# 101: 与王小川聊AI✖️医疗：通向“生命科学的数学原理” 晚点聊 LateTalk · 2025-02-11 本期嘉宾是百川智能创始人兼CEO王小川，他与主播程曼祺一起拆解了百川聚焦医疗的战略，核心主张是医疗不是垂直场景，而是大模型皇冠上的明珠，“造医生就等于AGI”。王小川称，百川在春节前发布了推理模型Baichuan M1-Preview并开源14B版本，2025年一季度每个海淀居民就可能用上AI医生助理；与北京儿童医院合作提出“造100万儿童医生”，一个内蒙古脑梗案例中M1给出的三个诊断方向与协和医院会诊高度吻合。他透露百川累计融资超50亿元但没怎么烧钱，也不参与API价格战和投流大战，因为医疗是比通用模型更大的机会。他回顾了从2000年基因测序毕业论文到研究中医、投资医疗公司的经历，认为AI正从“把物理变数学”走向“把语言变数学”再到“把生命变数学”，语言是智能主轴，o1验证了这一点；直接用图像视频训练是走偏了，下一个范式迁移是AI自己造工具。在王小川看来，医疗不会被通用智能吃掉，因为医疗数据和场景独特，中国一年就诊人次超84亿；训练医疗超级模型成本更高但有相应价值，未来可从“入院即入组”走向“出生即入组”，推动生命科学研究。他还分享了与政府、医院和产业落地的真实过程：见省长和市委书记比在搜狗时更多，但层层推进和考核指标更复杂；付费方式有政府、医院和商保等，今年内会在海外探索医疗出海。最后他比较了搜狗与百川两次创业，认为需要更多年轻人，并期待2025年医疗场景解锁和“看特朗普怎么折腾”。 ## Questions this episode answers ### 百川为什么选择聚焦医疗？ 王小川说，他成立百川第一天起就想“造医生”，把医疗比作大模型皇冠上的明珠，认为造医生等于AGI。2016年AlphaGo和魏则西事件让他看到医疗供给瓶颈；他2000年做基因测序拼接算法，好奇生命的数学原理，研究中医并认为中医是一种哲学。 [13:03](https://latetalk.podhood.com/f7c82ae6-464e-4769-9773-8e2b0e007f5f?t=783000) ### AI医生什么时候落地？海淀居民2025年一季度就能用上吗？ 王小川说，2025年一季度海淀居民就可能有一个AI医生助理，系统与海淀区医疗数据打通；同时与北京儿童医院合作，儿科问题更多在医院外解决。他认为未来医疗会走向hospital at home，多数检测和干预发生在家庭场景。 [30:52](https://latetalk.podhood.com/f7c82ae6-464e-4769-9773-8e2b0e007f5f?t=1852000) ### 百川 M1 模型在医疗上有哪些实际表现？ 王小川分享内蒙古脑梗患者案例：M1给出三个推理方向，协和医院会诊给了四个，三个完全命中，顺着诊断方向就能救活患者。他说M1医疗能力已远超市级医院水平；还开源14B版本，用4090卡就能部署，方便医疗行业调优。 [2:40](https://latetalk.podhood.com/f7c82ae6-464e-4769-9773-8e2b0e007f5f?t=160000) ### 为什么王小川认为视觉/视频不是智能主轴？ 王小川认为语言是智能主轴，多模态主要用来做交互，不能开辟技术赛道；o1验证了语言承载慢思考。他说直接拿图像、视频训练是走偏了，人也没真正理解物理世界，因此不认同只靠语言无法理解真实世界规律的看法。 [47:56](https://latetalk.podhood.com/f7c82ae6-464e-4769-9773-8e2b0e007f5f?t=2876000) ## Key moments - **[0:00] 开场** - [0:03] 百川智能在春节前发布推理模型Baichuan-M1-Preview，王小川称公司聚焦医疗；他2000年研究生毕业论文就是做基因测序拼接算法 - [0:57] 百川智能累计融资超50亿元却少烧钱，被称为最稳的大模型独角兽之一；王小川计划2025年一季度让每个海淀居民用上AI医生助理 - [2:40] 王小川讲述内蒙古脑梗患者案例：住院两周被下死亡通知后，百川M1给出3个诊断方向，与协和医院4个会诊方向中的3个完全命中 - **[3:41] 医疗案例** - [3:41] 王小川解释M1开源14B：医疗行业需要能本地部署的模型，4090显卡即可运行；开源是既定计划，与DeepSeek无关 - **[6:09] 开源与o1** - [6:10] 王小川谈中国公司快速复现o1：蒸馏是公开秘密，很多公司拿已有模型做数据标注；部分模型只是品相像，能力差距大 - [8:07] 王小川认为DeepSeek比预期好，已比OpenAI慢半步甚至很接近；它没有融资责任与风险、卡现成，其他创业公司无法复制 - [10:34] 王小川回顾24年5月被迫发布百晓印：'不得不发了，大家都说催了你发'；之后在内部大量强调医疗，希望团队重视医学突破 - [12:09] 王小川称新科学范式不是对物理世界建模，而是对人建模：以前用数学解构物理世界，现在用数学解构人 - **[12:53] 造医生** - [13:03] 王小川回忆百川做医疗的缘起：2016年AlphaGo和魏则西事件让他得出两个结论——机器掌握语言才到强人工智能，医疗瓶颈是医生供给不足 - [14:50] 王小川2000年研究生毕业论文做基因测序拼接算法，当时就想知道生命的数学原理；他认为数学物理不足以解释生命现象 - [17:22] 王小川在搜狗期间投资超10家医疗公司；ChatGPT出现后他判断语言技术颠覆到来，历史翻篇，AGI时代到来 - [19:05] 王小川提出从科学时代走向智能时代，不是第四次工业革命；上一代互联网医疗投1000亿没做成，因为医生是中心环节，找医生不如造医生 - **[20:36] 范式转变** - [20:37] 王小川解释成立百川时未强调医疗：当时只能讲通用模型，钱融到后才敢讲；团队也意识到需要找到场景而非在红海竞争 - [21:26] 王小川：'医疗是大模型皇冠上的明珠，任何AI技术在医疗上都有用武之地'；医疗不是垂直场景，是水涨船高的超级应用 - [22:31] 王小川引用Anthropic CEO Dario的预测：未来5-10年医疗进展将超过过去50-100年；AI不是总结数据，而是参与实验设计 - [23:17] 王小川提出'造医生等于AGI'：行业一边觉得AGI无所不能，一边觉得AI当医生难；他把大模型能力与医生能力一一画等号 - [25:23] 百川已有30多个医生并收购约40人的医工结合公司；王小川称现在每个团队都得跟医疗相关，含医疗量取代含模型量 - **[26:47] 医疗落地** - [26:47] 百川与北京儿童医院合作：院长提出'造100万儿童医生'，王小川称这是第一个与他同频的院长；儿科80%问题未来可院外解决 - [29:33] 百川'一大四小'AI医疗产品：一大是超级医生模型，四小覆盖居家、社区、市级医院和儿童医院场景，预计3-4月发布 - [30:17] 百川正在做咳嗽音模型：靠咳嗽声判断上呼吸道还是下呼吸道感染，下呼吸道感染需要去医院干预 - [30:49] Q: 海淀居民什么时候能用上百川的AI医生？王小川说2025年一季度每个海淀居民都会有一个AI医生助理，病例与区域医院打通 - [32:21] 王小川谈医疗付费三种方向：政府基层公共卫生、医院医保、to C形成商保；AI医疗服务已进国家医保目录并归在医生服务中 - [33:41] 王小川计划2025年内让百川医疗出海，为发达国家提供AI医疗服务；需要本地部署，但技术突破要立足全球 - **[40:37] 超级应用** - [42:43] 王小川维持超级应用定义：至少3000万到1亿DAU；中国一年就诊84亿人次，百度健康搜索一天4亿多次请求，诊疗加慢病管理可成超级应用 - [43:20] 王小川设想超级应用形态是'医生朋友'，随时找、知道你的历史、从你的角度想；B端则做医生助理和院外随访 - [45:10] 理想称OpenAI不会给垂直领域留机会 vs 王小川：医疗需要通用模型没有的数据，再聪明的爱因斯坦也不会看病，医疗是下个时代的事 - [45:44] 王小川划分时代：科学时代把物理变数学，智能时代起点把语言变数学，共生时代把生命变数学；生命科学与具身智能不被今天AI覆盖 - [46:29] 王小川判断大厂不会全力押注AI医疗：腾讯百度在减少投入，蚂蚁收购好大夫是战略驱动，发力点不在AI突破而在支付与商业模式 - **[47:56] 语言主轴** - [48:21] 王小川看o1的意义：从快思考走向慢思考，依然用语言做推理，验证了语言作为智能主轴的力量 - [48:45] 王小川谈强化学习用于医疗：不像数学编程有明确对错反馈，需要单独调教医疗任务认知与沟通逻辑，医疗数据和任务理解是关键 - [49:51] 百川获取医疗数据的方式：与医院协同合作，北京儿童医院数据通过重点实验室共享；预训练需要规模数据，但'金条'来自顶尖医院 - [51:14] 王小川预测AI下一步先调用工具（Anthropic computer use、OpenAI operator），再自己造工具；写代码可能成为强化学习后的大范式迁移 - [52:57] LeCun vs 王小川：只靠语言能否理解真实世界？王小川回应'人也没咋理解'，认为直接拿视觉或图像训练是走偏了 - [53:44] 王小川：'我还是相信这个语言边界就接近你的世界边界' - **[56:19] 人机共生** - [56:28] 王小川预测2025年内AI'医生朋友'能解决挺复杂的问题，包括罕见病分类；手术机器人还没有碰 - [57:22] 王小川想象更远未来：人机融合后不需要手术机器人，AGI帮助繁荣与延续人类文明；文明是对世界的认知，不是延续肉体 - [57:57] 王小川：99.9%的人都低估了这个时代的大变化；AI不是第四次工业革命，而是反工业革命，社会分工将收缩 - **[58:30] 两次创业** - [58:31] 王小川比较两次创业：搜狗是在母体内从技术小团队出发，百川是独立定义公司、人员目标更分散复杂；上次追巨头，这次在浪尖 - [1:00:08] 王小川谈百川终局：把医生造出来让所有人有好医生用，并开辟新医学科研范式；他称功成不必在我，但公司要有位置 - [1:01:55] 王小川认为新技术需要更多年轻人，百川技术团队还不够年轻；毕业两三年甚至实习生都挺好，搜狗早年也很年轻 - [1:03:12] 百川医学总监到岗：清华协和8年制、霍普金斯硕士、协和6年大内科后曾任杏树林联合创始人；他相信培养AI医生比人类医生更有前途 - **[1:05:13] 自我与时代** - [1:07:31] 王小川回忆2023年室温超导乌龙让他蒙圈，感到自己像木偶很被动；AI真正来临时能参与其中创造，是很幸运的事 - [1:09:03] 王小川称2024年行业对AI有迷失感，但他从未质疑大模型赛道代表AGI未来；Scaling Law会变，强化是未来 - [1:10:29] 王小川引用Darwin'生物自由'：身体不再被疾病烦恼；他本人不希望长生，'活太长了，对世界是有害的' - **[1:14:05] 未来期待** - [1:14:06] 王小川说没有'真实版本'的未来；可讲的是最近几年人类社会天翻地覆，人与机器关系、学习方式、价值创造会被重新定义，10年内可见 - [1:15:53] 王小川2025年最期待AI医疗解锁更多场景；与AI无关的是看特朗普怎么折腾，他是特朗普超级粉；变化带来希望 ## Speakers - **曼祺** (host) - **王小川** (guest) ## Topics AI模型团队动态 ## Mentioned Anthropic (company), DeepSeek (company), Hinton (company), OpenAI (company), 北京儿童医院 (company), 协和 (company), 搜狗 (company), 海淀区 (company), 百川 (company), 百度 (company), 腾讯 (company), 蚂蚁 (company), AlphaGo (product), M1 (product), o1 (product) ## Transcript ### 开场 **曼祺** [0:03] 欢迎收听 《 晚点聊 》， 本期的主播是曼祺 。 将近 8 个月没有更新大的模型版本后， 百川在春节前发布了推理模型 " 百川 M1-Preview"。在一批头部大模型公司中， 百川在 2024 年年中明确做出了选择 ： 聚焦医疗 。 这是王小川长久的关注 。他告诉我 ，2000 年他研究生的毕业论文就是做基因测序的拼接算法 ， 当时他就想知道 ： 生命的数学原理是什么 ？ 因为发现数学 、 物理等科学体系不足以解释生命了 ，他还去研究了中医 ，也投资过中医公司 。他认为中医是一种哲学 。在 2023 年成立的百川上， 王小川统一了他对生命科学的长久关注与追求 AGI。 这样成立之初讲通用模型和应用的百川 ， 看起来 " 变了 "" 慢了 "，也走到了焦点之外 。 去年， 百川既不参与模型 API 价格战 ，也没有跟进投流大战 。 社交媒体上出现不看好百川的声音 ，也有投资人告诉我 ： 百川其实是最稳的大模型独角兽之一 ， 累计融资超 50 亿元 ， 却没怎么烧钱 。在百川发布新模型 M1 后， 我们访谈了王小川 ， 聊了百川做医疗的源起 、 王小川理解的 AGI 与医疗和生命科学的关系 ，以及百川已经发生的一些落地实践 。 比如他提到 ，2025 年一季度 ， 每个海淀居民就可能用上一个由百川提供的 AI 医生助理 。 多数人认为做医疗是转向垂直领域 ， 王小川的逻辑则是 ： 医疗不是垂直场景 ，因为任何一个 AI 技术在医疗上都有用武之地 ， 它不会被今天的 AI 淹没掉 。 当更多同行与科技大公司在同一个战壕里厮杀时， 王小川强调 ： 创业要走出大厂射程之外 。他看到了什么 ？ 以下是他的阶段性回答 。 我们可以先聊一聊你们昨天刚刚更新的这个模型 。 你们昨天刚刚是发了推理的模型 " 百川 M1-Preview"， 包括也开源了一个 14B 的版本 。 你可以讲一下这次更新之后， 你有收到一些什么反馈吗 ？ **王小川** [2:00] 它首先是我们叫做通用能力使能在第一梯队 ，在医疗上能突出 ， 这是我们达到这样的一个目的 。 所以的话 ，M1 发布的时候 ，其实可以看到它是有在视觉的这样一个推理能力 ， 通用推理能力 ， 尤其在搜索的这样一个推理能力 。 就两个东西 ， 一个是寻证 ， 这是我们独有的一件事 。 