诸葛运帷（信研汇智）联合复旦大学附属中山医院打造的《基于 AI 的智算中心与智能运维体系建设实践》项目，成功入围 2026 中国医院信息网络大会（CHIMA）医院新兴技术创新应用案例，获中国医院协会权威认证。

一、项目背景

复旦大学附属中山医院以支撑智慧医疗高质量发展为核心目标，率先完成院内本地智算中心初步建设，同步构建覆盖全院IT基础设施的统一智能运维监控平台。依托高性能计算集群、AI开发平台与容器化平台三位一体的算力底座，实现对医学影像分析、临床科研等高负载医疗任务的高效算力支撑；同时以“业务运维”为核心理念，打通 HIS、PACS、EMR等核心医疗系统与底层IT资源的端到端可观测性，推动医院IT运维模式从“被动响应”向“主动预测、智能辅助”深度转型。该体系的建成与落地，显著提升了医院IT资源利用效率、核心业务系统可用性与运维响应速度，为医院数字化高质量发展筑牢了高效、绿色、可持续的基础设施保障，也为医疗行业新兴信息技术与业务运维深度融合树立了实践标杆。

二、关键技术

本项目以业务运维融合AI技术为核心创新方向，适配医疗行业高可靠性、高安全性的发展要求，落地多项核心技术并实现技术与医疗业务的深度融合，成为系统高效运行的核心支撑，具体如下：

1. 异构算力资源池化与 Kubernetes 原生调度技术：实现全院不同类型、规格算力资源的统一池化管理，依托Kubernetes完成算力资源的智能调度与按需分配，精准匹配医疗科研、临床应用等不同场景的算力需求，最大化提升算力资源利用效率。

2. 基于时序模型（LSTM/Prophet）的资源使用趋势预测技术：通过LSTM、Prophet先进时序分析模型，对支撑业务运行的CPU、内存、存储等IT资源使用情况进行精准预测，提前识别资源过载、低效利用等问题，为运维工作从“事后处置”向“主动预测”转型提供数据支撑。

3. 基于本地 AI 大模型的运维监控一体化智能分析技术：依托医院本地部署的 AI 大模型，打造运维监控一体化分析能力，实现告警信息智能聚类、故障根因自动分析与处置建议精准推送，大幅降低运维误报率，提升故障处置效率。

4. 医疗业务系统依赖关系自动发现与影响面分析技术：针对医疗业务逻辑复杂的特点，自动发现 HIS、PACS、EMR等核心系统间的依赖关系，故障发生时可快速分析影响范围，为故障优先级判定与协同处置提供科学依据，保障核心医疗业务连续开展。    

三、应用效果

（一）IT 资源效能大幅提升，集约化利用成效显著

通过统一智能运维监控平台，实现对全院IT资源的集中可视、统一管控与智能分析，目前已实现对547个业务系统、57套数据库、249台物理服务器、1114台虚拟机、19套存储设备、332台网络设备的全面监控，平台可提供长达2年的历史数据采集与分析能力，明确50名运维责任人的管理职责。结合AI驱动的智能调度与精细化管理，全院各类IT资源冗余度显著降低，低效资源得到有效整合，资源利用效率实现质的提升，从根本上减少了资源浪费，延缓硬件扩容需求。

（二）核心业务系统稳定性跃升，故障处置效率大幅提高

统一智能运维监控平台实现了核心医疗系统故障的快速发现、精准定位与高效修复，系统年可用率稳定提升至99.9%以上，平均故障恢复时间（MTTR）显著缩短，为临床诊疗与患者就医提供了超稳定的系统支撑。

（三）科室服务体验提升，IT 支撑保障能力获认可

2025年第四季度院内匿名调研结果显示，临床与医技科室对医院IT服务稳定性、响应速度的综合满意度评分从82分提升至94分，IT系统的高稳定性有效减少了因系统问题导致的诊疗流程中断，为科室日常诊疗、科研工作开展提供了坚实的技术保障。

（四）患者就医体验优化，便民惠民效果突出

依托稳定的PACS系统与高效算力支撑，医院影像报告平均出具时间缩短约30%，大幅减少患者等待检查结果的时间；线上挂号、缴费等便民系统的卡顿问题得到彻底解决，相关投诉量下降65%，切实优化了患者就医流程，提升了就医获得感。

