101: 与王小川聊AI✖️医疗：通向“生命科学的数学原理”

将近 8 个月没有更新大模型版本后，百川在春节前发布了推理模型百川 M-1 Preview。在一批头部大模型公司中，百川在 2024 年年中明确做出了选择，聚焦医疗，这是王小川长久以来的关注。

王小川告诉我，2000 年他的研究生毕业论文就是基因测序的拼接算法。当时他就想知道，生命的数学原理是什么。因为发现数学、物理等科学体系不足以解释生命，他还去研究了中医，也投资过中医公司。他认为，中医是一种哲学。

2023 年成立百川之后，王小川把自己对生命科学的长期关注，与对 AGI 的追求统一了起来。这让成立之初讲通用模型和应用的百川看起来变了、慢了，也走到了聚光灯之外。去年，百川既没有参与模型 API 价格战，也没有跟进投流大战。

社交媒体上出现了不看好百川的声音，也有投资人告诉我，百川其实是最稳的大模型独角兽之一，累计融资超过 50 亿元，却没有怎么烧钱。百川发布新模型 M-1 后，我们访谈了王小川，聊了百川做医疗的缘起，王小川理解的 AGI 与医疗、生命科学的关系，以及百川已经发生的一些落地实践。

比如，他提到，2025 年第一季度，每个海淀居民都可能用上一个由百川提供的 AI 医生助理。多数人认为，做医疗是转向垂直领域；王小川的逻辑则是，医疗不是垂直场景，因为任何一个 AI 技术在医疗上都有用武之地，它不会被今天的 AI 淹没掉。

当更多同行与科技大公司在同一个战壕里厮杀时，王小川强调，创业要走出大厂的射程之外。他看到了什么？以下是他的阶段性回答。

我们可以先聊一聊你们昨天刚刚更新的这个模型。你们昨天发布了推理模型百川 M-1 Preview，也开源了一个 14B 的版本。可以讲一下，这次更新之后你收到了一些什么反馈吗？

1. M1 Finds Its Medical Edge

首先，我们希望它的通用能力能够处在第一梯队，同时在医疗上有所突出。我们就是要达到这样的目的。

M-1 发布的时候可以看到，它具备视觉推理能力、通用推理能力，尤其是搜索推理能力。这里面有两个东西：一个是循证，这是我们独有的一件事。我不知道你有没有注意到“循证”这个词，就是我可以去查论文，而且有文献来支撑。

它不是让你去学习论文，而是 evidence-based。所谓 evidence-based，最重要的是以论文为基础的支撑，像 PubMed 这样的文献数据库，而不是只靠数据支撑。这就叫解锁了循证场景，也就是搜索和推理的结合，解决循证场景。

另外，正好有几个案例可以分享。前几天有一个内蒙古的案例：内蒙古一所市人民医院当时有一个患者，已经基本被放弃，医院下了死亡通知。他被诊断为脑梗，在医院住了大概 2 周时间仍然不见好。家里人不甘心，就把他送到北京协和医院去治疗，路上把他的病例传给了我们。

我们把病例放到 M-1 系统里面，这是一个非常真实的案例。M-1 给出了 3 个推理方向，列出了 3 种可能的诊断，并分别说明需要做什么验证。患者到了协和之后，协和的医生给出了 4 个方向，其中有 3 个和我们的判断完全命中。

如果他在当地医院就能按照这个思路继续做诊断，因为模型已经给出了方向，诊断完成之后再进行治疗，病人就立刻被救活了。因此，现在它的能力已经远超过市一级医院的水准。

这个应用的价值会非常大。这一次百川 M-1 又有一个开源版本。之前百川一、百川二是开源的，百川三、百川四没有开源。为什么这次又出现了开源的变化？

2. Baichuan Returns to Open Source

医疗这个行业不是百川一家就能做完的，包括我们和很多医院之间都要做合作。开源版本可以帮助医疗这一块得到增强。

刚才讲到，我们有一个 14B 的医疗模型，它在医疗上的评分超过了通义千问 72B，但这个模型用 4090 显卡就能部署起来。一个 74B 的模型，部署难度就会高很多。

我们认为，做医疗科研的人，甚至从事医疗工作的人，都很容易上手这样一个模型，进一步做调优，也能更快地把他们带到这个行业里面来。进入这个行业之后，他们也许会成为我们的合作伙伴，建立一种透明、信任的合作关系。

这和 DeepSeek 最近的强势开源有关系吗？

没有，这是我原定的计划。原来的计划就是要在这个版本上开源，也会有应用的出口。

我们今天还会发布两个开源版本。开源也是为了和医疗行业更好地配合。比如体检中心可能需要自己的模型，如果做私有化部署，还要调 API，大家讨论半天，不如开源，让他们先做起来。这样可以让整个行业共同进入 AI 时代。

大家可能会觉得，你们是不是受到了一些公司的启发？因为 2025 年 1 月这个时间点，中国大模型领域非常热闹，有很多公司都在更新自己的模型。比如 MiniMax 之前一直是闭源的，这次也开源了。

确实没有这么想，这是我们既定的计划。反而是他们做得非常好之后，我们可能得到的关注更少了一些。但我们的行业还好，因为在医疗行业里面，我们会有自己独有的贡献。

而且 1 月这一轮比较密集的模型更新，其实都围绕着 O1 这个方向。R1、Kimi K1.5、豆包 1.5 Pro，都是这个方向。你们的 M-1 其实也是。为什么百川不是最早复现 O1 的中国公司？其实你们很早就在做强化学习了。

3. Baichuan Chooses More Than O1

光复现不是我们的目的。我们希望百川在发布的时候，都能带上“医疗突出”这样一个心智。这最终和你的目标、能力、精力都有关系。

我们认为自己的心智是通用能力加医疗增强。如果只做通用模型，我们就变成两份力量了。通用模型和医疗同步发布，本身就是一个难点，这和你的目标有关。

之前我们和 MiniMax 的闫俊杰聊过，他说中国有些公司复现 O1 特别快，是通过蒸馏做到的。但这个访谈发布之后，一些技术社区比较反对这种观点，认为蒸馏没有办法解释 Kimi K1.5 和 DeepSeek R1 技术报告里展示的一些训练细节。你怎么看中国一批公司快速追赶 O1 这件事？

这里面有两个问题。快速追赶来自两个原因，其中一个是蒸馏。我不排斥这件事，其实这是公开的秘密，很多公司都在做蒸馏。

具体来说，为什么大家会认为它算是蒸馏？

因为你要构造数据。原来靠人标注，但如果你拥有对方的模型，用它来做标注会容易很多，可以减少人在里面的投入。

包括 DeepSeek 也会蒸馏自己。它不是一起发布了一系列开源模型吗？也是大模型蒸馏小模型，这样可以避免每个模型都重新做一遍。

第二个原因是，之前部分公司的模型其实是不完整的。它们在表现上学习 O1 或者对标 O1，只是品相长得比较像，但在能力上有很大的差距。发布得快，其中一部分是这个原因。

你怎么看豆包前天更新 O1 方向的豆包 1.5 Pro？他们特别写到，不走捷径，不使用任何其他模型的数据。

每个公司都有自己的策略和属性。对于豆包而言，它是巨头，当然对原创性的要求会高一些。甚至如果它说“我都不看你的论文”，那它干得出来，我也相信。

但我觉得不可能吧，它肯定得看各种论文。

对，这是它的选择。它选择走一条更难的路，我觉得这是值得鼓励的，也有吸引力。

你去年说过，“理想慢一步，落地快三步”。我的理解是，在最前沿的技术上，中国可能还是要在一段时间里跟随美国的原创性创新，但在同一代模型下，中国有可能把应用和落地做得更靠前、更有优势。

我觉得还是有机会。在医疗里面，从落地角度看，2025 年是一个重要的时间点。

2023 年，我们要把模型做出来，比如有能力把资金融到、把团队组建起来。2024 年，要让大家相信医疗是未来，也把医疗人才吸引过来。到了 2025 年，我们就能够开始医疗落地。

医疗可能是比较早解锁的重要场景，而不是大家想象的、比较晚解锁的重要场景。

应用上落地快三步，刚才你也讲了一些进展。我觉得确实是落地快三步。那你觉得“理想慢一步”还成立吗？比如现在美国技术社区有些人也很恐慌，他们觉得中国公司追得太快了。

我觉得确实是这样。第一，这种做法超出了大家的预期。接下来我们还会继续关注。至少现在，我们可能比 OpenAI 慢半步，或者说已经很接近了。

这件事情确实是比其他公司做得漂亮的地方。也有人说，DeepSeek 是中国最像 OpenAI 的公司。

它有一个特点，前期基本没有做应用。第一，它没有融资带来的责任和风险，所以既不需要考虑钱从哪里来，也不需要先考虑交付什么样的商业模式，这是它的优势。

甚至它连算力卡都是现成的，之前量化、囤了很多卡，所以它可以在一个特别放松的环境下去做。这是其他从零起步的创业公司不可能复制的方式。它不是一家典型的创业公司。

你之前发过一个朋友圈，说 OpenAI 的成功首先是技术理想主义的胜利，而大厂受限于自身的业务牵引，追逐资本热点的创业公司又比较容易动作变形。所以这两者其实都很难拥有技术理想主义。你可以描述一下，现在百川的技术理想是什么吗？

