衡宇 发自 凹非寺

量子位 | 公众号 QbitAI

“做AI医疗，最不应该做的就是和正常医生走得太近。”

百川智能创始人、CEO王小川把这句话抛出来的时候，台下先是愣了一下，紧接着有人笑了。

这是王小川在清华大学百川楼启用后，在百川楼一场 围绕AI医疗展开的圆桌对谈中，给出的唯一一条建议。

与他同台的两位嘉宾，分别站在AI与医疗领域的另外两个关键位置上：

一位是长期从事人工智能与认知智能研究的学者， 清华大学人工智能研究院常务副院长孙茂松；另一位是身处真实医疗体系核心的一线管理者， 中国医学科学院肿瘤医院副院长李宁。

AI创业者、研究学者、医疗/医学从业者，共三种视角。

在当下AI医疗讨论中，几乎是最典型、也最难同时坐在一张桌子上的三种视角。

在AGI加速到来的背景下，医疗被普遍认为是“最复杂、也最有可能通向通用智能”的终极场景之一。

是以，人们围绕AI医疗的讨论已经不只局限在技术本身，谈论话题的人也不只有来自AI和医疗领域的从业者。

因为它的未来会和每一个人息息相关。

在这场持续40余分钟的圆桌讨论中，三位嘉宾分别从评测、责任、决策权、临床思维、算法边界等现实问题出发，有共识，也有分歧；有理想，也有明显的边界。

到最后，话题落回到更现实的一点：如果你想做AI医疗，该注意些什么，该怎么入场？

该活动由清华大学计算机科学与技术系、百川智能、清华大学学生创业协会主办，清华大学计算机系研会、x-lab、量子位联合主办。

AI医疗的终极愿景是什么？

量子位：先问一个宏观问题。在你们心中，AGI时代AI医疗的愿景究竟是什么？

孙茂松：从我自己的角度看，AI医学和医疗的愿景至少体现在四个非常重要的方向。

第一，医学的复杂度远超我们感知，在相当程度上体现了AGI。

在高校体系里，医学相关的一级学科有11个，而计算机发展到今天，多次拓展，也不过才拆分出4个一级学科。

这说明什么？说明医学本身就是一个高度复杂、非线性的系统，它天然就应该是 AGI 最广阔、也是最困难的应用场景之一。

如果一个计算系统真的能理解医学这种复杂度，它理解世界的能力，可能比理解文学作品一点也不逊色。

第二，是医学大模型作为基础设施的价值。

首先我们真正应该做的，不是一个个工具型模型，而是一个能够整合论文、病历、指南、影像等各类相关多模态信息的医学大模型。

如果这件事能建成，它会成为医学和医疗最核心的信息基础设施。

所有知识被打通之后，一定会产生知识效应，而知识本身就是力量。

第三，对医学基础研究的推动。

人体是一个高度非线性的复杂系统，传统还原论的方法，拆解之后往往拼不回整体。而这一代大模型恰恰擅长处理复杂系统中人类难以捕捉的复杂隐含模式。

一旦在医学研究中出现突破，它就不只是科学发现，而会迅速变成颠覆性的关键技术，直接改变看病方式。

第四，是医生与患者关系的变化。

未来患者会被大模型“武装”起来，对医生提出更高要求。

这和今天的课堂很像——学生不再是带着“一张白纸”般的脑袋来听课，而是已经通过多种非课堂渠道了解甚至掌握了的部分课程相关内容，这种变化，会倒逼整个课堂教学方式进化。

王小川：我换一个角度说。

如果只是把AI当成一个工具，那做出来的永远只是弱AI。

但如果我们 把目标放到更远，是一个系统级的、可以持续陪伴、持续决策、持续优化的智能体，那医疗本身就非常接近AGI。

理想状态下，它不只是回答问题，而是：

• 能长期跟踪你的身体状态

• 能根据变化动态调整方案

• 能把诊疗当成一个多任务、长期规划的过程

某种程度上，这是一个操作系统级别的问题，而不是一个App。

李宁：我一直喜欢问学生一个问题，“医学到底是不是一门科学？”