我不知道你理解 " 寻证 " 这个词吗 ？ **曼祺** [2:19] 就是我可以去查这种论文 ， 它是有文献来支撑的 。 **王小川** [2:22] 对 ， 它不是让你去学习论文 ， 它叫 evidence-based。 所谓 evidence-based 最重要就是以论文为基础这种支撑的 ， 像 PubMed 还有 HubSpot 这些支撑的 。 这是中间的一个 ， 这叫我们解锁了寻证这样一个场景 ， 这是叫做搜索跟推理的结合 ， 解决寻证场景 。 然后另外的话 ， 正好有几个案例可以分享 。 前几天是正好一个内蒙古的一个案例 ， 内蒙古的市人民医院当时有一个患者 ， 然后已经基本放弃 ， 下死亡通知了 ， 诊断是脑梗 ，在医院住了大概两周时间不见好 ， 然后他们家里不甘心 ， 就送到北京来往协和去治疗 。 路上的话 ， 把他的病情传给我们了 ， 然后我们就放到我们的 M1 的系统里面 。 这是非常真实的案例 ， 回来之后 M1 就给了三个推理方向 ， 就三个界面诊断 。他就认为说 ， 大概是还有哪三种病 ， 分别在里面需要做什么样的验证 。 然后他去了协和之后的话 ， 协和的老师给了四个 ， 我们三个完全命中了 。 所以如果在市的医院 ， 当时按照他能够顺着这思路往下去做诊断 ，因为他已经给了方向说怎么诊断 ， 诊断完的话 ， 这三个做这个人就立刻就救活了 。 因此现在他的能力来讲 ，是已经远超过了市这一级医院的水准 。 **曼祺** [3:28] 这个应用的价值会非常大 。 **王小川** [3:29] 对 。 **曼祺** [3:30] 这一次百川 M1，其实你们是又有一个开源的版本 。 那之前的话 ， 百川和百川 2 是开源的 ， 百川 3 和百川 4 是没有开源的 。 为什么有这样一个又走向开源的变化 ？ ### 医疗案例 **王小川** [3:41] 我们在医疗行业的话 ，不是百川一家就能做完的 ， 包括我们跟很多医院要去做这种合作 。 当时有开源版本的话 ，是 for 医疗这一块增强 。 我们刚讲我们那个医疗 ， 它是一个 14B 的这么一个模型 ， 然后你在医疗上的评分是超过了前面 72B 的 ，但是这个模型你就拿 4090 卡就能部署起来了 ， 一个 70B 的你就会难很多 。 这样我们认为做医疗科研的这些人， 甚至做医疗这些人 ，他们其实很容易就能够更上手一个模型去做上面的调优 ， 更快把我们带到这个行业里面来 。 这种行业来之后的话 ，也许会成为我们好的一种合作伙伴 ， 就建立这样一种透明带来的一种信任关系 。 **曼祺** [4:16] 这个和 DeepSeek 最近的尝试开源有关系吗 ？ **王小川** [4:19] 没有 ，是我们原定计划就有的 。 **曼祺** [4:21] 原来的计划就是在这个版本上是要开源的 。 **王小川** [4:23] 对对对 ， 就会有应用的这么一个出口 。其实我们今天我们还会发两个开源版本 。 所以开源的话 ，也是医疗行业中间更好的这种配合 。 比如说我们的体检中心 ，他们可能有需要自己的模型 ， 你说你还要他做 CUI 部署 ， 那还掉了 API 呢 ？ 大家讨论半天 ，不如开源把你先做起来 。 这样使得整个行业都能够共同进入到 AI 时代 。 **曼祺** [4:41] 因为我觉得大家会去想 ，是不是受到某一些公司的启发 ，是因为在 25 年 1 月份这个时间点 ， 确实中国的大模型领域非常热闹 ， 就是有很多家公司都在更新自己的模型 ， 包括像 MiniMax 之前一直是闭源的 ，他们也来开源了 。 **王小川** [4:57] 都可能碰上了吧 ，其实没有这么想 。 这是我们既定的这样一个计划 ， 反而是他们这个做得非常好之后， 我们可能得到关注还少一些 ，但我们行业还好 。 因为在医疗行业里面 ， 我们会有自己的这样一个独有的贡献 。 **曼祺** [5:09] 而且就是 1 月份这一轮比较密集的大家更新 ，其实都是围绕着 o1 方向的 ，21 然后 Kimi 的 K1.5， 豆包的 Pro 1.5 都是这个方向的 。 然后你们的 M1 其实也是 。 **王小川** [5:21] 是 。 **曼祺** [5:22] 为什么百川不是最早复现 o1 的中国公司 ？ 其实你们强化学习是很早的时候就在做了 。 **王小川** [5:28] 光复现不是我们的目的 ， 我们也希望往下在百川在发布的时候 ， 都能带上跟医疗突出的这样一个心志 。 所以最后是跟你的这样一个觉得你的能力经历都会有关系的 。 因此我们认为自己的这样一个心志上 ，是能在通用医疗增强 。 如果只做通用的来看 ， 我们就变成双份力量了 。 通用要能最早 ， 医疗上同步发不发就是一个难点 。 **曼祺** [5:47] 就是跟你的目标有关 。 之前我们和 MiniMax 的闫俊杰聊 ，他说中国有些公司复现 o1 特别快 ，是通过蒸馏做到的 。 但是这个访谈发布之后， 也有一些技术社区 ，他比较反对这种观点 ， 就是说蒸馏其实没有办法解释像 Kimi K1.5 包括 DeepSeek 2.1 的技术报告里展示的一些训练的细节 。 就您会怎么看中国一批公司 ，他去追 o1 这个事特别快 ？ ### 开源与o1 **王小川** [6:10] 两个东西 ， 就快是来自两个原因 。 一个原因的话 ，是三种能力吧 。 第一个是蒸馏是中间有 ， 我倒不排斥这个事 ，其实这是公开秘密 。 很多公司都在做蒸馏这件事情 。 **曼祺** [6:20] 其实你可以解释一下， 就怎么样大家会认为它算是蒸馏 。 **王小川** [6:24] 就是因为你要构造数据 ， 你原来靠人标注嘛 。 但是如果对方模型已经有了 ， 你拿它来做标注 ， 你也会容易很多 ， 就减少人在里面的这种投入 。 包括 DeepSeek 也蒸馏自己 ， 它不一起发了一系列开源吗 ？ 你说大模型蒸馏小模型 ， 这样你避免每个模型再重新做一遍 。 第二的话 ， 之前部分这个公司的模型 ， 它其实是不完整的 ， 就表现上是在学习 o1 或者对标 o1，但是品相能够长得比较像 ，是能力上讲是有大的差距的 。 这个发得快 ， 中间有部分是这个原因 。 **曼祺** [6:52] 你怎么看豆包前天更新 o1 方向的豆包 1.5 Pro 的时候 ，他们特别写到说我们不走捷径 ，不使用任何其他模型的数据 。 **王小川** [7:01] 对 ， 我觉得样子就是每个公司都有自己的策略和自己的这种属性吧 。 对吧 ， 对于豆包而言的话 ， 就是一种这种巨头 ， 它当然对原创性要求会高一些 ， 甚至它极端点 ， 它说我都不看你论文 ， 那它干得出来我也信 。 **曼祺** [7:14] 那我觉得不可能吧 ， 它肯定得看各种论文 。 **王小川** [7:17] 对 ， 就是它有选择嘛 ， 就是它选择条难的路 。 那我觉得这是鼓励的一件事嘛 ， 吸引力的 。 **曼祺** [7:22] 您去年说过理想慢一步 ， 落地快三步 。 **王小川** [7:25] 对 。 **曼祺** [7:25] 我理解的是指在最前沿的技术上 ，其实我们还是一段时间里是要去跟随美国的一些原创性的创新 。 但是在同一代模型下， 中国是有可能把应用和落地做得更靠前 、 更有优势的 。 **王小川** [7:37] 我觉得有机会还是这样一个观点 。在医疗里面 ， 我们的落地上讲 ，在 25 年就是重要的一个时间了 。 所以 20 年是把模型表现出我们有能力 ， 把自融到了 ， 团队组建了 。24 年的话 ，是中间能够让大家相信医疗是未来 ，也把这个医疗人才能吸引到 。25 年我们在这里面就能够开始医疗落地 。 医疗可能是它比较早解锁的重要场景 ，不是大家想的是比较晚解锁的重要场景 。 **曼祺** [7:59] 对 ， 我觉得应用上落地快三步 ， 就是你刚才讲的一些进展 ， 我觉得确实是落地快三步 。 那你觉得理想慢一步还成立吗 ？ 比如说现在美国的技术社区 ，有的人也很恐慌 ， 对吧 ？ 他们觉得哇 ， 中国的一些公司追得太快了 。 **王小川** [8:12] 对 ， 我觉得这样确实 DeepSeek 的做法的话 ，是能超出大家预期的这个好 。 往下的话 ， 我们还会继续去关注 。 那现在至少也比 OpenAI 还是慢一些了 ， 就它已经来讲可能慢半步 ， 或者说很接近了 。 这件事情大家确实是比其他公司干得漂亮的地方 。 **曼祺** [8:28] 对 ，也有人说它是中国最像 OpenAI 的公司 。其实它的一个特点就是 ， 它前期是没有怎么做应用的 。 **王小川** [8:34] 它第一个没有融资的任何的责任和风险 ， 所以它既不考虑钱怎么来 ，也不需要先考虑交付什么样的这个商业模式 。 这是它的一个优势 ， 甚至它的卡都是现成的 。 **曼祺** [8:46] 它之前量化囤了很多卡 。 **王小川** [8:47] 对 ， 所以它可以在一个特别放松的环境下去做 。 这是其他的你的一个叫做从零起步创业公司不可能复制的一个方式的 。 **曼祺** [8:54] 就它不是一个典型的创业公司 。 **王小川** [8:56] 对 。 **曼祺** [8:57] 您之前其实也发过一个朋友圈嘛 ， 就是您说 OpenAI 的成功 ， 首先是技术理想主义的胜利 。 **王小川** [9:02] 对 。 **曼祺** [9:03] 而大厂受限于自己的业务牵引 ， 追逐资本热点的创业公司又比较容易动作变形 。 所以这两者其实都是比较难有技术理想主义的 。 **王小川** [9:11] 是 。 **曼祺** [9:12] 你可以描述一下现在百川的技术理想是什么吗 ？ **王小川** [9:15] 和大家知道我的技术理想是在对于这个从技术突破以及在生命科学里面的这样一个连接 。 技术理想今天我而言的话 ， 首先第一个好的创业公司都有 ， 包括 DeepSeek 也有 ， 甚至一米也有不错的东西 。 它是很有能力去调整自己的这样一个位置 。 它的这个工作上是大家都在技术理想里面是往前在进行的 ， 这算是有的 。 **曼祺** [9:34] 所以它没有受限于自己的业务牵引是吗 ？ **王小川** [9:36] 它团队上是属于花了很多力量去做 。 你像它前期是做得不好的 ，但我依然从第一天所有同事问我 ， 我都觉得自己是在牌桌上是属于最核心 、 必须尊重的一个对手的 。 它组织能力足够高 ， 所以它确实没有太说这事 。 自己也是中间这个 ， 就是任何时候你都得知道得给它设身之外的一个状态 。 **曼祺** [9:53] 你们当时在 2024 年 5 月发布百晓印的时候 ，因为那会已经有豆包了嘛 。 **王小川** [9:58] 对 ， 那会的时候我不知道有 ，但是 Kimi 发了嘛 。 当时这个媒体采访时问我说为什么这么晚发 ， 我当时说我还觉得我发早了呢 。 **曼祺** [10:05] 那你们当时在 24 年 5 月发百晓印 ， 我最近也去登录了百晓印的界面 ， 我感觉它好像还是比较通用的一个聊天机器人。 它好像也不是特别强调说是在医疗领域的 。 所以当时的那个想法是 ， 为什么要在那个节点发这个东西 ？ **王小川** [10:19] 不得不发了 ， 大家都说催了你发 。 **曼祺** [10:22] 所以这可以算是追逐资本热点的创业公司容易动作变形的一个 。 **王小川** [10:27] 不是热点 ， 就是到那个节点 ， 我觉得发个东西放那也无伤大雅 。 **曼祺** [10:30] 但我感觉你们后面确实就是会聚焦和收敛很多 。 **王小川** [10:34] 对 ， 我觉得那发完之后， 我在内部确实在医疗提的是非常非常多的 。 因为只做通用 ， 我们是又要追模型 ， 又要追应用 ， 又要追垂直 。在这样一个复杂环境下的时候的话 ， 我确实希望大家能够更加重视在医疗医学上的这么一个这种突破 。 **曼祺** [10:51] 刚才我们在说技术理想主义嘛 ， 然后 AI 行业也经常讲信仰 。 你觉得技术理想主义和信仰它是一样的 ， 还是有些区别 ？ **王小川** [10:58] 信仰更大的一个词嘛 ， 信仰更大的词 。 技术理想主义它以具体的一个字籍 ， 你可以信啥都叫信仰 ， 信共产主义也是信仰 ，但不能信技术理想 。 **曼祺** [11:07] 就是技术理想是信仰的一种 。 **王小川** [11:09] 对 。 **曼祺** [11:10] 你觉得信仰和怀疑之间是什么关系 ？ 因为比如说科学精神里很重要的一点是怀疑 ， 对吧 ？ **王小川** [11:16] 但你相信科学吗 ？ **曼祺** [11:17] 我相信科学吗 ？ **王小川** [11:18] 对 ， 相信科学就是相信这种实验验证 ， 相信我们通过这个方式是能够发现更多的未知 。 那是更大的一个题目 ， 就是以前的科学的范式是不够的 。 就是以前科学范式中间是只是来自于物理数学那种公式推导东西 ， 实际上 AI 模型它已经不是走的这种科学的范式了 。 **曼祺** [11:38] 对 ，因为像流动的很多东西它是能被公式化的 ，但可能 AI 在面对的一些问题 ， 它是你很难用一个非常简练的数学公式就给它抽象出来 。 **王小川** [11:47] 对 ， 包括人你说一个词到底怎么定义它 ， 它都没有精确的定义呢 。 **曼祺** [11:50] 其实我们刚才讨论信仰和理想 ， 对吧 ？ 那可能语言本身它的局限就在于语言和你想表达的这个东西之间 ， 它不一定是完全贴合的 。 语言本来就抽象了一层 。 **王小川** [12:01] 是 。 **曼祺** [12:01] 如果总结来说 ， 你刚才提到以前的科学范式不够了 ， 那现在的新的科学范式是什么呢 ？ **王小川** [12:09] 是在用数学去解构客观世界 ， 这个没变化 。 只是它是把物理变成了数学 ， 就是今天的数学是对物理世界建模的 。 我们老就觉得好像要走 world model， 这个理解就偏了 。 今天这个数学不是对物理世界建模 ，是对人在建模 。 它是主体发生变化了 ，不是建立客观世界了 。 因为你用语言开始 ， 它变成一个可以沟通 ， 可以像人一样思考 ， 甚至是有知识 。 知识是我们对物理世界一个投射 ， 它不是物理世界 。 知识不是物理世界 ， 知识对物理世界的一种 reflection，是这么一个东西 。 所以今天这套大模型范式不是之前对物理世界建模的范式 ，是对人建模的范式 。 所以以前是用数学解构物理世界 ， 现在是用数学去解构人。 ### 造医生 **曼祺** [12:54] 刚才说了一些近期模型的进展和行业动态 ， 接下来想和您回溯一下百川去招到医疗的具体过程 ， 可以从头说一下缘起吗 ？ **王小川** [13:03] 其实那些而言的话 ， 都要有大的背景 。 