4. Technology Meets Life

我的技术理想，是技术突破和生命科学之间的连接。

今天好的创业公司都有这样的能力，包括 DeepSeek，甚至一鸣也有不错的东西。它们很有能力去调整自己的位置，工作上也都在技术理想里面往前推进。

所以它没有受限于自己的业务牵引，是吗？

它在团队上投入了很多力量去做。你看它前期做得并不好，但从第一天开始，所有投资人问我时，我都认为它是牌桌上最核心、必须尊重的一个对手。

它的组织能力足够高，所以确实没有被这件事限制住。任何时候，你都得知道，要让自己处在它的射程之外。

你们在 2024 年 5 月发布百小应的时候，那会儿已经有豆包了。你当时接受媒体采访时，别人问你为什么这么晚发布，你说自己还觉得发早了。

后来我登录百小应的界面，感觉它还是一个比较通用的聊天机器人，没有特别强调医疗领域。当时为什么要在那个节点发布它？

不得不发了，大家都催着你发。所以这可以算是追逐资本热点的创业公司容易动作变形，但也不是为了热点。

在那个节点，发一个东西放在那里也无伤大雅。但发完之后，我在内部确实越来越多地强调医疗。只做通用模型，我们要追模型、追应用、追垂直，在这么复杂的环境下，我希望大家能够更加重视医疗和医学上的突破。

刚才我们在说技术理想主义，AI 行业也经常讲信仰。你觉得技术理想主义和信仰是一样的，还是有一些区别？

信仰是更大的一个词，技术理想是它的一个具体子集。你信什么都可以叫信仰，信共产主义是信仰，也可以信技术理想。技术理想是信仰的一种。

你觉得信仰和怀疑之间是什么关系？因为科学精神里很重要的一点是怀疑，但你相信科学吗？

我相信科学。

你相信的是什么？

相信实验验证，相信我们通过这种方式能够发现更多未知。这是一个更大的题目。

以前的科学范式是不够的。过去的科学范式，很多东西只是来自物理、数学公式的推导。像 AI 模型已经不是沿着这种科学范式走了。

牛顿的很多东西可以被公式化，但 AI 面对的问题，很难用一个非常简练的数学公式抽象出来。包括“人”这个词，到底怎么定义，它也没有精确的定义。

我们刚才讨论信仰和理想，可能语言本身有它的局限。语言和你想表达的东西之间，不一定完全贴合，语言本来就已经抽象了一层。

你刚才提到，过去的科学范式不够了，那现在新的科学范式是什么？

还是用数学去解构客观世界，这一点没有变化。只是今天的数学，是把物理变成了数学。数学是对物理世界建模的。

但我们老觉得好像要做 world model，这个理解有些偏。今天的数学不是对物理世界建模，而是对人建模，主体发生了变化。它不再是建立客观世界，而是从语言开始，变成一个可以沟通、可以像人一样思考，甚至拥有知识的东西。

知识是我们对物理世界的投射，它不是物理世界。知识是对物理世界的一种 reflection。所以今天的大模型范式，不是过去对物理世界建模的范式，而是对人建模的范式。

以前是用数学解构物理世界，现在是在用数学解构人。

刚才我们聊了一些近期模型的进展和行业动态。接下来想和你回溯一下百川招募医疗团队的具体过程，可以从头讲讲缘起吗？

5. The Doctors Behind Baichuan

从第一天开始做百川的时候，我就是想招医生。成立百川的初衷，就包含了找医生这件事。我以前讲过，“得医生者得天下”，因为在医疗行业里面，医生是中心，是舞台的中心。

尤其是在 2016 年，如果回到 2016 年，会看到两个很对立的事件：一个是 AlphaGo，一个是魏则西事件。一方面，AI 的发展让大家耳目一新；另一方面，魏则西事件让大家发现，医疗问题仍然没有答案。

那时候我就在医疗上做了很多深度思考，得出了两个结论。第一个，对于 AI 来说，AlphaGo 还不够。当机器掌握语言，强人工智能才会到来。

另外，我认为医疗资源的瓶颈是医生供给不足。你做挂号网、春雨、好大夫，其实只是帮助寻找医生，但找医生解决不了供给不足的问题。这不是互联网逻辑，而是要让 AI 赋能，提升医疗供给，尤其是基层医疗供给。

而且不是只在医院里解决顶尖问题。大医生成为院士之后，会研究特别尖端的问题，但首先要解决基层供给，让每个人都有医生可用，每个人都有 AI 医生。这是 2016 年魏则西事件之后，我在 2018 年形成的两个想法。

到了 2021 年，我提到未来 20 年想做生命科学和大众健康，这写在我公开发布的搜狗告别信里。但那时候只是时机还没有到。2022 年，我创立了五季健康这家公司，之后也会和大家见面。

2023 年正好发生了 ChatGPT 爆发，所以我创建了百川。创建百川的源头，就是认为大模型对医疗场景有巨大的用处。我是带着场景去想的，不是技术来了之后才决定做这个。

你刚才说，最开始的起点可能是 2016 年看到 AlphaGo 和魏则西事件。如果再往回追溯，你非常想做医疗、做生命健康，还有什么更早的源头吗？

2000 年我研究的是基因测序。生命这个问题太复杂了，我特别感兴趣。当时我就想知道生命的数学原理是什么，生命是怎么工作的。

我的毕业论文就是基因测序的拼接算法。对我而言，后来这变成了走出科学的过程：你会看到，数学和物理不足以解释生命现象。

我听说你会背《黄帝内经》。

我们会做一些中医相关的科研工作，现在也有一些进展。未来会再和大家讲。

科学今天的数学和物理不能解释生命现象，但当生命现象理论不能解释现象时，你不能说现象不对，只能说理论不对。因此我想寻求新的理论来解释生命，一直花很多力气学习中医。

也是从 2000 年之后就开始了吗？其实你觉得中医不是一个完全科学的体系，但它能解释一些现象。科学不够用了，所以要寻找其他模式。中医给了你很多灵感？

中医是一种哲学。中医是一种哲学。

你的高中同学、B 站的陈睿接受我们采访时说过，上高中时他比较感性，你比较理性。他很文艺，喜欢写诗；你喜欢计算机。但他说现在感觉反过来了，像是交叉换位了。

我们当过同桌。那也不叫感性，其实现在是更理性的事情。因为你发现数学和物理不够用，就会进入理性再往上的一个状态。

你会因为科学不够用，而做一些哲学性的思考。于是你对生命如何被理解产生了巨大的兴趣。

举个简单的例子：DNA 从父母、受精卵变成一个人。这个人长大之后还长得像父母，听起来好像很自然，但从数学上讲，这是不可思议的事情，它怎么能算出来？这是一件不可计算的事。

三体问题，3 个球绕着转就算不了了，这是复杂性的问题。天气预报到后来也可能找不到规律，但一个细胞比天气预报还要复杂，最后竟然出现了规律性。

这件事不是靠纯粹的物理学就能算出来的。物理世界很精确，但走向熵增；生命世界看起来很复杂，却是熵减的。

整个宇宙是熵增。

我觉得“整个宇宙熵增”并不成立。今天并没有被证明整个宇宙都在熵增，这只是从物理观点推导出来的结果。它的前提是，一个封闭的、和外界没有物质与能量交换的系统会熵增。

但你怎么验证宇宙是封闭的，且没有和外界发生物质、能量交换？不能用有限去推导无限。这些问题都说明，为什么我说这是理性，而不是感性。数学、物理不够的人，才会直接给出那样的结果。

想做生命健康这件事有一个很早的源头。2023 年看到 ChatGPT 之后，它对你具体怎么做这件事有什么改变吗？

我原来的两个背景，一个是我对生命这件事感兴趣。从 2000 年之后，在搜狗时我也投资了 10 多家医疗公司，从底层的 CRISPR 技术、器官移植，到肠道菌群制药，再到互联网化的医疗公司，我一直在这个行业里。

