解码DeepSeek构建医药行业新质生产力

微信扫码，打开到小程序

解码 DeepSeek, 构建医药⾏业新质⽣产⼒ 07 • 从 DeepSeek 看⼈⼯智能发展趋势 • ⼤模型及 DeepSeek 潜在应⽤场景探 索 ⽬录 从 DeepSeek 看⼈⼯智能发展趋 势 AI 离我们越来越近，越来越密集的“加速”信 号 Alpha, ⼤战李世⽯ “AI” 概念⾯世 DS,“Aha” 时刻 CNN, ⼈脸识 别 Chatgpt, C 端破 圈 1950s 2024 2022 2012 2017 4 • 1987-2020 年之前的主导是“⼤数据、⼩算⼒、专⽤决策范式”。 • 2020 年后， GPT-3 代表技术路线“⼤数据、⼤算⼒、通⽤范式”，验证⼤语⾔模型的可⾏性。 • GPT3/4 在深度推理和问题解决⽅⾯有所⽋缺， OpenAI-o1 通过思维链（ Chain of Thought ）增强推理能⼒，将复杂问题 分 解成更⼩、更易处理的步骤；⽽ DeepSeek R1 在展现卓越推理能⼒同时， 训练和推理成本极低 GPT 为内容创造和自动推理开辟可能性 “大数据、大算力、通用模式” BERT BERT 在文本分类、命名实体识别等 语言理解任务表现出色。也是医疗 AI 小模型年代主要技术路线 “ 大数据、小算力、专用决策” DeepSeek-R1 基于 DS-v3 构建推理模 型，通过强化学习提升推 理能力，且训练成本极低 AI 技术演变 路线 数据来源： 1. 甲⼦光年智库梳理， 2023 年； 5 体验： 哎哟 不错噢 低成本，超出⽤户预期的“智能” 增长：破圈，两个⽉到⼀亿⽤户的速度 “ 创新落后”的机会成本被不断放⼤ 产品：典型的 2B 能⼒集合 快速推出全家桶和云服务矩阵 市场：典型的 B 端商业模式 快速市场预热和商业化 Prompt engineering 提⽰词⼯程 Nvidia A100 （ A800 ） ⾼性 能卡 RLHF 强化学习 SFT RDMA 监督微调 解决数据处理的延迟 顶尖的 AI ⼈才 数⼗ TB ⾼质量数据 数万对⾼质量 prompt 理解 Chatgpt, ⼀个 AI 领域的“⼯程奇 迹” Chatbot ： ⽂本交互式应⽤ Gpt3 ： 预训练⼤模型 6 DeepSeek 是“深度求索”开发的⼀系列⼈⼯智能模型。 DeepSeek 通过持续的技术 创新和市场拓展，在⾃然语⾔处理和⼤型语⾔模型⽅⾯取得了显著进展，在国际 市 场上获得了⼴泛认可。其中： • DeepSeek-V3 是在 14.8 万亿⾼质量 token 上完成预训练的⼀个强⼤的混合 专 家 (MoE) 语⾔模型，拥有 6710 亿参数（激活参数 370 亿）。作为通⽤⼤ 语⾔模 型，其在在知识类任务（知识问答、内容⽣成等）领域表现出⾊ • DeepSeek-R1 是基于 DeepSeek-V3-Base 训练⽣成的强化推理能⼒模型， 在 数学、代码⽣成和逻辑推断等复杂推理任务上表现优异 更低的研发成本 * 更⾼效资源利⽤ $5.5M vs. OpenAI’s $100M+ 使⽤ ~2,000 GPUs, 竞品使⽤ 10,000+ GPUs 再看 DeepSeek, ⼜⼀个“⼯程奇 迹” 打破⼤模型技术壁垒 重挫美国科技公司股价，英伟达 