在我看来，医学到今天为止，还没有完全进入“纯科学”的范畴。

它更像是一部分科学、一部分艺术、一部分人文……AI最大的价值，不一定是替代医生，而是推动医学本身向更可验证、更可推理的方向演进。

通过更严谨的方法，让医学变得更像科学。

AI医疗的Benchmark该如何与时俱进？

量子位：一个现实问题是，AI技术日行千里，面向AI医疗的不少“传统”Benchmark已经失效了。我们应该用什么标准，来判断一个AI是否真的能进入临床？

李宁：我有一个非常核心的原则，Be for purpose （目的决定方法）。

Benchmark在模型研发和训练阶段是有价值的，但一旦进入应用阶段，它的重要性就急剧下降。

在真实医疗场景中，我们关心的是三件事。

第一， 在非严重情况下，AI是否体现了临床思维（而不仅是答题能力）。它能不能把每一个关键决策点说清楚？

第二， 医生是否愿意接受。如果医生无法理解、无法信任，这个系统再强也没用。

第三，在严肃医学领域，最终只看一个指标，那就是 是否提升了疗效。否则就会出现劣币驱逐良币的风险。

百川智能在AI医疗上的核心价值点是什么？

量子位：百川在医疗上已经做了不少探索。怎么定义当下百川最独特的价值点？

王小川：我们一直在做一件事，找到一个既能发挥技术优势，又不会为了讨好市场而走偏的切入点。

在技术上，我们做的是陪伴式AI，不是一次性问答。

它需要长期记忆、动态规划、任务调度，像一个真正参与决策过程的智能体。

在市场上，我们既和顶尖医院、科室医生合作，获取专业背书，但也很清醒地知道专业背书≠好产品。

真正重要的是患者愿不愿意用，医生会不会因此减负。

用我们一直强调一句话来解释，就像是在给患者造矛，给医生造盾。

医疗领域会催生新的AI算法吗？

量子位： 孙教授之前提过，某种特定情况下，垂直领域可能孕育新的算法范式。医疗具备这个条件吗？

孙茂松：医疗是典型的“专精特新”领域。 它对准确性、可解释性、稳定性要求极高，这会反过来逼着AI算法进化。

比如现在常见的图生文模型，（能力）在医学里还很不够。

再比如医学数据的异构性，文本内容极其专业，图像内容的物理尺度跨度也很大，此外还有大量结构化数据。

这些问题如果在AI医学中被妥善解决，对通用大模型也会是一次反向升级。

AI医疗通向AGI的最大挑战是什么？

量子位：如果说医疗是AGI的“试金石”，那它最残酷的挑战在哪里？

王小川： 最大的难点，不在技术。

其实难在两件事。一个是医疗的监管体系非常严谨，创新速度天然受限。

第二个是决策权结构，患者把最重要的决策权交给医生。

和无人驾驶不一样，医疗的权威性极强。

如何在不破坏信任的前提下，让AI真正参与决策，这是最难的部分。

给年轻人的建议：如何进入AI医疗？

量子位：这是一场校园内的圆桌。AGI加速到来的阶段，面对交叉学科，年轻人对当下的学习路径和未来规划可能都会有一些迷茫。三位分别有什么建议给他们？

李宁：这个问题我自己其实也经常在想。如果从我个人的体会来说，我觉得有两点比较重要。

第一，是 找到真正的兴趣点。

不管是医学还是 AI，这两个领域本身都非常苦，如果只是被风口推着走，很难走得远。

第二，是 广泛接受其他领域的知识。

这种跨界不一定是为了转行，而是为了在思路、方法论，甚至哲学层面上，给自己原有的专业提供新的参照。

很多真正的创新，并不是在一条已经有人走过的路上“走得更快”，而是在没有路的地方想办法。

那怎么办？ 一方面是看前人是怎么摔倒的，另一方面，就是从其他领域借鉴概念、模型和方法，看能不能迁移到自己的问题里。

孙茂松：我常说，现在这一代学生，其实是非常幸福的一代。

人工智能这样的时代机遇，真的是百年、甚至千年一遇。如果我年轻的时候，正好赶上今天这个阶段，我可能每天都会兴奋得睡不着觉。

以现在一流大学学生的能力，其实完全可以去做更大的事情。要立志成为帅才、将才。

但不少人多会选择一个顺势而下、生活无忧的工程师作为终点，虽然这也完全可以理解，但在我看来，对十分优秀的学生，这可能是对自己潜力的一种限制。

我常跟学生讲一句话：“你想到了，未必能做到；但你如果从来没想到，那一定做不到。”

在人工智能时代，很多站到行业顶端的人，其实都非常年轻、后生可畏。

这个时代给了你们一个全新的科技创新舞台，这也就是给了你们一次难得的宏大机遇， 关键在于你敢不敢、愿不愿意把自己的目标放到足够大的尺度上。

王小川：我只说一条。

最不应该做的事情，是和正常医生走得太近。这里不是说不合作，而是不要被牵着走，需要有变革性想法的医生。

现实情况是，大多数医生对AI技术的理解其实是比较浅的，他们提出的很多需求，并不一定是技术上“最正确的方向”。

我见过不少情况。

比如医生希望你帮他用数据做模型、申课题、发论文；AI公司希望借助医院的名头、数据和背书，去融资、去讲故事。

双方各取所需，但真正对“产品是否走在正确道路上”这件事没人负责。

结果往往项目看起来很专业，技术也不差，但路线已经悄悄走偏了。

所以我的判断是 和医生合作是必要的，但不能围着医生转，更不能用医生的需求来定义技术方向。

真正合适的合作伙伴，其实是非常难找的。

这也是为什么我一直觉得， 年轻人如果进入这个领域，一定要对“合作”这件事保持足够清醒。