⏱ 预计阅读：16 分钟；关注不迷路，加星标更聚焦
图注：以 openFDA 记录的 Intuitive Surgical 计算机控制手术系统 2000-07-11 决策日为起点，手术室/外科 AI 已走过 26年0个月25天。图里把机器人、视频智能、远程协作和 OR 运营治理放在同一条手术链路里看。
我的判断是：手术室/外科 AI 已经不是“机器人会不会动刀”的单点问题，而是医院能否把机器人、视频、排程、质控和术后复盘接成一条可追踪的真实手术链路。
图注：Intuitive 官网的 da Vinci 系统页面展示的是已经进入手术室的机器人产品形态。来源：Intuitive 官网，访问时间：2026-08-05。
手术室AI为什么现在值得看
过去谈外科 AI，很容易只谈机器人：机械臂更稳、视野更清、器械更灵活。这个判断没错，但已经不够。
现在的变化是，外科正在从“单台手术机器人”进入“手术室数据系统”。机器人负责操作执行，视频平台负责把手术过程结构化，远程协作平台负责把专家和病例连起来，OR 运营平台负责排程、周转和资源治理。
这和医院采购直接相关。如果只按机器人参数做预算，最后很可能买到的是一台昂贵设备；如果按手术链路设计，医院买的是术前准备、术中协作、术后复盘和运营效率的组合能力。
近 90 天最值得注意的事件，是 openFDA 记录中 OTTAVA Robotic Surgical System 在 2026-07-21 获得 De Novo，申请方为 Auris Health, part of Johnson & Johnson MedTech。J&J 官网页面本次被安全验证页拦住，不能作为正文产品截图，但监管记录说明外科机器人仍在进入新一轮产品化竞争。
AI正在重写哪段手术链路
图注：外科 AI 真正进入工作流，通常不是从“自动开刀”开始，而是从术前排程、术中采集、AI 处理、人工复核、输出去向和治理闭环开始。
第一段是术前入口。这里的 AI 不一定直接接触刀，但会影响病例准备、影像调阅、器械清单、团队排班和术种量评估。
第二段是术中采集。机器人、内镜视频、麻醉监护、OR 摄像头和设备日志都在产生数据。问题不在有没有数据，而在这些数据是否同步、可用、可授权、可回放。
第三段是 AI 处理。视频理解、步骤识别、风险提示、排程预测、文档生成都在这里发生。它们听起来像模型能力，但最后必须落到谁看到、谁确认、谁签字、谁负责。
第四段是术后复盘和院级治理。手术视频能不能进入教学病例库，异常延误能不能被归因，耗材和设备利用率能不能被管理层看到，这些才决定 AI 是否留在手术室。
26年演变：从机械臂到OR智能
| 时间 | 节点 | 说明 | 医院意义 |
|---|---|---|---|
| 2000 | da Vinci 进入监管记录 | openFDA K990144 显示 Intuitive 计算机控制手术系统决策日为 2000-07-11 | 外科机器人从概念进入产品化 |
| 2010s | 多孔、单孔、导航和能量平台成熟 | 机器人逐步进入泌尿、妇科、普外等微创场景 | 采购开始看术种量和培训 |
| 2020 | 手术视频和远程协作平台升温 | 手术过程开始被记录、标注和远程连接 | 数据治理进入外科 |
| 2022 | 新一代模块化机器人扩展 | Hugo 等系统强调模块化和数字生态 | 机器人竞争不再只有一家公司 |
| 2024 | da Vinci 5 强调力反馈与数据能力 | 机器人向更强计算和反馈能力升级 | 数据能力成为设备升级理由 |
| 2025 | OR 运营智能进入排程和周转 | Apella 等平台强调 OR 活动监测和预测 | 管理层开始看效率指标 |
| 2026 | OTTAVA 获 FDA De Novo | openFDA 记录 DEN250068，决策日 2026-07-21 | 新平台继续进入监管与商业竞争 |
这条时间线提醒医院一件事：外科 AI 的历史起点很早，但新的竞争焦点在变。早期是“能不能安全控制机械臂”，现在是“能不能把手术数据接进责任链”。
产品竞争分成四层
图注：四层产品不能直接放进一张准确率表横比。机器人解决操作执行，视频平台解决复盘，连接平台解决协作，OR 运营平台解决排程和治理。
第一层是操作执行层，代表产品是 Intuitive da Vinci 和 Medtronic Hugo。这类产品最接近传统设备采购，核心不是“AI 准确率”，而是适应证、机械稳定性、训练体系、器械耗材和术种量。
第二层是手术视频智能层，代表产品是 Theator。它不替医生下刀，而是把手术视频变成可检索、可标注、可复盘的数据资产。
