“現(xiàn)階段，許多醫(yī)療垂類大模型就是偽命題，推理能力不行?！?/strong>一位觀望大模型已久的醫(yī)療從業(yè)者玄彬（化名）發(fā)出了極為尖銳的批評。

在他看來，目前人工智能是靠scaling law涌現(xiàn)的，模型性能隨著模型規(guī)模、數(shù)據(jù)規(guī)模和算力規(guī)模等因素的增大而提升。只要還是Transformer，就不可能有垂類的機(jī)會(huì)。

過去兩年，為了追上生成式AI的熱潮，不少企業(yè)將開源大模型稍加“改造”后就冠以自有產(chǎn)品名，套牌、過度宣傳屢見不鮮，鋪天蓋地的榜單，各種評測熙熙攘攘?！按竽Ｐ陀貌挥貌恢匾?，先要擁有大模型。”思潮下，歷經(jīng)井噴式的發(fā)展，也造就了醫(yī)療大模型圈里魚龍混雜、良莠不齊。

當(dāng)通用大模型掀起了低價(jià)肉搏戰(zhàn)，從5元到1元，不斷擊穿大模型低價(jià)，巨頭們降價(jià)正酣。

醫(yī)療大模型雖在病歷書寫、診斷等細(xì)分領(lǐng)域展示出巨大潛力，但商業(yè)化路徑仍不清晰，行業(yè)仍在苦苦尋覓殺手級場景。

與此同時(shí)，技術(shù)不斷迭代，隨著OpenAI和 Mistral AI的助力，專家混合（MoE）一時(shí)間炙手可熱。這種混合模型，由多個(gè)子模型（即專家）組成，每個(gè)子模型都是一個(gè)局部模型，專門處理輸入空間的一個(gè)子集。簡而言之，它使用一個(gè)門控網(wǎng)絡(luò)來決定每個(gè)數(shù)據(jù)應(yīng)該被哪個(gè)模型去訓(xùn)練，從而減輕不同類型樣本之間的干擾。

天才黑客喬治?霍茲曾爆料，GPT-4其實(shí)是一個(gè)混合模型，采用了由8個(gè)專家模型組成的集成系統(tǒng)，每個(gè)專家模型都有2200億個(gè)參數(shù)。

2023年底，微軟首席科學(xué)家埃里克?霍爾維茨曾發(fā)布一項(xiàng)調(diào)研報(bào)告《The Power of Prompting》，他們研究發(fā)現(xiàn)，在相同的基準(zhǔn)上，利用提示詞工程就能讓GPT-4的性能明顯優(yōu)于專門針對醫(yī)療應(yīng)用進(jìn)行微調(diào)的領(lǐng)先模型。

“Medprompt研究表明，更深入地探索將通用模型轉(zhuǎn)化為專業(yè)模型的提示可能性，并將這些模型的優(yōu)勢擴(kuò)展到新領(lǐng)域和新應(yīng)用，是非常有價(jià)值的?！卑＠锟恕せ魻柧S茨欣喜寫道。

以上種種，使得醫(yī)療垂類大模型的質(zhì)疑聲越來越響：醫(yī)療大模型是偽命題嗎？我們可以期待怎樣的醫(yī)療大模型？

衡量標(biāo)準(zhǔn)：忍受VS享受，要求VS需要

在和緩醫(yī)療CEO李宇看來，判斷大模型的應(yīng)用是否成立，主要在于兩個(gè)點(diǎn)：一是對于用戶來說，大模型是忍受，還是享受；二是對于使用者而言，是要求還是需要。

“現(xiàn)在整個(gè)醫(yī)療行業(yè)都在尋找殺手級應(yīng)用，找場景，其實(shí)很重要一點(diǎn)就在于找到強(qiáng)要求、強(qiáng)監(jiān)管下的應(yīng)用?！彼U述道，郵件和Office這種才叫殺手應(yīng)用，發(fā)生在每天應(yīng)用的工具中，具備非常高的便捷性。

