探尋新質(zhì)生產(chǎn)力 | 佳量醫(yī)療曹鵬：開放生態(tài)是剛需，不是選項(xiàng)

大模型不是拼誰(shuí)單點(diǎn)強(qiáng)，而是看誰(shuí)能把“算法+工程+場(chǎng)景”融在一起。

人類的一切活動(dòng)、語(yǔ)言和思想都源于大腦，而大腦活動(dòng)的本質(zhì)是神經(jīng)元放電與電信號(hào)傳遞，腦機(jī)接口就是在這些電信號(hào)與外界設(shè)備之間搭建通路，以實(shí)現(xiàn)信息的交換。目前，這一技術(shù)主要應(yīng)用在醫(yī)療場(chǎng)景，最直觀的價(jià)值在于它為治療藥物無(wú)法治愈的神經(jīng)系統(tǒng)疾病提供了可能性。

佳量醫(yī)療正是瞄準(zhǔn)了這一領(lǐng)域。目前公司已構(gòu)建先進(jìn)的腦機(jī)調(diào)控，醫(yī)用激光以及腦機(jī)芯片三大技術(shù)平臺(tái)，為多種神經(jīng)系統(tǒng)疾病提供創(chuàng)新器械解決方案。已開發(fā)產(chǎn)品包括用于癲癇和腦腫瘤的磁共振引導(dǎo)激光消融手術(shù)系統(tǒng)(LITT)，用于治療癲癇、帕金森病的植入式閉環(huán)自響應(yīng)神經(jīng)刺激系統(tǒng)，以及顱內(nèi)深部電極等，其中部分產(chǎn)品已獲得國(guó)家藥監(jiān)局批準(zhǔn)，正式推向市場(chǎng)。

從成立到今天，佳量醫(yī)療已完成6輪融資，并成長(zhǎng)為一家準(zhǔn)獨(dú)角獸企業(yè)。研發(fā)團(tuán)隊(duì)規(guī)模已壯大至超過(guò)100人，其中碩博比例超過(guò)三分之一。佳量醫(yī)療具備自主創(chuàng)新能力，累計(jì)申請(qǐng)200多項(xiàng)專利，獲得授權(quán)超過(guò)100項(xiàng)，其中包括30項(xiàng)PCT專利。

秉承自主創(chuàng)新、造福患者的理念，全球化布局，產(chǎn)研協(xié)同發(fā)展，佳量醫(yī)療正致力于成為神經(jīng)醫(yī)學(xué)領(lǐng)域值得信賴的解決方案領(lǐng)航者。

以下為融中財(cái)經(jīng)對(duì)話佳量醫(yī)療創(chuàng)始人兼CEO曹鵬實(shí)錄，以饗讀者：

融中財(cái)經(jīng)：貴司所處AI產(chǎn)業(yè)鏈條哪些關(guān)鍵環(huán)節(jié)、市場(chǎng)格局如何，具備哪些技術(shù)/產(chǎn)品優(yōu)勢(shì)等？

曹鵬：我司正好處在“AI+腦科學(xué)”這個(gè)交叉點(diǎn)上，主要聚焦于腦機(jī)接口與AI驅(qū)動(dòng)的閉環(huán)神經(jīng)調(diào)控技術(shù)。從芯片、算法到云端數(shù)據(jù)處理，我們?cè)诘讓佑布⑿盘?hào)解碼、個(gè)性化刺激模型等方面都有自己的專利和技術(shù)積累。

目前這個(gè)賽道還在早期階段，特別是在醫(yī)療領(lǐng)域，具有高門檻、高壁壘的特點(diǎn)。但我們優(yōu)勢(shì)在于可以完整的從信號(hào)采集、算法訓(xùn)練到神經(jīng)刺激治療的閉環(huán)能力；目前我司已與多家三甲醫(yī)院和科研機(jī)構(gòu)保持密切合作，推動(dòng)真實(shí)場(chǎng)景落地；除此之外，我司擁有自主研發(fā)的低功耗神經(jīng)調(diào)控硬件平臺(tái)。

