AI 医疗这条路，到底该怎么走？

向左，是无数“互联网+医疗”先烈的坟头；向右，是《人民日报》头版描绘的星辰大海

在非凡大赏·杭州AI WEEK的趋势圆桌上，四位深耕AI医疗的创业者罕见地坐在一起，说了很多业内“不敢说”的话。

他们是——

全诊医学 CFO 潘守翔（中国最早医学大模型后训练团队之一，AI医生助手已落地全国近百家医院）

悦米科技 创始人&CEO 乔明辉（医药营销+医患管理，覆盖100+全球500强药企）

横方健康 CMO 孙君韡（专注医患私域，给每个专家搭AI智能体）

北京普辰智能医疗 联合创始人 王圃（口腔专病AI，诊断准确率96.5%，全球No.1）

主持人是非凡资本 VP 吴申亮 Jeffrey。

以下是这场对话里最值得收藏的干货。

在聊技术之前，我想先说一个数字。

全诊医学服务的一家三甲医院，年平均门诊量在10000人左右。经过1年的迭代和服务，上周数据是：平均每天48%的问诊，用上了全诊的AI。这不是演示环境，是真实跑在诊室里的业务数字。怎么做到的？

潘守翔说了一个关键词：切细。

“我们把医生工作拆到足够细的情况下，才能看清楚大模型到底在哪里直接能帮到医生。”

我们不是先训练一个“超级医疗大脑”往医院里塞，再看这个医疗大脑能解决什么问题；而是像做工程一样，把一个医生从早到晚的工作拆开来看：问诊环节有什么、写病历需要什么、医保编码要注意什么、患者出院后要做什么跟进。

每个环节都问：AI能不能在这里做点具体的事？然后再把答案拼回来，变成一个一个的智能体产品，也就是需求导向。

这套逻辑的背后一系列很朴素的工程学要求，譬如：推理速度必须在5到6秒内。“医生和患者已经两两相望在等AI的结果。10秒以上，那这个AI就不用了，哪怕再准也没用。”

这个细节让我想到很多To B的AI产品发布会，通常只讲准确率，不讲响应时间。因为后者才是落地时真正的生死线。

王圃给了另一个维度的答案。

他们做的是专病大模型，核心产品在口腔科。诊断准确率96.5%，这个数字在全球口腔AI里目前最高。谷歌Med-PaLM 2的第二代是85%。

但他更强调的一个问题是：AI该做的，是医生想干却干不了的事。

不是替代医生，是从医生不可能用人力完成的那部分开始做。

比如描点、画线、跨10年的患者影像分析，“这些平常需要消耗极大知识量和很长工作时间的事，全是用AI来做的”。

把这两个答案放在一起看——

全诊的逻辑是贴着医生的工作流走；

普辰的逻辑是找到人力物理极限以外的空间。

路径不同，但都有一个共同的起点：先承认医生，再服务医生。没有一家在说“我们能替代医生”。

乔明辉做了10年医患私域，有个结论听起来刺耳，但很真实：

“患者管理过去存在一个不可能三角——个性化、规模化、低成本，你只能同时追求两个。”

放在AI之前，一家药企要精细化管理患者，要么砸人力，要么降质量。没有第三条路。

现在悦米在国内某头部药企的自免领域管理了10万患者，“从患者随访的触达一直到患者依从性的延长，都发生了可测量的变化”。

他把这个叫做AI打破了不可能三角。

但他也说了另一件事，是我觉得整场圆桌最冷静的判断之一：

“你能直接靠大模型解决的问题，可能只是它20%到30%的能力。剩下的70%，一定在严格的业务流程分解、场景打造和合规风控保护之下。”

他的意思是，不要先去想模型有多强，要先把业务流程拆干净，想清楚哪些能用AI替代、哪些打辅助、哪些现在还用不了。然后在这个框架里，再谈技术选型。

孙君韡的视角更极端一些。

横方健康的产品是面向患者的。他的用户画像是：可能是老头老太，可能是肿瘤患者，可能是天生怕看病的普通人。

“哪怕他是一个肿瘤患者，他的信息收集能力也几乎为零。”

他说产品设计的核心逻辑是：“在他想打瞌睡的时候给他一个枕头，想吃饭的时候给他一双筷子。”

