GPT-4 插件开放后，AI 医疗商业模式的价值分配将从通用模型层向掌握高质量数据与专有数据集的专业化模型与应用层倾斜。生态开放让通用大模型通过插件直接触达终端用户，这对纯应用层创业企业构成挑战，而医疗领域的高价值工作流程，将主要由专门的人工智能系统而非通用模型主导——这是价值分配重塑的核心逻辑。
产业链分工与价值捕获
AIGC 产业由上游基础设施、中游算法模型和下游应用拓展三部分构成。从成本效益角度考虑，基础层、模型层的搭建适合有规模效应的大厂和平台；而创业公司在应用方面的探索和突破，很可能成为未来主要趋势。
GPT-4 插件开放后，大模型兼具“操作系统”角色，加速了海外生态中与其他应用层领域的精细化分工。这意味着通用大模型通过插件构建起直接面向终端用户的细分场景，势必对一部分纯应用层创业企业造成挑战，价值分配的天平随之向拥有底层能力的平台方倾斜。
专业化模型成为关键变量
垂类赛道下的专业化模型可能是解决方案之一。正如 Eric Schmidt 参与的 Blog 所表达的观点：定义明确的高价值工作流程将主要由专门的人工智能系统而不是通用的人工智能模型来解决。医疗领域尤其需要高质量的专业化模型，其中高质量、用户反馈和专有数据集将会是专业化模型的关键。
医疗是一个高度专业化的领域，容错率低，需要医疗专业人士的专业知识和经验才能正确理解和解释相关问题。在医疗领域的应用需要基于大量可靠数据和高质量临床实践基础，并严格遵守相关法律法规和伦理规范。例如，谷歌推出的大型医用语言模型 Med-PaLM 2，仍在不断推进专家与研究人员的合作，并表示考虑到医疗信息的敏感性，技术要普及到普通消费者手中还需要一段时间。
常见问题
生成式 AI 在医疗领域目前处于什么阶段？
当前 AIGC 在医疗领域的应用还处于起步阶段，成规模的应用主要在聊天机器人领域。生成式 AI 在药物发现、疗效评估、模拟数据生成、自动化工作流程等方面有广泛前景，但整体仍在高速迭代过程中。
判别式 AI 和生成式 AI 在医疗中如何分工？
判别式 AI 在识别疾病、分析影像、预测疗效等方面实现更高准确度和效率；生成式 AI 更关注理解人类意图、复杂场景应用及生成新数据，在医疗模拟对话和个性化医疗方面具有不可替代作用。二者结合可实现更复杂精细的任务。
应用层创业公司如何应对 GPT-4 插件开放带来的挑战？
应用层创业公司需要向垂类专业化方向深耕，聚焦高质量、用户反馈和专有数据集的积累。许多新型创业公司将内容生产方式与数字化程度高、内容需求丰富的行业结合，形成应用层公司，大部分仍处于天使轮、Pre-A 轮和 A 轮等早期轮次。