大模型創業者王小川：AI家庭醫生將比無人駕駛更早到來（輕科技）

截至2025年8月，王小川創辦的百川智能在醫療大模型領域已取得顯著進展，其最新發布的 Baichuan-M2 醫療增強大模型在多個維度上達到世界領先水平，尤其在開源模型中排名第一。創業者的目標是“造醫生”而不是“健康顧問”，這個挑戰不是一點點！他多次提及：“爲生命建模型，爲人類造醫生”。 目前的賽跑還在數據、算法、算力三個維度展開，百川智能在拿到數據方面在國內一騎絕塵，是領先的關鍵要素，但還不是全部。如今王小川信誓旦旦說：“無收入情況下可以維持120 個月”就姑妄聽之。應該是給合作者打氣，也是給團隊壯膽。真正難度是導入醫院後對既有醫療格局的打破，尤其是利益的分配機制全部亂套，簡直是砸鍋的節奏。目前頭部三甲醫院還只是“探討”階段，並未進入實質性合作，頭部醫院全部要求“數據不出院”或“醫院控股”，商業模型只能拿科研脫敏子集；撬開京滬核心數據大門難上難。 目前百川拿下的 4.2 億條病歷主要來自 150 家縣區醫院的“AI 基層幫扶”行政協議，屬於地方政府政績工程，含金量有限，在疑難病種、專家標註、多模態、縱向時長（隨訪）、即時更新等還有相當距離。 雖然評測數據優於OpenAI，但OpenAI 用“實時用戶反饋＋合成數據”把數據閉環做成自給自足的飛輪，而百川還在“政府談判＋醫生標註”的重資產賽道里一塊磚一塊磚地砌城牆。最終勝出是誰，還不得而知。況且這是民營企業，你懂的。一旦政策紅利傾向國資血統，一切就不好說了。這也是AI醫療的虛火，並非是技術，還有…… 醫保改革搞了 20 年還在“拉鋸”，醫療 AI 卻是把“診療、支付、數據、責任、芯片”五根繩一次性擰緊，舊痛未愈，新亂又生——這不是技術革命，而是一場制度重構。一旦從技術開發到實際應用，就相當於醫保改革2.0，任重道遠。

本書由一位技術理想主義者撰寫，講述了他在AI時代的重新出發，從一個追逐通用模型的創業者轉變爲聚焦AI醫療的創業者。 王小川在離開搜狗後，選擇了一條更具挑戰性的道路，專注於開發能夠幫助人類的AI醫生。 書中詳細探討了GPT-5的市場反響和OpenAI的戰略選擇，以及醫療領域的智能應用前景。 通過對Baichuan-M2的技術突破和AI家庭醫生的市場潛力分析，作者提出了AI家庭醫生可能比無人駕駛更早到來的觀點。 本書不僅是對未來技術的探索，也是對創業者內心世界的深刻剖析。

對這本書我給予評價是一般只是一個簡單的個人採訪，但是我對於王百川的創業研究評價會很高，他在做一個利於人類的事不純粹是爲了盈利賺錢，他在作爲一個很成功的企業家在選擇方向的時候也會因爲自己心力不足而委曲求全與資本，現在這個方向非常垂直與專業，前面是很長的一段路，就是所謂人工智能加醫療 ，首先人工智能這個也在快速發展，醫療又是涉及很多人類倫理在裏面的行業，其實要真發展好了普通人都能自己看病了 節省了成本 後期怎麼盈利 也就回到互聯網初期盈利模式不確定的類比上去了。

