1. 首頁 > 生活百科 > >

萬字長談王小川：不再迎合他人做學霸，我要解自己的命題

人工智能ai軟件sap

萬字長談王小川：不再迎合他人做學霸，我要解自己的命題

文章圖片


從小就是「學霸」的王小川 ， 其實不太喜歡自己的「學霸」標簽 。
他在離開搜狗后的一次交流里 ， 和極客公園創始人總裁張鵬講過自己的看法：「學霸」的另一面 ， 意味著在別人設定好的命題里取得「高分」 ， 但他接下來其實想找到自己的命題 ， 不想再做別人命題里的學霸了 。
但ChatGPT 的爆發 ， 帶著大模型浪潮撲面而來 ， 王小川自己和所有熟悉他的人 ， 都覺得他是最適合AI時代的中國創業者之一 。 故事似乎和之前一樣 ， 王小川成立百川智能符合所有人的期待 ， 然后就是響亮的AI 六小虎的稱號 ， 以及大家在模型評分榜上的位置 ， 產品MAU的數據、商業化ARR數字 ， 等等 。 看起來王小川還是繞不開大家對于「學霸」的期待 ， 有一堆必答題要去回答 。
王小川自嘲 ， 一度自己覺得百川成了三個公司：一個做模型 ， 一個做toB商業化 ， 一個做AI醫療 。 而王小川內心真正想做的 ， 并非市場所期待的通用模型問題 ， 而是「為人類造醫生 ， 為生命建模型 。 」
王小川一度覺得這個命題 ， 在迎合更多業界必答題的過程中 ， 從原點變成了「遠方」 ， 這讓他覺得很有問題 。 這種撕扯 ， 最終以今年4月開始的大調整而和解 。 王小川做出了選擇：團隊從450人精簡至不足200人 ， 回歸扁平 ， 回歸專注 。 人數少了 ， 團隊的「壓強」反而上去了 ， 這讓他對于未來 ， 也更有底氣和信心 。
外界猜測這是「遭遇困境」后的被動收縮 ， 唱衰百川的各種報道滿天飛 ， 這可能是王小川創業這么多年來被負面新聞包裹得最緊的一次 。 但是王小川本人選擇沉默、完全沒有回應 。 按照他的原話是「我需要的是跟自己的內心做斗爭 ， 而不是跟環境做斗爭」 。
直到8月12日 ， 當王小川帶著百川全新的醫療大模型Baichuan-M2亮相后 ， 外界才終于看懂了他沉默的這幾個月在做什么 。 這款大模型的性能超過了OpenAI新近發布的兩個開源模型；而在閉源領域 ， 它的能力也僅次于GPT-5 。 但這還不夠 。 對王小川而言 ， 他的目標 ， 是在醫療這個垂直領域 ， 實現對通用模型的超越 。
這個時候 ， 百川感覺上才真正變回了「一家公司」 ， 而王小川也終于結束「一言不發」 ， 愿意坐下來和張鵬再次進行一場長談 。
這更像是一次坦誠的復盤 ， 一次對過去兩年喧囂的總結 。 也是一次對上半年不少朋友「小心翼翼」的關心和擔心的回應 。 王小川覺得他現在的狀態很好 ， 因為他不再需要回答別人強加的必答題 ， 而是可以真正定義自己的問題 ， 并給出他更銳利的答案 。
以下為王小川與張鵬對話內容實錄 ， 有編輯刪減 。

01 「智能的高度」與「應用的深度」張鵬： 最近GPT-5終于發布了 ， 我們曾想象它會再次引領產業的大飛躍 ， 但世界給予的反饋 ， 似乎并不符合這個版本應該有的震撼 。 現在大家探討AI coding的熱情、以及感嘆Anthropic估值已經接近2000億美金的熱情似乎更高漲 ， 你怎么看這些現象？
王小川： 這可能是美國激烈競爭格局下的必然結果 。 畢竟那邊牌桌上還有Grok、Anthropic等強勁的對手 。 值得注意的是 ， AI coding確實也呈現了一個可能比ChatGPT擁有更好商業模式和數據飛輪的通向AGI的通道 。
很可能 ， 今天OpenAI正處于一個相對劣勢的階段 ， 在競爭壓力下顯得有些倉促地發布了產品 。 所以 ， 給人感覺有點「拉下神壇」了 。 但我覺得這不代表OpenAI就此沉寂 ， 更不意味美國AI創新后繼無人 。 恰恰相反 ， 這證明了其他競爭者的實力 ， 他們正在激烈地爭奪王座 。
張鵬：我們該如何理解這種現象？OpenAI有做錯了什么嗎？
