在我的命题里，不再是跟随美国，而是要做最好的 AI 医生来定义 AGI 时代。

从小就是“学霸”的王小川，其实不太喜欢自己的“学霸”标签。

他在离开搜狗后的一次交流里，和极客公园创始人&总裁张鹏讲过自己的看法：“学霸”的另一面，意味着在别人设定好的命题里取得“高分”，但他接下来其实想找到自己的命题，不想再做别人命题里的学霸了。

但 ChatGPT 的爆发，带着大模型浪潮扑面而来，王小川自己和所有熟悉他的人，都觉得他是最适合 AI 时代的中国创业者之一。故事似乎和之前一样，王小川成立百川智能符合所有人的期待，然后就是响亮的 AI 六小虎的称号，以及大家在模型评分榜上的位置，产品 MAU 的数据、商业化 ARR 数字，等等。看起来王小川还是绕不开大家对于“学霸”的期待，有一堆必答题要去回答。

王小川自嘲，一度自己觉得百川成了三个公司：一个做模型，一个做 toB 商业化，一个做 AI 医疗。而王小川内心真正想做的，并非市场所期待的通用模型问题，而是“为人类造医生，为生命建模型。”

王小川一度觉得这个命题，在迎合更多业界必答题的过程中，从原点变成了“远方”，这让他觉得很有问题。这种撕扯，最终以今年 4 月开始的大调整而和解。王小川做出了选择：团队从 450 人精简至不足 200 人，回归扁平，回归专注。人数少了，团队的“压强”反而上去了，这让他对于未来，也更有底气和信心。

外界猜测这是“遭遇困境”后的被动收缩，唱衰百川的各种报道满天飞，这可能是王小川创业这么多年来被负面新闻包裹得最紧的一次。但是王小川本人选择沉默、完全没有回应。按照他的原话是“我需要的是跟自己的内心做斗争，而不是跟环境做斗争”。

直到 8 月 12 日，当王小川带着百川全新的医疗大模型 Baichuan-M2 亮相后，外界才终于看懂了他沉默的这几个月在做什么。这款大模型的性能超过了 OpenAI 新近发布的两个开源模型；而在闭源领域，它的能力也仅次于 GPT-5。但这还不够。对王小川而言，他的目标，是在医疗这个垂直领域，实现对通用模型的超越。

这个时候，百川感觉上才真正变回了“一家公司”，而王小川也终于结束“一言不发”，愿意坐下来和张鹏再次进行一场长谈。

这更像是一次坦诚的复盘，一次对过去两年喧嚣的总结。也是一次对上半年不少朋友“小心翼翼”的关心和担心的回应。王小川觉得他现在的状态很好，因为他不再需要回答别人强加的必答题，而是可以真正定义自己的问题，并给出他更锐利的答案。

以下为王小川与张鹏对话内容实录，有编辑删减。

01

“智能的高度”与“应用的深度”

张鹏： 最近 GPT-5 终于发布了，我们曾想象它会再次引领产业的大飞跃，但世界给予的反馈，似乎并不符合这个版本应该有的震撼。现在大家探讨AIcoding 的热情、以及感叹 Anthropic 估值已经接近 2000 亿美金的热情似乎更高涨，你怎么看这些现象？

王小川：这可能是美国激烈竞争格局下的必然结果。毕竟那边牌桌上还有 Grok、Anthropic 等强劲的对手。值得注意的是，AI coding 确实也呈现了一个可能比 ChatGPT 拥有更好商业模式和数据飞轮的通向 AGI 的通道。

很可能，今天 OpenAI 正处于一个相对劣势的阶段，在竞争压力下显得有些仓促地发布了产品。所以，给人感觉有点“拉下神坛”了。但我觉得这不代表 OpenAI 就此沉寂，更不意味美国 AI 创新后继无人。恰恰相反，这证明了其他竞争者的实力，他们正在激烈地争夺王座。