不要把大量正确的科普信息堆给患者，患者要的不是正确，是“信任的王主任给他一个确定的回复”。

这话理解起来有点绕。它的底层是：AI面对的不是信息接受者，而是情感需求者。患者想要的那种确定感，来自于真实的医生权威，而不是一个算法。

所以横方的产品策略，是把AI藏到专家智能体后面。用户看到的是“王主任的助手”，感受到的是王主任还在管他，AI是不出现在台前的。

这套逻辑，某种程度上解释了为什么医疗AI的前台很难做，但后台越来越有价值。

孙君韡说：“我们对外的产品没用AI（小龙虾），但对内是死磕的。”

他说这不是落后，是容错率的逻辑。

医生群体的容错率极低。用了一次，感觉不行，贴上标签，再也不用。想挽回信任，很难。

所以横方的策略是对外“敢为天下后”——不做第一个在医生面前展示龙虾的公司，等技术真正稳定了，再推出去。

对内则不同。内部试错成本低，员工“呵呵一笑可以改进”。

“我们的考核方式全重构了，就看你今天有没有跟龙虾对话，有没有把真实情况喂给它。”

王圃讲了另一个行业教训，验证了这个判断。

“24年春节DeepSeek出来后，很多医院都装了，最后结果很不好。”

通用大模型装进医院，没有做专业化训练，直接面对临床问题，核心缺陷是幻觉率解决不了。

“而且这是先验决定的。你用通用大模型做医疗，幻觉的问题不会消失。”

他们的解法是在底层就做不同的研究方法，先把幻觉率打下来，再建专业知识库和罕见病库。

在他看来，“目前的底层大模型对医疗已经足够用了，不是最新的技术才是好的”。医疗行业技术选型的标准，不是“最强”，是“最稳”。

乔明辉则给AI in healthcare的激进派泼了一盆温度刚好的水：

“当市场越狂热，可能越需要冷静。”

他们把AI分成inside和outside——inside是赋能内部系统，outside是面向终端用户。医患端用的是inside逻辑，需要拆解每一个业务环节再谨慎接入。

“AI最严肃的医疗环节，一定要特别谨慎。”

四个人里，只有潘守翔相对乐观地提到了会尝试在终端部署更多新能力。他说随着推理速度提高、成本降低，“今年就可能看到主动式医疗产品诞生”。

但他同时也说：“终端客户不在意你用的是龙虾还是大模型，只在意你能不能很好地帮医生解决问题。”

这是圆桌最后一个大问题，四个人给了四个答案。

王圃说会爆发，逻辑来自资本和竞争格局的判断。他在硅谷做了12年风投，他看到的信号是：OpenAI、谷歌都在重兵布局医疗，因为医疗有大量结构化数据。“资本对这个赛道肯定会产生热度。”而且中国AI医疗渗透率大约是15%，美国是75%，差距意味着空间。

他预测全球AI医疗最终会出现七八家巨头，普辰的目标是在6年内做出“中国的ASI-Medical”（超级医学人工智能）。

孙君韡的判断更微观，也更谨慎。他说要往“价值医疗”方向想，未来医保为真实的医疗价值买单，而评估这个价值，需要大量的数据分析和人工智能来完成。这是一个慢变量，不是一夜之间的爆发。

乔明辉说AI赋能医患管理“类比自动驾驶，现在是从L2往L3努力”，正在推进，但不是一蹴而就。“这是一场持久战”。

潘守翔给了最接地气的收尾：

“未来知识垄断被打破，科技平权是比较明确的趋势。每个患者都希望医生能多看几分钟，但医生太忙了。我们觉得这件事AI能帮忙。”

