直达期货

“崭新的盘算平台已经降生，AI的‘iPhone时刻’已经到来，加速盘算和AI手艺已经走进现实，”在3月21日GTC 2023春季大会的开场演讲中，喜气洋洋的英伟达首创人兼首席执行官黄仁勋这样总结最近AI手艺的突破——在本次GTC上，与天生式AI相关的主题集会跨越了70场。

这一看法并不夸张。一天前，微软和Nuance宣布一款让医生临床纪录“iPhone化”的杀手级AI应用，也是医疗行业*款连系GPT4模子的应用，距离GPT-4宣布不到一周时间。微软在此前投给OpenAI创纪录的100亿美元看起来异常超值，不仅缔造了微软在医疗领域的高光时刻，也代表了科技巨头在医疗领域连续加码的大潮。

在GPT-4宣布的前一日，谷歌刚刚拿出了专门针对医疗的天生式AI模子。虽然比爆火的ChatGPT来得晚了一些，但天生式AI在医疗上有着充实的施展空间，这场马拉松比拼的不是谁先起跑，而是谁能坚持到最后。

已经入局的科技巨头正在连续深耕，还未进入的则在捉住每一个潜在的时机入局。对此，半导体巨头AMD也直呼“Yes”。事实它几十年来首次将自己的箭头标志刻印到了医疗领域。

科技巨头在医疗的加码内卷，会带给我们什么？值得期待。

01 微软巨资收购Nuance，GPT-4加持医疗后发制人

微软进入医疗的时间实在很早，早在1999年就投资了医疗信息网站WebMD。往后数年，微软也陆续收购了一些医疗相关企业。但彼时微软并未将医疗看成主要营业，也未对这些营业举行整合。

2017年，微软启动了Healthcare NExT，最先系统性进军医疗。这一次微软将偏向指向那时如日中天的医疗AI，希望行使微软在AI和云盘算方面的优势推动医疗创新，主要目的包罗减轻医生的数据录入肩负、分流病人及监视病人院外照顾护士。

在往后几年，微软在医疗领域基本延续了这一偏向。并在2020年推出了微软*个专门针对医疗行业的云盘算解决方案——Microsoft Cloud for Healthcare。

不外，坦率而言，拥有这些营业的微软在医疗领域的名气并没有厥后被收购的Nuance大。Nuance曾是语音AI领域的*，不仅是苹果Siri语音引擎的开发者，更曾经在全球智能语音市场中占有六成以上的市场份额。在受到科技巨头的挑战后，Nuance将营业重心转向医疗领域，并通过数年深耕确立了很高的竞争壁垒。

2021年4月，微软宣布以197亿美元巨资收购Nuance。这笔生意是微软确立迄今第三大收购案，极大地增强了微软在医疗垂直领域的影响力。

Nuance的服务已经被嵌入微软医疗云，可以为医生提供语音识别和转录服务。语音AI能够智能识别医生与患者的对话内容，并举行语境剖析，随后将数据输入到电子病历中自动确立临床纪录，以提升医生诊断的有用率。

GPT模子的加入将大幅度提升临床纪录的天生时间。一样平常而言，未引入GPT-4模子的DAX天生临床纪录需要约四个小时左右。依赖GPT-4壮大的天生式大语言模子和推理能力，DAX Express将这个历程缩短到仅仅几秒钟。

这极大地改善医生的使用体验，削减其处置文书事情的肩负，使得无延时的临床纪录成为可能，并提升了效率。

对于微软来说，率先引入GPT-4将使其在医疗领域的影响力有极大提升——现在知道微软也在深耕医疗的人比以往显然要多出几个数目级。

这种争先并不难明白。微软过往几年连续投资OpenAI，并在1月尾追加了听说100亿美元的投资；还为其提供Azure云服务；甚至还专门为OpenAI打造了一台超级盘算机，用来在Azure公有云上训练GPT-3。能够知足这种训练所需海量算力的商业实体，在全球也屈指可数。

相比ChatGPT背后所使用的GPT-3.5，GPT-4的解答能力及准确率都有大幅提升。GPT-4.0在美国SAT考试获得了163分（满分180分）的高分，逾越了88%考生的成就。同时，它在状师资格考试中也跨越了90%的考生，相比之下，GPT-3.5只有倒数10%的水平。

不外，民众在使用ChatGPT的历程中也发现，天生式AI仍然存在一些问题，尤其是“一本正经的乱说八道”可能会制造相当多的认知误差和虚伪信息。事实这项手艺的本质是通过概率*化不停天生数据，而不是完全通过逻辑推理对问题举行解答的算法模子。此外，由于天生式AI具有一定的自主性，数据平安和隐私泄露也被以为是一大隐患。