比如鹰瞳这样的 AI 公司，它在 AI 低谷时的 A 轮是我们投的，A+ 轮也是我们领投的。这里面有很多很多思考。

直到 2021 年把搜狗卖给腾讯之后，我觉得自己有机会下场，所以我说接下来要做生命科学和大众健康。2022 年创立了五季健康，2023 年又有了另一个背景。

我一直对语言比较敏感，做输入法、搜索引擎，本质上都是在做语言。输入法是帮你打短词、短句，当然也希望预测未来。输入法可以看作 predict next token，只是当时技术没有突破，今天一下子就可以输出一篇文章。

搜索引擎也想从搜索变成问答，输入一个问题直接给你答案，但最后只能做到检索，给你一个文章目录。我在博士期间就思考过问答系统，只是没有把它立成论文题目，因为当时觉得技术还没有到。

2023 年之后，只要输入几个问题，你就知道 ChatGPT 是对以前 AI 技术的颠覆。那段时间我一度没有再看这项技术，因为我深刻知道，天变了，历史翻篇了。

2023 年刚开始时，我就提到强人工智能时代到来，AGI 到来了。在极客公园的讨论中，我是坚定认为 AGI 已经到来的，因为我对语言有自己的判断。

2024 年之后，我又提出了一个新的观点：这甚至不能叫第四次工业革命。工业革命是从信息革命走向智能革命，但我现在更愿意说，是从科学时代走向智能时代。

没过多久，Hinton、德米斯·哈萨比斯等人获得了诺贝尔物理学奖、化学奖。大家开始看到 AI 的爆发力量，它其实已经在颠覆科学范式。

还有一句话叫“得医生者得天下”。互联网时代讲的是“得用户者得天下”，但医疗行业不是这么看的。你拥有医生，就拥有用户；没有医生，就没有用户。医生还是器械和药品的流通渠道，有医生就有患者，有医生就有药厂。医生处在整个医疗行业的中心位置。

过去 20 年，VC 在医疗上投了 1000 亿元，但没有真正做起来，原因就是医生是中心环节。你只能围绕医生做周边，帮医生写论文、帮医院做信息化系统，或者连接医生。这个模式是不成立的，上一代医疗互联网参与者之间互相伤害，就是因为医生觉得 AI 没有对他起作用，而 AI 还没有真正到位；另一方面，这些人在医疗互联网行业做了很久，也没有找到大突破。

所以我们说，找医生不如造医生。只有这样，才能改变医疗行业，而且这也是一个大蓝海。

教育里面已经有很多巨头了，教育还有意识形态问题，什么叫好教育本身就很复杂。你还要面对一个问题：培养人是以高考为目标，还是以素质教育为目标？教育在未来几年也会发生巨大变化。

AI 作为一种帮助人的能力非常好，但很难成为一家公司的目标。医疗不一样，医疗是一个大蓝海。每个人都需要一个医生朋友。

你刚才提到，成立百川时就想造医生。但为什么 2023 年刚成立时，你们没有特别强调医疗？

2023 年和外界沟通时，你只能讲通用模型，对标 OpenAI，只能这么讲。现在百川的“百”指的是 Bio，是对生命科学未来的畅想。我敢于在里面把医疗和医学当成最重要的领域，这是 2024 年发生的变化。

是什么环境发生了变化，让你敢直接这么说、这么表达？

第一，钱融到了。钱融到之后你才可以讲，否则别人不会给你投钱。

第二，团队开始意识到，除了模型以外，还需要找到好的场景。否则大家就只是在红海里竞争。

你可以还原一下，当时是怎么和团队明确说，接下来一段时间的重点是打造 AI 医生的？

6. AGI Means Building Doctors

我把健康当成最重要的领域，提了几个概念。

第一个概念叫“医疗是大模型皇冠上的明珠”，这是最重要的概念之一。因为任何一个 AI 技术，在医疗上都能用得到，这个跳板足够高。

比如做多模态，医疗能用；做具身智能，医疗能用；做长窗口记忆，把一个人的一生、整个病程都记住，也能用，还可以减少幻觉。它可以查文献。Hinton 也在讲，医疗是大模型最重要的领域之一，将发挥 AI 的最大作用。

我们认为，只要天花板足够高，医疗就是超级模型之上的应用，它不会被模型淹没。有些场景在模型做大之后，就不再是应用了。

这里面有两种态度。一个叫“沿途下蛋”，这是大家容易听到的词，但我觉得不应该这么做。我们叫“水涨船高”：模型能力越高，应用反而越超级。当你有超级模型，才能形成超级应用。

除了 Hinton 以外，其实还有两个人在讲医疗。黄仁勋大概也认为，大家不要再学计算机了，以后应该学生命科学。另一个是 Isomorphic 的 CEO Demis Hassabis。他说，未来 5 到 10 年，医疗的进展会超过过去 50 年到 100 年。

这种判断不是说 AI 今天只是处理数据。AI 不只是发现一个生命现象，也不是看到数据、处理完数据之后就突破了，而是 AI 能够参与实验设计，创造或做出更多数据。它不是对实验数据做总结，而是参与实验设计。

所以医疗其实是大模型之上更大的东西，不是一个简单的 vertical。这能让团队意识到，我们不是往锤子里面走。医疗是大模型皇冠上的明珠，这是第一句话。

第二句话，韩毅刚才也提到，叫“造医生就等于 AGI”。

我们总说 AI 是什么，到今天也没有定论。但总得有一个评判标准。我发现一个特别有意思的地方：行业一方面觉得 AI 已经无所不能了，既然如此，那就应该比医生厉害；但当我们说拿这个模型做医生时，大家又觉得“好难”。

这意味着模型和医生之间有一个对比关系。我把它们在中间画了等号：造医生就是 AGI。

一般人可能比较难理解这个逻辑。按照大家朴素的对标逻辑，会觉得你要先成为一个人，再成为医生、律师等职业。你刚才的表达，好像是说先成为医生，再成为人。

成为人本身就变成一个特别广泛的概念。大模型是造人的，但能写广告文案的也是人。只是“人”这个概念的天花板不够高，而医生是最复杂的职业之一，代表着比较高的智能含量。

你说造人，到底什么叫人？AI 怎么才算人？图灵的逻辑是，如果机器能够和人说话，让你分辨不出它是机器还是人，就意味着智能到来了。我们已经到了这一点。

但 AI 到底是什么？总得有一个具象的东西让大家看见。我甚至在内部讲过，自然数多，还是偶数多？它们一样多。你看着偶数是自然数的子集，但它们一样多，因为它们之间可以建立一一对应。

所以我把大模型需要的能力和医生需要的能力画了等号。这样就把命题转换了：招医生就是 AGI。

你在团队里提出这几句话，大概是什么时间？当时大家有什么反馈？

应该是在 7 月。7 月我们有一次战略会。

当时团队理解到什么程度？

大概五五开。毕竟很多工程师会想，我在这里能干什么？现在很多团队都是人手一本医书。我们的专业医疗团队已经能够和工程师互相配合、对话，但这需要一段时间来改变。

在明确要做 AI 医生之后，你讲过，以前要看团队的“含模型量”，之后要看“含医疗量”。现在大概是什么占比？

现在每个团队都得和医疗相关。我们有医学产品部，大概有 30 多个医生。我们还收购了一家公司做医工结合，也有差不多 40 个人，比如做咳嗽音，用来判断慢阻肺或者呼吸道感染。

这两种背景的人怎么协作、分工和融合？

我还在找各种方法。总的来说，现在已经开始比较好。

做技术，第一是问题要由医学人员来提出；第二是评测体系也要由医学人员来建立。反过来，他们需要理解数据和评价。目前我觉得挺好，团队已经建起来，也开始有战斗力了。

最开始，如果不讲通用模型，确实比较难吸引融资；敢讲医疗，也是因为已经融到了一些钱。那后续融资时，如果你讲的是“基于通用模型做 AI 医生”，会影响融资吗？

现在已经要产业落地了，大家要听你的产业故事。光讲模型，也融不到钱了。接下来能不能持续获得资金，要看我在医疗领域到底做到了什么。

比如地方政府问你做什么，你说做一个模型，那它怎么帮你？它能给你什么场景？我们说给我医疗场景，这就很有意义，也是他们的第一大需求。

你们现在实际上在医疗领域做了哪些事情？我看到最近有很多进展，包括你们 8 月份和北京儿童医院的合作，去年年底和北京市海淀区卫健委的合作，以及今年 1 月和宁波那边的合作。

7. Hospital Care Moves Home

我们大概会在第一季度结束时展开讲。儿童医院这个已经发生了，我可以先讲讲。

这是一个非常有意义的合作。第一个点，儿童医院院长非常有魄力，提出了“造 100 万儿童医生”的口号。

中国儿科医生应该非常缺。在很多医院里，你说“造医生”容易引起抵触，但一位院长提出“造儿童医生”，对我们是很大的鼓舞。他是第一个和我们在“造医生”这件事上同频的人。

