专题：2025 Inclusion·外滩大会 新浪科技讯 9月11日上午消息，在2025 Inclusion滩大会开幕式上，宇树科技创始人兼首席执行官王兴兴 回应此前"数据不是具身智能的最大挑战"言论引发争议表示："大家不要这么想，别误会了，我不是说 数据不重要了。" 王兴兴指出，数据和模型对于AI和具身智能的发展都很重要。之前自己谈及具身智能的最大挑战不是 数据，本意是想指出——现在真正优质的数据怎么采、达到什么标准、什么规模，大家还是比较模糊 的，自己觉得更重要的是要提高数据的利用率。 2025世界机器人大会期间，王兴兴曾在分享中指出，"大家对机器人数据这个问题的关注度有点太高 了，现在最大的问题反而是模型的问题，并不是数据问题。"该言论引发广泛关注与讨论。（文猛） 责任编辑：江钰涵 "对数据理解力更强的模型，就可以用相对少一些的数据。"王兴兴表示。他指出，预言模型其实需要更 多的特征性数据，这非常重要，不仅仅是数据量的问题，此外多模态数据的融合和多模态控制，对国内 的AI、具身智能公司也是很大的挑战。 他指出，在一定程度上，今年具身智能领域的硬件是足够用的，但最大的问题是AI模型的能力还不 够，AI还不 ...

AI原生医院天河方案概述 - 由国家超级计算天津中心和智临天河科技有限公司共同打造 于8月初发布 目前已在天津海河医院部分落地[1] - 相关单位正与京津冀等地多家医院合作 推动体系化及泛场景应用实践[1] - 方案实现从"人找服务"到"服务找人" 从"被动响应"到"主动协同"的诊疗模式变革[1] 智能辅助诊疗场景 - AI系统基于自然语言处理解析临床意图 主动聚合多模态数据形成完整患者信息链[3] - 医生输入症状关键词后 系统毫秒级反馈 自动调取历史CT报告 高亮异常炎症指标并生成结构化病历初稿[2][3] - 为每位医生单次诊疗节省至少5分钟 门诊日均接诊量显著增加 病历完整度大幅提升[2][3] 智能病情监测系统 - 实时监测1000张病床的20余项指标 风险评分动态更新(如D-二聚体2小时升高30%触发预警)[5][7] - 通过无损数据融合技术打破"数据孤岛" 连接床旁监护仪/智能输液泵等设备实现跨系统数据流动[6] - 采用边缘算力(实时采集)/本地算力(每日3次全量推理)/云端算力(优化模型)的三算合一架构[6] 院外健康管理延伸 - 系统接入近万名高危慢性病患者 通过可穿戴设备实现血糖等数据的持续监测[8] - 系统自动发送个性化健康建议(如胰岛素剂量调整) 再入院率较去年下降20%左右[8] - 诊疗数据围绕患者自由流动 手机/社区终端成为医患协同的健康助手[8] 系统技术架构优势 - 自然语言处理引擎解析未明说的临床需求 多模态数据融合终结"医生找数据"困境[3] - 自主决策能力实现风险自动判定与干预建议生成 形成闭环防控体系[5][6] - 在不改变原有HIS/LIS系统架构前提下 通过统一接口实现设备数据整合[6]

近红外光谱技术核心进展 - 近红外光谱技术在硬件创新、算法优化和应用拓展方面取得突破性进展，呈现向更智能、更普惠分析工具演进的趋势 [1] - 2025年意大利国际会议集中展示三大核心方向：仪器硬件革新、数据处理方法进阶、应用场景多元化拓展 [1] - 技术融合特性显著，结合高光谱成像、多模态数据融合和自动化系统推动产业落地 [1] 仪器硬件革新 - 设备小型化与成本控制成为硬件创新核心主题，MEMS/InGaAs传感器模块实现530-1700nm灵活配置 [3] - 便携式设备在食品安全（伊比利亚火腿饲养方式区分准确率100%）、药品检测（3D打印药物非破坏性验证）、咖啡品质田间快速测定等场景实现高精度现场分析 [5] - 专用光谱仪器发展迅速，如挪威MiniSmartSensor通过交互几何光学设计实现食品亚表面检测 [7] 算法与模型进阶 - 化学计量学方法从传统PLS回归向更智能、自适应建模策略转变，挪威"第一性原理"方法论提高模型鲁棒性 [9] - 深度学习面临数据不足挑战，韩国CAE模型实现地理溯源高精度鉴别，日本CNN分析种子活力 [12] - 开放集识别技术突破封闭集限制，爱尔兰OpenMax-CNN模型实现95%未知类别识别准确率 [14] 应用场景拓展 - 技术应用边界扩展至生物能源（丹麦团队提高产气效率15%）、农业（意大利甜橙无损检测）、工业（土耳其原油快速预测）等领域 [18][19] - 自动化技术推动实验室机器人（斯洛文尼亚团队完成26000次自动测量）、无人机（意大利COLIBRI项目）、工业在线监测（西班牙实现500g/min检测速度）等场景落地 [23][24][25] - 医疗领域创新显著，日本团队实现皮肤屏障功能快速评估（准确率92.41-97.37%）和透析过程非侵入监测 [29][30] 高光谱成像技术 - 农业领域应用突出，丹麦CTIS系统实现葡萄成熟度实时监测，法国便携设备提升糖分分布预测精度 [33] - 工业领域西班牙团队开发陶瓷-玻璃分选系统（97.46%识别准确率），意大利团队检测海盐微塑料 [34] - 地质科学领域爱尔兰团队改进YOLOv8模型实现岩芯自动化分析 [35] 多模态与未来趋势 - 数据融合策略提升模型准确性，意大利团队整合NIRS与GC-IMS实现蜂蜜高精度鉴别 [37] - 瑞典团队开发13亿参数NIRS专用语言模型，推动技术术语与方法学深度理解 [37] - 未来发展方向包括MEMS传感器普及、算法可解释性提升、多参数联用系统构建等 [41]