从第一天开始做百川的时候 ， 我就是想来招医生的 ， 成立的初衷在招医生上 。其实我以前就讲到德医生的这个天下， 就是在医疗行业里面 ， 医生是中心的这种舞台 。 尤其在 2016 年的时候 ， 我如果回到 2016 年， 就两个很对立两个事 ， 一个是 AlphaGo， 一个是魏则西事件 。 就一方面是 AI 的这种发展 ， 让大家觉得耳目一新 ， 但一方面是魏则西事件发现大家还无解 。 所以在那时候我就在医疗上做了很多的深度的思考 。 因此当时我就有两个结论 。 第一个结论的话 ， 对 AI 上的话 ，AlphaGo 还不够 ， 就要当机器掌握语言 ， 强人工智能才到来 。 所以这是中间一个对 AI 的继续判断 。 另外一块的话 ， 我认为说医疗资源的瓶颈是医生供给不足 。 所以你站在这种做挂号网啊 ， 什么做春雨啊 ， 郝大夫其实只是找医生是搞不定的 ， 供给不足它不是个获量逻辑 。 它得它让 AI 赋能要提升这个医疗供给 ， 尤其是基层的医疗供给 。 而且就不是在医院里面爬这种巅峰问题 ，因为大医生到了院士就开始研究这种特别尖端的问题 。 那种基层药供给 ， 就是人人都有医生用 ， 每个人都有 AI 医生 ，是这么一个理念 。 这是这个 16 年魏则西之后在 18 年的两个想法 。 但是到 21 年的时候 ， 我当时就提到说往下 20 年， 想做生命科学大众健康 。 这是写在我的公开的这个收口的告别信里面的 。 但是那会只是时机没到来 。22 年是创立了五级医学 ， 这个在楼上的公司以后也会给大家见面的 ， 叫五季 ，Five Seasons， 叫五季医学 。 然后 23 年的话 ， 正好这个 AI 爆发了 ， 所以我就创立了百川 。 创立百川的源头是对 ， 就认为对医疗场景有巨大的用处 ， 就是带着场景想的 ，不是说技术来了我就做这个 。 **曼祺** [14:39] 您刚才说到最开始可能有一个起点是 16 年看到 AlphaGo 和魏则西事件 。 如果再往回追溯的话 ， 就是您非常想做医疗领域 ， 想做生命健康 ， 还有什么更早的源头吗 ？ **王小川** [14:50] 2000 年我原则是搞基因测序的 ， 所以我的研究是搞基因测序 。 我当时觉得生命这个问题好复杂 ， 我就特别感兴趣 。在那会就想知道生命的数学原理是什么 ， 就生命是怎么工作的 。 这是我 2000 年我的毕业论文就做基因测序的拼接算法 。 所以因此对我而言 ， 我后来叫做走出科学 ， 就是你看到数学物理是不足以解释生命现象的 。 **曼祺** [15:11] 说到这个 ， 我听说您会背 《 黄帝内经 》。 **王小川** [15:14] 我们会做一些中医相关的这些科研工作 ， 现在还有些进展 。 这是这个未来会给大家讲的东西 。 就我一直想 ，因为科学今天的数学物理是不能解释生命现象 ，但是生命现象理论不能解释现象的时候 ， 你不能说现象不对 ， 只能说理论不对 。 因此我想寻求新的理论来解释 ， 一直在花好多力气去学习中医 。 **曼祺** [15:34] 那也是从 2000 年之后就开始了 。 **王小川** [15:36] 对 。 **曼祺** [15:36] 因为其实中医您觉得它就不是一个完全科学体系的东西 ，但是它能解释一些现象 。 **王小川** [15:43] 科学不够用了嘛 ， 所以要找其他的模式 ， 对吧 ？ 所以中医突然给你很灵感 ， 中医是一种哲学 ， 中医是一种哲学 。 **曼祺** [15:50] 您的高中同学陈锐 ，B 站的陈锐接受我们的采访的时候说过 ， 上高中的时候他比较感性 ， 你比较理性 ，他很文艺写诗 ， 然后你喜欢计算机 。 但是他说现在他感觉反过来了 。 **王小川** [16:01] 对 ， 交叉换位了嘛 ， 当个同桌 。 对 ， 那个也不叫感性 ，其实那现在是更理性的事情 ，因为你发现数学物理不够用 。 **曼祺** [16:09] 就是理性再往上的一个状态 。 **王小川** [16:11] 对 ， 你更多是因为科学不够用了 ， 就会做一些哲学性的这种思考 。 所以中间的话 ， 就对于生命如何能够理解它产生巨大的兴趣 。 我举个简单例子来讲 ， 我们说我们的这个一个 DNA， 父母变成收精卵 ， 变成个人， 对吧 ？ 变成人的话 ， 还长得像爸妈 。 这听着好像很自然的事 ，但是在用数学上讲 ， 这是个不可思议的事 。 它怎么能算出来的 ？ 它是不可计算的一件事 。 三体三个球绕着转就算不了了 ， 就是到复杂性的事物了 。 天气预报到后面也可以找不到规律了 ，但是一个细胞比一个天气预报还要天气预报 ，但最后竟然出现了规律性 。 对吧 ？ 这件事情就不是用全程物理学来算的 。 因此它这个生命世界物理学是对立的一个 。 物理世界很精确 ，但是走向了熵增 。 生命世界看着很复杂 ，但其实是熵减的 。 **曼祺** [16:55] 对 ， 整个宇宙是熵增的 。 **王小川** [16:57] 整个宇宙熵增我觉得不成立的 。 今天并没有认真是整个宇宙在熵增 ， 这只是用物理观点推导出来的结果 。 因为它的要求是要是一个封闭的 ， 跟外界没有物质能量交换的系统是熵增的 。 但是你怎么验证宇宙是封闭的和没有跟外界物质能量交换呢 ？ 不能用有限来推无限 。 这都是为什么我是叫理性 ，不叫感性 ，是这个数学物理不够的人才会给出这种结果 。 **曼祺** [17:22] 其实想做生命健康这件事情有个很早的源头嘛 。 那就是 23 年看到 ChatGPT 之后， 它对你具体来怎么做这件事有什么改变吗 ？ **王小川** [17:31] 我原来的两个背景 ， 一个来讲我其实就是感兴趣生命这事 。 从 2000 年之后在搜狗时候 ， 我也投资了超过 10 多家的医疗公司 ， 然后从底层的 CRISPR 的这种这种技术 ， 做器官移植的我就投资 ， 到上面有长足矩形制药的 ， 再到上面还有这种互联网化的 ， 比如像这个英同做 AI 的公司 ，AI 的低谷 ，A 端是我们投的 ，A 加是领投的 ， 一直在这个行业当 中 。 所以中间有很多很多的这些思考 。 那么直到这个 21 年把搜狗卖给腾讯之后的话 ， 我觉得我有机会下场了 。 所以我叫做往下走生命科学大众健康 。23 年的话 ，是这个 22 年常见的五级智能 。23 年的话 ， 我还有个背景刚讲的 ，其实是对语言很敏感 。 做输入法做事情都是做语言的 ， 今天其实对言就可超越 。 做输入法的话是帮你打短的词 ， 短的句子 。 当然你希望能预测未来 ，其实输入法你可以认为它就是个 predict next token 的东西 。 你输入词帮你预测下面该输入啥 ， 只是技术没突破 ， 今天一下子就能够输出一篇文章 。 搜索引擎的话 ，也想从搜索边问答 ， 就输个问题给你答案 ，但是最后只能做到检索的这样一个给你文章的目录 。 所以我当时在博士的时候就在思考这个问答系统 ，但最后没列这个题目 ， 觉得这个技术没到 。 因此 23 年一来之后你发现 ， 你就只要输入几个问题进去 ， 你就知道 ChatGPT 是对以前的 AI 技术的一个颠覆 。 中间我当时也没有在看那技术 ， 就是深刻知道了变天了 ， 历史翻篇了 。 所以 23 年一开始的时候我就会提到是说这个叫做强人工智能时代到来 ，AGI 到来了 。 大家在极客公园讨论的时候 ， 我是坚定是认为到来的 ，因为我对语言有我自己的这样一个判断 。24 年之后我就提了个新的观点 ， 我认为都不叫是从第四次工业革命 。 工业革命是指从信息革命到今天智能革命 。 我现在的用的说法是从科学时代走向智能时代 。 这个说完之后没多久 ， 然后这个 Hinton 也好 ， 然后 Asahi 也好 ， 就拿诺贝尔这个物理系化学奖 ， 就大家看到 AI 的爆发力量 ， 且已经在颠覆科学的这样一些范式 。 还有第三句话叫做德医生者的天下 。 这是相当于互联网的逻辑 ， 互联网以前叫做德用户者的天下 。 但是我们当时后来做医疗就发现说不对 ， 医疗行业不是这么看的 。 你哪来用户 ？ 你有用过医生就有用户 ， 你没有医生你用户也是没有的 ， 对吧 ？ 而且医生也是器械和药品的流通渠道 。 所以有医生你就有患者 ，有医生你就有药厂 。 它是整个在医疗行业的中心位置 。 以前上个时代我们用 20 年投了 1000 亿都没做起来 ， 为啥投了 1000 亿 ？ 原因就是医生作为一个中心环节 ， 你只能给他做周边 ， 帮医生写个论文 ， 帮医院做个新化系统 ， 或者连接医生 。 因此那个模式是不成立 。 因此之前上一代大家都互相伤害的 ， 就是医生是觉得 AI 没对得起作用 ，是 AI 没到 。 但是这些人在互联网在医疗行业做了很久时间 ，也没找到方法去做大的突破 。 因此我们就叫做找医生不如造医生 ， 就这样才能够改变医疗行业 。 而这也是一个大蓝海 ， 教育已经有很多巨头在里面了 。 教育有个意识形态问题 ， 什么叫好 ？ 以及教育里还有个问题是这个 ， 今天你在培养人的时候 ， 你是以高考为目标还是以数字教育为目标 ？ 所以教育在未来几年内会有巨大的这种变化 。 作为一个对人帮助的这么一个能力 ，AI 很好的 ，但很难成为你公司的一个目标 。 但医疗不是 ， 医疗是一个大蓝海的 ，因为现在每个人都需要医生朋友 。 ### 范式转变 **曼祺** [20:37] 你刚才也提到成立百川时就是想造医生 ，但为什么 2023 年刚成立时， 你们好像没有特别去强调医疗 ？ **王小川** [20:45] 23 年其实沟通的时候你只能沟通通用模型 ， 就对比 OpenAI， 你只能这么讲嘛 ， 对吧 ？ 现在百川的百是指 Bio，BIO 是指的对于生命科学未来的一个畅想的 。 我敢于在里面提到 ，在里面把这个医疗和医学当成最重要的一个领域 。 这是发生在 24 年 。 **曼祺** [21:03] 你觉得是什么环境发生变化让你敢直接这么去说 ， 这么去表达 ？ **王小川** [21:07] 我觉得第一个钱融到了 ， 钱融到之后你就可以讲了 ， 否则人家不给你投钱 。 第二的话 ， 团队也开始意识到了之后， 除了模型以外， 需要找到很好的场景 ， 否则大家就在一个只是在一个红海的竞争当中 。 **曼祺** [21:20] 你可以还原一下你当时是怎么和团队明确的说 ， 我们接下来一段时间的重点是要去打造 AI 医生 ？ **王小川** [21:26] 我把健康当成最重要的领域来讲 ， 我提了几个概念 。 第一个是叫做医疗是大模型皇冠上的明珠 ， 这是重要的一个概念 。 因为我们任何一个 AI 的技术在医疗上都能用得到 ， 这个挑选板是足够高的 。 比如说你要做多模态 ， 医疗能用吧 ？ 居生智能 ， 医疗能用吧 ？ 你要长窗口的记忆 ， 你能全病程管理里面能把一个人一生的这些病都记得住 ，也能用到 ， 减少幻觉 。 然后他们做查文献 ， 包括 Hinton 也在讲 ，他说医疗是大模型最重要领域之一 ， 将发挥 AI 的最大作用 。 医疗的话 ， 我们认为叫天花板足够高 ，是在超级模型之上的应用 ， 它不是被模型淹掉 。 有的场景模型做大了 ， 你这个就不是个应用了 。 我们认为在这里面有两个态度 ， 一个叫做沿途下蛋 ， 这是大家容易听的一个词 ，但我觉得不是这么干的 ， 我们叫水涨船高 。 就是模型越高之后， 这个应用反而就越变得更加超级 。 当你有超级模型 ， 你才能形成超级的这样一个应用 。 我们刚才说 Hinton 以外 ，其实还有两个人在讲医疗 ，其实黄仁勋大概基本意思也觉得大家不要学计算机了 ，以后去学生命科学 ， 对吧 ？ 另外像 Anthropic 的这个 CEO Dario，他也在讲 ，他说我们以前对医疗 ，他说他有几个判断 ，他说未来 5-10 年我们医疗的进展会超过之前的 50 年到 100 年 。 那里有个万言书里面的 。 而这种判断不是说只是今天让 AI 去处理数据 ，AI 既不是去发现一个生命现象 ，也不是 AI 看到这数据处理完就能够突破了 ，而是 AI 是能够通过它去参与到实验设计 ， 去能够创造或者这个实验做出更多数据来 。 它不是对实验数据做总结的 ，而是参与到做实验设计里面了 。 所以医疗其实是大模型之上的更大的一个东西 ，不是简单的几个 vertical。 这件情况让团队认为我们不是往垂直里面走 ， 所以医疗大门皇上的明珠 ， 这是第一句话 。 那第二句话的话 ， 刚才还有我提到的叫做造医生就等于 AGI。 我们老说 AGI 是啥 ， 到今天没定论 ， 对吧 ？ 你总得有个可以评判的标准 。 所以我就发现有一个特别有意思的点在哪呢 ？ 行业上一方面觉得 AGI 已经无所不能了 ， 你意思是说那就该比医生厉害 。 但是当我们说我们拿这个模型做医生的时候 ， 大家觉得哎呀好难啊 ， 那意思是模型没医生强 。 所以这个模型跟医生之间如何中间找到它的这样一个对比关系 ， 我在中间相对是给它画等号的 。其实一般人比较难理解这个逻辑 ，因为按照大家朴素的对标逻辑 ， 会觉得你要先成为一个人， 你再成为医生 ， 成为律师 ， 成为一个职业的人。 你刚才那个表达好像意思是说我成为医生再成为人。 其实你成为人什么叫人就又变个特别广泛的东西了 。 所以大模型是造人的 ，但人比如说能帮你写广告文案的也是人啊 。 但是人我觉得就不够天花板高嘛 ， 就造医生代表了中间是最复杂的一个职业 。 **曼祺** [24:09] 所以你是直接以那个人中比较复杂的一个职业 ， 智能含量比较高的一个职业 。 **王小川** [24:15] 对 ， 能评判这件事情了 。 否则你说造人怎么叫人， 对吧 ？AGI 怎么就算人了 ？ 图灵的逻辑说能跟人说话 ， 然后你分辨不了它是机器还是人了 ， 它就觉得智能到来了 ，但我们已经到了嘛 。 那 AGI 是啥呢 ？ 你总得再有一个具象的东西给它看见啊 。 我甚至给大家内部也讲 ，是自然数多还是偶数多 ？ **曼祺** [24:35] 一样多 。 **王小川** [24:36] 你对啊 ， 你知道一样多 。 一样多就是你看它这个子集 ，其实它是一样多的 ，因为它是双色的 ， 只要双色就一样多 。 因此我一样的 ， 我是先把大模型要的能力跟医生要的能力我一一画等号 。 所以这样就把命题转过来 ， 这样说造医生就是 AGI。 **曼祺** [24:51] 那您在团队里提出那几句话大概是在什么时间 ，以及当时大家有一些怎样的反馈了 ？ **王小川** [24:56] 应该是在 7 月份吧 ，7 月份是我们有一个这个战略会 。 **曼祺** [25:01] 那 7 月你讲这三句话的时候 ， 你觉得团队当时大概理解到什么程度 ？ 他们有什么反馈 ？ **王小川** [25:06] 五四五十吧 。 我觉得毕竟这个很多公司像他们说他得我能在那干嘛呢 ， 对吧 ？ 