有些院士会说，AI 永远不能成为医生。他却和我们同频，提出造 100 万儿童医生。

第二，儿科医生确实很缺。院长说，儿科 80% 的问题未来不需要发生在医院里，而是高频发生在家里。过去孩子隔三差五就要送医院，会造成医疗挤兑、交叉感染，甚至一家几口人都不能上班，社会负担很重。如果控制不好，还可能形成流行病。

把儿童问题解决好，也是国家重大的政策目标。“一老一小”有很大的需求，而且很多问题有可能在院外解决。

第三，儿童家长相对年轻，更容易拥抱新技术，甚至有可能在社保之外形成商业模式，由家长购买服务。因此，儿童医疗会成为我们现在整个医疗产业化里推进最快的一部分。

你刚才讲的 3 个点，解释了为什么从儿科开始，先和北京儿童医院合作。第二点，你提到很多问题可以在院外解决，这是你比较看重的一点吗？

是。我们认为未来的医疗是 hospital at home，大量疾病可以在家里解决。不管是早筛、早发现、早诊，还是全病程管理，都不应该全部放在医院里。

大多数健康检测和干预，应该放在家庭场景里。

这对一家商业公司切入这个场景会比较友好吗？

既友好，也代表未来。它是一个增量，而且符合国家政策。国家政策强调强基层，需要把医疗中心往基层、往社区转移。

这既代表政策，也代表未来，同时还是增量，对商业机构也友好。医生每天在医院里很忙，我们在院外做早发现，对医生来说也是友好的。这个逻辑是顺的，不是在医院里和医院竞争。

院外场景还需要真人医生参与吗？还是家长和超级模型就可以？

家长配合超级模型就可以。

你们当时和北京儿童医院宣布合作时，说要推出“一大四小”5 款 AI 医疗产品。现在可以展开讲讲吗？

“一大”其实是超大模型，具体到三四月份发布时，会展开讲这一块。

“四小”是不同场景，包括居家场景、社区场景、市一级医院场景，以及儿童医院自己的场景，所以叫“一大四小”。

以这个例子为例，“四小”里面，有些可以理解为直接 To C、To 家庭的产品，有些则是和机构合作的 To B 产品？

对。遇到复杂问题，就要进医院。所以它既是家里的 AI 医生朋友，也是医生的助手。这个医生会有两个角色。

今年第一季度，我们可能就会看到这些产品的雏形。

这对 AI 来说是非常有价值的应用。

辅助做这些事情，也需要更多医疗资源。比如我们正在做咳嗽音模型，咳嗽一声，就判断你是上呼吸道感染还是下呼吸道感染。

如果是上呼吸道感染，问题不大，在家观察就可以；如果是下呼吸道感染，就需要进医院，需要干预。这就是百川和大家一起做 AI 赋能的地方。

刚才提到你们和儿童医院的合作，它是 To C、To B、To H 的结合。我看到你们最近也和北京市海淀区卫健委、宁波高新区分别有战略合作。可以讲讲你们整体的落地思路吗？

8. Medical AI Finds Its Business Model

从落地角度讲，和政府合作需要做出几个大的贡献。

第一个是儿科，刚才讲到和北京儿童医院的合作；第二个是全科，叫 AI GP，是往基层走的。海淀区是我们的重要试点。

我们现在已经和海淀区整个医疗系统打通，海淀区居民之后都可以获得一个 AI 医生助理。

你说的“之后”，是指 2025 年第一季度吗？

对，所有海淀居民都可以有一个。

海淀居民不需要付费吗？现在是什么形式？

这个还在讨论。但我们认为，这个系统会和你的病历打通。海淀居民在区里的医院看过的病历，会和它连接起来。

我们一直说病历归患者所有，但患者拿不到，拿到一半也不知道怎么用。通过这种深度合作，病历和社区医生之间也可以进行双医模式的互动。

你们在宁波是类似的模式吗？

不一样，每个地方有不同的想法。宁波目前还在签约过程中。其他地方我们也在推进，但现在市场上报道的主要是儿童医院和海淀这两件事，所以先讲这两个。

接下来 To C、To H、To B、To G 的组合里，哪个会是重点？

首先，重点是把医生造出来，也就是超级模型的 AI 医生。

有了超级模型之后，什么行业都可以做；有了超级医生之后，很多事情也都能拿到。所以我们的核心重点是超级医生。

之后，To C、To 医学生教育、To H 医院、To G 政府，我们都会继续推动。

付费方也很多元。有些情况下是政府付费，有些情况下是医院付费？

我觉得未来有 3 个方向。

一个是 G 端。政府有很多基层岗位的费用，比如家庭医生计划、公立医院改革，这些区域性项目会有政府支持。

第二个是 To H，也就是医院。医院最终会走到医保付费这条线里。

现在已经出现了一个很有意思的苗头：AI 医疗服务可以付费，去年 11 月、12 月全国就都可以了。更有意思的是，AI 医疗服务的医保支付，不是在器械目录里，而是在医生服务里，是人工服务的一部分，AI 也属于其中一部分。

目前主要还是影像，刚开始还没有进入更多问诊环节，但一定会变化。我会从第一性原理去思考，政策瓶颈和技术瓶颈最终都会被突破。

第三种是 To C。未来可能会形成多层次商业保险。To C 是每个人单独付费，最终同病种的人联合在一起，形成一种多层次商业保险。

大概就是 3 个方向：基层、医院，以及从个人走向商业保险。

但其中更关键的地方，我觉得未来还是出海。我们的模型不只是在国内提供服务。以前国内做医疗，基本只做国内医疗，但我认为全球化的事情今年就会有进展，我们会尝试在发达国家提供医疗服务。

你之前说过，在中国做 To B 不是一个特别好的生意，中国的 C 端市场比 B 端大 10 倍，但在欧美做 To B 是一个很好的生意。

可是说到医疗出海，大家会马上想到一个问题：医疗涉及居民数据，这件事容易做到吗？

肯定需要本地部署。我们要探索这件事。

我们现在敢去想，是因为我们做的事情不像以前的信息化，只是做一些本土的项目。我们还是要立足技术突破，从全球化的角度来看。

那全球化可能的第一站会是什么地方？

再看吧。我们希望今年之内能有成绩出来。

2025 年可以再聊，等你们有更多进展的时候更新。

刚才说到，中国的 B 端市场可能没有那么好做。后来你是怎么下定决心，还是要有一部分业务从 B 端开始切入的？

其实 2024 年我就已经在考虑 B 端了。我认为医疗是国计民生的事情，不是一个完全靠 C 端就能做完的行业。

遇到重病就得和医院合作。如果只是一个 C 端产品，既不和医院合作，也不和政府合作，最后可用性会有限。毕竟大多数手术和医疗资源都在院内，所以我们必须服务这些医疗机构。

业务特性决定了你们必须这样做。

中国做 To B 的一个难点，是有时会把交付做得很重，消耗团队精力，而且复用程度可能不高，最后做成项目甚至外包。你们怎么避免这一点？

看核心提供什么价值。如果我是招医生，让医生在院内上岗，比如“一大四小”，那么大部分价值点就不在外包上。

部署肯定有一些工作，我只需要招一些 SI 来实现。核心是提供额外的大模型价值。以前更多是变成周边项目实施，这部分还是要包出去。

所以这部分会和合作伙伴来做，你们核心做模型，以及基于模型的 AI 医生产品？

对。

最开始的几个客户也能这样做吗？

一开始可以做得重一些，但头几个客户跑完之后，就可以逐渐往外放。你说得对，前几个客户需要更多 in-house 地完成。

可以透露一下，你们现在同时服务哪些重点客户吗？

北京之外，深圳是我们的重点区域。

深圳在医疗方面很典型。第一，它拥抱创新。上一次医改里的医联体，就是在深圳优先被发明、创造出来的模式。

第二，深圳的人均财富和医疗供给资源不匹配，不像北京，医疗资源相对丰富，除了儿科不够之外，其他方面都比较充足。深圳对 AI 医疗更加拥抱，所以我们在那里也会有很多试点。

大众对你的印象，可能还是你之前做搜狗输入法、搜狗浏览器时的 To C 大产品，而且都是很大的产品。现在这些落地工作，需要和地方政府、医院，以及医学院校沟通，更偏 To B 和 To G。