融中財(cái)經(jīng)：隨著這兩年大模型的快速發(fā)展，特別是Deep seek爆火，您對(duì)公司發(fā)展有了哪些新的想法？近三年戰(zhàn)略路徑是？

曹鵬：這兩年大模型的快速發(fā)展為我們智能醫(yī)療帶來(lái)了新的啟發(fā)，接下來(lái)三年，我司計(jì)劃搭建腦電云平臺(tái)并打磨高質(zhì)量垂直應(yīng)用小模型，聚焦神經(jīng)刺激參數(shù)優(yōu)化、個(gè)性化治療方案推薦等實(shí)際需求，設(shè)計(jì)生產(chǎn)帶有相關(guān)AI功能的芯片，并通過(guò)臨床予以驗(yàn)證。

融中財(cái)經(jīng)：AI醫(yī)療技術(shù)的“長(zhǎng)周期、高風(fēng)險(xiǎn)”研發(fā)特征下，企業(yè)如何平衡市場(chǎng)需求與技術(shù)創(chuàng)新的投入？貴司近兩年研發(fā)投入如何？

曹鵬：確實(shí)，醫(yī)療AI不像消費(fèi)AI，不能靠“先上線、后優(yōu)化”的打法。我們采取的是“兩條腿走路”的方法：一方面，聚焦少數(shù)關(guān)鍵場(chǎng)景，比如癲癇和帕金森病神經(jīng)調(diào)控，力求一點(diǎn)打穿；另一方面，保持底層算法平臺(tái)的可遷移性，為未來(lái)的場(chǎng)景擴(kuò)展打基礎(chǔ)。

研發(fā)投入占我們預(yù)算的很大一塊，這兩年保持在總支出的80%以上，硬件、算法、系統(tǒng)集成三個(gè)方向都在持續(xù)加碼。

融中財(cái)經(jīng)：對(duì)比中美AI底層生態(tài)，您認(rèn)為目前國(guó)內(nèi)處于何種狀態(tài)？隨著AI產(chǎn)業(yè)的快速發(fā)展，中國(guó)創(chuàng)新企業(yè)，實(shí)現(xiàn)國(guó)產(chǎn)替代彎道超車的突破口在哪里？

曹鵬：國(guó)內(nèi)在AI“基礎(chǔ)設(shè)施”建設(shè)方面跟美國(guó)還有一定的差距，比如高端芯片、開源社區(qū)活躍度、算法原創(chuàng)能力等。但我們也看到了彎道超車的機(jī)會(huì)，那就是更加實(shí)用主義的垂直場(chǎng)景落地，比如醫(yī)療和制造業(yè)。并且國(guó)家政策支持力度強(qiáng)，數(shù)據(jù)資源更集中，場(chǎng)景+AI的結(jié)合更緊密，比如我們?cè)凇吧窠?jīng)調(diào)控+AI”領(lǐng)域，就能快速推動(dòng)技術(shù)到臨床。我認(rèn)為國(guó)產(chǎn)替代真正的突破口是：找到不依賴國(guó)外生態(tài)的“局部最優(yōu)路徑”，比如專精垂直小模型、自研芯片和臨床級(jí)算法驗(yàn)證體系。

融中財(cái)經(jīng)：AI系統(tǒng)的性能往往高度依賴于數(shù)據(jù)規(guī)模和質(zhì)量。雖然無(wú)監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)在一定程度上緩解了對(duì)標(biāo)注數(shù)據(jù)的依賴，但大多數(shù)應(yīng)用仍需龐大的數(shù)據(jù)集進(jìn)行訓(xùn)練。如何確保數(shù)據(jù)的高質(zhì)量應(yīng)用？如何在確保AI性能的同時(shí)，有效保護(hù)用戶隱私和系統(tǒng)安全？

曹鵬：這點(diǎn)在醫(yī)療領(lǐng)域尤其重要。我司的做法是所有數(shù)據(jù)收集都簽署倫理審批，并進(jìn)行本地脫敏處理。在模型訓(xùn)練階段，我們用聯(lián)邦學(xué)習(xí)框架，數(shù)據(jù)不出醫(yī)院，模型“跑進(jìn)去”。系統(tǒng)層面引入差分隱私機(jī)制，確保即使模型被攻擊也無(wú)法還原原始患者信息。