王小川：從技術路線圖來看 ， 我從一開始就更欣賞Anthropic的策略 ， 尤其是它將代碼作為發展的中心 ， 這條路是以API為中心 ， 特別是深耕代碼能力 。 語言模型強化到代碼層面 ， 就能夠賦能千行百業 。
而OpenAI選擇是把重心放在一個C端的App上 ，
最初由Ilya Sutskever提出的「predict next token」（預測下一個詞元）開啟了大模型范式 ， 沿著這條路走下去 ， 代碼本應是可見的、必然的方向 。 但或許是因為OpenAI的「包袱」過重 ， 什么都想要 ， 反而無法專注 ， 也就難以找到最關鍵的軸心去突破 。
當它需要服務7億用戶時 ， 就無法將代碼置于足夠高的戰略位置 。 我認為這是一種路線圖上的風險 。
我心中的AGI（通用人工智能） ， 其核心是代碼能夠自動運行 。 對此我有兩個邏輯：一個是從產業應用場景出發 ， 例如造醫生；但從更極致的技術追求來看 ， 代碼才是中心 。
因此 ， 無論從產品形態還是技術路線圖來看 ， OpenAI都沒有走在我期望的路徑上 。
張鵬： Anthropic的估值已經漲到了1700億美元 。 我記得你每次都會強調 ， 「語言才是智能的中軸」 。 所以「代碼語言」這個軸線上的高速發展已經開始了唄？
王小川： 代碼 ， 本質上就是一種更高級的語言 。
最近Geoffrey Hinton也開始講 ， 人類智力的核心在于「類比」 。 這正是我一直信奉的 ， 語言的本質就是類比與推理 。 我之前反復推薦侯世達的《表象與本質》 ， 那本書用完整的篇幅闡述了這件事 。
因此 ， 數學是語言 ， 代碼也是語言 ， 而且是一種「可運行」的語言 。 它就像圖靈機一樣 ， 能夠解決萬千問題 。 所以 ， 真正的道路是清晰的：首先 ， 通過人類語言理解常識、學會溝通；然后 ， 掌握數學語言與代碼語言 ， 從而征服理科與工科 。這條路 ， 我過去在很多場合都講過 ， 從未改變 。
今天代碼的快速崛起已經開始驗證其價值 ， 更重要的是它的數據飛輪也已經高速啟動了 。
其實代碼的終極用法 ， 不是輔助程序員 ， 而是它自己就能運行 。 今天所有類似的Cursor工具 ， 本質上還是在輔助程序員 。 而一旦代碼能夠實現自我運行 ， AGI也就到來了 。 我還記得多年前在知乎寫過一個帖子 ， 標題是：「程序員是自己的掘墓人」 。 現在 ， 這句話正在被驗證 。
張鵬：以前大家對「智能的高度」特別充滿熱情 ， 每次新模型的屠榜跑分都會被認真討論很久 ， 但感覺今天Coding帶來了一個「應用的深度」和「智能的高度」可以一起前進的事情 。 未來「應用的深度」是不是會變得更被重視？
王小川： 沒錯 。 單純的評測已經不夠 ， 已經到了可應用的階段 。
其實除了代碼的價值已經肉眼可見 ， 今天大家對醫療的期待 ， 也是與日俱增的 。 國內大家討論得偏少 ， 但其實醫療正迅速從「非共識」走向「共識」 。 盡管Anthropic在代碼領域跑得更快 ， 但OpenAI在今年5月發布了Health-Bench ， 把醫療健康納入核心評測維度 。 在OpenAI的產品發布會上 ， 「健康」與「醫療」被反復強調 。 甚至在發布開源模型時 ， 技術報告開篇第一章 ， 就是闡述它在醫療領域的進展 。
最值得玩味的 ， 是在GPT-5的發布會上 ， 唯一被請上臺為它背書的 ， 是一位癌癥患者 。
OpenAI身負著服務7億用戶的巨大「包袱」 ， 這迫使它必須超越純粹的技術敘事 ， 走向一條「以人為中心」的路線 。 在這條路上 ， 醫療是其無法回避 ， 且必須占領的戰略高地 。
張鵬： 硅谷確實還在越來越熱鬧 ， 但過去一段時間 ， 大家都覺得國內大模型領域許多備受矚目的創業公司 ， 也包括百川智能 ， 似乎都變得「安靜」了 。 這背后有什么共性原因嗎？
王小川： 身在局內 ， 我反而覺得這是一個極其自然的過程 。
