在我的命題裏，不再是跟隨美國，而是要做最好的 AI 醫生來定義 AGI 時代。

從小就是「學霸」的王小川，其實不太喜歡自己的「學霸」標籤。

他在離開搜狗後的一次交流裏，和極客公園創始人&總裁張鵬講過自己的看法：「學霸」的另一面，意味着在別人設定好的命題裏取得「高分」，但他接下來其實想找到自己的命題，不想再做別人命題裏的學霸了。

但 ChatGPT 的爆發，帶着大模型浪潮撲面而來，王小川自己和所有熟悉他的人，都覺得他是最適合 AI 時代的中國創業者之一。故事似乎和之前一樣，王小川成立百川智能符合所有人的期待，然後就是響亮的 AI 六小虎的稱號，以及大家在模型評分榜上的位置，產品 MAU 的數據、商業化 ARR 數字，等等。看起來王小川還是繞不開大家對於「學霸」的期待，有一堆必答題要去回答。

王小川自嘲，一度自己覺得百川成了三個公司：一個做模型，一個做 toB 商業化，一個做 AI 醫療。而王小川內心真正想做的，並非市場所期待的通用模型問題，而是「為人類造醫生，為生命建模型。」

王小川一度覺得這個命題，在迎合更多業界必答題的過程中，從原點變成了「遠方」，這讓他覺得很有問題。這種撕扯，最終以今年 4 月開始的大調整而和解。王小川做出了選擇：團隊從 450 人精簡至不足 200 人，迴歸扁平，迴歸專注。人數少了，團隊的「壓強」反而上去了，這讓他對於未來，也更有底氣和信心。

外界猜測這是「遭遇困境」後的被動收縮，唱衰百川的各種報道滿天飛，這可能是王小川創業這麼多年來被負面新聞包裹得最緊的一次。但是王小川本人選擇沉默、完全沒有回應。按照他的原話是「我需要的是跟自己的內心做鬥爭，而不是跟環境做鬥爭」。

直到 8 月 12 日，當王小川帶着百川全新的醫療大模型 Baichuan-M2 亮相後，外界才終於看懂了他沉默的這幾個月在做什麼。這款大模型的性能超過了 OpenAI 新近發佈的兩個開源模型；而在閉源領域，它的能力也僅次於 GPT-5。但這還不夠。對王小川而言，他的目標，是在醫療這個垂直領域，實現對通用模型的超越。

這個時候，百川感覺上才真正變回了「一家公司」，而王小川也終於結束「一言不發」，願意坐下來和張鵬再次進行一場長談。

這更像是一次坦誠的覆盤，一次對過去兩年喧囂的總結。也是一次對上半年不少朋友「小心翼翼」的關心和擔心的回應。王小川覺得他現在的狀態很好，因為他不再需要回答別人強加的必答題，而是可以真正定義自己的問題，並給出他更銳利的答案。

以下為王小川與張鵬對話內容實錄，有編輯刪減。

01

「智能的高度」與「應用的深度」

張鵬： 最近 GPT-5 終於發佈了，我們曾想象它會再次引領產業的大飛躍，但世界給予的反饋，似乎並不符合這個版本應該有的震撼。現在大家探討AIcoding 的熱情、以及感嘆 Anthropic 估值已經接近 2000 億美金的熱情似乎更高漲，你怎麼看這些現象？

王小川：這可能是美國激烈競爭格局下的必然結果。畢竟那邊牌桌上還有 Grok、Anthropic 等強勁的對手。值得注意的是，AI coding 確實也呈現了一個可能比 ChatGPT 擁有更好商業模式和數據飛輪的通向 AGI 的通道。

很可能，今天 OpenAI 正處於一個相對劣勢的階段，在競爭壓力下顯得有些倉促地發佈了產品。所以，給人感覺有點「拉下神壇」了。但我覺得這不代表 OpenAI 就此沉寂，更不意味美國 AI 創新後繼無人。恰恰相反，這證明了其他競爭者的實力，他們正在激烈地爭奪王座。

