「智能是对等的开yun体育网，然而context是不对等的。」

Sam Altman不久前说了一句话，冒失是：智能终将像水电一样成为基础设施，东说念主东说念主都能调用。但他也指出，AI刻下最大的瓶颈不在智能，在「context gap」——系统没法握续团结用户的确切场景。

a16z在本年3月的一篇分析里说得更成功：莫得正确context的AI Agent，基本无须。

这两个判断叠在一齐，恰好解答了一个困扰我很久的猜忌：

为什么有些很火的垂直赛说念，迟迟未能酿成马太效应？比如医疗。

AI发展到目前，通用大模子的面容还是很明晰了。头部三五家吃下绝大多数阛阓，其后者连牌桌都很难上。

袼褙恒强，简直是学问。

但医疗偏巧是个例外。这条赛说念热了好几年，上百家公司涌进来，论文一茬接一茬，评测榜单你追我赶。

可奇怪的是，似乎莫得东说念主确切拉开较着差距。为什么？

如若从context的角度进行念念考，谜底很可能是：

不是寰球实力接近，恰巧违犯，是因为扫数行业卡在了兼并个结构性死结里——

数据、模子、场景，三者的闭环断了。

闭环怎么断的

先说数据。

数据在医疗行业的变装有点像「萧何」，成也它，败也它。

看起来数据充足丰富，病历、影像、锻练后果简直无处不在，是以早期寰球一窝风涌进来。

但确切进来之后才发现：数据确乎不缺了，但没法成功用啊。

好多厂商手里的确有多量原始医疗数据，但由于穷乏专科的次第化处治才略，是以难以改革为有用西席素材。

说白了，专科的事交给专科的东说念主。医疗数据的次第化处理，需要懂医学的东说念主来干。

懂医学的东说念主从哪来？

像DeepMind这么的顶级实验室还能自搭里面医学团队，但对大多数公司来说，他们时时只可依赖外部医学标注团队或病院合营方，通过「外包」来补王人才略缺口。

走外包天然没问题，问题是高质料的医学处治资源自身就是稀缺品，何况很难边界化复制。

庸碌点，能接这种活的团队就那么多，列队都排不外来。

是以后果就变成：

原始数据看起来好多，但真矜重过专科处治、能踏实喂进西席历程的，其实特殊有限。

说到底，原始数据不等于context。没经过处治的数据，是杂音，不是信号。

△图片由AI生成

再说场景。

好多东说念主的想法是，天然高质料数据少了点，但唯一把模子扔进确切环境跑起来，不就能握续取得新数据、酿成数据飞轮了吗？

念念路没错，但飞轮恰巧卡在了这一步。

问题出在产品花样。

绝大多数医疗AI产品仍停留在「问答助手」阶段，能恢复问题，却无法深度镶嵌医师的职责流。

一个问答机器东说念主哪怕每天被问一万次，千里淀下来的也仅仅「用户问了什么、AI怎么答的」，而确切有价值的数据，来自诊疗过程自身——

医师如何诊断、如何开药、如何退换调养决议，以及患者最终规复得怎么样。

进不去这些中枢枢纽，就拿不到有用增量数据。

拿不到有用增量数据，模子天然还能靠公开文件和语料持续「刷分」，但这种普及更多停留在知识层面，而非临床决策与职责流层面。

后果就是一个很矛盾的局面：评测很强，但病院里的推行使用频率并不高。

于是死轮回酿成了：

产品进不了临床→拿不到确切诊疗数据→模子迭代莫得燃料→产品更进不去。

△图片由AI生成

而现实的发展轨迹，简直就是这个轮回的确切写真。

据动脉智库统计，截止昨年5月，国内累计发布的医疗大模子已达到288个，仅半年就新增133个。但与模子数目的快速增长酿成显著对比的是，行业举座渗入率仍不及10%～20%。