第三层是连接协作层，代表产品是 Proximie。它把 OR 设备、远程专家、病例记录和教学场景连起来，竞争焦点是网络、权限、留痕和跨院协作边界。
第四层是 OR 运营智能层，代表产品是 Apella。它更像手术室运营中台，目标是让排程、周转、设备和人员状态可见、可预测、可复盘。
代表产品逐个拆解
da Vinci：机器人手术底座
图注：Intuitive 官网页面强调 da Vinci 是机器人手术系统，而不是自主手术系统。来源：Intuitive 官网，访问时间：2026-08-05。
da Vinci 的长期竞争力在生态。医生控制台、患者侧机械臂、3D 视野、专用器械、培训和服务体系绑在一起，构成了很高的院内迁移成本。
它真正改变的不是“医生不需要操作”，而是把医生手部动作映射到更稳定、更精细的微创操作。da Vinci 5 之后，力反馈和数据能力被放到更显眼的位置，这意味着机器人厂商也在往数据化手术平台走。
局限也很清楚：采购、耗材、维护和培训成本都高，ROI（投入产出）高度依赖本院术种量。没有足够病例量和医生训练路径，机器人很容易变成展示性设备。
Hugo：模块化机器人扩展路线
图注：Medtronic Hugo 官网页面展示开放式控制台和模块化机械臂形态。来源：Medtronic 官网，访问时间：2026-08-05。
Hugo 的差异点在模块化和开放式团队视野。它不是简单复制 da Vinci 的封闭控制台叙事，而是强调独立机械臂、开放式医生控制台和数字手术生态。
对医院来说，Hugo 的评估重点不是“这台机器是不是更酷”，而是能否覆盖足够多术式，手术室空间能否容纳，器械供应和培训路径能否长期支撑。
风险在于地区监管、适应证和商业化节奏不同。采购时不能把国外展示页面直接等同于本院可立即上线的全部能力，必须确认本地注册、维护、培训和耗材边界。
Theator：把手术视频变成可复盘数据
图注：Theator 官网称自己是 surgery intelligence layer，并展示 Surgery-to-Text 相关入口。来源：Theator 官网，访问时间：2026-08-05。
Theator 代表的是另一类外科 AI：不控制器械，而是理解视频。它把微创手术视频按时间轴、关键步骤、事件和质量指标进行结构化，让术后复盘和教学有数据底座。
这类产品的壁垒不在一两个模型，而在手术视频数据、标注标准、团队使用习惯和质控流程。Theator 官网顶部还显示与 Oracle Health 相关的合作信息，说明手术视频智能正在往更大的临床数据系统靠。
边界也很重要。视频智能可以帮助定位问题、复盘学习曲线，但不能替代术中临床判断。医院必须先想清楚：哪些视频可以被采集，谁有权看，多久留存，如何用于教学和质控。
Proximie：连接手术室和远程专家
图注：Proximie 官网页面明确写到云端软件平台整合 OR 设置和医疗设备，用于实时连接、数据整合和分析。来源：Proximie 官网，访问时间：2026-08-05。
Proximie 的定位是连接层。它让手术室不再是一个孤岛，而是能把术野画面、远程专家、设备接入、病例记录和术后分析放到同一个协作平台。
对医院来说，它的价值在教学、跨院协作、专家支持和手术数据资产沉淀。尤其是区域医疗、专科联盟和新术式培训，远程连接的价值可能比单个算法更直接。
它的风险是网络和责任边界。延迟、断连、权限、隐私授权和跨院责任必须提前写进制度。远程协作能提高连接能力，但现场主刀、麻醉和护理团队仍是责任核心。
Apella：把OR运营变成可预测系统
图注：Apella 官网页面写明其结合计算机视觉、AI 和 EHR 数据，用于 OR intelligence。来源：Apella 官网，访问时间：2026-08-05。
Apella 代表的是手术室运营智能。它不是看病灶，也不是指导医生切哪里，而是用 OR 摄像头、排程、EHR 和病例状态识别手术室活动，预测周转和延误。
这类产品最容易被低估，因为它不像机器人那样有强烈视觉冲击。但对医院管理者来说，OR 周转、准时开台、设备利用率、人员调度和延误归因，往往直接影响收入、满意度和质量安全。
部署风险同样明确：摄像头进入手术室，首先考验隐私和员工接受度；和 EHR、排程系统打通，考验信息科接口；指标改善是否真实，考验本院试点设计。
横向对比
| 产品 | 工作流位置 | 输入/输出 | 优势 | 医院先问 |
|---|---|---|---|---|
| da Vinci | 操作执行 | 控制台/机械臂 -> 微创操作 | 生态成熟、术式经验多 | 术种量和耗材成本能否支撑 |
| Hugo | 操作执行 | 模块化机械臂 -> 多术式扩展 | 布置灵活、团队视野强 | 本地适应证和培训路径是什么 |