张鹏：我们该如何理解这种现象？OpenAI 有做错了什么吗？

王小川：从技术路线图来看，我从一开始就更欣赏 Anthropic 的策略，尤其是它将代码作为发展的中心，这条路是以 API 为中心，特别是深耕代码能力。语言模型强化到代码层面，就能够赋能千行百业。

而 OpenAI 选择是把重心放在一个 C 端的 App 上，

最初由 Ilya Sutskever 提出的“predict next token”（预测下一个词元）开启了大模型范式，沿着这条路走下去，代码本应是可见的、必然的方向。但或许是因为 OpenAI 的“包袱”过重，什么都想要，反而无法专注，也就难以找到最关键的轴心去突破。

当它需要服务 7 亿用户时，就无法将代码置于足够高的战略位置。我认为这是一种路线图上的风险。

我心中的 AGI（通用人工智能），其核心是代码能够自动运行。对此我有两个逻辑：一个是从产业应用场景出发，例如造医生；但从更极致的技术追求来看，代码才是中心。

因此，无论从产品形态还是技术路线图来看，OpenAI 都没有走在我期望的路径上。

张鹏： Anthropic 的估值已经涨到了 1700 亿美元。我记得你每次都会强调，“语言才是智能的中轴”。所以“代码语言”这个轴线上的高速发展已经开始了呗？

王小川：代码，本质上就是一种更高级的语言。

最近 Geoffrey Hinton 也开始讲，人类智力的核心在于“类比”。这正是我一直信奉的，语言的本质就是类比与推理。我之前反复推荐侯世达的《表象与本质》，那本书用完整的篇幅阐述了这件事。

因此，数学是语言，代码也是语言，而且是一种“可运行”的语言。它就像图灵机一样，能够解决万千问题。所以，真正的道路是清晰的：首先，通过人类语言理解常识、学会沟通；然后，掌握数学语言与代码语言，从而征服理科与工科。这条路，我过去在很多场合都讲过，从未改变。

今天代码的快速崛起已经开始验证其价值，更重要的是它的数据飞轮也已经高速启动了。

其实代码的终极用法，不是辅助程序员，而是它自己就能运行。今天所有类似的 Cursor 工具，本质上还是在辅助程序员。而一旦代码能够实现自我运行，AGI 也就到来了。我还记得多年前在知乎写过一个帖子，标题是：“程序员是自己的掘墓人”。现在，这句话正在被验证。

张鹏：以前大家对“智能的高度”特别充满热情，每次新模型的屠榜跑分都会被认真讨论很久，但感觉今天 Coding 带来了一个“应用的深度”和“智能的高度”可以一起前进的事情。未来“应用的深度”是不是会变得更被重视？

王小川：没错。单纯的评测已经不够，已经到了可应用的阶段。

其实除了代码的价值已经肉眼可见，今天大家对医疗的期待，也是与日俱增的。国内大家讨论得偏少，但其实医疗正迅速从“非共识”走向“共识”。尽管 Anthropic 在代码领域跑得更快，但 OpenAI 在今年 5 月发布了 Health-Bench，把医疗健康纳入核心评测维度。在 OpenAI 的产品发布会上，“健康”与“医疗”被反复强调。甚至在发布开源模型时，技术报告开篇第一章，就是阐述它在医疗领域的进展。

最值得玩味的，是在 GPT-5 的发布会上，唯一被请上台为它背书的，是一位癌症患者。

OpenAI 身负着服务 7 亿用户的巨大“包袱”，这迫使它必须超越纯粹的技术叙事，走向一条“以人为中心”的路线。在这条路上，医疗是其无法回避，且必须占领的战略高地。

张鹏：硅谷确实还在越来越热闹，但过去一段时间，大家都觉得国内大模型领域许多备受瞩目的创业公司，也包括百川智能，似乎都变得“安静”了。这背后有什么共性原因吗？

王小川：身在局内，我反而觉得这是一个极其自然的过程。

2023 年是历史性的一年，资本的恐慌性涌入和对未来的无限畅想，是技术变革的必然序曲。这有点像 Gartner 技术成熟度曲线的规律，当期望膨胀到顶峰，现实与应用之间的距离必然会导致一个调整期。当人们发现技术突破未能立即转化为应用爆发，热情冷却，行业便会安静下来重新思考。

