近日，Dr.2读了天骄兄弟写的《【深度解析】和王小川深聊10小时，我想理解他为什么ALL IN医疗大模型》一文，文中提到了王小川对百川智能的定位是——造医生，并且谈到了作者对百川智能all in 医疗大模型的一些理解，文章写得非常好，王小川的深度思考非常值得学习，也开拓了视野，在大模型“六小龙”巨量融资的市场环境下，在其他几块业务明显出现落后，快速砍掉相应业务组，在预估一些竞争优势不足时，马上转ALL IN垂直赛道,是非常了不起的决策，不管能不能形成预想的结果，至少可以活得更长，只要不下牌桌就还有机会。

　　文中提到了关于医疗供给的问题，医疗供给是一个多维度多复杂型的问题，“赋能”是一种常态，“造医生”也是一个逻辑，“造医生”可以从底层进行颠覆，不过Dr.2倾向于“造医生”还是存在一些系统性挑战，这些挑战来自几个方面：

　　第一，百川智能一直痴迷于医疗，可能跟创业者家人或身边好朋友的求医经历有关系，以及看到百度在医疗方面的一些不足。但是客观说，把亲身体验的问题，做某一些提升，可能会陷入自己曾经的经历不能自拔，规模化的商业化逻辑可能会不客观，进行了情绪化的放大。

　　而且从另外一个角度说，用AI造的医生很有可能不是超级优秀的医生，更多的是一个面面俱到的医生。这里我们经常会看到，AI会把一个医学问题模型考虑得非常全面，甚至会考虑到很多医生没考虑到的问题，并且最后发现某些案例，它考虑的是正确的。在医疗里最大的一个逻辑悖论就是经常用案例去维护共识，事实上如果做偏面面俱到的话，它很难成为一个最优秀的医生，通用跟精英中间还是有gap。

　　因为这不是短期的应用，也不是有所谓的利益格局集团阻挠，这里面涉及到人性伦理还有综合执行层面，所以主流的确是“赋能派”，“赋能派”可以让医生来使用，“造医生”确实是非常让人兴奋的，但还是有几个系统的问题很难解，造一堆平庸的医生是否有价值？

　　第二，医疗里面存在小概率事件，小概率事件的逻辑就是99%是OK的，但这1%不行可能会造成巨大的后果，就像我们麻醉相关的严重并发症发生率仅为十万分之一左右，但这个“一”的概率可能会造成死亡。

　　再比如儿科，百川智能说科室首选供需矛盾最大的「儿科」，他认为儿科对改变路径的需求最为迫切，儿科会成为 AI 医疗里最快产业化的一部分。但是在临床上，一个患儿综合看起来可能是感冒，但他也有可能是脑膜炎。还有一种它随着时间的推移，疾病会不断地进展，这样就会造成一个巨大的挑战。

　　那么由人来负责没问题，因为它需要有行为主体和国家的执业资格，由“造医生”来的话，它直接面临这种情况在系统上无解的，因为就算是十万分之一的概率，如果问诊上亿次也会有千人出现，千人出现的话，谁来负责，美国有一个判例好像是AI误诊。最后技术公司赔偿30%，但是在中国不确定如何定义，他要有法律主体才行。

　　第三，医疗作为专业性非常强的行业，他一定会有国家的准入资格，国家也明确表达严禁使用生成式AGI进行患者咨询、处方等以干预为核心的行为。未来使用AI辅助医生预问诊、分诊没有问题，但是到了干预层面，是另外的问题。如果医生不能干预的话，只是跟你聊一聊，探讨一下可能性，这样的逻辑并不能成为一位医生，也没有那么大价值，也收不了多少钱，医生还是需要下决断下决心的。当临床遇到一些可能会矛盾的情况，甚至多个疾病混杂的情况，先做什么后什么，医生要下决心处理这些疾病，这才是医生医疗水平的体现，看个感冒可能普通小医生跟院士的水平差不多，谁来下决心给出干预措施呢？

　　第四，除了小概率事件和法律责任主体的问题，还有如果真的可以实现AI医生，那么还有伦理与实际执行中可能产生的一些社会问题。比如说萝卜快跑，十块钱跑10公里还可以有利润，因为它没有人工成本、不知疲倦，用无人驾驶来代替出租车是个趋势，我们也相信肯定会实现，但在短时间内的冲击会特别巨大，带来一系列的后果，它会干扰数以千万计的这种工作岗位，大量的这类从业者该如何去参与竞争，甚至如何去谋生。同样回到在医疗领域，假定他可以成功，也会带来类似的问题，综合考虑下来，即使技术上无限成熟，在应用上仍然会delay，这个delay甚至是十年起。

　　第五，从医学本身出发，是不是把所有的可能性列出来就是一个优秀的医生，这恰恰相反，医生在诊疗中需要有临床思维，比如说一个基础症它会有多种症状，通常我们的临床思维是从一元化的角度去解释所有问题，但是确实小概率事件会出现两个病混在一起，但并不是把书本上所有的可能性罗列就叫临床思维。