市值下跌 5,900 亿 开源模型⽐肩头部闭源 60%+ 指标优于 Llama3.1 Claude-3.5 GPT-4o 数据来源： * 仅涵盖预训练成本，不包含研发、推理、后训练、员⼯等其他成本； 2. Sputnik 时刻，指 1957 年 10 ⽉ 4 ⽇苏联抢先美国成功发射斯普特尼克 1 号⼈造卫星，是冷战中的其中⼀个重⼤事件及转 AI 的斯普特尼克时刻 被美国及其盟友列⼊各种限制 7 MLA （多头潜在注意⼒机制） • 注意⼒机制⽐作图书检索系统 • MLA 建⽴⼀个智能分类系统，不记具体 信息，⽽是⼀个“简单”标签 • 模型的占⽤率降低⾄传统的 MHA 5-13% NSA ( 原⽣稀疏注意⼒ ) • 像学霸⼀样把注意⼒消耗降到最低 • “ ⼀⽬⼗⾏ 跳记重⼼ 记住题点”“ MoE Sparse ( 稀疏专家混合模型） • 每次推理仅激活相关专家，“术业有专攻” • “ 专事专办、要事要办 ⼩事不办 尽量不跨组解决” • 节省 42.5% 训练成本 FPB 混合精度训练 • 传统模型需要⽤ 32 位或者 16 位数记录数 字 • “ ⼿机号码，记最后 4 位” • 提升训练速度同时保持精度，降低硬件门槛 数据蒸馏技术 • 从海量数据中提炼⾼价值信息，提升模 型 学习 效率 • 蒸馏垂类⼩模型能⼒，不输于全尺⼨模 型 GRPO( 群体相对策略优 化 ) • ⼤道⾄简，⽤强化学习跳出题海和⼩ 测 让模型⾃⼰学会 思考 DeepSeek 的创新突破 效果体验惊艳，成本极致压缩 8 成本优势 技术震撼 开源引爆 垂直适配 • 550 万美元预训练成 本达到 GPT-4 级别性 能， 打破“算⼒军备 竞赛”魔咒 • 算法、 训练范式、推理、 算⼒利⽤全⽅⾯创新 • DeepSeek V3 通过快速 迭代新技术， ⼤幅降低 • 开源的论⽂和库， 以及提供 简易的蒸馏⽅式， 让世界上 不管⼤⼩的实验室， 快速掌 握 OpenAI 原来封闭的顶 尖 从编程辅助（ DeepSeek- Coder ） 到医疗诊断（ R1 临床接⼊） ，展现⾏业落 地能⼒ • 技术成本的下降，为 了训练和推理的成本。 模型推理能⼒ ⾏业上下游带来更多 ⽽且它是个拥有推理能 • MIT 许可证， 商⽤权限吸引 创新的可能 ⼒的模型， 全球可⽤ 开发者 为什么⼈⼈都爱 DeepSeek? 9 DeepSeek 创新技术引发新变化 计算资源 DeepSeek 极致成本降低，显著降低本地化部署的 成本，极⼤激活本地数据 ⽣态资源 医疗信息化⼚家数千家，为⼤模型应⽤提供 良好的⽣态基础 市场前景 医院、企业、监管、患者痛点多，场景丰富， 市场潜⼒巨⼤ 数据资源 医疗⾏业拥有⼤量数据资源，是⼤模型训练 和应⽤的重要⽀撑 ⼈才资源 医疗⾏业⼈均学历⾼，具备开展⼤模型研究 和应⽤的⼈才优势 算法框架 DeepSeek 是最开源的⼤模型， 便于医疗⾏业 开发者使⽤和优化， 垂类⼩模型不输于⼤模 型 DeepSeek 天然适合医疗 ⾏业 ⼤模型发展的⼏⼤“基⽯” 04 06 03 05 医疗⾏业独特优势 02 01 10 来保障⼤模型应⽤企业级端到端效果 • DS 幻觉率更⾼，另外实际测试应⽤中有指令遵循较弱、 拒答率⾼等问题 • 医疗领域幻觉⽐例甚⾄⾼达 20-30%2 幻觉情况 1 DeepSeek 虽好，但也不是“六边形战 ⼠” 幻觉⾼ =“ 创造⼒税“ 底层⼤模型各有所长 在落地过程中，仍需结合⼀定的应⽤框架（ RAG 、⼯作流、 Agent 等）和⼯程优 化 数据来源： 1. Vectara HHEM ⼈⼯智能幻觉测试； 2. 