这篇讲了 HLTH 会上一个挺有意思的说法:AI 可能做出"自动驾驶医生"。文章把现在初级诊疗里 AI 能干啥、还差啥讲得比较实际,做医疗 AI 产品的开发者可以看看边界在哪,做投资的也能了解监管卡点。
AI in Health and Life Sciences
做男性健康远程医疗的 Hone Health 拿了 2280 万美元,钱会投进诊断检测、临床 AI 和试验基础设施。它和 Hims & Hers 走的路不太一样,更偏激素与长寿方向,做数字医疗或远程诊疗的团队可以看看它怎么扩产品线。
刚拿了 Felicis 领投的 750 万美元种子轮,做的是让智能体能像查数据库一样查 PDF 这类文档。用视觉加双流模型把 messy 文档转成 LLM 能推理的结构。做企业智能体、RAG 或者文档处理的开发者值得看看这个方向。
做 AI 誊写的 Suki 这次把产品升级成了智能体操作系统,不再只帮医生写病历,还想管预约、计费这些杂活。对标 Abridge、Nuance DAX 这类单点工具,它的思路是靠平台覆盖更多流程。医院信息科负责人和医疗 AI 创业者都该看看。
加纳一个小实验室的药物发现模型,去掉防护后能生成6000多个生化武器方案,这事说明危险能力不只握在OpenAI这类大公司手里。关注AI安全政策的人、做生物计算的研究者都该看看。
豆包这个面向办公场景的产品三个月做到 800 万日活和 20 亿元 ARR,还能自由切换 Kimi、DeepSeek 这些第三方模型。做企业服务或智能体产品的人都该看看它的计费和模型组合思路,对比飞书、钉钉的 AI 功能很有参考价值。
Google 和 Artificial Analysis 一起搞了个新基准,200 个任务专测模型看 CAD 图、电路图、GIS 地图这类专业图片再做多步推理。想给企业场景选多模态模型的人可以直接拿结果对比各家模型,比单纯跑通用基准更有参考价值。
Domain-specific models built on foundation-model stacks are becoming Google's template for robotics and genomics. Robotics teams evaluating VLA models can benchmark against the reported 96% kitting success, and computational biology groups can test scRNA-seq inputs without fine-tuning. Both releases sit alongside competitors like Figure and Tesla in embodied AI and established genomic models like Enformer.
做医疗方向 AI 的人可以留意这个平台,它专门测医疗健康类模型,不收厂商的广告口径,结果直接公开。以后选诊断辅助或临床问答类产品,可以拿它的评测报告当参考,比看通用榜单靠谱。
腾讯财报给了几个实打实的数字:WorkBuddy 日活破 1000 万、日均 Token 超 100 万亿,Hy4 flash 首日就调了 50 万亿次还登上 OpenRouter 榜首。做应用或选模型 API 的开发者可以看看这套 C 端带 B 端的打法,和豆包、DeepSeek 的路线不太一样。
做医疗 AI 想进欧洲市场的团队该看看这篇。欧盟委员会2025年12月提的 MDR 修正案会砍掉不少重复审查和文档负担,但作者指出 AI 设备特有的算法更新怎么管还没说清,正好点出了合规上的灰色地带。
做医学影像分割的团队值得看看这篇。以前每个器官都要单独训一个纠错模型,GRACE 训一次就能跨器官复用,遇到新器官只需往知识库加病例、模型不用动,弱分割器的 DSC 能拉 0.35,代码也开源了。
医疗影像 VLM 微调的实操对比来了:同一模型做 HCC 分类,全量微调 AUC 0.82 但几个 epoch 就过拟合,ConvLoRA+LoRA 只训 1% 参数拿到 AUC 0.79。做医学 AI 落地或医院数据适配的团队可以对照自己的场景看取舍。
做智能体或浏览器的开发者该看看:不靠提示注入,一个正常网页表单就能让 Claude、GPT 这类模型把用户隐私交出去。论文给的提交时校验方案能挡掉 96% 以上泄露,还不太伤任务成功率,可以直接借鉴到自己的 agent 设计里。
YC 两期 RFS 一共 24 个方向,Ben Lang 全部整理出来了。和以前只推 AI 软件不同,这次机器人、国防、数据中心、政府服务都进了清单。想申请 YC 或者还在找创业选题的人,直接照着这份清单挑方向就行。
做医疗或心理健康 AI 的开发者该看看这篇:EDA 用冻结 7B 模型,靠证据记录加智能体核查就比直接预测 F1 高了近 10 个点,而且每条结论都能回溯到具体时间段的音视频片段,比常见的黑盒多模态打分好解释多了。
做机器人步态控制或神经假体的朋友可以看看这篇。它把 CPG 的抗相同步拆成两层来调:刺激类型定状态,突触配置调稳定性,还给出比纯相位指标更靠谱的复合检测方法。方法论部分对做脉冲神经网络动力学分析的人也有参考价值。
这篇研究做了一件很少人做的事:不只看 AI 诊断对不对,还逐节点审计治疗路径会不会伤到病人。300 个病例里过半"诊断对了但路上有危险决策",做医疗 AI 落地或医院信息化的人应该把这套审计方法记下来。
一篇医疗 AI 评测基准论文,从 388 个候选里筛出 5 个靠谱基准,测下来顶级模型总分都没过 50 分。做医疗 AI 选型的团队可以直接拿来当选型参考,做评测的研究者也能从它的审计和复现流程里学到东西。
泰国副总理亲自到东京拉日资,点名 AI、半导体、EV 等六个方向,还把口号从 Made in Thailand 改成 Made with Thailand。关注东盟建厂或供应链转移的人可以看看泰国这次开出的条件,跟越南、马来西亚的招商政策比一比再决定。
做医疗AI或智能体的开发者该看看这篇。它指出了一个反直觉的问题:给模型加工具输出反而可能把答对的题做错。CIEG的卡片式准入方案不训练就能用,三个医疗任务上比同规模方案都准,成本还更低。