回答这个问题，必须从技术与环境两个层面来看。技术层面，如果大家研究下 OpenAI 最新的开源模型，会发现它在基础设施与工程化上的深厚实力，这不仅关乎算法。我们一度以为已经拉近的距离，现在又被重新拉开。我们期待国内同行在底层架构上持续追赶，而百川也会在医疗这样的垂直领域，做出自己的贡献。

然而，比技术差距更严峻的，是来自大环境的挑战。美国头部公司动辄百亿美金的融资，以及像 Anthropic 年化经常性收入（ARR）已接近百亿美金的规模，这在国内目前都难以想象。说实话，在这样的牌局里，任何一家能够“咬住”不掉队，本身已是一件了不起的事情。

本质上，我们和美国存在一个“时间差”。当他们已经进入以 ARR 为核心的“摘果子”收获期时，我们绝大多数人还身处围绕基准测试（Benchmark）和参数的“模型内卷”阶段。这种阶段上的错位，会直接导致“底气”的缺失。

张鹏： 这种“看 ARR”与“看参数”的差异，根源在于技术，还是商业环境？

王小川：我认为是双重叠加：既有技术追赶的压力，也源于商业土壤的不同。

张鹏：那之前大家在模型上投入的热情和资源，你觉得值得吗？如果这是一场如此艰难的追赶？

王小川：我认为，这取决于一家公司的终极抱负。

如果你的目标是打造一个轻巧、敏捷的公司，那么完全可以不自研模型。比如一个十几人甚至几个人的小公司，通过调用最优的第三方模型，完全有可能快速实现正向现金流，并获得资本的青睐。

但如果你立志要成长为一个长期的、具有系统性影响力的大公司，那么在模型层面的自主积累，就是一件不可或缺的事情。

02

重新变回一家“有自己命题的公司”

张鹏：最近投资圈都在“感谢”大模型公司“释放了很多优秀人才”，让他们看到了不少值得投，值得抢的新项目。百川的业务和人员调整好像也挺大的，这背后你是怎么想的？

王小川：你肯定还记得 2023 年百川当时的策略就是“快”。快速入场、快速融资、快速抢占技术身位。这让我们在高峰期一度达到 450 人。速度为我们赢得了有利位置，但也带来了“思想无法统一”的后遗症。

许多人带着对大模型的热情，甚至是源于 FOMO 的恐惧，加入了百川，我们却未能真正“捏成一股绳”。公司内部甚至自嘲，已经分裂成了做模型、做医疗、做商业化“三个公司”。

后来，我在全员信中也坦诚沟通了这件事：我们必须回归创业的初心——“为人类造医生，为生命建模型”。

所以最近在组织上确实做了很多调整，直接说结果就是从 450 多人变成了不到 200 人，然后我们把管理层级从平均 3.6 级压缩至 2.4 级，从今年 4 月到 6 月，花了两个多月，我们完成了这次调整。你会发现，人数少了，整个团队的“压强”反而上去了，这让我对未来更有底气。我感到非常高兴的是，最终留下的，是一支既有 AI 信仰，又对医疗抱有热忱的团队。

张鹏：当初的快速扩张，在多大程度上是被客观的产业节奏裹挟？又在多大程度上，是因为自己主观上没控制好节奏？

王小川：我认为是“三七开”——三分客观，七分主观。

客观上，在当时那个狂热的时间点，想要完全抵抗住浪潮的推力，确实很难。但更深层的原因，在于我自己。我确实为了迎合媒体、迎合团队、迎合外界的期待，做了很多“多余的动作”。

比如，我对金融这类能快速变现的方向，内心并无真正的热情。但当时有团队想做，有股东感兴趣，我就“从”了。现在回看，这本质上是自己当时的“心力”还不够强大。而摊子铺得越大，心力被稀释得就越厉害。