他说他们内部是很积极的——不是因为觉得技术完美了，而是因为觉得方向对了。

做医疗AI，天花板在上面，但生死线在下面。

上面是愿景——用AI拉平医疗资源，让每个人活到100岁，让绝症变慢性病。孙总最后那段话说得很美，我也信。

但生死线更现实：门诊推理必须5秒内完成；old taichi的患者必须用得懂；医生的容错率极低，失去一次信任可能永不回头；法规合规的红线是真实存在的。

四家公司之所以能活下来，不是因为他们讲了最好的故事，而是因为他们在这条线上面，认认真真地蹲下去做了工程。

互联网十年没有颠覆医疗，孙总自己说的。

AI医疗走的这条路，大概不会是“颠覆”，更可能是“渗透”：一个场景一个场景地渗进去，一个医生一个医生地赢得信任，一家医院一家医院地签下来。

不是大爆炸，是慢变量。

但慢变量积累到某个临界点，可能一夜之间让所有人突然觉得“哦，原来已经到这里了”。

这一天，值得期待。

吴申亮：各位嘉宾好，非常欢迎大家来到我们本场的圆桌讨论，我是来自非凡资本的主持人吴申亮。首先，我想请各位嘉宾用大概一到两分钟时间介绍一下各位公司的基本情况，让大家了解一下。要不请潘总先开始。

潘守翔：好的，非常感谢，非凡应该算是全诊的老朋友了。我们最早合作的时候还没有“龙虾”（OpenClaw）、Agentic、AI Coding这些这么如火如荼的概念。但确实我们大概在两三年前，就非常早地意识到新一代大模型的能力相比原来我们用知识图谱做医学问答，能力要非常非常强。全诊本身是一家成立于杭州的公司，我们的创始人本身就是一位临床专家和临床医生。我们应该是国内2022年底最早的一批把医学场景和大模型结合起来，做大模型的后训练，并做成各种各样产品的公司。我们在做医院的云端和本地化部署，做了很多对应的工作。目前我们主要的客户还是偏院内，可能和其他的嘉宾会有些不一样。我们的客户大概有将近100家，现在差不多有三十家医院在用我们的大模型做很多日常的工作，从辅助问诊、写病历到查房，所以很多场景都在用我们相关人工智能的产品，也是想借这个机会跟大家交流一下我们目前在做的一些事。谢谢。

吴申亮：好，那乔董。

乔明辉：大家下午好，我是悦米科技的创始人乔明辉。悦米成立10年来一直聚焦在医药行业，聚焦医药营销和医患管理的数字化产品和解决方案的提供上。这10年下来，我们从最开始的移动互联网、微信生态、私域，一直到AI的发展，也一直在做探索。目前我们覆盖了100多家全球500强的药企，包括国内的头部药企。在这一块，我们也确实持续地希望把最新的技术、最新的理念结合到我们所服务的企业客户和场景当中去。这也是悦米这边的一个基本情况，希望今天和大家有深度的交流。好，谢谢。

吴申亮：好，孙总。

孙君韡：各位在场的伙伴大家下午好。横方健康相较于前面的两家公司，还是一家正长大的公司。横方健康解决的问题是中国有诊疗、无服务的现状。我们的解决方案是为每一个医院的专家搭建一个智能体，去解决“医生不愿意理患者，患者不愿意理医生”的矛盾。当然在这个过程当中，医生有很多充满褶皱的琐碎工作，这是横方健康提供的价值，也是生态位。这就是我们在做的事情。当然这当中买单方很多是来自医院和医生，也会有一些跟乔董重叠的客户，但形态上不同。同样在做医患，但这是横方健康在做的事情。

吴申亮：好，感谢孙总。王总。

王圃：大家好，感谢非凡产研的邀请。我们北京普辰智能医疗是一家本周刚刚注册的新公司，当然我们做商业化已经做了六年了。我们是由一群海归的博士从MIT和剑桥回来的。最开始做商业化运营是六年以前，这周是北京市政府把我们作为一个链主企业招引到北京。我们的主要方向是做专病的大模型。在口腔方面，我们目前应该是中国的No.1，已经累积了200万个患者的大数据。同时我们也在研发骨科和皮肤科。另外在病理方面，我们的科研到了全球的No.1，主要是肿瘤的早筛和识别这块。我们的目标是争取在6年之内做出中国的ASI-Medical”（超级医学人工智能）。

吴申亮：好，感谢王总。我们下一个环节其实就是想聊一下，AI在医疗领域目前到底在解决什么样的真问题。第一个问题我想问一下潘总。因为我知道全诊医学的核心产品叫“全诊通”，目前在医院有比较好的增长。从业务落地的核心逻辑来看，您觉得“全诊通”这款产品真正打动医院去付费、实现规模化落地的核心价值来自于哪里？可以从医生和患者这些方面去聊一聊。