張鵬：我們該如何理解這種現象？OpenAI 有做錯了什麼嗎？

王小川：從技術路線圖來看，我從一開始就更欣賞 Anthropic 的策略，尤其是它將代碼作為發展的中心，這條路是以 API 為中心，特別是深耕代碼能力。語言模型強化到代碼層面，就能夠賦能千行百業。

而 OpenAI 選擇是把重心放在一個 C 端的 App 上，

最初由 Ilya Sutskever 提出的「predict next token」（預測下一個詞元）開啓了大模型範式，沿着這條路走下去，代碼本應是可見的、必然的方向。但或許是因為 OpenAI 的「包袱」過重，什麼都想要，反而無法專注，也就難以找到最關鍵的軸心去突破。

當它需要服務 7 億用戶時，就無法將代碼置於足夠高的戰略位置。我認為這是一種路線圖上的風險。

我心中的 AGI（通用人工智能），其核心是代碼能夠自動運行。對此我有兩個邏輯：一個是從產業應用場景出發，例如造醫生；但從更極致的技術追求來看，代碼纔是中心。

因此，無論從產品形態還是技術路線圖來看，OpenAI 都沒有走在我期望的路徑上。

張鵬： Anthropic 的估值已經漲到了 1700 億美元。我記得你每次都會強調，「語言纔是智能的中軸」。所以「代碼語言」這個軸線上的高速發展已經開始了唄？

王小川：代碼，本質上就是一種更高級的語言。

最近 Geoffrey Hinton 也開始講，人類智力的核心在於「類比」。這正是我一直信奉的，語言的本質就是類比與推理。我之前反覆推薦侯世達的《表象與本質》，那本書用完整的篇幅闡述了這件事。

因此，數學是語言，代碼也是語言，而且是一種「可運行」的語言。它就像圖靈機一樣，能夠解決萬千問題。所以，真正的道路是清晰的：首先，通過人類語言理解常識、學會溝通；然後，掌握數學語言與代碼語言，從而征服理科與工科。這條路，我過去在很多場合都講過，從未改變。

今天代碼的快速崛起已經開始驗證其價值，更重要的是它的數據飛輪也已經高速啓動了。

其實代碼的終極用法，不是輔助程序員，而是它自己就能運行。今天所有類似的 Cursor 工具，本質上還是在輔助程序員。而一旦代碼能夠實現自我運行，AGI 也就到來了。我還記得多年前在知乎寫過一個帖子，標題是：「程序員是自己的掘墓人」。現在，這句話正在被驗證。

張鵬：以前大家對「智能的高度」特別充滿熱情，每次新模型的屠榜跑分都會被認真討論很久，但感覺今天 Coding 帶來了一個「應用的深度」和「智能的高度」可以一起前進的事情。未來「應用的深度」是不是會變得更被重視？

王小川：沒錯。單純的評測已經不夠，已經到了可應用的階段。

其實除了代碼的價值已經肉眼可見，今天大家對醫療的期待，也是與日俱增的。國內大家討論得偏少，但其實醫療正迅速從「非共識」走向「共識」。儘管 Anthropic 在代碼領域跑得更快，但 OpenAI 在今年 5 月發佈了 Health-Bench，把醫療健康納入核心評測維度。在 OpenAI 的產品發佈會上，「健康」與「醫療」被反覆強調。甚至在發佈開源模型時，技術報告開篇第一章，就是闡述它在醫療領域的進展。

最值得玩味的，是在 GPT-5 的發佈會上，唯一被請上臺為它背書的，是一位癌症患者。

OpenAI 身負着服務 7 億用戶的巨大「包袱」，這迫使它必須超越純粹的技術敘事，走向一條「以人為中心」的路線。在這條路上，醫療是其無法迴避，且必須佔領的戰略高地。

張鵬：硅谷確實還在越來越熱鬧，但過去一段時間，大家都覺得國內大模型領域許多備受矚目的創業公司，也包括百川智能，似乎都變得「安靜」了。這背後有什麼共性原因嗎？

王小川：身在局內，我反而覺得這是一個極其自然的過程。

2023 年是歷史性的一年，資本的恐慌性湧入和對未來的無限暢想，是技術變革的必然序曲。這有點像 Gartner 技術成熟度曲線的規律，當期望膨脹到頂峯，現實與應用之間的距離必然會導致一個調整期。當人們發現技術突破未能立即轉化為應用爆發，熱情冷卻，行業便會安靜下來重新思考。

