真正的顛覆式創(chuàng)新，不只是技術(shù)上的顛覆。

作者｜劉楊楠

編輯｜栗子

1月22日，北京賽爾大廈。在距離Baichuan-M3模型發(fā)布僅僅九天后，百川智能創(chuàng)始人、CEO王小川再次坐到了媒體面前。

這一次，百川帶來了新一代模型Baichuan-M3 Plus，其在嚴(yán)肅醫(yī)療場景下的問答準(zhǔn)確性、可靠性，再次刷新了M3所創(chuàng)下的世界紀(jì)錄。

憑借百川獨(dú)創(chuàng)的六源循證技術(shù)與M3基座結(jié)合，M3 Plus將幻覺率降低至2.6%，低于Open Evidence。

同時(shí)，百川首創(chuàng)“證據(jù)錨定”技術(shù)，不僅給出引文來源，還能將模型生成的每一句醫(yī)學(xué)結(jié)論，精確錨定到原始論文中的對應(yīng)證據(jù)段落，使AI的醫(yī)學(xué)判斷真正做到可核驗(yàn)、可追責(zé)、可教學(xué)。

更具長期意義的是，百川宣布推出「海納百川」計(jì)劃，將全球最低幻覺的循證增強(qiáng)醫(yī)療大模型以API形式，免費(fèi)開放給中國醫(yī)療服務(wù)機(jī)構(gòu)，讓每一位中國醫(yī)務(wù)工作者都能擁有可靠、好用的AI助手。

在當(dāng)前大模型發(fā)布已趨于“常態(tài)化”的今天，這種高頻迭代已經(jīng)不是單純技術(shù)宣發(fā)。在今天上午的媒體溝通會(huì)上，百川智能創(chuàng)始人、CEO王小川與模型技術(shù)負(fù)責(zé)人鞠強(qiáng)所言均指向一個(gè)核心判斷：

AI已經(jīng)具備進(jìn)入嚴(yán)肅醫(yī)療核心流程的技術(shù)條件，但行業(yè)仍然卡在“信任”與“共識(shí)”這兩道最后的門檻上。

因此，百川近期的密集動(dòng)作，更像是一場針對中國AI醫(yī)療規(guī)?；涞氐闹鲃?dòng)加速。這背后，則關(guān)乎一場面向中國醫(yī)療行業(yè)的非典型性“顛覆式創(chuàng)新”。

1.為“嚴(yán)肅醫(yī)療”量身定制的模型

與模型能力的快速演進(jìn)形成鮮明對比的，是中國醫(yī)生群體的真實(shí)使用狀況。

某種程度上，醫(yī)生的規(guī)?；褂?，是AI在醫(yī)療行業(yè)真正落地的最后一公里。沒有醫(yī)生的廣泛參與，AI再強(qiáng)，也只能停留在科研演示、輔助搜索或零散試點(diǎn)階段，無法真正改變醫(yī)療系統(tǒng)的運(yùn)行效率與供給結(jié)構(gòu)。

在美國，已有超過45%的醫(yī)生在日常工作中使用 OpenEvidence等AI工具；在國內(nèi)，國家層面也大力推動(dòng)“AI+醫(yī)療”試點(diǎn)建設(shè)，已有上千家醫(yī)院引入各類AI系統(tǒng)，患者與普通用戶對通用大模型的使用也在快速普及。

然而，在臨床一線，許多中國醫(yī)生依然處于一種謹(jǐn)慎的觀望狀態(tài)。他們知道AI很重要，也看到患者已經(jīng)在用，但自己“不敢用、不會(huì)用”。

這種遲疑，一方面，源于醫(yī)療行業(yè)對風(fēng)險(xiǎn)的天然敏感。診療決策對錯(cuò)誤的“0”容忍，以及中國醫(yī)療系統(tǒng)自身的權(quán)威性，使得醫(yī)生對任何“不可解釋、不夠可控”的工具，都保持本能的謹(jǐn)慎。

另一方面，則源于中美兩國醫(yī)療供需結(jié)構(gòu)的不同。在王小川看來，中美醫(yī)生的工作環(huán)境完全不一樣。美國醫(yī)生一天可能看十個(gè)病人，是預(yù)約制，有時(shí)間慢慢用 AI；中國醫(yī)生一天要看上百個(gè)病人，每個(gè)患者只有三五分鐘，這種情況下用 AI，本身就難得多。