全文觀點：AI家庭醫生將比無人駕駛更早到來 王小川在訪談中明確表達了對AI醫療的強烈信心，認爲AI驅動的私人家庭醫生（或AI醫生）將比無人駕駛更早實現大規模落地。他的主要理由包括： 1. 需求剛性更強： 無人駕駛並非絕對剛需——沒有AI司機，人們仍可自己開車。但醫療不同，沒有足夠醫生時，人們無法自己診療。AI醫生能直接解決醫療資源短缺和分佈不均的問題，尤其在基層和院外場景。 2. 人機協同更容易解決： 無人駕駛在L3階段（有限自動駕駛），安全員需高度緊張隨時接管，反應時間極短，壓力巨大。醫療場景則不同，尤其院外“低速”場景（如健康諮詢、慢性病管理），AI可先輔助醫生或用戶，容錯空間更大，逐步過渡到更高自治水平。 3. 落地路徑更清晰： 王小川對比了兩者面臨的共同挑戰（技術可靠性、倫理法規、事關生命安全），但認爲醫療有獨特優勢： - 可從“關係”維度切入（如AI以醫生身份勸導家屬關注健康，更易被接受）。 - 短期內通過成熟醫生經驗賦能AI，長期超越人類醫生。 他預計技術成熟已“肉眼可見”，百川智能2026年將推出重大版本迭代，推動這一進程。 其他覆盤反思 - 創業調整：王小川覆盤百川智能前兩年“戰線過長”（通用模型、商業化、醫療並行），導致組織複雜度高。今年大幅聚焦醫療AI，團隊精簡後“壓強”反而提升，他視此爲迴歸初心——“爲生命建模型，爲人類造醫生”。 - 對AGI的理解：醫療是AGI後“更大的世界”，不止工具，而是“造人”（高知識密度）。他認爲代碼和醫療是通向AGI的關鍵軸心，醫療正從“非共識”轉爲全球共識（OpenAI等也在重倉）。 - 時間預期：早在2018年，他就預言5-10年內（即到2028年左右）可看到數字家庭醫生賦能基層。現在大模型加速，這一目標更近。

沒說出來啥特別的內容，感覺就講了一件事情，就是王小川要聚焦做健康 AI。我覺得 AI 首先應該是個效率工具，再談創造的事兒。直接把 AI 當成人，還是太遠的幻想了，畢竟裏面有大量的信用問題需要解決。 其實我是帶着問題來看這本書的，就是如阿里在大力推健康管家的定位，百川應該怎麼做好差異化競爭。但明顯很失望，文中沒有這樣的答案。當然，有可能是老闆要聚焦做事情，沒空和我們提前交代什麼，甚至引發不必要的討論，甚至是爭論。 關於 AI 健康，尤其是要「造醫生」這個定位，我確實不看好。倒不是唱衰新事物，而是醫療是一個利益牽涉太多的領域。而其中醫生又是樞紐中的重中之重。利益鏈條的重塑，可從來不是一件簡單的事情啊 最後，我在想學霸不想回答既定答卷，要自己闖賽道這個事兒，大概率不是很靠譜呀。。。當然，咱們不瞭解人家老闆，不曉得拋棄自己被訓練了幾十年且已經證明過自己的賽道，跑去做一個利益糾葛太深的命題，會不會屬於一次理想化的冒險啊。。。

給了推薦，不完全是因爲這一個訪談，而是提醒自己要關注和跟進Ai的進展，誰也不知道明天會不會被它取代，能做的只有學習和應用。 在訪談中，王小川提到了百川先做to be,在進入to c,拋開模型的先進性不談，這種模式是不是可行？會不會催生線上+線下的超級醫院？這些值得人思考，也值得我們去探索：在哪些領域可以通過第三方大模型的支持，以Ai+的方式在某一細分賽道進行創業或賦能。 另外，書中提到了三中語言：自然語言、數學語言、代碼語言，深以爲然，涵蓋了人與人、人與AI、AI與AI之間不同形式的溝通，可能這也是AI時代的必學技能，正所謂：學好三語言，AI時代不害怕。

