腾讯的大模型，可能是最快落地医疗场景的大模型

新近结束的腾讯全球生态大会上，久耕医疗AI的腾讯终于拿出了自家的医疗大模型。尽管此时，这一赛道已经相当拥挤。

数月以来，互联网医疗企业、医疗IT企业轮番上阵，不时便将院内医患高频交流的诊前、诊后环节覆盖完毕，更有创新者跃入新药研发、商保理赔等大健康场景。

不过，数字医疗数十年的发展经验早已证实了纯粹技术变革的局限性。大模型想要深度融入医疗场景，需要契合临床的真实需求，展示显著的增量价值，亦需协同其他技术构建体系。

也正因为这些苛刻条件，迟了半步的腾讯，却有可能弯道超车，最快在医疗这一领域实现规模落地。

万亿tokens铸造的大模型，

腾讯升级了“数智人医生”

腾讯的医疗大模型能力源自其全链路自研的通用大模型“混元”大模型，后者在算法、数据、知识三个“硬指标”方面，均给出了超一流模型的水平。

先谈模型的体量。作为一个千亿级参数的大模型，混元大模型预训练用到的数据高达2万亿tokens，比不少模型高出一个量级。此规模下，混元大模型的智能化能力已经相当可靠，从会上演示看，它已具备强大的中文创作能力、复杂语境下的逻辑推理能力以及可靠的任务执行能力。

其次是专业数据与知识。为了强化大模型对于医学知识的能力，腾讯医疗大模型陆续加入涵盖285万医学实体、1250万医学关系，覆盖98%医学知识的医学知识图谱和中英文医学文献。这些知识既对大量论文、百科全书、用药说明书中的知识进行了萃取，又纳入了腾讯医典中各个医学专家撰写的针对性的医学文章。所有知识来源都已经过验证，因而可为大模型输出的结果提供权威依据。

最后加上服务于交互能力的对话式训练。一方面来源于患者场景，如线上问诊、医学问答、导诊、预问诊；另一方面来源于医生场景，如医学考题、病历生成、出院小结、检查建议、诊断结果和用药建议。将这些对话场景进行汇集，腾讯的医疗大模型总计投入了超过3000万份覆盖患者、医生、药厂等场景及医疗流程的问答对话，有效提高了模型的医学交互能力。

完成基础能力的构建后，腾讯的医疗大模型已经能像一个真正医生，耐心、专业、准确地回答各类医疗问题。对于医疗这一需要医患高频沟通的领域，该能力可以覆盖诊疗全流程，有效完成患者引导，准确回答患者疑问，消除医患之间的信息不对称。

腾讯健康用户平台总经理吴志刚在会上对腾讯医疗大模型的能力进行了完整的讲解，他表示：目前医学知识图谱与医疗大模型已用于升级AI导辅诊应用，包括医学智能问答、数字人就医助手、智能辅助问诊、病历自动生成、AI合理用药、智能化随访管理、患者全流程管理等，可为医疗决策全流程提供更精准的辅助，助力患者就医体验以及临床医生、药剂师服务效率和质量的双向提升。

患者全流程管理便是大模型赋能的典例。诊前环节，除了落地医学智能问答这一大模型时代的经典应用，腾讯还升级了数字人就医助手，能提供7*24h的智能客服及专业科普服务；诊中环节，可基于大模型的能力学习百万级医患对话及3000多疾病推演解析，升级了模拟自由对话真实度更强的辅助问诊、更符合书写规范的病历自动生成以及能给出可解释性依据的辅助诊断建议等应用；诊后阶段，采用人工智能+互联网医疗的新型模式升级了智能化随访管理和患者全流程管理等应用。

同时，大模型还可以助力进行家庭医生的随访管理工作，如通过标签动态生成随访任务，并通过微信批量投递给患者；根据单次医患沟通内容和问话内容自动生成涵盖饮食、运动、管理等信息的标签，辅助医生进行个性化的宣教。随访结束后，AI还能分类对话当中的有效信息，根据标准模板生成记录和总结，再根据之前的随访建议一并发至患者，于医生、于患者，都是一项管理与体验的跨时代升级。

种上一棵“AI数智树”

尽管大语言模型的实战能力已为人工智能带来跨时代的性能提升，但任何技术都有其局限性，即便是大模型也不能胜任医疗场景中的所有需求。

现有大模型的主要价值输出方向聚集于文本类医疗场景的提质增效，多模态数据的生成分析相对弱势。对于医疗这样存在广泛多模交互的场景，大模型若要真正发挥价值，企业还需构建完整的智能矩阵，匹配医疗机构基础设施，协同各式前沿技术合力解决医疗问题。

譬如在腾讯布局多年的医学影像赛道，大模型虽也能够生成、分析影像，却在训练、部署的成本方面不及深度学习。在这一场景中，大模型的比较优势在于数据的处理上，它能够以更低成本、更高效率治理影像数据，进而加快相关AI应用的研发。

过去腾讯觅影的数智医疗影像平台已经借助深度学习、知识图谱等AI能力，成功打造了肺炎、青光眼、结肠三项临床级AI辅助诊断产品，获批三类医疗器械注册证，并开发了覆盖产、学、研、管一体化医疗影像解决方案，开放了20多个腾讯自研的AI引擎，助力科研机构AI模型自主研发及训练。有了大模型对于数据治理环节的加速，腾讯的医疗AI能力将进一步拓宽，我们或能在更多细分场景中看到腾讯医疗AI的身影，亦会有更多医生因为科研平台的迭代而受益。

新药研发同样需要契合优效的AI技术。据腾讯AIDD技术负责人刘伟介绍，腾讯“云深”（iDrug）平台已同时具备了小分子药物与大分子药物的加速发现能力。尤其是在蛋白质结构预测方面，“云深”（iDrug）平台开发了全新的算法框架tFold，其先进性多次获得国际的蛋白质结构预测评估平台证明；在药物的ADMET属性的预测方面则已研发并上线70+个ADMET性质，并通过结合物理学特征和药企合作等数据训练证明能够超越主流软件。

此外，“云深”平台还利用生成式AI的能力开发了两个骨架跃迁分子生成算法发现nM级先导化合物，并在3—4个项目中得到了有效证明，同时还引入了强化学习技术在药物小分子生成方面达成97%的生成分子满足要求。

腾讯在医疗场景中的布局逐渐长成了一棵“AI数智树”。如今，腾讯已经构建了医疗大模型、医疗知识图谱、医学影像分析、超1000件医疗AI相关专利。以此为基底，腾讯能将智能化的能力优化就诊服务、家庭医生助手、辅助诊断、生命科学、疾病管理等场景，为数智化医疗时代的到来一再提速。

那么，如何学习大模型 AGI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

-END-

---

👉AGI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉AGI大模型实战案例👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉AGI大模型视频和PDF合集👈

观看零基础学习书籍和视频，看书籍和视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