无论是评估数据，还是多任务医疗场景，医渡科技模型都给出了满意的答案。
食用油大型医疗模型赛道，迎来了40余款产品。 随着参会人数的众多和申请流程的深入，对行业深度理解和专业服务能力的考验才真正开始。
12月21日，在北京寒冬之际，医渡科技发布了自主研发的医疗模型，试图用模型的力量，助力医疗领域的生产力飞跃，为医疗领域增添一些温暖。 深耕医疗大数据近十年，深耕公司基因的专业知识和数据优势，让这位选手在进入该领域之前就被寄予厚望。
医渡科技CTO兼首席人工智能科学家闫军发布了医渡科技大模型。
我们之所以选择这个节点发布，是因为我们必须经过前期验证，在B端和C端的商业化方面已经取得了一些进展，真正验证了大模型的价值。 对于翼渡科技自研大模型等待已久的原因，翼渡科技CTO兼首席人工智能科学家闫军解释道。
在当天发布的大模型中，他出场的前5分钟就提到了10次“价值”二字，价值创造是贯穿整个亿渡科技大模型的导向。 就像闫军办公室里挂着一对书法：真正改变医疗的，一定是慈悲，它的眼神一定是敬畏的，它的路径一定是时间。
闫军办公室里悬挂的书法，蕴含着企业长期主义的价值观。
在当今社会，许多技术都要经历从风景到过去的黄花一样的命运。 经过大量的用户调研和评估，医渡科技选择开发自己的医疗垂直模式，与华为合作开展全方位的生态合作。
作为国内首家面向医疗垂直领域多场景的专业大语言模型，医度科技医疗垂直模型如何打牌？如何着陆？
大模型带来的医疗转型和融合令人振奋。
一个典型的案例是，美国患者亚历克斯，已经痛苦了三年，在不同科室看过17位医生，但始终无法找到**。 沮丧的母亲，试图向chatgpt寻求帮助。 令人惊讶的是，在输入Alex的症状详情和MRI检查报告后，ChatGPT立即给出了“脊髓栓系综合征”的可能性，后来得到了证实。
今年 6 月 15 日发表在《美国医学会杂志》（JAMA）上的一篇文章指出，生成式 AI GPT-4 在近 40% 的时间内选择正确的诊断作为其主要诊断，并在三分之二具有挑战性的病例中提供正确的潜在诊断。
*第一作者、哈佛医学院医学助理教授Zahir Kanjee表示，虽然聊天机器人还不能取代训练有素的医疗专业人员的专业知识，但生成式人工智能是人类诊断认知的一个有前途的潜在辅助工具。 它有可能帮助医生理解复杂的医疗数据，拓宽或改善我们的诊断思维。
大模型不仅给医疗领域带来冲击，也为未来医疗资源的转化整合带来了无限可能，在生命科学、医疗服务、医院管理等领域展现出惊人的潜力。
目前，国内医疗垂直大模式超过40家，各有各的特色产品开发，聚焦医疗服务、患者服务、运营管理、中医、药物、临床研究、公共卫生、智慧医保和健康管理等，其广泛的普及和应用正在稳步推进。
回到大模型的本质，尽管成本沉重，但大家还是非常愿意投入的，那就是大模型是一个多任务引擎，可以解决很多问题，有些潜力连开发者都暂时不知道。 闫军分析道单纯解决一个或多个应用场景，永远无法满足医院的需求，也无法实现大模型的价值，真正的价值实现应该是给医院足够的创新空间，而不是开发者解决所有问题。
两者看似都解决了医院的需求，但本质和路径上的差异决定了究竟是AIGC时代，还是人工智能赋能的定制化发展。 “这是两个完全不同的概念。 “他补充道。
医疗资源分布不均，医疗需求快速增长，使医疗模式成为未来黄金之地。 据尧智库**预测，2023-2024年将是医疗健康AI大模型集中爆发的阶段，市场规模将达到70亿元。
与一般的大模型不同，医疗垂直领域的大模型在数据集、领域知识、模型结构等方面对专业性和深度都有要求，这极大地考验了参赛者对垂直领域的理解是否足够深入。
只有形成算力、算法、数据、场景的闭环，才能推动大模型技术的全面可持续发展。 闫军指出，之所以叫闭环，是因为只要四个关键环节中有一个不好，整个大模型的性能就会受到影响。
也就是说，在这场“百模大战”中，算力、算法、数据、场景的差异，使得医疗垂直模式难以形成真正的差异。
在算力方面，易渡科技自建A100集群计算中心，拥有多个计算云资源合作伙伴，并与华为深度合作，是医疗领域首个完全兼容昇腾AI的大型模型。
数据一直是医渡科技的优势。 深耕医疗智能领域近10年，“医疗智能大脑”一度科已获授权处理分析超过40亿份病历，沉淀出大量多维度可量化的知识图谱。 基于自主研发的数据生成技术，他们将这些知识图谱应用于大模型训练。 “近10年的积累和沉淀，筑牢了医都科技模式的核心壁垒。 闫军说。
在算法层面，易渡科技很早就组建了一支专注于人工智能和医疗人才的专业大模型团队，拥有从硬件联网到训练微调推理的完整技术能力。
