9天連發兩個模型，王小川在“急”什么？｜甲子光年

真正的顛覆式創新，不只是技術上的顛覆。

作者｜劉楊楠

編輯｜栗子

1月22日，北京賽爾大廈。在距離Baichuan-M3模型發布僅僅九天后，百川智能創始人、CEO王小川再次坐到了媒體面前。

這一次，百川帶來了新一代模型Baichuan-M3 Plus，其在嚴肅醫療場景下的問答準確性、可靠性，再次刷新了M3所創下的世界紀錄。

憑借百川獨創的六源循證技術與M3基座結合，M3 Plus將幻覺率降低至2.6%，低于Open Evidence。

同時，百川首創“證據錨定”技術，不僅給出引文來源，還能將模型生成的每一句醫學結論，精確錨定到原始論文中的對應證據段落，使AI的醫學判斷真正做到可核驗、可追責、可教學。

更具長期意義的是，百川宣布推出「海納百川」計劃，將全球最低幻覺的循證增強醫療大模型以API形式，免費開放給中國醫療服務機構，讓每一位中國醫務工作者都能擁有可靠、好用的AI助手。

在當前大模型發布已趨于“常態化”的今天，這種高頻迭代已經不是單純技術宣發。在今天上午的媒體溝通會上，百川智能創始人、CEO王小川與模型技術負責人鞠強所言均指向一個核心判斷：

AI已經具備進入嚴肅醫療核心流程的技術條件，但行業仍然卡在“信任”與“共識”這兩道最后的門檻上。

因此，百川近期的密集動作，更像是一場針對中國AI醫療規模化落地的主動加速。這背后，則關乎一場面向中國醫療行業的非典型性“顛覆式創新”。

1.為“嚴肅醫療”量身定制的模型

與模型能力的快速演進形成鮮明對比的，是中國醫生群體的真實使用狀況。

某種程度上，醫生的規模化使用，是AI在醫療行業真正落地的最后一公里。沒有醫生的廣泛參與，AI再強，也只能停留在科研演示、輔助搜索或零散試點階段，無法真正改變醫療系統的運行效率與供給結構。

在美國，已有超過45%的醫生在日常工作中使用 OpenEvidence等AI工具；在國內，國家層面也大力推動“AI+醫療”試點建設，已有上千家醫院引入各類AI系統，患者與普通用戶對通用大模型的使用也在快速普及。

然而，在臨床一線，許多中國醫生依然處于一種謹慎的觀望狀態。他們知道AI很重要，也看到患者已經在用，但自己“不敢用、不會用”。

這種遲疑，一方面，源于醫療行業對風險的天然敏感。診療決策對錯誤的“0”容忍，以及中國醫療系統自身的權威性，使得醫生對任何“不可解釋、不夠可控”的工具，都保持本能的謹慎。

另一方面，則源于中美兩國醫療供需結構的不同。在王小川看來，中美醫生的工作環境完全不一樣。美國醫生一天可能看十個病人，是預約制，有時間慢慢用 AI；中國醫生一天要看上百個病人，每個患者只有三五分鐘，這種情況下用 AI，本身就難得多。

另外，中國在真實表達進展這件事上成本很高，甚至有很多不太嚴肅的評價，比如“xx完敗xx”等噱頭式的表達。“如果行業不能更真實、更良性地競爭，而是繼續靠‘皇帝的新衣’，那AI落地醫療行業的速度只會被拖慢。”王小川說。

從這個意義上看，AI落地醫療行業的真正瓶頸，已經不單純在于“模型是否足夠強”，而在于是否足夠可信，是否足夠可核驗，是否能被納入醫生的專業判斷體系之中。

百川 M3 Plus此次的三項更新，便圍繞這個目標展開，即用通過不斷增強模型的可靠性， 降低模型幻覺，來降低醫生使用AI的心理與制度門檻。

第一，是在基礎模型層面壓制醫學幻覺。

M3 Plus將百川自研的Fact-Aware RL強化學習范式與“六源循證”體系結合，在無工具或弱工具場景下，仍然將幻覺率壓至行業新低。這種做法的核心邏輯，是將“事實一致性”作為模型內生目標，而不是完全依賴外部工具兜底。

第二，是提高引用準確率，以換取醫生信任的底線。

在臨床場景中，“是否給出引用”已經不是關鍵，關鍵在于引用是否真的支持結論。百川M3 Plus首創“證據錨定（Evidence Anchoring）”技術，不是簡單標注“引用自哪篇文獻”，而是要求模型生成的每一句醫學結論，都必須精確對應到原始論文或指南中的具體證據段落。每一句判斷，都能被逐字溯源、逐條核驗。

為實現這一目標，百川將引用準確性作為獨立訓練目標，引入Citation Reward Model，對錯誤或不匹配的引用進行明確懲罰，使結論與證據段落的匹配準確率提升至 95%。這意味著，AI 不只是“看起來專業”，而是能夠被逐句核驗。

第三，是持續降本，打穿規模化門檻。

通過MoE架構優化、模型量化與Gated Eagle-3投機解碼等工程手段，M3 Plus的API調用成本較上一代下降約70%。在醫療這樣高頻、長鏈路的使用場景中，成本并非商業問題，而是決定是否能被規模化部署的前置條件。

