福鑫数科宣布完成五千万元Pre-A轮融资，加速医疗AI创新落地

扬厉医药完成亿元级B轮融资，启明创投独家投资

日前，创新药物研发公司浙江扬厉医药技术有限公司（下称“扬厉医药”）宣布完成亿元级B轮融资，本轮融资由启明创投独家投资，公司现有股东还包括泰福资本、杭州国资、润璋创投。本轮融资资金将用于公司多款产品的临床推进。

扬厉医药创立于2021年，公司以杭州为基地，立足中国、对标国际，专注于研发具有全球知识产权的同类首创和同类最优的国家1类创新药物，聚焦抗肿瘤和慢性病疗法，有多个产品已进入临床一期和二期。

扬厉医药汇聚了国际一流药物创新专家与管理人才，公司核心创始团队毕业于清华大学、加利福尼亚大学洛杉矶分校、纽约州立大学、四川大学华西医科大学（原华西医科大学）、香港大学等。

扬厉医药创始人兼总裁沙薇博士拥有丰富的产业经验，在创立扬厉医药前，沙薇博士曾担任扬厉医药创始股东泰丰医药集团的泰丰研究院总经理，经验全面覆盖药物研发到产品上市全流程，为公司创新药物研发与产业化落地奠定了坚实基础。

扬厉医药联合创始人兼董事长丁照中博士则拥有超过30年的药物研发及管理经验，为扬厉医药带来了宝贵的研发经验。

扬厉医药首席科学官方东博士则带来了逾20年的药物发现与开发经验，方东博士曾参与了Lisaftoclax、Olverembatinib、Iruplinalkib和Glasdegib等多款上市抗肿瘤新药研发，推动数十项中美新药临床试验申请。发表40多篇同行评审的科学论文，拥有20多项专利。

强大的人才团队为公司创新药物研发提供了核心驱动力，目前扬厉医药多款创新药研发已取得重要进展，覆盖高血压及多类实体瘤领域，进入临床产品包括高选择性醛固酮合成酶抑制剂VB19055和小分子靶向药物-TFX05、TFX06、VB15，临床前小分子和小核酸管线覆盖肿瘤、高血压、高血脂、糖尿病等病种。扬厉医药凭借在创新药领域的突出表现，获得一系列荣誉，包括国家高新技术企业、国家科技型中小企业、浙江省创新型中小企业、2024年度人才引领示范企业、第九批“大运英才”创新创业项目等。

医疗大模型企业全诊医学获1亿元B轮融资，创投行业期待中国的Abridge

中国最早进行医疗大模型后训练的创新企业之一——杭州全诊医学科技有限公司（以下简称“全诊医学”）正式宣布完成1亿元B轮融资：2024年4季度由A股上市公司“创新医疗”(SZ.002173)完成战略轮投资；2025年2季度由中国医药工业百强“好医生集团”完成B 轮投资，探针资本担任本轮融资的独家财务顾问。

同时，全诊医学披露其主打的医疗大模型应用产品“全诊通（Trizen AI）”，在“医疗大模型+ AI 应用” 赛道表现亮眼。2025年1至10月，全诊通与国内各级医院和医疗集团在“智能病历”、“患者服务”等核心医疗AI应用领域的签约合同额实现断层领先，较2024年全年增长10倍，预计2025年全年同比增长将达12至15倍；伴随业务高速扩张，全诊通的医生用户数呈现指数级增长，成为医疗AI领域商业化落地的标杆产品。

全诊医学创始人薛翀博士表示：“全诊医学从创立之初，就锚定一个纯粹的目标：把医生从繁琐事务中解放出来，让AI增强医生的临床能力、更专注于诊疗。因此，我们打造‘全诊通’这款AI医生助理，希望从解决病历书写这一高频痛点入手，提升医生效率和医疗质量。全诊通既是医生病历书写助手，也是临床决策、医疗风险防控的好帮手，更是医生专业外能力的补充（比如AI辅助医保编码等工作）。我们认为，只有让AI和医生一起参与临床诊疗工作，才能真正让AI触及并理解医疗的真实场景，后训练出具有较高临床诊疗思维水平的AI医生。”

本轮融资后，全诊医学将持续加大研发投入，用于升级全诊通个人医生版和提升全诊医疗大模型性能，为医生和医院提供更完善、更专业的AI支持：如临床科研辅助（病历采集、整理与随访），能力培训（AI助学、虚拟患者），临床决策支持（文献/指南检索总结）。