张鹏：现在想想的话，当时有办法更好的避免这种问题吗？

王小川：我还真反思过，而且可能解法还真没那么复杂。比如当时如果我能坚持面试每一位新同事，情况会好很多。因为这个过程中就一定会让自己“慢下来”、想清楚。创业者一旦只判断和选择目标，而不充分参与过程之痛苦，很多判断就会出问题。

我看其实大家的节奏调整都差不多，我相信行业会回归理性，大家也终将更专注于自己真正想做的事。

对我而言，这次调整最大的收获，是未来变得前所未有的清晰。因为我终于明白，真正的斗争，从来不是与环境的斗争，而是与自己内心的斗争。

张鹏 ：前段时间因为这些调整负面报道满天飞的时候，是不是有好多朋友给你打电话慰问？

王小川 ：慰问是有的。但大家似乎都有些小心翼翼，大都不敢打电话，反正就是各种谨慎小心的关心我，说的问的都挺含蓄。

张鹏：你觉得大家为什么要来小心翼翼的“慰问”你？或者说他们为你担忧的是什么？

王小川：估计是觉得我压力大。之前，无论对我，还是对百川，外界都抱有某种期待。当百川的发展轨迹，没有完全符合大家想象中那种高歌猛进的剧本时，可能一种低于预期的感受便产生了。我内心很清楚，媒体曾经给予了多少赞誉，当现实与预期出现偏差时，外界就会感受到同等程度的“失望”。

张鹏： 所有的媒体赞扬，本质上都是一种“预支的借款”。

王小川：特别对。要么是消耗过往积攒的信誉，要么是透支未来的承诺，但终究是要“偿还”的。所以，外界的情绪，本质上是与你的发展速度和最终成绩紧密挂钩的。

张鹏：在那段时间里，你本人真实的状态是怎样的？

王小川：说实话，我确实没有焦虑。我非常感谢大家的关心。很多人曾将自己对技术的理想，部分投射在了我们身上。所以当百川的路径看似“偏离”时，那种失落感是真实存在的。

而我之所以不焦虑，是因为我看到了大家没看到的东西。

大家期待的百川，和我内心真正想构建的百川，其实存在一个错位。早在 2021 年，甚至在创立百川的公开信里，我就明确提出，我未来二十年的热情在于生命科学和大众健康。ChatGPT 的出现，只是让实现这一目标的路径变得更加清晰和可行。

但在 2023 年那个时间点，整个市场都沉浸在一种狂热里。无论是投资人、媒体，还是团队成员，他们都带着美国最前沿的模式作为对标，希望你做的跟美国一样，因为那是被验证过的、成功率最高的路径。

在那种氛围下，你去谈医疗，是很难被听进去的。所以，我们当时在某种程度上“迎合”了市场的期待，沿着大家都能看懂的“共识”路径在走。

但当我们的探索开始深入，逐渐回归到医疗的时候，之前那些因大模型、AGI 加入的人，都会产生一种跟期待不一致的地方。

而百川在过去一年里完成的最重要的一件事，就是经历调整，真正回归到了我们自己对于未来的“意义感”和核心驱动力上。

张鹏：你真实“第一人称视角”的投身大模型领域的起心动念是什么？我很好奇在过去的几年间，为什么没有去调整大家对你们的认知错位呢？

王小川：当我决定下场时，是因为我真切地感受到了“模型”的力量。2023 年初，我第一次深度使用 ChatGPT 时，内心有两种强烈的冲击。

第一种，震撼。因为我之前专注于医疗领域，对最前沿的技术进展没有那么紧密地追踪。一上手，我心里就咯噔一下，意识到：天变了。我过往做输入法、做搜索，每天都在和语言 AI 打交道，所以我能清晰地判断，眼前的这个东西，和过去完全不是一个物种。