潘守翔：非常感谢吴总。因为我也一直在听大家觉得很兴奋，大模型也好，包括“龙虾”也好，确实能做很多的事情。但是我们实际在做产业落地的时候，其实还是要回到院内的实际情况。比方说我们服务的是医生，还是要服务到他真正工作当中的最基本情况。基本上整个医疗行业的大体情况是问诊人数在持续增长，但院内的压力一直是比较大的。行业内有一些同行公司的做法是，先训练一个特别大的强大的模型，期望它直接去替代医生的一部分工作。我们也跟蚂蚁、美团等很多头部厂家聊过，也有合作。全诊的路线可能跟所有人不太一样，我们更多的是把医生和院内的很多工作切得非常细，切到各个不同的场景和医生的工作单元当中去。比方说医生在诊室里面问诊，问诊过程当中有辅助决策、医患对话、病历书写、医保编码的沟通，还有患者出院之后的院外工作。我们把他的工作拆到足够细的情况下，就能足够清晰地去看人工智能、大模型或者“龙虾”，到底在哪些地方是直接能够帮助医生解决问题的。就像我们现在做得比较好的一家医院，他们大概一年40个亿的收入，每天门诊量8000到9000。目前差不多将近50%（上周看大概48%左右）的问诊会用到我们的人工智能。我们会觉得这种在日常工作当中能让医生用起来的AI产品和功能，最终医院才会有买单的意愿。所以可能医生每天也会有些质疑，但B端的落地还是有很多需要做工程把控的东西，全诊在这个路上基本上会死磕得比较深。

吴申亮：明白。听上去确实感觉现在问诊这个环节，AI在分析诊疗这些领域已经能够起到非常大的作用了。下一个问题主要是针对于王总。刚刚我也了解普辰其实在口腔领域是做得非常好的。这样的一些专科AI诊断，相比通用的医疗大模型，可能更加强调临床适配性和诊断的精确度。在您的实践中，您感觉普辰现在在口腔这个专病诊断上的准确率达到了什么样的水平？跟资深医生相比是略有不足，还是已经差不多甚至超过了医生的水平？

王圃：首先回答这个问题以前我们有一个思考：AI能够真正给医生带来什么？我们的答案是，如果是传统的医疗信息化工作，AI其实没必要做了。AI真正要做的是医生想干、而医生又干不了的事。这是医生所谓的价值体现，也是医生和医院愿意买单的原因。举个例子，比如我们的口腔辅助诊断，包括描点、画线这些平常需要消耗极大知识量和很长工作时间的事，全是用人工智能来做的。目前我们诊断的准确率达到了96.5%，这个数据在全球是处于最高的。大家可能了解谷歌最近发的Med-PaLM 2，它的第二代才85%。这种诊断准确率有一个很底层的东西，来自于两个方面：第一你是否有多模态的支持；第二是你对语义的理解和标准。我们之前有个学术研究成果是当年在剑桥时候做的，叫BioBERT，很多大药厂都一直在用。BioBERT目前就是全球排第一的医疗方面的AI语义模型。

吴申亮：好，感谢王总。那乔董，因为跟乔董认识很多年了，也知道悦米科技在医患私域这块做得非常扎实。从AI介入以后，给咱们的业务上是不是又带来一些比较大的变化？能否结合咱们合作的客户情况谈一下这个问题，就是AI对咱们业务的影响？