回答這個問題，必須從技術與環境兩個層面來看。技術層面，如果大家研究下 OpenAI 最新的開源模型，會發現它在基礎設施與工程化上的深厚實力，這不僅關乎算法。我們一度以為已經拉近的距離，現在又被重新拉開。我們期待國內同行在底層架構上持續追趕，而百川也會在醫療這樣的垂直領域，做出自己的貢獻。

然而，比技術差距更嚴峻的，是來自大環境的挑戰。美國頭部公司動輒百億美金的孖展，以及像 Anthropic 年化經常性收入（ARR）已接近百億美金的規模，這在國內目前都難以想象。說實話，在這樣的牌局裏，任何一家能夠「咬住」不掉隊，本身已是一件了不起的事情。

本質上，我們和美國存在一個「時間差」。當他們已經進入以 ARR 為核心的「摘果子」收穫期時，我們絕大多數人還身處圍繞基準測試（Benchmark）和參數的「模型內卷」階段。這種階段上的錯位，會直接導致「底氣」的缺失。

張鵬： 這種「看 ARR」與「看參數」的差異，根源在於技術，還是商業環境？

王小川：我認為是雙重疊加：既有技術追趕的壓力，也源於商業土壤的不同。

張鵬：那之前大家在模型上投入的熱情和資源，你覺得值得嗎？如果這是一場如此艱難的追趕？

王小川：我認為，這取決於一家公司的終極抱負。

如果你的目標是打造一個輕巧、敏捷的公司，那麼完全可以不自研模型。比如一個十幾人甚至幾個人的小公司，通過調用最優的第三方模型，完全有可能快速實現正向現金流，並獲得資本的青睞。

但如果你立志要成長為一個長期的、具有系統性影響力的大公司，那麼在模型層面的自主積累，就是一件不可或缺的事情。

02

重新變回一家「有自己命題的公司」

張鵬：最近投資圈都在「感謝」大模型公司「釋放了很多優秀人才」，讓他們看到了不少值得投，值得搶的新項目。百川的業務和人員調整好像也挺大的，這背後你是怎麼想的？

王小川：你肯定還記得 2023 年百川當時的策略就是「快」。快速入場、快速孖展、快速搶佔技術身位。這讓我們在高峯期一度達到 450 人。速度為我們贏得了有利位置，但也帶來了「思想無法統一」的後遺症。

許多人帶着對大模型的熱情，甚至是源於 FOMO 的恐懼，加入了百川，我們卻未能真正「捏成一股繩」。公司內部甚至自嘲，已經分裂成了做模型、做醫療、做商業化「三個公司」。

後來，我在全員信中也坦誠溝通了這件事：我們必須迴歸創業的初心——「為人類造醫生，為生命建模型」。

所以最近在組織上確實做了很多調整，直接說結果就是從 450 多人變成了不到 200 人，然後我們把管理層級從平均 3.6 級壓縮至 2.4 級，從今年 4 月到 6 月，花了兩個多月，我們完成了這次調整。你會發現，人數少了，整個團隊的「壓強」反而上去了，這讓我對未來更有底氣。我感到非常高興的是，最終留下的，是一支既有 AI 信仰，又對醫療抱有熱忱的團隊。

張鵬：當初的快速擴張，在多大程度上是被客觀的產業節奏裹挾？又在多大程度上，是因為自己主觀上沒控制好節奏？

王小川：我認為是「三七開」——三分客觀，七分主觀。

客觀上，在當時那個狂熱的時間點，想要完全抵抗住浪潮的推力，確實很難。但更深層的原因，在於我自己。我確實為了迎合媒體、迎合團隊、迎合外界的期待，做了很多「多餘的動作」。

比如，我對金融這類能快速變現的方向，內心並無真正的熱情。但當時有團隊想做，有股東感興趣，我就「從」了。現在回看，這本質上是自己當時的「心力」還不夠強大。而攤子鋪得越大，心力被稀釋得就越厲害。

