7月安卓手機性能榜：紅魔8S Pro再奪榜首
7月份的手機市場風平浪靜，除了紅魔和努比亞帶來了兩款搭載驍龍8Gen2領先版處理器的新機之外，別的也想不到有什么新品了，這也正常，通常6月7月都是手機廠商修整的時間，進入8月份之
阿里云優惠券 先領券再下單
當 Deepseek 問世以來，“AI+醫療”的風聲一直在延續。近年來，從《“十四五”全民健康信息化規劃》到《衛生健康行業人工智能應用場景參考指引》的發布，國家層面接連出臺的政策彰顯了AI在醫療健康領域的突出地位，剛剛結束的兩會上更是不乏對AI醫療的探討。DeepSeek 以其成本與性能之間的平衡給產業帶來了新的信心，各地知名三甲醫院接入國產大模型的消息覆蓋了整個春天。
然而在故事的B面，通用大語言模型在業務上落地的速度遠比媒體報道和資本市場哄抬來得慢得多。醫療行業有其特殊的嚴肅性，對模型的性能和精確度有著最高級別的要求，無論是診療還是經營端，醫院和醫生對AI工具的直接應用都保持相當保守的態度，萬億行業有如深海堅冰。
“我們經常看到網上有各種討論，說AI醫療怎么就這么難落地。你看大多數人講，患者還是面對真人醫生更有安全感，萬一AI出錯了沒人擔責，這些都是咱們老百姓的視角。偶爾有一兩個人說到是因為醫療行業的數據質量太差了，我們一看就知道，這是內行人。”馬國峰作為醫眾的創始人，已經積累了十年的行業洞察。
（▲圖：醫眾創始人：馬國峰）
去年年底，醫眾這家已經擁有1000家付費醫院客戶的醫療數據公司推出了全新的數據AI基座服務，用最簡單直接的產品邏輯突破了數據應用的瓶頸，讓醫院看到了AI的可用性和可靠性。
“我們和一些最頭部的三甲醫院有長期的探討，他們數據科的負責人一開始聽我們要解決這個問題，都說這是最正確也是最不可能實現的，”馬國峰說，“但也終于眼見為實了。難而正確的事情不白做，我們現在去聊客戶也都簡單了，隨時可以接入做產品驗證，醫院很快就理解我們的價值。”
醫眾不是一家趁著AI東風成立的新玩家，而是已然經歷過上一波“醫療AI影像”小風口的最低調的實力派。那個時候他們不學同行競品，從不給客戶和投資人講AI的故事，先后拿了金沙江和紅杉的兩輪投資也沒有大肆宣傳，只是默默服務好長期按量付費的醫院客戶，也培養歷練了團隊。
在馬國峰和他團隊的價值觀里，與其把時間精力用來造勢，不如踏實做產品、做交付，在技術進步和客戶信任這些復利的積累里持續思考下一步創新的方向和機會。“功成不必在我，功成必定有我。我們對自己的定位很清晰，就是做醫療科技進步的催化劑。” 這位鮮少面對媒體的創業者接受了新華網的專訪。
PART.01 到冰川之下去：做數據層的“底層創新”
新華網：能不能用最簡單的方式給我們講講AI數據基座這個新產品？
馬國峰：簡單說我們幫醫院做好這幾件事：
一、是數據的整合和治理，數據質量是AI落地應用最根本的基礎，也是醫療行業AI落地“無米之炊”的問題，我們把數據的可用性真正交還到醫院手里。
二、是數據的自動化交付，把傳統的信息化節點轉化成智能模塊，在數據層去智能化的管理數據的流轉，打通AI應用的鏈路。
三、是我們提供一個開放平臺，讓醫院去實現醫療數據價值的轉化，這也呼應政策里經常提到的行業數據資產化，也是醫院數據管理模式的演進方向，未來這可能會成為醫院一個新的收入來源。
