“底層大模型的進步，對我們是絕對利好，尤其是DeepSeek的出現(xiàn)。”

作者：羅賓

出品：明亮公司

！近日，美國AI醫(yī)療獨角獸Abridge的創(chuàng)始人、CEO Shiv Rao博士接受了美國CNBC的電視采訪。Shiv講述了Abridge在醫(yī)療保健企業(yè)級服務中的定位，以及作為一款曾經(jīng)被歸類為“AI套殼”的應用，Abridge如何定義“套殼”的方向。Shiv Rao也是一名執(zhí)業(yè)的非侵入性心臟病醫(yī)生。

大模型發(fā)展早期，“AI套殼”公司也曾被戲稱為“二流中間商”，因為它們“只是在別人的技術上貼了一個界面，而不是投入艱苦的工作來創(chuàng)建自己的模型”。當時人們認為AI領域唯一的競爭方式就是籌集巨額資金，投入算力并進行大規(guī)模預訓練，這一結論迅速反映到OpenAI、Anthropic等大模型商的估值上。

但這種情況改變了。大家很快意識到，真正的高價值正在向頂層應用轉移，這也是投資者愿意為這類價值支付溢價，并給予所謂的“套殼”產(chǎn)品比Anthropic和OpenAI更高估值倍數(shù)的原因之一。

據(jù)Information報道，AI搜索引擎Perplexity目前的估值是年化收入的170倍，而Anthropic是58倍，OpenAI是43倍。這表明投資者對Perplexity更快實現(xiàn)盈利和將增長轉化為收入的效率更有信心。

Cursor的母公司Anysphere在12個月內(nèi)實現(xiàn)了超過1億美元ARR（年度經(jīng)常性收入）。Cursor是由Anysphere開發(fā)的AI代碼編輯器。Anysphere的估值在2024年的幾個月內(nèi)飆升了550%，現(xiàn)在已成為一家vibe-coding領域的“十角獸”。

與Perplexity、Cursor類似，Abridge是一家專注于醫(yī)療對話的“AI套殼”公司。其核心產(chǎn)品是AI Scribe，能夠?qū)崟r將醫(yī)生與患者的對話轉換為結構化的臨床筆記，并與電子病歷系統(tǒng)無縫集成。這個產(chǎn)品旨在減輕醫(yī)生文書工作的負擔，提高醫(yī)療記錄的效率和準確性。

Abridge通過向醫(yī)療系統(tǒng)提供訂閱服務獲取收入，公司預計其ARR在2024年達到5000萬美元。Abridge已在美國超過100個醫(yī)療系統(tǒng)中部署其AI平臺。

以下內(nèi)容為訪談內(nèi)容節(jié)選，由「明亮公司」編譯：

Abridge如何理解醫(yī)療保健行業(yè)

主持人: 我們從最基礎的問題開始吧。Abridge是做什么的？

Shiv：Abridge減輕了臨床醫(yī)生的文書工作，使他們能夠?qū)Ｗ⒂谧钪匾娜耍椿颊?。我們成立?018年，所以我們已經(jīng)存在一段時間了。我們構建的一切都來源于一個基本假設：醫(yī)療保健是以人為中心的，我們認為這不會改變。

醫(yī)療系統(tǒng)重不同的人一直在進行對話：一邊是醫(yī)生或護士等專業(yè)人士，另一邊通常是患者或其家庭成員。對話可能產(chǎn)生于診所或醫(yī)院檢查室、急診室。這些對話語料實際上是醫(yī)療保健中許多不同工作流程的上游。

例如，如果你是我的患者，我給你問診后，我會記下一些潦草的筆記，試圖拼湊出我們實際討論的內(nèi)容，最后我按照職業(yè)規(guī)范寫下一系列文書。全球范圍內(nèi)都是這樣。

多個利益相關者會看那個筆記并對其進行評估：例如其他醫(yī)生和護士會閱讀它，了解我為什么給你開某些特定的藥物；業(yè)務運營和財務人員也會閱讀那個筆記，因為這將與我獲得的報酬有關，這就是醫(yī)生為自己提供的醫(yī)療服務獲得信用的方式。