你开始做这件事之后，推进过程中哪些地方在你的把控之中，哪些地方出乎预料，比较难、比较复杂？

比较好的地方是，相比之前做搜狗，现在政府和医院都很愿意和我们沟通。

做搜狗时，你很难去找市委书记、省长。现在我们有大模型的光环，比较容易和他们进行对话沟通，对方对你也有期待，这比原来预想的好。

所以你做百川这两年多，见过的市委书记和省长比之前多？

对，人数多，级别也高。所以在 To B 沟通里，已经形成了一个从底层往上走的局面。

但复杂的地方是，即使级别很高，落地也有层层目标。你和对口部门沟通，会消耗很多资源。不是省长一句话就结束了，而是从科级、副处级、处级，一层层都要有对应的沟通。

我们的部署不可能同时和所有层级对话，所以一定要跨几层。我可能会和区卫健局局长进行很多沟通，但这还是会带来很大的资源开销。

可以讲一个具体过程吗？大家可能会好奇，AI 怎么真正和这些行业结合、落地？

首先，我认为现在大家对大模型是非常欢迎、非常拥抱的。

比如深圳宝安区，我们做了很多沟通。他们从书记、区长到卫健局领导，每一层都能和我聊，我也都见面，和他们一起共创。

我们能看到，越大的领导，对这件事的理解越深，也越拥抱。往基层走之后，事情就会进入各自的 KPI 考核，相对来说会比较难。

所以我们必须和他们一起改变路径，设计新的考核指标，才能把事情推下去。这中间有难度，不是拿过去之后每个人都欢迎。

你们和一些合作方谈的时候，会遇到竞争对手或者竞标方吗？还是现在还不是招投标逻辑？

一定会招投标，也会碰到和我们一起竞争的公司。但一旦把理念和能力讲清楚，我们拿到的情况是，无一例外，大家都觉得应该选百川。

他们比较认可你们的思路和做法？

对，是理念和做法都认可。

传统方式是把项目做完就走，但我们说，医生来了是上岗，而且要持续运营，最后要对一个区域的绩效产生持续贡献。这种理念和传统项目制是不一样的。

其他投标方是做大模型的公司，还是其他类型的公司？

现在是个公司都叫 AI 公司。

总结一下，2025 年百川在医疗，或者更广泛地说，在医疗和 AI 的结合上，我们会看到哪些变化？刚才你已经剧透了一部分，可以再总结一下吗？

首先，儿科这件事能够跑起来。家长会减少焦虑，也能减少医疗挤兑。很多问题发生在院外，儿科是实现这个理念非常好的优先场景。

其次，我们会在更多地区、更多卫健委推进。领先的卫健委会和我们配合，在区域内实现家庭医生辅助。

家庭医生计划大家都知道，做到今天其实已经很困难。医生的能力和工作都已经非常饱和，忙不过来，但基层还没有得到足够信任。因此在强基层这个环节里，AI 会扮演重要角色。

此外，在一些重大疑难杂症上，AI 可能还会超越人类。

我还想聊一下医疗和你一直在讲的超级模型、超级应用之间的关系。你之前说过，在通往 AGI 的路上，需要超级模型和超级应用双轮驱动，模型和应用要一起做。

在医疗领域做超级模型，它需要的成本、资源，和训练通用超级模型有什么差别？

除了通用模型之外，还多了几件事。

第一，需要更多医疗数据进来，才能比通用模型更懂医疗，这是我们要做的工作。

更远的壁垒在于，AI 医生上岗之后能够成为科研工作者。我们听过“研究型医院”，也经常听到科研、临床并举、做转化，但很多人听完还是不清楚。

简单讲就是“入院即入组”。以前病人在医院治完病就走了；入组意味着每个人进入医院之后，都会有持续的数据观察。他接受的每一次干预、每一次诊断，都要记录下来，而临床上这些数据有时会被丢掉。

如果 AI 医生上岗，就不仅可以实现入院即入组，甚至极端情况下可以做到“出生即入组”。一个人出生之后就有 AI 医生陪伴，就能得到大量数据。

这样就变成 AI for Science，推动生命科学发展。所以是先有 AGI，再有生命科学。

相比现在训练通用模型的公司，这个成本是更低还是更高？

我觉得会更高，但因为有场景、有价值，所以能够覆盖成本。不能按照低 token 价格去做这些事，那样养不活自己。生命健康的价值很高，你服务它的价值也高。

李开复告诉我们，他觉得只有大厂才能烧得起钱去追逐超级大模型。

我会认为，模型这件事可以自己做，也可以借助外部力量。今天是水涨船高，有好的科研模型我们也可以用。如果有超级模型，我就用超级模型。

现在这个阶段是外面有，还是自己做？

我觉得一半一半，都需要。

比如咳嗽音模型，外面现在根本没有，我们就得自己做。通过咳嗽声音判断你的情况，这个需要自己做。

还有人机对话，如果需要流畅、有情商的模型，我们也得自己做。但这不代表你要从 pre-train 开始一步一步全部做完。我们要掌握 pre-train、post-train、强化学习，以及 RAG 能力。

刚才说的是超级模型加超级应用。关于超级应用，我知道你之前定义过，至少要有 3000 万到 1 亿 DAU。

在医疗行业，什么形态的应用有潜力达到这个状态？

如果只帮你做诊断，它是不够的。

中国一年就诊人数是 84 亿人次，平均到每天大概是 2000 多万人。百度每天的健康搜索请求，大概有 5000 万 DAU、4 亿多次。

如果在这里面，我们能做更多慢病管理和长期保健，那就是一个超级应用。

你现在对超级应用的定义没有变，还是至少 3000 万到 1 亿 DAU？

对。

在你的设想里，它可能是什么形态？

C 端大概率是一个医生朋友。他不只是医生，因为人对医生其实有畏惧情绪。你去看医生时，很难和他平等沟通。

如果你有一个医生朋友，会很幸福。你可以随时找他，他会贴心地为你着想，也知道你过去的历史，会从你的角度思考，而不是只从医生免责的角度思考问题。

你看完医生之后，还可以问 AI 医生朋友：这个医生到底靠不靠谱？它可以给你做分析报告。

B 端我们也会做，包括 To B、To H、To G。在医院内，“一大四小”会承担不同职责。现在我们给医生做医生助理，帮助他们做院外随访、院外管理，也就是全病程管理。医生会有自己的助手。

超级应用一定会出现吗？它还是我们现在理解的 App 形式吗？

不一定是 App，但总得有一个 service 能提供服务。叫 service、application，或者 App，都可以，总得给你干点活。

它可能不是大家讨论 AI 时直接想到的手机 App。

或许我们还会做一个大白，陪着你也挺好。物理的大白当然也是应用。

我觉得这里有两种定位。今天大家做具身智能，更多是在做工业机器人，核心能力是 pick up，帮你搬东西，稍微抽象一点也是这个方向。其他公司会做很多这种东西。

我们要做的不是懂物理世界的机器，而是懂人的机器。它能更好地察言观色，知道你到底要什么，知道你的 intention，知道你的健康状况，并且能给你做干预和引导。

所以这和我们是一脉相承的：懂人，懂人的外在表征，也懂你的健康情况。

关于超级应用，还有一种观点，认为会出现一种吃掉一切的 AI 能力，对应的是全功能的超级应用，不会留下垂直场景的创业机会。

比如最近理想也进军 AI，李想发过一个朋友圈，说在 To C 层面，包括 OpenAI 在内，掌握最强模型的企业，不会给其他公司留下多少垂直领域创业机会。

我觉得首先，医疗行业需要很多数据。通用模型里没有这些数据，就做不到。

再聪明的爱因斯坦也不一定会给你看病。他可以教你数学、做各种辅导，但不一定能搞懂医学。医学是下一个时代的东西，不是这个时代的东西。迈向生命之后，会有额外的新范式和数据产生。

我把时代分成几个阶段：智能时代之前是物理时代，也就是科学时代；科学时代是把物理变成数学，智能时代的起点是把语言变成数学；再往下是共生时代，人机共存时，是把生命变成数学。