四、是提供一個叫數據智能的產品，這是我們自己原創的一個科學推理模型，相對于大模型來說，是結合圖技術訓練的針對醫療行業和醫院場景的小語言模型，不需要大參數量，但是背后有嚴密的科學推理過程，所以它沒有幻覺的問題，另一個好處是它對算力的依賴很低， CPU 就能跑起來用。
（▲圖：醫眾產品體系）
從解決現實數據障礙，到讓AI替代傳統信息化里人工的工作，再幫助客戶去實現數據資產的價值轉換。這些基礎之上，醫院會發現AI工具一下子就可以日常為我所用了。
新華網：有沒有一些現實的例子可以說說？
馬國峰：案例太多了，因為我們做的東西不是針對某些特定場景，但這種底層的改變可以在各個有可能的場景創造出新變化。
比如說醫院要完成一個傳染病數據上報的任務，面臨的過程會非常復雜，大概需要六七個人的數據團隊花四五個月的時間，首先你要做一個系統的改造，因為原來和系統的數據標準跟國家的標準不一樣。
整改數據標準之后要把這個數據抽取出來做集成，這里面還要協調廠家做各種接口開發，接下來所有需要調整優化的地方，包括性能出問題的地方，都要考慮怎么用人工參與去解決，而且后續長期的管理會非常麻煩，總是需要不停的協調和人工。但如果用我們的數據基座，調用模型來生成智能體，同樣的一件事情可以讓醫院一兩天就做完。
再比如醫保的審核，這是醫院經營端日常面臨的一個大事兒，可能搞不好一年被罰款幾百上千萬。但是上萬條規則太復雜了，很多醫院考慮去采購一個單獨的系統。但實際上是結合醫院自身數據的是用我們的數據基座，醫院可以自己去維護這些規則，沉淀在系統上成為基座上的知識，拓展模型訓練成智能體，無論是日常自查糾錯還是指引醫生的工作，都是實時可用的。這些都是顛覆性的效率革命。
再比方說醫院想改造傳統系統，比如寫電子病歷的時候，你想用生成式的方式，但沒法實現，哪怕這個場景很小，因為這些系統耦合性太強了，總是需要當年那個系統廠家配做新的開發，成本就很高。如果不能完成這個嵌入改造，醫生也覺得它和我的業務流程沒法整合起來，那還不如就不用，這是一個典型的落地難的問題。這里就用到我剛才說的第二種能力，我們的數據機器人可以把傳統鏈路上的一個環節解構下來，換成人工智能的模塊安上去，這個流程直接就走通了，醫生日常就能用上。
新華網：市面上被討論最多的都是應用層的東西，因為大眾容易想象和理解，你們做的這個就不是，這里面都有哪些考慮？
馬國峰：一方面是看到了數據質量和性能是醫療行業AI發展的掣肘，另一方面也是團隊長期積累的稟賦。我們一直在刻意避免做應用，場景的應用特別好展示，但是競爭也會特別激烈，而且目前大多數智能的場景也都是套用大模型，應用在專業垂直領域還是有很大落差。對醫療行業來說，應用都是冰山一角，我們選擇到冰山下面去，從底層解決真問題。
我們這些年一直在行業里，過去做的影像數據也可以說是應用層的產品，但我們并不把自己當作應用層來看。因為影像是醫院存儲規模最大的數據源，做好應用層的本質也是往底層去探索的，那時候我們的差異化就在于數據層面的管理和治理，對自己的定位也是數據層面解決問題的服務商。那時候也有一些客戶提出來讓我們做AI模塊做智能化，但我們知道如果數據的質量和性能問題不解決，做AI效率是很低的。
另外一點是關乎我們的商業邏輯，做公司的過程里我一直在想的一個問題是，怎么可以把產品做到更簡單。簡單就意味著成本可控，那隨著我的業務發展，會有更好的邊際利潤。如果停留在應用層去解決問題，你會發現客戶有非常多特殊的定制化的需求，團隊會被研發需求淹沒，成本控制不了。
