新智元報道

編輯：KingHZ 桃子

【新智元導(dǎo)讀】真正的醫(yī)療AI是什么樣的？磨劍13年，中國AI拿下了三項權(quán)威評測冠軍，直接刷新行業(yè)天花板。它不玩虛的，專攻臨床真實場景，讓AI從工具蛻變?yōu)檎嬲呐R床協(xié)助者。

諾獎得主Hassabis曾說過，未來十年，AI將會治愈所有疾病！

多模態(tài)大模型Scaling還在繼續(xù)，每一次迭代，意味著我們離這一愿景又近了一步。

然而，現(xiàn)實卻給我們潑了一盆冷水。

KFF最新一項調(diào)查顯示，美國每6名成年人中，就有1人每月使用ChatGPT獲取健康建議。

然而，結(jié)果令人震驚，僅有1/3的人信任AI給出的建議，大多數(shù)人還是持有懷疑的態(tài)度。

為什么人們一邊熱情擁抱AI，一邊又心存疑慮？

根本原因在于：通用大模型，并不是為醫(yī)療而生的。

它們整體能力很強，但在高度專業(yè)的醫(yī)療場景中，卻往往幻覺頻出、缺乏嚴(yán)謹(jǐn)?shù)呐R床驗證。

這也正是醫(yī)療領(lǐng)域，需要專家級大模型的原因。

它不需要成為簡單的「萬能答案機」，而要做一名真正的「臨床工作者」，才能贏得醫(yī)患的信任。

在國內(nèi)醫(yī)療AI賽道上，有一家企業(yè)，正在嘗試打破這道信任壁壘——

云知聲用了13年時間。

最近，在權(quán)威醫(yī)療評測MedBench4.0中，云知聲斬獲大語言模型、多模態(tài)模型和智能體評測「三冠王」。

此次「三冠王」，是對山海大模型核心升級的肯定。

這不僅重新定義了醫(yī)療AI的天花板，也標(biāo)志著AI真正走向嚴(yán)肅臨床！

醫(yī)療AI，走到哪一步了？

Hassabis的預(yù)言并非空穴來風(fēng)，放眼全球，AI在醫(yī)療領(lǐng)域正以驚人的速度展開。

有網(wǎng)友表示，「自己在每次看醫(yī)生之前，都會進行一次AI會診和評估。沒有AI的醫(yī)療是失職的」。

可以看出，AI正逐漸成為個人醫(yī)療健康的重要參照物。

根據(jù)Menlo Ventures研究，今年有22%的醫(yī)療機構(gòu)部署了特定領(lǐng)域的AI工具，這一數(shù)字是2024年的7倍。

另有數(shù)據(jù)顯示，預(yù)計到2032年，全球醫(yī)療AI市場規(guī)模將超過1100億美元-5040億美元。

在這一賽道上，不僅有谷歌、微軟、OpenAI等科技大廠長期深耕，還有一些垂類的初創(chuàng)公司紛紛展開布局。

5月，谷歌DeepMind曾開源了強大的醫(yī)療模型MedGemma，在多模態(tài)醫(yī)學(xué)文本和圖像理解上表現(xiàn)優(yōu)異。

同一時間，微軟MAI-DxO診斷工具，可以協(xié)調(diào)多個AI醫(yī)生的診斷，準(zhǔn)確率號稱達醫(yī)生的4倍。

還有OpenAI在8月專為生命科學(xué)和蛋白質(zhì)工程，定制了一款GPT?4b micro。

此外，還有一些新晉的實力玩家，包括OpenEvidence、Commure等，集中在了醫(yī)療文書、后臺/前臺RCM等領(lǐng)域。

在臨床實踐階段，AI已開始輔助醫(yī)生處理日常問診任務(wù)、實時檢測患者健康、并通過預(yù)測分析預(yù)防疾病進展等。

然而，現(xiàn)實與理想之間仍橫亙著重重痛點。

從技術(shù)層面來看，醫(yī)療場景存在診療路徑的多元性，同一病歷可能存在多種合理的路徑，醫(yī)生的經(jīng)驗、科室差異都會影響判斷。

而KFF調(diào)查揭示的「信任危機」并非孤例。

由于醫(yī)療高度專業(yè)性，錯誤往往不會呈現(xiàn)「顯性」，因此醫(yī)療AI最大的風(fēng)險在于「答得看起來很對」。

但實際上，幻覺問題是最致命的。

從數(shù)據(jù)層來看，高質(zhì)量醫(yī)療數(shù)據(jù)極其稀缺，因為數(shù)據(jù)分散在不同醫(yī)院、系統(tǒng)，且標(biāo)準(zhǔn)不統(tǒng)一，含有大量噪聲。