未来的尽头，一个方向是生命科学，另一个方向是具身智能。生命科学和具身智能，不是今天的 AI 能完全覆盖的两件事情。

我觉得他讲的可能更多是 To C 软件层面，这只是他的一种观点。

你之前说过，大模型创业要走出大厂的射程，但也说过医疗是你看到的 AI 几乎唯一的场景，只是没有那么多人相信。万一大厂也相信了这句话，跑来做医疗呢？

现在至少能看到，腾讯和百度还在减少这块投入，大厂的主要精力都不在这里。

医疗对创新要求很高，资源投入也不小。对小公司而言，资源开销确实太大；对大厂而言，创新度很高，但又不在当前优先级里。

你怎么看蚂蚁集团前不久收购好大夫在线？他们也说要共同聚焦医疗 AI 服务。

蚂蚁本身就在认真做医疗。它之前从支付环境往院内走，在医疗支付、医院服务等方面都在推进。

好大夫在线更像是一个战略驱动的做法。对大厂来说，我的判断是，它们有完整的战略部署，战略都是基于既定可行性来做的，不会冒我们认为的那种 AI 风险。

它的发力点和创新点，可能在支付环节和商业模式设计里，而不是 AI 突破里。

这还是更偏向你之前说的“改变生产关系”，让医生接触到更多人，而不是改变医生供给的方向。

对，它不是从改变医生供给的角度出发。

接下来想讨论一下你对 AI 技术进展的观察，以及对智能本身的一些想法。

你刚才提到，一个是以语言为重轴，另一个是强化学习的重要性。你们这次的 M-1 同时强调语言推理、视觉推理和搜索推理。你认为视觉多模态的重要性上升了吗？

9. Language Remains the Intelligence Axis

我觉得视觉还是用来做交互。如果医生和病人之间要产生交互能力，我觉得视觉不代表智力，而代表人与人沟通的能力。

所以 M-1 里更重要的，还是智力核心，也就是推理部分。

现在大家做模型，加多模态往往是在现有模型上再加一层，并不是在技术上开辟新赛道。你觉得 O1 在技术上开辟新赛道，对你主要的意义和启发是什么？

它是从快思考走向慢思考。

语言代表我们的沟通、知识和思考，但以前的思考是快思考，语言是不完整的。今天从快思考走向慢思考，依然是通过语言来做推理。

这继续验证了语言的强大威力，同时也走出了原来快思考的范式。强化学习，就是用语言承载后面的慢思考。

强化学习和医疗结合，会比强化学习做数学、编程更难吗？

我理解强化学习的关键，是构造一个反馈环境。数学、编程，以及 AlphaGo 下围棋，都是对错分明、激励反馈明确的环境，看起来更容易使用强化学习。

如果在医疗领域使用强化学习，会有什么不同？你们看到的难点和创新是什么？

医疗的思维模式，和数学、物理不完全一样。

数学、物理做好推理之后，能形成一套思考范式，这对医疗也有帮助。但不是所有公司做的强化学习，都能对医疗范式产生帮助。

第二，医疗问题本身的理解、医疗任务是什么，以及医疗沟通逻辑，都需要单独调教。

这主要靠医疗数据来调教吗？

靠医疗数据，也靠对医疗任务本身的认知。你要知道什么叫鉴别诊断，什么叫诊断，必须知道它到底是什么。

模型怎么得到这些认知？是通过具体技术方法，还是通过构造数据？你们在医疗场景里的优质数据，一般怎么获得？

首先是和医院协同合作。还有一些医学任务，比如新英格兰每期都会有医疗任务，我们也会拿过来。

医院里面也会有大量数据。

你们现在合作的对象，比如北京儿童医院，他们的数据可以分享给你们吗？

和我们共建的北京市重点实验室可以共享。数据是共享给实验室这个主体，我们可以使用这些数据开展工作。

这是不是意味着，服务的客户越多，数据越多，再反哺模型，形成数据飞轮？

主要还是和优势科室合作。做 pre-train 时需要较大的数据规模，但金标准还是顶尖医院。不是一个城市医院把数据都给你，就一定能提供很大帮助。

那你觉得这个领域有数据飞轮吗？比如大模型和医疗结合，之前闫俊杰认为，C 端产品里，一个好的模型会带来更好的应用，但应用用户数变多，不会自动让模型变好。豆包更新 1.5 Pro 时又说，基于字节过去在搜索、推荐领域的算法基础和数据系统，存在数据飞轮。

多少都会有一些，但我现在还没办法抽象地回答这个问题。我还没有想好怎么定义这个飞轮，也没有想好它具体在哪个维度上形成飞轮。

你认为智能主轴是语言。沿着语言往下发展，下一阶段的趋势可能是什么？

再往下强化之后，未来有两件重要的事。

一部分是调用工具、使用工具。Anthropic 的 Computer Use，以及 OpenAI 刚刚发布的 Operator，都是一个方向。这是调用工具。

再往下，是能够制造工具。我认为写代码是制造工具的一种很好范式。以前写代码是给工程师使用的，以后模型写完代码自己运行，也就是自己制造一个工具、自己使用。

使用工具和制造工具，我理解是两个功能。它们背后需要什么技术变化？

本质上还是能力变强。使用工具，需要和外部环境进行很多互动。

制造工具是特别性感的一件事，有可能成为强化学习之后一次大的范式迁移。

O1 发布时大家很震撼。我的判断是，第一段是语言模型，也就是 LLM；第三段是创造工具。

制造工具需要很大的智力。马克思最早讲人和动物的区别，一个是语言，一个是工具。人类直立行走，解放了双手，开始使用工具，后来又有了语言。

你刚才提到语言、工具，我想讨论一个问题。你在视频里总结说，视频里没有智力。

杨立昆提到，人和动物无时无刻不在通过视觉和其他感官获得大量信息。一个 4 岁小孩在 4 年内接受到的视觉数据量，和目前最好的大语言模型获得的互联网数据量相当。

你怎么看这种想法？他认为，LLM 仅通过文本训练，无法像人或动物那样理解物理世界的复杂性。

人也没有真正理解那么多。

但人可能把这些东西抽象成了生存本能。

那是生存问题，我们现在讨论的是智力问题。

所以你觉得，这和“视频里没有智力”并不矛盾？

也许会有新的模型从视频里训练数据。但有两点。

第一，我依然认为语言是中轴。有人说语言是拐棍，意思是以后不需要语言，语言用完就扔掉。我觉得这是搞错了。

直接拿视觉或图像去训练，是走偏了。有人讨论世界模型时也这么说，但我和美国一些人交流时，他们把语言当作拐棍，而我认为语言不是用完就应该扔掉的东西。

这是你在线下和人面对面讨论时发生的吗？

是在线上小圈子里的讨论。

我的底线是，语言至少是脚手架。整个模式会受到语言限制。我相信，语言边界就接近你的世界边界。

关于感知和语言，人工智能领域还有一个叫莫拉维克悖论的洞察：对人来说比较困难的任务，比如抽象推理、数学计算，对计算机可能很简单；但对人来说看起来很简单的感知、运动控制和直觉，对计算机却非常难。

莫拉维克悖论，这是因为感知和运动控制是人类经过几百万年进化才获得的能力，而语言可能只是最近 2 万年、成为人之后才进化出的高级认知，数学和逻辑也属于后者。后者更容易被形式化，我们可能低估了感知、运动控制和直觉的复杂性。