今天像很多团队是人水本医书他看的 ，而且我们专业医疗团队他能互相配合的 ， 能对话的 。 这是需要一个时间来做改变 。 **曼祺** [25:20] 你们在更明确要做 AGI 医生之后， 你讲过就说你之前要讲这个团队的含模型量 ， 之后要讲含医疗量 。 你可以透露下现在它大概是一个什么占比吗 ？ **王小川** [25:31] 现在是算每个团队它都得跟医疗相关了 ， 对吧 ？ 现在我们有医学产品部 ， 我们大概有 30 多个医生 ， 然后我们还收购了一个公司做医工结合的 ，也有差不多 40 人。 比如说做咳嗽音 ， 对吧 ？ 去测什么慢阻肺或者测什么这种呼吸道感染的 。 **曼祺** [25:46] 这两种背景的人他们怎么协作 ， 怎么分工 ， 怎么相互的融合呀 ？ **王小川** [25:51] 我还是找各种方法的 。 总之现在来讲 ， 我觉得已经开始比较好 ，因为做技术第一个是得问题提出 ， 得医学人来提问题 。 第二的话 ， 这种评测体系也是由医学人来做评测体系 。 所以反过来他们是需要对于这种数据 ， 对这种评价他得有概念 。 目前我觉得蛮好的 ， 这方面团队已经建起来了 ， 这个团队已经有战斗力了 。 **曼祺** [26:13] 你刚才也提到说最开始其实如果你不去讲一个通用模型的事 ，也比较难吸引融资嘛 。 敢讲也是因为你们已经融到了一些钱 。 那后续融资上你觉得就是我去讲说我基于通用模型来做到一个 AGI 医生 ， 它会影响你们融资吗 ？ **王小川** [26:28] 现在你叫产业落地了嘛 ， 大家要听你的产业故事了 。 你光讲模型你也融不到钱了 。 **曼祺** [26:33] 就是你觉得接下来我持续的获得资金 ，其实是看我实际上在医疗这个领域到底做到了什么 。 **王小川** [26:38] 你比如说地方政府你说你做啥 ， 说我做个模型 ， 那他怎么帮你呢 ？ 他把什么场景给你呢 ？ 我们先说给我医疗场景 ， 政府觉得很 make sense，也是他们第一大需求 。 ### 医疗落地 **曼祺** [26:47] 这个也是可以展开讲一讲的 。 就是你们现在实际上在医疗领域去做了一些什么事情 ？ 我看到最近是有很多进展的 ， 包括你们 8 月份和北京儿童医院有一个合作 ， 然后你们去年底和北京市海淀区卫健委有一个合作 ， 今年 1 月和宁波那边也有一个合作 。 **王小川** [27:04] 我们大的发布会在一季度完的时候会给你展开讲 。 我可以把儿童医院这个讲讲 ， 这已经发生的事情了 。 儿童医院的话 ， 就是我们非常有意义的一个合作 。 几个点 ， 第一个的话 ， 儿童医院的院长是非常有魄力 ，他是提出了叫做造 100 万儿童医生这样一个口号的 。 **曼祺** [27:20] 对 ， 中国的儿科医生应该非常去 。 **王小川** [27:22] 因为在很多医院里面你说造什么医生容易产生大家这种抵触的情绪 ，但是你说造儿童医生的话 ， 一个院长这么提 ， 对我们讲是很大的一个鼓舞 。 就这他是第一个提出造医生这么跟我们同频的人。 有些到院士你说造医生 ，他说永远不能成为医生 ， 就 AI 永远不能成为医生 。 你就讲这种话 ，他是这个同频的造一半儿童医生 。 第二的就医生确实很缺 ，并且的话儿科的这个问题的话 ， 院长说 80% 问题未来是不用发生在医院里面的 ，在家里面高频 。 所以原来的这个体验讲的话 ， 隔三差五就要往医院送 ， 你又有什么医疗挤兑 、 交叉感染 ， 甚至一家几口都不上班就去做 。 所以社会的负担是很重的 ，并且如果控制不好成流行病的东西 ， 所以把儿童问题解决好也是国家重大的一个国策 。 医疗医小它是有大的这样一个需求 ，并且是有可能在医院外解决的 。 第三的话 ， 儿童的这方面家长相对也是比较年轻的 ，他们可能更容易拥抱新的这种技术 ， 甚至有可能是在社保之外是形成自己的这样一种商业模式能够购买的 。 因此儿童会变成我们现在整个在医疗里面 、 图里面 、 从产业化里面最快的一部分 。 **曼祺** [28:23] 你刚才讲的那三个点 ， 就是为什么从儿科开始和北京儿科医院先有一个合作 。 第二点你提到可以院外解决 ， 这个是你比较看重的一点是吗 ？ **王小川** [28:31] 是啊 ， 我们认为未来的医疗是叫从听说叫 hospital at home， 就大量的这种疾病就居家就做了 。 不管是从你的这种早筛 、 早发现 、 早诊 ， 甚至到你的慢病管理 ，不应该发生在医院里面 。 就是我们的健康 ， 大多数的这种检测和干预应该发生在家的环境 、 家庭场景 。 **曼祺** [28:49] 这个是不是对你们作为一个商业公司去切入这个场景会比较友好啊 ？ **王小川** [28:53] 是啊 ， 我觉得即使友好也代表未来 ， 就它是一个增量 ，而且也符合国策 。 国策叫做强基层 ，也是需要把这个医疗中心往基层层 、 往社区层 ， 这本来就既代表国策也代表未来 。 而且同时的话 ， 它也是增量 ， 对商业机构也是友好 。 因为医生你天天医院里面 ， 我在院外做事情的时候 ， 对他们讲是友好的 ， 能帮你在院外早发现 。 所以这很顺的 ，不是在医院里面 。 **曼祺** [29:16] 那院外的这个场景它还需要真人医生参与吗 ？ 还是家长和这个超级模型或者说这个 。 **王小川** [29:22] 超级模型就行了 ， 对 ， 家长配合超级模型就行了 。 **曼祺** [29:24] 你们当时和北京儿童医院宣布合作时说 ， 你们要推出一大四小五款 AI 医疗产品 ， 这个现在可以展开讲吗 ？ **王小川** [29:33] 一大四小大的其实就是这个超级医生的模型 ， 意思就是超级医生 ， 具体的要到 3 月 4 月份发布的时候会展开讲这一块 。 那四小的话是不同场景 ， 比如居家的场景 ，有社区的场景 ， 还有这样的一个市自己医院的场景 ， 还有儿童医院自己的场景 ， 叫一大四小 。 **曼祺** [29:49] OK， 那如果以这个例子为例的话 ， 这四个产品是不是它有一些我可以理解成它是比较像直接 to see 或者 to 家庭的一个产品 ？ **王小川** [29:57] 会 。 **曼祺** [29:58] 有些是偏和一个机构合作 to be 的 。 **王小川** [30:01] 对对对 ， 你到复杂问题就要进医院了 。 所以它是一个你的家里面的 AI 医生朋友 ，但同时的话也是往上级医生的一个助手 ， 这个医生承担两个角色 。 **曼祺** [30:10] 所以今年一季度我们可能就会看到这些产品的出现了 。 **王小川** [30:13] 对 。 **曼祺** [30:14] 我觉得这个是非常有价值的一个应用 ， 就对 AI 来说 。 **王小川** [30:17] 对 ，而且辅助在做的东西对我们讲也是需要更多医疗质量 。 比如说我们现在正在做个咳嗽音模型 ， 就咳一下就判断你是上呼吸道感染还是下呼吸道感染 。 如果上呼吸道的话问题不大 ， 居家就可以观察 ，但如果下呼吸道感染你就需要进医院了 ， 就需要干预了 。 因此可以看到百川跟大家这也是 AI 的赋能的地方 。 **曼祺** [30:36] 刚才提到你们和儿童医院的那个合作 ， 它是 to see to be to h 的一个结合 。 然后我看到你们最近也和北京市海淀区的卫健委有一个战略合作 ， 和宁波高新区也有一个战略合作 。 这个可以讲讲就是你们整个的落地的思路吗 ？ **王小川** [30:52] 从落地上讲的话 ， 能够跟政府合作的这个大的贡献几个东西我觉得是需要的 。 一个是儿科 ， 刚才讲到了 ， 跟北京儿童医院合作的 ， 然后一个叫做全科 ， 叫 AIGP， 就往基层走的 。 所以海淀区是我们重要的一个试点 。 海淀区我们现在跟它整个的医疗系统是打通的 ， 所以海淀区居民往下都能拿到你的一个 AI 医生助理 。 **曼祺** [31:13] 往下是指 25 年一季度 ？ **王小川** [31:15] 对 。 **曼祺** [31:15] 所有海淀的居民就可以有一个 ？ **王小川** [31:17] 嗯 。 **曼祺** [31:17] 那不需要海淀居民付费吗 ？ 它现在是什么形式的呀 ？ **王小川** [31:21] 这个在讨论嘛 ， 对吧 ？ 但我们认为这个系统就是跟你的病例就打通的了 。 海淀居民你在区的里面的这个医院所看的病例跟它就是连在一起 。 我们现在老叫是病例是会换成所有 ，但是你也拿不到 ， 拿了也不知道怎么用 。 所以这跟政府是深度合作的 ，并且跟它的这个社区的医生之间也是能够进行双一模式去做互动的 。 **曼祺** [31:38] 那你们在宁波是类似的模式吗 ？ **王小川** [31:40] 不一样 ， 每个地方有不同的想法 。 宁波那个现在只是一个还在签约过程嘛 ， 我们还有其他地方也在做 。 但现在因为这个市面上报道的东西其实是两个 ， 一个是儿童医院的 ， 一个是海淀的 ， 我们先提这两个事情 。 **曼祺** [31:52] 那在接下来这个 to see to h to be to g 的组合里面 ， 哪个会是你们的重点啊 ？ **王小川** [31:58] 我们认为在这里面的话 ， 首先第一个重点是把医生造出来 。 **曼祺** [32:01] 对 ， 超级模型的 AGI 的医生 。 **王小川** [32:04] 其实有个大逻辑是就好像说你有超级模型之后， 你什么行业都有一样的 。 我认为有了超级医生是你都能拿到的 。 因此我们的核心的重点是在这个超级医生上 。 那随后的话 ， 像这种 to see 的 ，to 医学生的教育的 ， 然后还有 to 这个 h 医院的 ，to g government 的 ， 然后我们都会再往前去推动 。 **曼祺** [32:21] 它这个付费方也是很多元的是吧 ？ 是不是有的情形下是政府付费 ，有的情形下是医院来给你们付费 ？ **王小川** [32:28] 对 ， 我觉得未来有三个方向 。 一个方向的话是叫做基端的 ， 基端的话像政府也有很多的这种基层工位的这些费用 ， 这样是看像做家庭医生计划 ， 这个政府搞的这种公立医院改革 ， 这是区域的 ， 这是一部分的政府的项目的这些支持 。 然后第二块的话是 to h 的 ，是医院这一块 。 医院来讲的话 ， 它其实是最终会走到医保付费这条线里去的 ， 医院 cover 到医保付费 。 比如说你看圈底吧 ，有个苗头 ， 意思就是 AI 医疗服务是可以付费了 ，11、12 月份 。 **曼祺** [32:58] 全国都可以了啊 ？ **王小川** [32:59] 对 ， 都可以了 。 而且它的话你发现那个 AI 的医疗付费 ， 从医保支付是在什么名录里面呢 ？ 不是器械里面 ，是在医生服务里面 。 它是说医生服务的一部分 ， 它是人工服务的一部分 ，AI 这一部分 。 但那个还主要是影像嘛 ， 刚开始还没有到更多的这种问诊这个环节 ， 一定会变化的 。 我觉得第一性思考 ， 你知道这东西就是它终究会实现的 ， 老旧的政策瓶颈就技术瓶颈都会做到的 。 第三种就是这种 to see 的 ，to see 的话未来有可能会形成这种就叫多层次的这种商保 。to see 来讲它是每个人单独付费 ， 最终它是一个同病总会联合在一块 ， 就变成一个这种多层商保了 。 所以一个是基层的 ， 一个医院的 ， 一个是这种从个人到整个商保的 。 大概是这三种方向 。 但中间性感的地方我觉得未来还是出海 。 我们觉得我们的模型不只在国内提供服务 ， 之前在国内做医疗的基本就是国内医疗 ，但是我认为这个 global 的事情 ， 今年内我们在海外也会有 ，有在发达国家能不能实现我们的医疗服务 。 **曼祺** [33:52] 这个也是我本来想问你的问题 ，因为其实你之前说过你觉得在中国做 to be 不是一个特别好的生意 。 你说过中国的 c 端市场比 d 端要大十倍 ，但在欧美做 to be 是一个很好的生意 。 可是一讲到医疗领域的出海 ， 大家也马上会有一个自然的问题 ， 就是这个东西它涉及到一些居民的数据 ， 这个事它会这么容易能做到吗 ？ **王小川** [34:12] 可能需要一些本地部署 ，但我们要探索这件事 。 我们现在感觉想 ， 我们认为我们知道做的事情 ， 它不是像以前新兴化一样的只是做一些本土的事 。 对 ， 我们还是要把立足这个技术突破放到 global 来看的 。 **曼祺** [34:23] 那你们 global 的可能的第一站会是什么地方呢 ？ **王小川** [34:26] 我们再看吧 ，有我们今年内希望是能有成绩出来 。 **曼祺** [34:29] 可以 ， 那 25 年可以再聊啊 。 就是你们有更多进展的时候 ， 我们可以再更新一下你现在提到的这些计划 。 就说到刚才说这个中国的 b 端市场可能不是那么好做 ， 后来你是怎么下定决心 ， 还是要有一部分业务是要从 b 端开始切入的 ？ **王小川** [34:43] 其实 24 年我开始就已经在考虑 b 端 ， 就是认为在我的想法里面的话 ， 医疗它是这个国际民生的事 ， 它不是一个只是 c 端完全搞得完的 。 包括你到重病你就得跟医院合作 ， 所以如果你只是一个 c 端产品 ， 你跟医院没合作 ， 跟政府没合作 ， 那你这个产品它最后的可用性是有限的 。 毕竟大多数你要做个手术这种医疗资源都在医院内 ， 所以我们认为需要去服务这些医疗机构的 。 **曼祺** [35:05] 就说这个业务的特性 ， 就是要求它就是要这样 。 **王小川** [35:08] 对对 。 **曼祺** [35:09] 然后在中国做 to be 的一个难点其实是有时候容易把交付做得很重 ， 会消耗团队的精力 ，而且你复用程度可能没有那么高 ， 就会做成项目甚至是外包 。 你们要怎么去避免这个点啊 ？ **王小川** [35:20] 看何其提供价值吧 。 如果我就是招医生 ， 医生是在医院内上岗 ， 比如像一大四小对吧 ， 那么大部分是你的价值点不是在外包这事上 。 外包的有些这种部署肯定有 ， 就招一些 ICV 来实现 。 所以这里面核心是你有额外的大模型价值的提供 。 以前更多是变成了这个周边项目实施了 ， 这事还是得包出去的 。 **曼祺** [35:40] 所以这部分你们会和合作伙伴来做 ？ **王小川** [35:42] 对 ，是啊 。 **曼祺** [35:42] 你们核心做模型本身和模型上的一些 AI 的医生的产品 ？ **王小川** [35:47] 是啊 ，是的 。 **曼祺** [35:48] 在最开始的几个客户上也能这么做吗 ？ **王小川** [35:51] 一开始你可以做得要重一些 ，但头几个跑完之后你就可以往外放了 。 你说的对的 ，是头几个客户你得更多 in-house 去完成它 。 **曼祺** [35:58] 你可以透露一下就现在你们同时有哪几个比较重点的客户在服务吗 ？ **王小川** [36:02] 一个叫北京之外就是深圳 ， 我们是重点的一个区域 。 因为深圳在医疗里面的话 ， 它是典型纯 ， 就深圳第一个对于创新是拥抱的 。 比如上一次医改里面的这个医联体 ， 就是在深圳优先被发明创造出来的一个模式 。 而深圳也表达是他们的叫人均财富和他们医疗供给资源是不匹配的 ， 就不像北京 。 北京是医疗资源相对丰富的一个地方 ， 除了儿科不够以外， 深圳你对 AI 医疗他们是更多拥抱的 。 所以那边我们也会有很多的试点 。 **曼祺** [36:27] 因为可能大众对您的印象是您之前做的搜狗 、15 法浏览器 ， 它都是偏 to see 的大产品 ，而且是很大的产品 。 然后刚才我们讲到的这些具体的落地去和地方政府沟通 、 和医院沟通 、 和这种医院的高校去沟通 ， 它是比较偏 to be 和 to g 的 。 实际上你开始去做这件事情的时候 ， 它推进的过程中间有哪些地方是在你的把控之中， 哪些地方其实是出乎你的预料 ，是比较难 、 比较复杂的 ？ **王小川** [36:54] 我觉得比较好的地方的话 ， 超越之前做搜狗的时候是现在像政府啊 ， 包括这些医院是挺愿意搭理我们的 。 你做搜狗的时候 ， 你说你去找一个这种市委书记 、 省长是很难的 。 现在其实我们是有大模型的这么一种光环在这 ， 跟他们是很容易去做各种对话沟通 ， 对方对你有这种期待 。 这是比原来预想的会好的地方 。 **曼祺** [37:13] 所以你做百川这两年多见过的市委书记和省长比之前都多是吗 ？ **王小川** [37:17] 对 ，是的 ， 人数多 ， 级别高 。 所以在 to be 沟通里面 ， 它有到了一个这种从底层往上走的这样一个局面 。 但相对比较复杂的话 ， 这个即便见到级别高的这些人， 你要落地它有层层层层 ， 每一层有自己的目标 。 所以它这样的一个你这种对口的这么一种沟通 ，其实对我们资源会有很多的这种开销 。 它不是省长一句话就完了 ， 它是一层层里面的 ， 它是从它的这个科级到副处到处级 ， 它一层它都得都有你的这种对应 。 但我们的部署是不可能这么一种同息这种对话的 ， 所以可能一个到跨几层 。 我可能也会跟区的一个卫健局的局长去做很多的沟通 ，但这种情况大概就会带来这个认为你是认真的 。 **曼祺** [37:52] 你可以就是讲一个比较具体的过程吗 ？ 因为我觉得大家也比较好奇 ， 就是说 AI 怎么实际上和这些行业去结合去落地啊 。 **王小川** [38:02] 首先我认为现在大家对大模型是非常的欢迎拥抱的 。 比如在深圳的这个保安区 ， 我们这块是做了挺多的沟通工作 。 所以他们而言的话 ，他们从书记到他们的区长到他们卫健局的领导 ， 每层都能够跟我去调度 ， 我都见 ， 我都跟他们一块去这种共创 。 所以这里面的话 ， 我们看到的情况是越大的领导对这件事情的理解是越深的 ，是越拥抱的 。 往基层走之后 ，他是做在自己的 KPI 考核里面 ， 相对来讲会难 。 所以我们必须要跟他们一块去赶路径 ， 去设计新的考核指标才能把它推下去 。 这次中间是有难度这件事 ， 它不是说难为这种每个人都欢迎 。 **曼祺** [38:37] 你们现在实际上去和一些合作方谈的时候 ， 你们会遇到竞争对手或者说叫竞标方的这种情况吗 ？ 还是实际上现在它不是一个招投标的逻辑 ？ **王小川** [38:46] 它一定会招投标 ， 我们也会碰到一些跟我们一块的 。 但是一旦过去讲了你理念 ， 讲了你的能力之后的话 ， 我们这样是我拿到的情况是属于叫做无一例外大局的事 ， 就得百川 。 **曼祺** [38:56] OK，他们就是比较认可你们的这个思路和做法 。 **王小川** [39:00] 对理念对吧 ， 包括你的做法跟传统是不一样的 。 比如传统当项目做 ， 做完了就走了 。 我们是说这个医生来自上游 ，他一直在运营的 ，他最后要对你的这个区域绩效是持续贡献的 ， 这理念就会不一样 。 **曼祺** [39:12] 实际上你们现在如果招投标的时候遇到一些其他的投标方 ，他们是 AI 公司还是什么类型的公司啊 ？ **王小川** [39:18] 现在四个公司都叫 AI 公司 。 **曼祺** [39:20] 我是指就比如说可能这一批的这种做大模型能力的公司 ， 还是一些其他的公司 ？ **王小川** [39:25] 都会有吧 。 **曼祺** [39:26] 总结一下的话 ， 你觉得就是 2025 年百川在医疗或者说更广泛的医疗行业和 AI 的结合 ， 我们会看到些什么变化 ？ 你刚才已经剧透了一部分 ， 可以再总结一下吗 ？ **王小川** [39:35] 我觉得是这样的 ， 首先是儿童大家能看到这里面就能够跑起来了 ， 对吧 ？ 所以让家长就会减少这种焦虑 ， 能减少这种医疗的挤兑 ， 很多就发生在医院外 。 儿科是我觉得是做一个特别好的去实现理念里面的一个优先场景 。 那其次的话 ， 我们也在更多场景里面这种各个地区 ， 然后在卫健卫里面 ， 这个领先的卫健卫也跟我们配合 ， 能够在区域里面实现像家庭医生的这样一个辅助 。 家庭医生计划咱们都知道 ， 做到今天其实已经也挺困难再往前去做的 。 医生的能力 ， 医生的这个工作非常的饱和 ，也忙不过来 ，但其实技术还没得到信任 。 因此在强基层这环境里面 ，AI 会扮演重要的角色 。 然后以及在一些重大疑难杂症里面 ， 你发现 AI 可能还超越人类 。 **曼祺** [40:15] 然后我也想聊一下就是医疗跟你之前一直在讲的一件事 ， 超级模型和超级应用的关系 。 因为您之前一直说在通往 AGI 的路上需要超级模型加超级应用 ， 双轮驱动 ， 模型和应用要一起做 。 **王小川** [40:28] 对 。 **曼祺** [40:28] 那在医疗结合来做超级模型 ， 它所需要的成本和资源和我们去就是训练那种通用的超级模型 ， 它的差别是什么 ？ ### 超级应用 **王小川** [40:38] 除了通用以外， 你还多了几个事 。 第一个你需要更多医疗的数据能进来 ， 你才能够比通用模型更懂医疗 。 这是中间的第一件事 ， 这是我们要干的一个工作 。 但更远的这种壁垒是在于说我们这 AI 医生上岗之后 ，他能够成为科研工作者 。 我们都听过一个词叫做研究型医院 ， 然后就提了很多什么要要科研 、 临床病局 、 要做转化 ， 这话听完你都云里雾里了 。其实一句话讲明白了 ， 叫做入院即入组 。 就是原来在医院做临床的时候 ， 你入院病就走了 。 入组的意思每个人进到医院之后 ，他就对你是有持续的数据的观察 ，他对你的每一个干预的行为 ， 对你诊断行为 ，他全都记录下来的 。 而临床有时候这数据就扔掉了 。 所以如果 AI 医生上岗之后， 就不仅可以实现入院即入组 ， 甚至我们极端情况叫做出生即入组 。 你生下来之后有 AI 医生陪着你 ， 那你就得到巨多的这种数据 。 因此这个东西就变成 AI for science 了 ， 就这生命科学的发展就能做推动 。 所以先有 AGI， 再有生命科学 。 **曼祺** [41:35] 那它这个成本是更低还是更高了 ？ 就相比于现在在做一些通用模型训练的公司 。 **王小川** [41:41] 我觉得会高 ，但是有场景你有用的地方 。 **曼祺** [41:44] 就是高有相应的价值来覆盖它的高 。 **王小川** [41:47] 我不能够按照低的 token 来做这些事 ， 这东西我觉得养不活自己的 。 因此对生命健康的关系 ， 你的服务它的价值是高的 。 **曼祺** [41:54] 之前李开复告诉我们说 ，他觉得只有大厂才能烧得起钱去追逐超级大模型 。 **王小川** [41:59] 对 ， 我会认为这种模型中间的话 ， 一个自己会做 ， 对吧 ？ 一方面今天也叫水涨船高 ， 比如你有好的这种科研模型我们也可以用啊 。 就如果有超级模型 ， 我就用超级模型就行了 。 **曼祺** [42:09] 那你觉得现在这个阶段是外面有 。 **王小川** [42:11] 我觉得还是还有多点需要的 。 比如像我们刚才讲的有些模型 ， 像咳嗽音模型你现在根本就没有嘛 ， 我们得自己干 。 **曼祺** [42:17] 咳嗽的声音来判断你的 。 **王小川** [42:19] 对对对 ， 然后像人机对话 ， 如果如果流畅的情商的模型我们得自己干 。 所以今天不代表你要从 print train 开始一步子所有全部给做完 。 我们要掌握 print train 的 、post train 的 ， 然后还有你这种强化的 ， 然后这种 RAG 能力我们得全部都得有 。 **曼祺** [42:34] 因为刚才说的是超级模型加超级应用 ， 超级模型之外超级应用这块 ， 我知道您之前对超级应用有一个定义 ， 就至少 3,000 万到 1 亿的 DAU。 **王小川** [42:43] 是啊 。 **曼祺** [42:43] 那在医疗行业的话 ， 它可能什么形态的应用会有潜力达到这个状态了 ？ **王小川** [42:48] 就如果帮你做诊断的话 ， 它是不够的 。 现在我们这么看几个数据啊 ， 中国一年的就诊人数是 84 亿人次 ， 分到一天的话 ， 大概是 2,000 多万人， 对吧 ？ 百度上的话 ， 一天的这个健康搜索的请求 ， 大概是在 5,000 万 DAU，4 亿多次吧 。 那如果在这里面我们能做更多的这样一些对你的慢病管理和长期的保健 ， 那这就是一个超级应用了 。 **曼祺** [43:10] 所以您现在对超级应用的定义是没有变的 ， 对吧 ？ 还是 DAU 3,000 万到 1 亿至少 。 **王小川** [43:14] 对 。 **曼祺** [43:14] 你要说这个市场空间有这么大 ， 我觉得是可以理解的 。 那在你的设想里 ， 它可能是一个什么形态的东西了 ？ **王小川** [43:20] 我觉得 CNN 它大概率是你的一个医生朋友 ， 就它不只是医生 。 然后我们对医生是有畏惧情绪的 。 你看他时候 ， 你现在是很难跟他平等的去沟通的 。 很多你知道 ， 如果你有医生朋友会很幸福的 ， 你能随时找他 ，他会贴心的为你着想 ，而且知道你过去的这种历史 ，在你角度想 ，而不是从医生只是免责去想问题 。 然后有意看到医生的时候 ， 你说哎 ，他的医生到底靠不靠谱 ，他能给你做分析报告 。B 端的话 ， 我们也会做将我们的 to be to h to g。 那么你在医院内刚才讲一大四小有他的这些职责 ， 对吧 ？ 你现在在给他做医生助理 ， 能帮他做这种院外的随访 ， 到他的这种这个叫院外管理 ， 叫全平层管理 。 所以医生有他们的这些助手 。 **曼祺** [43:57] 其实跟超级应用相关还有一个问题 ， 就是您觉得在智能时代一定会出现超级应用吗 ？ 或者它的超级应用还是我们现在理解的一个 APP 的这种形式吗 ？ **王小川** [44:06] 不一定是 APP， 你总得要有一个 service 能提供 ， 对吧 ？ 你叫 service 也好 ，application 也好 ，APP 也好 ， 总能给你干点活 。 **曼祺** [44:14] 但是它可能不是现在大家一讨论 AI 就 。 **王小川** [44:17] 就是手机上的一个 APP， 对吧 ？ **曼祺** [44:19] 那是大家更直接想到的东西 。 **王小川** [44:20] 对 ， 或许我们以前做过大白 ， 对吧 ？ 这这个能陪着你也挺好的 。 **曼祺** [44:23] 你说我一个物理的大白 。 **王小川** [44:25] 嗯 ， 对啊 。 **曼祺** [44:25] 对 ， 那如果有的话当然是很好的 。 **王小川** [44:27] 那也叫应用啊 。 我觉得这样有两种定位 ，因为今天这个做居生智能的时候 ， 大家更多做的是一种工业机器人。 游戏东西的核心能力叫 pick up， 帮你搬东西 ， 叫我抽象出来做这个的 ， 对吧 ？ 那个我觉得其他公司已经会做很多了 。 我们要做的东西不是懂物理世界的机器 ， 我认为我们还是做懂人的机器 。 它能更好的察言观色 ， 它知道你到底要啥 ， 它知道你担心啥 ， 甚至你健康情况怎么样 。 所以跟我们的这个数据一脉相承是懂人， 懂人的外在的这些表征 ，以及懂你的这种健康情况 ， 能给你做干预的引导 。 **曼祺** [44:59] 说到超级应用 ，也有一种另一个角度的观点 ， 就是认为会有吃掉一切的 AI 能力 ， 就它可能对应的是一种全功能的超级超级应用 ，不会有什么垂直场景的机会 。 比如最近理想 ， 它不是也进军 AI， 对吧 ？ 然后它发了一个朋友圈说 ， 它觉得在 to C 层面 ，OpenAI 在内的掌握最强七座模型的企业 ，是不会给其他的公司留下什么在垂直领域创业的机会的 。 **王小川** [45:24] 我会觉得首先医疗行业它是有很多需要这种数据的 。 你通用模型里面是没有这些数据是做不到的 。 就你再聪明的一个爱因斯坦也不会给你看病的 。他能教你学数学 ，他能给你做各种辅导 ，但是不一定能搞懂医学 。 因为医学它是下个时代的东西 ， 它不是这个时代的 。 就是因为迈向生命时候 ，有额外的新的一些范式或数据会产生 。 所以大概率我们认为 ， 我把时代分成叫做智能时代 ， 物理时代叫科学时代 ，是把物理变数学 ， 智能时代的起点是把语言变数学 ， 然后再往下是到共生时代 ， 人机共存的时候是把生命变数学 。 所以未来尽头是一个生命科学 ， 一个是居生智能 。 因此生命科学居生智能 ， 它不是被今天 AI 覆盖的两件事情 。 **曼祺** [46:05] 对 ， 我觉得他可能说的更多是 to C 软件层面的 ，但这只是他的一种观点啊 。 **王小川** [46:10] 对 ， 就生命科学今天讲往下是 AI for science 以后， 我们希望有了 AGI 之后再来发展的这种领域嘛 。 **曼祺** [46:16] 你之前就说过大模型创业要走出大厂的射程 ，但是你也说过医疗是你看到的 AI 几乎唯一的场景 ， 只是你觉得没有那么多人相信这件事 。 那万一大厂也相信了你的这句话 ， 那他们也跑来做了 。 **王小川** [46:29] 你看现在至少知道腾讯和百度还是减少这块投入 。 大厂你看到自己也裂了那么多 ， 对吧 ？ 虽然想要健康 ，但是主要精力都不在这个地方上 。 这个对创新的要求是蛮高的 ， 资源也不小 。 就小公司其实确实来讲对他们资源开销太大 。 然后对于大厂而言的话 ，也是创新度高了 ，不在他们现在优先级里面 。 **曼祺** [46:46] 你怎么看蚂蚁集团前不久说过了 ， 郝大夫在线这件事 ，他们也说要共同去教医疗 AI 服务 。 **王小川** [46:53] 对 ， 没错 。 所以蚂蚁本身就是在医疗上是很认真在做的 ， 尤其在之前做这种支付环境嘛 ， 院内做什么安诊儿啊 ， 这一块都在进行当中 。 收到郝大夫 ， 我觉得他们的是一个比较偏种战略驱动的做法 。 所以对大厂而言的话呢 ，是我的判断 ，他们有完整的这种战略部署 。他们战略都是基于一个既定可行性来做的 ， 所以他们不会去冒一种我们认为在 AI 上的一种风险 。 它的这个发力点和创新点是在它的支付环节和商业模式设计里面 ，而不是在 AI 的突破里面 。 **曼祺** [47:23] 就它还是比较偏之前您说的那种改变生产关系 ， 就是让医生可能接触到更多人 ，而不是说去改变医生的供给的方向 。 **王小川** [47:31] 对 ， 它不是从改变医生供给这样一个角度 。 **曼祺** [47:33] 然后下面一部分我们想讨论一下， 就是您对 AI 技术进展的一些观察和理解 ，以及对智能本身的一些想法 。其实你刚才是说到了一个是你认为应该以语言为中轴 ， 还有一个就是强化学习的重要性 。 然后就说到这个以语言为中轴 ， 你们这一次的 M1 的模型其实是有强调自己同时包含语言推理 、 视觉推理和搜索推理 。 **王小川** [47:53] 对 。 **曼祺** [47:54] 你是认为这个视觉多模态的重要性上升了吗 ？ ### 语言主轴 **王小川** [47:56] 我觉得它还是用来做交互的 。 就你如果医生跟病人之间你要产生交互能力 ， 我觉得它不代表治理 ， 它代表了人跟人的沟通的一种能力 。 **曼祺** [48:04] 所以 M1 里更重要的还是它智力核心的部分 ， 还是推理的那部分 。 **王小川** [48:09] 对 ， 现在做模型大家都知道是加多模态之后， 都是在现模上加一层东西 。 它不是说在技术上想要开辟新赛道的事 。 **曼祺** [48:16] 那你觉得就是在技术上开了新赛道的这个 o1， 对你的主要的意义和启发是什么 ？ **王小川** [48:21] 就它就从这种快思考走向慢思考了 。 对 ， 我们说这个语言代表了我们的沟通 、 知识和思考 ，但以前的思考是个快思考 ， 这个语言是不完整的 。 今天这个思考从快思考到慢思考 ， 这还是语言做推理来做嘛 。 所以这也是继续验证了语言在中间的强大的这个威力 ，但同时的话呢 ， 又走出原来快思考这个范式 ， 就强化 ， 就用语言承载了后面的这么一个慢思考 。 **曼祺** [48:45] 用强化学习和这个医疗结合 ， 它会比用强化学习来做数学编程这些东西会更难吗 ？ 因为我理解强化学习的关键是你要构造一个反馈的环境 ， 对吧 ？ 然后像数学编程 ， 包括之前 AlphaGo 做下围棋 ， 它其实都是一个对错分明 、 激励反馈非常明确的一个环境 。 它看起来是更容易使用强化学习的 。 那在医疗领域 ， 如果我们来用强化学习的话 ， 它会有一些什么不一样 ， 或者说你们看到的一些难点 ， 包括你们的创新是什么 ？ **王小川** [49:13] 我觉得对医疗来讲 ， 它的思维模式会跟数学和物理不完全一样 。 当你的数学物理好 ， 做推理之后， 它能够持着你的这个叫思考范式 ， 它对医疗也是有帮助的 ， 做好就帮助 。 今天其实不是所有公司做的这个强化都能对医疗范式有帮助 。 那第二点的话 ， 医疗里面它对医疗上的问题的理解 ， 然后医疗的任务是什么 ， 医疗上的沟通逻辑里面 ，也需要更好单独去调教它 。 **曼祺** [49:38] 这个就是靠你有医疗的数据来调教吗 ？ **王小川** [49:40] 医疗数据和对医疗本身任务的认知 。 你知道什么是界面诊断 ， 什么叫诊断 ， 你得知道它是什么事 。 **曼祺** [49:46] 这个是怎么让模型会得到这些认知啊 ？ 就是它是通过一些什么具体技术方法来的 ？ **王小川** [49:51] 还是通过构造数据 。 **曼祺** [49:52] 你们在医疗场景的这些足够优质的数据 ， 你们一般是怎么获得的 ？ **王小川** [49:55] 首先的话 ，有医院这块的这种协同的合作 ， 对吧 ？ 还有一些医学 ， 比如像新西兰 ， 它每期都有它医疗的这些任务 ， 我们也会把它拿过来 ， 就医院里面都会有的 。 **曼祺** [50:05] 你们现在已经在合作的一些对象 ， 比如说像北京儿童医院 ，他们的数据可以分享给你们吗 ？ **王小川** [50:10] 我们构建的这个本质是重点实验室 ，在实验室里面是可以共享的 。 **曼祺** [50:14] 就是它是共享到实验室这个主体 。 **王小川** [50:16] 对对对 ，是 。 **曼祺** [50:17] 然后你可以使用它来去 。 **王小川** [50:19] 对 ，是做工作的 。 **曼祺** [50:20] 所以在这个领域 ， 它是有一个就是我服务的客户越多 ， 然后我有更多的数据 ， 然后我来反哺我的模型 ， 它有这个数据飞轮吗 ？ **王小川** [50:27] 主要是跟优势科室去合作 。 你说 print train 的时候来讲的话呢 ， 需要数据规模大一点 ，但是金条还是需要顶尖医院的 。 就不是大家说一个城市医院都给你数据 ， 给你那个帮助不大 。 **曼祺** [50:38] 那你觉得这个领域它有数据飞轮这种东西吗 ？ 我指就是大模型和医疗结合的这个领域 。 比如说之前闫俊杰就觉得 ，其实在 C 端产品上， 你一个好的模型是会带来更好的应用 ，但是你的应用的用户数越多这件事 ，不会让你的模型自动变好 。 然后豆包更新 Pro 1.5 的时候又说 ， 基于字节过去在搜索推荐领域的这个算法基础和我们的一个数据的系统 ， 它说是有这个飞轮的啊 。 **王小川** [51:05] 里面多多少少都会有一些 。 现在我就还没法抽象回答好这个问题 ， 就怎么定义这个飞轮 。 我现在还没有好的这种定义那个维度的飞轮 。 **曼祺** [51:14] 您认为在智能主轴 ， 就是语言上啊 ， 它下一个阶段的发展的趋势可能是什么 ？ **王小川** [51:19] 我觉得再往下强化之后， 未来有两步重要的事要做 。 一步就是这种调用工具 ， 就使用工具的能力 。其实那个 Anthropic 的 computer use， 还有昨天 OpenAI 刚刚发的这个 operator， 都是这个方向 。 对对 ， 这是调用工具 ， 这是这是一大事 。 然后再往下的话呢 ， 就开始能够造工具 ， 包括我认为像写代码是造工具很好的一种范式 。 以前写代码是给工程师用的 ，以后他写完代码自己运行 ， 就是自己造个工具自己来用 。 **曼祺** [51:45] 那这个使用工具和造工具 ， 我理解这是两个 ， 就是它能实现的事是功能性的 。 它背后需要什么技术上的变化 ？ **王小川** [51:52] 还是能力变强 。 就使用工具跟外界环境会有很多互动 。 造工具我就觉得特别性感的一个事 ， 造工具有可能会成为这个强化学习之后大的一个范式迁移 。 **曼祺** [52:02] 怎么讲 ？ **王小川** [52:02] 就 o1 发布大家很震撼嘛 ， 就是这个三段 。 第一段是刚才讲的 LM 语言模型 ， 叫 LL。 第三个的话呢 ，是创造工具 ， 这是我的判断 。 那造工具就需要很大的智力了 。其实你现在马克思最早讲人跟动物的区别 ， 就一个是语言 ， 一个是工具 。 **曼祺** [52:17] 对 ， 人类直立行走 ， 解放双手 ， 开始会使用工具 ， 后来又有了语言 。 **王小川** [52:22] 对 。 **曼祺** [52:22] 啊 ， 你说到这个 ，其实我有一个问题想跟你讨论 ， 就是这个视频里没有智力的 ， 您的这个总结 。 比如说之前那个乐坤 ，他提到就是人和动物无时无刻不在通过视觉或者一些其他的感官在获得大量信息 。 然后一个 4 岁小孩 ，他在 4 年内接受到的这种视觉的数据量 ，其实和目前的大语言模型 ， 就最好的大语言模型 ， 它获得的这个互联网上的数据量是相当的 。 **王小川** [52:48] 对 ， 我看过这个 。 对 。 **曼祺** [52:49] 你怎么看他这种想法 ？ 就是他觉得 LLM 你仅通过文本训练 ， 你是无法像人或动物那样去理解这个物理世界的复杂性的 。 **王小川** [52:57] 是的 ，但人也没咋理解啊 。 **曼祺** [52:59] 但人可能把这种东西抽象到一些 ， 就是你的生存本能里去了啊 。 **王小川** [53:04] 那是生存问题嘛 ， 我们讨论智力问题 。 **曼祺** [53:06] 所以你觉得他说的这个东西跟视频里没有智力是不矛盾的 ？ **王小川** [53:09] 对 ，也许有新的模型能够从视频里面去训练数据 。 但是两条 ， 第一个的话呢 ， 我依然觉得语言中轴 ， 然后有人叫语言叫拐棍 。 语言拐棍什么意思啊 ？ 就是以后就不需要语言了 ， 语言只用完就扔了 。 这我是觉得是搞错了的事了 ， 就直接拿视觉或者图像去训练 ， 这个我就是走偏了的 。 **曼祺** [53:27] 这是在说世界模型的时候吗 ？ **王小川** [53:29] 不是 ， 我是跟美国的一堆人在聊的时候嘛 。 我说语言中轴 ，在他们觉得语言是拐棍 ， 就是他们拒绝扔不掉 。 **曼祺** [53:34] 你这是和人线下面对面发生的讨论吗 ？ **王小川** [53:37] 线上小圈子里面讨论的 。 我那我想最多我的底线是语言是脚手架 ， 它的整个模式是语言限制它的 。 就还是我相信这个语言边界就接近你的这个世界边界的 。 **曼祺** [53:48] 对 ， 说到这个感知和语言的问题啊 ， 就人工智能领域还有一个叫莫拉维克悖论的一个洞察 ， 就是说对人来说一些比较困难的任务 ， 比如说像抽象推理 、 数学计算 ， 对计算机来说其实比较简单的 。 **王小川** [53:59] 对 。 **曼祺** [54:00] 但是对人来说大家觉得很简单的东西 ， 比如说感知 、 运动控制 ， 还有一些直觉 ， 对计算机来说又非常难 。 然后莫拉维克自己的一个猜想是 ，因为像感知和运动控制是我们进化了几百万年才有的一些能力 ，而语言是可能最近 2 万年， 就是你变成人这个物种之后， 你才开始进化出来的一些比较高级的认知 。 对 ， 还包括数学和逻辑 。 所以后者是更容易被形式化的 ，而我们可能会低估了那些我们自己觉得很简单的东西 ， 比如说像感知 、 像运动控制 、 像直觉的复杂性 。其实机器以前语言掌握得不好啊 ，在大模型出来之前 ，不代表说是这个机器语言会了 ， 什么感知不会 。 只是说机器可能就开始搞一些计算 ， 就是比较确定的计算 。 **王小川** [54:44] 对 ， 它既不会语言也不会感知 ， 到这次语言先突破了 。 **曼祺** [54:48] 就是你说的把语言给数学化了 。 **王小川** [54:50] 这是大家一直在低估的一个概念 。 **曼祺** [54:52] 当你和一些投入比较多力量来做这种视频生成和多模态的公司啊 ， 比如说像街月啊 、MiniMax 啊 ， 包括专门做这个像 Pika、Runway 这些公司 ， 你跟他们说视频里没有智力 ，他们什么反馈 ？ **王小川** [55:03] 他们不一定能理解吧 。 **曼祺** [55:05] 就是有发生过这个实际的交流什么 ？ **王小川** [55:07] 有 。 **曼祺** [55:08] 那他们怎么反驳你的 ？ 他们不理解的话 ？ **王小川** [55:10] 有两种吧 ， 一种就觉得为什么要问这个问题呢 ？ 我做 Pika， 我做什么这些 ， 做视频做得挺好的 ， 对吧 ？ 我做视频模型 ， 做语言模型 ， 各做各的 ， 各有各的世界 。 第二种就觉得多模态有用 。 后来甚至有一种像张鹏讲一个词 ， 叫把智力跟智能分成两个词 ， 好 ， 智力是语言 ， 智能是加上多模态能 ，在英文是一个词 。 **曼祺** [55:31] OK， 英文就是 intelligence。 **王小川** [55:32] 对 。 **曼祺** [55:33] 那就是中文的博大精深了 。在中文里是有点不一样 。 **王小川** [55:37] 是的 ， 这个其实有讨论 ，有各种解释 。 **曼祺** [55:40] 但是你的这个就是语言是主轴的想法是越来越坚定的 。 **王小川** [55:44] 不仅我这样的 ， 像杨振宁现在也这么说了呀 。 **曼祺** [55:46] 对 ， 杨振宁确实也这么说 。 **王小川** [55:47] 他也改口了嘛 。 **曼祺** [55:48] 那你最开始听他是怎么说的 ？ **王小川** [55:49] 他以前提的是叫什么 GLV，Global Language Video。 **曼祺** [55:54] 这是什么时候啊 ？ **王小川** [55:55] 创业给投资人讲的呀 。 **曼祺** [55:56] 你说最开始他融资的时候 ？ **王小川** [55:58] 对啊 。 **曼祺** [55:58] 我们 2024 年 6 月的时候跟杨振宁聊过一次 ，他那会儿有一个跟您后来在别的采访里说的很像的表达 ， 大概就是他觉得做语言这个事情是长个的 ，是长高的 。 **王小川** [56:08] 对 ，他后来就用这个词了 。他最好是叫统一透光化 ， 把那当成他的这个技术理想 。他觉得多模态可能是我扩展一些能力 ，有点类似于长胖的这种感觉 ， 横向的一个东西 。 对 ， 这个中轴嘛 ， 现在他现在用这个词了 。 ### 人机共生 **曼祺** [56:20] 就是从我们刚才讲的这些技术和应用状态 ， 到真的出现 AGI 医生的话 ， 你觉得中间还要跨过哪几个节点 ， 达到哪些里程碑 ？ **王小川** [56:28] 我会认为讲的话它跟一些同步的嘛 。 如果你说啊 ， 特别是 27 年到 AGI， 那 AGI 是 27 年， 它这是一件事 。 **曼祺** [56:34] 那是奥特曼想的 ， 那你觉得是什么时候 ？ **王小川** [56:37] 我觉得部分的 ， 就是你不要比如你做手术 ， 机器人医生我们可能现在还根本没碰嘛 。 但我们愿意做医生朋友 ， 能够派出一些问题的话 ， 今年内就会到来 。 **曼祺** [56:46] 25 年内就会到来 。 **王小川** [56:47] 对 。 **曼祺** [56:47] 它能看出什么类型的问题啊 ？ **王小川** [56:49] 挺复杂的 。 **曼祺** [56:50] 挺复杂的医疗也能看 。 就是疑难杂症 ， 对 ， 罕见病分类什么 。 **王小川** [56:54] 对 。 **曼祺** [56:55] 对 ，其实我本来是想问你说 AGI 再往后发展 ， 谁来做手术 ？ 您刚才其实自己提到了 ， 就说可能会有一个手术机器人。 **王小川** [57:02] 那手术机器人都是阶段的 ，以后人都变机器了 ，也不需要手术机器人了 。 **曼祺** [57:07] 人变机器 ？ 你是指人异体化了吗 ？ **王小川** [57:10] 对啊 。 **曼祺** [57:10] 那就是攻壳机动队的那个未来了是吧 ？ 你都已经想到这一步了 。 **王小川** [57:15] 我创业是低风险 ， 就已经讲完未来的历史都写完了 。AGI 帮助我们繁荣和延续人类文明 。 **曼祺** [57:21] 那这是人类文明吗 ？ **王小川** [57:22] 为什么不是呢 ？ **曼祺** [57:23] 就是我异体化之后， 我是人类文明吗 ？ **王小川** [57:26] 为什么不是呢 ？ 你怎么区别它是和不是呢 ？ 我没说延续人类肉体 ， 我说延续人类文明 。 文明是对世界一种认知嘛 。 对啊 ， 就我是谁 ， 然后我去哪 ， 对世界的一种认知 。 **曼祺** [57:38] 你肉体失去之后， 你的有一些感官层面的文明还在吗 ？ 比如说机器能理解音乐之美吗 ？ 一个音乐的情绪对机器是有意义的吗 ？ **王小川** [57:46] 对 ， 你丢点东西再换点新东西嘛 ， 这个一艘船也来回变的 。 所以往下这个世界肯定大变化 。 我觉得我们到今天为止 ， 我相信 99.9% 的人都低估了这个时代大的变化 。 我当时下场做的时候讲什么 ， 还叫第四次工业革命 。 工业革命是社会分工越来越细的一个历史 ， 对吧 ？ 就每次工业革命的这个就是人是螺丝钉嘛 ， 就社会开始分工 ， 就像飞扬通讲的一样的 ， 社会分工带来效率 。 但这次不是的 ， 这次社会分工会收缩的 ， 很多工种就没了 。 它是反工业革命的 。 **曼祺** [58:15] 然后最后可能想聊一些您自己的一些事啊 ， 包括行业的一些观察吧 。 你在搜狗的时候管过 2,000 多人的团队 ， 现在创业从 0 到 1 是搭建一个数百人的团队 。 **王小川** [58:23] 对 。 **曼祺** [58:24] 上一次的话 ， 我觉得也许可以定义为半创业 ， 然后这一次是完全自己创业 。 **王小川** [58:29] 是啊 。 **曼祺** [58:29] 你觉得这个最大的区别是什么 ？ ### 两次创业 **王小川** [58:31] 非常不一样的 ， 这整个上次这个时代也不一样 。在那会儿的话呢 ， 几个区别 。 第一个事情 ， 你是在一个母体里面去做 ， 对吧 ？ 这次是完全独立的 ， 自己会定义这个公司长成什么样子 。 然后上次的话呢 ， 做事是从一个小技术团队开始出发的 ， 比如做搜索这么一个任务 ， 你招的就是清华一帮这个集训队的 ， 或者说这个高考状元在里面去做事 ，也会非常简单 。 这次迅速就变成了一个这个几百人的团队 ， 熟悉人员的目标 ， 这个它比原来会更加的分散和复杂 。 然后上次做的时候是跟在摆脱屁股后面 ， 你也挺累的 。 这次以来你是在一个浪尖上在做事情 。 **曼祺** [59:11] 而且你现在做的这个事其实你们很独特 。 **王小川** [59:14] 对 ，而且面向未来的嘛 。 **曼祺** [59:16] 你觉得自己最大的变化是什么 ？ **王小川** [59:17] 首先你事也不一样了 ， 然后你自己的经验也会不一样了 ， 对吧 ？ 我会认为其实综合来讲吧 ， 那次而言的话呢 ，是在一个叫做只是相信技术能够改变 ， 你就招一堆技术精英在里面做 。 这次的话呢 ， 看得更全面了 ，因为你会看到在这个技术的趋势里面也更有经验 ， 尤其在这个对于产业方向你有完整的思考 ， 对资本上也有这种思考 。 所以我觉得思考的角度跟原来是巨大的不一样 ， 这经验也不一样了 。 **曼祺** [59:44] 其实回头看你们在那个时间点开始做搜索 ，是不是还挺不自量力 ？ 你可以这么说 。 **王小川** [59:50] 对 ， 没那概念 。 你就觉得技术好就能做成嘛 。 **曼祺** [59:53] 所以这么多年是对整个技术的商业的综合的东西有更多的判断 。 **王小川** [59:57] 对 ， 会有更多判断的 。 **曼祺** [59:58] 你觉得这次创业会有之前在搜狗的时候难吗 ？ 你之前自己说过在搜狗中间有 18 个月是因为你特别想做浏览器 ， 然后正好杨玥不同意嘛 。 她其实有段时间没有让你再做 CEO。 **王小川** [1:00:10] 难点会不一样吧 。 **曼祺** [1:00:11] 你当时说那个是至暗时刻 。 **王小川** [1:00:13] 对 ，因为你这些做创新都是难的 ， 你就做大家没干过的事 ， 你想大家怎么相信他 ？ 对啊 ， 之前是老板相信 ， 这次你要让员工相信 。 **曼祺** [1:00:20] 以及可能也要更多外部的合作伙伴 ， 对吧 ？ 投资人这些 。 **王小川** [1:00:23] 是啊 。 **曼祺** [1:00:24] 你有想过就是百川的终局会是怎样 ？ **王小川** [1:00:26] 我觉得能够首先几个东西 ， 一个是引领能把医生造出来 ， 让大家都能够有好医生用上 。 这是解决个不可能三角 。 我觉得这是一个如果做到的话 ， 对世界的贡献比做个书法是大很多了 。 第二的话呢 ， 再往下能够有机会开辟新的医学的科研的范式 ， 就是医学的科研由一点足够多的临床数据之后， 也能推动医学本身的这样一个临床医学的进步 。 我觉得这两次做到就它历史上有意义了 。 **曼祺** [1:00:50] 您觉得之前卖过一次公司这件事 ， 它会让你在这次创业里面觉得被收购也可能是一种选项 ， 还是觉得这更不应该是一种选项 ？ **王小川** [1:00:59] 我认为是把事做成是关键 。 百川能够你把医生造出来 ， 这是一个核心的问题 。 就更多不是要证明自己这个角度 ，而就这个事能成 。 **曼祺** [1:01:08] 你觉得在搜狗是要证明自己吗 ？ **王小川** [1:01:10] 你年轻的时候觉得这种心情好 ， 我们牛 ， 所以我们能成 。 你把对自己的这样一个能力会看得很重 。 **曼祺** [1:01:16] 所以为什么那 18 个月你没有选择出来创业的原因 ？ 你觉得如果要出来创业 ，不应该是在那个状态下出来创业是吗 ？ **王小川** [1:01:22] 但也没那么想 。 所以当时想 ， 我觉得这个东西就是该做事你就做就行了 。 你就觉得该把搜索通过做浏览器做起来嘛 ， 就是证明这是对的 。 所以我觉得这下也没大的区别 ， 就是让该发生事发生 。 **曼祺** [1:01:34] 那你这次是会有比较强的执着要把这个一直做下去是吗 ？ **王小川** [1:01:38] 正好相反 ， 就是因为你就这个事能成就行了 。 **曼祺** [1:01:41] 这可以说是功成不必在我吗 ？ **王小川** [1:01:43] 对啊 ，但你需要跟投资者交代啊 。 对 ， 你不是说这个好 ， 招医生概念提的挺好的 ， 对吧 ？ 然后别人家做成了你没做成 ，不在我这 ， 就是这个公司在里面是有位置的 。 **曼祺** [1:01:53] 就是百川在这个领域是有 。 **王小川** [1:01:55] 有责任的 。 对对对对对对 。 **曼祺** [1:01:57] 这两年多 ， 就你对打造一个组织有什么新的认知吗 ？ 就相比于之前的经历 。 **王小川** [1:02:02] 就其实挺多的 ， 对吧 ？ 我觉得来讲的话呢 ， 还是需要更多的这样一些年轻人， 就是一个新的事情 。 应该这么说 ， 之前搜狗早年是非常年轻的 ， 读书没读完的那种 ， 对吧 ？ 所以这次比那次人老太多了 。 我觉得应该再再靠近一些会更好 。 **曼祺** [1:02:17] 多年轻算年轻 ？ **王小川** [1:02:18] 你毕业个三年、 两年， 甚至更年轻的时候 ， 这种实习生都会挺好 ， 做技术这一块都有 ，但做医疗行业你可能又需要一些经验丰富的人。 **曼祺** [1:02:26] 实际上你觉得你们现在技术团队够年轻化吗 ？ **王小川** [1:02:29] 我觉得还不够 。 **曼祺** [1:02:32] 你是 23 年的时候这个想法 ， 就是要年轻化技术团队 ， 我知道 ， 还是到 24 年的时候这个想法更明显了 。 **王小川** [1:02:37] 23 年我觉得跑步入场 ， 所以那会儿是需要很快的能把团队搭起来 。 你到现在你会认为这年轻化是更有用的 ， 阶段不一样了 。 **曼祺** [1:02:45] 你觉得适应到这种年轻的 、 高浅的做技术的人的关键是什么 ？ **王小川** [1:02:50] 我觉得是一个挑战性的任务 。 挑战性任务其实是不容易达到的一个要求的 。 随着团队变大之后 ，其实你发现更多事就不在挑战范围内了 ， 就不是挑战性的事了 。 你就是这个按部就班的在一个既定目标里面 ， 这是一个点 。 第二块的话呢 ，是它也叫做气味相投 ， 对吧 ？ 它的领导 ， 它或其他人也是这种份儿的 ， 就会更容易吸收到 。 **曼祺** [1:03:10] 你们最近有什么成功的案例可以讲讲吗 ？ **王小川** [1:03:12] 最近其实我们现在主要精力在医疗的人这一块上， 进展挺快的 。 我们现在医学部的这个医学总监也到岗了 。 **曼祺** [1:03:19] 这个医学部的总监 ，他之前是在 ， 就是他的从医的背景是怎样的呀 ？ **王小川** [1:03:23] 他首先是这个清华协和联合培养 8 年的 ，是考进清华 ， 然后跟协和联合培养 ， 然后后来是霍普金斯的这个硕士 。 所以现在是他的 MD， 然后再加上这边的公卫的这块的背景是很满配的 。 然后协和做了 6 年的这个大内科 ， 做完 6 年内科他觉得不满足 ，他觉得还可以做得更好 。 后来这个是在杏树林 ，是他们那边的一个联合创始人。 他其实既有完整正统的医学训练 ，而且考到清华去学医的 ， 够聪明 ， 完整培养 。 然后以及的话呢 ，6 年也是在协和做了 6 年， 之后又直接在杏树林是面向患者做这种服务 ，其他之前承载的就招医生的职责 ， 就是招人类医生 ， 就培养人类医生 。他现在觉得培养 AI 医生比培养人类医生更有前途 。其实之前我见过一些面试了百川 ，但是没有选择加入的人 ，他们当时的一个反馈是觉得百川搜狗的人太多了 。 实际情况搜狗的人多吗 ？ 看体会吧 。 我觉得这句话信息量是特别不完整的一个 。 怎么叫多 ？ 你先问他多少算多 ，是 5% 算多 ， 还是 10% 算多 ， 还是 20% 算多 ？ **曼祺** [1:04:21] 您自己觉得了 。 **王小川** [1:04:22] 我会觉得在这里面确实需要更多新鲜血液 ， 这是认真的 。 至少我希望搜狗人不比清华人多吧 。 **曼祺** [1:04:28] 对 ， 你这么说的话 ， 那确实很多公司里你按学校算的占比也非常多 。其实之前猎豹上市之后， 傅盛有一次和你还有这个五八同城的姚静波一起吃饭 。 你问傅盛说上市之后什么感受 ，他说只要是在我雷达范围之内的人没有人走 。 然后姚静波说的是我们上市之后， 我们公司以前那批总监都走完了 。 然后你的反馈是说这是好事 。 所以你是觉得团队是要有一个更多的变化 ， 会是一个好事是吗 ？ **王小川** [1:04:55] 因为时代变得太快了 ， 尤其你在调整阶段时， 你就需要变化 。 这跟人一样的嘛 ， 你的活力就是指外界有变化时， 你得有响应的能力 。 **曼祺** [1:05:03] 你之前自己讲过 ， 就是 AI 应用的价值是创造健康快乐 。 如果也用这三个维度去评价你自己的 2024 年的话 ， 你觉得是创造了什么 ， 然后健康快乐吗 ？ **王小川** [1:05:13] 我们就现在招医生在路上， 我就比较喜悦是这样 。 我们像儿童医生这块 ， 对吧 ？ 我们开始就要准备上岗了嘛 ， 通过一年的这样一个研发和探索 ， 所以其实使得医疗里面的现在至少这种卡位也好 ， 就产品也好 ， 都有初步的这么一个迹象了 。 ### 自我与时代 **王小川** [1:05:29] 所以这是一个好的事 。 然后的话呢 ， 公司里面我依然是觉得是需要不断的去做这样一个迭代的调整的 ， 就是开始冲得很快 ， 对吧 ？ 从模型转向医疗 ， 然后在你的应用里面 ， 我依然觉得这个团队是需要能够更加的从这种结果导向 ， 就大家不能只是这个兴奋技术 ， 技术理想没问题 ，但是这个确实有一部分是只有技术理想 ， 它对长期种类想法这个就不够了 。 **曼祺** [1:05:54] 这是说的创造部分是吗 ？ 那健康吗 ？ **王小川** [1:05:56] 我讲的叫健康嘛 。 对 ，其实创造健康快乐 ， 我是指这个模型未来的服务的三个方向 。 **曼祺** [1:06:01] 你刚说的是公司的健康 。 **王小川** [1:06:03] 对 ，其实这样子 ， 我原来三词是这样想的 ， 就是这个模型使人更具有创造力 ，是让人因为有了模型之后， 你能变成一个更加强大的自我 。 这是回到人生意义的一部分 ， 就是你能改变世界 。 如果一个人有你没你的世界一样 ， 那你就没有生存意义了 。 这就想到那个电影 ， 就是那个 Coco， 对吧 ？ 墨西哥的典故 。 **曼祺** [1:06:25] 就是王灵杰的那个动画片 。 **王小川** [1:06:27] 对 ， 就是还有人记得你 ， 你就真正存在 。 但有些人就永垂不朽了 ， 比如像牛顿这种 。 所以创造而言的话呢 ，是因为你在世界上你有不一样东西诞生了 。 就创造我觉得是生命的一个核心的逻辑 。 你创造一个公式 ， 创造一个产品 ， 这就叫创造 。 健康这件事大家比较容易理解的 。 快乐是人其实既有现实世界一部分 ， 又有虚拟世界的这样一个对自己的一种需求 。 有份快乐来讲的话 ，是属于创造这个快乐 。 有些是属于这个玩游戏的快乐 。 **曼祺** [1:06:55] 创业有提升你的健康和快乐程度吗 ？ **王小川** [1:06:57] 没有 。 **曼祺** [1:06:57] 两个都没有 ？ **王小川** [1:06:58] 我觉得这个身体健康程度是明显没有提升的 。 快乐的话是伤自己 ， 我觉得还是更看到自己 ， 这是有意义的 ，不叫快乐 ，但是更通过这次能够修补对我是谁的一个理解 。 就上次这个是不足够的 。 **曼祺** [1:07:11] 修补对我是谁的理解 ， 这个展开来说 。 **王小川** [1:07:14] 就是上次做的话 ， 你虽然是做搜狗 CEO， 对吧 ？ 但是你自己正在局中是很多东西你是看不清楚的 。 **曼祺** [1:07:19] 你现在对我是谁的新的理解是什么 ？ **王小川** [1:07:21] 我觉得好处是说 ， 对于自己的 Vision， 我对自己是非常有这个信心的 。 这次而言我认为做的事情是自己喜悦的 ， 就是往生命健康走 。 第二个话 ， 我觉得这个时代给这个机会已经是很好的 。 你像从做互联网时代 ， 做互联网 ， 到这个时代里面做大模型 ， 我觉得当时是有一次刚做模型没多久的时候 ， 就大概在 2023 年， 正好当时有一个乌龙是那个超导实现了 ， 对吧 ？ 发现之后的话 ， 然后我一整个我就比较蒙圈 ，因为你就难以想象超导发现的时候世界长啥样 。 你可以看很多报道 ， 对吧 ？ 这个变了 ， 那个变了 ， 什么人类能源无限了 ， 什么都有的 。 但你在内心中就发现 ， 你自己是一个非常被动的一个角色 。 就如果超导被发现了 ， 你就像提前木偶一样 ， 你发现世界有很多变化 ，但你不知道会发生怎么样 ， 你只能听来听去的 。 我就能理解到了这个 AI 到来之后对很多人这种感受 。AI 来了 ， 你会听来听去 ， 吼 ， 这个会变化 ， 那个会变化 ，但是我在里面什么位置会难 。 但是超导就是乌龙 ， 等 AI 真的来了 ， 所以在里面你能够更多看见这样一个未来 。 这是很幸运的一件事 ，而且还参与在中间做创造 。 **曼祺** [1:08:24] 就说 AI 这个大的浪潮跟你是有非常切身的关系的 ， 你觉得这是一种幸运 。 **王小川** [1:08:29] 对 ， 很幸运 ， 对吧 ？ 而且之前没做完事就可以继续做了 。其实之前做了很多在搜狗做数字人我们干过 ， 什么这种机器翻译我们干过 ， 耳机我们在这研发了 。 **曼祺** [1:08:39] 对 ， 当时还有那个录音翻译笔 。 **王小川** [1:08:41] 都在做嘛 ， 对吧 ？ 其实未来 ， 所以翻译笔其实对语言翻译就是未来社会实现的 ，但是相对都还偏早一些 。 就是那都是在语言上做各种探索东西 ， 或者在资源交换做探索 。 这个时代是真的来了 。 因此你原来那种经验上觉得对未来的畅想 ， 这个时代就会到来 。 **曼祺** [1:08:57] 2024 年有很多质疑 AI 的声音 ， 这有影响你对 AI 未来的乐观的想法吗 ？ **王小川** [1:09:03] 2024 年的话呢 ， 我认为是在行业当中间 ， 我听说啊 ， 大家对大模型这个发展开始有一种迷失的状态 。 会觉得哇 ， 这个大模型开始挺好 ， 这能不能行啊 ？ 能不能代表未来啊 ？ 对 ， 又开始认为这大模型好像没前途 ，不能成有一些问题 。 **曼祺** [1:09:17] 有几个点是大家怀疑比较多的 ， 一个就有段时间 90 月份大家讨论这个 Scaling Law 撞墙的时候 ， 关于 Scaling Law 的讨论 ， 那一段时间比较多 。 然后另外就您刚才讲到的 ， 比如说投流啊 ， 就在和大厂竞争非常直接一个领域 ， 我去烧钱 。 **王小川** [1:09:30] 对 ， 一个技术竞争问题嘛 。 因为 Scaling Law 撞墙早晚的事嘛 ， 你就那么多数据 ， 你规模有啥用呢 ？ 这都不符合第一性的东西啊 。 就强化是未来 ， 当时我已经有这个判断了 。 所以你把模型搞大了的不是关键啊 。 但我经常主要对赛道质疑吧 ， 就你说的那种东西 ，在赛道质疑的话呢 ， 还不是你刚讲的 Scaling Law 这个事情 。 对啊 ，Scaling Law 我觉得这个事很好解释的 ， 就是它范式会变的 ， 它会把强化带进去的 。 **曼祺** [1:09:53] 你说的对赛道质疑是指 ？ **王小川** [1:09:54] 就是大模型这个赛道 ， 这赛道整体它的未来是不是代表 AGI 未来 ，是不是通的 ， 还是这个事最后发现是个整个一个全世界泡沫 ， 这个我没有质疑过 。 **曼祺** [1:10:03] 所以是行业有了一个质疑 ，但你自己没有质疑过 。 **王小川** [1:10:06] 对 ， 然后第二的话呢 ， 场景怎么用 ， 然后那质疑其实是说也许能成 ，但创业公司怎么办 ？ 你发现这个比如豆包起来了怎么样 ， 对吧 ？ 因此我还是走不大的射程 ， 所以这都在之前的判断里面呢 。 **曼祺** [1:10:17] 对 ， 你说的这些话都是在这些讨论出现之前 。 **王小川** [1:10:20] 对 。 **曼祺** [1:10:21] 你觉得如果有一天真的实现 AI 医生的话 ， 能看到哪些更广泛的变化呀 ？ 就除了我们看医生这件事变得更便捷之外 。 **王小川** [1:10:29] Darwin 提过一个词 ， 我觉得特别性感 ，他提一个词叫做生物自由 。 **曼祺** [1:10:34] 这是类似于生命自由吗 ？ **王小川** [1:10:35] 类似于财务自由 。 生物自由是你的身体能够自由了 。 **曼祺** [1:10:39] 它是指自由什么呢 ？ 比如说时间 ？ **王小川** [1:10:41] 健康 ， 就你不会被疾病所烦恼了 。 **曼祺** [1:10:43] 但并不是指长生是吗 ？ **王小川** [1:10:45] 对 ， 你不长生 。 **曼祺** [1:10:46] 说起来你会希望长生吗 ？ **王小川** [1:10:48] 不希望 。 **曼祺** [1:10:49] 为什么 ？ **王小川** [1:10:49] 首先活太长了对世界是有害的 。 **曼祺** [1:10:52] 这是从其他人的角度来思考的这个事情 。 **王小川** [1:10:54] 对 ， 对你自己而言 ， 你把你的这使命做到了之后， 你就够了 ，也不需要再继续往下活了 ， 那肯定最后就变垃圾时间了 。 **曼祺** [1:11:01] 我刚才为什么问会带来哪些更大的变化 ，是因为医疗的一些很多事情 ， 它其实是和整个社会的其他一些问题是纠缠在一起的 。 你比如说在美国 ，其实医疗保险就是一个很严重的社会问题 。 **王小川** [1:11:14] 刚刚枪杀了是吧 ？ **曼祺** [1:11:15] 对 ， 就是那个 Luigi Mangioli 枪杀联合健康保险的 CEO。 **王小川** [1:11:18] 对 ， 我那个名字没记得 ， 你还能这么顺口讲出来 。 **曼祺** [1:11:21] 就是比如说像这种矛盾 ， 它是不是也可以因为有这个 AI 医生会有一些缓解了 ？ **王小川** [1:11:26] 会 ， 我觉得这都是好事 。 人类这个叫生老病死这种痛苦能减少 ， 首先是少生病吧 ， 意思就是早发现 ， 对吧 ？ 今天来讲的还是这个叫做疾病干预 ，但未来变往健康走 ， 这个是有了 。 刚刚讲是我们说是叫做从入院即入组 ， 走向叫出生即入组 ， 那对健康就能得到新的一些认知 。 **曼祺** [1:11:46] 我理解你说的出生即入组是指的我们每一个普通人， 对吧 ？ **王小川** [1:11:49] 对 。 **曼祺** [1:11:49] 就你的整个健康轨迹都是有一个记录的 。 **王小川** [1:11:52] 对 ，而且是变成训练模型的一部分 。 **曼祺** [1:11:55] 你觉得未来每个普通人他多大意愿上愿意让渡这些东西啊 ？ **王小川** [1:11:59] 有医生问你问题你会不回答吗 ？ **曼祺** [1:12:01] 有医生问我问题不会啊 。 **王小川** [1:12:03] 你知无不言 ， 言无不尽的 ， 没空没讲清楚 。 这些更谨慎了 ， 对吧 ？ 简单的讲 ， 比如你现在大家有什么皮肤病或性病 ， 很多都愿意在线问啊 。 **曼祺** [1:12:14] 就相比于去见一个真的医生去吗 ？ **王小川** [1:12:16] 对 。 **曼祺** [1:12:17] 你觉得接下来 AI 医生会多大程度帮助人的精神空间的问题啊 ？ 因为其实现在这个精神疾病也是比较重要的一个问题 。 **王小川** [1:12:25] 到了神经问题会容易点 ， 精神的东西还会难一点 。 就心理 ， 精神神经嘛 ， 对吧 ？ 精神东西分两部分 ，有的是这种病理性的 ，有的只是一种抑郁情绪的东西 ， 对吧 ？ 所以说抑郁有东西 ， 我们会努力做一些这些 ， 它是社会上一些识别啊东西 ， 它不是用大模型这个来做的 ， 会有我们其他技术会做到 。 **曼祺** [1:12:42] 除了医疗的话 ， 你还比较关注 AI 和什么领域的结合 ？ 我看你也发朋友圈分享过 AI 在天气预报上的一些进展 。 **王小川** [1:12:48] 我是因为之前我们实验室就搞天气预报的嘛 ， 天气预报启发我了 ， 认为生命跟天气是不一样的 。 **曼祺** [1:12:54] 你说实验室是在清华上学的时候实验室 ？ **王小川** [1:12:56] 对 ， 我高新人所嘛 ， 高新人所其实这个实验室他们是搞天气预报 ， 我搞的基因测序相关的 。 **曼祺** [1:13:02] 是因为你特立独行 ， 还是因为它也有一个方向是和基因测序相关的 ？ **王小川** [1:13:06] 我跟老板说我不想做天气预报 ，因为天气预报我觉得都有蝴蝶效应 ， 就好好搞的 ，不想搞那个 。 它是不可预测的东西 ， 预测它干嘛呢 ？ 就像物理学走向熵增的东西 ， 我干嘛非得跟它死磕呢 ？ **曼祺** [1:13:15] 那现在的技术下这个天气预报还是不可预测吗 ？ 还是它已经有改善了 ？ **王小川** [1:13:20] 短时间会好很多 ， 长期还是不太行了 。 因为三体问题就代表了这个很多东西它就不可解 。 **曼祺** [1:13:25] 我们看到一方面这个 AI 技术在快速发展 ， 一方面特朗普在推出巴黎气候协定 。 就是你觉得只靠技术变革世界会更好吗 ？ **王小川** [1:13:32] 你这话讲的那肯定是有局限的嘛 ， 这个技术是一定是不够的一件事的 。 **曼祺** [1:13:37] 对 ，因为为什么我想跟你讨论这个问题 ，是我觉得你不是那种纯理工科的思维 ， 就是你其实过往还是对哲学对人文是有更多的关照的 。 就是想这些问题更多 ， 它会让你变得更悲观吗 ？ **王小川** [1:13:49] 不会啊 ，不会悲观的 。 想多了就理解世界了 ， 叫朝闻道夕思也 ， 对吧 ？ 你都想明白了你不多开心啊 。 就和你跟天地合为一体了 ， 如果你能够这就得到的一个方法 。 **曼祺** [1:14:00] 那你怎么看未来了 ？ 这个技术这么大爆炸的时代 ， 未来会怎么到来 ？ 变化这么快 。 ### 未来期待 **王小川** [1:14:06] 你要听哪个版本呢 ？ **曼祺** [1:14:07] 我想听真实的版本啊 。 **王小川** [1:14:09] 没有真实的版本 ， 只有可讲不可讲的版本 。 **曼祺** [1:14:12] 那可以先讲可讲的版本吧 ，但可讲的也是真实的是吗 ？ **王小川** [1:14:15] 当然了 ， 我们会看到就在最近几年里面 ， 人类社会是天翻地覆大的变化 。 我真的叫不叫第四次工业革命 ， 对啊 ， 重新我们的人跟机器的关系会重新定义 ， 我们到底出生之后该怎么学习 ， 我们创造什么价值 。 这件事情来讲有太多我觉得还想不清楚的问题会出现 ， 就在未来 10 年以内我们都会看到的 。 **曼祺** [1:14:34] 所以比较坦白说就是有些事现在就是看不清楚 。 **王小川** [1:14:37] 嗯 。 **曼祺** [1:14:38] 你怎么评估工业革命啊 ？ 其实工业革命之后， 比如说有些地方相对来说是更加贫穷的 。 **王小川** [1:14:44] 工业革命其实第一个变成大金字塔了嘛 ， 就是顶层人更富 ， 下面更穷 。 就是社会分工越细 ， 人越多就变成越是有金字塔的这样一个结构 。 就大文明来之后的话呢 ， 我期待能把这世界压平一些 。 **曼祺** [1:14:56] 你觉得就是大模型会让这个世界变得更平吗 ？ **王小川** [1:14:59] 这是一个期待 。 就这个期待跟这个 Darwin 讲的一样 ，他不讲了三个嘛 ，他说未来期待三个 ， 第一个是身体更健康 ， 一个是你的精神这个脑科学发展 ， 第三个他就有可能实现社会公平 。 我觉得大众能过得更好 。 **曼祺** [1:15:12] 因为我觉得工业革命还是很复杂的 ， 我觉得它在一些社会让社会变得更公平了 。 但是你全球范围看 ， 比如说像撒哈拉以南的非洲 ，其实有些地方它相对贫穷程度是更加恶化的 。 **王小川** [1:15:21] 这次而言社会供给是会爆发性增加 ， 这次工业革命延续的供给会增加 ，但人在里面价值如何体现是一个想不通的事 。 **曼祺** [1:15:29] 我看前不久你在那个大雨森的一个朋友圈下评论说 ， 韩党率和李世实率是这个世界的两个主旋律 ， 这个怎么理解 ？ **王小川** [1:15:37] 这一个讲政治 ， 一个讲技术啊 。 **曼祺** [1:15:40] 其实这个是不是在美国也成立 ？ 我看奥特曼最近还给特朗普捐了 100 万美元 。 **王小川** [1:15:44] 对 ，他韩党率不太一样 ，他是一种制度 。 对 ， 我们是一种信仰 。 **曼祺** [1:15:48] 2025 年你最期待看到什么事发生 ？ 可以讲一个和 AI 有关的 ， 然后再讲一个和 AI 不一定有关的 。 **王小川** [1:15:54] AI 有关的东西 ， 那核心的我就想在医疗上到底它这个是否能解锁多少场景 ， 能大家用上， 这可能我最感兴趣的事 。 没关的话就看特朗普怎么折腾 ， 这多有趣的事 。 那每天起来都会有剧多的 ， 我是特朗普超级粉 。 就确实我觉得今天我们这代人是非常幸运的 ， 可能也很恐慌的 ， 都有 。 好多人都问我说到底怎么养娃什么之类里面 ， 很多问题我也回答不了 ，但是我们能够看到变化 ，其实这种变化中间就带来一种希望 。 **曼祺** [1:16:21] 好 ， 今天谢谢小川总的时间 ， 非常感谢 。 **王小川** [1:16:24] 拜拜吧 。 **曼祺** [1:16:26] 本期节目就到这里 ， 感谢收听 。 如果你对今天聊的话题有观察 、 好奇或疑问 ， 欢迎在评论区分享想法 ， 这也会成为我们节目的一部分 ， 让整个讨论更完整 。 你也可以把我们的节目分享给对这个话题感兴趣的朋友 ， 推荐更多你想听的主题和嘉宾 。 你可以从小宇宙 、 苹果 Podcast 等渠道关注 《 晚点聊 LateTalk》，也欢迎关注我们的公众号 《 晚点 LatePost》。 下期再见 。 --- 本节目库由 PodHood（https://podhood.com）提供支持——播客网站平台。