# 医疗AI导航与嵌入式收缩方向

## 1. 主题定位

这一部分讨论的是一个明确的医疗器械落地样例：围绕手术显微镜场景，为厂商提供 AI 辅助导航能力，并逐步从外挂式主机方案收缩到嵌入式系统方案。

## 2. 当前项目形态

- 合作对象是国内手术显微镜厂商；
- 当前方案是在原有显微镜主显示链路之外增加一块副屏；
- 图像从显微镜链路引出，进入外挂主机完成推理，再把辅助分析结果叠加回显示画面；
- 这一阶段的目标是先完成功能验证和临床辅助价值展示，不直接改动原主屏系统。

## 3. 核心价值

这个方向的价值集中在三点：

1. **医疗场景价值明确**：医生可以在术野中直接看到风险点、角度偏差和操作提示；
2. **商业价值直接**：整套 AI 辅助能力对设备加价能力明显高于其硬件增量成本；
3. **研究价值清晰**：这是一个从服务器式推理向设备内收缩的真实案例，能自然过渡到嵌入式与实时系统问题。

## 4. 后续技术演进

会议里已经明确，当前外挂式主机只是第一阶段。后续方向是：

- 把外挂主机能力收缩进设备本体；
- 把 AI 功能从“旁路叠加”逐步转向“设备内部集成”；
- 由此引出嵌入式系统、资源预算、边缘推理和控制路径协同等问题。

这意味着它不是一个单纯的图像识别项目，而是一个可持续向基础系统问题延展的行业样例。

## 5. 与整体研究的关系

这个主题与整体研究最强的连接点在于：

- 它属于 `T4/T3` 一类的设备端与边缘端样例；
- 它天然涉及“小型化、低功耗、设备内集成”的后续路线；
- 它可以作为“AI 目标负载进入任务关键设备”的现实入口。

## 6. 后续可单独推进的问题

1. 设备内收缩后的算力与功耗预算如何设定；
2. 显微镜主链路、副链路和 AI 推理链路如何协同；
3. 哪些部分继续由外挂主机承担，哪些部分迁移到嵌入式系统；
4. 该场景能否作为 RTOS / 基础系统研究的主样例之一。