同時，百川全面開放M3 Plus的技術能力，API限時免費體驗15天，所有開發者均可申請使用。

綜合來看，百川通過三項創新，實則在為“嚴肅醫療”場景重新定義一套可被信任、可被規模化使用的模型標準。

2.Baichuan-M3 Plus能改變什么？

從AI醫療影像時代開始，醫療AI發展的核心阻礙有二：一是信任，二是共識。因此，大模型時代要真正加速醫療AI發展，也需從這兩個方面入手。

首先是信任體系的重塑。

在傳統大模型范式中，模型基于概率計算，能夠生成流暢、合理的回答，但對其內部推理與證據來源，往往具有很強隨機性，使用者往往無法真正核驗。

在普通場景中，這種不透明或許只是體驗問題；但在醫療場景中，這直接構成安全風險的底線問題。

百川在 M3 Plus 中強調的“證據錨定”，本質上是在試圖把AI從基于概率預測的黑盒，轉變為基于循證推理的白盒。

每一條醫學結論，都需要被精確錨定到原始論文、指南或說明書中的具體段落。這種機制，使AI的判斷第一次具備了接近臨床醫生工作方式的可靠性，也為醫生保留了最終判斷權。

在張文宏等一線醫生表達對AI影響決策準確性的擔憂時，真正的分歧點在于，當AI給出建議時，醫生能否清楚知道“它為什么這么說”。

從這個意義上看，證據錨定能力給“醫療AI能否被納入臨床決策體系”這一問題劃出一道邊界。

第二個關鍵，是推動行業共識的形成。

過去幾年，中國AI醫療的發展，呈現出明顯的碎片化特征。各家醫院做各自的系統，廠商提供定制化方案，缺乏一個被廣泛認可、可復用的技術底座。這導致大量項目停留在“示范工程”，難以形成規模效應。

百川此次通過“海納百川”計劃，將M3 Plus以API形式免費開放給服務醫務工作者的機構，試圖推動行業形成事實上的技術共識。

溝通會上，王小川預計，假設全國500萬醫學工作者都加入“海納百川”計劃，每年形成的成本約1億元。“我們認為這種成本是可接受的，給行業帶來的變化將非常大。”

事實上，當足夠多的開發者、醫院與服務機構圍繞同一能力底座構建應用時，AI才有可能從零散工具，演化為醫療領域行業級的基礎設施。對百川而言，這也是一種更接近平臺化，而非單點產品的策略選擇。

在實際開發、應用過程中，“信任”與“共識”這兩條底線自然被拉齊，AI才可能真正進入醫生的日常工作流，緩解國內醫療供給緊張的現狀。

因此，M3 Plus實則是百川針對醫療行業結構性瓶頸，在技術層面給出的方案。這也構成了百川智能這場“顛覆式創新“的核心基礎。

3.百川想改變什么？

如果將百川在醫療領域的長期邏輯抽象出來，其關鍵詞就是——增加好醫生的供給。

在互聯網時代，醫療從來不是一門容易規模化的“好生意”，其核心約束并非流量獲取的難易，而是醫生資源本身。醫生培養周期長、供給彈性低、地域分布不均，這些結構性問題，長期限制著醫療服務的普惠。

AI的出現，第一次讓醫生借助技術在數字世界“增加醫生供給”成為可能。

通過將專家級知識、循證能力與推理能力嵌入模型，使更多年輕醫生、基層醫生獲得接近高水平專家的決策支持。

王小川進一步解釋道，今天年輕醫生使用AI的方式需要調整，不是要求醫生給AI糾錯，而是反過來，讓AI對醫生的臨床思維誤區進行提醒，也給診療結果進行校驗，這樣才有機會降低誤診、漏診風險。“不是醫生給AI挑錯，而是AI給醫生保駕護航。在這種情況下，醫生成長了，患者也受益了。”王小川說。

在此前提下，百川通過主動降本與開放API等技術讓渡，讓原本只可能在頭部醫院、頭部專家身上集中體現的能力，有可能被復制，本質上是在擴展優質醫療能力的有效供給。

從這個層面看，百川正在醫療行業發起某種非典型性的“顛覆式創新”。

克萊頓·克里斯坦森曾對顛覆式創新給出明確定義，顛覆式創新是指在一個新的價值網絡中，出現一種新的商業模式，從而導致原有成熟市場的突然崩潰。

但百川發起的這場關乎AI醫療的顛覆式創新，并不具有“破壞性”，反而是對原有價值體系的賦能，將真正專業、可靠的醫療模型嵌入醫療流程的核心決策環節，成為醫生能力的放大器。

這種“放大”，一方面體現在醫療效率提升，緩和醫療資源擠兌的現狀，另一方面在于系統性增強醫療行業的風險控制與知識更新能力。

在媒體溝通會上，王小川多次強調一個觀點：如果AI能夠在某些場景下顯著提升患者獲益，但卻因為擔心阻礙“醫生成長”而限制使用AI，可能就限制了最有利于病人的醫療措施。

由此也折射出百川在AI醫療賽道中秉持的關鍵判斷，即技術進步與醫生職業發展，并非零和博弈，而是可以通過恰當的使用方式，實現雙贏，并最終讓廣大患者從中受益。

也正是在這樣的長期判斷下，百川近期表現出的“緊迫感”，才顯得更容易理解。

如果說上一階段，行業還在討論“AI能不能用于醫療”；那么這一階段，討論的核心已經轉向“誰能夠定義AI在醫療中的使用方式與信任邊界”。

密集發布、快速迭代、主動降價與免費開放，百川在搶占一個時間窗口，在技術Ready，醫療AI從小規模試點真正走向規模化的關鍵轉折期，率先建立技術標準與生態基礎。

當然，這只是AI賦能醫療的第一步。責任邊界、制度適配、醫生培訓、使用規范，仍將是下一階段更為復雜的挑戰。而這遠非百川一家所能完成的。

但至少，從M3 Plus這一輪發布可以看出，以王小川為代表的一部分創業者已經不再滿足于“做出更強的模型”，而在嘗試回答一個更難的問題——如何讓技術真正成為醫療系統的一部分，而不僅是系統之外的工具。

這或許才是百川近期加速背后，更值得被長期觀察的變量。

（文中圖片來源：百川智能）