縱覽目前的醫(yī)療大模型，多聚焦患者問診、醫(yī)生助手、藥物研發(fā)、健康科普等領(lǐng)域。李宇最看好的則是病歷質(zhì)控系統(tǒng)以及DRG/DIP下，監(jiān)管醫(yī)院的臨床診療行為和收費(fèi)合理性的醫(yī)?？刭M(fèi)應(yīng)用。

“對于醫(yī)院至關(guān)緊要的，才會(huì)有大規(guī)模商業(yè)機(jī)會(huì)?！崩钣钫J(rèn)為，文字模型的殺手級應(yīng)用應(yīng)該還是在病歷相關(guān)的場景上，比如DRG要求的病案首頁等醫(yī)生極易出錯(cuò)的地方，抓住了醫(yī)院端需求，并打通了業(yè)務(wù)場景，落地了才能有未來。

當(dāng)大模型進(jìn)入醫(yī)療領(lǐng)域之后，更多的資源應(yīng)該探索如何尋找高頻且剛需的場景，如此才能誕生下一個(gè)超級應(yīng)用的可能性。當(dāng)享受與需要二者兼?zhèn)?，醫(yī)療大模型應(yīng)用才能真正成立。

復(fù)旦大學(xué)中國研究院副研究員劉典曾在線下論壇中一針見血指出，行業(yè)的核心是數(shù)據(jù)和原有的工作流。只要大模型能很好解決這兩件事，且成本不高于原有方案，就不能說是偽命題。

換言之，只有在醫(yī)療領(lǐng)域真正實(shí)現(xiàn)“降本增效”，積累真實(shí)世界數(shù)據(jù)，才能稱得上醫(yī)療大模型。

要知道，大模型想要真正脫穎而出，幾方面能力至關(guān)重要：一是獲取最新知識(shí)能力，醫(yī)學(xué)知識(shí)是不斷更迭的，需要?jiǎng)討B(tài)獲取最新的醫(yī)學(xué)知識(shí)；二是理解多模態(tài)數(shù)據(jù)，醫(yī)學(xué)影像、X光片，心電圖等；三是高級推理能力，大模型不能永遠(yuǎn)只做“應(yīng)試教育的高材生”，真正應(yīng)用于醫(yī)療場景中，非常依賴模型的推理能力，畢竟好的醫(yī)生都是推理專家；四是長文本能力……

百模大戰(zhàn)盡管聽起來熱鬧，但是真正具備模型能力的仍是少數(shù)，畢竟大模型推理這類訪存密集型任務(wù)需要真金白銀的投入。財(cái)通證券曾經(jīng)測算，支撐 GPT-3.5推理任務(wù)的A100數(shù)量或至少在5萬張左右。

“我覺得醫(yī)療垂直大模型不成立的原因就是它的推理能力會(huì)很弱，你不會(huì)希望一個(gè)熟讀各類醫(yī)學(xué)百科、疾病診療指南書籍的學(xué)生來當(dāng)你的醫(yī)生。”玄彬堅(jiān)定說道，雖然它是個(gè)專業(yè)的學(xué)生，但作為醫(yī)療場景應(yīng)用，還是有些危險(xiǎn)。

大模型的終局——通用還是垂直？

事實(shí)上，通用大模型與垂直大模型之爭從2024年初便備受關(guān)注。

一個(gè)理想的范式中，通用大模型以“百科全書式”的通用能力安身，垂直大模型以某一領(lǐng)域的專家立命，兩者融合共同構(gòu)筑枝繁葉茂的大模型生態(tài)。然而，隨著AGI時(shí)代的到來，通用大模型完全能夠覆蓋各種垂直模型的業(yè)務(wù)場景，垂直模型存在的必要性便被質(zhì)疑。

一位生物醫(yī)學(xué)工程博士在社交媒體撰文指出，目前一個(gè)很尷尬的事情：許多垂類大模型在他垂直領(lǐng)域里能力似乎沒有超過通用大模型。所謂垂類大模型，感覺就是用小部分已經(jīng)用過的文本數(shù)據(jù)做復(fù)讀機(jī)一樣的訓(xùn)練，用通用領(lǐng)域的性能下降換專業(yè)領(lǐng)域的sota。

