文 | 海若镜
在这个“AI+一切”的春天，AI医疗也重新有了热度。
始于深度学习的AI医疗2.0时代中，不乏拿到十几亿融资、估值近百亿的独角兽公司，但受限于多种因素，少有公司实现市场的盈利期待。
当时间轴进入生成式AI的3.0时代，人们看病贵、看病难的困境依然存在，涌现的新技术有可能改变哪些医疗问题，又能够为哪些公司带来商机？
近日36氪访谈了商汤医疗CEO张少霆，聊了聊AI医疗行业的应用形态、技术栈、价格战与支付等。
2025年2月，商汤医疗宣布了分拆后的第一笔融资，投前估值15亿元，融资金额过亿。
行业里，商汤医疗算是身位特殊的存在：这个百余人团队低调做了七八年医疗，研发了大语言模型“大医”，开发了近60款AI应用，拿着海内外多张医疗器械认证，有了一定的收入规模。
但它作为创业公司被分拆出来时，已是医疗资本寒冬，市场对估值的约束比以往要严苛很多。
在张少霆看来，前几轮融资并不宜太激进，除了拿钱，关键要借股东之力，构建壁垒。技术出身的他，认为技术优势、商业模式、渠道等都不足以构成长期壁垒，唯有借助行业生态，才有可能保有先机。
怎么看待众医院部署DeepSeek，AI幻觉问题如何克服？
行业内卷、价格战厮杀、医保不覆盖，AI医疗商业化该如何破局？
怎么看待外界评价“商汤是上一代AI公司”？
以上种种，张少霆都给出了自己的见解。
张少霆：我曾经打过一个比方，大模型的火箭三级发射模式：
一级火箭是基础模型，像DeepSeek“满血版”、千问、商汤商量等通用模型；
二级火箭是加入垂类知识例如医疗，不是简单的LoRA，而是包括全量参数微调、指令微调、CoT即思维链能力等；
三级火箭是做应用，挂知识库等。
基于一级火箭直接做三级火箭即应用是有风险的，比如DeepSeek-r1也就是大家俗称的满血版就存在比较明显的幻觉问题，而且参数量671B的模型在部署时所需的计算资源也多，如果开启“深度思考”，大量的token输出也会导致并发的降低，对医院来说使用成本很高。我觉得从性价比角度，参数量20-100B之间、做过量化的垂类模型更适合医院部署。
自2022年9月起，商汤医疗主攻的就是二级火箭环节，2023年2月我们便带着医疗垂类模型到医院试用。层出不穷的基模以及开源对我们来说肯定是好事，有更多可选择的优秀基模去迭代我们的垂类模型。
张少霆：2018年，我到商汤启动医疗业务，提的就是“赋能全院临床诊疗愈”，关键词是临床、全院、诊疗愈。不止赋能放射科，也不止是辅助诊断。
当时很多厂商围绕放射科做AI读片，但我们当时就认为对大多数企业而言这样的商业模式较难走通。
如果是放射科，本质是做CT、磁共振等大设备的生意，而不是人工智能软件和信息化；软件口的需求一般要从医院信息科提报。所以放射科的辅助诊断软件，往往得搭载着硬件设备一起卖进院，纯软件公司难以有强议价能力。
另外放射科辅助诊断只是AI医疗的一个小切入点，AI在很多科室包括外科治疗等诸多环节都能发挥作用。解决多科室临床需求，也更能打动医院采购的决策者。
因此，商汤在2018年就做了要赋能全院的SaaS平台SenseCare，将辅助诊断、辅助治疗、手术规划等模块集成在AI平台上，共享底层技术。平台化部署的思路，是这么来的。在2018年，SenseCare第一次亮相，搭载的是术前规划用的3D建模。
张少霆：那些年，大部分厂家确实没太纠结放射科生意难做的问题，一方面当时资本市场环境还比较好，另一方面觉得市场还需要有个教育过程。但到了2020年，发现这条路确实走不通的时候，大家都开始强调临床、治疗，包括手术规划。
现在的共识，放在在几年前，往往是反共识的。
张少霆：除了临床价值，医院也要考虑预算约束。很多医院一开始没做那么多预算，希望能先验证AI带来的价值，会找一两个AI产品先试用，但是他也希望选择的供应商未来能够提供增量的产品，否则医院以后决定要装十几款软件、对应十几家厂商，也不方便医院管理。
像澳门镜湖医院就是一个案例，2019年到现在五年多，它连续采购了商汤医疗近二十款人工智能产品。
张少霆：商业上的困难应该已经有共识了，单个的软件要做成商业化爆品的难度很高。因为只要是软件标品，就会面临打价格战，只要是做项目（定制）就要卷人力成本，这两种都不符合医疗AI公司的发展诉求。
现在有的医疗AI公司往“广度”做，从肺结节拓展到头胸腹；有的往“深度”走，从术前诊断、手术规划，做到术中导航等，但是要同时实现营收高速增长、优质回款、以及成本可控则还是很难。
