王小川竟然拉来了顶尖三甲院长，一起用AI「造医生」
百川百小医背后，是一次「造医生」的实践。
作者｜Li Yuan
一年前，王小川第一次提出 用 AI「造医生」 时，医疗圈的第一反应是被冒犯。
一年后，越来越多用户已经开始用豆包「看病」，甚至带着 AI 的回答去医院问医生。医患之间围绕「谁有解释权」的摩擦变得更明显。但有意思的是，三甲医院对于 用 AI「造医生」 的态度却发生了翻转：从警惕，转向合作。
发生了什么？
今天，AI 在医疗领域已经走到了一个非常微妙的位置。
不管你怎么看，你的爸妈很可能已经开始问豆包健康问题了。看病时，他们也可能会把豆包的回答拿给医生看。患者其实也知道，通用大模型不能全信；但不可逆的是，患者侧的信息通路已经被通用大模型打开了。
医生侧的警惕也不难理解。一个不够准确的通用 AI，可能会制造误解；患者带着半真半假的信息来质疑医生，也会在无形中和医生争夺医疗解释权。
但问题是：大家为什么要问豆包？
因为很多问题，不去医院就没有地方问。人不可能为了每一句听不懂的医嘱都再去一次医院，也不可能为了每一个异常指标、每一次用药困惑、每一条健康短视频都去挂号。大医院医生太忙，基层能力又不够，院前、院后管理长期缺位。
这背后，是中国医疗长期存在的供给问题。
近期，百川智能发布了「百小医」。它是一个基于百川模型能力的 AI 家庭医生：用户可以在院前、院后问诊，也可以获得主动健康提醒。
在这次发布中，最有意思的一点是，百川并不是在一个 AI 公司自己的场子里，单方面宣布「我要进入医疗」。它把这件事，放进了一场更高规格的公共讨论里。
参与此次交流的，不只有产业界人士，还有来自医学、公共卫生、医保、卫健、临床一线和高校科研体系的多方代表。中国科协名誉主席、中国科学院院士韩启德，北京市卫健委副主任陈航，国家医疗保障研究院院长应亚珍，以及多位医学领域院士和临床专家，都出现在了这场讨论里。
这不是一次普通的 AI 产品发布会，而是一场科技圈和医疗圈围绕「AI 应该如何进入医疗」展开的正面相遇。
从在场医生的表态来看，医生真正反感的，不是 AI 本身。真正医者仁心的医生，最清楚现有医疗供给有多不够，也最知道患者在诊前、诊后、院外和家庭里有多少问题没人接住。而他们比谁都更希望 AI 能解决这些问题。
百川不寻常的「造医生」实践，已经引起了医疗界顶尖人士的关注。更重要的是，它正在把 AI 医疗从「模型能力展示」推进到「医疗供给重构」；从一个产品功能，推进到一个更正式的医学与公共卫生议题。
这才是百川「造医生」最值得期待的地方。
01
做 AI 医生的最底层能力，在于模型智能
一个问答框和一个真正的 AI 家庭医生，区别在哪里？
通用模型加上医学知识库，已经能回答不少健康问题。用户问「这个指标是什么意思」，模型解释一下；用户问「这个药有什么副作用」，模型列出注意事项。看起来也可以很专业。
但这样的产品，还不能真正增加医疗供给。
原因在于，现实中的患者很少能准确地描述自己的问题。他可能只会说「最近不舒服」「孩子发烧了」「脚有点疼」。在信息不足的情况下，通用模型要么过早给出一个看起来确定的答案，要么为了安全，最后落到一句「建议咨询医生」。
前者可能误导患者，后者又把问题重新交还给本就忙碌的医生。
一个好的家庭医生，不能只回答已经被问出来的问题。它要知道还缺哪些信息，继续追问，判断风险，必要时把患者推向医院。它也要在诊后持续跟进：药有没有按时吃，症状有没有变化，什么时候应该复查。
面对这些问题，一种常见做法是给通用模型增加知识库、工作流和安全规则。百川选择的路线更重：从模型侧解决问题，让模型本身具备更强的问诊能力。