乔明辉：谢谢Jeffrey。这个问题其实我们的确有很多的思考和讨论。我们能够直接看到的是，AI带来了医患管理上的效率提升。但实际来讲，我们更进一步地看到它对传统医患管理模式是一个颠覆。从10年前我们创业触达医患管理领域开始，当时的核心逻辑其实还是在有限的数字化或信息化基础之上的“人海战术”。这当中可以分享一个暴露创业年龄的事情，就是10年前大家是否还记得当时的“百糖大战”。当时有700多家围绕糖尿病领域的创业企业，绝大多数都消失在创业历史长河中了。回过头来看这个“百糖大战”，除了当时从商业模式闭环的角度没有很好的切入点之外，另一个原因就是传统方式的确存在非常重、单位成本非常高、服务质量非常难以标准化的痛点。当AI由浅入深地逐步嵌入医患管理领域，我们的确看到一些非常积极的变化。第一，我们管理的对象不再是一个庞大的线下或线上的客服与医生团队，而是精准地管理患者的行为。第二，从患者的视角，以前患者管理存在一个所谓的“不可能三角”，即患者管理的个性化、规模化以及单位成本。你只能从这三个角度追求两个，绝对做不了三个。但是AI的深入和变化，给我们创造了解决“不可能三角”的可能性，这给我感受非常深。再有就是AI的能力在过去一两年甚至每周每月都有非常大的迭代，它避免了我们以前只是很生硬地设定三天随访、七天、14天、30天随访，现在可以更智能化、更个性化地去推进工作，它的“活人感”会更强了。结合我们的案例，比如我们在国内一家头部药企的自免领域，现在管理了10万患者。从患者随访的触达一直到患者依从性的延长，其实都发生了数据上非常明显、可测量的变化。这些好的变化让我们相信AI对医患管理的赋能是非常明确的，我们需要继续朝这个方向探索。

吴申亮：好，聊得非常深入，把我下一个问题也回答掉了。我想再问一下孙总，横方的核心业务也是围绕私域患者管理去做的，核心是帮助医院和药企去链接用户。对于用户来说，他们对AI健康工具的信任度是非常关键的衡量指标。结合您的营销经验，在产品推广过程中，用户（无论是患者端还是医生端）对于这类辅助工具的态度是怎么样的？接受度如何？我们可以通过什么方式去提高？您可以分别从两个角度去阐述一下。

孙君韡：好的。回答您这个问题，我也想接着刚刚“AI在医疗领域应用”的话题说。我是这么看的，这是一个“术”层面的问题，得先从“道”的层面来看需求到底存不存在。千万不要神化AI，它只是一个工具。在我们公司内部，考核永远是想着从“有用”到“好用”。我们只抓一个维度，就是医生的注意力和患者的注意力。大量调研发现，患者要的不是高大上的冷冰冰的系统，他要的是接地气的主场景；医生要的不是天花乱坠的龙虾，他们尽管很聪明，但没有那么多时间去学习。所以产品必须能从“卖产品”到“卖前途”，解决“对我有没用”的问题。而且他们的容错率是极低的。我想乔董应该感同身受，行业里很多所谓应用说得很好，实际却一地鸡毛，原因就在于没有真切地帮助容错率极低的医学博士解决客观问题，所以一直是叫好不叫座的状态。当公司了解到用户和客户结构性的痛点，技术可能不是最重要的，最重要的是工程化的能力。讲得直接一点，我们的患者端可能都是老头老太，我们就不能带着所有人都懂年轻人的互联网思维去做。我们信息收集能力强，但老头老太信息收集能力几乎为零，哪怕他是一个肿瘤患者。而且中国患者是怕看病的。所以在设计过程中，推科普的时候就要不多不少、不早不晚，在他想打瞌睡的时候给他一个枕头，想吃饭的时候给他一双筷子，我取当中一个细微的场景去切入。对于医生来讲，刚刚乔董提到一个“不可能三角”，我也说一个。医疗是个国际性难题，在美国看病成本特别高；在加拿大、英国、香港这些英联邦国家，医生非常nice，来看病就是"Don't worry, everything will be fine"，价格也还可以，但代价是患者不得不等，哪怕是肿瘤患者也得等一两个月。中国患者付不起高成本，中国医疗成本低、效率高，但缺的是质量。质量包括王总提到的诊断质量和乔总聊的服务质量。患者的获得感是缺失的。就像在杭州，春节都被洗脑下载了蚂蚁阿福，但患者要的不是一大堆正确的废话，他要的是他所信任的王主任、乔主任给他一个确定的回复。你得有人去背锅，同时这个人又是容错率极低、风险厌恶的保守派。产品设计得考虑到这些，才会慢慢从“有用”过渡到“好用”。所以在横方健康涉及的产品体系中，至少阶段性验证了这一点，医生的注意力还是有的。那些有付费能力、没付费意愿，更没付费习惯的人，还愿意为横方健康掏一些碎银几两。这是我目前的理解和客观事实。

