百川智能創(chuàng)始人、CEO 王小川，圖片來源：百川智能

1月13日，百川智能正式開源新一代醫(yī)療大模型Baichuan-M3。

在全球權(quán)威醫(yī)療AI評測HealthBench中，Baichuan-M3以65.1分的綜合成績位列全球第一；在專門考驗復(fù)雜決策能力的HealthBench Hard上，以44.4分的成績奪冠。

這一成績刷新了HealthBench的最高分，首次在醫(yī)療領(lǐng)域?qū)崿F(xiàn)了對GPT-5.2的全面超越。在低幻覺領(lǐng)域，M3也實現(xiàn)了超越，幻覺率3.5全球最低。

圖片來源：百川智能

M3還首次具備了原生的“端到端”嚴肅問診能力。它能像醫(yī)生一樣主動追問、逐層逼近，把關(guān)鍵病史和風險信號問出來，進而在完整的信息上進行深度醫(yī)學(xué)推理。評測顯示，其問診能力顯著高于真人醫(yī)生的平均水平。

從月初OpenAI發(fā)布ChatGPT Health，到今天（1月13日） Anthropic推出Claude for Healthcare，AI醫(yī)療正在全球范圍內(nèi)提檔加速。

強化學(xué)習是過去一年新一代Scaling Law的技術(shù)中軸。在M2發(fā)布后的五個月里，百川智能對強化學(xué)習系統(tǒng)進行了升級，將原本以患者模擬器和靜態(tài)Rubric為主的半動態(tài)反饋，升級為隨模型能力不斷演進的全動態(tài)Verifier System。

隨著監(jiān)督信號持續(xù)變細、變難，模型不斷突破能力上限，M3在復(fù)雜醫(yī)學(xué)問題上的表現(xiàn)實現(xiàn)躍遷，在HealthBench總分上超越OpenAI最新模型GPT-5.2，也在HealthBench Hard上登頂，成為當前全球醫(yī)療溝通和推理能力最強的醫(yī)療大模型。

2025年8月，百川開源醫(yī)療增強大模型M2在HealthBench Hard上取得34.7分的成績，僅次于GPT-5，成為全球唯二突破32分的模型。

在大多數(shù)場景，大模型幻覺只是體驗問題，而在嚴肅醫(yī)療場景可能導(dǎo)致安全事件，這也對AI醫(yī)療的普及和醫(yī)患信任建立帶來很大困擾。

百川M3將醫(yī)療幻覺抑制前移至模型訓(xùn)練階段，在強化學(xué)習過程中將醫(yī)學(xué)事實一致性作為核心訓(xùn)練目標之一，將“知之為知之，不知為不知”直接作用于模型自身能力的形成過程。

這一新的訓(xùn)練方法將醫(yī)學(xué)事實可靠性內(nèi)化為M3自身的基礎(chǔ)能力，使其在不借助任何外部系統(tǒng)的情況下，依然能夠基于自身醫(yī)學(xué)知識進行穩(wěn)定、可信的作答。

通過將事實一致性約束融入訓(xùn)練流程，M3重構(gòu)了幻覺抑制的訓(xùn)練范式，在不依賴工具或檢索增強的純模型設(shè)置下，醫(yī)療幻覺率3.5，超越GPT-5.2。

除了強推理和低幻覺，端到端的問診能力是本次M3最重要的一項突破。

2025年行業(yè)的技術(shù)共識是，用戶提供更完整的上下文，模型才有更好的表現(xiàn)。而在醫(yī)療領(lǐng)域，患者很難完整表達自己的病癥，需要模型像醫(yī)生一樣有能力把患者的混亂敘述轉(zhuǎn)變成可做診療決策的信息。

在Baichuan-M3媒體溝通會上，百川智能創(chuàng)始人、CEO王小川表示，當前大模型在醫(yī)療場景的短板在于，患者描述不完整，模型須具備“主動提問”能力，以收集足夠信息支持決策。

應(yīng)用實踐中，通過prompt“你是一位經(jīng)驗豐富的醫(yī)生”，激活模型的“角色扮演”是更常見的做法。這種方式得到的是模型的表演行為，而非內(nèi)生能力，激活的是模型應(yīng)該提問的行為，而不是必須獲取關(guān)鍵信息的思考。

針對這一行業(yè)困境，百川智能提出了“嚴肅問診范式”與“SCAN原則”，通過Safety Stratification（安全分層）、Clarity Matters（信息澄清）、Association & Inquiry（關(guān)聯(lián)追問）與Normative Protocol（規(guī)范化輸出），將臨床問診中高度依賴經(jīng)驗的思維過程，第一次系統(tǒng)性地“白盒化”。