无论若何，在这场科技大佬加码医疗的竞争中，微软的提速已使它*了半个身位。

02 多年探索医疗叫好不叫座，谷歌的调整需要时间

就在微软携GPT杀入医疗领域的前一天，谷歌刚刚召开了“The Check Up with Google Health”年度流动，以展示其在医疗领域的最新生长。医疗AI则是其中的重点。

在ChatGPT走红之前，谷歌一直被以为是AI领域的顶流。DeepMind和AlphaFold在彼时的热度丝绝不比OpenAI和ChatGPT现有的热度差。在去年ChatGPT宣布后短短几周，谷歌便和DeepMind拿出了Med-PaLM。

这是一个专门针对医疗康健领域的大型语言模子——在已往几年，谷歌一直在举行医学大型语言模子的研究，以应对医疗领域所需的专业性和特殊性。

Med-PaLM模子取得了不俗的成就。它是*个在美国医疗允许类问题上获得“及格分数”（>60%）的AI，不仅准确地回覆了多项选择题和开放式问题，还提供回覆理由并对自己的回覆举行评估。

在本次流动上，谷歌展示了Med-PaLM 2。据谷歌先容，新版本模子的显示比之条件高了18%，远跨越其他同类的人工智能模子（固然，彼时GPT-4还未宣布）。在医学考试中，Med-PaLM 2的显示已经基本靠近“专家”医生的水平，得分到达了85%。

不外，谷歌也坦承这些提高虽然可喜，但距离在真实环境中部署仍有不小的距离。来自差异靠山和国家的临床医生和非临床医生凭证14项尺度（包罗科学真实性、准确性、医学共识、推理、私见和危险等）对模子举行了评估。谷歌团队发现Med-PaLM 2在回覆医疗问题和知足谷歌对产物*尺度方面另有一些距离。未来，谷歌也将会连续与研究职员和全球医学界互助，希望能够让这项手艺真正辅助改善医疗服务。

虽然Med-PaLM 2暂时不能投入适用，但谷歌在影像AI上倒是取得了不少希望。在去年10月，Google Health与iCAD杀青协议，将谷歌的乳腺影像AI手艺整合到其乳腺影像产物中。这也是谷歌首次将其乳腺成像AI模子部署莅临床实践。

在本次流动上，谷歌也宣布将进一步增强超声AI模子的构建，用于孕产妇照顾护士及乳腺癌早筛等，从而辅助解决全球超声影像医生普遍缺乏及超声检查质量乱七八糟的痛点。

同时，谷歌也在和妙佑医疗国际互助，行使AI辅助放疗设计。此外，谷歌还将在非洲推动AI辅助早筛结核病——凭证统计，全球跨越25%的结核病殒命发生在非洲。

谷歌在医疗上的希望虽然看起来热闹，但与同期微软的亮眼显示相比，就有点“没有对比就没有危险”的意味了。

事实上，谷歌近年来在医疗领域的探索并不如意。2021年，这家科技巨头的营业营业迎来巨震——谷歌宣布改变其医疗保健战略，遣散了曾经自力的Google Health，其职员也被融入到现有的其他营业线。

商业化一直以来是谷歌在医疗康健领域面临的难题。在谷歌的年报中，Other Bets营业指差异生长阶段的新兴营业，原谅了医疗及互联网服务等营业。这一营业单元的收入耐久没有什么上进，一直维持在6-7亿美元左右；其亏损倒是逐年增添，2021年已经到达了53亿美元之多。

组织架构导致营业重叠或许也是谷歌最近在医疗领域显示一样平常的缘故原由。从2015年谷歌改组为Alphabet最先，各条医疗康健产物线逐渐聚合和自力的营业单元。到了2021年头，谷歌的医疗康健营业大致可以分为Google Health、Verily和Calico三个单元。这些单元的营业之间耐久存在交织重叠，使得原本就不顺畅的商业化加倍雪上加霜。

在现在的新架构下，谷歌能不能在医疗领域上找到感受还需要进一步验证。但它的例子也说明医疗领域的特殊性——纵然是战无不胜的科技巨头，也很难玩得转。

03 致力打造医疗AI基座的英伟达，正迎来人生*

现在火遍全网的GPT是大型语言构建模子的一种，所谓“大型”，从近几年GPT模子的规模转变上可见一斑。2018年宣布的初代GPT参数目只有1.17亿，预训练数据量仅有5GB。GPT-3的参数目则已经暴增到1750亿，预训练数据量更是到达了45TB（1TB=1024GB）。

增长见顶、转型不顺，海尔智家难突围

已经亮相的GPT-4并未宣布响应的指标，但以OpenAI的气概，以及大幅优于上一代的显示来看，模子规模也许率会凌驾不少。这需要伟大的算力才气完成模子训练和推理，且成本极为高昂。