吴申亮：横方对于用户的理解是非常透彻的，确实是很务实的一家公司。下一个环节我们想聊一下目前行业面临的挑战和机遇。这两年技术迭代非常快，像我们这周峰会主题就是跟“龙虾”（OpenClaw）相关的。我想请问一下在场四位嘉宾，是否自己或者公司有开始用小龙虾去做业务上的帮助？除此以外，过去一年陆续发了很多新技术，在大家各自的核心业务场景中，这些技术迭代是否带来了变化？从效果上是否起到了实际的作用？要不请潘总先回答一下。

潘守翔：我先抛砖引玉吧。这几年变化特别大，包括模型的能力、芯片的能力、社会和医生群体对大模型的接受度、以及国家政策。这些对于我们做应用层和AI的公司来讲是一个非常大的利好。记得很清楚，24年我们在院内部署的时候，用华为昇腾的裸金属机，中间还要附一层推理平台，一年光平台费就要给百度付三四百万，因为当时架构还没完全跑通。到今天，开源模型和芯片能力的进步帮了大忙。我们在院内提供服务的时候，不仅要准，还面对一个刚性问题就是推理速度要非常快。门诊是非常典型的场景，医生和患者已经两两相望在等待AI的结果，这基本上要在5到6秒钟左右。如果需要等10到15秒，那这个AI医生就不用了。哪怕准确度再高、“龙虾”再智能也不行。这倒逼我们要在很短的时间内推理出足够精确的结果。这些都有赖于底层技术和芯片的进步。成端对我们是一个非常大的促进。新技术像“龙虾”，看起来消耗的Token很多、单次工作时间比较长，所以我们跟各位一样，还没那么着急把它给终端客户使用。但随着技术进步、稳定性提高、推理速度提高、成本降低，我们觉得对应的主动式医疗产品肯定是会诞生的，应该不会特别久，今年可能就会看到一些。

吴申亮：感谢潘总。那下一位要不请乔董？

乔明辉：分享一下我本人的感受。这波热潮起来以后，我们肯定是第一时间做了尝试和体验，也的确交了不少学费。第二点感受是，一种新的大模型技术，并不会自然或必然地提升你的业务表现。中间一定需要把最新的技术揉合、深入结合到业务场景和流程当中才能产生价值。具体来看，悦米从去年开始把AI朝两个方向做：AI inside和AI outside，内置和外置。Inside更多是把我们面向医患管理的系统化产品，由AI来进行赋能。深度结合的前提是一定要拆解业务流程、关键环节，并进行分级评估：哪些可以完全替代，哪些打辅助，哪些目前还用不了AI。在最严肃的医疗环节，我们一定要特别谨慎。另外想分享的是：当市场越狂热，可能越需要冷静。尤其在严肃的医疗专业领域，我们一定要把控好数据合规安全的红线。大模型可以直接帮我们解决的一些问题可能只发挥了它20%或30%的可能性，剩下的70%和80%一定是在严格的业务流程分解、场景打造以及合规风控的保护之下。这样才能把既可爱又有一丢丢可怕的“龙虾”，它的权限和能力关在监管的笼子里，更好地释放出后续的能力。

吴申亮：谢谢乔董。医疗场景确实严肃，在合规安全和能力边界上的平衡是创业者都要去考虑的事情。孙总。

孙君韡：我觉得Jeffrey问的这个问题，在一个充满AI热情的大会上问，我开个玩笑说个宏观结论：互联网人都很聪明，在过往十年颠覆了所有的行业，唯独没有颠覆医疗行业。很多互联网加医疗一地鸡毛，是因为医疗里有很多颗粒度。就像医生都是风险厌恶的保守派。我们对外很认同乔董讲的AI inside和outside，outside我们是不用的。我甚至觉得在医疗行业里面得“敢为天下后”。别有FOMO（Fear of missing out）情绪，医疗行业“他强任他强，清风拂山岗”。我看那么多互联网医疗“先烈”，就是因为做完之后医生觉得不行，贴上标签不用了，下次你再挽回信任是很难的。所以对外我们没用，但对内为什么用呢？因为对内的容错率高。对外容错率低，失去信任就影响公司营收；对内员工呵呵一笑可以改进。我觉得未来公司内部绝对不是听一个老板指挥，而是听这只小龙虾来指挥。所以我们的考核方式全重构了，就看你今天有没有跟龙虾对话，有没有把真实的情况喂给龙虾。今天之所以不同的人对GPT或龙虾有不同看法，是因为它是顶级的卧龙，但你是不是那个刘备？刘备三顾茅庐才得出《隆中对》，员工问一下没感觉就不痒了。很多时候心力不够强，输入的信息有偏差，就影响了输出效率。在我们服务医生的行业里有很多脏活累活，内部用龙虾可以很好地帮我们降本增效。

