应华为 AI 医疗军团之战,各方动态和反应

应华为 AI 医疗军团之战,各方动态和反应


AI 医疗动态分析

华为的医疗路线

3.10 华为 成立 AI 医疗军团,将重点构建 AI 辅助诊断解决方案体系,推动医疗大模型在临床场景应用。

  • 秒级诊断与分钟级全基因组分析的 诊断效率革命(2025-2027) --- 基因数据能为AI提供更加精准的患者生物特征,帮助AI快速做出更准确的诊断
  • 到低成本基因检测与基因编辑疗法 重构治疗模式(2028-2030) --- 从传统药物治疗转向基因修复与编辑,为慢性病、遗传病提供更具针对性的疗法
  • 再到可穿戴设备催生预测型医疗,健康管理范式变革(2030-) --- 可穿戴设备与基因结合实时监控和提前干预预测慢病,为健康管理提供精准方案

华为医疗是:盘古医疗大模型(偏中医药) + 华大基因,同时会俩者,薪酬溢价可以涨 40%


百川的反应动态:超级医生 + 超级应用

百川在大模型六小虎公司中,现金流是最多的(存活最久),砍掉了金融等领域,全力押注医疗(差异化是关键)。

因为 1.20 号 DeepSeek-R1 发布,全力押注医疗,裁撤整个 B 端组,只留提示词团队,调至医疗。

内部员工说,目前百川还是拥有最强的医疗大模型

为保持优势:高薪聘请了香港和海外顶尖医生 + 投资医疗数据服务商小儿方 + 成立医学产品部。

王小川:上个 20 年,VC 投了 1000 亿也没做起互联网医疗,因为只围绕医生做周边,帮医生做什么、帮医院信息化,这些模式其实都不成立,没有竞争力。

帮医生不如造医生,我们不是帮助医生,我们是造医生,助理是错误理解,TA比你更有知识,医学模型知道什么样的人,该给什么样的诊断和干预方法。

百川想法最大,超过医生,通过 强化学习医学领跑 + 最关键数据来自顶尖医院 这条路,造出 超级医生 + 超级应用

百川的底牌:自建了天极更新的循证医学知识库,千万论文、千万院内医疗病例、几十万书籍、千万图谱词条、百万知识库、亿级问诊数据,强化学习合成数据


跟进蚂蚁一体机

蚂蚁 + 华为 + 阿里云 + 近百家企业联手布局,共同开发大模型一体机

  • 面向机构:通过大模型一体机向医院输出全栈式解决方案、面向卫健委的可复制"安诊儿"模式,面向各地医保局的医保智能体等
  • 面向医生:好大夫发布包括AI科普、AI病历、AI科研等AI医生助手系列工具,助力医生"医教研"
  • 面向患者用户:推出"AI健康管家",提供找医生、读报告、问诊等刚需日常医疗健康服务

这给了一个启发,我也在搞 大模型+RAG一体机:

  • 成本 30元的 U盘,装载了 大模型 + RAG算法,卖 199
  • 在各平台引流(小红书、闲鱼、知乎、B站引流)
  • 也有 llama.cpp 推理加速,避免像医院一样,部署 Deepseek 卡的要死。

不是卖给机构的,是给个人的,配备行业数据集 + 垂直领域功能(健康管理、AI垂直导师、塔罗牌等),省去部署流程,一键应用,随插随用。

针对行业痛点:许多年轻人愿意为个性化的解读 + 高质量卡牌设计付费

但卡片交互不精美、解读体验感差、付费高难持续消费、对国内用户访问限制等问题

网络上很多人反映Deepseek算明水平是真高......算明容易形成依赖,每天每件事都会想算算,用户感觉准很重要。

为什么算明这件事情是 100% 准确的?

因为意识形态的解释力 和 解读的空间几乎无限,任何想法、任何立场、任何解法都能从经典(比如易经)里面找出依据来。

如果再像风水学一样,算命是 100% 准确的,还额外 模糊了发生作用时长(你没有收到,你的子孙收到)+ 祸福大小。

所有的心理学,本质上都是自我暗示,把那些正向、勇敢、坚定、相信自己的念头种上,固定住,意志力和潜能才会最大程度发挥。

这力量就是凭空而来,这凭空而来的心力,就是最强的精神力量,信的越深,力量就越大。

目的:个性化解读、超精美高保真卡片、9.9/月不限、针对国内语言习惯优化、网页形式的差异化切入点、激发个人潜能


应对华为,开新路:力挺下一代知识体系,空间智能,做深医疗

自己要走独特的路,不能卷数据、卷算力,因为实在是卷不过华为,开新路。

实现【超级智能 + 超级应用】的核心关键是什么?

  • 生命医学等复杂领域具备多层次非线性反馈、强耦合与多重时滞,并非单靠海量语料就能"自动"推导出真实世界的动态机制。

  • 大模型本质上是在统计空间中捕捉关联与相似度,大模型自己做不到 "演算" 所有复杂动态

  • 大模型的"多步思考推理"能力虽在不断进步,但其背后数据过于笼统;

  • 大模型"懂"某些概念,不等于它能在不同情境下有条理地模拟、演算、预测那些概念之间的动态演化。

Claude 3.7、Grok 3 + 分析师,就解决 Claude 3.7 深思、Grok3 深思、R1等 误诊。

  1. 大厂追求医疗复杂推理,能被 不断升级的开源模型 + 多位分析师 代替。

  2. 图谱的上限决定了,只关注表象语义关联,而非深层逻辑机制关联

    我一直觉得 知识图谱 这路怪怪的,虽然能缓解幻觉问题,把 RAG 召回率提升了 20 个点。

复制代码
功能:能清晰追溯每一条诊断建议的证据链(如指南依据、相似病例、影像特征),并实时验证其与患者个体特征的适配性(如基因类型、共病状态、用药史),AI才能真正从"高级版百度"进化为"超级临床助理"。

但是智能程度没有什么提升,和想象中的智能差异还是很多的。

我这么大的图谱,放进去加上各种复杂的检索优化算法,居然对智能提升没有效果......

