All in 医疗，百川胜算几何？

2025年3月20日，百川智能与北京儿童医院、小儿方健康合作，发布了全球首个儿科大模型“福棠·百川”。

该模型覆盖儿童常见病和疑难病症，具备强大的临床推理能力，并首创儿科“循证模式”，能像专业儿科医生一样整合最佳医学证据，为患儿制定科学、个性化的诊疗方案。

此外，基于该模型，百川智能推出了“福棠·百川”AI儿科医生专家版和基层版，计划在国家区域医疗中心、儿科医联体、县级三甲医院、社区医院等场景试点，通过云端或本地部署，采用真实医生+AI医生的“双医生制”，提升全国儿科诊疗能力。

为聚焦医疗核心业务，百川智能近期也经历了一系列人员调整：

联合创始人洪涛、焦可、陈炜相继离职，金融行业To B业务亦被裁撤。

这些变动源于公司“造医生、改路径、促医学”的战略愿景，剥离非核心业务，集中资源投入医疗AI。

① AI的“最后堡垒”与资本叙事

医疗领域因专业壁垒高、数据隐私敏感，是AI渗透最慢的行业之一。

百川选择医疗赛道，既符合资本对“技术+公益”的叙事偏好，又避开其他行业AI应用的红海竞争。

此外，医疗行业的抗周期性显著：2024年全球资本市场寒冬中，医疗健康领域投融资收缩，但创新药械、AI辅助诊断等细分赛道逆势增长。

医疗行业的刚性需求（如老龄化、慢性病管理）和供给侧壁垒（如医疗机构、药品、器械要经过严格的审批），让医疗行业成为资本眼中风险较低、更稳妥的投资领域。

② 王小川的个人情怀

对于有着搜狗成功经理和已经实现财富自由的王小川，二次创业的需要更能满足自我价值实现，选择的方向起码要比搜狗更让人兴奋。

否则对于王小川而言没有必要再次投入这样的精力，而且资本市场也不会给予很大的肯定和支持。

如果要做AI，想想也只有和医疗加在一起，才能撑起如此大的想象空间了。

王小川也多次提到，医疗是大模型“皇冠上的明珠”。

① 稳定的收入机制

在医疗AI领域，To B相较于To C，更具有可持续的盈利的潜力。

尽管To B的商业模式可能需要较长的周期才能实现盈利，而一旦与医疗机构建立稳定的合作关系，往往能产生持续的收入。

更为重要的是，由于用户付费习惯、信任度等问题，目前C端的医疗AI产品，盈利模式往往难以建立。

② 获取高质量数据

医疗机构（尤其是大型三甲医院）拥有大量的临床数据，包括电子病历、影像报告、检验报告等。

通过与医疗机构的合作，百川智能可以获取到这些脱敏数据，用于训练和优化AI大模型。

同时，AI产品在医疗机构的实际应用中会产生大量反馈数据，这些数据也可以反哺模型迭代升级。

比如，当AI医生为患儿提供诊疗建议后，医生的最终诊断结果和患者的治疗效果可作为输入，进一步优化模型的推理逻辑。

DeepSeek强大的推理能力和开源路线，不仅降低了技术门槛，还直接削弱了闭源模型的市场壁垒。

即使在医疗场景，DeepSeek的高性能开源模型仍展现出更强的适应性，目前已在多家医院部署应用，对百川的垂类布局同样形成了挑战。

但DeepSeek的普及，也为百川智能在医疗市场带来了积极的影响：

从行业发展的角度看，DeepSeek打破了传统认知中AI技术与医疗场景的隔阂，使医院意识到AI并非停留在概念层面，而是可落地、可复用的工具。

当医院看到同行通过AI技术提升了诊疗效率或改善了患者预后，自然也会愿意尝试类似的解决方案。

这种示范效应会形成正向循环，加速AI在医疗机构的普及，为包括百川在内的医疗AI企业拓展市场创造有利的环境。

DeepSeek通过公开模型的推理逻辑，将AI的决策过程转化为可理解的思考链条，与之前隐藏推理的“黑盒”模式形成鲜明对比。

在医疗领域，这种透明度至关重要——医生能够清晰看到AI如何整合患者数据、分析病情并得出结论，可以结合专业知识对AI建议进行验证和修正。

既减少了“黑盒”带来的信任危机，又确保了AI辅助诊疗的可靠性。

一方面，百川可以探索和应用更高效的算法架构和训练方法，从而降低自身模型的训练成本，提升价格竞争力。

另一方面，DeepSeek的开源特性也为百川提供了新的技术路径，百川可基于DeepSeek开源模型，结合自身积累的医疗数据（如儿科病历、专家经验等）进行针对性优化，从而加速产品的迭代。

百川近期对于技术团队的调整，也反映出其在积极应对DeepSeek带来的变化。

最近看到百川的产品还是在去年的世界人工智能大会上，那时我的评价是产品还处在DEMO的阶段。

这几天看百川发布儿科大模型的消息，我发现虽然王小川在各种场合都表达百川要“造医生”，但百川儿科大模型的产品定位还是比较落地的，并没有那么激进。

AI儿科医生基层版：面向日常儿科疾病诊疗场景，有望帮助提升基层医生的儿科诊疗水平。

AI儿科医生专家版：聚焦儿科疑难杂症的院内多学科会诊场景以及住院病历分析场景。

尽管称作“AI儿科医生”，本质上还是辅助医生。

如果百川一直聚焦在目前的方向，以百川的资金和技术能力，我还是愿意相信百川是能够做出好的产品：

传统辅助诊疗多基于规则路线，对自然语言的理解还依赖于大量的数据标注，医疗机构采购也主要是为了通过电子病历评级。

目前还没有出现医院广泛认可的基于大模型技术的辅助诊疗产品。

若百川智能聚焦儿科领域，可借助丰富的病历数据，将儿科疾病的特殊性（如儿童用药需精准剂量、生长发育阶段差异大）与大模型的能力结合，在辅助诊断、个性化治疗建议等方面实现突破。

在Vectara3月20日更新的大模型幻觉测评排行中，DeepSeek-R1的幻觉率为14.3%，DeepSeek-V3的幻觉率为3.90%。

与排在第一位的Google Gemini-2.0-Flash-001的0.7% 的幻觉率差别还是很大。

根据目前已经部署和应用了DeepSeek的医院用户的反馈，DeepSeek“一本正经的胡说八道的能力”给用户造成了很大的困扰。

医生还要花额外的时间甄别其引用的内容是可靠，甚至是否存在。

在严肃的医疗场景，幻觉问题必定会阻碍模型应用的广度和深度。

DeepSeek在医院的绝大部分使用场景，都无法做到“部署即用”。

消除AI大模型的幻觉，正是一直投入自研大模型的百川智能所擅长的。

在数据层面，百川可以通过医院的深度合作，获得高质量的病历数据进行模型训练，同时构建和更新儿科大模型医学知识库，针对特定场景降低模型生成幻觉的可能性。

此外，百川自己的医学团队还可以与医院的专家团队一起建立模型的人工审核机制。

对模型的输出进行抽样检查，并提供反馈意见，将人工反馈用于模型的持续改进和优化。

未经许可，禁止转载！