主持人：Abridge成立于2018年。ChatGPT于2022年問世。生成式AI在此之前就已經(jīng)存在，對你們的業(yè)務有什么影響？

Shiv：2018年我開始創(chuàng)業(yè)，一部分與Transformer有關，這是一種支持生成式AI的機器學習模型。但我們是從一些早于LLM的模型開始做的——像BERT、BioBERT、Longformer或Pegasus這樣的模型。這些模型有時是基于互聯(lián)網(wǎng)數(shù)據(jù)預訓練的，也可以針對你想解決的具體用例進行微調(diào)。

當大語言模型問世，生成式AI成為一種現(xiàn)象時，我們非常激動。我記得在2021年，我們在一個大型行業(yè)會議上參加了他們的晚宴，會議主題是生成式AI。2023年，許多參加那次晚宴的人給我打電話說：“我現(xiàn)在明白了，我也要嘗試一下”。因此，我們幾乎在一夜之間將所有這些潛在能量轉化為一些爆發(fā)力。

主持人：我相信醫(yī)生們也能感受到。OpenAI、Google、Anthropic這些大型語言模型公司一直在改進產(chǎn)品，也有自己的語音轉錄服務。為什么醫(yī)生、醫(yī)院、醫(yī)療保健行業(yè)不直接使用它們，而是用Abridge？

Shiv：從AI技術的全棧去看，底層或接近底層的是那些基礎大模型公司，它們能提供每個人都可以利用的原材料。中間應該有一個基礎設施層，幫助公司去協(xié)調(diào)不同模型。

頂部是應用層，應用層的公司專注于為特定的一組用戶或企業(yè)解決特定的問題。它們通常深度集成到工作流程中，并利用專有數(shù)據(jù)集。Abridge的任務是真正解決特定行業(yè)的問題，這意味著我們通常會用互聯(lián)網(wǎng)上沒有的數(shù)據(jù)集進行學習，通常會協(xié)調(diào)大量不同的模型，來創(chuàng)造最佳的用戶體驗。

主持人: 是否也是因為數(shù)據(jù)的私密性在醫(yī)療保健中也是極其重要的？

Shiv：是的。特定行業(yè)有特定的進入壁壘，隱私對醫(yī)療保健至關重要，可信可靠是基本要求，是你交易的終極貨幣。

所以我們看到的挑戰(zhàn)與機會在于能否利用靠近底層的優(yōu)秀技術，在最合適的場景中構建我們自己的技術能力，匯聚成真正全棧的產(chǎn)品和解決方案。這是核心技術與AI的集成，來源于我們對如何將數(shù)據(jù)融入工作流程，收集醫(yī)生每天的輸入內(nèi)容、進行客戶服務的探索過程。

主持人: 薩提亞·納德拉說過，OpenAI現(xiàn)在是一個產(chǎn)品公司。是什么阻止了大模型公司進入到Abridge的這個領域？

Shiv：我認為對于基礎大模型公司來說，向頂層應用發(fā)展是有道理的。在某種程度上，它們一直都在那條方向上。你我都在使用ChatGPT或Claude。它們就是App或產(chǎn)品。

這些公司也是T型公司，它們有一個垂直方向，可能是我們都會使用的面向消費者的App；但它們同時也有更橫向發(fā)展的一層，即API，為其他公司提供訪問這些原始組件的能力，使企業(yè)能以深度的方式利用這些組件。但它們不可能涵蓋所有領域并深入所有領域。

精進5%的更高體驗：高效組合不同模型的優(yōu)點

主持人：Abridge背后是哪些模型？

Shiv：我們協(xié)調(diào)了大量的不同模型。我們在幕后所做的工作可以稱之為“場景化的推理引擎”。經(jīng)過過去幾年的探索，我們已經(jīng)能夠處理不同模型之間復雜的協(xié)調(diào)任務。其中一些模型是網(wǎng)絡規(guī)模大模型（通常有大規(guī)模參數(shù)和復雜計算結構），有些則是微調(diào)的開源模型。