其实,我真正想先提升的是智能,不是稳定性。

没有因果和反馈深度融入,对细微变化缺动态回路,难体现个体差异和情境变化

真正的知识体系,并不是画出来多个分支就行,是能参与计算的软件。

比如历史的知识体系,可以用来分析每一段历史。

比如中医的理论体系,可以分析每一次病症和用药的逻辑合理性。
  1. 建知识体系,深度调研体系Agent

    设计对一个医疗子领域知识体系的自主构建 + 自主科学发现Agent

    大模型的数据太散只有平面关联,缺少立体关联,平面都是盲人摸象。 空间智能独特价值:场景化动态决策与"治未病"思路

    将多种干预耦合、考虑滞后期和反馈环,不仅看"这一刻怎么办",更关注"长期演化会不会导致慢性失调"。

    相当于把知识图谱中"静态关联"直接升级为"动态机理模型"------不仅知道"什么病和什么症状有关",还知道"如何随时间和干预变化"

    从平面经验推测(仅能分析平面题目) -> 立体空间模型计算(让 LLM 在三维动态结构实现可执行推理)-> 空间智能(对复杂机制系统级掌控)

    像神经科学教科书:大脑 有一个 三脑理论(爬行脑-情绪脑-皮层)

    整体结构过于笼统,难清晰追踪各功能区交互,太老落后没结合最新论文的新知(当前科学理解)。

    为了动态计算,把三脑理论变成下图这样:

分析师重新构建更完整、更精细的框架 【更全面的结构】

同时在框架中添加逻辑链路形成的各种系统回路【模块+回路组织】

无论是焦虑、恐惧、好奇心、心流、抑郁,还是失眠【各种现象】

我们都已经非常明确运作机制,且知道哪些脑区参与 【底层机制】

将大脑拆为多个功能模块(如输入、输出、情绪处理、控制器、存储)

并强调 TA 们之间的动态连接和信号回路。

就能追踪情绪或行为时每个模块参与程度、信号流动顺序,

进而"计算"出不同情境下的神经活动。

解决多逻辑链、多模块、多回路动态演化,助深层次推演与反应,针对【人体健康 = 稳态调节】、【多药物相互作用】、【慢性病的动态演化】、【多重干预、多重并发症】场景。

  1. 要推演抑郁患者服用多种药物(抗抑郁药+镇静剂+辅助营养素)带来的交互影响,这个动态知识体系如何展开计算?

在回路中分别设置三种干预对突触传递、激素分泌或神经可塑性的影响,再考虑药物间的增效或抵消关系,模拟大脑不同区域激活度变化。

最终输出可能的情绪波动曲线或副作用风险评估。

如,多重用药交互管理、重症监护中脓毒症治疗策略、 三高合并症(高血压、高血脂、高血糖)的长期控制等,避免只盯住某个指标而忽略了对整个身体系统的影响。

从"变量---因果链---反馈回路---滞后"四个方面深入剖析,预判不同策略的长期效果,从而兼顾多重因素,实现真正的个性化、精准化医疗。

我觉得,人对症状的早期觉察、早期干预,治未病,才是终点

相比于,华为对重构治疗方式的认知,在基因检测上做,那费用是很高的。

虽然在降低成本,但那还是收割有钱人的。

虽然健康是有基因影响,但个体认知,行为,社会环境,都大于基因影响的,仅生活方式作用就超 60% 。

刺激(闻到火锅很好吃) -> 输入(点了一桌菜吃) -> 反应(身体产生消化反应) -> 效应(血糖/ATP供能已完成),任何环节偏离正常值,身体就会产生异常反应 -> 提醒回归稳态

将生理稳态调节拆成可计算变量和回路,模拟人体对各种刺激(饮食、运动、压力等)反应过程,找到在哪个环节容易偏离正常值、如何提前预警,以帮助人在每一阶段保持稳态。

我觉得,这就是超级医生 AGI 的雏形:物体运行基本规律 + 生物体动态变化和演进。

相关推荐
蚝油菜花5 分钟前
DeepSite:基于DeepSeek的开源AI前端开发神器,一键生成游戏/网页代码
人工智能·开源
蚝油菜花5 分钟前
PaperBench:OpenAI开源AI智能体评测基准,8316节点精准考核复现能力
人工智能·开源
蚝油菜花8 分钟前
DreamActor-M1:字节跳动推出AI动画黑科技,静态照片秒变生动视频
人工智能·开源
MPCTHU9 分钟前
预测分析(三):基于机器学习的分类预测
人工智能·机器学习·分类
jndingxin16 分钟前
OpenCV 图形API(11)对图像进行掩码操作的函数mask()
人工智能·opencv·计算机视觉
Scc_hy25 分钟前
强化学习_Paper_1988_Learning to predict by the methods of temporal differences
人工智能·深度学习·算法
袁煦丞28 分钟前
【亲测】1.5万搞定DeepSeek满血版!本地部署避坑指南+内网穿透黑科技揭秘
人工智能·程序员·远程工作
大模型真好玩30 分钟前
理论+代码一文带你深入浅出MCP:人工智能大模型与外部世界交互的革命性突破
人工智能·python·mcp
遇码43 分钟前
大语言模型开发框架——LangChain
人工智能·语言模型·langchain·llm·大模型开发·智能体