所以我們不如反過來從數據層去解決這個問題，因為我們不能反復靠人來解決新的問題，最好把積累下來的對系統和數據的理解梳理成知識圖譜，用智能來解決這些問題。包括后面很多數據維護的過程都可以用智能來解決，你會發現自己的效率越來越高，才能在競爭里有質量的生存下去。
新華網：這些問題以前沒有別人嘗試解決過嗎？
馬國峰：最接近的可能是一些做數據湖倉方案的公司，他們的路徑是把這些數據抽取出來轉化并存儲，搭建和維護成本非常高。因為醫院的業務數據是一直在更新的，數據倉做不到實時更新，最后往往還是變成一個用于科研單一場景的數據庫。它的性能很難支持日常臨床的業務，醫院運營管理層面的數據也往往不準確。
PART.02功成不必在我，功成必定有我：賦能醫院的效率和創新
新華網：你們的第一批目標客戶是什么樣的醫院呢，最能理解你們價值的是誰？
馬國峰：規模很大的醫院，因為有懂技術的專業團隊，理解起來是非常快的。他們日常應用的場景多，痛點也更痛，也更能理解我們這個事的門檻和重要性。也是因為有自己的數據團隊，接入我們的基座之后可以實現的自主創新會更多。現在很多大醫院有這個意識了，大家都想在AI領域探索一些應用，比如宣武醫院前陣子內部在招募一個人工智能小組，誰對這個有想法就可以去參與一些產品的創新。像這樣的醫院與我們基座設計的目的契合度很高，幫他們解決很多相對沒那么高級但又特別麻煩和復雜的事。把這些臟活累活剝離掉之后，醫院自己做創新的效率就會特別高，這是我們最想實現的效果。
新華網：所以其實你們對醫院是賦能的關系？
馬國峰：沒錯，我們從來不考慮自己是不是能做個AI醫生出來，因為我們不會比醫生更懂他們的專業，但是我們想給醫生和醫院提供一個能力基礎，讓他們自己訓練出一個很好的AI出來。現實中一個科技公司訓練一個醫療AI產品也是需要大量的醫院臨床工作來配合的，尤其是數據標注這樣基礎的工作都需要醫生貢獻知識。
我們的初衷就是反向來更簡單直接，幫醫院解決最麻煩的事，提供可以本地部署的開放平臺，讓他們隨時可以調用這些能力，很多數據整合和人力外包的事情都不必求諸系統廠商和第三方了。這樣醫院自己就有了那個空間和基礎去完成應用層的創新，我們來配合做高階算法。這種開放的心態是我認為AI時代最必不可少的，功成不必在我，但我是不可缺少的催化劑，功成必定有我。
新華網：這些痛點和需求都是長期和醫院接觸的過程里了解到的嗎？
馬國峰：只聽需求就去做就又回到定制化的老路上，是沒有未來的。蘋果手機之前沒有人知道自己想要個智能手機。我們的客戶提的需求往往都預設了一種解決的方式，是基于他們的知識儲備的，但不一定是最好的方式。我們需要不斷的用更新的知識和能力，以及在行業里持續的洞察去思考出一個最佳路徑來滿足醫院的需求。
新華網：AI數據基座落地之后，可以預期的未來還會出現哪些新的機會？這里面有哪些是醫眾可以做的？
馬國峰：最直接的可見的中短期，當有能力的大醫院在我們的平臺基礎上構建了各種 AI 的創新，這些新的應用就可以給到不那么具備技術能力的醫院，直接擁有應用層的能力，脫敏后的結構化數據也可以更多的用于醫療科研創新。這是醫眾要支持的價值轉化和能力輸出。長期來看，我們雖然身在醫療行業，但這個數據基座的能力其實是一種通用能力。