在应用场景层面，医渡科技强调应用技术解决实际痛点和需求，基于以往实践经验对医疗场景的理解，聚焦医院、大数据平台业务、保险、慢病管理和生物制药临床试验服务，真正围绕用户痛点开展大语言模型的研发。
在医疗卫生领域，不乏场景，但场景太多，但每个场景是否有实际应用，还需要验证。 闫军指出，经过高度简洁的抽象总结，医疗垂直模型主要帮助解决两个问题：一是提高现有工作场景的质量和效率，二是提供创造新场景的可能性，让听到炮声的人可以呼唤炮火，构建场景延伸的可能性。
医渡科技将其大模型定位为新一代“医疗超级大脑”，为医疗健康行业各类应用场景提供易用、高品质、可定制的强力支撑。 医渡科技基于领先的大规模模型技术，对数据治理、医院管理、临床研究、临床诊疗等多个场景的原有解决方案进行革新升级，加速大规模模型的拥抱。
如何释放潜能并付诸实践，让更多用户受益？目前，对于C端用户，易渡科技模式提供专业级的个性化服务，通过多轮“咨询”收集足够的决策因素后，才会给出更严谨的答案。 江苏省惠民保险“江苏医疗汇宝1号”率先接入易渡科技模式，将承担其7*24小时全天候健康管理服务。
在B端，医渡技术模型不仅可以利用强大的专业能力，帮助提升“医、教、研、管”等各个环节的质量和效率，还可以在训练好的医都技术模型的基础上，根据需求进行培训，让医疗行业的每一位工作者都能轻松构建自己的应用。
跨越层层门槛，为医疗场景创造真正价值，是大模型的意义所在。 目前，医渡科技的医疗模型在分指导、基础医学、全科医学、临床内科、临床外科、执业资格考试等多个医疗明确任务场景的评价表现已超过GPT35、性能极为抢眼。
从大模型常见的评价指标准确率和召回率来看，易渡科技的医学模型在数据结构化任务方面远高于同参数的大模型。
宜都科技大模型对比评价.
无论是评估数据，还是多任务医疗场景，医渡科技模型都给出了满意的答案。 这种以价值创造为导向的决心，也吸引了国内多家排名前20的三甲医院。 他们打开了医院的大门，并借助大型模型的力量为其提供了医学研究、临床辅助和数据治理等多种场景。
我们的业务是按照技术逻辑的整体闭环逻辑来布局的。 闫军分析，从大数据平台-大模型-商业落地场景来看，不仅赋能用户，还对大模型进行逆向迭代，持续驱动该业务的闭环运营。 他们用大模型重构现有产品和解决方案，同时不断创新探索大模型的应用，从而推动整个医疗生态圈的升级和进步。
目前，应用落地已成为医疗模型竞争的关键，但医疗领域始终被安全性、准确性等高墙所阻挡。
在医疗场景中，容错能力极低，医疗模型需要提供高度、专业、准确的建议其次，医疗数据的多模态性，由于海量医疗大数据在各种场景下的分散性，难以达到大模型涌现的效果最后，医疗模型主要服务于B端和G端，需要为决策提供准确的判断和支持。
医渡科技与华为签署合作协议。
如何应对挑战并实现商业价值最大化？宜都科技选择与实力雄厚的战者华为携手合作，双方利用各自在技术和医疗方面的优势，拥抱合作和互联互通，通过生态共建实现共赢。
今年，他们正式启动了医疗大模型的联合创新。 基于昇腾AI硬件，双方共同打造了B端训练推送一体化解决方案，内置了基于1000亿个精细化训练代币的基础模型，为数据管理、模型管理、训练管理、评估管理、应用管理提供了完整的工具链。
回到真实的医疗现场，落地部署成为每个玩家都必须跨越的“障碍赛”。 医渡科技与华为联合推出的软硬件一体化解决方案，可由医院根据自身需求进行采购，以解决大规模模型落地的“最后一公里”问题。
到目前为止，亿渡科技解决方案已经实现了从硬件层、工具层、模型层、能力层到应用层的自主可控。 在保证数据安全的前提下，医疗客户可以以相对较低的成本快速发挥院内数据的价值，利用大模型技术构建院内专属大模型和创新医疗服务。
医院私有数据的整个过程是自主的，从预训练和微调到知识访问和在线推理，所有这些都在没有外部网络的环境中完成。 闫军指出，一体化解决方案专为医院场景下的简化操作而设计，无需深入的编程经验即可流畅使用。 医疗发展需要多样性，希望每个医疗机构都能有自己的大模式，让医疗多样性和创新呈现出更加蓬勃的发展态势。
科技部高新技术司原副司长、一级巡视员梅建平高度评价医渡科技与华为的强强联合，认为这将有利于中国自主技术生态的形成和发展。
从今年年初开始，大模型从年初到年底，面对目前竞争对手一直在打赌，基于研发和资源，凭借深入的行业认知、一体化建设能力、成功案例积累的厂商将更快得到认可， 从而占据用户的心智。
流水不争先，但竞争无止境。