当Deepseek问世以来，“AI+医疗”的风声一直在延续。近年来，从《“十四五”全民健康信息化规划》到《卫生健康行业人工智能应用场景参考指引》的发布，国家层面接连出台的政策彰显了AI在医疗健康领域的突出地位，各地知名三甲医院接入国产大模型的消息覆盖了整个春天。
然而在故事的B面，通用大语言模型在业务上落地的速度远比媒体报道和资本市场哄抬来得慢得多。医疗行业有其特殊的严肃性，对模型的性能和精确度有着最高级别的要求，无论是诊疗还是经营端，医院和医生对AI工具的直接应用都保持相当保守的态度。
“我们经常看到网上有各种讨论，说AI医疗怎么就这么难落地。这些都是老百姓的视角。偶尔有一两个人提到是因为医疗行业的数据质量太差了，我们一看就知道，这是内行人。”马国峰作为医众的创始人，已经积累了十年的行业洞察。
（▲图：医众创始人：马国峰）
去年年底，医众这家已经拥有1000家付费医院客户的医疗数据公司推出了全新的数据AI基座服务，用最简单直接的产品逻辑突破了数据应用的瓶颈，让医院看到了AI的可用性和可靠性。
“我们和一些最头部的三甲医院有长期的探讨，他们数据科的负责人一开始听我们要解决这个问题，都说这是最正确也是最不可能实现的，”马国峰说，“但也终于眼见为实了。难而正确的事情不白做，我们现在去聊客户也都简单了，随时可以接入做产品验证，医院很快就理解我们的价值。”
医众不是一家趁着AI东风成立的新玩家，而是经历过上一波“医疗AI影像”小风口的实力派。那个时候他们不学同行竞品，从不给客户和投资人讲AI的故事，默默服务好长期按量付费的医院客户，也培养历练了团队。
在马国峰和他团队的价值观里，与其把时间精力用来造势，不如踏实做产品、做交付，在技术进步和客户信任这些复利的积累里持续思考下一步创新的方向和机会。“功成不必在我，功成必定有我。我们对自己的定位很清晰，就是做医疗科技进步的催化剂。”这位鲜少面对媒体的创业者接受了新华网的专访。
PART.01 到冰川之下去：做数据层的“底层创新”
新华网：能不能用最简单的方式给我们讲讲AI数据基座这个新产品？
马国峰：简单说我们帮医院做好这几件事：
一、是数据的整合和治理，数据质量是AI落地应用最根本的基础，我们把数据的可用性真正交还到医院手里。
二、是数据的自动化交付，把传统的信息化节点转化成智能模块，打通AI应用的链路。
三、是我们提供一个开放平台，让医院去实现医疗数据价值的转化，未来这可能会成为医院一个新的收入来源。
四、是提供一个叫数据智能的产品，这是我们自己原创的一个科学推理模型，相对于大模型来说，是结合图技术训练的小语言模型，算力依赖很低，CPU就能跑起来用。
（▲图：医众产品体系）
从解决现实数据障碍，到让AI替代传统信息化里人工的工作，再帮助客户实现数据资产的价值转换。医院会发现AI工具可以日常为我所用了。
新华网：有没有一些现实的例子可以说说？
马国峰：案例太多了，底层的改变可以在各个有可能的场景创造出新变化。
比如说医院要完成一个传染病数据上报的任务，面临的过程会非常复杂，传统的流程需要六七个人的数据团队花四五个月的时间。而用我们的数据基座，调用模型来生成智能体，同样的事情可以让医院一两天就做完。
再比如医保的审核，这是医院经营端日常面临的一个大事儿，很多医院考虑去采购一个单独的系统。但实际上结合医院自身数据，医院可以自己去维护规则，沉淀在系统上成为基座上的知识，无论是日常自查纠错还是指引医生的工作，都是实时可用的。
再比如医院想改造传统系统，比如写电子病历时，想用生成式的方式，但因为系统耦合性太强，成本高，难以实现。如果不能完成这个嵌入改造，医生也觉得它和业务流程没法整合，那还不如就不用。这里就用到我们的数据机器人，把传统链路上的一个环节解构下来，换成智能模块，流程就能通畅。