融中財(cái)經(jīng)：大模型落地需要工程和算法的協(xié)同創(chuàng)新，如何建立開放協(xié)作的AI產(chǎn)業(yè)生態(tài)？產(chǎn)學(xué)研合作能起到哪些關(guān)鍵作用？

曹鵬：我們認(rèn)為，大模型不是拼誰(shuí)單點(diǎn)強(qiáng)，而是看誰(shuí)能把“算法+工程+場(chǎng)景”融在一起。對(duì)我們來(lái)說(shuō)，開放生態(tài)是剛需，不是選項(xiàng)。

我們目前的策略包括：和高校、醫(yī)院、研究機(jī)構(gòu)共建“數(shù)據(jù)共享+聯(lián)合攻關(guān)”機(jī)制；和硬件廠商、云計(jì)算平臺(tái)做集成測(cè)試，共同推進(jìn)工程化落地；開放式歡迎AI團(tuán)隊(duì)開源共建部分非核心模塊，提高行業(yè)共識(shí)和透明度；另外，產(chǎn)學(xué)研的價(jià)值其實(shí)不在“合作寫幾篇論文”，而是在于能一起定義真正的臨床需求、一起跑通驗(yàn)證路徑、一起做出能用的產(chǎn)品，這點(diǎn)也是我司一直在貫徹的。

融中財(cái)經(jīng)：在AI時(shí)代下，現(xiàn)有的軟件架構(gòu)體系是否發(fā)生顛覆變化？以后軟件架構(gòu)會(huì)如何？

曹鵬：確實(shí)存在變化。以前是“人寫規(guī)則，軟件照做”；現(xiàn)在是“模型懂語(yǔ)義，系統(tǒng)自進(jìn)化”。特別是在神經(jīng)科學(xué)領(lǐng)域，我們感受到未來(lái)的軟件架構(gòu)可能更像“活的生態(tài)系統(tǒng)”，能根據(jù)數(shù)據(jù)、自身狀態(tài)與用戶反饋不斷優(yōu)化自我。

融中財(cái)經(jīng)：貴司所處AI產(chǎn)業(yè)鏈條哪些關(guān)鍵環(huán)節(jié)、市場(chǎng)格局如何，具備哪些技術(shù)/產(chǎn)品優(yōu)勢(shì)等

曹鵬：我們聚焦在AI+腦機(jī)接口的神經(jīng)調(diào)控方向，在整個(gè)AI醫(yī)療產(chǎn)業(yè)鏈中，屬于比較偏下游但也最貼近“患者真實(shí)療效”的一環(huán)。關(guān)鍵環(huán)節(jié)包括：腦電信號(hào)的高質(zhì)量采集與預(yù)處理；個(gè)性化神經(jīng)調(diào)控模型的算法訓(xùn)練與部署；低延遲、低功耗、高精準(zhǔn)度的刺激器件與控制系統(tǒng)。

市場(chǎng)上，國(guó)外巨頭如Medtronics等主要做傳統(tǒng)硬件，但在AI閉環(huán)能力上布局還不深。我們?cè)谶@一點(diǎn)上有先發(fā)優(yōu)勢(shì)，尤其是我們整合了信號(hào)解碼、數(shù)據(jù)建模與硬件響應(yīng)控制的全鏈路能力，更適合做個(gè)性化治療。

融中財(cái)經(jīng)：大家都在擁抱開源生態(tài)，但企業(yè)生存又需構(gòu)建差異化護(hù)城河。您認(rèn)為貴司在哪些方面具備“做大做強(qiáng)”的優(yōu)勢(shì)？開源后，如何解決數(shù)據(jù)共享與知識(shí)產(chǎn)權(quán)沖突？