張鵬：現在想想的話，當時有辦法更好的避免這種問題嗎？

王小川：我還真反思過，而且可能解法還真沒那麼複雜。比如當時如果我能堅持面試每一位新同事，情況會好很多。因為這個過程中就一定會讓自己「慢下來」、想清楚。創業者一旦只判斷和選擇目標，而不充分參與過程之痛苦，很多判斷就會出問題。

我看其實大家的節奏調整都差不多，我相信行業會迴歸理性，大家也終將更專注於自己真正想做的事。

對我而言，這次調整最大的收穫，是未來變得前所未有的清晰。因為我終於明白，真正的鬥爭，從來不是與環境的鬥爭，而是與自己內心的鬥爭。

張鵬 ：前段時間因為這些調整負面報道滿天飛的時候，是不是有好多朋友給你打電話慰問？

王小川 ：慰問是有的。但大家似乎都有些小心翼翼，大都不敢打電話，反正就是各種謹慎小心的關心我，說的問的都挺含蓄。

張鵬：你覺得大家為什麼要來小心翼翼的「慰問」你？或者說他們為你擔憂的是什麼？

王小川：估計是覺得我壓力大。之前，無論對我，還是對百川，外界都抱有某種期待。當百川的發展軌跡，沒有完全符合大家想象中那種高歌猛進的劇本時，可能一種低於預期的感受便產生了。我內心很清楚，媒體曾經給予了多少讚譽，當現實與預期出現偏差時，外界就會感受到同等程度的「失望」。

張鵬： 所有的媒體讚揚，本質上都是一種「預支的借款」。

王小川：特別對。要麼是消耗過往積攢的信譽，要麼是透支未來的承諾，但終究是要「償還」的。所以，外界的情緒，本質上是與你的發展速度和最終成績緊密掛鉤的。

張鵬：在那段時間裏，你本人真實的狀態是怎樣的？

王小川：說實話，我確實沒有焦慮。我非常感謝大家的關心。很多人曾將自己對技術的理想，部分投射在了我們身上。所以當百川的路徑看似「偏離」時，那種失落感是真實存在的。

而我之所以不焦慮，是因為我看到了大家沒看到的東西。

大家期待的百川，和我內心真正想構建的百川，其實存在一個錯位。早在 2021 年，甚至在創立百川的公開信裏，我就明確提出，我未來二十年的熱情在於生命科學和大衆健康。ChatGPT 的出現，只是讓實現這一目標的路徑變得更加清晰和可行。

但在 2023 年那個時間點，整個市場都沉浸在一種狂熱裏。無論是投資人、媒體，還是團隊成員，他們都帶着美國最前沿的模式作為對標，希望你做的跟美國一樣，因為那是被驗證過的、成功率最高的路徑。

在那種氛圍下，你去談醫療，是很難被聽進去的。所以，我們當時在某種程度上「迎合」了市場的期待，沿着大家都能看懂的「共識」路徑在走。

但當我們的探索開始深入，逐漸迴歸到醫療的時候，之前那些因大模型、AGI 加入的人，都會產生一種跟期待不一致的地方。

而百川在過去一年裏完成的最重要的一件事，就是經歷調整，真正迴歸到了我們自己對於未來的「意義感」和核心驅動力上。

張鵬：你真實「第一人稱視角」的投身大模型領域的起心動念是什麼？我很好奇在過去的幾年間，為什麼沒有去調整大家對你們的認知錯位呢？

王小川：當我決定下場時，是因為我真切地感受到了「模型」的力量。2023 年初，我第一次深度使用 ChatGPT 時，內心有兩種強烈的衝擊。

第一種，震撼。因為我之前專注於醫療領域，對最前沿的技術進展沒有那麼緊密地追蹤。一上手，我心裏就咯噔一下，意識到：天變了。我過往做輸入法、做搜索，每天都在和語言 AI 打交道，所以我能清晰地判斷，眼前的這個東西，和過去完全不是一個物種。

