對話商湯醫療張少霆：用新AI技術賺老錢難破局，醫療殺手級應用在C端

文 | 海若鏡

在這個“AI+一切”的春天，AI醫療也重新有了熱度。

始於深度學習的AI醫療2.0時代中，不乏拿到十幾億融資、估值近百億的獨角獸公司，但受限於多種因素，少有公司實現市場的盈利期待。

當時間軸進入生成式AI的3.0時代，人們看病貴、看病難的困境依然存在，涌現的新技術有可能改變哪些醫療問題，又能夠爲哪些公司帶來商機？

近日36氪訪談了商湯醫療CEO張少霆，聊了聊AI醫療行業的應用形態、技術棧、價格戰與支付等。

2025年2月，商湯醫療宣佈了分拆後的第一筆融資，投前估值15億元，融資金額過億。

行業裡，商湯醫療算是身位特殊的存在：這個百餘人團隊低調做了七八年醫療，研發了大語言模型“大醫”，開發了近60款AI應用，拿着海內外多張醫療器械認證，有了一定的收入規模。

但它作爲創業公司被分拆出來時，已是醫療資本寒冬，市場對估值的約束比以往要嚴苛很多。

在張少霆看來，前幾輪融資並不宜太激進，除了拿錢，關鍵要借股東之力，構建壁壘。技術出身的他，認爲技術優勢、商業模式、渠道等都不足以構成長期壁壘，唯有藉助行業生態，纔有可能保有先機。

怎麼看待衆醫院部署DeepSeek，AI幻覺問題如何克服？

行業內卷、價格戰廝殺、醫保不覆蓋，AI醫療商業化該如何破局？

怎麼看待外界評價“商湯是上一代AI公司”？

以上種種，張少霆都給出了自己的見解。

共識與反共識36氪：怎麼看待很多醫院部署接入DeepSeek？開源對商湯醫療而言有什麼影響？

張少霆：我曾經打過一個比方，大模型的火箭三級發射模式：

一級火箭是基礎模型，像DeepSeek“滿血版”、千問、商湯商量等通用模型；

二級火箭是加入垂類知識例如醫療，不是簡單的LoRA，而是包括全量參數微調、指令微調、CoT即思維鏈能力等；

三級火箭是做應用，掛知識庫等。

基於一級火箭直接做三級火箭即應用是有風險的，比如DeepSeek-r1也就是大家俗稱的滿血版就存在比較明顯的幻覺問題，而且參數量671B的模型在部署時所需的計算資源也多，如果開啓“深度思考”，大量的token輸出也會導致併發的降低，對醫院來說使用成本很高。我覺得從性價比角度，參數量20-100B之間、做過量化的垂類模型更適合醫院部署。

自2022年9月起，商湯醫療主攻的就是二級火箭環節，2023年2月我們便帶着醫療垂類模型到醫院試用。層出不窮的基模以及開源對我們來說肯定是好事，有更多可選擇的優秀基模去迭代我們的垂類模型。

36氪：商湯醫療強調“多模態大模型+平臺化部署”，業內估值比較高的幾家醫療AI公司多是從單點應用切入做透，如肺結節、腦腫瘤、冠心病等。做平臺的思路是從何時開始？

張少霆：2018年，我到商湯啓動醫療業務，提的就是“賦能全院臨牀診療愈”，關鍵詞是臨牀、全院、診療愈。不止賦能放射科，也不止是輔助診斷。

當時很多廠商圍繞放射科做AI讀片，但我們當時就認爲對大多數企業而言這樣的商業模式較難走通。

如果是放射科，本質是做CT、磁共振等大設備的生意，而不是人工智能軟件和信息化；軟件口的需求一般要從醫院信息科提報。所以放射科的輔助診斷軟件，往往得搭載着硬件設備一起賣進院，純軟件公司難以有強議價能力。

另外放射科輔助診斷只是AI醫療的一個小切入點，AI在很多科室包括外科治療等諸多環節都能發揮作用。解決多科室臨牀需求，也更能打動醫院採購的決策者。

因此，商湯在2018年就做了要賦能全院的SaaS平臺SenseCare，將輔助診斷、輔助治療、手術規劃等模塊集成在AI平臺上，共享底層技術。平臺化部署的思路，是這麼來的。在2018年，SenseCare第一次亮相，搭載的是術前規劃用的3D建模。