曹鵬：我們認(rèn)為，開源是一種趨勢(shì)，但醫(yī)療行業(yè)是一個(gè)嚴(yán)謹(jǐn)且倫理性要求極強(qiáng)的產(chǎn)業(yè)。因此，我司在技術(shù)上堅(jiān)持“核心閉源+外圍開源”的策略，具體做法是算法框架、數(shù)據(jù)處理工具鏈可以部分開源，吸引合作、聚合生態(tài)；核心模型參數(shù)、臨床驗(yàn)證體系、設(shè)備通信協(xié)議等保留內(nèi)部?jī)?yōu)化權(quán)和知識(shí)產(chǎn)權(quán)；對(duì)于數(shù)據(jù)共享，我們采用聯(lián)邦學(xué)習(xí)+數(shù)據(jù)協(xié)議簽署機(jī)制，確保數(shù)據(jù)使用透明合規(guī)，同時(shí)保護(hù)合作醫(yī)院和患者的權(quán)益。

融中財(cái)經(jīng)：選擇做通用大模型還是應(yīng)用模型？如何訓(xùn)練專精模型？數(shù)據(jù)怎么搞、成本如何降？

曹鵬：鑒于人體生理信號(hào)的復(fù)雜性和設(shè)備使用的差異化，現(xiàn)階段基于腦電的通用大模型尚不具備意義，專精垂直模型是更有效的方案。具體路徑為：通過(guò)長(zhǎng)期植入設(shè)備，長(zhǎng)期收集個(gè)性化腦電數(shù)據(jù)，利用個(gè)性化數(shù)據(jù)調(diào)優(yōu)模型，通過(guò)遷移學(xué)習(xí)降標(biāo)注成本，通過(guò)用戶自己的標(biāo)記進(jìn)一步調(diào)優(yōu)模型，形成良性互動(dòng)。

融中財(cái)經(jīng)：您認(rèn)為未來(lái)3年，最具顛覆性的智能體應(yīng)用場(chǎng)景是？

曹鵬：從我們醫(yī)療方向看，我認(rèn)為個(gè)性化智能治療助理會(huì)是最具顛覆性的應(yīng)用之一，尤其是在神經(jīng)系統(tǒng)疾病、慢病康復(fù)、精神類疾病方面。

比如：智能體實(shí)時(shí)監(jiān)測(cè)患者狀態(tài)、調(diào)整刺激參數(shù)；對(duì)醫(yī)生起到“治療建議+風(fēng)險(xiǎn)預(yù)警”雙重作用；可遠(yuǎn)程運(yùn)維與病患互動(dòng)，提高長(zhǎng)期依從性。這類應(yīng)用對(duì)模型穩(wěn)定性、可解釋性要求高，也正是我司能發(fā)揮優(yōu)勢(shì)的地方。

融中財(cái)經(jīng)：AI訓(xùn)練需要消耗海量數(shù)據(jù)與算力。未來(lái)如何展開技術(shù)創(chuàng)新，打造聰明又能干的智能體？多模態(tài)能力和MoE如何更好服務(wù)客戶？

曹鵬：我們提倡效率型創(chuàng)新，也就是讓模型更小、更快、更懂上下文。我們會(huì)利用MoE架構(gòu)實(shí)現(xiàn)模塊化部署，結(jié)合多模態(tài)融合影像信息、加速度信號(hào)以及肌電信號(hào)等，并實(shí)現(xiàn)癲癇、帕金森等不同模型的獨(dú)立運(yùn)行。

融中財(cái)經(jīng)：從影像識(shí)別到手術(shù)導(dǎo)航，從基層輔助診療到個(gè)性化健康管理，人工智能正在醫(yī)療領(lǐng)域掀起一場(chǎng)深刻的效率革命與模式創(chuàng)新。貴司所處AI+醫(yī)療產(chǎn)業(yè)鏈條哪些關(guān)鍵環(huán)節(jié)、市場(chǎng)格局如何，具備哪些技術(shù)/產(chǎn)品優(yōu)勢(shì)等

曹鵬：我司是神經(jīng)疾病閉環(huán)治療設(shè)備供應(yīng)商，已開發(fā)數(shù)款基于腦機(jī)接口技術(shù)的顱骨植入式閉環(huán)神經(jīng)調(diào)控系統(tǒng)，產(chǎn)品可實(shí)現(xiàn)長(zhǎng)期植入，持續(xù)收集海量有標(biāo)記的清晰顱內(nèi)腦電信號(hào)。我司同時(shí)具備醫(yī)療器械硬件和算法雙研發(fā)能力，在行業(yè)里是相對(duì)稀缺的。