技术原理和核心模块 - 自然语言处理技术能解析文本数据并自动识别行业术语 在金融领域提取财报关键指标 在医疗领域标准化处理病历数据[3] - 机器学习和深度学习通过历史数据训练预测模型 识别行业周期性波动和新兴趋势 零售行业销售预测模型准确率高达89% 误差率比传统方法低32%[3] - 多模态数据融合整合文本 图像 视频等非结构化数据生成可视化趋势图谱 AI检测工具通过文本-图像交叉验证提升内容原创性判断精度[3] 应用场景和行业渗透 - 金融领域AI实时处理超10万数据源 预测误差小于5% 金融AI报告市场规模2025年达470亿美元[4] - 医疗领域AI整合电子病历与基因组数据 医疗AI报告渗透率年增长28%[4] - 教育领域AI用于学习路径规划和个性化教学方案 但教育科技平台流量下降24%[4] - 制造领域AI驱动报告使用率提升41% 应用于供应链优化和设备故障预测[4] 操作流程和优化策略 - 数据准备阶段采用API接口和结构化数据库 剔除重复率大于15%的数据 使用KNN算法填补缺失值[6] - 模板配置支持用户自定义行业指标权重 嵌入时间序列模型和聚类算法[6] - 生成审核机制实现单份万字报告输出时间小于3分钟 支持多格式导出 人工校验关键数据源可靠性并修正模型误判[6] 行业趋势和风险预警 - 代码补全工具Cursor流量年增17600% 写作类工具Jasper下降19%[7] - 设计工具Getimg流量暴涨1532% Artbreeder增长100% 但整体微降6%[7] - 自由职业平台Fiverr流量持续低迷 AI自动化替代率达35% 搜索引擎流量呈下降趋势[7] - 风险控制需对敏感行业数据加密处理 每季度更新训练数据集 避免DeepSeek类工具41%流量反转风险[7] 工具选型与生态整合 - 通用报告平台ChatGPT和Google Gemini支持跨行业趋势分析和多语言输出 API调用便捷[7] - 代码生成工具Lovable和Windsurf与IDE深度集成 提升30%开发效率[7] - 多模态分析工具KlingAI和Heygen采用实时渲染技术降低40%视频制作成本[7] - 检测工具Originality.ai内容原创性验证精度达98.7% 支持15种语言检测[7]

药物临床试验中的安全性评估挑战 - 传统影像学工具如心脏磁共振成像(CMR)存在空间分辨率不足、定量指标单一和缺乏组织特异性的局限性，导致早期漏检亚临床心脏毒性或细微功能变化[1] - 高危受试者可能被误判为低风险，使研究团队低估药物心脏毒性，影响获益-风险比评估、方案修订和开发决策[1] AI在心血管疾病风险评估中的应用 - 约翰·霍普金斯大学研究团队开发多模态AI模型MAARS，用于肥厚型心肌病(HCM)患者心源性猝死(SCDA)风险分层[2][3] - MAARS模型在不同患者群体中表现优异，显著优于现有临床指南，可整合至临床流程提升个性化诊疗水平[3] - 当前临床实践中肥厚型心肌病诊断准确率仅50%左右，导致预防性治疗决策困难[2] 独立影像评估(IRC)的智能化升级 - AI技术如MAARS模型提升心脏超声评估预测准确性，助力第三方影像评估效率与精度[4] - 太美智研医药搭建领先的独立评估服务体系，涵盖ECG、CT、MRI、OCT、超声等多种模态[4] - 公司核心优势包括标准化数字化运营、统一SOP体系、优质专家资源库和严格合规性保障[5][6][7][8] 智能数据采集提升临床试验效率 - MAARS模型基于Transformer架构，具备多模态医疗数据深度融合能力[9] - 太美智研医药推出TrialCAT智能数据采集系统，通过OCR+AI双擎驱动减少人工干预，数据采集时间压缩至分钟级[9] - 系统支持文本、图片、视频、患者自报信息及可穿戴设备等多模态数据采集，确保数据隐私安全[9]