判斷一個(gè)大模型夠不夠聰明，很重要的一點(diǎn)就是它能不能解決復(fù)雜問題。玄彬在過去一年多測試了許多醫(yī)療大模型，悲哀地發(fā)現(xiàn)，有時(shí)候醫(yī)療大模型宣稱“更懂醫(yī)療”，其實(shí)只是把醫(yī)療領(lǐng)域的俗稱與全稱對應(yīng)一下?！氨热缂诇p，你不翻譯成甲狀腺功能性減退，通用大模型就聽不懂了，而一些垂直模型所做的事情就是把這些俗稱對應(yīng)一下?！?/p>

如果燒了幾億，只能培育出停留在“紙上談兵”里的人工智能，何嘗不是一種資源浪費(fèi)？那么醫(yī)療垂類大模型存在的必然性在哪？答案就是落地部署、成本與數(shù)據(jù)。

在億歐大健康總裁高昂看來，從技術(shù)上面，垂直大模型或許是偽命題，但從產(chǎn)業(yè)角度講，其反而可能是現(xiàn)階段企業(yè)落地的主要方向。

縱覽如今的通用大模型，早已演變成巨頭們和明星創(chuàng)業(yè)者的賽場。阿里、騰訊、百度、科大訊飛、商湯自是不用多提，百川智能的王小川、智譜AI則由清華大學(xué)計(jì)算機(jī)系知識(shí)工程實(shí)驗(yàn)室的技術(shù)成果轉(zhuǎn)化而來……

只有他們，或許才能付得起動(dòng)輒一兩萬億訓(xùn)練Token，以及訓(xùn)練GPU集群的成本，扛得住如火如荼的降價(jià)潮。

居高不下的研發(fā)成本、GPT—4明珠在前，注定了垂直大模型或許才是國內(nèi)企業(yè)真正落地所要走的路。

科技博主“Magic”的觀點(diǎn)一針見血，垂直大模型必然是存在的，且會(huì)長在通用模型之上，即將垂域知識(shí)融入到一個(gè)相對智能的通用模型之上，打造行業(yè)/領(lǐng)域的專有模型，并進(jìn)行私有化部署，是To B業(yè)務(wù)未來非常重要的一條發(fā)展路徑。

在他看來，如果垂直大模型也變成算力跟數(shù)據(jù)的競爭，那么落地這條路可能又遙遙無期了，“你訓(xùn)不完的模型，我等不起的業(yè)務(wù)啊?！?/p>

畢竟，企業(yè)的第一要?jiǎng)?wù)便是賺錢。從商業(yè)化落地來看，企業(yè)或許并不需要一個(gè)“全能”的通用大模型，而是更需要針對細(xì)分領(lǐng)域場景、解決實(shí)際問題的產(chǎn)業(yè)大模型。

“單純地追求大模型的規(guī)模與復(fù)雜度，并無實(shí)質(zhì)性的意義。真正有價(jià)值的，是將這些技術(shù)應(yīng)用于實(shí)際場景中，發(fā)掘出更大的商業(yè)機(jī)會(huì)。”百度創(chuàng)始人李彥宏的早前呼吁，意義在此時(shí)或許不言自明。

入局者別再為了搶奪大模型概念融資紅利，一哄而上，靜下心來明確企業(yè)定位，結(jié)合自家業(yè)務(wù)，找到適合自己的生存空間和發(fā)展路徑，健康有序的市場格局或許才能出現(xiàn)。

破局：先選擇應(yīng)用場景，再定義應(yīng)用

“場景和數(shù)據(jù)，是醫(yī)療大模型脫穎而出的關(guān)鍵?！?/strong>李宇剖析道，功能是打動(dòng)不了人的，場景才能打動(dòng)人，解決某一場景的具體需求。

以智能監(jiān)控為例，它可以完全替代人看，且完成人根本看不過來的量級，甚至比人看的效果好得多。在他看來，醫(yī)療大模型商業(yè)化如今動(dòng)力不足的很大一部分原因，則是沒有完全打透的場景、沒有徹底替代人的工作、沒有完成人完成不了的工作。

