GPT-4插件开放后，通用大模型通过插件直接触达终端用户，这迫使AI医疗创业公司从纯应用层转向垂类专业化模型，重新定位其在医疗产业链中的角色。核心路径是：创业公司应聚焦高价值、高专业度的医疗垂直领域，构建基于高质量、用户反馈和专有数据集的专业化模型，与上游通用模型和下游医疗机构形成新的合作关系。
产业链重构方向
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。GPT-4插件开放后，通用大模型兼具“操作系统”角色，加速了与应用层领域的精细化分工。对于AI医疗创业公司，基础层和模型层的搭建适合有规模效应的大厂，而创业公司的机会在于应用层的专业化探索。 医疗领域容错率低，需要医疗专业人士的专业知识和经验，这为垂类模型提供了壁垒。
专业化模型是关键
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是专业化模型的关键。正如Eric Schmidt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解决。创业公司可以从通用人工智能模型开始，然后进行实质性的专业化以提高质量。例如，谷歌的Med-PaLM 2等大型医用语言模型仍在推进专家合作，医疗信息的敏感性决定了技术普及需要时间。
常见问题
通用大模型是否直接威胁AI医疗创业公司？
GPT-4插件开放后，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，对纯应用层创业企业造成挑战。但医疗领域的高专业性、低容错率特性，使得通用模型难以直接替代专业化的垂类模型。创业公司转向提供高质量专业模型，与通用模型形成互补而非替代关系。
医疗创业公司应优先选择判别式AI还是生成式AI？
两者各有优势，且未来趋势是结合使用。判别式AI在疾病识别、影像分析等方面准确度高，生成式AI在药物发现、模拟对话、个性化医疗等方面不可替代。 企业可根据自身需求将两者结合，实现更复杂精细的任务，例如在诊疗流程中，判别式AI辅助诊断，生成式AI优化患者互动。
当前AIGC在医疗领域的主要应用是什么？
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，包括患者咨询管理、临床决策支持和医疗教育等。但存在准确性不足、隐私保护等挑战，未来需引入专业医生进行质量监督，并加强用户隐私保护。