人工智能辅助医疗技术发展 - 中国科学院自动化研究所医疗机器人团队联合医疗企业研发智能超声技术和超声机器人，为患者提供便捷高效的医疗服务 [1] - 超声技术可用于精准评估颈动脉、甲状腺、乳腺等器官病变，是心脑血管疾病和癌症早期筛查的重要工具 [1] - 传统超声设备操作复杂且高度依赖医生专业性，在偏远地区常因诊断不当耽误病情治疗 [1] 技术创新路径 - 研究团队提出"机器人+AI+掌上超声"的技术路径，实现人工智能影像分析、操作动作分析和机器人运动自主决策的深度融合 [1] - 研发的甲状腺、颈动脉专用桌面级轻量化机器人可通过人机混合智能实现扫查路径引导与质量实时监控 [1] - 操作者仅需跟随机器人提示即可完成标准化扫查，降低操作难度 [1] 人工智能诊断系统 - 团队基于大量超声影像数据开发人工智能诊断引擎，提升病灶鉴别诊断的敏感性和特异性 [2] - 将超声探头与处理系统集成至手机大小，配合云端智能分析系统 [2] - 实现"设备进社区、专家在云端"的新型医疗服务模式 [2] 技术应用现状 - 该技术已落地10余家基层医疗机构 [3] - 已完成近10万人次颈动脉超声筛查 [3] - 团队正将技术拓展至乳腺、肝脏等更多脏器筛查 [3] - 目标是通过长期技术攻关让优质医疗资源"沉得下、用得起" [3]

人工智能辅助医疗技术发展 - 中国科学院自动化研究所医疗机器人团队联合医疗企业研发智能超声技术和超声机器人 提供便捷高效的医疗服务 [1] - 超声技术可用于精准评估颈动脉 甲状腺 乳腺等器官病变 是心脑血管疾病和癌症早期筛查的重要工具 [1] - 传统超声设备操作复杂 高度依赖医生专业经验 偏远地区患者常因诊断不当延误治疗 [1] 技术创新路径 - 研究团队提出"机器人+AI+掌上超声"技术路径 实现人工智能影像分析 操作动作分析和机器人运动自主决策的深度融合 [1] - 研发甲状腺 颈动脉专用桌面级轻量化机器人 通过人机混合智能实现扫查路径引导与质量实时监控 [1] - 操作者仅需跟随机器人提示即可完成标准化扫查 降低操作难度 [1] 人工智能诊断系统 - 团队基于大量超声影像数据开发人工智能诊断引擎 提升病灶鉴别诊断的敏感性和特异性 [2] - 将超声探头与处理系统集成至手机大小 配合云端智能分析系统 [2] - 实现"设备进社区 专家在云端"的服务模式 [2] 技术应用现状 - 该技术已落地10余家基层医疗机构 [3] - 已完成近10万人次颈动脉超声筛查 [3] - 正在将技术拓展至乳腺 肝脏等更多脏器筛查 [3] 未来发展目标 - 通过长期技术攻关让优质医疗资源真正"沉得下 用得起" [3] - 致力于解决医疗资源分布不均问题 [3]

