“如果沒有轉型，繼續走主流道路，你也會有同等程度的焦慮。”王小川說，這次轉型，讓他真正回歸到從創業第一天就最想做的事情：造AI醫生。

訪談｜鄧詠儀 楊軒

文｜鄧詠儀

編輯｜張雨忻

一年前，王小川帶著百川智能來了一次激烈的“大剎車”：大幅縮減通用模型團隊，關閉金融等多條行業線，All in醫療大模型。但與此同時，整個大模型行業卻熱鬧非凡，大廠和創業公司輪番進行“轟炸式更新”——過去半年里，平均3天就有一個新版本的通用大模型面世。

而看起來沉寂的百川在做什么？5月22日，王小川安靜地交出答卷：新醫療大模型M4，以及Agent產品“百小醫”。

過去3年里，百川逐漸從“要做中國最好的基礎大模型”轉向“同時押注多個落地場景”、“做C端超級入口”、再到如今的“只做醫療”，團隊規模不斷縮小，部分合伙人離開，原定的上市節奏也因而延遲。

這看似顛簸的路走對了嗎？當我們在新產品發布前夕見到王小川時，發現他的狀態反而更坦然了：“繼續卷通用模型，走主流道路，那是一種選擇，即使上市了很風光，但焦慮也不會減少半分。”他對《智能涌現》說，比起當時公司內外巨大的不理解，以及選擇非共識道路的孤獨感，他更難以接受的是：“公司快成立兩周年了，卻不知道自己到底在干什么，創造什么價值。”

在互聯網上一個十年，醫療并不是一個好生意——商業化路徑漫長，反饋周期以年計。從大廠到初創公司，即使投入高達數十億元，成功跑通PMF的產品都寥寥無幾，更別提獲得商業上的大成功。

在當時的背景下，很多公司的選擇是給醫生提效，或是打通掛號、藥、保險的鏈路，以此跑通商業閉環。但王小川說，這些都不是當下最重要的事。他想明白一點：百川的C端產品必須以患者為中心，要增加醫生的供給，“我們要造更多的醫生”。

在這個思路下，百川在醫療的B端場景中有了更多落地進展：在北京兒童醫院，百川兩款AI兒科醫生已在院內多學科會診中正式“上崗”。在很多診療方案中，AI兒科醫生與專家會診結果吻合率達95%，并開始向河北省150余家縣級醫院下沉。

同時，在C端，百川新上線的Agent產品“百小醫”則在App和微信生態中共同提供服務。“百小醫”就像一個“AI家庭醫生”，不只是提供問答，會在患者就醫前準備給醫生的病情梳理，做處方分析，管理病例，還會定時提醒你吃藥、做檢查等等。

△圖源：百川智能

王小川并不接受“醫療是更長、更慢的一條路”這個觀點。“這個想法本身就是一種時代慣性。”他的邏輯是：如果Coding Agent能在幾個月內成為史上增長最快的應用場景，就意味著很多舊邊界已經被打破。

從通用大模型的白熱化競爭中抽身，All in醫療——對這個選擇，王小川坦承，“我的選擇不一定對，也不一定錯，但我覺得，AI時代只要交付給用戶足夠重要的價值，商業化會是水到渠成的事。”

對于那些依然身處在同質化競爭中的AI公司來說，王小川的選擇，至少是一條值得認真審視的路徑：去找一個真正相信的問題，然后用足夠長的時間回答它。

以下是王小川與《智能涌現》的對話：

All in醫療有它的代價

《智能涌現》：今年年初，你們發了醫療大模型M3，今天再接著發布新一代醫療大模型M4，還有新Agent產品百小醫，核心提升有哪些？

王小川：M4是我們的閉源醫療大模型，通過API提供服務，一個核心亮點是走Agent架構，從簡單的對話走向臨床，里面有基于患者全生命周期的記憶能力。

另外的突破有幾個：幻覺減少、循證能力增強——我們把指南做原子化拆解，甚至把專家共識也納入進來；提問能力也有了很大提升——這個對醫療場景很關鍵，我們每提升兩個點的提問能力，就能增加一個點的診斷準確率。

現在，在腫瘤這類復雜場景里，M4能自己跑完整個Agent workflow——收集數據、校對沖突、調用基因變異數據庫、出診斷建議。M4能夠自主決策，不同的子項腫瘤的情況它甚至能查基因庫，像龍蝦一樣，做到主動提問和主動管理。

“百小醫”是百川的新To C產品，形態是一個在App和微信上的bot，可以主動提供處方、病例分析，做全周期的健康數據管理。

《智能涌現》：你所指的M4模型“做得好”，是怎么定義的？

王小川：在OpenAI發布的HealthBench測評集上，我們在Hard和Professional兩個子集里都是最好的模型。我們沒有對benchmark做特殊訓練，所以，模型表現好就是好。這個評測集有5000個醫患多輪對話場景，262個人類醫生編寫了近5萬條評價規則，不是刷榜能刷出來的。

