王小川拉着三甲院长用AI“造医生”，中国医疗范式正在被改写

引言：AI如何补上中国14亿人面前最真实的医生缺口？

王小川与院士对话

2026年5月22日，清华大学百川楼。

中国工程院院士韩德民、中国工程院院士乔杰、中国科学院院士顾东风、中国工程院院士王宁利——四位来自不同医学领域的顶尖科学家，与北京儿童医院院长倪鑫、中国医学科学院肿瘤医院副院长李宁、上海交通大学瑞金医院学术委员会主任瞿介明同台落座。他们的中间，是百川智能创始人兼CEO王小川。

这个场面，打破了一个长期以来的惯例：医疗界的专家论坛，历来是医生主场。而这一次，是AI圈主动邀请医疗最顶尖的力量走近，坐下，正面交锋。这场“高端局”的核心议题直击“AI如何补上中国14亿人面前最真实的医生缺口”“AI能否替代医生”的尖锐叩问。

这是一次技术力量与医学智慧的深度碰撞，是一个大模型公司在中国医疗改革最紧迫的命题前，给出自己答案的高光时刻。

王小川主题分享

三甲医院的两道伤：诊前盲区与诊后断线

过去一年，一个巨大变化悄悄发生在中国数百家三甲公立医院中。

电子病历的结构化录入、影像诊断的AI辅助、科研文献的智能整理……以DeepSeek为代表的通用大模型被大规模部署进院内系统，医生的工作效率在部分环节获得了明显提升。然而在诊室里，另一幅图景同样真实存在：患者涌进诊室，手里举着手机截图——那是他们问通用AI得到的“诊断”。医生接诊时必须先花大量时间纠正患者的认知偏差，才能开始真正的问诊。原本就脆弱的医患关系，反而因此雪上加霜。

这或许是通用AI进入医院后出现的第一道裂痕：诊前盲区。

患者不知道该不该去医院、去什么级别的医院、该挂什么科、该怎么描述自己的症状；通用模型将幻觉包装成了确定性，给出“看似专业、实则危险”的回答，虽然填满了这道空白，但是制造了新的混乱。

三甲医院的痛点不止于此。

当患者结束就诊、离开医院的那一刻，一段漫长的“信息真空”随之开始。用药依从性差、康复执行不到位、忘记复诊时间……这些问题在院内尚可管理，在院外却无力触达。一位肿瘤科医生曾坦言：“我管得了患者手术台上的仨小时，管不了回家的三个月。”

于是，第二道裂痕出现了——诊后断线。中国公立医院的医生每天超负荷的患者接诊量，导致其根本没有多余的精力做长期随访。患者的诊后管理，是一片被大部分医院遗忘的荒野。

两道裂痕加在一起，构成了公立医院在全流程管理中的系统性缺口：诊前，患者无序涌入；诊后，患者无人问津。更深层的问题是，通用大模型本质上依然是“搜索升级”，而非“医疗供给”，天然无法弥合这道缺口。

面对中国优质医疗资源与服务供给不足的主要矛盾，用AI提升优质医疗资源供给才是不二法门。这个判断，是王小川在百川内部反复确认的基本前提，也是他在这场论坛中开门见山抛出的核心观点。

Baichuan-M4是“专用大脑”，百小医是“身体”

如果把通用AI比作一个读了很多书但没有临床训练的“高学历门外汉”，那百川要做的，是训练一个真正内化了医学推理逻辑的“专用大脑”。

百川的解法，是从底层架构开始重建。王小川将医疗对大模型的刚性要求总结为三点：低幻觉、强循证、会提问。这三条要求，通用模型一条都达不到。

幻觉问题，是医疗AI最不能触碰的红线。Baichuan-M4依托原创的事实性感知强化学习算法，将裸模型的事实性幻觉率降至3.3%，再创全球新低。同时，Baichuan-M4将权威医学指南拆解为1000余条原子化临床路径，每一条由顶尖临床专家定义与校验，使患者不再被“看似合理”的编造所误导。此外，Baichuan-M4拥有深度问诊能力，可以像临床医生一样步步追问，捕捉患者描述中的关键细节，哪怕患者的表达残缺不全、语焉不详，模型也能通过逻辑推演，打破不确定性的边界，逐步还原病情全貌。

有了顶尖的大脑，还需要一个能真正“站在患者身边”的产品。

王小川有一个常常引用的数字：患者在一次完整的就医历程中，诊前的症状问诊、就医准备，诊后的病情分析、医嘱解读、用药管理和日常监测，占据了约95%的时间；而诊中5%的关键决策点：下诊断、开处方、做手术，必须由真人医生来完成。AI家庭医生“百小医”瞄准的正是那95%，并且稳稳地“接住”了。这是百小医“双医模式”的精准实践。

“M4是大脑，百小医是身体。大脑解决的是能力问题，身体解决的是触达问题。”——王小川

百小医的另一个核心设计，是在APP的基础上开发了以家庭为单位的微信BOT载体。它有三项独特能力，零⻔槛接⼊、家庭群同时管理多个⼈、可以主动发起健康管理，实现“安安心心管家人”。这个设计意图，表明它不是在服务一个就诊行为，而是在建立一段持续的健康关系。

与顶尖医院联袂，共创四种AI医生形态

技术可以宣传，产品可以演示。但在严肃医疗领域，真正有说服力的只有一件事：临床数据。百川选择了一条更难、也更扎实的路——与三家国家顶尖医院联合开展临床研究，让数据说话。