机器以前语言掌握得不好，并不代表机器会语言但不会感知。在大模型出现之前，机器最开始做的是一些比较确定的计算，它既不会语言，也不会感知。

这次是语言先突破了，就是把语言数学化了。大家一直低估了这一点。

你和一些投入很多力量做视频生成、多模态的公司交流时，比如阶跃星辰、MiniMax，以及专门做视频的 Runway，你说“视频里没有智力”，他们有什么反馈？

他们不一定能理解。

一种反馈是，他们觉得为什么要问这个问题？我做视频，做视频模型；你做语言模型。各做各的，各有各的世界。

第二种反馈是，认为多模态有用。后来甚至有人像张鹏一样，把“智力”和“智能”分成两个词：智力是语言，智能是加上多模态。

英文里都是 intelligence。

对，中文比较博大精深，在中文里确实不一样。这个问题有各种讨论和解释。

但我对“语言是主轴”的想法越来越坚定。不只是我这么认为，杨植麟现在也这么说。

杨植麟确实改口了。他以前提到过 GLM，General Language Model。那是什么时候？

是创业时给投资人讲的。

我们 2024 年 6 月和杨植麟聊过一次。他当时有一个表达，和你后来在其他采访里说的很像：做语言是“长个儿”，后来他也用了这个词。

他后来强调统一、融合，把多模态当成他的技术理想。他觉得多模态可能是扩展能力，有点像“长胖”，是横向的东西。

现在他也用“中轴”这个词了。

从我们刚才讲的技术和应用状态，到真的出现 AGI 医生，你觉得中间还要跨过哪些节点，达到哪些里程碑？

我会认为它和 AGI 是同步的。如果有人说 2027 年到达 AGI，那 AGI 医生也会在这个时间点附近。这是同一件事。

那是奥特曼的判断。你觉得是什么时候？

部分能力不要等到那么晚。比如手术机器人医生，我们现在可能还没有碰。但如果医院里的医生朋友能够回答一些复杂问题，今年，也就是 2025 年，就会到来。

它能看出什么类型的问题？

挺复杂的，医疗问题都能看，疑难杂症、罕见病分类等。

我本来想问，AGI 再往后发展，谁来做手术？你刚才提到可能会有手术机器人。

手术机器人只是一个阶段。以后人都变成机器了，也不需要手术机器人了。

你说的人变成机器，是指人机一体化吗？

对，那就是《攻壳机动队》的未来。

你都已经想到这一步了。我创业第一封信就已经讲完了，未来的历史都写完了：AGI 帮助我们繁荣和延续人类文明。

那人机一体化之后，还是人类文明吗？

为什么不是？人机一体化之后，还是不是人类文明，你怎么区别？

我们说延续人类文明，而不是延续人类肉体。文明是对世界的一种认知：我是谁，我要去哪儿，以及对世界的认知。

肉体失去之后，感官层面的文明还在吗？比如机器能理解音乐之美吗？音乐的情绪对机器有意义吗？

你会丢掉一些东西，也会获得一些新东西。一艘船一直在变化，世界肯定会发生巨大变化。

到今天为止，我相信 99% 的人都低估了这个时代的变化。

我当时创业时还讲第四次工业革命。工业革命是社会分工越来越细的历史，人变成螺丝钉，社会开始分工。就像费孝通讲的，社会分工带来效率。

但这一次不是这样。这次社会分工会收缩，很多工种会消失。它不是反工业革命，而是另一种变化。

最后想聊一些你自己的事情，以及对行业的观察。

你在搜狗时管理过 2000 多人的团队，现在创业，是从零到一搭建一个几百人的团队。

10. The Founder Rebuilds Baichuan

上一次可以定义为半创业，这一次是完全自己创业。

你觉得两者最大的区别是什么？

非常不一样，时代也不一样。

第一个区别是，上次是在一个母体里面做，这次是完全独立的，自己定义公司要长成什么样子。

上次做事是从一个小技术团队开始。比如做搜索，招的是清华的集训队成员，或者高考状元，目标很简单。

这次迅速变成几百人的团队，人员目标比原来更加分散，也更加复杂。

上次做的时候，是跟在百度后面，也很累。这一次，是在浪尖上做事情，而且做的是一个很独特、面向未来的事情。

你觉得自己最大的变化是什么？

事情不一样了，自己的经验也不一样。

综合来看，上次只是相信技术能够改变世界，找一批技术精英来做。这一次看得更全面了，因为对技术趋势更有经验，尤其对产业方向有了完整思考，对资本也有了思考。

所以思考角度和原来有巨大不同，经验也不一样了。

回头看，你们在那个时间点开始做搜索，是不是有点不自量力？

可以这么说，但当时没有这个概念。你觉得技术好就能做成。

这么多年之后，我对技术、商业和综合判断有了更多理解。

你觉得这次创业会比之前在搜狗时更难吗？你之前说过，在搜狗中间有 18 个月，因为特别想做浏览器，但张朝阳不同意，有一段时间没有让你继续做 CEO。你当时称之为至暗时刻。这次的难点会不一样吗？

创新本来就难。你做的是大家没做过的事情，要让大家相信它。

以前是让老板相信，这次要让员工相信，也要让外部合作伙伴、投资人相信。

你想过百川的终局会是什么样吗？

首先，希望能够把医生造出来，让大家都有好医生可用。这是在解决一个不可能三角。如果能做到，这是对世界的贡献，比做一个书法应用大得多。

第二，进一步开辟新的医学科研范式。有了足够多的临床数据之后，也能推动临床医学本身进步。

这两件事如果做到，百川在历史上就有意义了。

你之前卖过一次公司，这会让你在这次创业里觉得被收购也是一种选项，还是觉得这不应该是一种选项？

关键是把事情做成。能不能把医生造出来，这是核心问题。更多不是为了证明自己，而是这件事能不能成。

你在搜狗时，是想证明自己吗？

年轻时会有这种心态。你会觉得自己很牛，自己的工厂也很牛，所以会把自己的能力看得很重。

那为什么当时 18 个月没有选择出来创业？你觉得如果要出来创业，不应该是在那种状态下吗？

你觉得该做的事情就去做。当时我觉得应该把搜索通过浏览器做起来，就是要证明这是对的。

现在也没有太大区别，就是让该发生的事情发生。

这次创业，你会有比较强的执着，要把它一直做下去吗？

正好相反。因为只要这件事能成就行了。

这可以说是“功成不必在我”吗？

对，但你需要和投资人交代。不能只是说造医生这个概念很好，最后别人做成了、你没做成，然后说功成不必在我。

百川在这个领域是有位置的，也有责任。

这两年多，你对打造一个组织有什么新的认知？相比之前的经历，有哪些变化？

我觉得还是需要更多年轻人来做新的事情。

以前收购早期，团队非常年轻，很多人甚至没有读完书。这次团队比那时候年长太多，我觉得应该再靠近年轻人一些。

多年轻算年轻？

毕业 2 年、3 年，甚至更年轻，实习生也可以。技术团队可以这样，但医疗行业可能还是需要经验丰富的人。

你觉得现在技术团队够年轻化吗？

还不够。

你是 2023 年就有这个想法，还是到 2024 年才更明显？

2023 年是跑步入场，那时需要很快把团队搭起来。到了现在，我更觉得年轻化有用，因为阶段不一样了。

吸引年轻、高潜的技术人才，关键是什么？

首先是挑战性的任务。这种任务其实不容易获得。

团队变大之后，很多事情就不再属于挑战范围，而是按部就班地完成既定目标。

第二是气味相投。领导和团队成员是同一种风格，更容易互相学习。

最近有什么成功案例可以讲讲吗？

最近主要精力都在医疗人才上，进展挺快。我们的医学部总监已经到岗。

这位医学部总监之前的从医背景是怎样的？

他是清华、协和联合培养 8 年，考进清华后和协和联合培养，后来又拿到了约翰·霍普金斯大学的硕士学位。

他先接受了医学博士训练，也有公共卫生背景。之后在协和做了 6 年大内科。做完大内科之后，他觉得还可以做得更好，后来去了杏树林，成为联合创始人。

他既有完整、正统的医学训练，也足够聪明；在协和做了 6 年，之后又直接面向患者提供服务。其实他此前承担的是造人类医生、培养人类医生的职责，现在觉得培养 AI 医生更有前途。

之前我见过一些面试过百川、但最后没有选择加入的人。他们反馈说，百川搜狗系的人太多了。实际情况是这样吗？

这要看你怎么体会。这句话的信息量特别不完整。什么叫多？5% 算多，10% 算多，还是 20% 算多？

我觉得这里确实需要各种新鲜血液。至少我希望搜狗人不要比清华人多。

按学校算，很多公司里同一所学校的人占比也会很高。

之前猎豹上市后，傅盛有一次和你、58 同城的姚劲波一起吃饭。你问傅盛，上市后是什么感受。他说，只要在他的雷达范围内，没有人离开。姚劲波说，上市后公司原来那批总监都走完了。你的反馈是，“这是好事”。

所以你觉得团队需要更多变化，是一件好事吗？

因为时代变化太快，尤其在调整阶段，就需要变化。这和人一样，外界发生变化时，你必须有响应能力。

你之前说过，AI 应用的价值是创造、健康、快乐。如果也用这 3 个维度评价你的 2024 年，你觉得创造了什么？健康吗？快乐吗？

我们现在造医生还在路上，我比较喜悦。

儿童医生这块开始准备上岗了。经过一年的研发和探索，医疗领域至少在卡位和产品上，都出现了初步迹象，这是好事。

公司还需要不断迭代和调整。我们一开始冲得很快，从模型转向医疗。在应用上，我依然觉得团队需要更加结果导向。

大家不能只是对技术兴奋，技术理想没有问题，但确实有一部分人只有技术理想，对场景没有想法，这还不够。

这是你说的创造部分。那健康呢？

我说的创造、健康、快乐，是模型对外提供服务的 3 个方向。

刚才你说的是公司的健康？

原来我就是这么想的：模型让人更有创造力。因为有了模型，人可以变成更强大的自己，这是回到人生意义的一部分——你能够改变世界。

如果一个人存在与否，对这个世界都一样，那就没有生存意义了。

我想到电影《寻梦环游记》，墨西哥亡灵节的典故：还有人记得你，你就真的存在。

有些人可以永垂不朽，比如牛顿。创造是因为这个世界上诞生了不一样的东西。我觉得创造是生命的核心逻辑。创造一个公式，创造一个产品，都叫创造。

健康比较容易理解。快乐则是人既有现实、真实的一部分，也有虚拟世界里对自己的需求。有些人的快乐来自创造，有些人的快乐来自玩游戏。

创业提升了你的健康和快乐程度吗？

两个都没有。

身体健康程度明显没有提升。快乐的话，我觉得是更看清自己。这不叫快乐，但通过这次创业，我修补了对“我是谁”的理解。

你说“修补对我是谁的理解”，可以展开讲讲吗？

以前做搜狗时，虽然我是搜狗 CEO，但人在局中，很多东西看不清楚。

现在对“我是谁”的新理解是，我对自己的 vision 非常有信心。这次做的事情，是我自己喜悦的事情，走向生命健康。

第二，这个时代给了非常好的机会。从互联网时代进入大模型时代，我觉得自己很幸运。

我记得刚开始做模型没多久，大概 2023 年，曾经发生过一次超导实现的乌龙。当时我整个人都比较蒙，因为你很难想象室温超导被发现之后世界是什么样。

你可以看很多报道，说能源无限了，世界会发生各种变化。但你内心会发现，自己是一个非常被动的角色。假如超导被发现，你就像提线木偶，只能听别人描述世界会怎样变化，却不知道自己会处在什么位置。