吴申亮：非常感谢孙总的观点。其实我的意思不仅是龙虾，过去三年大模型也在不断迭代，国外的谷歌、ChatGPT也在迭代。对于我们在产品设计和客户使用体验上是不是有明显改善，王总可以补充说明一下。

王圃：对于迭代问题，我们是非常谨慎的。举个行业的例子，24年春节DeepSeek出来后，很多医院都装了，最后的结果很不好。实际上你是把通用大模型装到医院端，它并没有做专业化的训练。我们在全球很多知名大模型上做了深度开发，我们的观点是通用大模型用在医疗领域肯定不适合。因为通用大模型有个很核心的bug，就是幻觉率解决不了，这是先验决定的。我们是用一种全新的底层研究方法，首先把人工智能的幻觉率打下来，第二件事情是专业知识库和罕见病库的建立。只有到这种阶段，AI才会真正成为医生的得力助手。是不是最新的都要用？答案不是，目前的底层大模型对医疗已经足够用了。中国AI在医疗的渗透率大概是15%，同等数据在美国是75%，有三四倍的差异。这不仅是场景开放度不一样，更是因为中国有更多合规安全性的要求，感觉比美国要严。所以在推出新产品和技术迭代上，大家还是要谨慎一点。

吴申亮：好，谢谢王总。最后想聊聊未来。今年1月《人民日报》发刊文探讨AI加医疗的想象空间。医疗有海量结构化数据和明确刚需。结合大家的体感，是否认为2026年会是AI医疗行业爆发点？王圃老师之前在硅谷做过投资，想从资本角度聊一下。

王圃：我加入普辰之前在硅谷做了12年风险投资。我们看到一个现象，美国的AI巨头，从OpenAI到谷歌都在重兵做医疗领域。理由就是医疗有大量结构化数据。从全球的垂直应用看，第一是工业自动化，第二就是医疗，这是兵家必争之地。资本对这个赛道肯定会产生热度。大家发现卷底层大模型的参数在26年已经没太大意义了，拼的是如何在垂直场景发力。我们在底层AI视觉、文本发了200多篇paper，为什么选择口腔？因为口腔是医疗所有专科里数字化程度最高的。有人问为什么不做中医？中医在AI方面作为创业公司可能更难一点。我们的打法是，随着医疗数字化的进程，AI会有一个大幅扩展，我们认为全球AI医疗领域最后会出现大概七八家巨头。

吴申亮：孙总可以分享一下您的体感吗？

孙君韡：我的看法可能没有王总这么宏观，我从微观世界做一些谨慎的推测。我觉得要升维思考。医疗本身是医保买单，今天的医保非常有限，这是共识。未来趋势是有限的医保为价值医疗买单。怎么定义价值？这需要评价体系，其中充满脏活累活，需要人工智能来解决。举个例子，药品的传统销售是销售驱动、关系型驱动；未来必定推向医学驱动和证据驱动。创新药好不好，是大量患者用完的真实反馈，再到可靠性数据评价和药物经济学。中国有4亿慢病患者，这是一个巨大的gap。传统模型是筛、诊、治、管，今天基本是下级医院初诊，再到上级头部医院。未来人工智能可以帮助每一个中国医疗机构的毛细血管里都能做到筛、诊、治、管，让整个患者感觉到“被宇宙所闪烁”。

吴申亮：要不请乔董分享一下，现在对这个行业的体感是怎么样的？有媒体鼓吹26年是爆发原点。王总也提到模型迭代空间不大了，技术能满足需求。从商业化爆发的角度，您觉得26年会是什么光景？