甚至，大量數(shù)據(jù)是「切片式」的，完整診療鏈路數(shù)據(jù)極少。

再加上，數(shù)據(jù)標(biāo)注成本極高，一般由專業(yè)醫(yī)生參與，很難像自動駕駛那樣形成「自增強飛輪」。

在臨床層面，最大困境在于，AI很難融入醫(yī)生真實的工作流當(dāng)中。

很多醫(yī)療AI產(chǎn)品失敗的原因在于，把醫(yī)生當(dāng)成了「搜索用戶」，而非「任務(wù)執(zhí)行者」。

真正的臨床醫(yī)療是「流程型工作」，AI不僅要擅長其中的某一步，還要理解前后的約束關(guān)系。

面對這些困境，我們不禁要問：一個平衡實用性、專業(yè)性、安全性的醫(yī)療AI存在嗎？

答案，或許就在云知聲「山海·知醫(yī)大模型5.0」的身上。

它的誕生，標(biāo)志著AI從單一的「智能工具」，轉(zhuǎn)變?yōu)榭煽康摹概R床協(xié)作者」。

山海·知醫(yī)5.0登場

「臨床協(xié)助者」時代開啟

這么說吧，這一次「山?！ぶt(yī)大模型5.0」是云知聲醫(yī)療AI的集大成之作，圍繞臨床需求展開了系統(tǒng)性重塑。

它采用了「醫(yī)學(xué)文本+多模態(tài)」雙引擎架構(gòu)，在多項關(guān)鍵能力上實現(xiàn)全面提升。

一、全棧能力融合

過去醫(yī)療AI產(chǎn)品，往往以「模塊化能力堆疊」為主——NLP負(fù)責(zé)病歷結(jié)構(gòu)化、影像模型輔助閱片......

這些能力雖各自有效，但缺乏統(tǒng)一語義空間與任務(wù)協(xié)同機制，在真實場景中，難以形成閉環(huán)。

要知道在臨床中，診療是一條高度連續(xù)、動態(tài)演化的決策鏈條（非必要環(huán)節(jié)，依具體病況而定）：

主訴→病史→檢查→影像→診斷→路徑選擇→隨訪調(diào)整

山?！ぶt(yī)大模型5.0恰恰為門診、住院等復(fù)雜診療場景提供「一站式」智能支持，打破了傳統(tǒng)醫(yī)療AI功能單一的局限。

它實現(xiàn)了文本深度處理、智能體任務(wù)協(xié)同、影像多模態(tài)感知等全棧能力的融合。

這也就意味著，山?！ぶt(yī)大模型5.0可以處理知識問答、臨床路徑規(guī)劃、影像報告解析等多元任務(wù)。

假設(shè)一位醫(yī)生需要查詢「非布司他」適應(yīng)癥和用藥禁忌，山海文本大模型直接給出回復(fù)，還可以溯源更具可信度。

在真實診斷中，醫(yī)生需要結(jié)合多維度信息，比如一位胸痛患者，需同時分析影像報告和病史。

此時，山?！ぶt(yī)在看懂影像同時，還能關(guān)聯(lián)文本信息，實現(xiàn)「影像+臨床」雙驗證。

此外，它調(diào)動「雙核模型」規(guī)劃臨床路徑。

二、高階推理進化與智能體進化

臨床診斷的難點在于，它需要在不完整信息下，不斷提出假設(shè)、驗證假設(shè)、修正假設(shè)。

山?！ぶt(yī)大模型5.0此次升級的核心突破，在于模型「思維的進化」。

它深度融合了模擬臨床診斷的復(fù)雜推理鏈，讓自身具備了一種更接近醫(yī)生思維的推理工作流。

同時，它還具備了原生的任務(wù)規(guī)劃與工具調(diào)用能力，在理解需求后，拆解任務(wù)并決定每一步需要什么工具、數(shù)據(jù)。

下面demo中，拿到模擬的病例后，山?！ぶt(yī)沒有簡單羅列病因，而是對每種病因進行證據(jù)加權(quán)、鑒別排除，最終給出循證決策路徑。

在生成全流程任務(wù)處理清單時，它還會自主調(diào)用工具、跨系統(tǒng)協(xié)調(diào)資源......

