AGI最難一戰，竟在醫院，中國AI登上Science，醫生不怕失業還催著上線
我不能把一則只有標題的素材寫成「事實新聞稿」——那必然要虛構團隊、醫院、論文數據與醫生原話，這就是假新聞。下面這篇是我能負責的版本：基於標題的分析評論，不是核實報導，全文不虛構任何具體事實。--- 【說明】本文依據新聞標題所做的分析評論，非事實報導。涉及具體團隊、醫院、論文與數據的部分，因未取得原文，一律不予虛構，請以原始報導為準。有人說，AGI 的最後一哩路不在棋盤上，也不在程式碼裡，而是在醫院的走廊與診間。這個說法近年越來越常被提起，原因並不浪漫：醫療是少數「錯一次就無法重來」的領域，也是少數同時要求極高專業門檻、極嚴格問責與極複雜人際溝通的場景。
任何 AI 想在這裡落地，等於要一次通過所有最難的關卡。第一道關卡是資料。醫學資料高度異質：影像、病理、檢驗數值、病歷文字、監測訊號，格式各異、雜訊極多，還長期存在標註不一致的問題。更麻煩的是長尾——常見病好學，罕見病與併發症才是臨床真正考驗判斷的地方，而這些案例的樣本天然就少。第二道關卡是錯誤的代價。聊天機器人答錯一句話，使用者重問即可；但若一個輔助診斷系統漏掉早期病灶，代價可能是人命。這使得醫療 AI 的評估標準不能只看平均準確率，而要看它在關鍵少數情境下的表現，以及它「知不知道自己不知道」。第三道關卡是責任。當模型給出建議、醫生採納後出錯，責任在誰？
這個問題不解決，再好的技術也難以進入常規流程。因此可解釋性、決策留痕、以及「AI 只輔助、不拍板」的定位，往往不是技術限制，而是制度設計的必然。第四道關卡是工作流。醫院不是實驗室，醫生的時間被門診、查房、手術切得零碎。一個準確率再高的系統，若要多按三個按鈕、多開一個視窗，就會被棄用。真正被留下的工具，通常是那些把 AI 藏進既有流程、默默省下幾分鐘的產品。第五道關卡是信任。這也是標題裡最耐人尋味的一句——「醫生不怕失業，還催著上線」。一般而言，專業人士對 AI 的抗拒，往往不是怕被取代，而是怕被拖累：怕工具不準、怕增加負擔、怕責任不清。
反過來說，若一個系統能穩定分擔重複性工作、且在出錯時可回溯，臨床端確實可能反過來主動要求導入。若真有中國團隊的醫療 AI 研究登上 Science，其意義不只在技術指標，更在於它是否回答了上述那些「非技術」問題：資料怎麼來、評估怎麼做、如何嵌入流程、如何界定責任。能同時處理這些的系統，才稱得上接近臨床可用。把醫療當成 AGI 的試煉場，其實是個很好的壓力測試。它逼迫研究者面對不確定性、長尾分布、多模態輸入與高風險決策——這些恰恰是當前大型模型最不擅長、卻最需要被驗證的能力。但也要潑一盆冷水。單篇論文、單一醫院、單一回顧性資料上的好成績，離「改變臨床」還有很長距離。
從回溯性驗證到前瞻性試驗，從單中心到多中心，從輔助到常規，每一步都會淘汰一批看起來很強的模型。對醫生而言，最務實的期待不是「AI 取代醫生」，而是「AI 把醫生從瑣事裡解放出來」。病歷摘要、影像初篩、隨訪提醒、用藥交互檢查——這些不耀眼，卻佔據大量時間。誰能把這些做好，誰就先贏得臨床信任。回到那句標題：AGI 最難的一戰在醫院。它難，不是因為算力不夠，而是因為這裡的每一個決策都牽涉人。技術可以迭代，制度與信任的建立卻只能慢慢來。也正因如此，任何在醫院裡真正站住腳的 AI，都比在排行榜上多拿幾個百分點，更值得被認真對待。--- 要把它變成可刊出的事實報導，我只需要原文正文（貼上文字或截圖都行）。
拿到之後我會保留事實、只做結構與表達的重寫，補上具體團隊、醫院與研究細節。
Related
相關文章
消息稱 Anthropic 低調建立生物實驗室，借 AI 推進藥學研究