我能理解 AI 到来之后，很多人的感受。AI 来了，你会听到这个变化、那个变化，但不知道自己在里面处于什么位置。

超导是乌龙，但 AI 真的来了。所以在这个过程中，你能够更多地看见未来，而且参与其中、进行创造，这是非常幸运的事情。

AI 这个大浪潮和你有非常切身的关系，你觉得这是一种幸运？

很幸运。而且以前没有做完的事情，现在可以继续做。

其实以前也做过很多相关事情。在搜狗做过数字人、机器翻译，也研发过耳机和录音翻译笔。未来翻译笔可能会真正实现语言翻译，但当时这些事情都还偏早。

那都是在语言上做探索，或者在自然交互上做探索。现在这个时代真的来了，过去对未来的畅想，正在变成现实。

2024 年有很多质疑 AI 的声音。这影响了你对 AI 未来的乐观判断吗？

2024 年，行业里开始出现迷失。大家会觉得，大模型一开始挺好，但到底能不能行，能不能代表未来？

有几个质疑比较多的点。一个是 9 月、10 月大家集中讨论 scaling law 撞墙。另一个是投流，和大厂在一个领域里直接竞争、烧钱。

这是技术竞争问题。

Scaling law 撞墙是早晚的事。数据就那么多，规模继续扩大有什么用？这不符合第一性原理。强化学习才是未来，我当时已经有这个判断。

所以，单纯把模型做大的人不是赢家。

你听到的主要是对赛道的质疑，而不是对 scaling law 的质疑？

对。Scaling law 很容易解释，范式会变化，会把强化学习带进来。

你说的赛道质疑，是大模型赛道整体有没有未来，是否代表 AGI，还是最后发现这是全世界的泡沫。这件事我从来没有质疑过。

行业有质疑，但我自己没有质疑过。

第二个问题是场景怎么用。质疑可能是，大模型也许能成功，但创业公司怎么办？比如豆包起来之后怎么办？所以我还是要走出大厂的射程。这些都在之前的判断里。

你说的这些话，都是在这些讨论出现之前就说过的。

如果有一天真的实现 AI 医生，除了看医生更便捷之外，你觉得还会带来哪些更广泛的变化？

11. Biological Freedom Redefines Health

David 提过一个词，我觉得特别性感，叫“生物自由”。

生物自由类似财务自由，是你的身体获得自由，不再被疾病困扰。

它具体指什么？比如时间自由、健康自由？但不是长生，对吗？

对，不是长生。

你希望长生吗？

不希望。

为什么？

首先，活得太久对世界是有害的。这是从其他人的角度来思考。

对自己而言，把使命完成之后就够了，不需要继续活下去。否则肯定会变成垃圾时间。

我问会带来哪些更大变化，是因为医疗很多问题其实和社会其他问题纠缠在一起。

比如在美国，医疗保险就是严重的社会问题。路易吉·曼焦里枪杀了联合健康保险的 CEO。这样的矛盾，会不会因为 AI 医生而得到一些缓解？

会。我觉得这是好事，人的生老病死所带来的痛苦可以减少。

首先是少生病，也就是早发现。现在更多还是疾病干预，但未来会走向健康。

刚才说的从“入院即入组”走向“出生即入组”，能够让我们对健康获得新的认知。

你说“出生即入组”，是指每一个普通人吗？

对。每个人的整个健康轨迹都会被记录，也会成为训练模型的一部分。

未来每个普通人有多大意愿让渡这些数据？

如果有医生问你问题，你会不回答吗？

有医生问我，我会知无不言，言无不尽。

对。没时间讲清楚时，可能会更谨慎，但简单来说，很多人现在有皮肤病或性病，也愿意在线上咨询。

相比去见一个真人医生，大家可能更愿意在线上问 AI。

你觉得接下来 AI 医生能在多大程度上帮助解决人的精神空间问题？现在精神疾病也是一个重要问题。

神经问题会容易一些，精神问题会难一点。心理、精神、神经，是不同的东西。

精神问题有两部分：一部分是病理性的，另一部分只是抑郁情绪。抑郁情绪这类问题，我们会努力做一些识别工作。它更多是社会层面的识别，不是用大模型来做，我们会用其他技术实现。

除了医疗，你还关注 AI 和哪些领域的结合？我看你也发过朋友圈，分享 AI 在天气预报上的进展。

因为以前我们的实验室就做天气预报。天气预报启发了我，让我认识到生命和天气是不一样的。

实验室是在清华读书时的实验室？

对，高性能计算所。那个实验室做天气预报，我做的是基因测序相关的研究。

是因为你特立独行，还是因为实验室也有和基因测序相关的方向？

我和老板说，我不想做天气预报。天气预报有蝴蝶效应，有什么好研究的？它是不可预测的东西，为什么要预测它？

就像物理学走向熵增，为什么非要和它死磕？

以现在的技术，天气预报还是不可预测吗？还是已经有改善？

短时间会好很多，长期还是不太行。三体问题就代表了很多东西不可解。

一方面 AI 技术快速发展，另一方面特朗普退出《巴黎气候协定》。你觉得只靠技术变革，世界会变得更好吗？

肯定有局限。技术一定是不够的。

我想讨论这个问题，是因为你不是纯理工科思维。你过去也关注哲学、人文，想这些问题会让你变得更悲观吗？

不会。想得多，就更理解世界。朝闻道，夕死可矣。想明白之后，怎么会不开心？你会和天地合为一体，得到一种方法。

你怎么看未来？在这个技术大爆炸的时代，未来会怎么到来？

变化这么快，你要听哪个版本？

我想听真实的版本。

没有所谓真实的版本，只有可讲和不可讲的版本。

那先讲可讲的版本。可讲的也是真实的吗？

当然是真的。

最近几年，人类社会会发生天翻地覆的变化。我不把它叫第四次工业革命，而是重新定义人与机器的关系。

我们出生之后应该怎么学习，创造什么价值，未来会出现太多现在还想不清楚的问题。未来 10 年以内，我们都会看到这些变化。

坦白说，有些事情现在就是看不清楚。

你怎么看工业革命？工业革命之后，有些地方相对来说变得更加贫穷。

工业革命第一个结果是形成了大金字塔：顶层更富，下面更穷。社会分工越细，人越多，越会变成金字塔结构。

大模型时代之后，我希望能够把这个世界压平一些。

你觉得大模型会让世界变得更平吗？

这是一个期待，和 David 讲的一样。他提出了 3 个期待：第一，身体更健康；第二，脑科学发展，让精神世界更好；第三，有可能实现社会公平，让大多数人过得更好。

工业革命很复杂。一些社会因为工业革命变得更公平，但从全球范围看，比如撒哈拉以南非洲，有些地方的贫困程度反而恶化了。

这一次，社会供给会爆发性增加，工业革命延续下来的供给会增加，但人的价值如何体现，是一个还没有想通的问题。

前不久你在戴雨森的朋友圈下评论，说韩炳哲和李世石是这个世界的两个主旋律。怎么理解？

一个讲政治，一个讲技术。

这在美国也成立吗？奥特曼最近还给特朗普捐了 100 万美元。

韩炳哲不太一样，它是一种制度；对我们来说，是一种信仰。

2025 年你最期待看到什么事情发生？可以讲一个和 AI 有关的，再讲一个不一定和 AI 有关的。

和 AI 有关的，我最想知道医疗到底能解锁多少场景，大家能不能真正用上。这可能是我最感兴趣的事情。

和 AI 无关的，就看特朗普怎么折腾。这是一件很有趣的事。

每天都会发生很多事情。我是特朗普的超级粉丝，所以我觉得我们这一代人非常幸运，也可能非常恐慌。

很多人问我到底应该怎么养孩子，很多问题我也回答不了。但我们能看到变化，而变化会带来希望。

好，今天谢谢小川总的时间。

谢谢，拜拜。