棄醫囑信AI，患者擅自停藥視力驟降！醫生提醒，AI無法替代專業判斷 日前，上海愛爾眼科醫院副院長、上海愛爾睛亮眼科醫院院長李勇醫生的一條朋友圈動態，令人又好氣又好笑。患者老張（化名）因輕信AI建議，術後擅自停藥，導致視力驟降，而這類被AI耽誤病情的患者，臨牀並非個例。 老張被白內障困擾多年，術前視力僅0.2，視物需“貼臉”觀察，嚴重影響生活。好在他在上海愛爾眼科醫院接受的白內障手術十分成功，術後複查視力恢復至1.0，他直呼“重獲視覺新生”，對清晰視野滿心歡喜。然而，這份喜悅僅持續兩週…… “剛清晰沒多久，怎麼又看不清了？”老張焦急複診，結果顯示其視力已從1.0驟降至0.6。李勇爲其全面檢查後發現，其角膜皺摺伴明顯炎症，正是視力下降的直接原因。 “術後眼藥水是否按時按量滴用？”面對追問，老張的回答讓李勇無言：“我問了AI，它說最好別滴，還說綜合了多人意見。我相信AI更權威，就聽了。”李勇哭笑不得，依然耐着性子爲老張制定針對性方案，緩解眼部炎症，同時反覆叮囑切勿再輕信AI。“這次先信我！”李勇坦言，臨牀已多次遇到類似案例。青光眼患者李阿姨（化名）便因盲目遵從AI建議，付出了不可逆的健康代價。主治醫生反覆叮囑李阿姨，需長期規律使用降眼壓眼藥水，定期複查監測眼壓及視野，這是控制病情、保護視功能的關鍵。但朋友一句“眼藥水有副作用，長期用傷眼”的話，讓她心生疑慮。隨後她通過AI查詢，看到“術後病情穩定可停藥”的說法，便擅自停藥，複查也拋之腦後。 停藥不到兩個月，李阿姨便出現眼脹、頭痛等症狀，且愈發嚴重。複查結果顯示，其眼壓飆升至危險值，視野已不可逆受損——僅存中心視力，周邊視野完全漆黑。 爲何AI醫療建議在術後康復場景中屢屢“翻車”？李勇指出，AI存在先天短板，無法替代醫生專業判斷。其一，AI僅依託用戶輸入文字給出建議，無法像醫生那樣面診捕捉臨牀細節、藉助器械精準檢測，基於片面信息的建議多爲“紙上談兵”，缺乏臨牀依據。其二，AI本質上是統一數據模板，無法主動追問患者具體病情、基礎病史，難以實現醫療所需的“因人而異、動態調整”，而術後康復正需結合個體恢復情況精準調控，通用化建議易出偏差；更關鍵的是，AI醫療建議無法律效力與責任擔當，背後“僅供參考”的免責聲明，意味着所有健康風險均由患者自行承擔。 “醫生醫囑是結合多年臨牀經驗、嚴謹醫療規範，針對患者個體病情與手術情況制定的，背後更有專業責任與醫療擔當。尤其是眼科術後康復，用藥劑量、頻次，複查時間、項目，都需醫生根據恢復情況動態調整，絕非AI通用模板能精準覆蓋。”李勇提醒廣大市民，AI可作爲健康科普參考工具，幫助瞭解基礎健康知識，卻不能替代醫生專業診斷與判斷。看病就醫需選正規醫院，遵循專業診療方案，術後康復更要嚴格遵從醫囑，切勿盲目迷信AI建議。