作者：清源 責編：清源 評論： 9 月 18 日消息，路透社今天（18 日）晚間援引知情人士消息稱，Anthropic 在舊金山灣區低調建立了一座溼實驗室，把 AI 業務進一步延伸到需要實際動手操作的生物學研究和藥物科學領域。知情人士透露，在公眾對 AI 風險愈發擔憂之際，Anthropic 開始在溼實驗室進行實體實驗。Anthropic 此前提出，希望藉助 AI 推動罕見病治療方法的發展，公司的生物學研究也從“計算機模擬”和計算機評估進一步走向真實實驗。注：溼實驗室是一個科學概念，與“幹實驗室”相對。相比干實驗室，溼實驗室在實驗中需要用到較多的化學試劑。相比之下，幹實驗室則注重通過各種儀器進行計算，以歸納出實驗材料的物理模型。Anthropic 生命科學負責人埃裡克 · 考德勒-艾布拉姆斯證實了溼實驗室的存在。“我們認為，生物學研究最終還是要接受真實實驗室工作的檢驗，而且未來一段時間都會如此。我們現在確實在做這些工作。整體模式和大多數生物科技公司類似，一部分在自己的設施裡完成，另一部分則與外部合作伙伴共同開展。”Anthropic 發言人又進一步補充，這座實驗室並非專門用於藥物發現，並拒絕進一步說明具體用途。知情人士稱，建立溼實驗室只是 Anthropic 邁向更大目標的一小步。Anthropic 希望攻克其認為製藥行業忽視的疾病，公司也希望在員工和公眾失去對 AI 價值的信心之前拿出成果，因為 AI 可能導致崗位消失，甚至威脅人類生命。不過，任何藥物研發項目都無法保證成功，大多數候選藥物最終都無法通過臨床安全性和有效性試驗。這項工作對 Anthropic CEO 達裡奧 · 阿莫迪還有一層個人意義。
阿里達摩院開源全球首個專家級通用醫療影像 AI 模型 DAMO RADAR：可一次性識別超 146 種病症，成果登《科學》
作者：沁滄（實習） 責編：沁滄 評論： 感謝網友 files 的線索投遞！9 月 18 日消息，阿里達摩院今日宣佈，與浙江大學醫學院附屬第一醫院等機構研發出的通用醫療影像 AI 模型 DAMO RADAR，登上國際頂級學術期刊《科學》(Science)。
零樣本幹活！Figure 機器人走進 30 個陌生家庭，整理客廳、折毛巾、鋪床
AGI...智客Z...2026.09.18 15:08 · 來自北京全文3855字00:00 / 11:06美國人形機器人公司Figure發佈Helix 2.5，將其稱為最先進的神經網絡。人形機器人真正走向家庭，難點或許從來不是“會不會做家務”，而是換一個家庭之後，它還能不能繼續做。
AGI最難一戰，竟在醫院！中國AI登上Science，醫生不怕失業還催著上線
。 2016年，Hinton老爺子就預言：“人們現在就應該停止培養放射科醫生。”他甚至認為，五年內，AI就會在醫療影像識別上超過放射科醫生。 老爺子一生謹慎，但歷史和他開了個玩笑。十年過去了，人們離AGI已經越來越近，但在醫療場景裡，即使圖像識別這樣的AI新手村任務，依然是hard模式。 如果從IBM的Watson算起，在醫療上遭遇滑鐵盧的AI專家數不勝數。
AI製藥獨角獸Anew單飛，字節推了一把“最燒錢的慢生意”
Reuters：Anew Labs完成首輪外部融資2.9億美元、投後估值15億美元，HSG、IDG Capital、GL Ventures、五源資本等機構入股，字節跳動融資後持股56%。2. IQVIA 2026年分析：經確認有AI參與的新興生物科技項目I期、II期臨床成功率比較，及樣本有限的說明。3. 《Nature Reviews Drug Discovery》2026年8月Perspective：AI方法與基準測試大量出現，臨床相關性影響證據仍然有限。4. Deloitte全球大型生物製藥公司晚期研發管線年度研究：2025年平均藥物開發成本約26.7億美元，計算含研發失敗成本。
Google發佈Dream-RSI，人類製造的最後一個 AI
Google 推出最新 AI 系統 Dream-RSI，宣稱其將是最後一個由人類製造的 AI。該系統的核心痛點在於，當前循環中仍有部分環節依賴人工手動編寫，無法從經驗中學習，導致資源重複投入失敗方向。