圖片來源：百川智能

圍繞SCAN原則，百川智能借鑒醫(yī)學(xué)教育里長期使用的OSCE方法，聯(lián)合150多位一線醫(yī)生，搭建了SCAN-bench評測體系，該體系以真實臨床經(jīng)驗作為“標準答案”，將診療過程拆解為病史采集、輔助檢查、精準診斷三大階段，通過動態(tài)、多輪的方式進行考核，完整模擬醫(yī)生從接診到確診的全過程。相比于HealthBench，SCAN-bench是一種全流程端到端的動態(tài)評測新范式。

醫(yī)療應(yīng)用“百小應(yīng)”已同步接入M3，面向醫(yī)生與患者開放相關(guān)能力。醫(yī)生可借助它推演問診與診療思路，患者及家屬也可通過該應(yīng)用更系統(tǒng)地理解診斷、治療、檢查與預(yù)后背后的醫(yī)學(xué)邏輯。

在溝通會上的交流環(huán)節(jié)，王小川直言，數(shù)據(jù)不是核心，很多醫(yī)療模型不知道自己在做什么，他更看重算法與評測體系的重要性。

王小川預(yù)判，醫(yī)療AI未來巨大的增量是在院外，不在院內(nèi)。他認為，醫(yī)療AI更多的是服務(wù)患者，而非替代醫(yī)生，可以推動“醫(yī)患權(quán)力讓渡”。百川智能目前已與藥企、醫(yī)院合作，未來商業(yè)化是To C導(dǎo)向，通過輔助決策和健康陪伴等方式實現(xiàn)。

以下是媒體溝通會的對話實錄，經(jīng)鈦媒體編輯整理：

Q：剛才講到你們可以解決很多幻覺的問題，可以在多大程度上導(dǎo)致智能一定程度上損耗？大概會損耗多少？怎么解決這個問題？因為這次是語言模型，我們知道主戰(zhàn)場還是多模態(tài)比較重要，有沒有相關(guān)的進展披露？怎么看二者之間的關(guān)系？

王小川：這就是有用和有害的平衡，算法需要把二者拿捏才能做到綜合評分很高。HealthBench就是降低有害，提升有用。多模態(tài)主戰(zhàn)場這個話我是不認同的，我們2023年就提到語言是自己的中軸，ChatGPT發(fā)布的時候，大家最震撼的就是掌握智力。智力是把不抽象的事情變成抽象事情的能力，所以符號才是核心。

類比即智力，因此在這種邏輯下主要有三種語言：自然語言、數(shù)學(xué)語言、代碼語言，都是形式語言。之前的數(shù)學(xué)家講過數(shù)學(xué)是用相同的事情刻畫不同的事情，Give the same name to different things，所以符號和語言才是中軸。

到目前為止，評判某個公司的模型能力強不強都是以符號作為基礎(chǔ)，可用性很強并不代表智力很高。現(xiàn)在醫(yī)療領(lǐng)域很多都是決策問題，并不只是圖像問題，否則看片子就行了。以后醫(yī)院看片子會由小模型來做，很多廠商都有圖像引擎，符號化以后再用語言開展推理工作。感知模型和認知模型需要結(jié)合，可見的時候就是把影像變成報告和診斷模型，最近還有胰腺癌頻掃CT模型，相比智力模型屬于樹上掛著的小葉子，不是主戰(zhàn)場。

Q：所以你們多模態(tài)會用偏小的參數(shù)去做？

王小川：會的，下次我們就會發(fā)布和圖像相關(guān)的模型，就是醫(yī)療圖像診斷做到SOTA的水平，M3只是更小的課題。

Q：要是做得更小的話，是不是背后更重要的是數(shù)據(jù)采集？

王小川：圖像模型對于高質(zhì)量的數(shù)據(jù)依賴度更大，因為有高精度的圖像數(shù)據(jù)，很多都是院內(nèi)收集的。今天的語言模型是知識Knowledge，更多的就是論文里面的，醫(yī)生只是把這些知識變成科研題目，就是從專利庫變成論文。

可能有個反常識的地方，大家覺得需要依賴院內(nèi)的高質(zhì)量數(shù)據(jù)，把醫(yī)院的高質(zhì)量數(shù)據(jù)轉(zhuǎn)化成知識，然后在論文里面萃取這些信息才是關(guān)鍵。這跟上一代的圖像方法是不一樣的，圖像不是搬出來的，知識是搬出來的。

Q：聯(lián)影也提到多模態(tài)數(shù)據(jù)很難出院，怎么看院內(nèi)數(shù)據(jù)的處理？

王小川：主要是兩個要點：一個是技術(shù)，一個是場景。我們認為未來巨大的增量是在院外，不在院內(nèi)，院內(nèi)更多的是做手術(shù)、執(zhí)行、掛水的地方，Planning就在院內(nèi)，不是幫醫(yī)生在院內(nèi)搞事兒，空間本身是有限的，我們并不鼓勵把場景放在院內(nèi)，寫個病歷、做個質(zhì)控，這些都不是未來的主流方向。