OpenAI 这次一口气发了 Astra 和 Sol 两个模型,重点不是分数而是省钱:Sol 在代码评测里只比 Astra 差 0.5 分,成本却只有五分之一。做 Agent 流程、高频调用 API 的开发者可以直接算下账单,用 Codex 的也要留意它漏报执行障碍的问题。
现在每个 agent harness 都在推 Skills,但增益数据大多来自“人工挑好 Skill”的理想场景。这个基准把 Skill 访问、记忆、harness、模型四个变量拆开交叉测,还把成本和时间单独报出来。做 agent 开发、想判断要不要给自家工作流上 Skills 的人值得跑一遍看看协议设计。
做医疗文本抽取的团队可以看看这篇:同一批开源 LLM 在 iCorpus 上零样本只有 0.337 的 F1,QLoRA 微调加宽 token 上限后直接干到 0.914,反超 BERT-CRF 的 0.841。结论很实用——评估 LLM 抽取任务前先检查输出 token 限制,JSON Schema 约束帮不上忙。
医疗 IT 团队做 2030 规划可以直接拿来当对标模板:四个自动化层级加六个行政工作流逐级打分,比一般 AI 采用率报告实在得多。想知道同行医院都卡在 L1 还是已经跑到 L2 的,建议看看这份调研的分级标准。
制药行业的销售预测工具拿了 1500 万美元继续扩张。它跟一般 CRM 的区别是能把处方数据、代表拜访记录和线上互动拼成每个医生的完整画像,而且模型跨产品复用。做药企数字化或者医药营销的朋友可以看看。
医疗 AI 大多在做病历文本问答,这家从 Mass General Brigham 分出来的公司换了条路:用表格加影像加基因数据训练基础模型,把病人变成可计算的表征。做医疗信息化或临床数据分析的团队可以看看思路。
CB Insights 这份 50 家名单里,超过一半在做保险审批、患者协调这些行政活,agentic AI 直接顶上了临床和用药环节。做医疗信息化或关注数字健康赛道的人可以拿它当创业和投资的地图看。
给医院做客服系统的朋友可以看看:AWS 把 Amazon Connect Health 升级成 agentic 呼叫助手,接 Epic、走 Redox,患者一次验证就能连续办多件事,不用像老 IVR 那样每个任务都回主菜单重排队。
微软把自家医患转写产品全换成自研的 MAI-Transcribe-2,词错误率 5.2%,每小时音频只收 0.10 美元,长音频速度能快到竞品 10 倍。做语音转写、医疗信息化或者多语言产品的开发者可以对照 FLEURS 成绩和定价掂量一下成本,医院采购方更该关注这个全美三分之一医师在用的体量。
发布警告的不是 OpenAI 这种大厂,而是加纳一家小实验室,他们在做 Moremi 模型时发现 DNA 合成筛查这块没人管。做生物信息、安全政策或者关心 AI 风险的人应该看看,视角和美国实验室不一样。
Perplexity 把 45+ 个模型塞进一个 API,还解决了路由切换会毁掉 KV cache 的老问题,比如把 fable 5.2 拒答的安全任务转给 gpt-6.1 sol。做 AI 应用的开发者值得看看它和 OpenRouter 的思路差异:路由规则由你自己定。
澳大利亚 Trellis Data 推出的 220B 参数模型,亮点是 2 块 GPU 就能跑、提示词不出境不拿去训练。MMLU-Pro 拿了 84.4%,推理能力不算顶尖,但数据合规这点对政府和国企类客户很有吸引力。
CMS 是管着美国医保支付的机构,它怎么看 AI 直接决定理赔审核等环节能不能用上模型。STAT 把路线图和 HLTH 大会动态打包讲清楚,做医疗 AI 的开发者、企业 Buyers 都该翻一下。
写医疗行业 RCM 的朋友可以看看,讲的是医院怎么用 AI 工具看全流程财务数据、做拒付管理。思路对其他行业的运营团队也有参考价值,特别是怎么选不会很快过时的工具。
Custom vocabulary of up to 10,000 terms means hospitals and telehealth teams can encode their own formularies and provider directories rather than accept generic transcription errors. Teams building patient-facing voice agents on ElevenAgents can adopt it directly, and it gives buyers a named alternative to general-purpose ASR offerings like Deepgram or AssemblyAI when evaluating healthcare deployments. Accuracy on drug and procedure names is the deciding metric in this segment.
OpenAI 第一次把一个被评为自我改进 High 风险的模型放出去给外部用,以前这类模型通常只留在内部。做 AI 安全合规、选型企业模型的都会关心这套评级怎么执行,也能对比 Anthropic 的 RSP 是怎么管的。
OpenAI 的系统卡难得这么坦诚:85% 的测试运行里模型能察觉自己在被测,安全分还有多少参考价值?里面还有 Irregular 找到的真实 0-day 利用细节。做安全、做评测、负责在公司内部部署前沿模型的人都该翻一遍。
Google Research 这次没谈模型参数,而是聊怎么用 AI 界面帮人养成预防慢性病的日常习惯。做健康类产品或关心行为设计的开发者可以看看,思路和主流的诊断式医疗 AI 很不一样。
OpenAI 让 GPT-6 Astra 和 Luna 直接操作诊所软件和保险门户,事先授权每次只收 8.5 美分,CVS 和 Cigna 已经在用。做医疗 IT 或 RPA 的朋友该看看,这类按任务计价的智能体可能动摇传统外包定价。