AI伦理治理体系化推进 - 我国提出《全球人工智能治理倡议》并出台《科技伦理审查办法（试行）》，工信部正在研究编制人工智能科技伦理服务管理办法，标志着AI伦理治理进入体系化推进阶段 [2] - 医疗AI需要解决人机对齐问题才能成为可信赖的医疗助手 [2] 人机对齐技术 - 人机对齐是通过技术手段与伦理框架让AI的目标、行为和输出与人类价值观、社会规范一致，是"技术人性化"的准入要求 [3] - 人机对齐在医疗领域有三大核心作用：可解释性、信任性和人类和谐性 [4][5] - 人机对齐技术如RLHF、RAG已被主流模型采用，RLAIF方法可解决人类专家标注耗时长的问题 [6] 医疗AI特殊性 - 医疗AI具有数据敏感性、结果不可逆性和责任主体复杂性三大特殊性 [7] - 医疗数据包含敏感信息，受GDPR、HIPAA和《个人信息保护法》等法规严格保护 [7] - 医疗AI必须追求"零失误"，需清晰界定责任主体 [7] 医疗AI伦理合规措施 - 应从技术架构、数据集建设、医院管理、患者知情和行业监管五大环节协同发力 [7] - 技术架构环节需在预训练阶段引入"医学伦理知识图谱"，微调阶段通过人工反馈强化学习 [7][9] - 数据集建设环节需运用隐私计算技术实现数据"可用不可见"，设立"数据过滤器"屏蔽不良数据源 [9] - 医院管理环节需实施"双保险机制"，高风险场景AI建议需医生实时复核 [9] - 患者知情环节需提供"可理解的AI决策报告"，保障患者否决权 [9] - 行业监管环节需建立国家统一的医疗AI对齐认证标准体系，开展"红蓝对抗演练"等测试 [10] 数据飞轮机制 - "数据飞轮"是用户对AI输出进行标注反馈从而实现模型持续优化的闭环机制 [11] - 医疗AI应建立"数据飞轮"机制，形成"模型输出评估—数据收集—应用反馈—模型优化"闭环 [11] - 需建立准入机制确保数据干净合规，激励机制让数据共享双向受益 [12]

公司违规事项 - 公司未按期归还暂时补流的募集资金，涉及金额包括2024年7月26日的8200万元、2024年8月28日的3.74亿元和2025年1月7日的5000万元 [2] - 公司披露的信息"使用期限……不超过12个月"与实际不符 [2] - 上述行为违反了《上市公司监管指引第2号》和《上市公司信息披露管理办法》的相关规定 [3] 整改措施 - 公司通过加大应收账款催收力度、拓展业务规模、出售股权资产等方式筹措资金，争取尽快归还募集资金 [4] - 公司将加强资金规划管理，确保未归还的募集资金仅用于与主营业务相关的生产经营 [5] - 公司已组织相关人员学习相关法律法规和内部管理制度，提升合规意识 [6] - 公司将积极披露募集资金归还进展，提升信息披露质量 [7] 整改时间及责任人 - 公司计划于2025年6月底前全部归还未归还的募集资金 [7] - 整改责任人包括董事长、总经理、财务总监、董事会秘书、财务部、证券部 [8] 公司整改总结 - 公司将以本次整改为契机，加强法律法规学习，完善内部控制体系，提升公司治理水平 [9] - 公司致力于建立科学、规范的内部治理长效机制，维护投资者利益，推动可持续发展 [9]

AI行业竞争格局 - 大厂聚焦参数升级的"军备竞赛"，中小创业者深耕大厂无暇顾及的细分赛道[1] - 医疗行业被视为"数字化攻坚的最难阵地"，通用大模型难以满足其高准确性和严谨性需求[1] - 越来越多的AI企业意识到细分赛道重要性，加大垂直领域行业大模型投入[1] 医疗垂直大模型必要性 - AI在医疗场景应用需专业算法和高质量数据才能达到80分以上水平[1] - 通用大模型如医学生具备广泛医学认知但缺乏临床实战经验[1] - 垂直大模型需上万例临床实践和持续学习才能成为专家级诊疗能力[2] 公司实践案例 - 壹生检康专注女性健康3年，积累丰富行业经验和庞大用户群体[4] - 通用大模型存在"幻觉"问题，特定场景无法控制其自由发挥[4] - 公司选择32B参数模型在计算资源和回复效果间取得最佳平衡[5] 模型训练过程 - 第一轮使用1400例蒸馏数据训练准确率仅50%[5] - 第二轮经医生标注后准确率提升至60%[6] - 补充600例数据解决数据失衡问题，最终准确率达77.1%[6] 模型性能对比 - 豆蔻妇科大模型整体准确率77.1%，高出DeepSeek 7%[13] - 在下腹包块诊断中准确率优势达17.1%[14] - 在月经推迟诊断中更全面考虑激素类药物影响[15] 成本优化措施 - 仅使用一张英伟达4090 GPU进行训练[16] - 最终模型参数量仅为DeepSeek R1的1/20[17] - 选择INT8量化版本对准确率影响可忽略不计[17] 应用场景规划 - toC端解决女性健康问题描述困难和病耻感问题[17] - toB端赋能基层诊所和大健康机构弥补专业资源不足[18] - 模型设计带推理过程便于专业人员评估其正确性[18] 未来发展方向 - 强化学习可使模型从垂直领域拓展到全医学领域[19] - 强化学习让模型具备解决通用问题和泛化能力[19] - 目标使模型成为既优秀又全面的医生[19]

