文章来源：思宇MedTech；编辑：七鸢
转载要求：首发24小时后可转载，需注明来源
# 人工智能发展历程的回顾
闫峻博士在演讲伊始，回顾了人工智能的发展历程。他指出，自从ChatGPT问世以来，人工智能引起了广泛关注。然而，纵观历史，人工智能产业的发展并未取得显著成功。
闫博士提到：“尽管过去有专家系统和传统机器学习技术，但这些技术在实际应用中的推广仍然有限，存在技术局限性和应用场景不匹配的问题。”他进一步解释说，从1950年代起，人工智能的概念已经存在，但由于技术和成本的限制，很多早期的人工智能系统并未能成功应用于实际场景。
# 深度学习技术的突破与局限
随着深度学习技术的出现，特别是在医疗影像领域，取得了一些显著的成果。闫峻博士表示：“深度学习在某些领域已经超过了人类的水平。”他举例说明，在医疗影像分析中，深度学习算法已经能够在一些特定任务上达到甚至超过放射科医生的水平。然而，他也指出，深度学习在产业化过程中的发展仍面临挑战。主要原因在于深度学习技术的高计算成本和市场接受度问题，导致企业难以持续盈利和发展。
闫博士强调：“虽然我们在单点数据集上可以取得很好的效果，但在实际推广应用中，传统机器学习模型的假设与实际数据分布不一致，限制了其广泛应用。”这种局限性使得深度学习技术在实际应用中面临诸多挑战。
# 大模型的优势与应用前景
对于大模型的未来，闫峻博士充满信心。他认为，大模型的优势在于其通过预训练和低成本的微调，能够解决多个应用场景的问题，从而提高投入产出比。他指出：“大模型的本质是一个做任务的机器，通过提前训练和微调，可以解决很多实际应用中的问题。”这使得大模型在未来的应用中具有广阔的前景，尤其是在医疗健康和生物制药等领域。
# 医疗垂域大模型的建设
在谈及医疗垂域大模型的建设时，闫峻博士强调，数据和知识的基础是构建人工智能的前提。医渡科技通过在医院和政府建立大数据平台，积累了大量结构化、标准化和高质量的数据，为大模型的训练提供了坚实的基础。他说道：“如果没有高质量的数据，任何先进的算法都无法实现其潜力。”
此外，医渡科技还与华为合作，适配国内芯片，解决了算力问题。闫博士提到：“通过与华为的合作，我们不仅解决了算力瓶颈，还大幅降低了计算成本，使得在大规模数据上的训练成为可能。”
# 应用场景与未来展望
闫峻博士分享了医渡科技在新药研发、健康保险等领域的具体案例，展示了大模型在不同应用场景中的潜力。例如，在新药研发方面，医渡科技利用大模型进行药物筛选和优化，大幅缩短了研发周期并提高了成功率。在健康保险领域，医渡科技通过大数据分析和模型预测，帮助保险公司更准确地评估风险和制定保费策略。
他强调，医疗垂域大模型的建设不仅需要技术突破，更需要形成一个健康的生态体系，推动整个产业的发展。闫博士说道：“只有形成一个完整的生态体系，才能真正推动人工智能在医疗领域的广泛应用和持续发展。”
# 医渡科技的愿景与实践
医渡科技成立于2014年，是一家专注于医疗大数据和人工智能技术的创新企业。公司致力于通过数据和技术的力量，推动医疗健康领域的创新和发展。自成立以来，医渡科技一直在医疗大数据平台的建设、新药研发和健康保险等领域进行布局，并取得了显著的成就。
闫峻博士介绍说：“我们从2014年开始布局医疗大数据，建立了医院和政府的大数据平台，以此为基础，逐步拓展到新药研发和健康保险等领域。”他还提到，医渡科技不仅在国内取得了良好成绩，还将技术体系和服务推广至海外市场，包括东南亚、中东和美国等地。
医渡科技还通过设立产业投资基金，补充整个闭环中的缺失环节，推动人工智能和医疗健康产业的融合发展。闫博士表示：“我们希望通过投资和技术创新，形成一个完整的产业闭环，推动医疗垂域大模型的实际应用和产业化。”
# 总结
在演讲的最后，闫峻博士表达了对人工智能产业未来发展的期望。他希望通过持续的技术创新和生态建设，推动医疗垂域大模型在实际应用中的广泛落地，实现人工智能产业的长足发展。他总结道：“我们要从数据到算法，从应用场景到产业生态，全方位地推动人工智能的发展，只有这样，才能真正实现人工智能的潜力，让这一技术造福人类。”
主编｜赵清 审核｜祎禾