2023年是歷史性的一年 ， 資本的恐慌性涌入和對未來的無限暢想 ， 是技術變革的必然序曲 。 這有點像Gartner技術成熟度曲線的規律 ， 當期望膨脹到頂峰 ， 現實與應用之間的距離必然會導致一個調整期 。 當人們發現技術突破未能立即轉化為應用爆發 ， 熱情冷卻 ， 行業便會安靜下來重新思考 。
回答這個問題 ， 必須從技術與環境兩個層面來看 。 技術層面 ， 如果大家研究下OpenAI最新的開源模型 ， 會發現它在基礎設施與工程化上的深厚實力 ， 這不僅關乎算法 。 我們一度以為已經拉近的距離 ， 現在又被重新拉開 。 我們期待國內同行在底層架構上持續追趕 ， 而百川也會在醫療這樣的垂直領域 ， 做出自己的貢獻 。
然而 ， 比技術差距更嚴峻的 ， 是來自大環境的挑戰 。 美國頭部公司動輒百億美金的融資 ， 以及像Anthropic年化經常性收入（ARR）已接近百億美金的規模 ， 這在國內目前都難以想象 。 說實話 ， 在這樣的牌局里 ， 任何一家能夠「咬住」不掉隊 ， 本身已是一件了不起的事情 。
本質上 ， 我們和美國存在一個「時間差」 。 當他們已經進入以ARR為核心的「摘果子」收獲期時 ， 我們絕大多數人還身處圍繞基準測試（Benchmark）和參數的「模型內卷」階段 。 這種階段上的錯位 ， 會直接導致「底氣」的缺失 。
張鵬： 這種「看ARR」與「看參數」的差異 ， 根源在于技術 ， 還是商業環境？
王小川：我認為是雙重疊加：既有技術追趕的壓力 ， 也源于商業土壤的不同 。
張鵬： 那之前大家在模型上投入的熱情和資源 ， 你覺得值得嗎？如果這是一場如此艱難的追趕？
王小川： 我認為 ， 這取決于一家公司的終極抱負 。
如果你的目標是打造一個輕巧、敏捷的公司 ， 那么完全可以不自研模型 。 比如一個十幾人甚至幾個人的小公司 ， 通過調用最優的第三方模型 ， 完全有可能快速實現正向現金流 ， 并獲得資本的青睞 。
但如果你立志要成長為一個長期的、具有系統性影響力的大公司 ， 那么在模型層面的自主積累 ， 就是一件不可或缺的事情 。

02 重新變回一家「有自己命題的公司」張鵬：最近投資圈都在「感謝」大模型公司「釋放了很多優秀人才」 ， 讓他們看到了不少值得投 ， 值得搶的新項目 。 百川的業務和人員調整好像也挺大的 ， 這背后你是怎么想的？
王小川： 你肯定還記得2023年百川當時的策略就是「快」 。 快速入場、快速融資、快速搶占技術身位 。 這讓我們在高峰期一度達到450人 。 速度為我們贏得了有利位置 ， 但也帶來了「思想無法統一」的后遺癥 。
許多人帶著對大模型的熱情 ， 甚至是源于FOMO的恐懼 ， 加入了百川 ， 我們卻未能真正「捏成一股繩」 。 公司內部甚至自嘲 ， 已經分裂成了做模型、做醫療、做商業化「三個公司」 。
后來 ， 我在全員信中也坦誠溝通了這件事：我們必須回歸創業的初心——「為人類造醫生 ， 為生命建模型」 。
所以最近在組織上確實做了很多調整 ， 直接說結果就是從450多人變成了不到200人 ， 然后我們把管理層級從平均3.6級壓縮至2.4級 ， 從今年4月到6月 ， 花了兩個多月 ， 我們完成了這次調整 。 你會發現 ， 人數少了 ， 整個團隊的「壓強」反而上去了 ， 這讓我對未來更有底氣 。 我感到非常高興的是 ， 最終留下的 ， 是一支既有AI信仰 ， 又對醫療抱有熱忱的團隊 。
張鵬：當初的快速擴張 ， 在多大程度上是被客觀的產業節奏裹挾？又在多大程度上 ， 是因為自己主觀上沒控制好節奏？
王小川： 我認為是「三七開」——三分客觀 ， 七分主觀 。
客觀上 ， 在當時那個狂熱的時間點 ， 想要完全抵抗住浪潮的推力 ， 確實很難 。 但更深層的原因 ， 在于我自己 。 我確實為了迎合媒體、迎合團隊、迎合外界的期待 ， 做了很多「多余的動作」 。
【萬字長談王小川：不再迎合他人做學霸，我要解自己的命題】比如 ， 我對金融這類能快速變現的方向 ， 內心并無真正的熱情 。 但當時有團隊想做 ， 有股東感興趣 ， 我就「從」了 。 現在回看 ， 這本質上是自己當時的「心力」還不夠強大 。 而攤子鋪得越大 ， 心力被稀釋得就越厲害 。