另外，中國在真實(shí)表達(dá)進(jìn)展這件事上成本很高，甚至有很多不太嚴(yán)肅的評價(jià)，比如“xx完敗xx”等噱頭式的表達(dá)?！叭绻袠I(yè)不能更真實(shí)、更良性地競爭，而是繼續(xù)靠‘皇帝的新衣’，那AI落地醫(yī)療行業(yè)的速度只會(huì)被拖慢?！蓖跣〈ㄕf。

從這個(gè)意義上看，AI落地醫(yī)療行業(yè)的真正瓶頸，已經(jīng)不單純在于“模型是否足夠強(qiáng)”，而在于是否足夠可信，是否足夠可核驗(yàn)，是否能被納入醫(yī)生的專業(yè)判斷體系之中。

百川 M3 Plus此次的三項(xiàng)更新，便圍繞這個(gè)目標(biāo)展開，即用通過不斷增強(qiáng)模型的可靠性， 降低模型幻覺，來降低醫(yī)生使用AI的心理與制度門檻。

第一，是在基礎(chǔ)模型層面壓制醫(yī)學(xué)幻覺。

M3 Plus將百川自研的Fact-Aware RL強(qiáng)化學(xué)習(xí)范式與“六源循證”體系結(jié)合，在無工具或弱工具場景下，仍然將幻覺率壓至行業(yè)新低。這種做法的核心邏輯，是將“事實(shí)一致性”作為模型內(nèi)生目標(biāo)，而不是完全依賴外部工具兜底。

第二，是提高引用準(zhǔn)確率，以換取醫(yī)生信任的底線。

在臨床場景中，“是否給出引用”已經(jīng)不是關(guān)鍵，關(guān)鍵在于引用是否真的支持結(jié)論。百川M3 Plus首創(chuàng)“證據(jù)錨定（Evidence Anchoring）”技術(shù)，不是簡單標(biāo)注“引用自哪篇文獻(xiàn)”，而是要求模型生成的每一句醫(yī)學(xué)結(jié)論，都必須精確對應(yīng)到原始論文或指南中的具體證據(jù)段落。每一句判斷，都能被逐字溯源、逐條核驗(yàn)。

為實(shí)現(xiàn)這一目標(biāo)，百川將引用準(zhǔn)確性作為獨(dú)立訓(xùn)練目標(biāo)，引入Citation Reward Model，對錯(cuò)誤或不匹配的引用進(jìn)行明確懲罰，使結(jié)論與證據(jù)段落的匹配準(zhǔn)確率提升至 95%。這意味著，AI 不只是“看起來專業(yè)”，而是能夠被逐句核驗(yàn)。

第三，是持續(xù)降本，打穿規(guī)?；T檻。

通過MoE架構(gòu)優(yōu)化、模型量化與Gated Eagle-3投機(jī)解碼等工程手段，M3 Plus的API調(diào)用成本較上一代下降約70%。在醫(yī)療這樣高頻、長鏈路的使用場景中，成本并非商業(yè)問題，而是決定是否能被規(guī)?；渴鸬那爸脳l件。

同時(shí)，百川全面開放M3 Plus的技術(shù)能力，API限時(shí)免費(fèi)體驗(yàn)15天，所有開發(fā)者均可申請使用。

綜合來看，百川通過三項(xiàng)創(chuàng)新，實(shí)則在為“嚴(yán)肅醫(yī)療”場景重新定義一套可被信任、可被規(guī)?；褂玫哪Ｐ蜆?biāo)準(zhǔn)。

2.Baichuan-M3 Plus能改變什么？

從AI醫(yī)療影像時(shí)代開始，醫(yī)療AI發(fā)展的核心阻礙有二：一是信任，二是共識(shí)。因此，大模型時(shí)代要真正加速醫(yī)療AI發(fā)展，也需從這兩個(gè)方面入手。

首先是信任體系的重塑。

在傳統(tǒng)大模型范式中，模型基于概率計(jì)算，能夠生成流暢、合理的回答，但對其內(nèi)部推理與證據(jù)來源，往往具有很強(qiáng)隨機(jī)性，使用者往往無法真正核驗(yàn)。