36氪：2018年時，你判斷放射科的輔助診斷生意難以跑通。當時友商沒有意識到讀片軟件的需求方、決策方不一致等問題嗎？

張少霆：那些年，大部分廠家確實沒太糾結放射科生意難做的問題，一方面當時資本市場環境還比較好，另一方面覺得市場還需要有個教育過程。但到了2020年，發現這條路確實走不通的時候，大家都開始強調臨牀、治療，包括手術規劃。

現在的共識，放在在幾年前，往往是反共識的。

36氪：醫院更願意選擇“大而全”的診療平臺，還是偏好“小而精”的產品先試用入院？

張少霆：除了臨牀價值，醫院也要考慮預算約束。很多醫院一開始沒做那麼多預算，希望能先驗證AI帶來的價值，會找一兩個AI產品先試用，但是他也希望選擇的供應商未來能夠提供增量的產品，否則醫院以後決定要裝十幾款軟件、對應十幾家廠商，也不方便醫院管理。

像澳門鏡湖醫院就是一個案例，2019年到現在五年多，它連續採購了商湯醫療近二十款人工智能產品。

內卷與壁壘36氪：你覺得現在2B的醫療AI行業，在技術路線、商業化等方面已經產生共識了嗎？

張少霆：商業上的困難應該已經有共識了，單個的軟件要做成商業化爆品的難度很高。因爲只要是軟件標品，就會面臨打價格戰，只要是做項目（定製）就要卷人力成本，這兩種都不符合醫療AI公司的發展訴求。

現在有的醫療AI公司往“廣度”做，從肺結節拓展到頭胸腹；有的往“深度”走，從術前診斷、手術規劃，做到術中導航等，但是要同時實現營收高速增長、優質回款、以及成本可控則還是很難。

所以我說技術和商業模式都很難稱得上是長期壁壘，只能帶來短期優勢。當然，中國的大部分2B行業都是如此。

36氪：技術、商業模式，都不能稱得上壁壘？

張少霆：首先，如果沒有技術先發優勢，我們連牌桌也上不去。但在2B行業這不會成爲長期壁壘。

技術投入當然可以帶來優勢、未來也可以成爲降本增效的殺手鐗，但靠技術優勢去長期的攔住後入局者是不現實的，特別在IP沒有受到高度保護的環境中。

即便像OpenAI技術那麼前瞻且優秀，其模型還是可以被蒸餾，最近也受到了很多公司的衝擊，包括開源對閉源的衝擊。在2B行業，產品設計及細節打磨和技術同等重要。

36氪：商業方面呢？有投資人認爲，醫療AI的產品如果能高頻“按次收費”，就有機會。

張少霆：在國內，“按次收費”，如果讓醫保付費是很難的，醫保也面臨控費壓力；如果引導病人付費對廠家來說也會有風險，即便能做出來，大概率也是運營型的公司獲益，而不是技術產品型的企業受益。

當然，讓醫院直接購買軟件模塊也不容易，醫院會判斷其盈利可能性。

商湯醫療一直在推的“全院智慧化”，通過平臺建設及搭載數十款AI應用，其實是KA路線。過去我們在KA客戶方面已經做得很好，從商湯集團分拆之後，也會藉助經銷渠道的力量，從大三甲醫院輻射基層醫院，擴大收入規模。

36氪：如果技術、商業/價格都不構成長期壁壘，那你認爲什麼是醫療AI廠商競爭的長期壁壘？

張少霆：我覺得“生態壁壘”和豐富的產品矩陣，是相對不容易被複制的。

舉個有趣的例子，DeepSeek大火導致英偉達股價大跌的那天，我們大模型技術團隊的幾位技術咖都抄底了英偉達的股票。

他們的基本判斷是用PTX寫通信代碼這件事不足以動搖CUDA生態，開發者對於CUDA生態系統還是高度依賴的，所以DeepSeek的出現不應該影響英偉達的期望業績，甚至會利好英偉達H100卡的銷售，因爲它是最合適的推理芯片，後來果然股價又迅速漲回去了。像安卓生態，也是同樣道理。

回到醫療AI，很悲哀的是，花鉅額研發費用做出一款99分的產品，不一定比低成本開發的90分產品賣得好，特別打價格戰的時候，很可能會出現劣幣驅逐良幣。所以我們在追求AI高精度的同時也要控成本，這種既要還要，靠的是早前做預訓練模型的積累。