腾讯健康内部测试数据，通过⾼质量医学病历数 据 11 ⼤模型及 DeepSeek 潜在应⽤场景探 索 DeepSeek 有哪些应⽤场景？能产⽣哪些价值？ DeepSeek 会给医药企业带来哪些变化？ • 内部⽂档提效 • 数字化知识库管理 • 合规风险智能提醒 • 多源信息来源 • 互动性、个性 化 患者流程 • 内容⽣产辅 助 • 管理营销素 材 • 营销内容策 划 • 患者招募 • 试验设计优 化 • 执⾏效率提升 新药研发与 临床试验 • 客户精细化标签 • 个性化与医⽣互动 • 交叉证据⽹ 络 构建 提升新药研发和 临床管理效率 数字化内部流程 提效 更个性化、 互动 ⾏业学术化推⼴ ⽣产与 供应链 数据驱动的 多渠道营销 多渠道营销 学术化推⼴ 患者服务 • 多重购买渠道 重塑患者流程 13 医保捉襟见肘 • 收⽀失衡加剧，控费 边际效应减弱 2 • 职⼯医保：结余稳健但增速 下滑 • 居民医保：收⽀失衡加剧 ⽀出增速 收⼊增速 2023 14.1% 7.9% 2024 5.5% 4.4% 新⽣产要素在数据，“问数据，要数字” 研发回报下滑 6 • 研发成本激增 亿美元 21.7% 11.9% 2010 2018 单个创新药上市成本 • 成功率低 • 美国创新药临床成功率仅 5.1% • 研发回报率低 IRR 10.1% 3.2% 2010 2018 医院艰难 • 收⼊受限与成本攀 • 药品收⼊占⽐从改⾰前的 40% →25% ，⽽财政补助仅 覆盖损失的 60%3 • 现⾦流危机 • 2023 年医疗机构应收账款 回 款天数平均为 152 天， ⽐ 2022 年增长 2 天 4 数据来源： 1. 甲⼦光年智库梳理， 2023 年； 2 医疗保障事业发展统计快报，国家医保局 ; 3. 《解读财务分析报告：透视公⽴医院财务状况》，医院管理论坛报， 2024 年 12 ⽉ ; 4. 《 2023 年药品流通⾏业运⾏统计 分析报告》 , 国家商务部 ; 5. 求解集采制度改⾰⽬标：“降价”是集采的惟⼀考量 , 澎湃新闻； 6. 创新药研发周期理论，创新药研发回报率研究，申银宏源；美国数据 14 药品集采 5 • 国家层⾯已开展 10 批集采， 平均降 幅 50%-60% ，极 端降 幅超 90%5 • 65 岁以上⼈⼝占⽐ 从 2014 年的 10.1% 升 ⾄ 2023 年的 14.9% ， 医 疗需求 激增 1 医疗⾏业⾯临前所未有的挑战 ⼈⼝⽼龄化 14.9% 10.1% 2014 2023 *65+ 岁 % ⾏业视⾓： DeepSeek 对于医疗体系有那些影响？ 