可以看到，AI正從被動應(yīng)答的「醫(yī)學(xué)認(rèn)知大腦」，升級為能主動理解需求、拆解步驟并高效執(zhí)行的「自主醫(yī)療行動者」，完美適配從門診到住院的全流程復(fù)雜任務(wù)流。

三、多模態(tài)深度賦能臨床

影像和文本，從來不是兩條獨立的信息鏈。

山海·知醫(yī)大模型5.0升級后，兼具「看懂影像」和「讀懂文本」的雙重能力。

它不僅能精準(zhǔn)識別X光、CT、MRI等影像中病灶，還能將影像特征映射到醫(yī)學(xué)語義空間中。

也就是說，它可以實現(xiàn)影像特征與臨床描述的跨模態(tài)語義對齊及聯(lián)合推理。

這就好比為醫(yī)生配備了「圖文協(xié)同」智能助手，大幅提升診斷的精準(zhǔn)性與效率。

四、醫(yī)療垂域?qū)I(yè)能力領(lǐng)先

在醫(yī)療領(lǐng)域，模型能力的上限固然重要，但能否長期、規(guī)?；M入真實臨床流程，取決于下限是否足夠可靠。

這次升級，5.0版本圍繞了「權(quán)威性、真實性、可驗證性」這一核心命題展開，構(gòu)成醫(yī)療垂域競爭力的底層支柱。

在醫(yī)學(xué)知識上，它精準(zhǔn)覆蓋了疾病、癥狀、藥物、治療方案等全領(lǐng)域醫(yī)學(xué)知識，可實現(xiàn)高效檢索與專業(yè)回復(fù)。

同時，借助增量訓(xùn)練，Graph-RAG知識注入、任務(wù)級Agentic-RL訓(xùn)練等，大幅減少了幻覺事實性錯誤。

此外，在醫(yī)學(xué)信息抽取能力上的強化，5.0版本能對復(fù)雜病歷、病程記錄、醫(yī)囑文本實現(xiàn)高精度實體識別與關(guān)系抽取。

總而言之，山?！ぶt(yī)大模型5.0在「四大核心」能力上實現(xiàn)了階躍式進化，構(gòu)建了目前業(yè)內(nèi)最全面的醫(yī)療AI支持框架，完美匹配臨床實際需求。

那么，它背后究竟采用了什么黑科技，讓我們一一拆解。

核心技術(shù)揭秘

從底層數(shù)據(jù)體系到強化學(xué)習(xí)策略，山?！ぶt(yī)大模型5.0是一個從真實臨床任務(wù)中「長出來」的醫(yī)療大模型體系。

從架構(gòu)上來說，山海·知醫(yī)大模型5.0「雙核引擎」的背后——

醫(yī)學(xué)文本大模型是核心底座，多模態(tài)能力再通過視覺編碼器對齊后內(nèi)嵌其中。

與上一代模型相比，5.0版本首個根本性的變化，發(fā)生在「數(shù)據(jù)體系」。

在訓(xùn)練過程中，它采用了「結(jié)構(gòu)化圖譜-半結(jié)構(gòu)化文檔-過程化軌跡」三層數(shù)據(jù)結(jié)構(gòu)：

底層是「醫(yī)學(xué)知識原生結(jié)構(gòu)」，這部分?jǐn)?shù)據(jù)核心是醫(yī)學(xué)知識圖譜，包含了疾病—癥狀—檢查—用藥之間的結(jié)構(gòu)化關(guān)系，以及不同醫(yī)學(xué)時間尺度下的演化邏輯。