張鵬：現在想想的話 ， 當時有辦法更好的避免這種問題嗎？
王小川：我還真反思過 ， 而且可能解法還真沒那么復雜 。 比如當時如果我能堅持面試每一位新同事 ， 情況會好很多 。 因為這個過程中就一定會讓自己「慢下來」、想清楚 。 創業者一旦只判斷和選擇目標 ， 而不充分參與過程之痛苦 ， 很多判斷就會出問題 。
我看其實大家的節奏調整都差不多 ， 我相信行業會回歸理性 ， 大家也終將更專注于自己真正想做的事 。
對我而言 ， 這次調整最大的收獲 ， 是未來變得前所未有的清晰 。 因為我終于明白 ， 真正的斗爭 ， 從來不是與環境的斗爭 ， 而是與自己內心的斗爭 。
張鵬 ：前段時間因為這些調整負面報道滿天飛的時候 ， 是不是有好多朋友給你打電話慰問？
王小川 ：慰問是有的 。 但大家似乎都有些小心翼翼 ， 大都不敢打電話 ， 反正就是各種謹慎小心的關心我 ， 說的問的都挺含蓄 。
張鵬： 你覺得大家為什么要來小心翼翼的「慰問」你？或者說他們為你擔憂的是什么？
王小川：估計是覺得我壓力大 。 之前 ， 無論對我 ， 還是對百川 ， 外界都抱有某種期待 。 當百川的發展軌跡 ， 沒有完全符合大家想象中那種高歌猛進的劇本時 ， 可能一種低于預期的感受便產生了 。 我內心很清楚 ， 媒體曾經給予了多少贊譽 ， 當現實與預期出現偏差時 ， 外界就會感受到同等程度的「失望」 。
張鵬： 所有的媒體贊揚 ， 本質上都是一種「預支的借款」 。
王小川：特別對 。 要么是消耗過往積攢的信譽 ， 要么是透支未來的承諾 ， 但終究是要「償還」的 。 所以 ， 外界的情緒 ， 本質上是與你的發展速度和最終成績緊密掛鉤的 。張鵬：在那段時間里 ， 你本人真實的狀態是怎樣的？
王小川： 說實話 ， 我確實沒有焦慮 。 我非常感謝大家的關心 。 很多人曾將自己對技術的理想 ， 部分投射在了我們身上 。 所以當百川的路徑看似「偏離」時 ， 那種失落感是真實存在的 。
而我之所以不焦慮 ， 是因為我看到了大家沒看到的東西 。
大家期待的百川 ， 和我內心真正想構建的百川 ， 其實存在一個錯位 。 早在2021年 ， 甚至在創立百川的公開信里 ， 我就明確提出 ， 我未來二十年的熱情在于生命科學和大眾健康 。 ChatGPT的出現 ， 只是讓實現這一目標的路徑變得更加清晰和可行 。
但在2023年那個時間點 ， 整個市場都沉浸在一種狂熱里 。 無論是投資人、媒體 ， 還是團隊成員 ， 他們都帶著美國最前沿的模式作為對標 ， 希望你做的跟美國一樣 ， 因為那是被驗證過的、成功率最高的路徑 。
在那種氛圍下 ， 你去談醫療 ， 是很難被聽進去的 。 所以 ， 我們當時在某種程度上「迎合」了市場的期待 ， 沿著大家都能看懂的「共識」路徑在走 。
但當我們的探索開始深入 ， 逐漸回歸到醫療的時候 ， 之前那些因大模型、AGI加入的人 ， 都會產生一種跟期待不一致的地方 。
而百川在過去一年里完成的最重要的一件事 ， 就是經歷調整 ， 真正回歸到了我們自己對于未來的「意義感」和核心驅動力上 。
張鵬：你真實「第一人稱視角」的投身大模型領域的起心動念是什么？我很好奇在過去的幾年間 ， 為什么沒有去調整大家對你們的認知錯位呢？
王小川： 當我決定下場時 ， 是因為我真切地感受到了「模型」的力量 。 2023年初 ， 我第一次深度使用ChatGPT時 ， 內心有兩種強烈的沖擊 。
第一種 ， 震撼 。 因為我之前專注于醫療領域 ， 對最前沿的技術進展沒有那么緊密地追蹤 。 一上手 ， 我心里就咯噔一下 ， 意識到：天變了 。 我過往做輸入法、做搜索 ， 每天都在和語言AI打交道 ， 所以我能清晰地判斷 ， 眼前的這個東西 ， 和過去完全不是一個物種 。
第二種 ， 隨之而來的是一種失落感 。 我曾經也算是AI圈的中心人物 ， 但那一刻 ， 我發現自己想做的醫療事業 ， 似乎與AI的主旋律 ， 變成了兩條平行線 。