融中財(cái)經(jīng)：AI技術(shù)與醫(yī)療的深度融合，內(nèi)科、神經(jīng)外科、腫瘤等細(xì)分領(lǐng)域眾多，哪些場(chǎng)景最具商業(yè)化潛質(zhì)？

曹鵬：我們認(rèn)為，越“剛需+高復(fù)雜度”的場(chǎng)景，AI越容易落地出價(jià)值。神經(jīng)系統(tǒng)疾病（如帕金森、癲癇、腦卒中后康復(fù)）需要長(zhǎng)期隨訪，且個(gè)性化需求強(qiáng)，傳統(tǒng)方法很難滿足，AI正好有用武之地。

另外還有比如精神健康輔助診療領(lǐng)域，可以模型結(jié)合語(yǔ)音、生理參數(shù)等用于風(fēng)險(xiǎn)預(yù)警和治療響應(yīng)監(jiān)測(cè)。

我們認(rèn)為神經(jīng)類疾病的商業(yè)潛力非常大，因?yàn)樵O(shè)備投入少但長(zhǎng)期復(fù)購(gòu)率高，醫(yī)院與患者黏性也很強(qiáng)。

融中財(cái)經(jīng)：許多AI模型，特別是深度學(xué)習(xí)模型被視為“黑箱”，用戶和監(jiān)管機(jī)構(gòu)都對(duì)其AI系統(tǒng)的決策過(guò)程產(chǎn)生質(zhì)疑，尤其在醫(yī)療和金融等高風(fēng)險(xiǎn)領(lǐng)域。該如何提高AI模型的透明度？

曹鵬：我們的產(chǎn)品具有錄制信號(hào)的功能，當(dāng)解碼出異常需要給刺激時(shí)，產(chǎn)品可以記錄并保存刺激前后幾十秒的數(shù)據(jù)，后續(xù)方便進(jìn)行分析，能夠直觀看到腦電的異常情況和刺激的對(duì)應(yīng)關(guān)系。

融中財(cái)經(jīng)：由于人體的復(fù)雜性和差異性，醫(yī)療領(lǐng)域AI應(yīng)用的數(shù)據(jù)隱私、醫(yī)學(xué)倫理與國(guó)家安全等都面臨難題，特別是在數(shù)據(jù)方面，AI醫(yī)療數(shù)據(jù)孤島問題給如何解決？

曹鵬：針對(duì)倫理和合規(guī)問題，我們會(huì)聘請(qǐng)獨(dú)立醫(yī)學(xué)倫理顧問參與項(xiàng)目評(píng)估，與行業(yè)協(xié)會(huì)或地方數(shù)據(jù)平臺(tái)共建“合規(guī)中臺(tái)”，探索合法跨機(jī)構(gòu)數(shù)據(jù)共享機(jī)制。從長(zhǎng)期看，我們希望推動(dòng)建立一個(gè)以臨床需求為牽引、合規(guī)機(jī)制透明的醫(yī)療數(shù)據(jù)聯(lián)盟，這樣既解決孤島問題，也讓大家敢放心合作。

融中財(cái)經(jīng)：DeepSeek的出現(xiàn)給AI+醫(yī)療帶來(lái)哪些新變革和影響？公司未來(lái)戰(zhàn)略發(fā)展做哪些調(diào)整？

曹鵬：確實(shí)帶來(lái)變革，擁有醫(yī)療數(shù)據(jù)優(yōu)勢(shì)的醫(yī)療公司開始思考如何基于數(shù)據(jù)優(yōu)勢(shì)建立行業(yè)垂直模型，如把強(qiáng)化學(xué)習(xí)的理念引入模型的優(yōu)化中，以及如何降低訓(xùn)練的成本和模型的規(guī)模。公司未來(lái)也會(huì)考慮引入強(qiáng)化學(xué)習(xí)人類反饋（Reinforcement Learning from Human Feedback, RLHF）技術(shù)，將人類偏好信號(hào)和強(qiáng)化學(xué)習(xí)（RL）結(jié)合來(lái)微調(diào)AI模型。