無論是評估資料，還是多工醫療場景，醫渡科技模型都給出了滿意的答案。
食用油大型醫療模型賽道，迎來了40餘款產品。 隨著參會人數的眾多和申請流程的深入，對行業深度理解和專業服務能力的考驗才真正開始。
12月21日，在北京寒冬之際，醫渡科技發布了自主研發的醫療模型，試圖用模型的力量，助力醫療領域的生產力飛躍，為醫療領域增添一些溫暖。 深耕醫療大資料近十年，深耕公司基因的專業知識和資料優勢，讓這位選手在進入該領域之前就被寄予厚望。
醫渡科技CTO兼首席人工智慧科學家閆軍發布了醫渡科技大模型。
我們之所以選擇這個節點發布，是因為我們必須經過前期驗證，在B端和C端的商業化方面已經取得了一些進展，真正驗證了大模型的價值。 對於翼渡科技自研大模型等待已久的原因，翼渡科技CTO兼首席人工智慧科學家閆軍解釋道。
在當天發布的大模型中，他出場的前5分鐘就提到了10次“價值”二字，價值創造是貫穿整個億渡科技大模型的導向。 就像閆軍辦公室裡掛著一對書法：真正改變醫療的，一定是慈悲，它的眼神一定是敬畏的，它的路徑一定是時間。
閆軍辦公室裡懸掛的書法，蘊含著企業長期主義的價值觀。
在當今社會，許多技術都要經歷從風景到過去的黃花一樣的命運。 經過大量的使用者調研和評估，醫渡科技選擇開發自己的醫療垂直模式，與華為合作開展全方位的生態合作。
作為國內首家面向醫療垂直領域多場景的專業大語言模型，醫度科技醫療垂直模型如何打牌？如何著陸？
大模型帶來的醫療轉型和融合令人振奮。
乙個典型的案例是，美國患者亞歷克斯，已經痛苦了三年，在不同科室看過17位醫生，但始終無法找到**。 沮喪的母親，試圖向chatgpt尋求幫助。 令人驚訝的是，在輸入Alex的症狀詳情和MRI檢查報告後，ChatGPT立即給出了“脊髓栓系症候群”的可能性，後來得到了證實。
今年 6 月 15 日發表在《美國醫學會雜誌》（JAMA）上的一篇文章指出，生成式 AI GPT-4 在近 40% 的時間內選擇正確的診斷作為其主要診斷，並在三分之二具有挑戰性的病例中提供正確的潛在診斷。
*第一作者、哈佛醫學院醫學助理教授Zahir Kanjee表示，雖然聊天機械人還不能取代訓練有素的醫療專業人員的專業知識，但生成式人工智慧是人類診斷認知的乙個有前途的潛在輔助工具。 它有可能幫助醫生理解複雜的醫療資料，拓寬或改善我們的診斷思維。
大模型不僅給醫療領域帶來衝擊，也為未來醫療資源的轉化整合帶來了無限可能，在生命科學、醫療服務、醫院管理等領域展現出驚人的潛力。
目前，國內醫療垂直大模式超過40家，各有各的特色產品開發，聚焦醫療服務、患者服務、運營管理、中醫、藥物、臨床研究、公共衛生、智慧醫保和健康管理等，其廣泛的普及和應用正在穩步推進。
回到大模型的本質，儘管成本沉重，但大家還是非常願意投入的，那就是大模型是乙個多工引擎，可以解決很多問題，有些潛力連開發者都暫時不知道。 閆軍分析道單純解決乙個或多個應用場景，永遠無法滿足醫院的需求，也無法實現大模型的價值，真正的價值實現應該是給醫院足夠的創新空間，而不是開發者解決所有問題。
兩者看似都解決了醫院的需求，但本質和路徑上的差異決定了究竟是AIGC時代，還是人工智慧賦能的定製化發展。 “這是兩個完全不同的概念。 “他補充道。
醫療資源分布不均，醫療需求快速增長，使醫療模式成為未來黃金之地。 據堯智庫**預測，2023-2024年將是醫療健康AI大模型集中爆發的階段，市場規模將達到70億元。
與一般的大模型不同，醫療垂直領域的大模型在資料集、領域知識、模型結構等方面對專業性和深度都有要求，這極大地考驗了參賽者對垂直領域的理解是否足夠深入。
只有形成算力、演算法、資料、場景的閉環，才能推動大模型技術的全面可持續發展。 閆軍指出，之所以叫閉環，是因為只要四個關鍵環節中有乙個不好，整個大模型的效能就會受到影響。
也就是說，在這場“百模大戰”中，算力、演算法、資料、場景的差異，使得醫療垂直模式難以形成真正的差異。
在算力方面，易渡科技自建A100集群計算中心，擁有多個計算雲資源合作夥伴，並與華為深度合作，是醫療領域首個完全相容昇騰AI的大型模型。
資料一直是醫渡科技的優勢。 深耕醫療智慧型領域近10年，“醫療智慧型大腦”一度科已獲授權處理分析超過40億份病歷，沉澱出大量多維度可量化的知識圖譜。 基於自主研發的資料生成技術，他們將這些知識圖譜應用於大模型訓練。 “近10年的積累和沉澱，築牢了醫都科技模式的核心壁壘。 閆軍說。
在演算法層面，易渡科技很早就組建了一支專注於人工智慧和醫療人才的專業大模型團隊，擁有從硬體聯網到訓練微調推理的完整技術能力。