商湯在2017年大力投入建超算，2018年投資六十億建亞洲最大的單體算力中心，到現在5.4萬塊GPU卡，算力就是做預訓練大模型的核心優勢之一，但在7-8年前這也是反共識的。

36氪：除了算法、算力，在醫療資源方面呢？

張少霆：這一輪融資，在諸多的選擇中，我們決定接受美的產業基金盈峰控股、人衛科技（人民衛生出版社旗下投資平臺）的資金，也是出於生態資源的考量。

美的和盈峰在大健康產業佈局已久，例如投資過百億的和祐醫院，擁有質子重離子設備，院內有大量AI可以賦能的場景。我們已經跟和祐開啓了多方面的合作。

人民衛生出版社服務着中國超百萬醫學生、年輕醫生。AI應用於模擬醫學、教培等，也是非常大的機會，關注2C應用的AI廠商都會看重這塊市場。引入人衛作爲商湯醫療的股東，也更容易一起去做契合的業務。

商湯做醫療也有七八年的積累了，前期的投入換來了豐富的產品矩陣。這次分拆，商湯醫療定位爲Pre A輪公司出來融資，也是考慮希望引入有資源的股東，融資並不僅僅是爲了拿錢，更是爲了促成合作生態。

AI醫療3.0與殺手級應用36氪：醫院中的存量醫療數據海量但質量參差，在數據治理方面，商湯醫療有哪些技術能力，如何平衡數據標註成本與模型泛化能力？

張少霆：數據標註和模型泛化，面對具體場景的問題有兩種研究範式，一種是針對這個問題，搜數據、標數據、訓練模型；

一種是有泛化性很好的預訓練模型，只需要標註少量數據，就可以把它適配到不同的下游任務去，也就是現在常說的預訓練基礎模型的能力（foundation models）。

算法方面，商湯很早就開始進行預訓練模型賦能下游任務的研究，因爲集團的智慧城市場景裡有很多小衆的應用，很難用傳統的大數據驅動（即針對每個細分任務用海量數據標註的方式去做）。

我們將低頻的、數據量少且難標註的場景，統稱爲“長尾需求”，醫療場景也有很多長尾需求，所以在算法層面很早就沿用預訓練模型。其精度可能沒有大數據驅動的模型那麼高，但解決了有或無的問題，實際也夠用。

近期比較有代表性的案例是商湯中標的醫療大數據訓練設施項目，也被一些公衆號稱爲 “醫療大模型第一大單”。

這是2023年由上海申康發起的、項目金額4396萬的AI項目，涉及到上海數十家市級醫院二十年的醫療數據，要對CT、病理、超聲、磁共振等24套多模態數據進行模型訓練，實現預訓練模型從數據半自動標註、模型訓練、到智能評測等全流程。

我們用大半年的時間做完，去年完成了驗收，由此積累了“模型生產平臺”的能力。結合我們的“模型應用平臺”，產品體系就閉環了。

早期，我們與瑞金醫院開展 “數字人”計劃，就是將人體200多個器官包括複雜血管脈網全分割，因此後續開發新的應用時，如肝臟、胸部、泌尿系統、胰腺等手術規劃系統時，利用了很多基礎模塊，變得像搭樂高積木一樣。

36氪：可以舉一個醫療的應用場景嗎？跟之前的傳統小模型相比，Foundation model更適合解決哪些問題？

張少霆：比如AI病理診斷。

它在技術上存在一些難點，包括：

病理屬於IVD（體外診斷），不同醫院的病理切片可能差異就比較大，質控很難做，加上醫院選用的掃描儀也不一樣，這就要求病理大模型泛化性要足夠好，纔不用對每家醫院進行微調。

在應用上，病理AI模型做基於小標本的篩查，即判斷良惡性，已經做得很好。但在基於大標本的癌症亞型診斷時，還面臨挑戰。因爲這相當於AI要做十幾種不同的判別，即便每一項判別準確率達到95%，最終全部正確的概率也不足60%；任何一個環節錯誤，都會影響最終結果，且開發成本會很高。

（注：癌症分型，意味着AI需要同時進行多個維度的判斷，包括腫瘤的組織學類型、分化程度、侵襲等。每一個維度的判斷，都相當於一個獨立的分類任務。）

這些都可以用泛化性更好的病理大模型去解決。商湯在病理方面做了很多年，也得到了上海市的項目支持，近兩年我們和瑞金醫院合作的病理AI項目，也迎來了階段性突破，將瑞金病理出報告的時間從5個工作日壓縮到2個工作日。