第二种，随之而来的是一种失落感。我曾经也算是 AI 圈的中心人物，但那一刻，我发现自己想做的医疗事业，似乎与 AI 的主旋律，变成了两条平行线。

后来，我很快就想明白一个事：今天的大模型，能不能被用来“造医生”？

这个想法，让我内心的两条逻辑线索瞬间串联了起来：

第一条逻辑：语言是智力的中轴。掌握了语言，就掌握了构建智能、乃至“造人”的关键。

第二条逻辑：医生是医疗的中轴。构建了“AI 医生”，就能掌握用户、药厂和科研的枢纽。

所以，技术上，我们在“造人”；应用上，我们则是在“造医生”。因此，我们从基础模型做起，因为你不可能依赖一个不开源的外部模型，去构建你的核心壁垒。

我的计划始终是，超级模型里要走到 AGI，超级应用则要去“造医生”。但问题是，当时你向外界讲述这个“超级应用”时，大家听不进去，他们只能听懂，或者说更愿意听“超级模型”的故事。

到了 2024 年，我们意识到，以百川的资源和国内的整体环境，你不可能同时在两条战线上无限拉长。从基础模型到最终构建一个成熟的“AI 医生”，这条路过于漫长，你不可能把所有事情都自己做完。

这就好比 2016 年 AlphaGo 出现时，我看得非常清楚，但这不代表我当时就有能力亲自下场把它做出来。基于对能力和资源的判断，我们决定，必须“聚焦”在医疗上。

张鹏：但这时候这种“错位”就开始剧烈的释放“应力”了？

王小川：对。在我看来，这是战略上的“聚焦”；但在行业眼中，这变成了“放弃模型”、“管不住团队了”……各种各样的解释都冒了出来，因为这不符合他们最初为你设定的那个“预期”。

张鹏：所以你是如何消化这件事的？好奇为什么当时没有出来说说话而一直保持沉默？是不想说？还是没的说？

王小川：肯定不是没的说，我有很多要说的，但说的对象可能不是行业和公众吧。因为你首先要从内心接受一个前提：大家在不同视角下看到不同的东西，是正常的。

一旦你接受了这一点，就不会再有情绪上的内耗。我不是去说服每一个人，而是清晰地表达，然后找到那些真正听懂了，或者愿意花时间去听懂的人，与他们并肩工作，这就足够了。

我既不会因为外界的不理解而愤怒，也不会因此而动摇。我的价值，恰恰在于我可能比大家多看到了一些未来的可能性。同时，我的责任，是要去沟通和花时间“对齐”那些同样怀有医疗梦想、并选择留下来的人，为他们创造一个最好的工作环境。当你内心真正笃定你想要什么时，这本身就是对自我的尊重，也是对团队的尊重。

张鹏：所以这两年，你最大的收获是什么？

王小川：我的第一个，也是最感幸运的一点是：我之前想做医疗的梦想，与大模型的技术突破，真正相遇了。

这就像我过去做互联网的 20 年，本质上是拥抱了一个巨大的时代浪潮。没有时代，个体的努力会缓慢而曲折得多。而 AI 的到来，让“造医生”这件事，突然有了清晰可行的路径。

我们已然上桌，技术让梦想有了“解”，身在牌局之中。我觉得是很幸运的一件事情。

第二个巨大的收获，是我个人心境的成长吧。

早年做搜狗的时候，追求极致，无法容忍任何与我认知不符的东西，常常会因此陷入“为什么会这样”的执念，对内、对外都产生了很多不必要的攻击和消耗。

而现在，我可以说，我达到了十年来心境最好的状态——一种发自内心的平和。

当然，遇到做得不好的地方，我依然会直接指出，但不再是老板对员工的指令，而是一种共创的状态。我希望大家能真正地从内心走到一起，共同去成就一件事，这本身就是一次巨大的提升。

过去，面对这种局面，我的反应是愤怒——“为什么事情会走向失控？”，进而产生对抗情绪；或者，是逃避——假装看不见，期待它能自己变好。

而现在，我的选择是：面对问题，解决问题。

张鹏：我记得你之前提到，你不喜欢学霸的标签，是因为学霸本质上是要把别人出的题都回答得很好，但其实你想解自己的题。所以百川这次算是终于大声喊出“自己的议题”了呗？

王小川：没错。创业过程中，一旦有了投资人，一旦置身于某种行业共识之中，你很容易就又回到了一个“公共题库”里。对我而言，那意味着重蹈覆辙，回到过去那种状态，而那并非我真正热爱的事情。