后來 ， 我很快就想明白一個事：今天的大模型 ， 能不能被用來「造醫生」？
這個想法 ， 讓我內心的兩條邏輯線索瞬間串聯了起來：
第一條邏輯：語言是智力的中軸 。 掌握了語言 ， 就掌握了構建智能、乃至「造人」的關鍵 。第二條邏輯：醫生是醫療的中軸 。 構建了「AI醫生」 ， 就能掌握用戶、藥廠和科研的樞紐 。
所以 ， 技術上 ， 我們在「造人」；應用上 ， 我們則是在「造醫生」 。 因此 ， 我們從基礎模型做起 ， 因為你不可能依賴一個不開源的外部模型 ， 去構建你的核心壁壘 。
我的計劃始終是 ， 超級模型里要走到AGI ， 超級應用則要去「造醫生」 。 但問題是 ， 當時你向外界講述這個「超級應用」時 ， 大家聽不進去 ， 他們只能聽懂 ， 或者說更愿意聽「超級模型」的故事 。
到了2024年 ， 我們意識到 ， 以百川的資源和國內的整體環境 ， 你不可能同時在兩條戰線上無限拉長 。 從基礎模型到最終構建一個成熟的「AI醫生」 ， 這條路過于漫長 ， 你不可能把所有事情都自己做完 。
這就好比2016年AlphaGo出現時 ， 我看得非常清楚 ， 但這不代表我當時就有能力親自下場把它做出來 。 基于對能力和資源的判斷 ， 我們決定 ， 必須「聚焦」在醫療上 。
張鵬： 但這時候這種「錯位」就開始劇烈的釋放「應力」了？
王小川： 對 。 在我看來 ， 這是戰略上的「聚焦」；但在行業眼中 ， 這變成了「放棄模型」、「管不住團隊了」……各種各樣的解釋都冒了出來 ， 因為這不符合他們最初為你設定的那個「預期」 。
張鵬： 所以你是如何消化這件事的？好奇為什么當時沒有出來說說話而一直保持沉默？是不想說？還是沒的說？
王小川： 肯定不是沒的說 ， 我有很多要說的 ， 但說的對象可能不是行業和公眾吧 。 因為你首先要從內心接受一個前提：大家在不同視角下看到不同的東西 ， 是正常的 。
一旦你接受了這一點 ， 就不會再有情緒上的內耗 。 我不是去說服每一個人 ， 而是清晰地表達 ， 然后找到那些真正聽懂了 ， 或者愿意花時間去聽懂的人 ， 與他們并肩工作 ， 這就足夠了 。
我既不會因為外界的不理解而憤怒 ， 也不會因此而動搖 。 我的價值 ， 恰恰在于我可能比大家多看到了一些未來的可能性 。 同時 ， 我的責任 ， 是要去溝通和花時間「對齊」那些同樣懷有醫療夢想、并選擇留下來的人 ， 為他們創造一個最好的工作環境 。 當你內心真正篤定你想要什么時 ， 這本身就是對自我的尊重 ， 也是對團隊的尊重 。
張鵬：所以這兩年 ， 你最大的收獲是什么？
王小川： 我的第一個 ， 也是最感幸運的一點是：我之前想做醫療的夢想 ， 與大模型的技術突破 ， 真正相遇了 。
這就像我過去做互聯網的20年 ， 本質上是擁抱了一個巨大的時代浪潮 。 沒有時代 ， 個體的努力會緩慢而曲折得多 。 而AI的到來 ， 讓「造醫生」這件事 ， 突然有了清晰可行的路徑 。
我們已然上桌 ， 技術讓夢想有了「解」 ， 身在牌局之中 。 我覺得是很幸運的一件事情 。
第二個巨大的收獲 ， 是我個人心境的成長吧 。
早年做搜狗的時候 ， 追求極致 ， 無法容忍任何與我認知不符的東西 ， 常常會因此陷入「為什么會這樣」的執念 ， 對內、對外都產生了很多不必要的攻擊和消耗 。
而現在 ， 我可以說 ， 我達到了十年來心境最好的狀態——一種發自內心的平和 。
當然 ， 遇到做得不好的地方 ， 我依然會直接指出 ， 但不再是老板對員工的指令 ， 而是一種共創的狀態 。 我希望大家能真正地從內心走到一起 ， 共同去成就一件事 ， 這本身就是一次巨大的提升 。
過去 ， 面對這種局面 ， 我的反應是憤怒——「為什么事情會走向失控？」 ， 進而產生對抗情緒；或者 ， 是逃避——假裝看不見 ， 期待它能自己變好 。
而現在 ， 我的選擇是：面對問題 ， 解決問題 。
張鵬：我記得你之前提到 ， 你不喜歡學霸的標簽 ， 是因為學霸本質上是要把別人出的題都回答得很好 ， 但其實你想解自己的題 。 所以百川這次算是終于大聲喊出「自己的議題」了唄？
