---
title: "非凡挚友 | Med-Go CEO：成为好医生的终身伙伴"
id: "20250325A05G9600"
publicationAccount: "非凡产研"
originalPublishedAt: "2025-03-25T14:02:10+08:00"
canonical: "https://ffcap.cn/research/20250325a05g9600"
source: "https://view.inews.qq.com/a/20250325A05G9600"
sourceAccount: "https://news.qq.com/omn/author/21759984"
language: "zh-CN"
tags: ["AI 医疗","模型与基础设施","办公协作","工作流","OpenAI"]
---

# 非凡挚友 | Med-Go CEO：成为好医生的终身伙伴

文章中的“非凡产研”是原始发布账号署名，不代表已核实个人执笔作者。引用访谈或圆桌观点时，应按正文标明具体发言人及当时身份；无法确认时不要推断。日期为原始发表日期，历史信息以发布时点为准。

![非凡挚友 | Med-Go CEO：成为好医生的终身伙伴 · 原文图片 1](https://inews.gtimg.com/om_bt/O0FuW0jMYa8ef8cHglJv90Z8Fg4ey-4Kr7MnGknjnRjTUAA/1000)

##    **嘉宾介绍**

![非凡挚友 | Med-Go CEO：成为好医生的终身伙伴 · 原文图片 2](https://inews.gtimg.com/om_bt/O-qhkGgm2ismUBc22YVISV74m1CBkcLxb27OXJbULkpfgAA/1000)

##    **快问快答**

****一、产品与技术****

**Q. 请提供一段对于公司、产品和创始人的简要介绍。**

医院的创新能力和诊疗水平，一直是困扰我国医疗体系高速发展的长期问题。同时，如何加快优质医疗资源的扩容，平衡优质医疗资源的布局也早已提上国家日程。在这样的背景下，在国内医学专家与中科院软件所共同成立的“生物医学人工智能联合实验室”的指导下，上海烁乐信息科技有限公司聚集了一批国内优秀、年轻的人工智能团队，共同研发并落地应用的医学人工智能大模型Med-Go。

Med-Go是一个由人工智能团队与国内一流的医学专家团队，通过强耦合的方式共同创造的产品，体现了医学团队与技术团队交叉融合的优势，实现了从研发到实际应用的落地。  
  
**Q. 如何定义产品的核心价值定位？与通用大模型（如ChatGPT）相比，您的AI应用在垂直场景中解决了哪些独特痛点？**

Med-Go的核心价值在于构建“医生+AI”的深度协作模式，通过人工智能技术提升医疗服务效率、优化诊疗流程，并降低基层医疗资源不足带来的诊疗质量差异。它不仅仅是一个医学大模型，更是一款深度融合临床实践、精准医疗和智能辅助决策的医疗AI平台。  
与通用大模型（如ChatGPT）相比，Med-Go在垂直医疗场景中的独特价值，包括：  
医学知识的专业性与可靠性；临床决策支持（CDSS）能力；针对医疗场景优化的用户体验；数据安全与隐私合规；以及医学科研与知识沉淀。  
总体而言，Med-Go的核心价值在于“专注垂直医疗场景，深度融合医生工作流”，Med-Go的定位不仅是医疗AI，更是医生的智能助手，通过专业化的医学推理能力、精准的临床决策支持、符合医疗合规的架构设计，为医疗机构提供高效、安全、可落地的AI赋能方案。这使得它在医疗场景中相比通用大模型具备不可替代的竞争优势。  
  
**Q. 在数据整合与应用中，如何应对企业数据孤岛、格式差异及实时性要求等挑战？**

首先，Med-Go不用病例训练模型；其次，在本地化部署，医疗数据整合的过程中，医院不同科室的数据通常分散在独立的信息系统（如HIS、LIS、PACS等）中，面临数据孤岛、格式差异、实时性要求等挑战。Med-Go通过标准化数据接口、智能数据治理与联邦学习等多项技术手段，实现高效、精准、安全的数据整合和应用，助力医疗机构提升数据流转能力，提高诊疗效率。  
  