超分辨率技术概述 - 超分辨率技术是一种通过深度学习等AI算法提升图像分辨率的图像处理技术，能够提升图像识别的准确性与效率 [2] - 该技术可应用于医疗场景，使CT胶片清晰展示小于1mm的微小病变，为早期诊断提供关键支持 [2] - 行业正整合计算机视觉、人工智能技术、深度学习技术与医学知识库，推动医学影像质量提升 [2] 亿达科创的技术探索 - 公司创新性地将超分辨率重建与病灶识别进行算法级融合，实现从影像增强到智能诊断的闭环处理 [3] - 通过卷积神经网络（CNN）、残差网络（ResNet）或生成对抗网络（GAN）等深度学习模型，对医学影像进行高质量重建，提升图像分辨率与清晰度 [3] - 自研的智能诊断辅助系统可实现病灶区域的自动检测与标注，生成结构化诊断建议报告，辅助医生快速定位关键病变特征 [3] 技术应用与未来展望 - 公司的智能诊断辅助系统解决方案将应用于早期癌症筛查、基层医疗远程会诊、急诊快速决策、术中导航、新药研发与医学教育等领域 [4] - 通过专业影像处理界面提升临床操作效率，并通过隐私保护机制实现影像数据全链路加密，确保医疗数据安全 [3] - 未来将推动分级医疗、精准医疗、智能医疗的技术革新 [4]

医疗发展阶段 - 传统医疗阶段：主要依赖个人经验与物理工具进行诊断，手术依赖手工操作，信息存储于纸质档案 [5][6] - 规则驱动自动化阶段：以电子病历、医院信息管理系统、医学影像存档与通信系统等为代表，实现规则驱动的流程自动化 [7] - AI自主决策阶段：目标驱动的自主决策与协作，应用大语言模型、多模态AI、手术机器人等 [9] AI应用场景及模式 AI语音查房场景 - 基于业务流程建模标注规范标准，涉及WiNGPT医疗大模型、语音模型、工具及医生交互与决策干预 [14] AI与医生协作模式 - 轻量辅助：智能在线，医生驱动AI实时交互，用于医疗知识问答、报告解读等 [16][17] - 深入场景：协作交互，AI与医生形成协同决策，用于病历文书生成、病历文书质控等 [18][19] - 重构融合：无缝集成，主动触发AI工作流，多智能体协同，用于临床辅助决策、血液管理等 [20][21] 医疗信息记录与应用范式重构 - 输入方式：从“手动输入”到“对话即记录”，如语音输入、上下文感知补全等 [23] - 知识呈现：从“静态文档”到“动态知识引擎”，如辅助诊断推理、风险预测与预警等 [23] - 系统协作：从“孤立系统”到“可信协作网络”，如区块链存证、人机权责透明化等 [23] 模型研发与优化 WiNGPT模型 - 研发时间：2023年1月开始研发和训练工作，最新模型WiNGPT2.8 - 32B [25][39] - 特点：“小而专”，大模型上的“小模型”，可定制，私有部署，低成本交付 [40] - 指令集：高质量指令集，指令微调数据227万 +，包括通用指令、医疗指令等多种类型 [41][44][43] - 优化方法：直接偏好优化DPO，构建医护人员偏好反馈数据集，DPO对齐数据1.6万 + [47][48][50] 模型量化 - 量化方式：整数量化（如PTQ、QAT）、动态量化、静态量化、GPTQ、混合精度AWQ量化 [53] - 量化效果：AWQ比GPTQ量化更为高效，量化时间约为GPTQ的1/4，推理速度更快，两者文本生成性能相当 [55] 平台与应用开发 WiNEX Copilot大模型应用开发平台 - 应用场景：北京大学人民医院的日间手术智能语音录入和住院查房智能语音录入，提高医生病历书写效率 [59][60][62] 病历质控 - 突破：实现病历质控从形式质控到内涵质控的突破，采用模型自学习方式 [64] - 核心：提示词处理是关键核心，提升质控精度和透明度 [64] RAG技术应用 - 作用：WiNGPT通过RAG技术访问专业医疗知识，减少事实性风险和忠实性幻觉 [66] - 功能：整合专业知识图谱，打造知识库，实现智能问答和推荐功能，提供个性化诊疗建议 [67] 临床应用场景 院外报告处理 - 方式：采集院外报告，解析为结构化报告数据回写至院内，支持查看、引用及指标趋势对比 [69] 输血管理辅助决策 - 阶段：术前进行贫血评估、凝血评估、自体采血评估；术中制定备血方案评估并一键引用；术后进行患者血色素评估及术后凝血状况治疗建议 [72] 已上线场景 - 包括临床辅助决策、手术步骤智能语音录入、住院病历内涵质控、科研专病库数据自动提取与填充、医学临床实验知情同意书伦理辅助审查等多个场景，收到科室人员好评反馈 [72] 卫宁AI战略 战略方向 - 用户侧：AI for Everything；产品侧：产品智能，企业提效 [30] 产品应用 - WiNEX AI inside：AI能力内置WiNEX产品中，对接医疗机构与医护人员 [32] - 效果：AI能力增强拉升WiNEX销售，AI增值服务采用订阅模式 [34][35] 其他相关信息 幻觉率排名 - DeepSeek - R1幻觉率达到14.3%，排名第117位 [25] MCP协议 - 2024年11月由Claude的母公司Anthropic推出，2025年3月底OpenAI宣布支持，国内已覆盖多个领域 [26][27]