最重要的是幫到患者，隔山打牛。今天大家總是講數(shù)據(jù)不夠，投了上千億，去年發(fā)布了500款醫(yī)療垂直大模型，但今天大家有感覺嗎？美國已經(jīng)把兩件事情做完了：OpenEvidence，很多醫(yī)生都在用這款產(chǎn)品輔助診療，讓安全性和準確度提升了很多，ChatGPT馬上就要接入健康數(shù)據(jù)，2.3億人很快就可以直接受益。

原來提到的數(shù)據(jù)范式、場景范式都會有點問題，已經(jīng)運行了一年，繼續(xù)運行又能怎么樣？我們強調(diào)AI直接產(chǎn)生作用是在院外，上一代是以醫(yī)生為中心的服務(wù)模式，距離AI的本質(zhì)是遠的。我們強調(diào)技術(shù)紅利是發(fā)生在智力上，不是發(fā)生在圖象識別上，圖象識別不代表智力，只是做題家手里的活兒。

Q：智能的上限多了以后，某種程度上可以彌補數(shù)據(jù)整體不足的問題？

王小川：智力是本質(zhì)問題，不是彌補數(shù)據(jù)不足。數(shù)據(jù)很重要，但在大模型行業(yè)沒有成功案例，大家都搞錯了。我們沒有公開這樣講，要是這樣講的話得罪人太多了。大家都在提數(shù)據(jù)很重要，但只是傳閱的概念，沒有人做成功過。

Q：AI醫(yī)療的主要場景是在院外，不是在院內(nèi)，這是什么邏輯？

王小川：我覺得那個院士有他的道理，就是屁股決定腦袋，他的位置在那里，但醫(yī)療是為誰服務(wù)？最終還是要為患者服務(wù)，所以需要局部最優(yōu)解。根本問題是醫(yī)生不夠，醫(yī)學(xué)不發(fā)達，患者是受益方，但沒有決策權(quán)，居家服務(wù)太少。我們老是說患者是自己健康的第一責任人，但AI都是幫醫(yī)生的，不是幫患者的，總是隔山打牛，這樣對嗎？

我們覺得自己不行，所以要求醫(yī)生賦能給我們。最終總是要服務(wù)個人，因為醫(yī)生的利益也不太一致，醫(yī)生主要就是寫論文，這是他們的主要訴求。OpenEvidence確實讓醫(yī)療效果提升了很多，因為他們習慣用輔助系統(tǒng)，中國醫(yī)生不習慣，因為很忙，沒有時間去用，而且用不用對于他們評職稱寫論文有幫助嗎？

Q：剛才提到數(shù)據(jù)到底重不重要，我想提幾個根上的問題：新一代模型的訓(xùn)練主要是從哪幾個方面提升水平和能力？你們肯定是需要數(shù)據(jù)的，到底需要哪些數(shù)據(jù)？量級和通用大模型有什么差別？百川數(shù)據(jù)獲取主要來源是哪些？

王小川：我們要發(fā)展新醫(yī)學(xué)，AI for Science需要大量數(shù)據(jù)，院內(nèi)也不夠，所以需要自己采集和創(chuàng)造數(shù)據(jù)。

Q：現(xiàn)在你們采用哪些數(shù)據(jù)訓(xùn)練？醫(yī)院的還是患者的？

王小川：核心不是院內(nèi)數(shù)據(jù)，而是評價系統(tǒng)，DeepSeek也沒有天天說自己的數(shù)據(jù)是怎么來的，所以就是好的定義和訓(xùn)練方法的準備。我們認為讓醫(yī)生幫助我們生產(chǎn)模擬患者的評價體系，跟數(shù)據(jù)訓(xùn)練模型是兩件事情。

Q：醫(yī)生標注數(shù)據(jù)的工作量很大，因為醫(yī)生本身也很忙。

王小川：是的，之前GPT是找了262個國家做到HealthBench的評測集，我們也有百川SCAN的評測集，系統(tǒng)自己就會知道怎么改進，范式?jīng)Q定怎么使用這些數(shù)據(jù)。

Q：剛才提到動態(tài)反饋這件事情，現(xiàn)在大家也都有看到，OpenAI很快就要開放醫(yī)療檔案，國內(nèi)阿福也有在做。雖然你們已經(jīng)有了很好的方法，建立起了模型體系，但會不會因為數(shù)據(jù)量的差距讓模型迭代相對沒有那么快？

王小川：有了個人檔案當然沒有問題，但不是數(shù)據(jù)就可以形成訓(xùn)練阿福的模型，檔案就是更加個性化，跟用戶多少沒什么關(guān)系，用戶更多以后至少團隊能夠通過問答推動產(chǎn)品改進，就像以前的產(chǎn)品一樣，通過用戶反饋進行改進也是技術(shù)層面的事情，所以有機會優(yōu)化產(chǎn)品，但不代表能夠推動模型的進化。