凭证媒体报道，微软为OpenAI模子训练打造的超级盘算机拥有28.5万个CPU焦点及跨越1万颗在那时尚属*的V100 GPU——纵然将V100替换为现在主流的A100，仍然需要3000颗的规模。

此外，GPT3一次训练的破费跨越460万美元，响应的云资源成本一年下来也要近亿美元。整个2022年，OpenAI在GPT-3的训练上破费跨越5亿美元。全天下也没有几家企业有这样的财力应付这样一个暂时无法发生任何收入的“吞金兽”。这也是之前这类大型语言模子未能盛行的主要缘故原由。

随着天生式AI逐渐获得认可，对于算力的需求正在急剧膨胀。据OpenAI测算，自2012年以来，全球头部AI模子训练算力需求险些每3-4个月就翻一番，每年头部训练模子所需算力的增进幅度高达10倍。

对于AI基础算力提供者的英伟达而言，没有比这更好的新闻了。在ChatGPT引发的天生式AI热潮下，英伟达的股价自年头以来已经上涨近八成，到达了271.91美元（3月23日），市值迫近6500亿美元，一举跨越特斯拉。

在克日召开的2023年春季GTC大会中，与天生式AI相关的主题集会跨越了70场。同时，英伟达敏捷拿出了专门针对天生式AI的H100 NVL GPU。虽然未能来得及打造全新的架构，但通过将两颗现在*的H100GPU拼接，仍然可以将算力提升2-3倍。

英伟达和日本头部商业财团三井物产互助研发Tokyo-1超级盘算机，以行使天生式AI为日本制药行业和初创企业的药物研发赋能。包罗安斯泰来制药、*三共制药和小野制药等日本药企顶流都已设计应用这一超级盘算机。

同时，英伟达还推出了NVIDIA AI Foudations云服务，以辅助需要构建、完善和运行自界说大型语言模子及天生式AI的客户加速天生式AI的引入。这一服务包罗用于自然语言处置的Nemo、图像处置的Picasso，以及针对制药业的BioNeMo。

其中，BioNeMo可以加速加速药物研发历程中最耗时、用度最高的阶段。它可提供预训练模子，并使用专有数据自界说服务于药物研发流程各阶段的模子——其中就包罗天生式AI，如辅助研究职员设计特有卵白质的ProtGPT-2。

通过这些模子，BioNeMo可以辅助研究职员识别准确的靶向目的、设计分子和卵白质并展望它们在人体内的相互作用，从而研发出*候选药物。

天生式AI模子能够快速识别潜在的药物分子，在某些情形下甚至可从零最先设计出化合物或基于卵白质的治疗药物。这些模子在小分子、卵白质、DNA和RNA序列的大型数据集上举行训练后，可以展望卵白质的3D结构和分子与目的卵白质对接的水平。

现在，已有不少药企实验使用天生式AI设计新的候选药物。安进（Amgen）就使用了BioNeMo来加速其生物制剂的研发流程，来探索和研发出新一代药物中的治疗性卵白质。

除了药物发现外，天生式AI在药物设计、剂量选择等药物开发环节中也可提高效率并完善治疗效果。预计到2040年，天生式AI可能会为医疗行业带来1万亿美元的价值。

通过多年的连续加码，英伟达在医疗领域已经乐成构建了一个重大的AI底座，并与医疗生态互为赋能。一方面，通过硬件升级连续提供基础算力，并加入软件及服务辅助客户快速导入应用，英伟达正连续挖掘医疗AI这一肉眼可见的伟大“金矿”。另一方面，医疗AI也通过英伟达软硬件的加持获得了伟大的提升，从而在更多的场景施展更大的作用。

04 500亿豪赌让AMD在医疗也可以Yes！

2022年，在进军医疗领域的科技巨头上又多了一个响当当的名字，这即是AMD。作为英特尔和英伟达的老对手，AMD同样也是基础AI算力的提供者。不外，一直以来，它都没有在详细营业中实验医疗领域。

2020年10月，AMD宣布以350亿美元收购FPGA巨头赛灵思（Xilinx）。由于赛灵思是FPGA*大厂（2020年其市占率高达49%），这起收购引发了各国旷日持久的反垄断审查，直至2022年才正式完成。随着在此时代赛灵思的股价上涨，并购规模也到达了近500亿美元，缔造了半导体产业并购重组的新纪录。

