竞合关系下的医疗大模型：DeepSeek补强逻辑短板，数据采集再入深水区｜AI医疗浪潮④

编者按：一个人工智能（AI）机器人，在短短8天内独立完成了668项实验，合成了668种化合物，并成功研发出一种全新的化学催化剂。这一壮举令人赞叹。

AI作为新一轮科技革命和产业变革的关键推动力，正在深刻改变医疗健康领域，当前AI和大数据模式正逐渐深入医药、临床、新药研发以及健康管理和干预等多个领域。

基于此，21世纪新健康研究院推出了“AI医疗浪潮”专题系列报道，旨在从企业发展动态、监管等角度，探讨“AI+医疗”产业的推进与落地挑战，推动数字化赋能下的中国创新药企实现高质量发展。

21世纪经济报道记者 唐唯珂 广州报道

DeepSeek的横空出世继续搅动医疗AI的发展。

节后复工以来，医渡科技、药易购、恒瑞医药、鹰瞳科技，华大基因，金域医学等国内一流医疗公司都表示正在引入DeepSeek，准备将其应用于数据挖掘、智能供应链、精准医疗等多项领域。

2月10日，脑机接口概念股异动，创新医疗直线拉升涨停，爱朋医疗、三博脑科、南京熊猫涨超5%，乐普医疗、诚益通、中科信息等跟涨。

华南某行业内科研人士向21世纪经济报道记者表示，“我们可以直接利用DeepSeek强大的推理能力来完成我们原来想做做不到，或者原来基座大模型也能做支持，但是做不到它这么专业的事情。我们接入DeepSeek的模型之后，从这几天试用的情况来看，效果还是非常好的。”

凭借算法效率与低成本优势，DeepSeek正推动大模型厂商进入“竞合交织”的新阶段。

在医疗应用端垂类赛道上，不少企业发现了这条长坡厚雪的赛道中蕴藏的巨大机遇，纷纷下场、积极布局。但优质数据的获取和标准化仍然是相关企业在做细分赛道时正在努力攻克的难题。

相关业内人士告诉21世纪经济报道记者：“对于医疗人工智能的具体应用具有一定的独特性，只有‘喂’了数据，再结合它算法的优势，才能得到一个个性化的答案。‘喂’给它的源数据质量越高，那推理结果就越好。‘喂’的源数据质量差，那推理结果也就一般般，这是行业的特殊性，也就要求相关应用企业需要不断突破数据难题。”

鹰瞳科技相关负责人也向21世纪经济报道记者表示，只有向模型输入（即‘喂’）高质量的数据，并结合其算法的优势，才能得到一个更加个性化的答案。输入数据的源质量越高，推理的结果也就越优越。

基座模型洗牌

DeepSeek V3、GPT-4o等都属于基座模型。它们是经过海量通用数据训练的大规模预训练模型，具备广泛的语言理解、生成和推理能力，通用性很强，可泛化到多种任务中。但在医疗、法律、金融等专业场景中，基座模型往往显得缺乏垂直领域的深度，无法符合专业场景中的高精度、高合规性需求。

对解决这一问题，细分应用领域通常会基于基座模型进行微调、优化，或结合领域数据重新训练，二次开发成符合要求的垂类模型。如果说基座模型提供“广度”，那垂类模型就是提供“深度”。

在实际的应用场景中，二者属于是分层协作而非对立的关系。基座模型是“地基”，提供通用能力和知识储备；垂类模型是“建筑”，在基座上针对场景需求精细化构建。二者的结合既能避免重复训练、降低开发成本，又能满足专业化需求，是AI落地的核心路径之一。

DeepSeek的惊艳亮相对于同样做基座模型的厂商可以说是造成了不小的冲击，如做混元大模型的腾讯、做盘古大模型的华为等。

金域医学副总裁、数字化管理中心总经理李映华告诉21世纪经济报道记者，对同行的挑战主要来自于DeepSeek的三个特点：“第一，DeepSeek做了大量底层算法的优化，它可以不需要那么强的算力，也能做出一个性能很强的模型出来。这将打破原有大算力的技术壁垒，引领新的技术范式。第一，DeepSeek做了底层结构的优化，它可以不需要那么强的算力，也能做出一个很强功能的模型出来。”DeepSeek的推理模型R1在基座模型V3v3的基础上，大规模使用了全自动的强化学习，取代了对过往需要大量人工反馈的监督微调和RLHF的依赖程度大幅降低。

前阿里巴巴研究主管、现任以色列AI编码初创公司Qodo联合创始人兼CEO伊塔玛·弗里德曼(Itamar Friedman)表示：“减少甚至跳过人类反馈是一个重大突破。这意味着你几乎可以完全在无人工干预的情况下训练模型。”这能极大提升模型推理能力和效率。

“第二，Deepseek公司专注提升基础模型能力，不去追求短期商业利益最大化，并采取了较为彻底的开源策略，可以预期将很快形成以DeepSeek基座模型为核心的新生态。第三，有了DeepSeek为代表的强推理模型的赋能，可实现垂类模型和行业智能体应用能力的整体升级，加快千行百业跨入智能时代。第二，Deepseek目前定位做基础能力，不去做太多的垂类的应用，也不在短期里面去追求很大的商业目标，所有那些都是生态伙伴去做就行了。第三，它是一个开源开得最彻底的，我的基座模型该怎么训的，应用商怎么落地成的垂类模型，做出一个更好的应用仍需要各个原有大模型的厂商和垂类应用不停完善。这也意味着对原来传统的那些做大模型基层模型的商业模式形成挑战。”李映华说。

