医疗人工智能正处在从技术验证走向临床应用的关键阶段。百川智能近日发布M3 Plus医疗大模型，瞄准制约AI医疗落地的核心问题，折射出行业对可用性与可信度的迫切需求。放眼全球，美国已有约45%的医生在使用AI辅助工具，而中国医疗AI的应用渗透率仍有明显差距。这个差异既与医疗体系结构有关，也反映出医生对AI工具信任度的不同。百川智能CEO王小川认为，中国医生相对谨慎，与工作压力大、对AI产品可信度认知不足等因素有关。 医疗AI能否被医生真正采纳，关键在三个层面的突破。首先是准确性。M3 Plus在严肃医疗问答中的事实性幻觉率降至2.6%，达到全球最低水平，意味着模型在医学知识表述上更可靠。其次是可溯源性。该模型引入“证据锚定”技术，要求每条医学结论都精准对应论文或临床指南的具体段落，医生可直接查阅原始文献核验。百川还通过独立的引用奖励模型对错误引用进行惩罚，使结论与证据的匹配准确率超过95%。这一设计有助于减少医疗AI的“黑箱”感，提升医生信任。 成本同样是医疗AI普及的重要约束。通过MoE架构优化、模型量化和投机解码等工程手段，M3 Plus的API调用成本较上一代下降70%。王小川指出，若全国约500万医学工作者都使用AI辅助工具，年度成本约1亿元，整体投入对医疗体系可承受。 为加速医疗AI普及，百川智能推出“海纳百川”计划，向中国医疗服务机构免费开放M3 Plus API，使用范围限定在临床辅助决策和医学教育两类高频场景。其逻辑在于，先在医生端形成广泛使用，通过实际效果逐步化解信任问题，从而推动医疗AI市场走向成熟。 在责任划分上，百川明确了AI医疗应用边界：医生使用时，AI提供诊疗参考，但最终决策权与相应责任仍由医生承担；面向患者端则仅提供辅助决策功能，不输出诊疗结论。这一设计既符合现行法规要求，也兼顾医疗伦理。 当前大模型产业出现分化：部分企业继续追求通用能力与平台化路线，百川智能等则在垂直领域追求更高确定性。王小川认为，医疗AI若能达到与医生相当的水平并具备临床应用能力，本身就为人类职业能力提供了重要参照。垂直深耕并不与AGI目标冲突，而是通过具体领域的突破推动通用智能演进。
医疗关乎生命安全，技术创新必须以可验证、可追责、可监管为底线。推动医疗大模型从“能回答”走向“可核验、可落地”，既需要企业持续提升质量、降低成本，也需要医疗机构在流程与治理上同步升级，并加快标准体系与监管规则完善。只有把安全与效能统一起来，新技术才能真正成为提升医疗服务能力、缓解资源压力的可靠助力。