Med-PaLM 2 这类医疗大模型的盈利模式，核心路径是通过 API 接入实现应用层商业化，而非依靠模型本身直接变现。高昂的训练成本决定了基础层和模型层的搭建适合有规模效应的大厂承担，而创业公司更适合在应用层通过接入 API 寻找突破，这也是当前投资人处于“观望”局面的原因所在。
成本结构与产业链分工
AIGC 产业由上游的基础设施、中游的算法模型和下游的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来做；而创业公司在应用方面的探索和突破，很有可能会成为未来的主要趋势。
医疗领域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的可靠数据和高质量的临床实践基础，并严格遵守相关的法律法规和伦理规范。
专业化模型的商业化逻辑
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。谷歌推出大型医用语言模型 Med-PaLM 2 后，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。
高价值的工作流程需要奖励任何质量改进。如何从通用的人工智能模型开始，然后对其进行实质性的专业化以提高质量，会成为下一个需要解决的问题。医疗领域的价值可以是收入潜力，也可以只是对用户的效用。
应用层的变现路径
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。应用层往往依赖于模型层进行开发，通过接入 API 实现应用功能。例如，谷歌推出专门用于回答医疗保健相关问题的大型医用语言模型 Med-PaLM 2。
未来主要的改进方向在于加强用户隐私保护，确保不会泄漏用户的个人信息，同时需要引入专业医生进行质量检查和监督，确保提供的建议和指导符合医学实践标准和规范。
常见问题
Med-PaLM 2 如何实现盈利？
Med-PaLM 2 的盈利模式主要通过应用层接入 API 实现商业化，而非模型本身直接变现。应用层往往依赖于模型层进行开发，通过接入 API 实现应用功能，创业公司在应用方面的探索和突破可能成为未来的主要趋势。
为什么投资人目前处于观望状态？
投资人的观望主要源于应用层创新方面还有许多要解决的问题。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，而医疗领域容错率低，需要严格遵循相关法律法规和伦理规范。
医疗大模型的商业化关键是什么？
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。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。