7.7
深览指数
商业虎嗅·健闻咨询··AI 生成
一家连demo都没有的医疗大模型公司，凭什么拿到5亿美金？
文章分析了一家名为Ortet的医疗AI初创公司，该公司绕开通用大模型底座，从零构建原生医疗模型，并因其创始人背景（注意力机制共同开发者）和独特数据策略（打通生物、临床、运营、财务四维度），获得了5亿美元的投资承诺。作者通过采访多位行业观察者，探讨了这一“非共识”路径的合理性，指出其成功依赖于专有数据、任务差异性和成本可行性等苛刻条件，对中国医疗AI公司的启示有限。文章的核心价值在于提出了一个关于医疗大模型发展方向的尖锐问题：垂直模型是否需要从底层重构，而非在通用模型上微调。原文 ↗
核心观点
- ▍Ortet试图绕过通用大模型底座，从零开始构建一个以患者为中心的原生医疗模型，这是一场关于‘医疗大模型是否需要从零开始’的商业测试。
- 01Ortet的创始团队包括注意力机制与GRU的共同开发者Kyunghyun Cho，以及曾在基因泰克构建了生命科学领域最大GPU集群的Henri Dwyer，形成了基础模型研发的‘铁三角’。
- 02Ortet的唯一出资方Thoreau在此之前已完成了两项控股投资：营收周期管理服务商Ensemble Health Partners和医疗政策智能平台Penelope Health，从而为Ortet打通了生物、临床、运营和财务四个维度的非公开高质量数据获取渠道。
- 03当前主流医疗模型走‘通用+微调’路线，但大量测试表明其专业能力正在被通用模型全面吞噬，且通用模型在预训练阶段形成的语言先验和推理模式可能在真实医疗场景中产生系统性偏差。
- 04左手医生创始人张超认为，Ortet看准了医疗模型的问题——通用模型难以获得和使用的临床轨迹，但如果它不在真实临床数据上做文章，仅更换底座也解决不了问题。
- 05Delphi-2M模型作为一个反证，仅在GPT-2的底座上微调，使用约50万英国人的表型数据，就能实现对疾病预测的专业临床评估工具相当的水平。
反方 / 局限
- — 医疗AI行业观察者陈罡认为，通用模型发展会越来越快，垂直能力会被自然覆盖，从头做一个医疗基础模型‘没多大意义’。
- — 张超指出，只有在专有数据足够多且质量高、目标任务与通用语言差异明显、效果或部署收益能覆盖成本这三个条件同时满足时，从头训练才有价值，而这套模式对国内医疗AI企业借鉴意义不大。
8 分钟 · 4 卡片 · 12 资料
读原文 →