《智能涌現》：今天最大的行業共識是Coding，百川卻在一年前就選擇不走通用模型路線，All in醫療，當時怎么想的？

王小川：AGI大敘事沒問題，但這里面肯定有泡沫，泡沫褪去之后珍珠會留下來。怎么去找這個珍珠？大家會押注各自的生態位。做百川到現在，我想做的東西其實沒什么變化——當初的初心就是做生命模型，造醫生，ChatGPT的出現是這個目標的助力。

我之前想得太早，又想得太遠了。2023年的時候你跟大家講造醫生、做生命模型，會發現理解的人不多。

《智能涌現》：但在那個節點，不卷通用模型，是一種脫離主流賽道的選擇，你有過擔憂嗎？

王小川：如果做主流，你也會有其他恐懼。我不是說我現在做得特別好，只是主流也有主流的問題，不同選擇有各自的代價。

我們在2025年4月大調整后開始專注做醫療，也是因為當時臨近百川成立兩周年，我有巨大的緊迫感。當時公司特別重，從模型、醫生到生命模型，再到商業化都在做。當時就是不知道自己在干嘛，在創造什么價值。

《智能涌現》：這個決定的代價是什么？

王小川：很多人在那個時候離開。有同學覺得做通用模型才是對的道路，投資人也有意見。當時有各種曲解，比如有人傳小川可能對上市沒想法，無所謂，反正自己財務自由了。

《智能涌現》：有創業公司也會選擇先不考慮這么遠，先賺到錢養夢想，上市也是一種路徑。

王小川：我們那個時候也不缺錢啊。上市了，然后呢？

《智能涌現》：百川的一些前高層，以及你的一些投資人，他們都很難理解你的突然剎車。

王小川：可以想辦法把ARR、收入做起來，但在當時也不是我最想要的。

第一，你就沒精力做業務了，你拿到收入跟你真正交付一個好的產品或服務不是一個維度的事。第二，業務單點還沒突破的時候，搞矩陣化管理是特別危險的事，當時銷售、產品、技術，每個人身兼數職，為多個產品服務。

這種狀態和我對公司想實現的價值的判斷是沒法match的。如果我從內心就不相信這個事情的話，也很難做好。

《智能涌現》：那你怎么跟投資人解釋？

王小川：很難解釋。投資人肯定想上市，我只能繼續把現在的事做好。

《智能涌現》：4月調整完之后，團隊規模、架構，包括百川整體的工作方法有什么改變？

王小川：我們人數壓縮到不超過300人，層級扁平，現在就10多個人給我匯報。

我們現在就分幾大塊：一是做醫療模型本身；二是以Agent的形態做AI醫生產品；三是做醫院體系的合作，通過AI醫生，把醫院、衛健委等等體系聯系起來，我們的目標是用AI做四級診療。

《智能涌現》：所以，你對這一段探索過程的反思會是什么？

王小川：最大的反思是不該開那么多條線。你要么做通用，要么做醫療，兩個腳一塊走是不行的。同時做商業、做技術、做醫療，一開始很難負擔得住。

我們不是想取代醫生

《智能涌現》：“百小醫”為什么會在微信里做AI醫生bot？

王小川：Bot就是你微信上的一個朋友——你問他“該不該去醫院”，他說不用，你先觀察；過兩天他會主動來問你“有沒有變嚴重”，也會提醒你吃藥，能夠對個人和家庭健康進行主動和個性化管理。

日常的健康管理不是一兩次問診能解決的，是長期陪伴，助手類APP很難承載這種持續性。

《智能涌現》：很多人可能會問，用百川的助手看病，和用豆包看病，體驗差距大嗎？

王小川：我們在專業性文獻的引用、溯源上，會比通用AI助手更豐富。但坦白講，無論是什么領域，問答場景的體驗很難形成斷代式的差距。

在產品形態和體驗上。這次發布的“百小醫”是走雙端架構：APP端負責提供嚴肅的就醫決策——針對病例、處方做分析報告、對比；微信bot端負責日常的提醒和執行，這是一個會主動跟進你健康情況的AI醫生。

另外我們在底層做了一套永久性的記憶存儲，不走上下文那套模式。這是一套有數據庫結構的存儲——用戶上傳的體檢報告、對話里提到的癥狀病情、血壓、用藥情況都能被記錄，做全生命周期的健康數據管理。記憶能力在醫療場景特別重要，通用模型很多時候根本不知道該存用戶的什么數據。

《智能涌現》：如果和同樣是做醫療方向的阿福相比呢？

王小川：我們的切入點不一樣。我們做的是主動管理——你問完之后，過兩天它會微信上主動來問你“有沒有更嚴重”，提醒你吃藥、該復診了。這種持續跟進的能力，App很難承載，用戶一上手就能感覺到不同。