王小川： 沒錯 。 創業過程中 ， 一旦有了投資人 ， 一旦置身于某種行業共識之中 ， 你很容易就又回到了一個「公共題庫」里 。 對我而言 ， 那意味著重蹈覆轍 ， 回到過去那種狀態 ， 而那并非我真正熱愛的事情 。
比如 ， 「對標OpenAI」 ， 這就是一個擺在所有人面前的「公開考題」 。 我們也很習慣性地去「應試」 ， 去解答這道題 。
直到今年4月 ， 當我明確提出「為人類造醫生 ， 為生命建模型」的時候——這才是我們為自己出的題目 。
張鵬：2023年 ， 國內大模型賽道的玩家 ， 拿到了大額融資 。 但今天 ， 融資環境會如何影響這些公司？
王小川： 2023年 ， 資本確實給了一波相當可觀的支持 。 這其中不僅有美元基金 ， 也有來自阿里、騰訊這類產業資本（CVC）的加持 。 到了2025年 ， 我認為資本環境的不確定性會顯著增加 ， 獲取支持的難度會大得多 。
相比之下 ， 美國的資本支持力度依然非常大 ， 這就形成了一種「比較優勢」 。 在這種優勢下 ， 差距可能會被進一步放大 。 因此 ， 必須要思考：當中國的資本支持不再充裕時 ， 該如何走下去？
張鵬：「造醫生」是一件復雜且需要長期投入的事 。 你賬上的資金能為百川智能提供多長的「安全區」？
王小川：我們現在的安全期 ， 長到即便公司完全沒有收入 ， 也可以支撐120個月 。 所以現在要思考的不是安全問題 ， 而是如何有效的把人和錢變成進步和結果的效率問題 。
所以你就理解我們近期的調整 ， 確實不是基于壓力而做出的被動選擇 。 這是一次發自內心的主動決策 ， 我覺得主動選擇砍掉那些我們不想再做的事情 ， 就是一次比再融一大筆錢更有成果的進展 。

03 為什么「造醫生」比追求智能高度 ， 要復雜得多？張鵬： 百川近期發布的Baichuan-M2模型 ， 表現如何？
王小川：可以說 ， Baichuan-M2是目前全球最頂尖的醫療開源模型 ， 性能甚至超越了OpenAI新近發布的兩個開源模型 。 在閉源領域 ， 它的能力也僅次于GPT-5 。
OpenAI近來在醫療領域的投入有目共睹 。 他們新發布的120B和20B兩款開源模型 ， 已經顯示了深厚的基礎設施與工程實力 。
在其GPT-5報告中 ， 醫療也是重要部分 。 OpenAI強調自己的模型是全球唯一在Health-Bench（Hard模式）評測集上得分超過32分的 ， 而Baichuan-M2的分數是34分 。 同時 ， 在Heath-Bench（標準版）評測中 ， 目前全球也僅有我們的模型與GPT-5突破了60分大關 。 可以說 ， 在醫療AI這一垂直領域 ， 我們已達到世界級水平 。
我們原計劃在8月下旬 ， 與技術報告一同發布 。 但OpenAI此次不僅是近三年來首次重返開源 ， 而且將焦點對準了醫療 。 我們內部研判 ， 這是一個關鍵節點 ， 是時候拿出我們的成果 ， 與世界頂尖水平進行一次正面的較量 。
在中美科技競爭的宏觀背景下 ， 我們必須承認差距客觀存在 。 因此在醫療這一關鍵領域 ， 我們選擇開源Baichuan-M2 ， 不僅是為了讓外界對百川的實力有更透明、更深入的認知 ， 更是希望為中國整體的AI創新生態提供一份力量 。
此前的M1模型 ， 我們雖已在醫療領域有所布局 ， 但尚未完全聚焦 。 因此 ， M2的發布意義非凡——它標志著百川的戰略重心 ， 從「全線出擊」轉向「聚焦醫療」后的第一次亮相 。
張鵬：在這個時間點發布M2模型 ， 本質上是讓大家重新認識百川 。 你會如何定義百川真正要做的事 ， 以及你們在技術路線上的成長目標？
王小川： 我們要在模型層面 ， 做到醫療突出 ， 同時通用能力保持在第一梯隊 。
這其實是我們一直以來的一個念想 ， 但在過去 ， 坦白說 ， 「醫療突出」這一點我們是沒能完全做到的 。 而今天 ， 我們開始真正地做到了 。