高增长行业趋势与区域机遇 - 成都依托芯片设计(年规模超300亿元)、AI算法(高薪岗位占比25%)、医疗科技(AI影像渗透率达35%)形成差异化优势，成为西部科技创新高地 [5] - 成都芯片领域龙头企业如华为海思(成都)、振芯科技等为技术人才提供年薪35万至120万元的岗位机会 [5] - 成都70%从业者集中在初级岗位(8K-15K)，高薪人群仅占12%，职场人需通过"行业卡位+技能升级"突破瓶颈 [5] - 提出财富积累五阶段论，强调"职业黄金期"(29-35岁)的关键性，以深圳房价8年翻十倍、华为股票复利增长为例 [5] AI技术渗透与职业路径 - AI技术渗透分为三阶段：基础设施层(如OpenAI、DeepSeek构建大模型技术底座)、应用工具层(如Manus AI、DeepSeek-R1)、行业改造层(如成都"霸王茶姬"智能茶饮机降本增效超30%) [9][10] - 职业转型三条突围路径：产业链深耕(如山西数据标注工作室单项目年营收超500万元)、传统行业赋能(如房产经纪人提升客户转化率20%)、超级个体崛起(如9岁作者利用AI工具创作畅销书半年销量破万册) [12] 职场竞争力重构 - 提出"常量—变量"职业进化模型：常量锚定(如盖洛普34项才干测评识别核心优势)、变量突破(如AI时代三大能力变量：行业知识迭代速度、工具应用熟练度、跨界资源整合力) [14] - "优势×AI"公式：如"交往才干+AI社群运营"可快速构建千人垂直社群，"学习才干+AI知识管理"能实现个人认知指数级提升 [14] - AI不是替代者而是放大器，职场人需聚焦"人无我有、人有我优"的优势壁垒如共情力、批判性思维 [16] AI赋能求职全流程 - 职业知识库搭建：通过豆包语音助手记录成长轨迹，结合飞书云文档分类归档项目成果 [18] - 智能简历优化：利用扣子智能体解析JD关键词，匹配"可量化成就"，投递效率提升10倍 [18] - 朋友圈价值运营：按"6:3:1"黄金比例塑造职业形象，吸引猎头主动对接 [18] - AI求职全流程：从岗位调研、案例集制作到薪资谈判，通过多维表格实现"一次输入，多场景复用" [20] 峰会总结与行业使命 - 峰会通过"全球视野—区域洞察—个体赋能"三维视角绘制AI时代职业导航图 [20][22] - 大辰教育聚焦AI、新能源、低空经济等战略领域，构建人才赋能生态，为中国参与全球科技竞争输送核心力量 [22]