李宇指出，B2B解決方案之間的PK，將不會(huì)把重點(diǎn)放在令人眼花繚亂的AI技術(shù)能力，而更關(guān)注這些技術(shù)層面的能力，將如何幫助企業(yè)用戶具備（或重新定義）更有價(jià)值的企業(yè)工作流程。

聚焦多場景覆蓋，也是不少醫(yī)療大模型企業(yè)的出發(fā)點(diǎn)。商湯醫(yī)療健康大模型“大醫(yī)”，覆蓋了健康管理、患者服務(wù)、臨床診療、醫(yī)學(xué)科研四大領(lǐng)域超過20個(gè)細(xì)分醫(yī)療場景；醫(yī)渡科技強(qiáng)調(diào)打造多任務(wù)引擎，可以同時(shí)解決多個(gè)任務(wù)，這使其在處理復(fù)雜多樣的臨床情況時(shí)具有更大的潛力……

究其原因，則是某個(gè)單一場景的大模型產(chǎn)品局限性更大，要實(shí)現(xiàn)在每個(gè)場景中的可用性并不容易，這需要深入理解場景的本質(zhì)。另外一些企業(yè)則從自家業(yè)務(wù)出發(fā)，結(jié)合大模型特點(diǎn)，為原有產(chǎn)品作升級，實(shí)現(xiàn)對原有工作流的改造。

圓心科技的源泉大模型將每一個(gè)用戶設(shè)有標(biāo)簽，管理服務(wù)會(huì)根據(jù)不同特性的人進(jìn)行針對性關(guān)注患者藥物依從性、聯(lián)合用藥預(yù)以及疾病康復(fù)管理，通過大模型數(shù)字化應(yīng)用為患者生成定制化疾病科普和藥品服務(wù)；全病程管理平臺(tái)微脈推出健康管理大模型Care AI，為醫(yī)院、醫(yī)生和微脈個(gè)案管理師提供全新的輔助工具；和緩醫(yī)療即將推出合成式人工智能健康Copilot服務(wù)，構(gòu)建一種全新的AI+真人醫(yī)生復(fù)合服務(wù)工作流；左醫(yī)則把把知識(shí)圖譜和醫(yī)療大模型進(jìn)行融合，實(shí)現(xiàn)智能自診、智能分診、智能預(yù)問診、智能用藥和智能隨訪五大功能。

“大家在維持原有場景的商業(yè)模式下做技術(shù)改進(jìn)，雖然現(xiàn)在并不會(huì)有明顯溢價(jià)，但未來沒有AI的大概率要被淘汰。”李宇預(yù)判道。

場景端革新，或許是中國應(yīng)用市場后來居上的傳統(tǒng)優(yōu)勢，同時(shí)也具有反哺大模型能力的作用。場景服務(wù)下，大模型與人交互產(chǎn)生的數(shù)據(jù)，將成為未來技術(shù)迭代下的關(guān)鍵資產(chǎn)。細(xì)分的產(chǎn)業(yè)場景上，依靠交互數(shù)據(jù)，實(shí)現(xiàn)大模型自我優(yōu)化和改進(jìn)，提升輸出精度。

“大模型的場景落地，不止是一個(gè)IT硬件+軟件的服務(wù)，而是針對具體場景結(jié)果的交付，這個(gè)過程中還可能涉及使用者的運(yùn)營與服務(wù)?！备甙貉院喴赓W，軟硬一體對于傳統(tǒng)行業(yè)客戶或許更“友好”，畢竟買了具體的實(shí)物，但硬件迭代周期過長，跟不上模型進(jìn)步速度，需要一次吃透場景解決問題，生態(tài)圈的建立就顯得尤為重要。

在數(shù)據(jù)為制藥企業(yè)、醫(yī)院命脈的當(dāng)下，私有化部署將是一條重要布局路徑。而放眼未來，與其說是算力、算法、數(shù)據(jù)的競爭，倒不如說是大模型生態(tài)的角逐。