中層是「權(quán)威醫(yī)學(xué)文本」，比如包括臨床指南、醫(yī)學(xué)文獻、教材與專業(yè)書籍等。

上層是「真實臨床任務(wù)」數(shù)據(jù)，即醫(yī)生與系統(tǒng)交互產(chǎn)生的數(shù)據(jù)，以及真實業(yè)務(wù)流程中沉淀的「工作流樣本」，覆蓋了從門診、住院到出院的完整就醫(yī)路徑。

此外，5.0版本核心能力提升的另一關(guān)鍵，在于「任務(wù)型強化學(xué)習(xí)」算法的改進。

如上所述，醫(yī)療中正確答案往往不存在唯一形式，那么如何讓AI判定對/錯？

山?！ぶt(yī)的做法在于，將醫(yī)生真實的操作行為作為「獎勵信號」，比如對模型的輸出、補充、否定/糾正。

這些行為被設(shè)計成「任務(wù)級獎勵函數(shù)」，直接用于強化學(xué)習(xí)的訓(xùn)練。

順便提一句，強化學(xué)習(xí)并非單點優(yōu)化，而是直接嵌入到業(yè)務(wù)流程，與具體任務(wù)綁定，讓模型學(xué)會在什么階段，應(yīng)該做什么事。

內(nèi)化智能體

在當(dāng)前主流方案中，Agent往往以外掛形式存在，但會帶來穩(wěn)定性差、調(diào)用不確定、工程復(fù)雜的問題。

山海·知醫(yī)選用了另一條路：

把工具調(diào)用與規(guī)劃能力，直接訓(xùn)進模型內(nèi)部。

在訓(xùn)練階段，模型就已經(jīng)見過真實業(yè)務(wù)的工具使用流程，學(xué)會了在特定情境下調(diào)用特定工具。

本質(zhì)上，這是把「流程記憶」內(nèi)化到模型參數(shù)當(dāng)中。

此外，在慢病管理、連續(xù)就診場景中，模型并不會什么都記下來，而采用了「選擇性記憶機制」。

團隊會通過上下文工程與權(quán)重設(shè)計，對過期、低價值的信息進行降權(quán)，將與當(dāng)前任務(wù)更相關(guān)的信息納入長期記憶中。

憑借扎實的技術(shù)積累，云知聲再獲喜訊：國家人工智能應(yīng)用中試基地（醫(yī)療）?浙江測試了30多款A(yù)I模型，山海·知醫(yī)大模型5.0脫穎而出，入選《MedAIBench測評榜(優(yōu)秀國產(chǎn)醫(yī)療大模型)》。

值得一提的是，在未來規(guī)劃中，山?！ぶt(yī)大模型還將：

逐步融合語音模態(tài)、擴展至醫(yī)學(xué)科研領(lǐng)域（諸如文獻分析、科研輔助），甚至去探索更底層的生物醫(yī)學(xué)建模能力。

這釋放出一個清晰的信號：

醫(yī)療大模型的核心競爭力，不只在于參數(shù)規(guī)模，而在于是否真正可以嵌入臨床任務(wù)本身。

毋庸置疑，技術(shù)如果只停留在論文與榜單上，醫(yī)療行業(yè)不會買賬。

臨床信任來自「用起來省事、風(fēng)險確實降低、可管可控」。

截至2025年6月，云知聲智慧醫(yī)療解決方案已部署400家醫(yī)院，700余家進入測試階段。

特別地，已覆蓋全國近40%百強三甲醫(yī)院，如北京協(xié)和醫(yī)院、北京友誼醫(yī)院等。

根據(jù)弗若斯特沙利文的數(shù)據(jù)，按2024年收入計算，云知聲在中國醫(yī)療服務(wù)及治療AI市場中排名第四，并在電子病歷這一關(guān)鍵細(xì)分市場中穩(wěn)居行業(yè)前三。