是以说，目前扫数行业面对的窘境是：不是智能不够，是context攒不起来。

而当一个系统既无法握续蓄积确切临床context，又无法镶嵌确切决策历程时，这个死结，骨子上就还是被写死了。

问题只剩下一个：

有莫得东说念主，能把它从新解开？

谜底是：还真有

环视四周，讯飞医疗刚发布的「星火医疗大模子V3.5」就这么干预了我的视线。

除了相比「新」这个成分外，它身上有两点短暂诱惑了我：

一是在多项要害医疗测评上击败了GPT-5.5，虽说有「主场上风」，但能和OpenAI如今最强的模子过招，至少阐明模子基础底细没问题。

二是无人不晓讯飞一直深耕病院场景，如若说有东说念主有契机破损前边阿谁死轮回，那么讯飞或者是最有可能的一个。

而接下来的贵府，也印证了我的判断。

查完一圈发现，它和赛说念里其他玩家较着不同的方位在于：不仅仅评测能打，何况是真落地了。

评测方面。IDC《中国医疗大模子本事评估，2026》详细实力行业第一，15项中枢主张中12项领跑；MedBench智能体评测98.9分登顶；医疗知识问答、医疗讲话团结、诊断调养推选、医疗文书生成、医疗多模态交互、医疗多轮交互等多项要害临床任务详细才略，杰出GPT-5.5最高推理档（Extra High）。

不外说真话，评测第一在这个赛说念不罕有，毕竟榜单轮替坐庄，今天你第一未来他第一，寰球早就看民俗了。

确切稀缺的，是评测收成和临床价值能对上账。

而摆在我目前的是这么几个数字：

在多家头部三甲病院的确切利用中，使用星火医疗大模子V3.5生成病历的医师领受率达到91%，病历书写时候裁汰52%。

翻译翻译，逾越九成的病历医师看过能署名，一寰宇来就省出几小时。

影像端一样跨过了实用门槛，X线、MR讲演生成的医师领受率75%，质控达到众人诊断水准。

而这些，还仅仅我看到的，模子才略的冰山一角。病历内涵质控、智能用药审核、跨专科接济诊断、住户端的体检讲演解读和慢病管制——多个刚需场景都还是跑起来了。

在国内医疗大模子赛说念，评测和临床两面同期对上账的玩家，目前历历。

而讯飞医疗，至少还是用收成站到了前排。

讯飞医疗的context是怎么攒起来的

但收成单自身仍不是要点，要点是：兼并个死轮回，讯飞医疗凭什么跑通？

谜底，依旧要回到context身上寻找。

而差距正在于context——讯飞医疗的context，不是天上掉下来的，是十年一步一步跑出来的。

十年下来，讯飞医疗还是构建起了一套「场景→数据→处治→模子→更广场景」的自立化轮回体系。

它作念的第一件事，是把场景铺到充足广。

不是挑几家病院作念试点，是从下层卫生院到三甲病院到影像云平台的全域解除。

什么样才能称得上「全域」？看一组数字你就分解了：

目前讯飞医疗还是解除世界806个区县、7.7万余家下层医疗机构，累计接济诊断超12亿次。同期联袂600多家等第病院，其中包括50余家百强病院和7家十强病院。

这个解除密度，在行业里并不常见。

何况不是接入了就完事，病历生成、处方审核、影像初筛，这些产品是成功嵌进医师每天的职责流里的。

但光铺病院还不够，一个患者的就医过程，不是只发生在病院里。

目前寰球遭逢头痛脑热都民俗先在手机上问一问症状，如若拿不准可能会去小区诊所或下层卫生院作念个基础诊断，严重一丝再转到大病院作念进一步诊疗，出院之后也没实现，还要作念康复随访、慢病管制这些永恒追踪。