据了解，选择开源的基座模型作为“地基”，企业未来优化自己的垂直模型时，选择的空间会更大。如果和闭源模型绑定，一旦这个闭源模型的进步速度跟不上整个行业的速度，企业的垂类模型发展也会受限。

尽管给友商造成了压力，加剧了行业竞争，但这也不代表其他厂商失去了持续突破的空间。

许多企业的垂类模型也是开放式的架构，面对市场上的众多产品，这些垂类模型可以根据自己的需求“博采众家之长”，把各方组合到一起，根据不同的场景去调用不同的模型。

李映华向21世纪经济报道记者解释，“以医学检验来为例，我们把域见医言企业大模型和小域医智能体接入DeepSeek推理大模型，进一步优化原有Agent智能体技术体系框架，构成一体化程度更高、分析能力更强、任务分解更准的智能体服务。拿医学来举例子，可能这个模型在这个呼吸端口里面做得好，那个模型是这个血液病的一个专家团队。我通过我的智能体的应用，去分解哪些任务到底交给哪个模型做是最合适的。”

“同时，针对复杂多变的医疗、医检场景，很多问题不是在单一模型就能解决的。不少先发厂商已经在医疗领域积攒了很多专业知识、语料、数据、模型能力等，那意味着，哪怕他们客户的基座模型是以DeepSeek为主，他们的能力依然可以被集成。对于我们来说，无论是华为还是腾讯在医检行业的知识与能力，都可以有机集成到我们的垂类模型里去，最终转化为为终端用户可感知的服务价值。我们是要在垂类模型上去构建一个智能体的应用。它所依赖的很多东西不是在单一模型就能解决的。所以比如说腾讯在哪方面做得强的，华为在哪方面做得强的，那对于我来说，你都可以继承到我的垂类模型里面去。而有一些先发厂商已经在医疗领域积攒了很多自己特有的知识、语料、数据、能力等，那哪怕它们客户的基座模型是以DeepSeek为主，但还是需要它们已经在专业领域构建的知识和能力。”李映华说。

核心资源仍是数据

由于大模型逐渐在AI世界占据主导，作为“燃料”，数据已经成了各方医疗AI竞争的关键，甚至有人称其为医疗人工智能的“护城河”。

行业内人士告诉21世纪经济报道记者：“医疗数据是各类数据中最难获取的，但它又是医疗AI发展的核心资源。”受现有管理体制机制影响，不同监管部门之间的共享渠道也不畅通，大量有价值的健康数据无法有效利用。同时，国内数据的标准化程度较低，不同医疗机构之间的数据格式和结构各异，需要医生群体不断在前期做相应的前置投入诊断训练。

这些因素导致医疗AI项目往往需要大量资金投入，且短期内难以看到明显的经济效益。许多企业和投资人在尝试进入这一领域后，因无法承受高昂的成本和漫长的回报周期而选择退出。“这也是过往大家说医疗AI烧钱又没用的原因，很多投资人都没有耐心去培育。”行业内人士说。

尽管面临诸多困难，但医疗AI在应用端广阔的想象空间，依然吸引着国内外企业去积极竞争医疗数据资源。谷歌曾试图以高价收购Cerner公司存储的2.5亿份健康记录，但最终被亚马逊截获。对于谷歌而言，推动这项交易远不止为了盈利，它更希望借此进一步收集、分析和汇总数百万美国人的健康数据。

据悉，谷歌多次被曝在患者与医生不知情的情况下访问可识别个人身份的健康数据。谷歌等科技巨头为了收集医疗数据的各种行为，也引发了各界对个人隐私的担忧。

华为、腾讯、阿里等国内巨头也在积极通过多种途径获取医疗数据。如腾讯通过广泛与华银健康、东华软件、微医等企业和机构合作，基于其数据资源，推动行业大模型落地，开发相关医疗AI产品。

值得注意的是，我国拥有庞大的医疗数据资源。国家卫健委发布的卫生年鉴显示，2023年，全国卫生机构总诊疗人次达到96亿人，由此产生的医疗数据预计早已超过百亿条。业界认为，如此庞大的数据储备规模，已经堪称是国家重要的基础性战略资源了。这也意味着，国内的医疗AI企业有着充足的、可供“喂养”大模型的数据“养料”。

凭借着丰厚的数据资源和高效的模型训练，我国企业在医疗AI的领域也具备和国际巨头同台竞技的能力。

医疗AI可以说是一条“长坡厚雪”的赛道，虽然路途遥远且充满挑战，但一旦未来突破瓶颈，应用端成功落地和推广后，相关企业很可能取得巨大回报，全球医疗健康水平更是有望迈上新台阶。想要实现这些美好的愿望，数据的不断深化采集和处理是重中之重。

（实习生孙伟对本文亦有贡献）