深耕FPGA的赛灵思数十年来在医疗、航空航天、汽车、国防等行业积累了诸多客户资源，对新AMD无价之宝，也为其赢得了包罗医疗在内诸多高壁垒细分市场的“入场门票”。

FPGA在医疗成像领域早已获得普遍应用。全球主要医疗器械厂商都在大量使用FPGA。其应用局限主要有超声成像、3D渲染、X射线的数据采集、核磁共振成像接口等。此外，在内窥镜或者是除颤器、病人监护仪中也可以看到FPGA的踪影。在这些应用中，FPGA可以提供比DSP更强的运算能力，让成像历程中的一些算法获得高速执行。

作为FPGA领域的*，赛灵思在这些应用上早已有多年深耕。借由收购赛灵思，AMD也得以首次把自己的“箭头”标志刻印到医疗领域。

2023年头的CES展会上，AMD宣布其*用于Vitis 2022.2统一软件环境的医学成像库（Medical Imaging Library），以提供更好的超声成像质量——现在，继续提升超声成像质量和成像精准性正面临越来越大的挑战。

AMD的医学成像库可极大地提升成像质量并降低延时。通过为赛灵思的FPGA芯片硬件部署超高性能的超声波束成形算法，超声装备纵然在难以扫描的腹部或心脏部位，也将可以获得以低延时高质量的成像效果。

此外，这一医学库还接纳了三级库设计，从第1级的模块构建到第3级的完整超声波束成形器设计一应俱全，这将为装备厂商提供厚实的选项，从而辅助他们缩短开发时间，将产物更快推向市场。

坦率而言，AMD现在在医疗领域的应用场景还较为单一，但未来可期。这是由于配合专用算法的FPGA因其较为天真的可设置特征和特定环境不逊于GPU的性能可以成为AI公司的另外一个选择。

好比，在辅助病情诊断（慢性病筛查和风险评估）等场景，通过学习过往慢性病患者数据可以展望未来患病风险。这类场景使用FPGA也可实现模子训练、推理性能的提升。

再加上既有的CPU和GPU产物线，AMD在医疗领域另有很大的潜力可以挖掘。

05 科技巨头为何纷纷进军医疗，难点何在？

科技巨头纷纷加码医疗领域并不新鲜。首先，医疗市场的规模着实可观。凭证统计，美国医疗市场规模在2021年到达4.09万亿美元。这个数字包罗医疗保健设施和服务、制药、医疗器械和产物、以及医疗保险等多个领域的支出，还没有包罗与医疗相关的研究和生长支出。

同时，医疗领域的支出往往都是刚需支出。这并不难明白——事实，砸锅卖铁治病并不少见，但砸锅卖铁仅仅只是为了一时的享受着实罕有。正由于此，当经济下行时，消费科技领域受到的袭击远远大于医疗领域。很不幸的是，这就是现在发生的情形——凭证天下银行的研究讲述，现在全球经济正处于1970年以来最严重的下滑。

只管云云，科技巨头多年来在医疗领域的显示能够对得起其投入的着实是凤毛麟角。动脉网以为，科技巨头在医疗康健领域显示不佳，通常来说有几个缘故原由。

基于其属性，科技巨头进军医疗康健领域往往选择自身手艺优势的延伸，以手艺创新的方式入手。这种创新一旦乐成一定确立起牢靠的优势，好比英伟达基于GPU在AI加速上取得的伟大乐成。遗憾的是，手艺创新的失败率异常之高，往往需要多次的实验。

科技巨头在进入医疗后会发现行业环境发生了伟大的改变，患者隐私珍爱、数据网络尺度在以往或许并不是个大问题，但在强羁系的医疗康健领域往往成为伟大障碍。以往通过数据驱动的方式很难明决医疗保健中最庞大的事情。

由于之前的功效，科技巨头往往会迷信以往的功效，无邪地以为手艺可以解决医疗领域的所有问题。遗憾的是，对于患者而言，问题更多的是整体体验，而不是手艺自己。事实上，人们在医疗问题上往往偏于守旧，宁愿选择经由验证、成熟稳妥的方案，新手艺的应用推广往往需要相当长时间的蛰伏期。

与专注于医疗康健的科技公司差异，难以盈利的医疗康健营业在科技巨头中只能获得少数公司资源，也没有连贯的企业级战略，很难将涣散于各部门的零星医疗营业群集起来形成协力。对于医疗的耐久投入也缺乏心理准备，营业部门的战略不得不经常更改，难以连续。这在需要耐久稳固投入和高度耐心的医疗领域是行不通的。

若何将自身的优势与医疗的特点相连系，从而在医疗领域实现破局，真正在医疗领域“叫好又叫座”。对于已经或者想要进军医疗领域的科技巨头来说，都将是一个值得深思的问题。

我们期待科技巨头们能够更好地介入医疗领域，从而为推动医疗行业的数字化转型和智能化升级做出更多孝顺。