今天的Gemini發(fā)展得非�？�，沒有那么大的數(shù)據(jù)量也做起來了，所以還是技術(shù)驅(qū)動。今天有些東西是被證明是真的，有些東西是被證偽的。阿福更多的是做生態(tài)，有了用戶以后，這是最容易獲得的紅利收益，不是技術(shù)本身。

Q：百川接下來的路想怎么走？

王小川：我們跟阿福不太一樣，阿福還是泛健康的概念，健康這個詞就是很泛的概念，居家至少能夠取代家庭醫(yī)生。

Q：剛才提到C端產(chǎn)品接下來的路線，之前你也講，百川第一天就想做To C，目前To C的商業(yè)化路徑是怎么規(guī)劃的？

王小川：幫助患者產(chǎn)生輔助決策的價值就是有意義的，因此我們可以向患者收費，也可以形成服務(wù)包，后面的醫(yī)療資源和藥械就以服務(wù)包的形式收費。我倒不擔心商業(yè)模式本身，確實是要過了醫(yī)療這個門檻，為用戶創(chuàng)造價值，不管直接收費還是生態(tài)收費都是很容易的事情。

Q：大概會在什么時間實現(xiàn)？

王小川：今年上半年就會開始入場，之前停頓了一段時間，確實不是只賺醫(yī)院的錢或者只賺醫(yī)生的錢。

Q：To C屬于比較偏嚴肅性的，核心是嚴肅性醫(yī)療涉及診療由誰負責，怎么看這個問題？

王小川：現(xiàn)在的法規(guī)要求診斷結(jié)論和治療方案必須由醫(yī)生來給出，我們短期內(nèi)不會去碰這條紅線，可以輔助醫(yī)生把診療做得更好，但會有一個痛點。我們主打的就是讓患者能夠明明白白看醫(yī)生，縮短醫(yī)生和患者之間的Gap，醫(yī)生沒有擅長給患者做更多的溝通、講解，沒法在報告單抽取相關(guān)的內(nèi)容。

最后的診療決策不是一件事情，可能是看兩個方案選哪個，這個決定是患者來做，我們會幫助患者做好。醫(yī)生要讓出決策權(quán)，保守方案和激進方案應(yīng)該選哪個？可以讓患者自己選，最后患者會對自己的健康更負責，因為患者是自己健康的第一責任人。我們不做決策，而是建議患者做決策。

Q：產(chǎn)品最終To C，想把決策權(quán)從醫(yī)生手里讓渡到患者手里，現(xiàn)在M3的能力已經(jīng)可以達到這樣的水平了嗎？還是醫(yī)療模型要往更強的能力迭代，才能支撐起來這個愿望？

王小川：需要建立產(chǎn)品形態(tài)和信任。

Q：拋開現(xiàn)有的法規(guī)，必須要有醫(yī)院來開處方，要是To C的話，患者Prompt能力并沒有專業(yè)工程師那么強，你們會怎樣挖掘足夠的患者信息支撐最終提供的診斷？

王小川：搜集足夠的信息就可以給出好的建議和服務(wù)，我們的核心能力就是端到端嚴肅問診，以前的模型就是“你是一位資深的醫(yī)生”，但想問的和該問的不是一件事情。我們是跟著醫(yī)院的體系在評測中已經(jīng)超過了今天醫(yī)生的提問能力，以前的模型是做不到的。很多問題看著很對，其實是不符合的，現(xiàn)在患者平時的表達就被AI管起來了，感冒以后AI會很清楚身體系統(tǒng)，不會被帶到溝里面。

未來的產(chǎn)品場景也在規(guī)劃中，要是去兩個醫(yī)院，每個醫(yī)院給的治療方案不一樣，應(yīng)該聽誰的？我們把相關(guān)方案都放進來，AI可以幫助分析，找到更適合自己的方案，有的是為了讓生存期更長，有的是為了減少痛苦，有的是為了成本更低，能夠把方案講得很清楚，就是為什么這么設(shè)計，怎么才能適合自己，醫(yī)院是打死也做不了的。

Q：要是做To C產(chǎn)品的話，早期怎么培養(yǎng)用戶心智？因為市面上有很多醫(yī)療，阿福泛健康也被當作醫(yī)生來問。

王小川：需要三個事情發(fā)生：要有一定的廣告宣傳投入，我們也會適量增加。要有醫(yī)生的認可，阿福跟我們的路線不一樣，老醫(yī)生都是無感的，我們希望醫(yī)生和患者是一體兩面，共享一款產(chǎn)品，要讓專家點頭，而不只是患者鼓掌。產(chǎn)品做好以后確實能夠取得一定的口碑效應(yīng)，GPT可以發(fā)現(xiàn)自己多年以前誤診的對象，就是從接口說話。

