AI医疗Med-PaLM 2落地，产业链上游算力与中游模型层如何分工？

"两者互为支撑。上游基础设施提供训练和推理所需的算力底座，但医疗场景的价值实现更依赖中游模型层对专业知识的理解与优化。从成本效益看，基础层和模型层的搭建适合大厂与平台，而创业公司更多在应用层探索突破。"

"Med-PaLM 2 属于中游模型层的端到端模式——谷歌自行完成医用语言模型的开发，并针对医疗问答场景进行优化，直接面向用户提供医疗保健相关问题的回答能力。"

"当前投资人普遍持观望态度，因为应用层创新仍有许多待解决问题。同时，通用大模型通过插件构建细分场景，会对纯应用层创业企业造成挑战。机会在于垂类赛道：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，形成专业化应用公司，是当前被关注的方向。"

Med-PaLM 2 的落地，标志着 AI 医疗正从通用大模型向高价值垂类应用加速渗透。从 AIGC 产业链视角看，上游算力基础设施提供底层支撑，中游模型层（如 Med-PaLM 2 所属的端到端模式）是能力核心，下游应用层则负责场景落地，三者分工明确且价值分布各有侧重。

产业链三层结构：算力、模型与应用的分工

AIGC 产业由上游基础设施、中游算法模型、下游应用拓展三部分构成。具体到 AI 医疗：

上游基础设施：由工具链和智算平台构成，为模型训练与推理提供算力底座。这一层适合具备规模效应的大厂和平台主导。
中游模型层：存在一种端到端模式，即科技公司或创业企业针对特定领域（如医疗）自行完成基础模型开发，再针对目标市场进行模型、知识和数据的特定优化，并直接开发出交付给用户的应用产品。谷歌推出的 Med-PaLM 2 即属于此类。
下游应用层：应用往往依赖模型层进行开发，通过接入 API 实现功能。当前 AIGC 在医疗领域的应用尚处起步阶段，成规模的应用主要在聊天机器人领域，如辅助问诊、健康管理等场景。

医疗领域是高度专业化、容错率低的行业，其高价值工作流程更可能由专门的人工智能系统而非通用模型来解决。高质量、用户反馈和专有数据集是专业化模型的关键。

质量改进：从通用模型出发进行实质性专业化，是提升医疗场景质量的核心路径。
用户反馈：高质量的人类“使用”数据（如偏好、指令、提示和响应）是推动模型功能的核心。以 Med-PaLM 2 为例，谷歌在推出后仍在推进专家与研究人员的合作，并考虑到医疗信息的敏感性，技术普及到普通消费者仍需时间。
专有数据集：医疗应用需要基于大量可靠数据和高质量临床实践基础，并严格遵守法律法规与伦理规范。

两者互为支撑。上游基础设施提供训练和推理所需的算力底座，但医疗场景的价值实现更依赖中游模型层对专业知识的理解与优化。从成本效益看，基础层和模型层的搭建适合大厂与平台，而创业公司更多在应用层探索突破。

Med-PaLM 2 属于中游模型层的端到端模式——谷歌自行完成医用语言模型的开发，并针对医疗问答场景进行优化，直接面向用户提供医疗保健相关问题的回答能力。

当前投资人普遍持观望态度，因为应用层创新仍有许多待解决问题。同时，通用大模型通过插件构建细分场景，会对纯应用层创业企业造成挑战。机会在于垂类赛道：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，形成专业化应用公司，是当前被关注的方向。