核心观点 - AI模型MAARS通过深度学习方法处理原始MRI图像，实现对心源性猝死风险的高精度预测，准确率达89% [1][2] - 该模型能够捕捉传统心脏MRI检查遗漏的关键风险信号，如隐藏的纤维化瘢痕模式，显著提升肥厚型心肌病的诊断率从50%至近90% [5][7][11] - 在40-60岁高危人群中，诊断准确率进一步提升至93% [10][12][20] 技术架构 - MAARS采用3D视觉Transformer架构，包含三个单模态分支网络（LGE-CMR、CIR、EHR）和一个多模态融合模块（MBT），避免数据拼接导致的过拟合 [14][15] - LGE-CMR分支直接分析原始MRI图像，保留未处理信息，消除人工解读主观性 [16] - 模型整合40项EHR结构化数据和27项专业影像指标，通过3D-ViT学习三维空间特征，实现多模态医疗数据深度融合 [18][19] 性能优势 - 预测准确率（AUROC）达89%，较传统临床指南（如ACC/AHA、ESC）提升0.27-0.35 [20][21] - 具备可解释性设计，通过Shapley值分析和注意力机制可视化，明确高风险因素（如左心室侧壁纤维化占比超15%） [23][24][25] - 辅助制定个性化医疗方案，如精确评估除颤器植入需求或优化药物治疗策略 [27] 研究背景与未来方向 - 由约翰霍普金斯大学Natalia Trayanova团队开发，其曾获NIH先锋奖并入选国际女性科技名人堂 [28][29][30] - 团队计划将MAARS扩展至扩张型心肌病、缺血性心脏病等更多病种 [32] - 前期研究基础包括2022年构建的多模态模型用于预测梗死患者心脏骤停风险 [31] 数据引用 - 肥厚型心肌病临床诊断准确率仅50% [5] - MAARS将诊断率提升至近90%，40-60岁人群达93% [11][12] - 模型整合40项EHR数据和27项影像指标 [18]

大会基本信息 - 会议名称：第二届全球医疗科技大会 [1] - 主办方：思宇MedTech [1] - 会议时间：2025年7月17日 [8] - 会议地点：北京中关村展示中心会议中心 [6] - 参会规模：约500人 [8] - 会议主题：前沿技术·从研发走向临床应用 [1] 大会内容与议程 - 重点探讨话题包括AI与智能系统、影像设备与平台升级、高值耗材与介入创新、能量平台与术中设备、材料创新与结构优化 [7][10][11][12][13] - 圆桌讨论主题：创新产品怎么真正进入科室、用得起来 [14] - 具体议题包括医疗AI大模型的落地挑战、多模态数据融合与系统集成、如何嵌入医生工作流、国产影像系统的机会与瓶颈、新一代介入产品的系统设计等 [9][15] 参会与参展信息 - 参会嘉宾来自政府、医院、龙头企业、技术初创、投资机构、科研院所等 [8] - 参展权益包括主题演讲、大会现场品牌展位、企业宣传资料发放、活动现场环节嵌入品牌标识 [4] - 报名方式可通过链接或扫描二维码 [15] 其他信息 - 大会将评选全球医疗科技创新成果奖项 [8] - 思宇MedTech旗下拥有十多个内容号，包括MedRobot、眼未来、心未来等 [17]