| Theator | 视频智能 | 手术视频 -> 复盘/质控 | 视频结构化、教学强 | 数据授权和标注标准谁负责 |
| Proximie | 连接协作 | OR设备/专家 -> 远程协作 | 跨院连接、病例留痕 | 网络延迟和责任边界如何写 |
| Apella | OR运营 | 摄像头/EHR/排程 -> 看板/预测 | 周转和资源指标可见 | 试点指标能否量化改善 |
我认为，这张表最重要的不是谁排第一，而是提醒医院不要把不同层产品混在一起比。机器人看术种量和维护，视频智能看数据授权，远程协作看网络和责任，OR 运营看接口和指标口径。
医院如何选型与部署
医院可以按六步走。
第一，先界定问题。是缺机器人能力，还是术后复盘弱，还是远程专家不足，还是手术室周转慢？问题不同，产品层完全不同。
第二，拿本院数据做试点。至少要拿本院术种量、排程、实际开台时间、周转时间、取消率、并发事件、耗材和人员排班来设计指标。
第三，明确接口。机器人系统、视频系统、麻醉监护、HIS（医院信息系统）、EMR（电子病历）、OR 排程系统和耗材系统，哪些能接，哪些只能导出，哪些完全封闭，必须在采购前确认。
第四，写清责任链。AI 的建议由谁看，谁确认，谁可以忽略，谁负责记录，出现争议时看哪份日志，必须写进 SOP（标准操作流程）。
第五，设置退出机制。指标没有改善怎么办，模型漂移怎么办，版本升级后异常怎么办，供应商退出怎么办，数据如何交回医院，都要在合同里提前约定。
第六，小范围上线。先选一个术种、一个手术间或一个运营指标，不要一上来全院铺开。外科 AI 的失败，很多不是模型失败，而是链路、制度和培训没有跟上。
国内代表厂家：产品边界与交付方式
| 公司 | 具体产品 | 可核验优势 | 部署方式 |
|---|---|---|---|
| 微创机器人 | 图迈腔镜手术机器人 | 腔镜机器人产品线清晰，公开资料强调多科室微创手术 | 设备进院部署；接口和数据拓扑招采时确认 |
| 精锋医疗 | MP1000 腔镜手术机器人 | 聚焦多孔腔镜机器人，公开资料覆盖医生控制台、机械臂和器械 | 设备进院部署；数据接口招采时确认 |
| 术锐机器人 | 单孔腔镜手术机器人 | 单孔路线差异明显，适合评估特定术式和空间需求 | 设备进院部署；维护、耗材和培训边界需确认 |
| 康多机器人 | KD 系列腔镜手术机器人 | 国产腔镜机器人路线，公开资料强调临床应用和注册进展 | 设备进院部署；接口和数据平台能力需确认 |
| 华科精准 | 神经外科手术机器人/导航相关产品 | 更偏专科导航和定位，适合神外等精细定位场景 | 设备进院部署；与影像/导航系统接口需确认 |
这张国内表只是采购坐标，不等于已经证明每家都有成熟 AI 中台。医院应该索取注册证、适应证、真实装机清单、耗材价格、维护 SLA、接口文档、网络拓扑、数据流、升级回滚方案和本院试点资料。
风险与边界
第一，不要把“机器人辅助手术”写成“AI 自主手术”。现在真正可部署的主线仍然是医生控制、AI 辅助、团队复核和院内治理。
第二，不要把视频复盘平台当成术中决策系统。Theator、Proximie 这类平台的价值更多在复盘、协作和知识沉淀，不能替代术中判断。
第三，不要忽视手术室摄像头的治理成本。Apella 这类 OR 运营智能很有价值，但它触碰的是员工行为、手术隐私和管理指标，必须先做授权、脱敏、权限和用途边界。
第四，不要用“准确率”统治全部采购。外科 AI 更应该看术种量、周转时间、培训曲线、视频可用率、远程协作成功率、异常事件复盘率和成本结构。
图注：未来业务架构图。手术室/外科 AI 的目标应从单台设备采购，升级为术前计划、术中执行、术后复盘和运营治理的闭环。
图注：未来技术架构图。没有接口、权限、监测和回滚，AI 很难长期留在手术室工作流。
写在最后
未来 3-5 年，外科 AI 最重要的变化可能不是出现一个“自动外科医生”，而是手术室第一次被真正数据化：哪些病例准备不足，哪些手术间反复延误，哪些步骤最需要复盘，哪些医生学习曲线最需要支持，都会变得更可见。
我更看好两类医院先跑出来。第一类是术种量足够、机器人使用率高、愿意把培训和质控做成体系的外科中心。第二类是手术室资源紧张、排程复杂、管理层愿意用 OR 数据改善运营的综合医院。
最危险的买法，是把所有产品都当成“AI 很先进”来买。真正值得买的，是能进入本院手术链路，并且能被医生、护士、麻醉、信息科和管理层共同验证的能力。
本期一句话：手术室/外科 AI 已经走过 26 年，下一场竞争不是机器人会不会动刀，而是谁能把机器人、视频、协作和运营治理接进真实手术链路。
你所在医院如果要上外科 AI，最想先解决的是机器人术种量、手术视频复盘、远程协作，还是 OR 周转效率？