第二種，隨之而來的是一種失落感。我曾經也算是 AI 圈的中心人物，但那一刻，我發現自己想做的醫療事業，似乎與 AI 的主旋律，變成了兩條平行線。

後來，我很快就想明白一個事：今天的大模型，能不能被用來「造醫生」？

這個想法，讓我內心的兩條邏輯線索瞬間串聯了起來：

第一條邏輯：語言是智力的中軸。掌握了語言，就掌握了構建智能、乃至「造人」的關鍵。

第二條邏輯：醫生是醫療的中軸。構建了「AI 醫生」，就能掌握用戶、藥廠和科研的樞紐。

所以，技術上，我們在「造人」；應用上，我們則是在「造醫生」。因此，我們從基礎模型做起，因為你不可能依賴一個不開源的外部模型，去構建你的核心壁壘。

我的計劃始終是，超級模型裏要走到 AGI，超級應用則要去「造醫生」。但問題是，當時你向外界講述這個「超級應用」時，大家聽不進去，他們只能聽懂，或者說更願意聽「超級模型」的故事。

到了 2024 年，我們意識到，以百川的資源和國內的整體環境，你不可能同時在兩條戰線上無限拉長。從基礎模型到最終構建一個成熟的「AI 醫生」，這條路過於漫長，你不可能把所有事情都自己做完。

這就好比 2016 年 AlphaGo 出現時，我看得非常清楚，但這不代表我當時就有能力親自下場把它做出來。基於對能力和資源的判斷，我們決定，必須「聚焦」在醫療上。

張鵬：但這時候這種「錯位」就開始劇烈的釋放「應力」了？

王小川：對。在我看來，這是戰略上的「聚焦」；但在行業眼中，這變成了「放棄模型」、「管不住團隊了」……各種各樣的解釋都冒了出來，因為這不符合他們最初為你設定的那個「預期」。

張鵬：所以你是如何消化這件事的？好奇為什麼當時沒有出來說說話而一直保持沉默？是不想說？還是沒的說？

王小川：肯定不是沒的說，我有很多要說的，但說的對象可能不是行業和公衆吧。因為你首先要從內心接受一個前提：大家在不同視角下看到不同的東西，是正常的。

一旦你接受了這一點，就不會再有情緒上的內耗。我不是去說服每一個人，而是清晰地表達，然後找到那些真正聽懂了，或者願意花時間去聽懂的人，與他們並肩工作，這就足夠了。

我既不會因為外界的不理解而憤怒，也不會因此而動搖。我的價值，恰恰在於我可能比大家多看到了一些未來的可能性。同時，我的責任，是要去溝通和花時間「對齊」那些同樣懷有醫療夢想、並選擇留下來的人，為他們創造一個最好的工作環境。當你內心真正篤定你想要什麼時，這本身就是對自我的尊重，也是對團隊的尊重。

張鵬：所以這兩年，你最大的收穫是什麼？

王小川：我的第一個，也是最感幸運的一點是：我之前想做醫療的夢想，與大模型的技術突破，真正相遇了。

這就像我過去做互聯網的 20 年，本質上是擁抱了一個巨大的時代浪潮。沒有時代，個體的努力會緩慢而曲折得多。而 AI 的到來，讓「造醫生」這件事，突然有了清晰可行的路徑。

我們已然上桌，技術讓夢想有了「解」，身在牌局之中。我覺得是很幸運的一件事情。

第二個巨大的收穫，是我個人心境的成長吧。

早年做搜狗的時候，追求極致，無法容忍任何與我認知不符的東西，常常會因此陷入「為什麼會這樣」的執念，對內、對外都產生了很多不必要的攻擊和消耗。

而現在，我可以說，我達到了十年來心境最好的狀態——一種發自內心的平和。

當然，遇到做得不好的地方，我依然會直接指出，但不再是老闆對員工的指令，而是一種共創的狀態。我希望大家能真正地從內心走到一起，共同去成就一件事，這本身就是一次巨大的提升。

過去，面對這種局面，我的反應是憤怒——「為什麼事情會走向失控？」，進而產生對抗情緒；或者，是逃避——假裝看不見，期待它能自己變好。

而現在，我的選擇是：面對問題，解決問題。

張鵬：我記得你之前提到，你不喜歡學霸的標籤，是因為學霸本質上是要把別人出的題都回答得很好，但其實你想解自己的題。所以百川這次算是終於大聲喊出「自己的議題」了唄？

王小川：沒錯。創業過程中，一旦有了投資人，一旦置身於某種行業共識之中，你很容易就又回到了一個「公共題庫」裏。對我而言，那意味着重蹈覆轍，回到過去那種狀態，而那並非我真正熱愛的事情。