乔明辉：我的感受是，第一，我们需要谨慎乐观地看待，这是医疗严肃性所在。第二，从我们的探索来看，AI在医患管理领域目前类比于自动驾驶，是从L2到L3的努力和变化过程。这个过程也许AI技术日新月异，但在特定且非常严肃的医疗行业，我们需要长期的视角去看。这中间有非常多天然的壁垒，需要我们结硬寨打呆仗，一步一步来做，绝对不会是一蹴而就的，一定是一个长期的过程。

吴申亮：毛主席说的《论持久战》，咱们这是打持久战。好，潘总。

潘守翔：我收个尾吧。我们四位嘉宾都是干医疗的，做的是人命关天的事，服务的医生群体是高知分子，对服务要求比较苛刻（Tough）。所以推产品的过程不可能像文娱消费行业落地那么快。但我们内部相对乐观。就像看病，每个患者都希望医生能多看几分钟，但医生太忙了。我们觉得未来包括医疗在内所有跟高级知识经验挂钩的行业，都会受到AI比较大的冲击。未来医生把医患沟通做好，真有很多事情可以交给AI去辅助。所以我们内部非常积极地希望大家去拥抱人工智能。未来知识垄断被打破，科技平权是比较明确的趋势。终端客户其实并不在意你用的是龙虾、大模型还是什么技术，只在意你能否很好地帮医生解决问题，这就是企业存在的意义。

孙君韡：从患者角度来说，我也希望你们把产品做得越来越好，让我们去医院能有更好的服务。我可以补充一下，未来如果有个具象化的画面，可能到时候所有人都能活到100岁，这不仅不是天方夜谭，因为很多创新药器械结合AI工具能把绝症变成慢性病。而且大模型结合健康数据，未来每个人都有个健康档案，升级版的“蚂蚁阿福”会来干预你的行为。医疗是以已知推未知，未来比如你喜欢抽烟吃红烧肉，它会干预你。我们在物理寿命上肯定会大幅延伸。到时候会有新问题，就是心理健康，但这相信是另一回事了。

吴申亮：时间已经到了，最后大家各用一句话总结一下今天的感受，或者给现场观众朋友们的寄语。乔董先开始？

乔明辉：AI和医疗的结合一定是必然发生、不可逆的。我们作为从业者，第一要以开放心态拥抱；第二要以负责任的态度把产品落实到位，在利用AI能力的前提下，筑牢合规隐私防线，真正让科技赋能医疗行业，带来更大进步。

吴申亮：王总。

王圃：今天我的感受是我们对AI医疗特别有信心。这来自于我们在医院临床看到了非常多的信号。比如我们现在能把口腔患者过去10年的影像、语音和诊疗数据存起来处理，做到每一个病人有独特的治疗方案。下一步扩充到全科可以做精准用药，根据海量反馈数据，精确到吃0.25片还是0.02片。每个人的用药都会进入精准时代。我们团队的Slogan是“因为开心所以在一起”，我们在做一个非常有意思的事情，也把这句话送给所有的创业公司。

吴申亮：这个点很棒，以前营销有千人千面，现在用药也有这个方向发展。潘总。

潘守翔：我就简单一点。很高兴看到除了医疗行业外，大家都在用最新技术帮内部和客户解决问题。反正期待吧，说不定哪天再参加吴老师的活动，AGI都实现了，我们持续在这个路上努力。

吴申亮：最后孙总收尾。

孙君韡：说下感受吧。《道德经》里有句话叫“弱者道之用”。只有当你认识到自我渺小的时候，那才是你个人伟大的开始。认识到自我渺小，你才会学会不活在宏大趋势里，而活在微观世界里去商业化。不管FOMO情绪让你怎么焦虑，认识到商业是充满褶皱的，你结硬寨打呆仗，在各自行业里找到细微的场景。只要人存活在这世界就有需求，无非你有没有发现。所以我的感受是：喝好杯中的每一口茶，走好脚下的每一步路，部署好你手机里或PC端的每一只虾。

吴申亮：谢谢孙总。我们再次掌声感谢今天嘉宾的精彩分享。