比如，“对标 OpenAI”，这就是一个摆在所有人面前的“公开考题”。我们也很习惯性地去“应试”，去解答这道题。

直到今年 4 月，当我明确提出“为人类造医生，为生命建模型”的时候——这才是我们为自己出的题目。

张鹏：2023 年，国内大模型赛道的玩家，拿到了大额融资。但今天，融资环境会如何影响这些公司？

王小川：2023 年，资本确实给了一波相当可观的支持。这其中不仅有美元基金，也有来自阿里、腾讯这类产业资本（CVC）的加持。到了 2025 年，我认为资本环境的不确定性会显著增加，获取支持的难度会大得多。

相比之下，美国的资本支持力度依然非常大，这就形成了一种“比较优势”。在这种优势下，差距可能会被进一步放大。因此，必须要思考：当中国的资本支持不再充裕时，该如何走下去？

张鹏：“造医生”是一件复杂且需要长期投入的事。你账上的资金能为百川智能提供多长的“安全区”？

王小川：我们现在的安全期，长到即便公司完全没有收入，也可以支撑 120 个月。所以现在要思考的不是安全问题，而是如何有效的把人和钱变成进步和结果的效率问题。

所以你就理解我们近期的调整，确实不是基于压力而做出的被动选择。这是一次发自内心的主动决策，我觉得主动选择砍掉那些我们不想再做的事情，就是一次比再融一大笔钱更有成果的进展。

03

为什么“造医生”比追求智能高度，

要复杂得多？

张鹏： 百川近期发布的 Baichuan-M2 模型，表现如何？

王小川：可以说，Baichuan-M2 是目前全球最顶尖的医疗开源模型，性能甚至超越了 OpenAI 新近发布的两个开源模型。在闭源领域，它的能力也仅次于 GPT-5。

OpenAI 近来在医疗领域的投入有目共睹。他们新发布的 120B 和 20B 两款开源模型，已经显示了深厚的基础设施与工程实力。

在其 GPT-5 报告中，医疗也是重要部分。OpenAI 强调自己的模型是全球唯一在 Health-Bench（Hard 模式）评测集上得分超过 32 分的，而 Baichuan-M2 的分数是 34 分。同时，在Health-Bench（标准版）评测中，目前全球也仅有我们的模型与 GPT-5 突破了 60 分大关。可以说，在医疗 AI 这一垂直领域，我们已达到世界级水平。

我们原计划在 8 月下旬，与技术报告一同发布。但 OpenAI 此次不仅是近三年来首次重返开源，而且将焦点对准了医疗。我们内部研判，这是一个关键节点，是时候拿出我们的成果，与世界顶尖水平进行一次正面的较量。

在中美科技竞争的宏观背景下，我们必须承认差距客观存在。因此在医疗这一关键领域，我们选择开源 Baichuan-M2，不仅是为了让外界对百川的实力有更透明、更深入的认知，更是希望为中国整体的 AI 创新生态提供一份力量。

此前的 M1 模型，我们虽已在医疗领域有所布局，但尚未完全聚焦。因此，M2 的发布意义非凡——它标志着百川的战略重心，从“全线出击”转向“聚焦医疗”后的第一次亮相。

张鹏：在这个时间点发布 M2 模型，本质上是让大家重新认识百川。你会如何定义百川真正要做的事，以及你们在技术路线上的成长目标？

王小川：我们要在模型层面，做到医疗突出，同时通用能力保持在第一梯队。

这其实是我们一直以来的一个念想，但在过去，坦白说，“医疗突出”这一点我们是没能完全做到的。而今天，我们开始真正地做到了。

这相当于我们“换了个身位”。过去，我们和大家在同一个战壕里，在各种通用大模型的榜单（比如 MAU）里打滚，试图在混战中找到自己的定位。而现在，M2 的发布，是我们找到自己新定位之后的第一次正式亮相。

接下来，在今年内，我们会陆续发布面向医生和普通用户的产品。

所以，我们规划了清晰的三条产品线：基础模型、医生端产品、大众端产品。今天的 M2，只是我们宏大计划中的一个起点。

张鹏： 今天我们看到，像 GPT-5 这样的通用模型，延伸到医疗时表现得很强大。而百川选择聚焦于医疗，做出了一个开源的、在性能上“接近”它的专业模型。这个时候，专用模型的独特价值是什么呢？

王小川：我们的目标，并不仅仅是“接近”，而是要在医疗这个垂直领域，最终超越通用模型的能力。

毕竟医疗不像数学或物理，仅仅依赖逻辑和公式。医疗知识体系中，既包含严谨的逻辑推理，也融合了大量独有的医学认知，甚至深受政策、法规和临床指南的影响。

当然，现阶段去和大家反复争论我们“如何”做到这一点，大家也听不进去的。只有当我们做到，并且是持续地做到，大家才会回过头来，重新审视并认同我们当初的想法。

这让我想起了当年深度学习领域两条著名的技术路线之争：Bert 和 GPT。当时，Google 凭借其巨大的品牌影响力和行业地位，力推 Bert 路线，整个学术界和产业界几乎都闻风而动。大家为什么相信 Bert？答案很简单——“因为它是 Google”。直到 OpenAI 的 GPT-3 足够好后，大家才猛然回头，重新认识并相信 GPT 路线的巨大潜力。

张鹏：能否帮我们理解一下，以“造医生”为目标，为什么比单纯追求“智能高度”，要复杂得多？

王小川：今天的模型，普遍缺乏“提问”的能力。它们的核心是“解题思路”——你提出问题，它给出答案。这或许并非模型发展的核心方向。

其次，像“减少幻觉”是所有大模型共同的课题，但在医疗领域更严肃，因为它直接关乎生命健康。我们追求的是“循证医学”，模型必须能精准、可靠地调用外部知识库来支持它的每一个判断。

而这些需求，既不完全在当前通用大模型厂商主攻的技术路线图上，也无法用现有的技术范式完美解决。这就是我们的机会所在。

更进一步，当模型要真正落地为产品时，你还必须解决一系列应用层的问题：如何符合当地的政策法规？如何融入人文关怀？如何通过 Agent 架构将其能力进一步提升？

这是一个全链路的工程。我们不仅要在底层模型上做得比通用模型更好用，还要在上面叠加厚重的应用层开发，才能最终交付一个真正“可用”的产品。而这些，恰恰是通用模型公司缺少的。

张鹏：在你看来，要“造医生”，还有哪几个最关键、最核心的问题，是目前行业没有解决，百川正在做的？

王小川：首先，就是我们刚才提到的“提问”与“幻觉”，我们正在做，这是一部分。另外，一个“好医生”，远不止于此。它要有记忆力，能记住你的病史。同时，医生不仅要与患者沟通，更要懂得如何与患者家属沟通，理解并处理这些复杂的人际关系。这些是通用模型在设计时根本不会去深入思考的问题。