比如，「對標 OpenAI」，這就是一個擺在所有人面前的「公開考題」。我們也很習慣性地去「應試」，去解答這道題。

直到今年 4 月，當我明確提出「為人類造醫生，為生命建模型」的時候——這纔是我們為自己出的題目。

張鵬：2023 年，國內大模型賽道的玩家，拿到了大額孖展。但今天，孖展環境會如何影響這些公司？

王小川：2023 年，資本確實給了一波相當可觀的支持。這其中不僅有美元基金，也有來自阿里、騰訊這類產業資本（CVC）的加持。到了 2025 年，我認為資本環境的不確定性會顯著增加，獲取支持的難度會大得多。

相比之下，美國的資本支持力度依然非常大，這就形成了一種「比較優勢」。在這種優勢下，差距可能會被進一步放大。因此，必須要思考：當中國的資本支持不再充裕時，該如何走下去？

張鵬：「造醫生」是一件複雜且需要長期投入的事。你賬上的資金能為百川智能提供多長的「安全區」？

王小川：我們現在的安全期，長到即便公司完全沒有收入，也可以支撐 120 個月。所以現在要思考的不是安全問題，而是如何有效的把人和錢變成進步和結果的效率問題。

所以你就理解我們近期的調整，確實不是基於壓力而做出的被動選擇。這是一次發自內心的主動決策，我覺得主動選擇砍掉那些我們不想再做的事情，就是一次比再融一大筆錢更有成果的進展。

03

為什麼「造醫生」比追求智能高度，

要複雜得多？

張鵬： 百川近期發佈的 Baichuan-M2 模型，表現如何？

王小川：可以說，Baichuan-M2 是目前全球最頂尖的醫療開源模型，性能甚至超越了 OpenAI 新近發佈的兩個開源模型。在閉源領域，它的能力也僅次於 GPT-5。

OpenAI 近來在醫療領域的投入有目共睹。他們新發布的 120B 和 20B 兩款開源模型，已經顯示了深厚的基礎設施與工程實力。

在其 GPT-5 報告中，醫療也是重要部分。OpenAI 強調自己的模型是全球唯一在 Health-Bench（Hard 模式）評測集上得分超過 32 分的，而 Baichuan-M2 的分數是 34 分。同時，在Health-Bench（標準版）評測中，目前全球也僅有我們的模型與 GPT-5 突破了 60 分大關。可以說，在醫療 AI 這一垂直領域，我們已達到世界級水平。

我們原計劃在 8 月下旬，與技術報告一同發佈。但 OpenAI 此次不僅是近三年來首次重返開源，而且將焦點對準了醫療。我們內部研判，這是一個關鍵節點，是時候拿出我們的成果，與世界頂尖水平進行一次正面的較量。

在中美科技競爭的宏觀背景下，我們必須承認差距客觀存在。因此在醫療這一關鍵領域，我們選擇開源 Baichuan-M2，不僅是為了讓外界對百川的實力有更透明、更深入的認知，更是希望為中國整體的 AI 創新生態提供一份力量。

此前的 M1 模型，我們雖已在醫療領域有所佈局，但尚未完全聚焦。因此，M2 的發佈意義非凡——它標誌着百川的戰略重心，從「全線出擊」轉向「聚焦醫療」後的第一次亮相。

張鵬：在這個時間點發布 M2 模型，本質上是讓大家重新認識百川。你會如何定義百川真正要做的事，以及你們在技術路線上的成長目標？

王小川：我們要在模型層面，做到醫療突出，同時通用能力保持在第一梯隊。

這其實是我們一直以來的一個念想，但在過去，坦白說，「醫療突出」這一點我們是沒能完全做到的。而今天，我們開始真正地做到了。

這相當於我們「換了個身位」。過去，我們和大家在同一個戰壕裏，在各種通用大模型的排行榜（比如 MAU）裏打滾，試圖在混戰中找到自己的定位。而現在，M2 的發佈，是我們找到自己新定位之後的第一次正式亮相。