《智能涌現》：美國AI醫療賽道的頭部公司OpenEvidence估值已經120億美元了，他們做是面向醫生的AI臨床決策支持工具，用頂刊論文輔助醫生做診療判斷。你們在中國能走這條路嗎？

王小川：中國和美國的醫療市場有很大區別：給美國醫生提效能直接多賺錢——他一天看10個病人變成看15個，這是保險公司付費的，按人頭算，收入直接多50%。但中國醫生平均一天看50-80個病人，已經夠忙了，提效的空間幾乎沒有。

《智能涌現》：那在中國做AI輔助診療，動力在哪兒？

王小川：中國優質醫療供給現在是嚴重不足，直接用通用AI助手給患者做AI咨詢，這是很難進入醫療體系的，還容易帶來新的醫患矛盾——今年已經有三甲醫生和我反饋，30個病人里有25個都帶著豆包來“對線”，會對醫生產生質疑。

現在國家在倡導主動健康管理和強基層，如果AI能融入醫療體系、做分級診療的前置環節，這是政策認可的方向，也是新物種的機會。

《智能涌現》：那百川是怎么提升醫療模型的智能的？

王小川：我們做的不是傳統意義上的訓練數據，更多是做強化學習的評價體系。

醫生標的不是正確答案，是幫我們建立獎勵函數做評測集——什么樣的提問路徑最終能導向好的診斷結果。

《智能涌現》：我們聽說你們請了很多醫生做數據標注，這部分很花錢。

王小川：跟醫生打交道做數據標注，真的很難，但不是錢的問題，是說服他們、建立評價體系、讓團隊跟他配合，這些都要摸索，沒人做過。

《智能涌現》：既然是全新的做法，那一定也會有人反對吧？

王小川：不少人覺得在中國做醫療AI，要跟醫生合作，要用醫生的病例數據造AI分身。

《智能涌現》：什么樣的AI分身？

王小川：就是很多AI醫療公司的做法——跟某個醫生合作，拿他的病例數據訓一個模型，本質上是復制這個醫生的經驗。腎病專家造個腎病模型，腫瘤專家造個腫瘤模型，每個人都想鞏固自己的學術權威。你見過一個醫生用另一個醫生做的AI嗎？

《智能涌現》：你們的“造醫生”和這種做AI分身有什么不同？

王小川：分身是模仿學習——把病例喂進去，讓AI學著像某個醫生那樣看病。但你拿病例訓出來的模型，它會提問嗎？

這代大模型造的是“人”，不是上一代那種用來看CT片子的模式識別模型。我們走的是強化學習的路：模擬患者，激發模型提問，用最終的診斷結果做獎勵函數，反向訓練它該怎么提煉病例數據，問什么問題、該怎么推理。不是復制某一個醫生，而是讓AI學會醫生思考的過程本身。

《智能涌現》：所以你們做的事情，本質上是把醫生拉下神壇。

王小川：這是個危險的評價。我們不是要挑戰醫生的權威，而是要幫患者明明白白看病，以患者為中心，讓他擁有知情權和決策權。

《智能涌現》：面對醫生，你怎么一句話解釋百小醫的價值，來消解這種可能存在的對抗？

王小川：我說我能幫你做隨訪。

這是一個共贏的場景：很多病人去看完病，加上醫生微信，回家之后問問題，等醫生的回復往往要等到大半夜，因為醫生太忙了。院后隨訪、復診提醒、用藥管理等等都是這樣的場景，現在用AI醫生就能幫醫生分擔這部分需求。

《智能涌現》：你們的目標用戶是誰？

王小川：我們概括為“一老一小”——老人慢病多，小孩咨詢多，這是最高頻的場景。

比如，我把我媽和AI醫生拉進群，AI醫生跟我媽對話的時候，也跟我溝通。就像家里請個保姆，不是只跟老人在一塊，他也跟你有交流。

醫療是條更慢的路？這是上一代的認知

《智能涌現》：很多人會說，醫療是一個反饋路徑很長的賽道。先用通用模型賺到錢，再長期養醫療這條線，不是更穩妥嗎？

王小川：我不接受這個敘事，這里面有很多誤解。醫療慢這是過去的經驗形成的認知，不代表今天。

今天太多事情跟過去的規律不一樣了。幾個月時間，一個產品就能上億用戶、上億收入規模。那為什么我們還要用老的方式看醫療？

百度三分之一的收入來自醫療，一天醫療相關的query量是上億級別的。螞蟻阿福也有3000萬月活了。需求一直在那里，只是以前可能是我們還沒做好供給。

《智能涌現》：你們原來做To B、To G，到現在做To患者，這個變化是怎么發生的？

王小川：我確實有過很多反思，但我始終相信AI能造醫生，這個信仰從第一天就刻在骨子里。我們在中間走過彎路，比如嘗試讓醫生認可，就先做一個AI工具幫醫生看片子、寫論文；也試過做院內，先打進醫院體系里，但這些路徑都太長了。