比如，在北京友誼醫(yī)院順義院區(qū)應(yīng)用中，報道提到云知聲的門診病歷生成系統(tǒng)的單份病歷采納率接近90%。

既能在權(quán)威評測里拿到三冠王，又能在病歷、質(zhì)控、醫(yī)保這些「硬骨頭」場景里跑起來，這是一種更稀缺的能力：

專業(yè)不是寫在宣傳頁上，而是磨在流程里。

從協(xié)和醫(yī)院出發(fā)，云知聲AI落地醫(yī)療

今年，AGI的共識已經(jīng)形成。真正的分歧只剩一個：誰先落地？

成立于2012年，「港股AGI第一股」云知聲從創(chuàng)立之初只專注一件事：把AI，塞進真實世界。

而他們在醫(yī)療領(lǐng)域的布局，遠早于大模型的浪潮。

一年多后，在行業(yè)對「AI+醫(yī)療」普遍持懷疑態(tài)度時，云知聲便做出了一個明確的決定：進醫(yī)療。

2016年，云知聲的語音識別系統(tǒng)，在北京協(xié)和醫(yī)院落地，主打「效率工具」。

醫(yī)生開口說話，系統(tǒng)實時轉(zhuǎn)寫。一份病歷，從原來的3個小時，縮短到1小時以內(nèi)。

AI，第一次把時間還給了醫(yī)生。但云知聲并不滿足于此。

他們不想只做「更快」的工具，便開始嘗試更難的事。于是，他們基于「知識圖譜+BERT語言模型」的能力去做病歷質(zhì)控。

BERT語言模型由谷歌在2018年發(fā)明，是當(dāng)時最先進的語言模型

病歷看起來只是幾頁文字，但在醫(yī)療體系里，它是一切判斷的起點。

用藥對不對，流程合不合規(guī)，風(fēng)險能不能追責(zé)， 全靠病歷。

過去，僅靠人工抽檢，覆蓋率只有約2%-5%。而云知聲的做法是：100%全量用AI檢查，可以實現(xiàn)全病歷覆蓋，大幅提高病歷質(zhì)控的效率。

如今，大模型出現(xiàn)后，云知聲把AI直接嵌進了醫(yī)生的工作流。

現(xiàn)在，醫(yī)生一次問診結(jié)束后，AI可以自動生成病歷。醫(yī)生只需看一眼，點個確認(rèn)，直接引用率約90%。

換句話說：10份病歷里，9份不用改一個字。

更關(guān)鍵的是，這90%不是出現(xiàn)在普通醫(yī)院，其中不乏協(xié)和醫(yī)院這樣的百強三甲。

如果基層醫(yī)院也用上同樣的工具，AI真正的普惠，才剛剛開始。

而這些，還只是云知聲智慧醫(yī)療的冰山一角。

醫(yī)院，是國內(nèi)AI落地醫(yī)療的主戰(zhàn)場，但醫(yī)療機構(gòu)不只是三甲醫(yī)院。

在臨床知識圖譜、大語言模型、智能語音識別等基礎(chǔ)技術(shù)支撐下，云知聲正在探索一條更適合中國國情的、可規(guī)?；腁I醫(yī)療服務(wù)落地路徑。

在國家層面，「AI+醫(yī)療」的落地節(jié)奏，已經(jīng)被明確寫進時間表。

2027年：基層診療智能輔助廣泛應(yīng)用

2030年：智能輔助基本實現(xiàn)全覆蓋

AI醫(yī)療，已不再是探索題，而是時間表里的必答題。

云知聲已做好兩手準(zhǔn)備：一方面繼續(xù)保持技術(shù)和產(chǎn)品的快速迭代，另一方面積極進取、持續(xù)探索新的商業(yè)模式。

據(jù)黃偉博士介紹，云知聲已經(jīng)走通從醫(yī)院到保險公司的商業(yè)模式。無論是醫(yī)保，還是商業(yè)保險方面，云知聲的增長非?？焖佟?/p>

從醫(yī)院，到區(qū)域平臺，再到醫(yī)保和商業(yè)保險。

云知聲，正在把AI醫(yī)療從「項目交付」，變成「系統(tǒng)供給」。

而他們更大的愿景是，持續(xù)提升AI大模型的醫(yī)學(xué)能力，為人類健康做出更多貢獻。

秒追ASI

?點贊、轉(zhuǎn)發(fā)、在看一鍵三連?

點亮星標(biāo)，鎖定新智元極速推送！