所以我说技术和商业模式都很难称得上是长期壁垒，只能带来短期优势。当然，中国的大部分2B行业都是如此。
张少霆：首先，如果没有技术先发优势，我们连牌桌也上不去。但在2B行业这不会成为长期壁垒。
技术投入当然可以带来优势、未来也可以成为降本增效的杀手锏，但靠技术优势去长期的拦住后入局者是不现实的，特别在IP没有受到高度保护的环境中。
即便像OpenAI技术那么前瞻且优秀，其模型还是可以被蒸馏，最近也受到了很多公司的冲击，包括开源对闭源的冲击。在2B行业，产品设计及细节打磨和技术同等重要。
张少霆：在国内，“按次收费”，如果让医保付费是很难的，医保也面临控费压力；如果引导病人付费对厂家来说也会有风险，即便能做出来，大概率也是运营型的公司获益，而不是技术产品型的企业受益。
当然，让医院直接购买软件模块也不容易，医院会判断其盈利可能性。
商汤医疗一直在推的“全院智慧化”，通过平台建设及搭载数十款AI应用，其实是KA路线。过去我们在KA客户方面已经做得很好，从商汤集团分拆之后，也会借助经销渠道的力量，从大三甲医院辐射基层医院，扩大收入规模。
张少霆：我觉得“生态壁垒”和丰富的产品矩阵，是相对不容易被复制的。
举个有趣的例子，DeepSeek大火导致英伟达股价大跌的那天，我们大模型技术团队的几位技术咖都抄底了英伟达的股票。
他们的基本判断是用PTX写通信代码这件事不足以动摇CUDA生态，开发者对于CUDA生态系统还是高度依赖的，所以DeepSeek的出现不应该影响英伟达的期望业绩，甚至会利好英伟达H100卡的销售，因为它是最合适的推理芯片，后来果然股价又迅速涨回去了。像安卓生态，也是同样道理。
回到医疗AI，很悲哀的是，花巨额研发费用做出一款99分的产品，不一定比低成本开发的90分产品卖得好，特别打价格战的时候，很可能会出现劣币驱逐良币。所以我们在追求AI高精度的同时也要控成本，这种既要还要，靠的是早前做预训练模型的积累。
商汤在2017年大力投入建超算，2018年投资六十亿建亚洲最大的单体算力中心，到现在5.4万块GPU卡，算力就是做预训练大模型的核心优势之一，但在7-8年前这也是反共识的。
张少霆：这一轮融资，在诸多的选择中，我们决定接受美的产业基金盈峰控股、人卫科技（人民卫生出版社旗下投资平台）的资金，也是出于生态资源的考量。
美的和盈峰在大健康产业布局已久，例如投资过百亿的和祐医院，拥有质子重离子设备，院内有大量AI可以赋能的场景。我们已经跟和祐开启了多方面的合作。
人民卫生出版社服务着中国超百万医学生、年轻医生。AI应用于模拟医学、教培等，也是非常大的机会，关注2C应用的AI厂商都会看重这块市场。引入人卫作为商汤医疗的股东，也更容易一起去做契合的业务。
商汤做医疗也有七八年的积累了，前期的投入换来了丰富的产品矩阵。这次分拆，商汤医疗定位为Pre A轮公司出来融资，也是考虑希望引入有资源的股东，融资并不仅仅是为了拿钱，更是为了促成合作生态。
张少霆：数据标注和模型泛化，面对具体场景的问题有两种研究范式，一种是针对这个问题，搜数据、标数据、训练模型；
一种是有泛化性很好的预训练模型，只需要标注少量数据，就可以把它适配到不同的下游任务去，也就是现在常说的预训练基础模型的能力（foundation models）。
算法方面，商汤很早就开始进行预训练模型赋能下游任务的研究，因为集团的智慧城市场景里有很多小众的应用，很难用传统的大数据驱动（即针对每个细分任务用海量数据标注的方式去做）。
我们将低频的、数据量少且难标注的场景，统称为“长尾需求”，医疗场景也有很多长尾需求，所以在算法层面很早就沿用预训练模型。其精度可能没有大数据驱动的模型那么高，但解决了有或无的问题，实际也够用。
近期比较有代表性的案例是商汤中标的医疗大数据训练设施项目，也被一些公众号称为 “医疗大模型第一大单”。
这是2023年由上海申康发起的、项目金额4396万的AI项目，涉及到上海数十家市级医院二十年的医疗数据，要对CT、病理、超声、磁共振等24套多模态数据进行模型训练，实现预训练模型从数据半自动标注、模型训练、到智能评测等全流程。
我们用大半年的时间做完，去年完成了验收，由此积累了“模型生产平台”的能力。结合我们的“模型应用平台”，产品体系就闭环了。