Q：你們商業(yè)化做得怎么樣？

王小川：今天上市的兩家是踩在了通用模型的技術(shù)紅利和國家對科技強國扶持的基礎(chǔ)上。AI醫(yī)療也是同樣，屬于今天大模型競爭的重要力量�？梢哉f從技術(shù)范式再到國計民生的意義，從通用AI的概念來說更早一些，未來我們也會走到上市這條道路上。

Q：OpenAI商業(yè)路線和產(chǎn)品路線是To C和To B的區(qū)別，百川好像兩條路都在走，怎么評價不同的選擇？

王小川：美國是To C和To B都可以干，但在中國To C比To B更好。

Q：產(chǎn)品形態(tài)具體是怎樣的？

王小川：就是醫(yī)生醫(yī)療版本的大模型，非醫(yī)療的問題就不答了，因為接入患者數(shù)據(jù)以后就會變成子產(chǎn)品放在ChatGPT里面，我們做的就是這樣一個對標的板塊。

雖然是同一個產(chǎn)品，但由于醫(yī)生和患者的身份不同，給出的結(jié)果是不一樣的。醫(yī)生版更像OpenEvidence，更加強調(diào)循證，就是一篇文章的一番話引用在什么地方，ChatGPT引用的有些文章是不存在的，只是幻覺，但在我們的系統(tǒng)中100%存在。

醫(yī)生和患者之間會有區(qū)別，醫(yī)生可以接受各種專業(yè)答案，給到患者幾個不同的點。必須足夠看得懂，讓患者理解專業(yè)語言，翻譯成患者能懂的內(nèi)容，同樣保留循證的能力。必須讓自己能夠做決策，給的信息足夠充分，因為醫(yī)生都是訓(xùn)練過的，知道應(yīng)該怎么辦，也要給患者這種決策能力。

患者模式就會強調(diào)補充信息，進入啟發(fā)式端到端的問診能力，醫(yī)生不會這樣，因為醫(yī)生有自己提問的方法。在這種情況下，我們和OpenEvidence的區(qū)別在于，OpenEvidence只是服務(wù)于醫(yī)生，我們是可復(fù)數(shù)、可懂、可決策、可行動、能夠服務(wù)到患者，這樣的產(chǎn)品定位在全球是獨一無二的。

Q：現(xiàn)在國內(nèi)醫(yī)療AI賽道越來越火，你們怎么做好自己的護城河？

王小川：護城河分為三個部分：模型做得足夠好，今天屢試不爽就在于模型領(lǐng)先一代，就像教育的好學(xué)區(qū)，我們的領(lǐng)先度是可以保證的。解決問題的切入點，我們更愿意切入嚴肅、高價值的場景。

大廠和創(chuàng)業(yè)公司不一樣，畢竟有職業(yè)團隊，需要的是更加安穩(wěn)的方案，大創(chuàng)新靠小廠，小創(chuàng)新靠大廠，必須切入我們認為有高價值的事情，共識不是我們優(yōu)先的突破點，而大廠更多的是注重共識，路線圖和產(chǎn)品形態(tài)是不一樣的。

Q：你們產(chǎn)品的核心是解決哪一部分人群對于醫(yī)療認知的Gap？不同人群的Prompt能力有差異，為什么一個專業(yè)問題，醫(yī)生講不明白，你們的產(chǎn)品能夠講明白？產(chǎn)品設(shè)計有什么巧思？

王小川：我們需要患者更好地表達，甚至老年人的話可能是家屬幫助在做，缺少一種醫(yī)學(xué)的Knowhow，患者和醫(yī)生溝通也需要有表達能力，所以要把自己的問題說清楚，把你要什么表達出來，這是一個基礎(chǔ)�，F(xiàn)在ChapGPT可以把一個東西講得讓7歲的小孩子都明白，可以讓一個嚴肅的文檔夸張一點、友好一點，所以分析問題、講清楚的能力是大模型不缺的。

Q：現(xiàn)階段就是幫助患者建立輔助決策的價值，你們突破到多少用戶規(guī)模就會覺得輔助價值被驗證了？從價值驗證到價格成立大概需要多久？需要經(jīng)歷哪些步驟？

王小川：我們沒有一個完整的判斷，不在我們的計劃中，要是真正有10萬人在用，我們覺得就已經(jīng)證明了讓渡權(quán)利的價值。

Q：剛才你們提到最大增量是在院外，現(xiàn)在醫(yī)療大模型還面臨技術(shù)端需要走在法律法規(guī)政策紅線的前面，院外的哪些場景能夠最終落地？大模型要是出現(xiàn)誤診，責任在哪里？