在医疗行业传统实践中，病历书写本是医生临床思维训练的核心载体——通过文字梳理诊疗过程、沉淀病情判断逻辑，不仅是对单次诊疗的复盘，更是推动临床能力持续进化的重要方式。但如今，这一核心价值却逐渐被淡化：大量模板套用成为常态，医生常仅与患者沟通寥寥数语，便依赖模板填充内容；更关键的是，病历书写的重心偏离临床本质，倾向于规避法律纠纷风险、适配医保扣费审核系统。这不仅让病历失去“思维训练工具”的属性，更让医生原本应用于病情分析、治疗方案优化的精力，被消耗在繁琐的文书中，制约了临床能力的提升与患者关怀的投入。

在全球医疗AI领域，美国公司Abridge凭借领先的医患对话记录与病历生成技术，赋能医生和医疗机构的临床文档工作，同时为医疗编码提供丰富的信息来源，间接推动医保相关流程（编码、账单、理赔、审计）更加顺畅、准确和高效，获得约53亿美元的估值，服务覆盖梅奥诊所、约翰霍普金斯大学医疗系统等国际领先医疗机构，已验证该赛道巨大的市场潜力。全诊医学正是中国在这一方向的领跑者，旗下核心应用产品全诊通以“智能病历系统”为切入点，直击医生临床工作中的“时间痛点”。通过采集门诊、病房等场景下的医患实时对话录音及读取患者院内历史数据，AI可快速捕捉阳性临床依据，自动辅助书写包含现病史、查体结果、鉴别诊断的完整结构化病历，病历书写效率提升超65%。相比较Abridge，全诊通病历书写种类更丰富，可涵盖全类型病历文本（门诊记录、住院病历、查房记录、出院记录、手术记录、会诊记录、科研记录等），同时在生成质量和生成速度上在国内外同行中持续保持领先。

全诊通采用To professional 和To hospital 两种商业合作模式：医生既可通过个人账号自主下载使用，用于日常疑难罕见病例医疗记录、文献支持、诊疗方案查询及患者管理；也可由医院统一采购与HIS系统融合，为医生配置专属AI助手。这种模式既保证了医生使用的灵活性，又通过医院合作持续打磨产品——随着合作医院数量增加，全诊通AI能力在真实临床场景中不断优化，用户粘性与医生认可度持续提升，形成“用户增长—数据沉淀—模型迭代”的正向循环。

全诊医学创始人薛翀博士一直怀揣致力于打造AI医生助理的梦想，在霍普金斯医学院博士后研修期间，发现美国医生都配备医生助理帮助医生预约与随访患者、书写病历、医保编码等工作，考虑到国内医生助理角色的缺失、患者院外服务保障不足，因此，和Abridge有所区别的是，全诊通还将产品线延伸至患者服务侧，打造涵盖AI导诊、AI预问诊、自助诊室、AI随访等功能的患者服务系统，构建“智能病历+决策辅助+患者随访”全流程解决方案，形成完整的医疗服务闭环。

全诊通过模型压缩技术，将千亿参数的基础通用模型压缩为十亿至百亿参数的专项任务模型，针对病历生成、决策辅助、风险预警等不同场景优化推理性能，显著降低算力成本。在处理复杂医疗任务时，构建长链智能体，采用“大小模型串联和并联技术”，实现“最低推理成本”、“最高推理质量”与“最快推理速度”的三重目标。目前，全诊大模型Trizen LLM 已成为国内医疗行业首个调用量突破百万Token/分钟的医疗大模型，在多家三甲医院的实测中，模型响应速度与诊断准确率均优于行业平均水平。

医疗领域对AI的准确性要求远超其他行业，全诊医学构建了以监督微调（SFT）、强化学习（RL/RLHF）、生成对抗网络（GAN）为核心的多维度后训练体系，持续优化模型性能。其中，监督微调（SFT）阶段依托在院内AI应用后数据飞轮产生的优势语料，针对不同专科场景开展特色微调，提升模型推理准确率；强化学习（RLHF）环节以医生真实反馈为核心，构建奖励模型，通过数千名临床医生的持续反馈迭代，大幅降低通用大模型在医学领域的“幻觉”与误判问题；生成对抗网络（GAN）技术的应用则实现了生成质量的进阶，通过病历书写模型与质控模型的对抗训练，让模型在“生成内容”与“质量把控”的博弈中持续优化。全诊技术团队已掌握整套大模型后训练方法和能力，不仅确保了模型在医疗场景的适配性，更通过技术迭代形成支撑，进一步巩固技术壁垒。在大模型训练中，数据标注占据70%-80%的工作量。全诊自主研发基于大模型技术的医疗数据AI标注师，将数据标注效能提升十倍以上，极大提升了数据训练的质量和标注速度，以确保在医疗大模型研发领域的质量与高效产出。