早期，我们与瑞金医院开展 “数字人”计划，就是将人体200多个器官包括复杂血管脉网全分割，因此后续开发新的应用时，如肝脏、胸部、泌尿系统、胰腺等手术规划系统时，利用了很多基础模块，变得像搭乐高积木一样。
张少霆：比如AI病理诊断。
它在技术上存在一些难点，包括：
病理属于IVD（体外诊断），不同医院的病理切片可能差异就比较大，质控很难做，加上医院选用的扫描仪也不一样，这就要求病理大模型泛化性要足够好，才不用对每家医院进行微调。
在应用上，病理AI模型做基于小标本的筛查，即判断良恶性，已经做得很好。但在基于大标本的癌症亚型诊断时，还面临挑战。因为这相当于AI要做十几种不同的判别，即便每一项判别准确率达到95%，最终全部正确的概率也不足60%；任何一个环节错误，都会影响最终结果，且开发成本会很高。
（注：癌症分型，意味着AI需要同时进行多个维度的判断，包括肿瘤的组织学类型、分化程度、侵袭等。每一个维度的判断，都相当于一个独立的分类任务。）
这些都可以用泛化性更好的病理大模型去解决。商汤在病理方面做了很多年，也得到了上海市的项目支持，近两年我们和瑞金医院合作的病理AI项目，也迎来了阶段性突破，将瑞金病理出报告的时间从5个工作日压缩到2个工作日。
2023年，瑞金医院对外发布了《数字化智慧病理科建设白皮书》，打造了行业标杆，这个过程中商汤贡献了AI技术，华为贡献了存储，衡道贡献了信息化，还有多家仪器厂商贡献了扫描仪，是一次很好的生态合作。
张少霆：高频应用一定是红海。
但和其他板块一样，我们的定位不是只卖给医院一款软件，商汤医疗提供的是整体解决方案，包括病理模型生产平台和模型应用平台：
模型生产平台，是说不同医院擅长的专科不同，研发需求也不一样，在商汤病理大模型的驱动下，我们能够很快地生产出特定领域的模型，比如肺癌、脑胶质瘤、口腔癌免疫组化等专属版本，分别对应了不同的医院客户。
应用平台，是指商汤给一家医院部署了平台，并上了最常用的胃肠和TCT（薄层液基细胞学检查，宫颈癌筛查的技术之一），如果医院迭代出了其它应用，也可以便捷的加载。
张少霆：AI很适合做两种事情，一种是医生能做但是因为体量太大导致做不过来的事情，比如筛查，；另一种是没有AI的帮助，医生做起来就会有困难的事，像复杂手术规划等。
前者下里巴人，后者阳春白雪，看似两个极端，却同时是AI最能发挥价值的场景。
前者调用AI的频次很高，比如病理筛查，单家医院每天可能调用数千次。后者频次会低，但带来的收益很高，比如上海某私立医院的肝胆外科医生借助商汤的肝脏手术规划系统，切除了患者最大直径20厘米的肝脏肿瘤，这种带给患者的收益、以及带给团队的正反馈都很大。
张少霆：大模型此刻在医疗领域面临的挑战在于：用新技术做老问题，比如导诊、预问诊、CDSS（临床决策支持系统）等。这就意味着，技术成本增高了，但还是在赚老的钱，没有赚到新增的钱。
目前在2B医疗中，我还没有看到哪个新场景诞生出杀手级应用。我期待的医疗AI杀手级应用还是在C端，例如每个人都有自己的健康助手，以此衍生出定制化的个人健康市场，这个可能是颠覆性的。
当然这需要时间去积累。人往往会高估新技术在短期内产生的价值，而低估它在长期产生的价值。
张少霆：你可以说微软是上一代的软件公司（曾经也确实有这样的声音），结果微软布局了OpenAI，做了New Bing和Copilot；你也可以说Meta也就是Facebook是上一代的社交网络公司，结果他们贡献了最好的开源大模型群。
在我看来只要凝聚了优秀的人才，就没有什么“上一代”的公司或者技术，商汤的人才密度和人才梯队是很强的，还自有庞大的算力资源，绝大多数初创公司都难有这些积累。
真正有区别的是公司所处阶段，很多C轮前的“大模型公司”并不用特别在意营收，甚至会让人感受到一往无前的冲劲，“竹杖芒鞋轻胜马”的姿态。
但商汤集团是上市企业，需要考虑到营收的增长，因此会更加的注重业务的本质，即是否能够盈利，因此压力会大很多。
我觉得这是好事，如同人总是要从孩童成长到青壮年，承担更多的责任，“一蓑烟雨任平生”，最终希望可以达到“也无风雨也无晴”的境界。
当然，企业还可以寻找第二增长曲线，这也是为什么我们做了医疗分拆，进行再创业，创业自然不易，在这个过程中还是要有定力，“他强任他强，清风拂山岗”。
（36氪正在推出【AI+医疗】系列报道，欢迎业界人士与作者交流，微信：hairuojing001）