《 》 医 《》 ： 与 ⽣改 变 ） 占⽐ / 集 采 监管 度更强 ⽐如药 参 管 业 构 监 商 重 化 元⽀ 据安 药品 据 驱 多 数 vs 数 • • • 与学术⽅式和效率 临床决策影响模式 发 / 培训模式发⽣改 变 研 ⽣ 习 科 医 学 ⽣ • • • 精细化运营管理（ DRG/DIP ） 患者 医院 • 患者⾏为“消费者化”：医疗信息透明化，患者 • 电⼦病历和数据管理⾰新 有更多主动权 ⼤模型语义理解加速医学数据治理和流通 • “ 数字健康”和⽣态“破壁跨圈”， 产⽣更多数据 • 医院数据开放和流通 • 个性化诊疗和健康管理 数据价值在⼤模型背景下进⼀步被凸显 Ds 推理思考能⼒以及医保控费压⼒ 15 主动权 →⼤模型成为患者信息来源 • “ 数字健康”和⽣态“破壁跨圈”，⽐如可穿戴设备与 AI 分 析相结合 →⼤模型汇聚和分析数据 • 个性化诊疗和健康管理 →获取服务的路径发⽣改变 ⼤模型成为新 的信息来源 患者 • 患者⾏为“消费者化”：医疗信息透明化，患者有更多 DeepSeek 对于医疗体系有那些影响？ - 患者 超级产品 增长 1 亿⽤户所⽤时 间 16 • ⽬标⼈群画像 / 潜在⼈群标签 （⽐如年龄、性别、主诉、现病史等） 体系性患者宣教 腾讯医典 腾讯视频 视频号 线下就诊 腾讯健康 腾讯混元 “⼤模型会替代搜索引擎， 成为新⼀代精准流量⼊⼝ ” 健康智能体 ⽤户触达 潜在⽤户 ⽤户认知 ⽤户⾏为 个性化患者建议 健康智能体 精准服务推荐 “ ⼴泛教育”→“量⾝定制” “ 信息 →服务”链路闭环 ⽤户依从性 患者服务：⼤模型重塑患者旅程 “ 个⼈健康助理” ⼩程序 公众号 健康智能体 健康智能体 健康药箱 17 引⽤⽂献 词条⾼亮 以腾讯健康为例 • 分析⽤户现病史，健康状况，推荐关联科室医⽣ • 结合⽤户咨询⽤药信息，提供药事以及药品购买的服 务 识别⽤户现病史、⽤药和健康情况标签，关联就诊 & 药事服 务 患者服务：从“千篇⼀律”到“精准匹配”信息和服务 • 智能分析⽤户病情、并精准推荐宣 教 个性化推荐医疗信息 18 患者新旅程：终端 + 数据 +AI+ 服务， AI 串联全流程，激发新 需求 “ 精益求精”⽤户画像 “细致⼊微”⾏为管理 内容查看 饮⾷建议 健康 / ⽤药提醒 运动 break 健康咨询 睡眠 • 个⼈健康助理：个性化回 复 ⽤户有关健康咨询 • 结合⽤户拍摄的药盒、检 查 报告，⾃动解读、⾃动 提醒 • 结合⽤户数据，⾃动⽣成相 关建议 信息精准 传递 ⾏为 • ⾃动更新健康信息 • ⾃动统计运动数据 • 跟进运动⼩贴⼠（拉伸、 补⽔） 睡眠数据收集 & 反馈 • ⾃动统计睡眠数据 • 睡眠情况分析 / 健康⼩结 “ 极致简化”服务路径 • 根据⽤户数据 / 输⼊，⾃动 ⽣ 成健康建议、今⽇运 动 / 饮⾷ 规划 • 健康状况周期性 AI 反馈 • 腾讯健康可⼀健拉起医 ⽣ 在线咨询、药品复购 • 根据⽤户健康规划，⾃ 动推送活动 / 饮⽔提醒 • ⽤药提醒 ⽤户情绪 曲线 ⾏为 ⽤户 根据⽤户数据，⾃动推送饮 ⾷建议或者运动 今天⼜是活⼒满满的⼀ 天 今天也不要忘记好好照 顾⾃⼰哦！ • 舞动极光太好玩了 ~ 10 分钟，我感觉⾃⼰⼜活 过来了 原来喝⽔得喝够了才 能减肥啊 ~ 新知识 get!! 运动数据收集 & 反 馈 哇塞，饮⾷建议都 有了 ~ 今天再也没 有选择困难了 拍照药盒可以直接⼀键下 单，太⽅便了！ 要不在忍⼀会，我⼀定会 瘦 是不是真多要过午不⾷？ 可是我的真的好饿啊 哇塞，提醒我 要记得吃 药！ 有点困了，⼿表提醒我 该睡觉了 ~ 数据 + AI ