DeepSeek的中国式创新，正引领着我国AI行业迈向新纪元，全球即将步入一个“DeepSeek现象”带来的新阶段。同时，DeepSeek颠覆性的突破在资本市场掀起巨浪，重塑着中国科技资产的估值逻辑。在此背景下，新华财经特别策划“DeepSeek生长季”系列报道，以冷静客观的视角，通过实地探访，了解其向下扎根、向上生长的土壤；在大模型加速赋能千行百业新阶段，观察DeepSeek如何推动生物医药、金融、汽车、物流等行业的聚势精进，及对行业发展趋势的影响；同时，观察央国企如何拥抱DeepSeek，激发企业活力，构建新的增长引擎。
新华财经上海2月28日电（记者杜康）“DeepSeek是一场AI平权。”自春节以来，这句话被反复提及。如平地一声惊雷，DeepSeek因其高性能、低成本引发全球关注。据估算，DeepSeek -V3的成本只有GPT-4o的1/20。也有人评价说，这是一场“开源对闭源”的胜利。
在可以预见的未来，大模型下游生态将不断丰富，应用端的想象力被激发。资本市场对此反应强烈，尤其是“AI+医疗”概念，在春节后的三至四周，板块估值快速提升。
记者采访了解到，目前AI在医疗领域已经有了很多应用场景，如影像诊断、制药、基因检测、病理诊断、手术机器人等。但相较于以DeepSeek为代表的通用大模型，目前仍是各种垂类“小”模型在行业核心业务上发挥作用。高质量医学数据的缺乏，仍是行业AI应用的一大瓶颈。
“AI+医疗的最终呈现形态，大致可分为对现有产品的提升或对现有服务模式的提升两类。前者通常应用于创新药或创新医疗器械领域；后者则常常应用于医疗服务与监管领域，作为人的辅助，可实现对工作效率的较大提升，以及技术与优质服务体系的下沉。”兴业证券分析师黄翰漾表示。
君实生物信息技术副总裁雷斌对记者表示，公司从2024年开始就已经推动AI应用。“目前基于大模型的AI翻译平台已经替换了公司80%以上的文档翻译外部服务。在新药研发阶段，我们尝试把国际知名的新药信息数据库与AI大模型结合，从而及时掌握国内外新药研发最新进展和全景扫描，加速早期新药项目的靶点调研和立项；此外，我们还在尝试通过AI模型对生产工艺进行预测和指导，以提高商业化生产的成功率。”
作为影像诊断的头部企业，联影医疗表示，随着技术的深入应用，AI辅助诊疗正逐步从“可选”转变为“刚需”。
举例介绍，医学影像诊断和放疗过程中涉及大量量化工作和对比性工作，AI的引入可以帮助医生更高效地完成检查、分析和诊断等流程。“例如，山东某医院在引入AI后，血管重建技师的需求从3人减少至1人，大幅缩短了诊断时间。此外，AI的智能辅助还能在一定程度上减少误诊和漏诊，提高诊疗的准确性。”
卫宁健康科技集团股份有限公司副总裁兼CTO赵大平介绍，目前医疗WiNGPT已经用于电子病历生成、智能辅助诊断，以及医院管理、患者辅助等环节。“我们的医疗人工智能WiNGPT，能够精准提取体征信息、诊疗经过和术后反应等关键内容，自动生成符合临床规范的出院小结。在面对复杂病例时，能给出智能鉴别诊断建议，提升诊断的精准性和效率。”
随着以DeepSeek为代表的新一代大模型在推理能力等方面有了进一步的提升，医疗领域“AI+”的触角进一步延伸。
“这意味着我们可以逐步把AI技术应用到更多更复杂也更具价值的核心业务场景中，如医学方案设计、统计编程分析等。大模型智能的提升还使其有了更强的与现实世界交互的能力，在自动化业务流程、研发和生产中逐步起到更大的作用。”雷斌说。
虽然人工智能已经落地医疗多场景，但行业人士也向记者强调，当前医学领域的专用垂类模型和以DeepSeek为代表的通用大模型有很大区别。以药物研发为例，记者采访的多家生物医药企业表示，当前通用大模型对药物研发的直接赋能仍然有限。
“药物研发目前还是依靠专有模型或者说是垂类模型。通用模型和专有模型的差别主要取决于两个方面，一个是训练数据源的差异，另一个是反馈机制的差异。通用模型可用数据是庞大的、易获得的；专有模型训练用的数据是有较高质量要求的、精准的，且通常并不公开的。反馈机制方面，通用模型做到了人人可使用、人人可反馈，但专业模型只有专业的人反馈才可信，这就涉及到检验成本的问题。如果训练数据源难获得、反馈成本高企这两个问题没解决，即便DeepSeek发展到非常成熟了，可能也没办法直接用于具体的生物医药研发场景。”英矽智能IT负责人沙林介绍。
英矽智能是“AI制药”的头部企业，在其生成式人工智能药物发现平台Pharma.AI的驱动下，已经建立了30项药物研发管线个候选分子已获得临床试验申请（IND）许可。
“当然，我们也接入了包括DeepSeek在内的大模型，更多是用于数据收集与整理、知识库更新和展示，以及提升日常工作效率等辅助环节。”沙林介绍，目前英矽智能在药物研发阶段用的AI模型相较而言参数没有那么多，训练用的医学数据规模也没有那么大。“事实上，高质量医学数据是很宝贵的。”
赵大平也表达了类似的观点。“DeepSeek作为通用大模型虽然功能强大，但在专业医疗领域，仍然面临知识深度不足、专业术语理解偏差、医疗场景适应性不足等诸多挑战。相较于通用AI，医疗垂直领域专业模型的训练更着重理解专业术语、医疗专属的应用场景，以及理解复杂的诊疗流程等。”
“我们认为，未来两类模型需要组合，针对不同场景构建多模型的组合体系，通用模型和垂直领域大模型分工协同，实现‘通用能力-行业知识-场景穿透’的能力，这样才能有效杜绝AI产生的‘幻觉’，保障辅助诊疗的精确性。”赵大平说。
“我们相信，未来会有更多高质量的医学数据开放出来，这是一个趋势。但开放什么类型的数据，有了数据之后如何清洗，再按什么格式喂给AI学习都有待解决，每个环节也许都能够衍生出一个细分产业，这将是一个很长的链条。”沙林说。
“医疗AI的核心依赖于大量高质量的私域数据、垂域数据和临床用户特定数据。不过当前这类数据往往难以在公开领域获取，数据壁垒使得企业必须通过长期合作或自建数据体系才能积累优势。因此，掌握优质垂直数据的企业，在模型训练和优化方面会拥有优势。”相关负责人表示。
将AI更广泛应用于医疗领域，还涉及临床人员使用习惯的问题。联影医疗提到，现阶段AI在医学影像诊断与治疗领域的应用处于快速发展阶段，虽然已取得了长足的进步，但从更深层次来看，医生的临床使用习惯仍在培养之中。
“在DeepSeek等开源大模型的推动下，文本处理和语言理解的技术门槛大幅降低，AI技术更加普惠。这种‘AI民主化’带来了多个关键变化，各级医疗机构和临床用户开始更积极地拥抱AI技术，同时临床用户对医疗AI的发展也有了更长远的预期；此外，也加速了医疗文本大模型的轻量化、本地化部署，降低了AI在医疗场景中的落地门槛。”联影医疗相关负责人表示。
0 条