這相當于我們「換了個身位」 。 過去 ， 我們和大家在同一個戰壕里 ， 在各種通用大模型的榜單（比如MAU）里打滾 ， 試圖在混戰中找到自己的定位 。 而現在 ， M2的發布 ， 是我們找到自己新定位之后的第一次正式亮相 。
接下來 ， 在今年內 ， 我們會陸續發布面向醫生和普通用戶的產品 。
所以 ， 我們規劃了清晰的三條產品線：基礎模型、醫生端產品、大眾端產品 。 今天的M2 ， 只是我們宏大計劃中的一個起點 。
張鵬： 今天我們看到 ， 像GPT-5這樣的通用模型 ， 延伸到醫療時表現得很強大 。 而百川選擇聚焦于醫療 ， 做出了一個開源的、在性能上「接近」它的專業模型 。 這個時候 ， 專用模型的獨特價值是什么呢？
王小川： 我們的目標 ， 并不僅僅是「接近」 ， 而是要在醫療這個垂直領域 ， 最終超越通用模型的能力 。
畢竟醫療不像數學或物理 ， 僅僅依賴邏輯和公式 。 醫療知識體系中 ， 既包含嚴謹的邏輯推理 ， 也融合了大量獨有的醫學認知 ， 甚至深受政策、法規和臨床指南的影響 。
當然 ， 現階段去和大家反復爭論我們「如何」做到這一點 ， 大家也聽不進去的 。 只有當我們做到 ， 并且是持續地做到 ， 大家才會回過頭來 ， 重新審視并認同我們當初的想法 。
這讓我想起了當年深度學習領域兩條著名的技術路線之爭：Bert和GPT 。 當時 ， Google憑借其巨大的品牌影響力和行業地位 ， 力推Bert路線 ， 整個學術界和產業界幾乎都聞風而動 。 大家為什么相信Bert？答案很簡單——「因為它是Google」 。 直到OpenAI的GPT-3足夠好后 ， 大家才猛然回頭 ， 重新認識并相信GPT路線的巨大潛力 。
張鵬：能否幫我們理解一下 ， 以「造醫生」為目標 ， 為什么比單純追求「智能高度」 ， 要復雜得多？
王小川： 今天的模型 ， 普遍缺乏「提問」的能力 。它們的核心是「解題思路」——你提出問題 ， 它給出答案 。 這或許并非模型發展的核心方向 。
其次 ， 像「減少幻覺」是所有大模型共同的課題 ， 但在醫療領域更嚴肅 ， 因為它直接關乎生命健康 。 我們追求的是「循證醫學」 ， 模型必須能精準、可靠地調用外部知識庫來支持它的每一個判斷 。
而這些需求 ， 既不完全在當前通用大模型廠商主攻的技術路線圖上 ， 也無法用現有的技術范式完美解決 。 這就是我們的機會所在 。
更進一步 ， 當模型要真正落地為產品時 ， 你還必須解決一系列應用層的問題：如何符合當地的政策法規？如何融入人文關懷？如何通過Agent架構將其能力進一步提升？
這是一個全鏈路的工程 。 我們不僅要在底層模型上做得比通用模型更好用 ， 還要在上面疊加厚重的應用層開發 ， 才能最終交付一個真正「可用」的產品 。 而這些 ， 恰恰是通用模型公司缺少的 。
張鵬：在你看來 ， 要「造醫生」 ， 還有哪幾個最關鍵、最核心的問題 ， 是目前行業沒有解決 ， 百川正在做的？
王小川： 首先 ， 就是我們剛才提到的「提問」與「幻覺」 ， 我們正在做 ， 這是一部分 。 另外 ，
一個「好醫生」 ， 遠不止于此 。 它要有記憶力 ， 能記住你的病史 。 同時 ， 醫生不僅要與患者溝通 ， 更要懂得如何與患者家屬溝通 ， 理解并處理這些復雜的人際關系 。 這些是通用模型在設計時根本不會去深入思考的問題 。
所以 ， 我們的路徑是：在底層 ， 死磕「提問」與「循證」；在應用層 ， 則要賦予模型更好的記憶和對關系的理解 。
張鵬： 你其實是在智能的高度之上 ， 疊加了多個嚴苛的約束和目標？
王小川： 對 。 甚至我們還可以繼續向下延伸 ， 比如在慢病管理和長期健康追蹤等場景中 ， 都存在著大量的技術問題和用戶需求洞察需要去解決 。

04 AI家庭醫生 ， 將比無人駕駛更早到來張鵬：從你的視角看 ， 從技術基本就緒 ， 到我們每個人都能擁有一個AI驅動的私人家庭醫生 ， 這條時間線你會如何預期？ 王小川： 我認為 ， 它會比無人駕駛更早到來 。
張鵬： 這個判斷很有意思 。 為什么？