　　掉书袋是AI的强项，罗列可能性也是AI的强项，但是医疗的核心是决断，是进行自己的一个判断，成为一名优秀的医生应该具备扎实的专业素养，仅凭某一个小概率的可能性，AI想到了但人类医生没想到，由此突破就说AI更好是一个很荒谬的事情，如果这样的话，把所有的可能性和只要碰到的疾病全部列好了，这种是毫无价值的。

　　所以看一个疾病其结果会有多种可能性，AI可能也是按概率列出分布，但人类会有一个倾向性的判断，并且最终决策。医疗本身是一个不断与时俱进并且对创新技术、创新药、创新理论不断前行的行业，它相比文创、游戏、通用行业更加依赖创新，大模型的优势在回溯既往后再进行整合，但是在医疗行业很有可能之前的理论和标准都是错的，这很常见。

　　就比如高血压的标准改了好多，糖尿病的最新标准按照年龄段分布会更科学，之前大量的文献、理论，再去引用很可能就是不合适的，应该是以最新的为基准，这里面为什么会有这种情况呢？一个是人类社会不断的在进步，90%正常人的各种生理及生化指标的范围属于正态值，但可能随着三四十年人群的变化，营养的变化及疾病谱的变化，发生了一个位移和波动，按照最新的流行病学的趋势，所有的标准就会改变。

　　最新的药、最新的细胞实验跟分子机理揭示这个疾病，因为疾病有很多的假说，有些假说在开始认为是正确的，随后可能认为是错误的，医疗会向前推翻，这是一个很有意思的地方，推翻的权重到底是以最新的为基准，还是大模型已经吸收了，能不能把“污染”去掉是一个很现实的问题，这里的判断到底是人工调试干预还是让它自我净化也是一个问题，看起来百川智能的想法是以专家为基准校准。

　　人工不管是找专家还是找医疗团队，医疗大模型的生命力应该有千千万万个医生来参与、贡献和进行病例总结，而不是少数精英、专家去决策，当然不可否认技术手段具备一定的优势，这也是一个悖论题。如果回到了少数精英控制跟目前以院士、组委为牵头的学术体系又有什么区别呢？无非是换了一个山头，这并不能做到技术平衡与技术驱动，应该通过更广泛的案例进行学习，而不是迷信少数的专家，反而没有了创新，只是换一种方式成立了一个组委或一个山头。

　　综上来看，“造医生”无论从理论到实战，特别是商业化都是无比艰难的，大概率比较长的一段时间内连规模化商业化的可能性都看不到，至于他说可能影响药企的销售费用那就更荒谬了，他想拿处方权，但处方权并不是你想拿就能拿，也不是你做得好就能拿的，小川总在商业模式中认为药企会有市场费用，那请问大模型推荐处方商品是跟利益挂钩的，谁给你支持就倾向谁处方，这跟回扣有什么区别，就是原来回扣给医生，现在给AI医生吗？这是巨大的合规风险，就是医疗行业跟别的行业有巨大的区别，别的行业协助分销叫佣金，医疗行业叫回扣，这是因为比如手机等通用产品大众可以自由选择，都可以公开公示出来，包括合法的市场宣传推广进行诱导。但是在医疗行业由于知识不平等、决策不平等，医生占据主动权，他处方的产品并不是给自己用而是给别人用的，这里有一个利益驱动的问题。百川智能想通过拿到处方权，拿到药企的市场费用，根本商业逻辑一点都不通，合规也不通，这就是一句标准的外行话，说明他对医疗医药的行业壁垒不清楚，基于的是一种想象，而这种想象从逻辑上是不成立的。

　　医疗AI的部署有几个主力的方向，目前离钱最近的是跟医保控费相关部署的公立医院，因为有医疗机构、政府来支付；第二个是to B端，如to药企、to医生的工具，然后由药企业厂商来支持购买作为整体赋能；第三是to C端，C端的话可能是学术费或者是通过流量的方式反过来构建，主要是这三种商业逻辑。

　　“造医生”跟前两个商业逻辑不一定一致，只能走向唯一的一个面向G端。一个优秀的产品必须要有大量的人使用和推广，to C端要有C端的载体，很可能属于头部大厂，to B端要有专业的渠道，比如医疗垂直领域的各个专业公司，可以触达你的目标客户、医生和科室，这显然是百川智能不具备的，而且这个渠道的构建并不容易，不是说你有好产品就一定能够扩张渠道，好的产品卖不好的多得去了，“造医生”也不并除外。

　　好的产品如果患者能用医生就也能用，它一定可以让更多的医生来使用、纠正和提供内容，它需要把产品向垂直领域延伸，在不同的使用场景进行推广，让更多的人使用产品才是真的，所以不管前路如何这条路肯定不会错，需要医生广覆盖测试使用。

　　综上所述，医疗垂直领域确实不好做，互联网这边折戟，百川智能从医疗改造AI此路也是非常艰难的，但是Dr.2认为每一位探索者都是值得致敬的，以上提的这些意见也是仅供参考，欢迎大家一起交流讨论。

　　欢迎转载，注明作者和出处即可