能体按行业打包的第四个落地。官方对通用智能体的定义是一个常驻的智能体，员工交代目标后由它规划步骤、保留组织上下文、跨模型路由，最终在团队已经在用的工具里交付结果。
与微软和 AWS 的医疗 AI 路线有什么不同
把这次发布放到竞争坐标里看，路线差异比产品清单更能说明问题。谷歌云强调的是流程编排，模型性能只是其中一环，而且它把模型层做成了可替换项。
| 维度 | 谷歌云本次路线 | 微软路线 | AWS 路线 |
|---|---|---|---|
| 核心定位 | 跨系统流程编排，串起检索、推理与执行 | 在 Azure OpenAI Service 上叠加医疗模板与临床智能体 | HealthScribe 临床记录生成与 HealthLake 数据平台 |
| 模型选择 | 谷歌、Anthropic、OpenAI 可选，配智能路由 | 以自家模型与 Azure 体系为主 | 以 Bedrock 多模型为底座 |
| 人工监督 | 强制检查点，答案锚定已核验病历并给引用 | 临床模板内置引导 | 以数据治理与合规能力为主 |
| 商业化动作 | 打包进 Gemini Enterprise Standard 与 Plus 席位 | 服务与模板驱动 | 云服务与托管方案驱动 |
需要说清楚的现实是，这个平台目前是预览状态，官方没有公布任何临床效果数据。第三方分析给出的观察是，预览期适合用合成数据跑通端到端流程、测峰值负载下的延迟、并把人工交接点逐条记录下来，因为审计时一定会问这些。评测指标应该落在具体流程上，比如授权周转时长、拒付率下降幅度、医生实际省下的时间，而不是笼统的准确率。
另一个现实是合规责任不会外包给云厂商。官方声明数据不用于训练基础模型、数据驻留控制权在客户手中，但各医疗系统的法务仍需对照 HIPAA 业务伙伴协议以及加州 CMIA 之类的州级法规逐条核对。这是所有医疗 AI 产品的共同结构，发布会说清楚了边界，而边界之外的部分由机构自己扛。
常见问题
Gemini for healthcare 什么时候发布，谁可以用？
该方案在 2026 年 11 月 10 日由谷歌云正式发布，当前处于预览阶段，可用对象是 Gemini Enterprise Standard 与 Gemini Enterprise Plus 客户。首发客户包括 HCA Healthcare、Northwell Health、Highmark Health、Optum、Stanford School of Medicine 等七家机构，ASCO 作为贡献方参与。
它支持哪些电子病历系统，能写回数据吗？
已支持通过 Epic 开放 API 与 Oracle Health 的 FHIR Ignite API 做只读集成，可拉取活动病症、用药与近期化验结果，但不回写电子病历，以保护临床数据完整性。NextGen Healthcare 的连接器仍在开发中，计划未来数月内发布。
价格是多少，怎么计费？
官方只确认了两种计费路径：按席位订阅与按量付费，均面向 Gemini Enterprise 客户，具体单价与预览结束时间均未公布。第三方分析的判断是，预览期应先用非生产数据做受控实验，把内部立项依据落在授权周转时长、拒付率与医生实际时间回收这类可测指标上。
小结
谷歌云这次的发布没有给模型榜单添一笔，它给的是一份把医疗后台流程拆成可编排步骤的实施图谱。28 小时这个数字是旧数据，不是新成果，但它给了这个产品一个可以量化的靶子。医疗 AI 的竞争正在从能不能读懂医学信息，转向能不能连上真实系统、完成可审计的任务。对医院和支付方来说，预览期最有价值的动作是拿自己的流程去试，而不是等模型榜单更新。
相关阅读
- 讯飞医疗星火 V3.7 登顶 MedBench 5.0：99.6 分背后的 12 亿次辅诊
- 微软 MAI-DxO 诊断智能体：83.2% 准确率对医生 36.1%
- Anthropic 造药：Claude 接手 6 家药企研发与 1 人药企
- 谷歌 TPU 8tx 与 8i Max：四款第八代系统与 17.2 TB/s 带宽
- Gemini Omni 1.2 Flash：15 秒视频，0.07 美元每秒
延伸阅读
- 谷歌量子突破：魔态培育使 Willow 错误率降 40 倍4 周前
- 谷歌Gemini 4 Argon发布：输出上限百万Token，13项基准领先1 月前
- Google 开放 Connected Apps：50+ 应用接入 Gemini2 周前
- OpenAI 智能体为取数狂刷联合国网站 1.6 万次，历时三个月1 月前
继续读
同一批更新里这几篇值得一看：
- Gemini Omni 1.2 Flash：15 秒视频，0.07 美元每秒2026-11-06
- Gemini 文件编辑上线：7 类格式、PDF 移动端与三人赛跑2026-11-03
- Google Connected Apps 上线：50+ 应用接入 Gemini 与搜索2026-10-30