接下來，在今年內，我們會陸續發佈面向醫生和普通用戶的產品。

所以，我們規劃了清晰的三條產品線：基礎模型、醫生端產品、大衆端產品。今天的 M2，只是我們宏大計劃中的一個起點。

張鵬： 今天我們看到，像 GPT-5 這樣的通用模型，延伸到醫療時表現得很強大。而百川選擇聚焦於醫療，做出了一個開源的、在性能上「接近」它的專業模型。這個時候，專用模型的獨特價值是什麼呢？

王小川：我們的目標，並不僅僅是「接近」，而是要在醫療這個垂直領域，最終超越通用模型的能力。

畢竟醫療不像數學或物理，僅僅依賴邏輯和公式。醫療知識體系中，既包含嚴謹的邏輯推理，也融合了大量獨有的醫學認知，甚至深受政策、法規和臨牀指南的影響。

當然，現階段去和大家反覆爭論我們「如何」做到這一點，大家也聽不進去的。只有當我們做到，並且是持續地做到，大家纔會回過頭來，重新審視並認同我們當初的想法。

這讓我想起了當年深度學習領域兩條著名的技術路線之爭：Bert 和 GPT。當時，Google 憑藉其巨大的品牌影響力和行業地位，力推 Bert 路線，整個學術界和產業界幾乎都聞風而動。大家為什麼相信 Bert？答案很簡單——「因為它是 Google」。直到 OpenAI 的 GPT-3 足夠好後，大家才猛然回頭，重新認識並相信 GPT 路線的巨大潛力。

張鵬：能否幫我們理解一下，以「造醫生」為目標，為什麼比單純追求「智能高度」，要複雜得多？

王小川：今天的模型，普遍缺乏「提問」的能力。它們的核心是「解題思路」——你提出問題，它給出答案。這或許並非模型發展的核心方向。

其次，像「減少幻覺」是所有大模型共同的課題，但在醫療領域更嚴肅，因為它直接關乎生命健康。我們追求的是「循證醫學」，模型必須能精準、可靠地調用外部知識庫來支持它的每一個判斷。

而這些需求，既不完全在當前通用大模型廠商主攻的技術路線圖上，也無法用現有的技術範式完美解決。這就是我們的機會所在。

更進一步，當模型要真正落地為產品時，你還必須解決一系列應用層的問題：如何符合當地的政策法規？如何融入人文關懷？如何通過 Agent 架構將其能力進一步提升？

這是一個全鏈路的工程。我們不僅要在底層模型上做得比通用模型更好用，還要在上面疊加厚重的應用層開發，才能最終交付一個真正「可用」的產品。而這些，恰恰是通用模型公司缺少的。

張鵬：在你看來，要「造醫生」，還有哪幾個最關鍵、最核心的問題，是目前行業沒有解決，百川正在做的？

王小川：首先，就是我們剛纔提到的「提問」與「幻覺」，我們正在做，這是一部分。另外，一個「好醫生」，遠不止於此。它要有記憶力，能記住你的病史。同時，醫生不僅要與患者溝通，更要懂得如何與患者家屬溝通，理解並處理這些複雜的人際關係。這些是通用模型在設計時根本不會去深入思考的問題。