2023年，瑞金醫院對外發布了《數字化智慧病理科建設白皮書》，打造了行業標杆，這個過程中商湯貢獻了AI技術，華爲貢獻了存儲，衡道貢獻了信息化，還有多家儀器廠商貢獻了掃描儀，是一次很好的生態合作。

36氪：怎麼應對病理AI價格戰？現在有幾家公司在開發相似產品。

張少霆：高頻應用一定是紅海。

但和其他板塊一樣，我們的定位不是隻賣給醫院一款軟件，商湯醫療提供的是整體解決方案，包括病理模型生產平臺和模型應用平臺：

模型生產平臺，是說不同醫院擅長的專科不同，研發需求也不一樣，在商湯病理大模型的驅動下，我們能夠很快地生產出特定領域的模型，比如肺癌、腦膠質瘤、口腔癌免疫組化等專屬版本，分別對應了不同的醫院客戶。

應用平臺，是指商湯給一家醫院部署了平臺，並上了最常用的胃腸和TCT（薄層液基細胞學檢查，宮頸癌篩查的技術之一），如果醫院迭代出了其它應用，也可以便捷的加載。

36氪：可以舉兩個例子具體講一講，商湯AI融入醫生診療流程的具體場景或故事嗎？不同場景下，醫生調用AI的頻次是怎樣的？

張少霆：AI很適合做兩種事情，一種是醫生能做但是因爲體量太大導致做不過來的事情，比如篩查，；另一種是沒有AI的幫助，醫生做起來就會有困難的事，像複雜手術規劃等。

前者下里巴人，後者陽春白雪，看似兩個極端，卻同時是AI最能發揮價值的場景。

前者調用AI的頻次很高，比如病理篩查，單家醫院每天可能調用數千次。後者頻次會低，但帶來的收益很高，比如上海某私立醫院的肝膽外科醫生藉助商湯的肝臟手術規劃系統，切除了患者最大直徑20釐米的肝臟腫瘤，這種帶給患者的收益、以及帶給團隊的正反饋都很大。

36氪：這波大模型的技術涌現之後，在醫療領域有產生哪些新場景機會嗎？

張少霆：大模型此刻在醫療領域面臨的挑戰在於：用新技術做老問題，比如導診、預問診、CDSS（臨牀決策支持系統）等。這就意味着，技術成本增高了，但還是在賺老的錢，沒有賺到新增的錢。

目前在2B醫療中，我還沒有看到哪個新場景誕生出殺手級應用。我期待的醫療AI殺手級應用還是在C端，例如每個人都有自己的健康助手，以此衍生出定製化的個人健康市場，這個可能是顛覆性的。

當然這需要時間去積累。人往往會高估新技術在短期內產生的價值，而低估它在長期產生的價值。

36氪：現在市場上流行着一種說法：“商湯是上一代的AI公司”，你怎麼看待這個評價？

張少霆：你可以說微軟是上一代的軟件公司（曾經也確實有這樣的聲音），結果微軟佈局了OpenAI，做了New Bing和Copilot；你也可以說Meta也就是Facebook是上一代的社交網絡公司，結果他們貢獻了最好的開源大模型羣。

在我看來只要凝聚了優秀的人才，就沒有什麼“上一代”的公司或者技術，商湯的人才密度和人才梯隊是很強的，還自有龐大的算力資源，絕大多數初創公司都難有這些積累。

真正有區別的是公司所處階段，很多C輪前的“大模型公司”並不用特別在意營收，甚至會讓人感受到一往無前的衝勁，“竹杖芒鞋輕勝馬”的姿態。

但商湯集團是上市企業，需要考慮到營收的增長，因此會更加的注重業務的本質，即是否能夠盈利，因此壓力會大很多。

我覺得這是好事，如同人總是要從孩童成長到青壯年，承擔更多的責任，“一蓑煙雨任平生”，最終希望可以達到“也無風雨也無晴”的境界。

當然，企業還可以尋找第二增長曲線，這也是爲什麼我們做了醫療分拆，進行再創業，創業自然不易，在這個過程中還是要有定力，“他強任他強，清風拂山崗”。