在普通場景中，這種不透明或許只是體驗(yàn)問題；但在醫(yī)療場景中，這直接構(gòu)成安全風(fēng)險(xiǎn)的底線問題。

百川在 M3 Plus 中強(qiáng)調(diào)的“證據(jù)錨定”，本質(zhì)上是在試圖把AI從基于概率預(yù)測的黑盒，轉(zhuǎn)變?yōu)榛谘C推理的白盒。

每一條醫(yī)學(xué)結(jié)論，都需要被精確錨定到原始論文、指南或說明書中的具體段落。這種機(jī)制，使AI的判斷第一次具備了接近臨床醫(yī)生工作方式的可靠性，也為醫(yī)生保留了最終判斷權(quán)。

在張文宏等一線醫(yī)生表達(dá)對AI影響決策準(zhǔn)確性的擔(dān)憂時(shí)，真正的分歧點(diǎn)在于，當(dāng)AI給出建議時(shí)，醫(yī)生能否清楚知道“它為什么這么說”。

從這個(gè)意義上看，證據(jù)錨定能力給“醫(yī)療AI能否被納入臨床決策體系”這一問題劃出一道邊界。

第二個(gè)關(guān)鍵，是推動(dòng)行業(yè)共識(shí)的形成。

過去幾年，中國AI醫(yī)療的發(fā)展，呈現(xiàn)出明顯的碎片化特征。各家醫(yī)院做各自的系統(tǒng)，廠商提供定制化方案，缺乏一個(gè)被廣泛認(rèn)可、可復(fù)用的技術(shù)底座。這導(dǎo)致大量項(xiàng)目停留在“示范工程”，難以形成規(guī)模效應(yīng)。

百川此次通過“海納百川”計(jì)劃，將M3 Plus以API形式免費(fèi)開放給服務(wù)醫(yī)務(wù)工作者的機(jī)構(gòu)，試圖推動(dòng)行業(yè)形成事實(shí)上的技術(shù)共識(shí)。

溝通會(huì)上，王小川預(yù)計(jì)，假設(shè)全國500萬醫(yī)學(xué)工作者都加入“海納百川”計(jì)劃，每年形成的成本約1億元?！拔覀冋J(rèn)為這種成本是可接受的，給行業(yè)帶來的變化將非常大。”

事實(shí)上，當(dāng)足夠多的開發(fā)者、醫(yī)院與服務(wù)機(jī)構(gòu)圍繞同一能力底座構(gòu)建應(yīng)用時(shí)，AI才有可能從零散工具，演化為醫(yī)療領(lǐng)域行業(yè)級的基礎(chǔ)設(shè)施。對百川而言，這也是一種更接近平臺(tái)化，而非單點(diǎn)產(chǎn)品的策略選擇。

在實(shí)際開發(fā)、應(yīng)用過程中，“信任”與“共識(shí)”這兩條底線自然被拉齊，AI才可能真正進(jìn)入醫(yī)生的日常工作流，緩解國內(nèi)醫(yī)療供給緊張的現(xiàn)狀。

因此，M3 Plus實(shí)則是百川針對醫(yī)療行業(yè)結(jié)構(gòu)性瓶頸，在技術(shù)層面給出的方案。這也構(gòu)成了百川智能這場“顛覆式創(chuàng)新“的核心基礎(chǔ)。

3.百川想改變什么？

如果將百川在醫(yī)療領(lǐng)域的長期邏輯抽象出來，其關(guān)鍵詞就是——增加好醫(yī)生的供給。

在互聯(lián)網(wǎng)時(shí)代，醫(yī)療從來不是一門容易規(guī)?；摹昂蒙狻保浜诵募s束并非流量獲取的難易，而是醫(yī)生資源本身。醫(yī)生培養(yǎng)周期長、供給彈性低、地域分布不均，這些結(jié)構(gòu)性問題，長期限制著醫(yī)療服務(wù)的普惠。