未來有可能我們在醫療之外也可以嘗試去延展其他領域的方向，凡是有大量跨系統數據的大機構，其實都能用得上。最終希望大家都解放出來去做創造的事情，而不是把時間浪費在低效的數據和系統維護上，這是我們做底層創新突破的終極目標。
PART.03日復一日的從零到一：傳統行業里的創新團隊
新華網：這段時間也看到很多大廠現在說要下場做AI醫療，把這當作未來幾年的重點，你怎么看呢，這會對你們形成競爭嗎
馬國峰：醫療AI化的實現需要各種不同能力稟賦的團隊各自努力。競爭一定是會有的，尤其是當下醫院的預算也都緊張。但我永遠相信越是到底層能力上，競爭對手的范圍就會收窄，可能應用層會有非常多新的東西出來，但是底層創新的維度上是很難重復造輪子的。我們花了時間和精力做了難而正確的事情，給醫院降低了成本，拓寬了資源，未來的空間是更大的。
新華網：醫眾的團隊和市面上常見的“AI團隊”不太一樣，你們有哪些優勢和劣勢
馬國峰：確實，我們不是那種典型 AI 背景的團隊，但還好我們做的是垂直產業，巷子深一點也不怕，我們的團隊是AI隊伍里離醫院最近的，時間也足夠長。
我們的CTO在創業之前也是做醫療數據，所以他太了解這個行業需要什么。另一個角度來看，我們這些年做的底層能力構建，是很多高大上背景的團隊不愿意也沒能力做的。
我自己日常其實花很多時間在思考組織和人的問題，怎么讓團隊更快成長，不同能力屬性的人之間怎么去打好配合。其實最重要的道理永遠是最簡單的，說出來都很平淡，讓一個人發揮他最好的狀態，就是在明確的原則和價值觀的基礎上給足空間。
所以我們很早之前就有自己的核心能力手冊，把公司要做什么，有哪些最基本的原則都寫的很清楚了，在原則之下我們不設任何規則，讓大家有足夠寬松的時間和空間去發展構建自己的能力。
（▲圖：醫眾技術團隊）
比如我們所有人都不打卡不坐班，但你發現大家周末和假期很多時候都在自主工作。我們選擇在各地設辦公室，一方面可以離客戶更近，另一方面是不想讓一個辦公室有太多人，人一多就會很容易有層級的那種幻覺，很容易湊在一起沒事兒就開會浪費時間。我們就刻意打散，營造一個寬松的環境，模糊層級關系，有事兒隨時打電話說。職級晉升我們也沒有考核，但是會明確列出每一個職級需要的能力，大家可以自己去評估和判斷。這樣下來我們發現團隊里每個人都非常自驅，大家工作的效率非常高，每個人有自己的屬性和優勢，也能實現團隊配合的默契。
新華網：怎么能一直做到持續創新呢？
馬國峰：我有個信念就是每天都可以推翻昨天的自己，放下對過往認知路徑的依賴，我們團隊內部鼓勵平等的隨時辯論，沒有絕對的正確和錯誤。時間長了會建立一種生理上的預警機制，當我對一個想法及其篤定，或者心態上非常著急的時候，就會習慣性的開啟一次重新驗證的程序。
剛才說到我們內部層級模糊，可能也是這個階段公司規模不大帶來的額外優勢，各地的一線同事都可以隨時給我打電話，聊業務的時候我會聽他們講一些細節，從細節里提取新的想法和可能性。回到業務模式上，開放本身就是創新的動力，初期是我們幫助醫院去熟悉這些應用，啟發他們去拓展新的思路，他們的創新也會對我們有啟發，這是開放帶來的最大價值。
申請創業報道，分享創業好點子。點擊此處，共同探討創業新機遇！
本文鏈接：http://www.tebozhan.com/showinfo-20-139212-0.html對話醫眾馬國峰：做醫療科技進步的“催化劑”
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號