王小川：今天我們也不會越過紅線，不會去做本身的診斷或者給出處方，但可以做輔助工作，所以我們在紅線內(nèi)已經(jīng)產(chǎn)生了巨大的價值，能夠推動醫(yī)療改革的加速。美國猶他州已經(jīng)開始用AI開藥了，其實可以放開更多的AI能力，只是看能否應(yīng)用于患者而不是躲在醫(yī)生背后。一旦有了體感，就會形成行業(yè)內(nèi)的滾雪球效應(yīng)。

Q：是不是就像自動駕駛L2、L3那樣，權(quán)責更加清晰就可以實現(xiàn)AI醫(yī)生？

王小川：我們的思考并不是把醫(yī)生取代，做手術(shù)、做查體、做各種各樣的康復(fù)診療都需要真實醫(yī)生，但AI可以填補空白。就像剛才講的溝通、提醒、通過給出建議輔助患者決策，這些都是空白，我們大有空間可干。

Q：剛剛進入2026年，各家廠商都在上市，宣布自己的融資情況，你們怎么評價百川現(xiàn)在的狀態(tài)？去年做了哪幾件比較重要的事情？今年的計劃是什么？

王小川：百川去年最重大的就是組織管理專注醫(yī)療，發(fā)布M2和M2Plus，把基礎(chǔ)的醫(yī)療增強概念穩(wěn)固，把循證概念樹立起來，除了推理能力以外就是循證和會問診，去年做了很多積累，M2和M2Plus，包括今年的M3都是在去年的基礎(chǔ)上夯實，我們在腫瘤領(lǐng)域也開了一條線，就是把最難的醫(yī)學(xué)皇冠明珠做好，所以就是模型本身的進步。今年的核心就是模型迭代和落地，幫助患者做決策的能力和居家陪伴的健康看護能力，我們都會進一步落地，醫(yī)療AI也是肉眼可見的未來最重要的應(yīng)用場景。

Q：你們做的事情是造醫(yī)生，不是輔助AI，在什么情況下能夠真正實現(xiàn)跟AI聊天覺得不是輔助的作用，而是真正的醫(yī)生？

王小川：造醫(yī)生就是因為醫(yī)療供給不足，我們的第二個產(chǎn)品已經(jīng)可以當成院外醫(yī)生來看了。

Q：之前提到現(xiàn)在OpenAI也在進軍醫(yī)療領(lǐng)域，你們在中國做AI醫(yī)療本身的優(yōu)勢和劣勢是什么？美國不同醫(yī)院對于個人隱私數(shù)據(jù)保護得非常嚴謹，相互之間數(shù)據(jù)不通，不知道國內(nèi)AI醫(yī)療有沒有自己的優(yōu)勢？

王小川：你是指跟美國相比嗎？我覺得跟美國相比的話，美國更加市場化，而且美國的醫(yī)生數(shù)量是夠的，中國廣大地緣反而更缺優(yōu)質(zhì)的醫(yī)生。你在北京可能沒感覺，北京的資源太豐富了，但那些五年規(guī)培的村醫(yī)只有26%，空白的地方是更多的。中國政府要是想明白了怎么辦，可能會有很大的助力。

Q：你們產(chǎn)品智力的部分其實來自公開的論文，就是類似知識圖譜，用醫(yī)生做標注提高模型的診斷準確率，基于我的理解，是不是有更好的一倆數(shù)據(jù)庫、更優(yōu)的醫(yī)院數(shù)據(jù)就能夠拿到比你們更高的診斷準確性？

王小川：算法是核心，醫(yī)生主要是驅(qū)動評測體系。

Q：腦卒中領(lǐng)域也有跟你們相同的產(chǎn)品，現(xiàn)在已經(jīng)遇到了瓶頸，衛(wèi)健系統(tǒng)也有質(zhì)量更優(yōu)的數(shù)據(jù)。

王小川：大家總是把數(shù)據(jù)當回事，懂這件事、有錢做這件事才是關(guān)鍵，市面上有500多個垂直醫(yī)療模型，我認為他們都不知道什么叫作做模型，所以不要被他們影響。

Q：你們場景的偏向是怎樣的？相比阿福泛健康的打法，性價比比較高，面向全部人群，不管智力能不能看懂醫(yī)學(xué)文獻，能不能和真人交流，要是你們花了很多成本做循證，很有可能拿不到真正肯花錢的用戶。

王小川：我們沒有什么前輩，因為我們是在做To C。解決一個問題要有人買單，因為醫(yī)療最大的問題就是決策方和使用方是不統(tǒng)一的，可能卡在這個問題里面。把一個好產(chǎn)品交給了一個利益不一致的人使用，不是循證成本高不高，而是是否能夠觸達目標人群。達摩院之前宣傳得很好，就是胰腺癌的屏掃CT，但醫(yī)院干嘛要這種便宜的東西？找不到買單方。