讯飞医疗的产品，刚好把这条链路重新串到了尾。

这意味着什么？

千里淀下来的数据，不是某一个枢纽的碎屑，而是一条从「询查→首诊→诊疗→康复」的齐备context链。

这种东西，只作念一个枢纽的玩家根蒂攒不出来。

住户端病院端傍边开弓，场景一朝充足深切，数据就初始天然千里淀。

而千里淀下来的数据，就成了讯飞医疗最中枢的一层壁垒。

成年累月下来，它目前已领有16亿东说念主次脱敏医疗语音数据、12亿次确切诊疗数据，再加上每天新增逾越220万份语音、影像、病历等跨模态样本。

这种边界的确切医疗数据储备，还是很难在短期内复制。

△图片由AI生成

但光有数据量还不够。前边说了，原始数据不等于context，要害在处治。

讯飞医疗的数据处治，不是外包，是全职的医学众人团队在主导。

这一环是扫数飞轮里最容易被低估的壁垒。

原始数据东说念主东说念主都有，但把数据变成context的才略，行业里少许数玩产品备。

有了高质料数据，这下终于可以西席出一个好模子了。

而在「训模子」这个体式里，讯飞医疗有个当作很要害：从算力底座到模子西席，走通了国产化阶梯。

算力层面，星火医疗大模子V3.5基于昇腾910B世界产算力底座西席，当先在国产算力平台上跑通了DSA（动态稀疏介怀力）和MTP（多Token推测）的长文本高效西席，推理迷糊量普及4.5倍。

对医疗这个相对敏锐的行业来说，国产算力合规在今天还是不是加分项，而渐渐成为一项蹙迫准初学槛。实行中，这亦然政府端、病院端客户相比垂青的一丝。

临了一环，是从模子回到利用。

模子在面向医师和面向住户的两头同期落地利用，而医师端和住户端的双向协同，让飞轮多了一个加快器。

全部串起来，你将得到一个齐备轮回：

场景干预→数据千里淀→数据被处治成context→模子增强→再干预更深场景。

「原神，就此启动。」

AI医疗行业的马太效应，悄然出现了

到这里，我算是或者弄分解了讯飞医疗背后的运作逻辑。

看起来确乎挺复杂，但往回一想，其实如故能用开头那句话阐明晰：

智能是对等的，但context不是。

天然「context」是近一两年才被寰球平方说起的看法，但讯飞医疗其实还是沉默攒了十年，从最早铺场景、作念数据处治、适配国产算力，到今天星火医疗大模子V3.5的全面落地——

这些事在其时巧合有一个合股的名字，但回过甚看，每一步都是在为严肃医疗的context的蓄积作念准备。

每一环都需要时候，头重脚轻紊。其后者即便在某个点上追上来，也很难同期补王人全部要件。

而这，恰巧就是马太效应初始酿成的瑰丽：

不是某次评测拿了第一，是一个齐备的正向飞轮初始动掸。

先跑通的东说念主越转越快，没跑通的东说念主还在死轮回里打转。

△图片由AI生成

不外说一千说念一万，一切都还要回到阿谁最朴素的问题：

医师到底用不消？有莫得确切跨过那说念实用门槛？

评测跑分高，只可阐明模子才略上限可以，但更要害的是，在确切病历里，医师愿不肯意领受、以致景观署名阐扬。

而前边提到的91%领受率，不是实验室主张，是确切诊室里的反应——

这阐明医师在日常职责中，还是用推行行为投了票。

讯飞医疗，还是拿到了这张信任票。

说真话，我个东说念主的嗅觉是，这一轮医疗AI的变化，可能比好多东说念主设想得更慢，但也更详情。

星火医疗大模子V3.5此次的落地，与其说是一次产品升级，不如说是让这个行业的分层初始变得肉眼可见。

前边那种「寰球都在作念模子、谁也没拉开太大差距」的阶段，可能的确要畴前了。

接下来会发生什么，其实不难想。

资源或者率会初始往少数还是跑通链路的玩家那边纠合，比如确切临床数据、病院合营深度、医学东说念主才密度，这些东西蓝本就不是可以快速复制的。

而另一边，那些还停留在「通用模子+轻量医疗适配」的玩家，空间会越来越被压缩。

倒不是谁不够艰苦，而是这个游戏初始变成另一种规定了：不是比谁更聪惠，是比谁更早把闭环跑起来。

说到底，大模子的下半场，比的可能的确不是「智能」，而是context。

而context这种东西，也挺现实的。

光靠西席堆不出来，开会喊标语更没用，它就得扎进真场景里，点点滴滴磨出来。

谁先攒够，谁就有契机腾飞。

讯飞医疗，下的等于这盘棋。

— 完 —

量子位 QbitAI

感情咱们开yun体育网，第一时候获知前沿科技动态