4D标注之静态元素 - 自动驾驶技术发展推动重建应用从SLAM转向4D标注 静态元素标注只需在重建3D场景中标注一次 大幅提升效率[1] - 静态元素标注输入为Lidar或多摄像头重建的3D图 输出为矢量车道线(由N个有序xyz坐标点组成)和类别[5] - 地面重建获取2D BEV车道线 静态点云重建获取3D障碍物信息[6] 重建技术流程 - 激光/视觉里程计获取自车位姿 地面语义分割采用SAM等开源模型[7] - 地面重建采用RoME方法 将语义投影到网格化点云 静态场景点云重建完成整体构建[7] 4D自动标注核心难点 - 时空一致性要求高 需连续帧精准追踪动态目标运动轨迹[8] - 多模态数据融合复杂 需解决激光雷达 相机 雷达的坐标对齐和时延补偿[8] - 动态场景泛化难度大 交通参与者行为不确定性和环境干扰增加模型挑战[8] - 标注效率与成本矛盾 高精度标注依赖人工校验但海量数据导致周期长[8] - 量产场景泛化要求高 需适应不同城市 道路 天气等复杂条件[8] 4D标注课程体系 - 动态障碍物标注涵盖3D检测算法(SAFDNet) 多目标跟踪(DetZero)及数据质检[12] - 激光&视觉SLAM重建讲解Graph-based算法和评价指标[13] - 静态元素标注基于全局clip道路信息实现自动化[15] - 通用障碍物OCC标注解析特斯拉Occupancy Network方案及稠密化优化[16] - 端到端真值生成打通动态障碍物 静态元素 可行驶区域和自车轨迹[17] - 数据闭环专题涵盖scaling law验证 架构痛点及岗位面试要点[19] 行业技术趋势 - 4D标注算法向端到端发展 实现动静态元素 可行驶区域的全流程自动化[17] - OCC技术成为感知标配 基于Lidar和视觉的方案持续优化[16] - 数据闭环能力成为企业核心竞争力 涉及算法研发和工程化落地[19][21]

大会基本信息 - 第二届全球医疗科技大会将于2025年7月17日在北京中关村展示中心举行 聚焦"前沿技术·从研发走向临床应用"主题 [1][6] - 会议规模约500人 参会嘉宾包括政府、医院、龙头企业、技术初创、投资机构、科研院所等跨界代表 [8] - 大会议程包括主题演讲、品牌展位、企业宣传、奖项评选等环节 重点探讨医疗科技从研发到临床落地的实践路径 [4][6][8] 核心讨论方向 - AI与智能系统：医疗AI与大模型落地挑战、多模态数据融合、医生工作流嵌入等话题 [7][9] - 影像设备升级：国产影像系统机会与瓶颈、专科影像平台打造、数据闭环与术中集成趋势 [10][15] - 高值耗材创新：新一代介入产品系统设计、效率提升与学习曲线优化、影像引导新应用 [11][15] - 能量平台发展：超声刀/射频/高频电产品迭代、多能量平台整合、术中整体解决方案 [12][15] - 材料技术突破：可降解/智能响应材料临床挑战、材料器械融合机会、差异化产品验证 [13][15] 行业互动与展示 - 设置圆桌讨论环节 探讨创新产品如何进入科室、医企协作路径、临床流程重新设计等实际问题 [14][15] - 大会将评选全球医疗科技创新成果奖 在主舞台集中展示前沿技术 [8] - 提供品牌展位、宣传资料发放、活动环节标识嵌入等商业合作权益 [4]

大会基本信息 - 会议名称：第二届全球医疗科技大会 [1] - 主办方：思宇MedTech [1] - 会议时间：2025年7月17日（周四） [8] - 会议地点：北京中关村展示中心会议中心（北京市海淀区新建宫门路2号） [6] - 参会规模：约500人 [8] - 会议主题：前沿技术 · 从研发走向临床应用 [1] 大会内容与议程 - 重点探讨话题包括：AI与智能系统、医疗AI与大模型的落地挑战、多模态数据融合与系统集成、如何嵌入医生工作流 [7][9] - 其他专题：影像设备与平台升级、高值耗材与介入创新、能量平台与术中设备、材料创新与结构优化 [10][11][12][13] - 圆桌讨论主题：创新产品怎么真正进入科室、用得起来 [14] - 议程拟邀请方向：影像设备、AI平台、高值耗材、能量系统、材料技术等领域的上市公司、创业企业 [6] - 分享内容：产品创新、技术落地、医工协同等方面的实践经验 [6] 参会权益与招商信息 - 参展权益：主题演讲、大会现场品牌展位、企业宣传资料发放、活动现场环节嵌入品牌标识 [4] - 招商状态：已经开始，展位有限 [1] - 商务合作联系方式：工作微信号suribot22、手机号13552754250、可直接联系主编赵清、Alice、Jacky、Ziana等团队成员 [1] 其他活动信息 - 重磅奖项评选：全球医疗科技创新成果将在大会主舞台集中展示与颁奖 [8] - 嘉宾阵容：来自政府、医院、龙头企业、技术初创、投资机构、科研院所等跨界代表 [8] - 报名方法：可通过链接https://hdxu.cn/1fwan或扫描二维码报名 [15] 主办方背景 - 思宇MedTech每日报道全球最新医疗科技动态 [17] - 旗下拥有思宇MedTech、MedRobot、眼未来、心未来、骨未来、医影像、探美医界等十多个内容号 [17]