**Q****. 如何平衡生成式AI的创新能力与输出可靠性？在降低“幻觉”风险方面有哪些技术或流程保障？**

生成式AI在医疗场景中的应用需要兼顾“创新能力”（提供高效、智能的诊疗建议）与“可靠性”（确保医学建议的安全性、合规性）。相比开放性强但“幻觉”风险较高的通用生成式模型，Med-Go采用混合模型架构、多层验证机制以及闭环反馈优化，以降低错误输出，提高医学推理的可信度。以降低“幻觉”风险的核心措施为例，具体包括如下：

![非凡挚友 | Med-Go CEO：成为好医生的终身伙伴 · 原文图片 3](https://inews.gtimg.com/om_bt/OK13THNCFqwQeUooFl8Dmq5nxQT7IATCDka7j8aUUNTXAAA/1000)

总体而言，在医疗AI应用中，生成式AI的创新能力和医疗决策的可靠性需要通过技术架构、人工审核、反馈闭环等多层机制进行权衡。Med-Go 通过“生成式AI + 规则引擎 + 反馈优化”的方法，确保诊疗建议在保持智能化的同时，符合医学标准，降低幻觉风险。这种人机协作、规则引导、动态优化的模式，使Med-Go 能够真正成为医生信赖的AI医疗助手，助力医疗机构提升服务质量和诊疗效率。

**二、市场与商业化**

**Q: 面对通用大模型厂商的竞争，如何构建差异化护城河？是否考虑与基础模型厂商形成生态合作****？**

随着通用大模型的不断进化，垂直领域AI应用面临更多的竞争压力。Med-Go 作为专业医AI平台，不与通用大模型直接竞争，而是通过深度垂直化、跨模态集成、生态合作构建护城河，形成自身独特的市场壁垒。

Med-Go 的核心竞争力在于医疗行业的专业性、落地性、安全性，这些是通用大模型难以超越的核心壁垒，且大模型目前在应对垂直专业领域时，依然表现出严重的“幻觉”问题。但是，与此同时，Med-Go 也不会与大模型厂商直接竞争，而是打造合作生态，与底层基础模型厂商形成互补关系。基本措施包括：

![非凡挚友 | Med-Go CEO：成为好医生的终身伙伴 · 原文图片 4](https://inews.gtimg.com/om_bt/OYm4kUFvvNUr0FFx1jKDY_WnQ0JYfLE8P0_vT9ssYOWRUAA/1000)

**Q：AI应用的定价策略如何设计？是否存在从“按调用量付费”向“价值导向定价”转型的趋势？**

在医疗AI市场中，定价策略需要平衡技术成本、市场竞争力、用户接受度和长期商业可持续性。Med-Go 作为医疗AI产品，其定价策略不能单纯沿用通用大模型的 “按调用量付费（API计费）” 模式，而应更多考虑医疗行业的服务价值和落地场景的长期收益，逐步向 “价值导向定价” 转型。

**三、伦理与社会影响**

**Q：在AI产品开发中，如何应对伦理风险（如数据偏见、深度伪造）与监管合规要求**？

在医疗人工智能的开发与应用中，伦理风险（如数据偏见、深度伪造、黑箱决策）和监管合规（如数据安全、患者隐私保护、AI临床可解释性）是核心挑战。Med-Go 通过公平性优化、模型透明化、隐私保护技术 以及 符合全球医疗法规的设计 ，来确保AI 既能提供高质量医疗辅助，又符合伦理与合规要求。

Med-Go的伦理与合规双重保障体系，包括：

![非凡挚友 | Med-Go CEO：成为好医生的终身伙伴 · 原文图片 5](https://inews.gtimg.com/om_bt/O6hr299bcqrqNwL4b31l6VGa4NUuaZmG4CKQCq-CAZQ30AA/1000)

总体来说，在伦理方面，Med-Go采用了公平性优化、医学知识图谱、决策透明化，防止AI 偏见、深度伪造问题，提高可信度。核心思路是让AI 更透明、更安全、更合规，真正成为医生信赖的智能助手。未来，Med-Go 将在伦理保障、合规管理、可信AI建设方面持续优化，推动 AI 在医疗行业的长期可持续发展。