倪鑫院长主题分享

会议现场，北京儿童医院院长倪鑫表示，医院和百川联合开发了“福棠·百川”儿科大模型及AI儿科医生专家版、基层版，采用儿科“循证模式”提供儿科诊疗及儿童健康保健的AI服务。经过40余场会诊、大查房及百余病例验证，百小医“AI儿科医生+多学科专家”双医并行的多学科会诊模式，其诊疗方案与专家会诊结果吻合率高达95%。家庭版已在北京儿童医院线上小程序试运行，用户超20万，下一步将依托儿科医联体全面落地。

李宁副院长主题分享

中国医学科学院肿瘤医院副院长李宁充分肯定了“陪伴AI”的“疗效”。百川“陪伴AI·百小爱”在与肿瘤患者持续交流的16周临床观察中，回答出现偏差错误需要医护介入的占比仅0.25%，用户平均周留存率达79.8%，远高于行业的常规水平。患者把AI当成了“活生生的人”。

瞿介明主任主题分享（线上）

上海交通大学瑞金医院学术委员会主任瞿介明提到，基层慢性阻塞性肺疾病管理长期未被解决的核心痛点是发现难、确诊慢、管不好。百小医可以帮助患者通过“一部手机+3分钟咳嗽音”的模式完成高精度的疾病初筛，目前已在30座城市186个社区完成了超5万人次的疾病高危筛查。

四级诊疗：AI“造医生”增加供给，在三级诊疗下铺一层家庭底座

三个临床案例，指向了百川更宏大的战略构想。

中国优质医疗资源分布不均，整体呈“倒三角”态势。患者越过基层涌向三甲，根源在于基层医生数量不足、能力有限，“接不住”。百川认为，这首先是总量问题，其次是结构问题。

“技术是第一生产力，我们却总想改生产关系。分级诊疗是希望患者从基层往上分诊，但患者对基层水平不信任，就很难实现。”——王小川

仅靠政策引导很难快速改善格局。百川的底层判断是：解决医疗困境第一步，不是重新分配存量，而是创造增量供给。AI家庭医生的出现，使得“造医生”成为可能。它不是取代真人医生，而是在“强基、稳二、控三”的政策导向下，以极低边际成本复制和扩展顶尖医生的核心问诊、筛查、随访等能力，在三级诊疗体系之下铺设一层无处不在的家庭底座。

这正是百川四级诊疗的战略深意：先做大规模供给扩容，再做精准结构分流。供给充足了，分流才有可能成立；信任建立了，分级才有根基。

向上，AI家庭医生完成疾病初步筛查和主动分诊，明确告诉患者该去基层医院还是三甲医院，从根本上改变就医惯性；向下，它直接触达每一个家庭，承接海量的诊后随访和日常管理工作。

这与国家政策方向高度吻合。国家五部门发布的《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》已明确2030年基层智能辅助全覆盖的目标，AI家庭医生正是实现这一国策的“新物种”。

论坛圆桌上，四位院士从各自的领域给出了相似的判断：

“路径非常正确，问题是我们要做切实可行的数字模型，一个疾病一个疾病对应起来。”——韩德民院士

“AI不会取代医生，但作为助理，它已经在让诊疗变得更快、更好。”——乔杰院士

“短期之内AI定位在赋能医学，但我们应该能见到人工智能的医院。”——顾东风院士

“AI的关键是要经受住真实临床的检验，百川已经到了技术走向临床的临界点。”——王宁利院士

四位院士达成的基本共识是：AI必须以专用模型、深入临床、真实验证的方式进入医疗。而这，恰恰是百川一直在做的事。

巧合印证：一份公立医院可复制的“百川处方”

院士引领，顶尖医院先行，这些对百川而言只是起点。王小川真正的野心藏在医疗专用模型的底层代码里：百川要为全国正在摸索AI的公立医院管理者，精准提供一个个看得见、摸得着的“百川处方”。

健康界作为长期深耕医院管理领域的观察者，在与众多管理者的深度交流中，敏锐地捕捉到一组正在凝聚的行业共识：AI在医疗领域的落脚点，不是替代医生，而是解放医生。

北京清华长庚医院董家鸿院士曾对健康界表示，“我们要打造一个无围墙医院，一个数字孪生的健康服务体系。为每一位患者提供一个终身的‘健康伴侣’。三级医院最优质的医疗资源必须下沉，实现均衡布局，而这必将是一场由AI驱动的革命。”

医院管理者们的期待不约而同地指向同一个方向：诊前与诊后的两端管理正是公立医院智能化转型必须填上的缺口。百川给出的答案正是为这道缺口量身定制。

念念不忘，必有回响。在清华大学的论坛上，王小川意识到，这不再是一个人的独行。

“这次的思想交汇，代表了一种共振。第一，它是AI圈加医疗圈真正的碰撞，不是闯入。第二，我们得到了医疗圈顶尖科学家的真实回应，不是外行在说大话。”——王小川

在王小川未来的构想里，百川会持续向整个医疗生态开放底座能力。一是扩大与三甲医院共建AI专科医学的能力，如心脑血管、代谢、老年病。内部规划中，今年年底希望可以合作的三甲医院数量扩展至千家。二是把四级诊疗的家庭底座做实。三是赋能药企、保险、体检、器械等生态伙伴，实现“政-产-学-研-医”协同。然而更远处，是他口中那个“宇宙尽头的生命科学”——通过医疗AI积累的海量真实世界数据，最终走向为生命建模，支撑精准医疗的未来。

这场碰撞，才刚刚开始。