Q：你們有病種和場景的偏向嗎？

王小川：目前的做法基本上就是全覆蓋，重點放在兒科、慢病和腫瘤領(lǐng)域。

Q：中國醫(yī)療最大的支付方是醫(yī)保，不是患者，借由中間方就是醫(yī)院，你們規(guī)劃的宏大愿景直接面向患者，患者本身之所以沒有決策權(quán)就是因為不是最大的買單方，要是可以形成規(guī)模的買單方就是在電商平臺，你們的目標買單方是誰？

王小川：現(xiàn)在我們在跟一些藥械溝通，他們都非常強調(diào)在院外，并不是收在院內(nèi)，大家在這一點上是同頻的，更多的是讓C端受益方成為決策方和買單方，做到三個統(tǒng)一。

Q：就是要把患者吸引過來，然后讓藥械企業(yè)買單？

王小川：也有可能打包都讓患者買單。

Q：這一部分有其他的廠家在跟，而且已經(jīng)比較落地了，你們比他們的優(yōu)勢是什么？

王小川：技術(shù)更好，確實能夠把病搞明白。

Q：你們現(xiàn)在主要的監(jiān)管方是衛(wèi)健委嗎？

王小川：是的。

Q：跟你們合作的主要醫(yī)院是哪家？

王小川：兒童醫(yī)院，現(xiàn)在也在和東腫合作，就是以藥廠的身份跟他們聯(lián)合研發(fā)，進入Clinical Trial，合同已經(jīng)簽完了，但發(fā)現(xiàn)還沒有人注冊。

Q：你們的人去醫(yī)院還是醫(yī)院的人來這里？

王小川：都有，他們也有人駐扎在我們這里，副院長帶隊。

Q：會不會出海？

王小川：肯定會出海，不能出海的醫(yī)療公司不是好公司。

Q：要是有個超過中國最頂尖兒科醫(yī)生的模型，你們會用來干嘛？你們比中國最頂尖的兒科醫(yī)生厲害。

王小川：我們不會講比他們厲害，比醫(yī)生厲害這件事情在某些維度上一定是這幾年在迅速達到的，目的是讓大家更健康。

Q：你們會重點在一線嗎？還是在二三線、四五線？

王小川：我們會試探，但嚴肅場景還是得從一線開始。

Q：你們在安全和加密方面的等級是怎么做的？因為用戶也會害怕自己的數(shù)據(jù)被泄露。

王小川：我們在安全能力上肯定有做這些基礎(chǔ)工作，也是我們的一種承諾，你們的數(shù)據(jù)只是為個人服務(wù)，內(nèi)部的文化也要小心，內(nèi)部員工都要尊重這件事情，就是文化和技術(shù)能力都要做到。公司越大，用戶就會越信任，要是泄露你的數(shù)據(jù)，公司就掛了，他們就沒有動力干這個活了，因為數(shù)億人的數(shù)據(jù)都在里面。

Q：如果攻擊者把這些數(shù)據(jù)拿到了呢？

王小川：攻擊者可能會去攻擊銀行這種地方，他們要這些數(shù)據(jù)干什么？我是不會要這些數(shù)據(jù)，沒什么用。

Q：張文宏拒絕把AI引入自己醫(yī)院的系統(tǒng)，因為引用AI以后，醫(yī)生的訓(xùn)練完全改變了，沒有經(jīng)過疾病診斷系統(tǒng)訓(xùn)練的實習醫(yī)生，通過AI也可以得出跟自己一樣的結(jié)論，如果醫(yī)生缺乏這種系統(tǒng)性的訓(xùn)練，無法鑒別AI給出的結(jié)論是對是錯。如何看待引入AI以后產(chǎn)生的矛盾？

王小川：專業(yè)領(lǐng)域都會遇到這種問題，人與機器共生以后，相不相信AI會降低自己的能力？能駕馭AI的醫(yī)生就是好醫(yī)生，思考如何幫助患者才是正道。

Q：剛才您提到今年會有新的產(chǎn)品發(fā)布，是不是面向C端，上線初始會免費是嗎？

王小川：剛開始肯定會有免費。

Q：你們最開始為什么選擇兒科？

王小川：我們的第一個切入點其實是院外，不想往院內(nèi)去做，希望做的是比較輕的病。兒科屬于長期騷擾你，但沒有什么大的問題，就是從焦慮感出發(fā)，之后我們就會逐步擴展到腫瘤這種最核心的疾病。

Q：會不會繼續(xù)在兒科重點投入？

王小川：慢性病、兒科和腫瘤，“一老一小”。

Q：你們會不會做硬件？

王小川：目前正在做睡眠。

Q：按照百川對于模型訓(xùn)練的探索，未來有沒有可能涌現(xiàn)出某種Idea，能夠解決目前人類解決不了的疑難雜癥？

王小川：現(xiàn)在來看是不能，就是把現(xiàn)有知識學(xué)會，并不是創(chuàng)造新知識。醫(yī)學(xué)主要是靠經(jīng)驗總結(jié)，不是基礎(chǔ)發(fā)現(xiàn)，未來要是有長期的數(shù)據(jù)挖掘還是有機會的。