所以，我們的路徑是：在底層，死磕「提問」與「循證」；在應用層，則要賦予模型更好的記憶和對關係的理解。

張鵬： 你其實是在智能的高度之上，疊加了多個嚴苛的約束和目標？

王小川：對。甚至我們還可以繼續向下延伸，比如在慢病管理和長期健康追蹤等場景中，都存在着大量的技術問題和用戶需求洞察需要去解決。

04

AI家庭醫生，將比無人駕駛更早到來

張鵬：從你的視角看，從技術基本就緒，到我們每個人都能擁有一個AI驅動的私人家庭醫生，這條時間線你會如何預期？

王小川：我認為，它會比無人駕駛更早到來。

張鵬： 這個判斷很有意思。為什麼？

王小川：我們明年（2026 年）會推出大的版本迭代，它的技術成熟已經肉眼可見。

將造醫生與無人駕駛對比，有很多相似性。因為大衆普遍認為，他們都與生命安全直接相關的，都很棘手。

但相比無人駕駛，造醫生更容易落地，第一個是因為無人駕駛並非絕對剛需，沒有 AI 司機，你依然可以自己開車。但醫療不同，沒有醫生，你自己無法給自己看病。

第二個是，無人駕駛的「人機協同」問題。我們知道，測試無人駕駛汽車的安全員，需要時刻保持精力高度緊張，隨時準備接管，其勞動強度遠超普通司機。因為一旦系統失靈，留給人的反應時間可能只有短短兩秒。

但 AI 醫生和人類醫生可以形成非常高效、安全的分工協作。AI 給出的診斷報告或治療方案，可以由人類醫生進行最終審核。更重要的是，在廣闊的院外場景，AI 醫生完全可以獨立工作，因為它不直接涉及開具處方。

這裏，我們內部有一個洞察：能夠改變用戶行為，就是在創造價值。價值不一定只體現在「診斷」和「開藥」。

比如，當好幾位醫生給了你不同的建議時，你該聽誰的？當你家人生病時，你是否應該立刻送往醫院？這些大量的、關鍵的決策，本身就蘊含着巨大的醫療價值。在這些場景中，AI 醫生可以獨立發揮作用，甚至無需人類醫生配合。

張鵬：我們此前曾用自動駕駛的 L1 到 L5 等級，來類比「造醫生」的過程。今天，你對這個分層有新的迭代與思考嗎？

王小川：今天我確實有了一些新的思考。過去我們套用自動駕駛的邏輯：L1 仍需人工主導；L2 能在單任務上獨立工作；L3 轉為機器主導、人類輔助，並處理多任務（如同時開具處方和撰寫病歷）；L4 則基本實現全程自動化，人類僅作為監督。

這個分層邏輯，本質上仍是從單一維度，即機器自身的能力來劃分的。

但我今天認為，醫療的演進需要引入額外的維度，比如場景，院內還是院外？「院外」場景，就像是「低速無人駕駛」。這個市場空間廣闊，需求雖不像院內那樣要求「一錘定音」式的高精尖，但其輔助價值巨大。

第二個新維度，是「關係」。醫療決策不僅是面向患者，更需要與家屬溝通，這其中蘊含着深厚的人文關懷。我們常說一個詞叫「嘴替」。比如，子女直接勸說父母關注健康問題，他們可能不聽；但換成醫生的身份，他們聽從的意願會顯著提高。

張鵬：最近，大廠們紛紛開始佈局AI醫療。你覺得百川智能又進入他們的射程之內了嗎？

王小川：我們做的是完全不一樣的事。第一個，我們的目標是「造醫生」，而不是一個簡單的「健康顧問」。

其次，把產品形態做成一個小程序或一個 APP，不是醫生應該有的形態。醫生，就應該有醫生的形態。當你把它做成一個 APP 時，用戶潛意識裏就已經不把它當「人」看了。 這裏邊一個是關係，一個是使用習慣得一致。今天，行業裏絕大多數公司在做 AI 醫生時，其核心訴求依然是「降本增效」。他們把 AI 當成一個提升效率的工具，嵌入在原有的 APP 邏輯裏，追求的還是日活躍用戶（DAU）之類的指標。他們沒有把 AI 當成一個「人」來看待。

張鵬： 你提到，明年我們或許就能親身體驗到「百川造醫生」的進展。能否提前描繪一下，我們應該抱一個怎樣的「正確預期」？

王小川：我相信大家都能想象擁有一個私人醫療顧問的場景，這似乎是行業的共識。但屆時你會發現，百川的思路與市面上其他做 AI 醫生的公司，截然不同。

但我最近還是進步了一點，覺得預期管理這件事最簡單的方法就是做到再說，所以我現在就先不講太多了。

張鵬： 我猜想，你的最終目標是讓服務直達用戶和家庭，而非僅僅嵌入醫院的某個流程體系？

王小川：是的。我們的第一步是先進入醫院體系，獲得專業的認同與背書。到明年，我們就會將服務直接推向消費者（C 端）。