要知道，在我們的工作中，一點點的差異，哪怕只有5%，對最終形成的用戶體驗有著巨大的不同。加上還有醫(yī)療保健中的信任和安全問題。因此，在許多方面，我們得盡可能深思熟慮地調(diào)用大語言模型并利用AI。

我們面臨的一部分挑戰(zhàn)就是如何從用戶行為中抽象出很多復雜條件下的任務。在產(chǎn)品的背后，我們可能會調(diào)用一個大語言模型15到20次，只為生成一條看似平常的筆記。顯然，我們無法在以如此高的頻率調(diào)用一個現(xiàn)成的大模型的同時，還保持低成本。所以我們要使用自己優(yōu)化過的更具性價比的模型，確保高效和準確的輸出。

主持人：所以你們也在用DeepSeek開源模型嗎？

Shiv：當然，我們正在試驗。我認為這是應用層故事的一部分，每當?shù)讓哟竽Ｐ桶l(fā)生變動，有新的進步時，對我們都是一個利好：對于那些懂得如何將這些技術塑造成它們特定用例的公司來說，絕對是好消息。

主持人：它們的產(chǎn)品變得更加敏銳了。

Shi：當然。

主持人:你們認為，作為一家AI應用公司，是否比OpenAI更容易變現(xiàn)？畢竟OpenAI每年有數(shù)十億美元的虧損。你們成本結構是怎樣的？不想透露具體細節(jié)也沒關系。但能給我們一些大概的信息嗎？

Shiv：在應用層，你得遵循你所在特定行業(yè)的所有規(guī)則。醫(yī)療保健行業(yè)，你的產(chǎn)品推廣策略，銷售策略等都有規(guī)則。我相信像法律等其他行業(yè)，也有自己的特點。我們根據(jù)規(guī)則做好以上工作后，定價只是一個后續(xù)步驟。

我們的價值還是在于能對行業(yè)產(chǎn)生的影響。這些年來，每5個醫(yī)生中有兩個不想在接下來的2到3年內(nèi)繼續(xù)當醫(yī)生；根據(jù)JAMA雜志的一篇文章，27%的護士不想在未來12個月內(nèi)繼續(xù)當護士。這可能意味生活在農(nóng)村地區(qū)的患者，不得不開車五六個小時去城市醫(yī)院找到風濕病專家問診。對于這些公共衛(wèi)生緊急情況，我們必須做些什么。

主持人:有了Abridge，省去一些文書工作，醫(yī)生的工作可能會變得更聚焦一些，所以他們因此愿意繼續(xù)留在這個行業(yè)？

Shiv：對，其實我們從合規(guī)的溝通渠道收到無數(shù)用戶的反饋，他們告訴我們，他們準備在這個行業(yè)再工作5年，因為我們已經(jīng)減輕了他們很多的負擔。這些反饋也是我們的工程師們的多巴胺來源，他們越來越明確為什么要做這件事。

主持人: 這個領域競爭也很激烈。是否已經(jīng)到了醫(yī)生、醫(yī)院愿意為你們的產(chǎn)品付費的階段？還是說你們正處于擴大規(guī)模并獲得市場份額的增長階段？

Shiv：他們愿意付費，而且我們一直在擴大規(guī)模。我們在全國超過110個醫(yī)療系統(tǒng)中上線。其實我們過去幾年所處的時刻真的很有歷史意義，因為醫(yī)療保健系統(tǒng)通常不會這么快地改變。這就表明，我們解決的問題也是我們國家各類首席級別的高管們都在考慮的首要問題之一，他們也正為此尋找有效的解決方案。我們能夠證明我們帶來的正向改變，所以能順利擴張。

開源讓我們以更低成本實現(xiàn)產(chǎn)品差異化

主持人:我一直很小心地稱Abridge為“AI應用公司”。當被別人以AI套殼定義你們的時候，你會感覺不舒服嗎？

Shiv：我不知道該怎么看待這個詞，因為我不確定它現(xiàn)在是否還有幾年前那樣的含義。也許兩三年前，有一種觀點認為，在AI領域競爭的唯一方式是籌集數(shù)億美元，并預訓練這些網(wǎng)絡規(guī)模的模型，以解決各種問題。