新华网：市面上被讨论最多的都是应用层的东西，你们做的这个就不是，这里面都有哪些考虑？
马国峰：一方面是看到了数据质量和性能是医疗行业AI发展的掣肘，另一方面也是团队长期积累的禀赋。我们一直在刻意避免做应用，场景的应用特别好展示，但竞争也会特别激烈。
所以我们选择去解决底层问题。我们这些年在行业里做的影像数据也可以说是应用层的产品，但我们并不把自己当作应用层来看，因为影像是医院存储规模最大的数据源，做好应用层的本质也是往底层去探索的。
另外一点是关乎我们的商业逻辑，做公司的过程中我一直在想，怎么可以把产品做到更简单。简单就意味着成本可控，随着业务发展，会有更好的边际利润。
所以我们不如反过来从数据层去解决问题，不断用智能来解决这些问题，效率才会越来越高。
新华网：这些问题以前没有别人尝试解决过吗？
马国峰：最接近的可能是一些做数据湖仓方案的公司，他们的路径是把数据抽取出来转化并存储，搭建和维护成本非常高。但医院的业务数据是一直在更新的，数据仓做不到实时更新，性能很难支持日常临床的业务。
PART.02 功成不必在我，功成必定有我：赋能医院的效率和创新
新华网：你们的第一批目标客户是什么样的医院呢？
马国峰：规模很大的医院，因为有懂技术的专业团队，理解起来非常快。现在很多大医院有这个意识了，大家都想在AI领域探索一些应用。
新华网：所以其实你们对医院是赋能的关系？
马国峰：没错，我们从来不考虑自己能做个AI医生出来，但我们想给医生和医院提供一个能力基础，让他们自己训练出好的AI。我们的初衷就是给医院解决最麻烦的事，提供可以本地部署的开放平台。
新华网：这些痛点和需求都是长期和医院接触的过程里了解到的吗？
马国峰：只听需求去做是没有未来的。我们的客户提的需求往往基于他们的知识储备，但不一定是最好的方式。我们需要用更新的知识和能力去思考出最佳路径来满足医院需求。
新华网：AI数据基座落地后，可以预期的未来还会出现哪些新的机会？
马国峰：当有能力的大医院在我们的平台基础上构建各种AI的创新，这些新的应用可以给不具备技术能力的医院，脱敏后的结构化数据也可以用于医疗科研创新。这是医众要支持的价值转化和能力输出。
未来可能我们在医疗之外也可以尝试去延展其他领域的方向，凡是有大量跨系统数据的大机构，都能用得上。最终希望大家都解放出来去做创造的事情，而不是把时间浪费在低效的数据和系统维护上。
PART.03 日复一日的从零到一：传统行业里的创新团队
新华网：这段时间也看到很多大厂现在说要下场做AI医疗，你怎么看呢，这会对你们形成竞争吗？
马国峰：医疗AI化的实现需要各种不同能力禀赋的团队各自努力。竞争一定会有，但我相信越是到底层能力上，竞争对手的范围就会收窄。
新华网：医众的团队和市面上常见的“AI团队”不太一样，你们有哪些优势和劣势？
马国峰：我们不是典型AI背景的团队，但做的是垂直产业。我们的CTO在创业之前也是做医疗数据，所以他了解这个行业需要什么。
我日常花时间在思考组织和人的问题，如何让团队更快成长，创造一种宽松的环境，模糊层级关系。
（▲图：医众技术团队）
我们所有人都不打卡不坐班，但大家周末和假期很多时候都在自主工作。我们选择在各地设办公室，一方面可以离客户更近，另一方面不想让一个办公室有太多人，避免浪费时间。
新华网：怎么能一直做到持续创新呢？
马国峰：我有个信念就是每天都可以推翻昨天的自己，鼓励平等的随时辩论。当我对一个想法非常笃定时，就会习惯性开启重新验证的程序。
开放本身就是创新的动力，我们帮助医院去熟悉应用，启发他们去拓展新的思路，他们的创新也会对我们有启发。