AI的出現(xiàn)，第一次讓醫(yī)生借助技術(shù)在數(shù)字世界“增加醫(yī)生供給”成為可能。

通過將專家級知識(shí)、循證能力與推理能力嵌入模型，使更多年輕醫(yī)生、基層醫(yī)生獲得接近高水平專家的決策支持。

王小川進(jìn)一步解釋道，今天年輕醫(yī)生使用AI的方式需要調(diào)整，不是要求醫(yī)生給AI糾錯(cuò)，而是反過來，讓AI對醫(yī)生的臨床思維誤區(qū)進(jìn)行提醒，也給診療結(jié)果進(jìn)行校驗(yàn)，這樣才有機(jī)會(huì)降低誤診、漏診風(fēng)險(xiǎn)。“不是醫(yī)生給AI挑錯(cuò)，而是AI給醫(yī)生保駕護(hù)航。在這種情況下，醫(yī)生成長了，患者也受益了?！蓖跣〈ㄕf。

在此前提下，百川通過主動(dòng)降本與開放API等技術(shù)讓渡，讓原本只可能在頭部醫(yī)院、頭部專家身上集中體現(xiàn)的能力，有可能被復(fù)制，本質(zhì)上是在擴(kuò)展優(yōu)質(zhì)醫(yī)療能力的有效供給。

從這個(gè)層面看，百川正在醫(yī)療行業(yè)發(fā)起某種非典型性的“顛覆式創(chuàng)新”。

克萊頓·克里斯坦森曾對顛覆式創(chuàng)新給出明確定義，顛覆式創(chuàng)新是指在一個(gè)新的價(jià)值網(wǎng)絡(luò)中，出現(xiàn)一種新的商業(yè)模式，從而導(dǎo)致原有成熟市場的突然崩潰。

但百川發(fā)起的這場關(guān)乎AI醫(yī)療的顛覆式創(chuàng)新，并不具有“破壞性”，反而是對原有價(jià)值體系的賦能，將真正專業(yè)、可靠的醫(yī)療模型嵌入醫(yī)療流程的核心決策環(huán)節(jié)，成為醫(yī)生能力的放大器。

這種“放大”，一方面體現(xiàn)在醫(yī)療效率提升，緩和醫(yī)療資源擠兌的現(xiàn)狀，另一方面在于系統(tǒng)性增強(qiáng)醫(yī)療行業(yè)的風(fēng)險(xiǎn)控制與知識(shí)更新能力。

在媒體溝通會(huì)上，王小川多次強(qiáng)調(diào)一個(gè)觀點(diǎn)：如果AI能夠在某些場景下顯著提升患者獲益，但卻因?yàn)閾?dān)心阻礙“醫(yī)生成長”而限制使用AI，可能就限制了最有利于病人的醫(yī)療措施。

由此也折射出百川在AI醫(yī)療賽道中秉持的關(guān)鍵判斷，即技術(shù)進(jìn)步與醫(yī)生職業(yè)發(fā)展，并非零和博弈，而是可以通過恰當(dāng)?shù)氖褂梅绞剑瑢?shí)現(xiàn)雙贏，并最終讓廣大患者從中受益。

也正是在這樣的長期判斷下，百川近期表現(xiàn)出的“緊迫感”，才顯得更容易理解。

如果說上一階段，行業(yè)還在討論“AI能不能用于醫(yī)療”；那么這一階段，討論的核心已經(jīng)轉(zhuǎn)向“誰能夠定義AI在醫(yī)療中的使用方式與信任邊界”。

密集發(fā)布、快速迭代、主動(dòng)降價(jià)與免費(fèi)開放，百川在搶占一個(gè)時(shí)間窗口，在技術(shù)Ready，醫(yī)療AI從小規(guī)模試點(diǎn)真正走向規(guī)?；年P(guān)鍵轉(zhuǎn)折期，率先建立技術(shù)標(biāo)準(zhǔn)與生態(tài)基礎(chǔ)。

當(dāng)然，這只是AI賦能醫(yī)療的第一步。責(zé)任邊界、制度適配、醫(yī)生培訓(xùn)、使用規(guī)范，仍將是下一階段更為復(fù)雜的挑戰(zhàn)。而這遠(yuǎn)非百川一家所能完成的。

但至少，從M3 Plus這一輪發(fā)布可以看出，以王小川為代表的一部分創(chuàng)業(yè)者已經(jīng)不再滿足于“做出更強(qiáng)的模型”，而在嘗試回答一個(gè)更難的問題——如何讓技術(shù)真正成為醫(yī)療系統(tǒng)的一部分，而不僅是系統(tǒng)之外的工具。

這或許才是百川近期加速背后，更值得被長期觀察的變量。

（文中圖片來源：百川智能）