王小川： 我們明年（2026年）會推出大的版本迭代 ， 它的技術成熟已經肉眼可見 。
將造醫生與無人駕駛對比 ， 有很多相似性 。 因為大眾普遍認為 ， 他們都與生命安全直接相關的 ， 都很棘手 。
但相比無人駕駛 ， 造醫生更容易落地 ， 第一個是因為無人駕駛并非絕對剛需 ， 沒有AI司機 ， 你依然可以自己開車 。 但醫療不同 ， 沒有醫生 ， 你自己無法給自己看病 。
第二個是 ， 無人駕駛的「人機協同」問題 。 我們知道 ， 測試無人駕駛汽車的安全員 ， 需要時刻保持精力高度緊張 ， 隨時準備接管 ， 其勞動強度遠超普通司機 。 因為一旦系統失靈 ， 留給人的反應時間可能只有短短兩秒 。
但AI醫生和人類醫生可以形成非常高效、安全的分工協作 。AI給出的診斷報告或治療方案 ， 可以由人類醫生進行最終審核 。 更重要的是 ， 在廣闊的院外場景 ， AI醫生完全可以獨立工作 ， 因為它不直接涉及開具處方 。
這里 ， 我們內部有一個洞察：能夠改變用戶行為 ， 就是在創造價值 。價值不一定只體現在「診斷」和「開藥」 。
比如 ， 當好幾位醫生給了你不同的建議時 ， 你該聽誰的？當你家人生病時 ， 你是否應該立刻送往醫院？這些大量的、關鍵的決策 ， 本身就蘊含著巨大的醫療價值 。 在這些場景中 ， AI醫生可以獨立發揮作用 ， 甚至無需人類醫生配合 。
張鵬：我們此前曾用自動駕駛的L1到L5等級 ， 來類比「造醫生」的過程 。 今天 ， 你對這個分層有新的迭代與思考嗎？
王小川：今天我確實有了一些新的思考 。 過去我們套用自動駕駛的邏輯：L1仍需人工主導；L2能在單任務上獨立工作；L3轉為機器主導、人類輔助 ， 并處理多任務（如同時開具處方和撰寫病歷）；L4則基本實現全程自動化 ， 人類僅作為監督 。
這個分層邏輯 ， 本質上仍是從單一維度 ， 即機器自身的能力來劃分的 。
但我今天認為 ， 醫療的演進需要引入額外的維度 ， 比如場景 ， 院內還是院外？「院外」場景 ， 就像是「低速無人駕駛」 。 這個市場空間廣闊 ， 需求雖不像院內那樣要求「一錘定音」式的高精尖 ， 但其輔助價值巨大 。
第二個新維度 ， 是「關系」 。 醫療決策不僅是面向患者 ， 更需要與家屬溝通 ， 這其中蘊含著深厚的人文關懷 。 我們常說一個詞叫「嘴替」 。 比如 ， 子女直接勸說父母關注健康問題 ， 他們可能不聽；但換成醫生的身份 ， 他們聽從的意愿會顯著提高 。
張鵬：最近 ， 大廠們紛紛開始布局AI醫療 。 你覺得百川智能又進入他們的射程之內了嗎？
王小川： 我們做的是完全不一樣的事 。 第一個 ， 我們的目標是「造醫生」 ， 而不是一個簡單的「健康顧問」 。
其次 ， 把產品形態做成一個小程序或一個APP ， 不是醫生應該有的形態 。 醫生 ， 就應該有醫生的形態 。 當你把它做成一個APP時 ， 用戶潛意識里就已經不把它當「人」看了 。這里邊一個是關系 ， 一個是使用習慣得一致 。 今天 ， 行業里絕大多數公司在做AI醫生時 ， 其核心訴求依然是「降本增效」 。 他們把AI當成一個提升效率的工具 ， 嵌入在原有的APP邏輯里 ， 追求的還是日活躍用戶（DAU）之類的指標 。 他們沒有把AI當成一個「人」來看待 。
張鵬： 你提到 ， 明年我們或許就能親身體驗到「百川造醫生」的進展 。 能否提前描繪一下 ， 我們應該抱一個怎樣的「正確預期」？
王小川： 我相信大家都能想象擁有一個私人醫療顧問的場景 ， 這似乎是行業的共識 。 但屆時你會發現 ， 百川的思路與市面上其他做AI醫生的公司 ， 截然不同 。
但我最近還是進步了一點 ， 覺得預期管理這件事最簡單的方法就是做到再說 ， 所以我現在就先不講太多了 。
張鵬： 我猜想 ， 你的最終目標是讓服務直達用戶和家庭 ， 而非僅僅嵌入醫院的某個流程體系？
王小川： 是的 。 我們的第一步是先進入醫院體系 ， 獲得專業的認同與背書 。 到明年 ， 我們就會將服務直接推向消費者（C端） 。

    推薦閱讀