**Q: 如何看待AI技术对就业市场的影响？您的产品是否设计了对“人机协作”模式的优化支持？**

人工智能的发展正在重塑全球就业市场，尤其是在医疗行业，AI的应用不仅影响医生、护士、医技人员等传统职业，还改变了医疗管理、医学科研和患者服务的方式。AI不是单纯的“取代”人类，而是“赋能”人类，优化工作方式，提高效率。Med-Go 在医疗场景中强调 “医生+AI” 的人机协作模式，而不是取代医生，通过智能化技术减轻重复性工作、提升临床决策质量，并优化医疗工作流。

在AI发展过程中，最大的挑战之一是 如何让医生接受AI，而不是担心AI取代自己。Med-Go 采取以下策略确保AI是医生的助手，而不是对手：

![非凡挚友 | Med-Go CEO：成为好医生的终身伙伴 · 原文图片 6](https://inews.gtimg.com/om_bt/ONjYHez9URiK5UO-Ul8WrBwWFuPlSUzrz9Pzv3J_np410AA/1000)

在未来，掌握AI 的医生，将比不会用 AI 的医生更具竞争力。Med-Go 作为智能医疗助手，将成为医生工作中不可或缺的利器，真正实现 “人机协作”下的医疗智能化升级。

**四、未来趋势**

**Q: 未来3年，哪些技术趋势将深刻影响AI应用层的发展？您认为“AI管人”与“人管AI”哪种模式更具商业潜力？**

作为Med-Go 创始人，我深刻体会到 AI 在医疗应用中的机遇与挑战。从实际落地经验来看，未来 3 年，AI 应用层的发展将受到以下四大技术趋势的深刻影响：

**1\. 大模型与行业小模型的融合。**Med-Go 不会与大模型正面竞争，而是用“医疗垂直小模型”增强医疗 AI 的专业性；

**2\. AI 多模态能力的突破。**AI 未来不会仅仅理解文本，而是能同时分析医学影像（CT/MRI）、病历（EMR）、生理监测数据（ICU）、基因组数据，形成真正的多模态医疗 AI；

**3\. 生成式 AI 的“可解释性（XAI）”成为刚需。**未来3 年，所有医疗 AI 都必须具备可解释性，否则无法真正落地医疗临床——这就是Med-Go的竞争壁垒和一直在努力的方向；

**4\. “AI API 经济”将改变 AI 商业模式**。过去，AI 的商业模式主要是 “卖 API”，但未来，AI 更可能变成完整的 AI 生态平台，提供 API + 业务场景深度融合。医疗 SaaS + AI API 结合将成为未来主要盈利模式，医院按 患者量 / 医生使用量 / 诊断提升收益 进行 AI 采购。

**关于“AI 管人”和“人管 AI”，哪种模式更具商业潜力？从商业潜力来看，“人管 AI” 更符合未来医疗 AI 发展的方向。理由如下：**

**1\. 医疗行业更注重“医生主导”的 AI。**如果 AI 直接“管医生”，医生无法信任 AI 诊疗建议，医疗责任无法归属。“人管 AI” 让医生在 AI 的辅助下提高效率，但最终决策权归医生，更符合当前医疗合规要求。

**2\. 监管层面对“AI 管人”持谨慎态度。**全球医疗监管机构（如FDA、NMPA、CE MDR）都不允许 AI 直接代替医生决策。例如，FDA 只批准 “AI 作为决策辅助系统”，但不允许 AI 直接做出诊断结论。“人管 AI” 符合医疗监管法规，更容易进入市场。

**3\. “人管 AI” 模式在医院更容易落地。**如果AI 直接替代医生，医院不会买单，因为患者仍然信赖“有医生的医院”。最优模式是 “AI 赋能医生”，让医生借助 AI 更快做出决策，而不是让 AI 取代医生。

**\- END -**

---

原始发布版本：https://view.inews.qq.com/a/20250325A05G9600

本站阅读页：https://ffcap.cn/research/20250325a05g9600