医疗科技行业现状 - 医疗领域因数据壁垒高、场景复杂、容错率低成为技术落地的难点，但蕴含巨大商业和社会价值[3] - 行业当前处于AI医生热潮，各企业采用不同技术路线"八仙过海"[23] - 医疗信息化市场内卷加剧，医院因收入下降对信息化投入更谨慎，部分厂商采取免费送软件策略[26] 左医科技公司概况 - 成立于2016年，由前百度NLP负责人张超创立，专注知识图谱与医疗大模型协同[3][5] - 客户覆盖全国200多家三甲医院，其中40%为top100医院，包括北京协和等顶尖机构[5] - 当前商业化重心从B端转向C端，B端聚焦高毛利标准化产品，C端探索会员订阅和健康产品推荐[26][30] 技术路线演进 - 2020年首次将Transformer用于医患对话开发AI Doctor，显著提升交互体验[9][13] - 尝试GPT-2微调遇成本瓶颈，后转向开源模型，最终选择通义千问作为基座模型[14] - 2023年发布医疗垂类大模型，落地四川省人民医院等百强医院[14] - 2024年推出端到端AI Agent，整合CoT推理/工具调用等能力，诊断效果提升15%[16][18] 核心产品与落地 - "重儿·小乙AI家庭医生"在重庆医科大学附属儿童医院落地，集成循证知识库/报告识别/挂号等服务[21] - 儿科循证知识库基于国内外指南/专家共识构建，专业团队核验，单篇论文仅提取10条高价值数据[21] - 与宁夏/北京等地卫健委合作推出"AI家医"，通过B端带动C端积累流量[27] 数据壁垒构建 - 数据清洗需反复调整如"和面"，关键know-how来自实操积累的"错题集"[20] - 数据来源包括互联网/真实医患对话/诊断生成数据，经专家筛选保留1%高价值信息[21] - 病历数据处理需删除病理解释部分防止模型"漏题"[20] 商业化战略调整 - B端保留预问诊/分导诊/语音转写等高标准化产品，目标90%以上毛利率[26] - C端采用会员订阅制，未来计划基于交互数据推荐健康产品[30] - 聚焦诊前诊中场景，因诊后慢病管理商业闭环难建立[31] 行业趋势判断 - 垂直模型价值在于专有数据壁垒，但通用模型迭代将压缩其生存空间[16] - 医疗AI落地三形态：提示词/工作流/端到端，后者能突破人类能力限制[18] - 医院需求更倾向低错误率、稳定供应的技术而非"满血"性能[36]