但人們很快意識到，真正的價值正在向上層應用轉移。而且當你能深度解決人類的問題時，就能實現(xiàn)這項技術的最高價值。

我們公司的CSO（首席科學官）是卡內(nèi)基梅隆大學的教授，他也全職與我們在一起，住在舊金山。他覺得我們更像一些基礎模型公司，雖然規(guī)模不同；我們也是T型的，以我們自己的方式發(fā)展。我們也有自己的技術水平，也利用專有數(shù)據(jù)集，也在做微調(diào)和后訓練優(yōu)化變成我們自己的模型，提供盡可能最好的結果和解決方案。

主持人：所以“套殼”對你們來說不再是一個準確的描述？套殼應用暗示著變“窄”（thin），對吧？但我認為你們正在解決更復雜的問題，并且越來越深入。

Shiv：完全同意。我認為所謂的“套殼”可能仍然適用于某類產(chǎn)品，更多是在消費領域。但不適用于企業(yè)級服務領域，因為企業(yè)領域除了技術之外，還有那些你必須考慮的因素：合規(guī)、隱私、安全、基礎設施、規(guī)?；芰Φ?/strong>。

主持人:你們正在開發(fā)自己的模型，我們已經(jīng)看到了這一趨勢，特別是DeepSeek讓模型變得更加便宜和高效。不止是你們，很多AI公司有更多的開源模型可以利用，從而可以生產(chǎn)自己的內(nèi)部優(yōu)化模型。

Shiv：是的，絕對的。我認為這是趨勢，這也是我們能夠取得成功的秘訣。我們能夠通過產(chǎn)品、用戶體驗和特定指標實現(xiàn)差異化。

我們不會告訴醫(yī)生：嘿，在產(chǎn)品的背后，我們可能正在調(diào)用和協(xié)調(diào)20個不同的模型。其中一些模型可能提取的是保險公司想要審查的內(nèi)容，用于核?；驁箐N。另一些模型可能提取的是患者想要閱讀的內(nèi)容——如果醫(yī)生在筆記中使用像“經(jīng)導管主動脈瓣成形術”這樣的術語，他的患者看到這個術語時，可能會覺得：“等等，他從未對我說過這個。我要去Google一下，這聽起來很可怕?！比缓蠡颊呖赡軙螂娫捇虬l(fā)郵件給醫(yī)生，詢問到底是怎么回事。

因此，我們在后臺協(xié)調(diào)的所有不同模型都是為了服務于這些不同的利益相關者，而我們的差異化很大程度來源于此。

Vibe-coding與傳統(tǒng)軟件開發(fā)的關系

主持人:我知道你們在醫(yī)療保健領域做得很好，但接下來我想更廣泛地談一談AI應用層。我們對vibe-coding（氛圍編碼）興起非常好奇，尤其是它將如何改變開發(fā)者的工作。作為AI應用領域的領導者，你們對此研究過嗎？

Shiv：是的，當然。這可能是我們在公司內(nèi)部Slack上每天都會提到的議題。

Vibe-coding可以快速把想法轉化為可測試的原型，跳過許多傳統(tǒng)開發(fā)步驟。例如創(chuàng)建一個網(wǎng)站，無需深入理解底層代碼。我們也不知道6個月、12個月以后這項技術會有哪些進步，但即使在vibe-coding的幫助下，你仍然需要掌握編程語言、算法、AI和機器學習等基礎知識，才能完成一款產(chǎn)品的構建。

作為一名醫(yī)生，我仍然時常會去醫(yī)院看看患者的情況。每個月，當某個周末沒人想要去值班時，我會去值班。我會研究一些病人的脫敏的疾病信息，然后將其輸入到AI模型中，了解如果AI在醫(yī)生的角色上看到一個有這些癥狀或投訴的病人，它會怎么做。我發(fā)現(xiàn)至少有一半的時間，AI的第一直覺是不正確的。我會跟AI對話，我們反復討論，我可以被它說服。雖然我沒有進行反事實推理或假設，但我相信我們最終得出的是比原來更好的結論。