大概去年4月我們就想清楚了，To患者才是我們主線，這條路其實也是To醫生。醫生和患者不過是有不同需求的C端用戶。

《智能涌現》：比如掛號、買藥，這些也是C端用戶的剛需，你們會做嗎？

王小川：幫你掛號、幫你買藥，那些是執行，是上一代互聯網干的事，偏匹配、鏈接。我們不是不能做，但核心還是想做決策——比如你有三個處方選哪個？去什么科室？要不要去醫院？執行更直觀、更有獲得感，但幫你做選擇判斷是更難也更寶貴的事。

《智能涌現》：但螞蟻做阿福，后續可以把掛號、賣保險、賣藥聯系起來，這樣不會比你們在商業化上跑的更快嗎？

王小川：他們是從“藥”和“險”出發，補前面的問診環節，而我們是從“醫”這端開始切的。站在藥的思路去做醫，跟獨立做醫，立場不一樣，做出來的東西也不一樣。

《智能涌現》：短期內，你希望能夠達到什么產品和業務上的目標？什么時候會考慮商業化？

王小川：第一步是上岸——去年還有朋友問“百川還活著嗎？”得先讓大家看到我們在做什么，第二步是在不同場景里積累技術口碑和用戶體驗的口碑。

商業化不是當下的重點。考慮早了，動作會變形。你看智譜到今天也不做那么多To B和To G了，大家都在賣Token。上一代常用的那套做法現在反而變成了包袱。

語言模型、世界模型、生命模型

《智能涌現》：有媒體說你是“最孤獨的AI創業者”，現在你會覺得孤獨嗎？

王小川：自己選的路跟大家不一樣，你不就孤獨嗎？從資本到人才上都會變得更難。羊群效應決定了大家還是會選更主流的道路，這是正常規律。

《智能涌現》：你怎么看現在AI應用創業公司的處境？

王小川：在做模型之外，很多創業公司沒啥可干的了。做Agent的公司，壁壘在哪？倒騰點Anthropic的Token，配置配置方案，今天能賣，明天能不能賣不知道。

不是說Agent沒前途，而是它可能不是適合VC投的生意——賺小錢的公司很多，但長大變難了。

之前我和一個互聯網大佬聊，他提到一個”去中化”的趨勢——這個“中”是指中型公司。要么做巨頭，要么做小而美的公司。

《智能涌現》：說到巨頭，你去年初就公開說看好Anthropic，那時候Coding還沒爆發，你的判斷怎么來的？

王小川：我覺得是Dario對技術的理解很深刻，這是一種審美層面的判斷。后來事實也驗證了——Claude在代碼場景里確實打出來了。

《智能涌現》：那其他呢，OpenAI你怎么看？

王小川：我覺得Anthropic和Google都會比它強。

《智能涌現》：你看到什么現象，讓你有這個判斷？

王小川：第一，Sam Altman還帶著上一代互聯網的思路——強推應用、追DAU、做訂閱，甚至Sora還想做社交。他的策略是應用大于模型本身，跟Anthropic不在一個技術審美上。

第二，做To C，Google會比OpenAI強。Google有搜索、有安卓、有YouTube，出口能力和數據能力都更好，我覺得Google是以后會有代際的爆發和飛躍。

《智能涌現》：哪方面的爆發？

王小川：我覺得Google會走出新的架構——不只是語言模型代表的智力模型，還有物理模型、生命模型等等新路線。

其實Demis Hassabis（Google DeepMind CEO）的心頭最愛就是生命模型，后來才轉到LLM這個戰場來的。

以后Google肯定既做語言模型，又做生命科學。一個公司能同時做AI、做無人駕駛、做蛋白質折疊——從人才儲備、數據厚度、算力規模上，Google都是頂配。

《智能涌現》：所以，你對大模型演變的終局怎么看？

王小川：我們做模型有三步走。第一步是智力模型，就是語言模型——這里的語言包括數學語言和代碼語言，代碼很重要，待會再講。第二步是物理模型，或者叫世界模型，做具身智能。第三步是生命模型，比材料科學更往前走——材料科學講的還是簡單世界，而生命有超越復雜性的終極問題。

生命模型是我從第一天就想做的事。這三條線最終會合流——理解語言、理解物理世界、理解生命系統，這才是完整的智能。

而且你想，工作開始被AI替代之后，人追求什么？創造發明發現、健康、快樂——最后就這三個事。長生不老、健康、每個人活得更有意義，這些問題最終都指向生命模型。

歡迎交流

本文來自微信公眾號“智能涌現”，作者：鄧詠儀，36氪經授權發布。