作为大模型公司中少数专注医疗的玩家，王小川的百川智能做医疗 AI 最特殊的地方，在于它不是从一个现成的通用模型出发，往上套一层医疗应用，而是从一开始就把医疗当成大模型必须正面攻克的核心场景。
问诊、循证、专病、多模态、长期管理，这些看起来是医疗能力，本质上也是对模型推理、交互、证据使用和真实世界理解能力的系统性考验。
王小川表示，团队进行测评后，发现问诊准确度每提升 2%，诊疗结果准确度就会提升 1%。医疗模型的关键，不只是「答对」，而是先把该问的问题问出来。
百川所谓的「造医生」，首先就是在这里和普通医疗问答拉开差距。
百小医背后的 M4，强化了问诊、循证、专病和多模态能力：不仅要继续追问，也要基于指南和医学证据回答；不仅要处理文字，还要读懂报告、处方和图片。
百川内部将模型评测分成了几个重要的维度：
第一类是综合医疗能力，包括模型在 HealthBench 等评测集上的表现；第二类是幻觉评测，单独观察模型会不会把不确定的信息包装成确定结论；第三类是循证能力，判断模型能不能找到可靠依据，并按照医学证据给出建议；第四类则是问诊能力，重点看模型会不会在信息不完整时继续追问，把一句模糊的「不舒服」整理成有判断价值的线索。
这条路线显然更难，也更有价值。模型最终有没有价值，不在于能不能给出乍一看像样的回答。医疗 AI 的竞争，最后比拼的是谁能把模型智能真正推到医疗的门槛之上。
02
以患者为中心，才能找到正确的产品形态
过去几年，医疗科技产品并不少。
互联网问诊、在线挂号、电子病历、医生 Copilot、院内质控系统、AI 辅助诊断，每一类都在解决医疗体系里的某个问题。
但 很多产品的默认视角，其实并不是普通患者和家庭。
服务医院的产品，往往围绕管理效率展开：病历结构化、质控、科研、医保控费、院内流程优化。它们能提高医院运转效率，但普通人很少直接感受到它们的存在。
服务医生的产品，往往围绕医生工作流展开：写病历、查指南、总结病情、辅助诊断、生成随访记录。它们能减轻医生负担，也确实有价值，但 AI 仍然站在医生身后。患者能否受益，仍然取决于医生有没有时间、医院有没有能力，把这些效率转化成更充分的解释、随访和管理。
互联网医疗也解决过一部分触达问题。它让挂号更方便，让问诊可以在线发生，让买药、续方、复诊变得更顺滑。但互联网医疗本质上更多是在重新分配和连接既有供给，而不是创造新的供给。
它让你更容易找到一个医生，但并没有让医生拥有更多时间；它把一部分问诊搬到了线上，但并没有真正补上院前、院后、家庭和基层这些长期缺位的服务。
过去医疗圈内部做 AI，也常常没有跳出这个思路。
很多项目的出发点，是用一批医疗数据训一个模型，让它在某个专病、某类影像、某个诊断任务上，把准确率再往上推一点。它们可以写进论文，可以服务课题，也可以在某个院内场景里发挥作用。
而大量医疗问题，恰恰源自医疗里最底层的问题：供给不足。
很多年轻人陪家人去医院时，可能都见过这样的场景：老年人站在挂号机、取号机、缴费窗口前，不知道下一步该点哪里，也不知道该问谁。有人低头翻着手机，有人拿着报告在队伍里来回走，有人看起来只是想找一个人帮他判断一下：「我现在到底该怎么办？」
那一刻很容易让人心酸。因为你会想到，如果有一天是自己的父母独自去医院，他们会不会也卡在这些环节里；如果将来是自己老了，面对更复杂的医疗系统，又会不会也一样无助。
普通人在医疗系统面前长期处于被动位置：听不懂医学术语，看不懂检查报告，不知道该挂哪个科，不知道什么时候必须就医，也不知道医生说的话回家之后该怎么执行。
百小医这次真正有意思的地方，正在于它选择了和这样的普通人站在了一起。