（反事實推理或假設：醫(yī)生會考慮如果采取不同的治療方案，患者的病情會如何發(fā)展。這種思考方式在醫(yī)學決策中很常見。）

所以AI幫我擴展了我的思維，確保我沒有忽略一些對罕見病的診斷或不尋常的醫(yī)學診斷。但它仍然不能代替整個診斷思維。我認為vibe-coding之于傳統(tǒng)開發(fā)，與AI企業(yè)級應用之于基礎模型，有類似的相互作用。

主持人:你認為vibe-coding可以取代傳統(tǒng)代碼生成嗎？

Shiv：現(xiàn)階段，特別是在醫(yī)療保健等需要擴展企業(yè)級解決方案的行業(yè)，vibe-coding是一個很好的工具，它能快速進行產(chǎn)品或功能的原型設計。例如，它能幫助我們跳過很多想法落地環(huán)節(jié)或跨公司溝通想法的步驟，人們更容易理解我們正在構建的東西，也許還可以讓我們提前開始優(yōu)化我們正在構建的要素，如優(yōu)化用戶體驗，確保產(chǎn)品在正式發(fā)布時能夠達到預期的效果和性能。

因此，它可以縮短產(chǎn)品發(fā)布前的整個周期，但它現(xiàn)在并不能取代我們仍然要做的基礎工作——確保我們發(fā)布的代碼能夠準確運行并規(guī)?；?/strong>。

AI企業(yè)級應用要保持高靈敏度、對的團隊

主持人:最后一個我想討論的話題是，初創(chuàng)公司正在與那些很長時間都在試圖解決同樣問題的巨頭玩家競爭?，F(xiàn)在你們有競爭空間的原因是什么？這與生成式AI有關嗎？還是更多與傳統(tǒng)巨頭的“船大難掉頭”有關？

Shiv：當?shù)讓哟竽Ｐ妥兓绱酥欤缒阒八f，應用層的敏銳度、靈活度非常重要。高靈敏性意味著你組建了一個有著正確技能組合的團隊，包括能夠深入基座模型層，并針對你的特定用例微調(diào)這些模型的科學家團隊，同時你還能深度整合到行業(yè)的工作流程中。

所以，重要的是你能在這個時刻把你們團隊的技能與AI結合、與行業(yè)知識結合。顯然，市場時機是非常難以把握的，但當一些巨大需求產(chǎn)生了，你的價值就凸顯了。醫(yī)療保健現(xiàn)在正在與AI一起共振，其他行業(yè)很快也會如此。

主持人: 初創(chuàng)公司能夠迅速行動，但巨頭們擁有更多數(shù)據(jù)，也可以合理地利用這些數(shù)據(jù)，這只是時間問題，對吧？它們也許未來會進行并購，與你競爭。那么你們的護城河是什么？

Shiv：基礎大模型肯定有護城河。幾年間，它們的算力、數(shù)據(jù)收集、強化學習等需要巨額資金，這是一項極為繁重的工作。

應用層護城河就是技術型公司一直以來的護城河，尤其是在B2B市場。護城河可以是網(wǎng)絡效應、高轉換成本，可以是挖掘稀缺資源的能力，或是品牌效應等。所有這些都可以是一家企業(yè)的競爭優(yōu)勢。

主持人:但巨頭在分銷渠道上有更大優(yōu)勢？

Shiv：我認為分銷部分很重要。但AI也在改變分銷的游戲規(guī)則，改變大家對分銷渠道的定義。就在這幾周和幾個月內(nèi)，我們已經(jīng)接觸到很多企業(yè)級應用的技術，可以幫你完成很多流程的自動化，迅速觸達用戶的瀏覽器或既定系統(tǒng)。以前能夠完成這些大規(guī)模任務的進入門檻可能非常高。

AI正在重新定義分銷渠道的重要性，或者說是現(xiàn)有渠道的重要性。這讓初創(chuàng)公司有勝出的空間，只要它們有最好的產(chǎn)品。