所以，我们的路径是：在底层，死磕“提问”与“循证”；在应用层，则要赋予模型更好的记忆和对关系的理解。

张鹏： 你其实是在智能的高度之上，叠加了多个严苛的约束和目标？

王小川：对。甚至我们还可以继续向下延伸，比如在慢病管理和长期健康追踪等场景中，都存在着大量的技术问题和用户需求洞察需要去解决。

04

AI家庭医生，将比无人驾驶更早到来

张鹏：从你的视角看，从技术基本就绪，到我们每个人都能拥有一个AI驱动的私人家庭医生，这条时间线你会如何预期？

王小川：我认为，它会比无人驾驶更早到来。

张鹏： 这个判断很有意思。为什么？

王小川：我们明年（2026 年）会推出大的版本迭代，它的技术成熟已经肉眼可见。

将造医生与无人驾驶对比，有很多相似性。因为大众普遍认为，他们都与生命安全直接相关的，都很棘手。

但相比无人驾驶，造医生更容易落地，第一个是因为无人驾驶并非绝对刚需，没有 AI 司机，你依然可以自己开车。但医疗不同，没有医生，你自己无法给自己看病。

第二个是，无人驾驶的“人机协同”问题。我们知道，测试无人驾驶汽车的安全员，需要时刻保持精力高度紧张，随时准备接管，其劳动强度远超普通司机。因为一旦系统失灵，留给人的反应时间可能只有短短两秒。

但 AI 医生和人类医生可以形成非常高效、安全的分工协作。AI 给出的诊断报告或治疗方案，可以由人类医生进行最终审核。更重要的是，在广阔的院外场景，AI 医生完全可以独立工作，因为它不直接涉及开具处方。

这里，我们内部有一个洞察：能够改变用户行为，就是在创造价值。价值不一定只体现在“诊断”和“开药”。

比如，当好几位医生给了你不同的建议时，你该听谁的？当你家人生病时，你是否应该立刻送往医院？这些大量的、关键的决策，本身就蕴含着巨大的医疗价值。在这些场景中，AI 医生可以独立发挥作用，甚至无需人类医生配合。

张鹏：我们此前曾用自动驾驶的 L1 到 L5 等级，来类比“造医生”的过程。今天，你对这个分层有新的迭代与思考吗？

王小川：今天我确实有了一些新的思考。过去我们套用自动驾驶的逻辑：L1 仍需人工主导；L2 能在单任务上独立工作；L3 转为机器主导、人类辅助，并处理多任务（如同时开具处方和撰写病历）；L4 则基本实现全程自动化，人类仅作为监督。

这个分层逻辑，本质上仍是从单一维度，即机器自身的能力来划分的。

但我今天认为，医疗的演进需要引入额外的维度，比如场景，院内还是院外？“院外”场景，就像是“低速无人驾驶”。这个市场空间广阔，需求虽不像院内那样要求“一锤定音”式的高精尖，但其辅助价值巨大。

第二个新维度，是“关系”。医疗决策不仅是面向患者，更需要与家属沟通，这其中蕴含着深厚的人文关怀。我们常说一个词叫“嘴替”。比如，子女直接劝说父母关注健康问题，他们可能不听；但换成医生的身份，他们听从的意愿会显著提高。

张鹏：最近，大厂们纷纷开始布局AI医疗。你觉得百川智能又进入他们的射程之内了吗？

王小川：我们做的是完全不一样的事。第一个，我们的目标是“造医生”，而不是一个简单的“健康顾问”。

其次，把产品形态做成一个小程序或一个 APP，不是医生应该有的形态。医生，就应该有医生的形态。当你把它做成一个 APP 时，用户潜意识里就已经不把它当“人”看了。 这里边一个是关系，一个是使用习惯得一致。今天，行业里绝大多数公司在做 AI 医生时，其核心诉求依然是“降本增效”。他们把 AI 当成一个提升效率的工具，嵌入在原有的 APP 逻辑里，追求的还是日活跃用户（DAU）之类的指标。他们没有把 AI 当成一个“人”来看待。

张鹏： 你提到，明年我们或许就能亲身体验到“百川造医生”的进展。能否提前描绘一下，我们应该抱一个怎样的“正确预期”？

王小川：我相信大家都能想象拥有一个私人医疗顾问的场景，这似乎是行业的共识。但届时你会发现，百川的思路与市面上其他做 AI 医生的公司，截然不同。

但我最近还是进步了一点，觉得预期管理这件事最简单的方法就是做到再说，所以我现在就先不讲太多了。

张鹏： 我猜想，你的最终目标是让服务直达用户和家庭，而非仅仅嵌入医院的某个流程体系？

王小川：是的。我们的第一步是先进入医院体系，获得专业的认同与背书。到明年，我们就会将服务直接推向消费者（C 端）。