在應用場景層面，醫渡科技強調應用技術解決實際痛點和需求，基於以往實踐經驗對醫療場景的理解，聚焦醫院、大資料平台業務、保險、慢病管理和生物製藥臨床試驗服務，真正圍繞使用者痛點開展大語言模型的研發。
在醫療衛生領域，不乏場景，但場景太多，但每個場景是否有實際應用，還需要驗證。 閆軍指出，經過高度簡潔的抽象總結，醫療垂直模型主要幫助解決兩個問題：一是提高現有工作場景的質量和效率，二是提供創造新場景的可能性，讓聽到炮聲的人可以呼喚炮火，構建場景延伸的可能性。
醫渡科技將其大模型定位為新一代“醫療超級大腦”，為醫療健康行業各類應用場景提供易用、高品質、可定製的強力支撐。 醫渡科技基於領先的大規模模型技術，對資料治理、醫院管理、臨床研究、臨床診療等多個場景的原有解決方案進行革新公升級，加速大規模模型的擁抱。
如何釋放潛能並付諸實踐，讓更多使用者受益？目前，對於C端使用者，易渡科技模式提供專業級的個性化服務，通過多輪“諮詢”收集足夠的決策因素後，才會給出更嚴謹的答案。 江蘇省惠民保險“江蘇醫療匯寶1號”率先接入易渡科技模式，將承擔其7*24小時全天候健康管理服務。
在B端，醫渡技術模型不僅可以利用強大的專業能力，幫助提公升“醫、教、研、管”等各個環節的質量和效率，還可以在訓練好的醫都技術模型的基礎上，根據需求進行培訓，讓醫療行業的每一位工作者都能輕鬆構建自己的應用。
跨越層層門檻，為醫療場景創造真正價值，是大模型的意義所在。 目前，醫渡科技的醫療模型在分指導、基礎醫學、全科醫學、臨床內科、臨床外科、執業資格考試等多個醫療明確任務場景的評價表現已超過GPT35、效能極為搶眼。
從大模型常見的評價指標準確率和召回率來看，易渡科技的醫學模型在資料結構化任務方面遠高於同引數的大模型。
宜都科技大模型對比評價.
無論是評估資料，還是多工醫療場景，醫渡科技模型都給出了滿意的答案。 這種以價值創造為導向的決心，也吸引了國內多家排名前20的三甲醫院。 他們開啟了醫院的大門，並借助大型模型的力量為其提供了醫學研究、臨床輔助和資料治理等多種場景。
我們的業務是按照技術邏輯的整體閉環邏輯來布局的。 閆軍分析，從大資料平台-大模型-商業落地場景來看，不僅賦能使用者，還對大模型進行逆向迭代，持續驅動該業務的閉環運營。 他們用大模型重構現有產品和解決方案，同時不斷創新探索大模型的應用，從而推動整個醫療生態圈的公升級和進步。
目前，應用落地已成為醫療模型競爭的關鍵，但醫療領域始終被安全性、準確性等高牆所阻擋。
在醫療場景中，容錯能力極低，醫療模型需要提供高度、專業、準確的建議其次，醫療資料的多模態性，由於海量醫療大資料在各種場景下的分散性，難以達到大模型湧現的效果最後，醫療模型主要服務於B端和G端，需要為決策提供準確的判斷和支援。
醫渡科技與華為簽署合作協議。
如何應對挑戰並實現商業價值最大化？宜都科技選擇與實力雄厚的戰者華為攜手合作，雙方利用各自在技術和醫療方面的優勢，擁抱合作和互聯互通，通過生態共建實現共贏。
今年，他們正式啟動了醫療大模型的聯合創新。 基於昇騰AI硬體，雙方共同打造了B端訓練推送一體化解決方案，內建了基於1000億個精細化訓練代幣的基礎模型，為資料管理、模型管理、訓練管理、評估管理、應用管理提供了完整的工具鏈。
回到真實的醫療現場，落地部署成為每個玩家都必須跨越的“障礙賽”。 醫渡科技與華為聯合推出的軟硬體一體化解決方案，可由醫院根據自身需求進行採購，以解決大規模模型落地的“最後一公里”問題。
到目前為止，億渡科技解決方案已經實現了從硬體層、工具層、模型層、能力層到應用層的自主可控。 在保證資料安全的前提下，醫療客戶可以以相對較低的成本快速發揮院內資料的價值，利用大模型技術構建院內專屬大模型和創新醫療服務。
醫院私有資料的整個過程是自主的，從預訓練和微調到知識訪問和線上推理，所有這些都在沒有外部網路的環境中完成。 閆軍指出，一體化解決方案專為醫院場景下的簡化操作而設計，無需深入的程式設計經驗即可流暢使用。 醫療發展需要多樣性，希望每個醫療機構都能有自己的大模式，讓醫療多樣性和創新呈現出更加蓬勃的發展態勢。
科技部高新技術司原副司長、一級巡視員梅建平高度評價醫渡科技與華為的強強聯合，認為這將有利於中國自主技術生態的形成和發展。
從今年年初開始，大模型從年初到年底，面對目前競爭對手一直在打賭，基於研發和資源，憑藉深入的行業認知、一體化建設能力、成功案例積累的廠商將更快得到認可， 從而佔據使用者的心智。
流水不爭先，但競爭無止境。