国家政策与目标 - 国家卫健委目标2025年底全国90%以上县域建成紧密型医共体 [2] - 十部委2023年7月发布《全面推进紧密型县域医疗卫生共同体建设的指导意见》要求推动AI在医共体广泛应用 [13] - 国家卫健委2024年2月发布《县域医共体信息化建设指引》要求建立统一医共体数据平台 [13] AI技术应用与案例 - 华为"县域智能底座"将顶级诊疗能力解构成可复制的算法 [3] - 数坤科技影像云平台使苏州基层医院肺结节误诊率从18.7%降至5.3% [3] - 浙江安吉"中医智能云药房"让村民扫码得个性化膏方 中药服务覆盖率提升40% [3] - 山东省平阴县人民医院"数字医生"系统将文书处理时间从5小时缩短至30分钟 体检阳性患者就诊转化率从5%升至70% [10][11] - 华西医院AI嵌入电子病历系统 病历书写效率提升90% [7] - 广东省第二人民医院体检大模型将报告出具时间从2-3天缩短至10分钟 [7] 医疗数据整合与挑战 - 某西部县域12家卫生院、156个村卫生室存在8种数据标准 电子病历互认率不足30% [4] - 华为通过算法压缩技术将病理影像存储空间降低50% [7] - 县域医共体核心难题是资源分散与信息孤岛 [5] 技术落地难点 - 基层医生对AI信任需时间培养 某乡镇卫生院花费半年培训才习惯AI审方系统 [11] - 部分地区AI处方未被医保认可 或担心数据共享导致患者被上级医院"虹吸" [11] - 县域医共体建设中医保支付机制、绩效考核标准与AI应用尚未完全适配 [11] 行业生态与发展趋势 - AI推动县域医共体向数智化、同质化、高效化转型 [16] - 技术企业"下沉"与县域医院"上云"构成变革合力 [9] - 未来将加速推广区域审方中心、智慧急救系统等AI解决方案 实现分级诊疗目标 [14]

企业落户香港 - 百度智能驾驶、理想汽车、蚂蚁数科等18家全球知名企业近期落户香港 [1] - 香港特区政府引进重点企业办公室累计引进84家重点企业 [1] - 预计未来数年在港投资约500亿港元并创造2万多个就业岗位 [1] - 香港吸引企业的优势包括区位优势、研发实力、专业服务和自由港地位 [1] - 香港在全球金融中心指数排名第三，在投资管理、保险业、融资三项位列全球第一 [1] - 港股市场一季度IPO融资额达182亿港元，同比增加287%，创2021年以来新高 [1] 香港投资管理 - 香港投资管理有限公司管理多只基金总额达620亿港元 [2] - 已投资超过100个项目，其中硬科技、生命科技、新能源及绿色科技占比分别为56%、16%、11% [2] - 投资期限均为长期，每1港元投资可带动超过4港元市场资金跟投 [2] - 对被投企业有明确要求，包括在香港设立办公室、培养人才、建立研发部门等 [2] 香港供应链建设 - 香港目标建设成为跨国供应链管理中心 [3] - 着力构建高增值供应链服务机制，吸引内地企业在港建立国际或区域总部 [3] - 伦敦金属交易所批准首批在香港设立4个认可仓库 [3] - 大宗商品仓库可为区内金属交易提供安全便捷、成本可控的交割途径 [3] - 投资推广署通过内地办事处举办跨国供应链主题活动助力企业布局海外 [3]