### 一、內容深度與核心邏輯：爲什麼是“逆向思維”？ 這本書（或這一系列觀點）最大的亮點在於它挑戰了科技界的主流共識。 1. **核心論點：醫療 > 駕駛** 王小川拋出了一個驚人的觀點：**AI家庭醫生會比無人駕駛更早普及。** 他的邏輯不是基於技術難度，而是基於“剛需”和“人機協作”： - **剛需性**：你可以沒有AI司機（自己開就行），但你不能自己給自己看病。 - **協作性**：無人駕駛要求毫秒級接管，人類安全員壓力巨大；而AI醫生給出的建議，人類醫生可以從容審覈，或者在院外場景（如慢病管理）獨立運行，容錯率和協作空間更大。 2. **從“造工具”到“造人”** 他批判了當前很多AI醫療產品只是把AI當成一個“降本增效”的工具（如寫病歷、查資料）。他認爲真正的方向是“造醫生”——即創造一個具備感知、推理、記憶和行動能力的**智能體（Agent）**，它不僅是醫療顧問，更是家庭健康夥伴。 3. **全鏈路工程思維** 書中（觀點中）強調，光有大模型不夠，必須解決“應用層”的問題：如何符合法規？如何有人文關懷？如何記住你的病史？這提出了一個“底層模型+厚重應用層”的落地公式。 --- ### 二、讀者能獲得什麼？ - **對普通讀者（你我）：** 你會看到一個**“醫療平權”的未來**。當AI醫生可以無限供給時，頂級專家的智慧可能以極低的價格進入你的家庭，解決“看病難、看病貴”的問題。你會了解到，未來的健康管理不再是生病了去醫院，而是全天候的“治未病”。 - **對創業者/投資人：** 你將獲得一個**極其清晰的避坑指南和賽道判斷**。王小川指出了AI醫療的真正痛點不在“技術炫酷”，而在“場景落地”。他提出的“循證推理”、“關係理解”（如做子女的“嘴替”勸父母看病）都是極具商業價值的創新點。 - **對科技愛好者：** 你將理解**AGI（通用人工智能）落地的另一種可能**。不是先造出一個機器人管家，而是先造出一個能解決具體社會痛點（醫療資源短缺）的數字大腦。 --- ### 三、閱讀建議 - **結合技術演進閱讀**：不要孤立地看王小川的演講，建議結合百川智能發佈的模型進展（如Baichuan-M2在醫療能力上開源全球第一、循證推理範式）來看，你會發現他的“狂言”背後是有紮實的技術迭代支撐的。 - **關注“時間線”**：王小川在2025年多次提到“明年（2026年）會有大的版本迭代”。在閱讀時，不妨將其視爲一份 **“未來預告片”** ，觀察他提出的“L1-L5醫療分級”和“院外低速場景”如何一步步變成現實。 - **辯證思考倫理問題**：書中（觀點中）雖然強調了技術，但作爲讀者，你需要自己補上“倫理”這一課。思考：當AI給你診斷時，責任如何界定？你的健康數據隱私如何保護？ --- ### 四、適合閱讀的人羣 | 人羣 | 推薦理由 | | ------ |------ | | **醫療行業從業者** | 瞭解AI將如何重塑醫療流程，從單純的“看病”轉向“健康管理”，提前規劃職業轉型。 | | **AI/科技創業者** | 學習王小川“死磕技術+深挖場景”的創業方法論，尋找除大模型之外的“應用層”機會。 | | **慢性病患者/家庭** | 提前瞭解未來5-10年家庭健康管理的變革，建立對“數字健康夥伴”的認知。 | | **政策研究者** | 思考“人工智能+”行動如何在醫療這一強監管領域落地，以及如何制定相應的監管框架。 | --- ### 五、結合最近AI領域事件（2025年視角） 結合當前（2025年底）的AI領域動態，王小川的觀點顯得尤爲“獨到”且“應景”： 1. **AI醫療元年的確立**：2025年被業界稱爲“AI醫療元年”。正如《2025 AI醫療五大發展趨勢》所指出的，行業正從單純的“診斷”向“安全落地、精準決策”突破。王小川的觀點正好踩在了這個趨勢的浪尖上，他不僅是預言者，更是實踐者（百川智能已與北京兒童醫院合作）。 2. **大廠的“內卷”與“突圍”**：近期各大模型廠商都在卷參數、卷多模態，而王小川選擇了 **“垂直深鑽”** 。在2025年11月的虎嗅創新節上，他明確表示大模型的三個關鍵場景是“創造、健康、快樂”，並將“健康”作爲百川的主戰場。這在一片通用模型的紅海中，是一條差異化極大的“藍海戰略”。 3. **人機共生的前夜**：在2025年12月的企業家年會上，王小川提出了“人機共生”的十年展望。閱讀這本書（這些觀點），其實是理解他“爲生命建模型”這一宏大願景的**最佳入口**。他正在用“造醫生”這件事，驗證人類未來如何與機器共生。 **總結：** 這是一本 **“未完成的未來之書”** 。它沒有停留在對過去的回顧，而是直接指向了2026年及更遠的未來。如果你想知道AI將如何具體改變你的生活，而不是聽一堆晦澀的技術名詞，王小川的這些觀點絕對值得一讀。

《遙遠的救世主》，剛剛重讀完。 但還是想說，願中國的科技人才們，加油。起碼不落後。（落後的文化屬性😁） 雖然客觀規律和現實，確確實實差很多。但是還是想說加油🇨🇳🇨🇳🇨🇳 資金是不是可以放的再寬一點呢？即使泡沫很大，但是馬雲說的，萬一實現了呢？ 那之後的產業鏈… 崛起吧，中國科技。“衝出亞洲走向世界😄”

數學是語言，代碼也是語言，而且是一種“可運行”的語言。它就像圖靈機一樣，能夠解決萬千問題。所以，真正的道路是清晰的：首先，通過人類語言理解常識、學會溝通；然後，掌握數學語言與代碼語言，從而征服理科與工科。