（五）运维工作模式升级，工作效率显著提升

统一智能运维监控平台的AI功能日均处理告警信息200 + 条，通过智能告警聚类与根因建议推送，将运维误报率下降超70%，大幅减少工程师无效工作耗时。运维团队彻底摆脱传统 “救火式运维” 模式，成功转向 “预防性优化” 模式，在未增加人员编制的前提下，高效支撑全院IT规模30%的增长。

四、成果分享

复旦大学附属中山医院通过 AI 驱动的智算中心与智能运维体系构建，在医疗行业新兴信息技术应用领域取得了一系列可复制、可推广的实践成果。

1. 成功建成医院面向AI应用的本地智算底座，初步接入HIS、PACS、EMR等核心医疗系统，填补了医院本地高端算力的空白，为AI医疗应用落地与临床科研创新提供了坚实算力支撑。

2. 打造的统一智能运维平台实现“从芯片到业务”的端到端可观测，彻底打破医院原有各系统独立监控的孤岛状态，实现全院IT运维的全域化、一体化管理。

3. 核心医疗业务系统可用性稳定在99.9%以上，重大故障恢复效率提升5倍以上，构建起超稳定的医疗业务系统运行体系，保障医院核心诊疗工作连续开展。

4. 全院IT资源冗余度整体下降20个百分点以上，物理服务器整合率达67%，实现IT 资源的集约化、绿色化利用，有效延缓硬件扩容需求，降低医院信息化建设成本。

5. 创新形成“业务责任人 + AI 助手”新型运维机制，重构医院IT运维工作流程与分工模式，在未增编的前提下支撑全院IT规模 30% 的增长，为医疗行业运维模式升级提供了新范式。

五、机遇与挑战

（一）发展机遇

随着智慧医疗建设的持续深入，人工智能、大数据等新兴信息技术在医疗领域的应用场景不断拓展，为医院IT运维智能化升级带来重大机遇。本体系打造的“AI 融合业务运维” 模式高度契合医疗行业数字化发展趋势，未来可将 AI 从当前的“提效工具”升级为“协同决策者”，在保障安全与合规的前提下，逐步构建“感知 — 分析 — 决策 — 执行”的智能运维闭环，成为医院IT运维的效率加速器与绿色发展推手。同时，区域医疗协同发展需求日益迫切，医院成熟的智能运维体系可向医联体成员单位输出，助力区域医疗数字化均衡发展，发挥更大的行业示范引领作用。

（二）现存挑战

当前AI技术在医院运维领域的应用仍处于辅助决策阶段，自动化执行环节受限于医疗系统的高可靠性要求与行业合规边界，落地过程中仍面临诸多挑战：

1. 医疗业务逻辑复杂、各科室需求差异化大，现有AI模型的泛化能力有限，难以完全适配所有医疗业务运维场景。

2. 医院不同核心系统建设时间、技术架构不同，跨系统数据标准不统一，数据融合难度较大，影响AI模型根因分析的精度。

3. 医疗系统直接关系患者生命健康，AI自动修复功能需经过严格的安全验证与合规审核，目前难以完全替代人工，智能运维的全闭环能力尚未形成。

六、下一步发展规划

为进一步深化“AI 融合业务运维”模式，充分发挥智算中心与智能运维体系的效能，结合医院智慧医疗建设需求与行业发展趋势，制定以下发展规划，推动体系持续迭代升级：

1. 深化 AIOps 闭环能力：在测试环境试点AI自动修复功能，重点实现容器自愈、负载迁移等低风险环节的自动化处置，同时建立安全沙箱验证机制，为后续生产环境落地提供安全保障。

2. 拓展边缘智能监控：将运维感知能力延伸至手术室、ICU 等医院关键边缘诊疗节点，实现对边缘节点IT设备、医疗终端的实时监控，保障关键诊疗场景的系统稳定性。

3. 构建绿色运维指标体系：量化AI智能调度对数据中心PUE、碳排放的优化贡献，建立涵盖资源利用率、能耗、碳排放等多维度的绿色运维指标体系，推动信息化建设与绿色医院建设深度融合。

4. 探索区域协同模式：依托医院成熟的智能运维技术与经验，为医联体成员单位输出标准化智能运维能力，提供技术指导与人员培训，助力区域医疗数字化均衡发展。