Q：技術(shù)是百川非常核心的差異點，最近你提到和醫(yī)生合作非常必要，但不能只根據(jù)醫(yī)生的需求確定技術(shù)的迭代方向，M1、M2、M3主要是沿著怎樣的方向迭代？

王小川：我們主要的定義是什么叫作模型的好，就是從技術(shù)推理走向臨床需求，既需要足夠懂AI，也需要在具體場景跟醫(yī)生溝通�，F(xiàn)在我們主要強調(diào)四個重要方向：醫(yī)療本身的推理能力，能夠給出正確的解決，減少幻覺，醫(yī)療搜索或者循證能力，就是從專業(yè)的知識庫抽取證據(jù)，包括臨床指南級別的基礎(chǔ)科研，甚至是監(jiān)管的證據(jù)準確性足夠高，搜集信息的能力就是以問診為核心。M3發(fā)布以后，四個方向已經(jīng)補全了。

Q：很多醫(yī)療問題不只是技術(shù)的問題，你們在技術(shù)之外，有沒有和監(jiān)管機構(gòu)建立信任？

王小川：會有，我們跟三甲醫(yī)院、基層醫(yī)院都有溝通。我們在藥廠都有臨床試驗，沒有哪個互聯(lián)網(wǎng)AI公司在干這個。我們就是以藥廠的身份和醫(yī)院合作，把我們的產(chǎn)品當作藥物驗證安全性和臨床性，都會有Clinical Trial。

Q：30億好像不夠燒。

王小川：夠燒，要看是什么標準。我們是患者的Companion，可能一款藥十年十億美金，成功率10%，那肯定不夠燒，但美國FDA正在鼓勵一個Digital Companion指導(dǎo)用藥，藥效就會提升。一款老藥的有效性是70%，通過算法可以提到75%，相當于發(fā)明一款新藥，既不需要十年十億美金也不會成功率只有10%，就是范式變化帶來的結(jié)果。我們就是藥物伴隨，F(xiàn)ollow-up。

Q：要讓藥企為服務(wù)買單？

王小川：有可能，我們的群里面會拉五個人，有醫(yī)生，有護士，有AI，有患者，有患者家屬。

Q：相當于CRC的工作。

王小川：類似，我們要告訴患者那是AI，雖然很像人，為了讓患者愿意主動跟AI去聊，其他的真人還要裝扮成AI的樣子。

Q：你們是從哪個腫瘤開始做？

王小川：應(yīng)該是從肺開始做起。

Q：AI屬于一個黑盒，會不會有額外的難度？

王小川：AI其實是有思維鏈的，可以真正像人一樣思考。要看危害性有多大，有效性有多大。

Q：之前你很少發(fā)聲，為什么現(xiàn)在愿意把大家聚在一起聊一聊？

王小川：就是跟大家重新建立連接，之前被罵慘了。

Q：可能因為行業(yè)到了爆發(fā)的節(jié)點。

王小川：我們從第一天開始就想做醫(yī)療，但被裹挾以后干了很多醫(yī)療以外的事情，現(xiàn)在吸取教訓(xùn)，每個新人都要直接面試，看一看是不是想做醫(yī)療。

Q：你們?yōu)槭裁聪胱鲠t(yī)療？不是什么好干的事情。

王小川：生命本身就很有意思，規(guī)律已經(jīng)很顯著了。原來我是學(xué)計算機的，研究的是高強度計算，搞的是天氣預(yù)報，但我覺得天氣預(yù)報太不靠譜了，有一點變化結(jié)果就會不同。老板問我，那你想干什么？我說就搞人類基因組計劃吧。

真的是從2000年開始搞基因拼接算法，發(fā)現(xiàn)這個比天氣預(yù)報還天氣預(yù)報，更復(fù)雜更混沌，但結(jié)論又更清楚。一個細胞有細胞膜、細胞核，十個月以后受精卵就會變成嬰兒，跟爸媽長得很像。

我當時的好奇心就在于生命比天氣預(yù)報還復(fù)雜，憑什么背后有規(guī)律？所以花時間去研究，總想找到背后的數(shù)學(xué)模型，現(xiàn)在就需要數(shù)據(jù)驅(qū)動，語言模型能夠解決智力問題，這就是我最初的動力。理論不能解釋現(xiàn)象，你能說現(xiàn)象不對嗎？只有理論不對，所以這是特別有意思的話題。這個時代已經(jīng)很好了，前面二十年干互聯(lián)網(wǎng)，這二十年就干人類基因。（作者｜李程程，編輯｜李玉鵬）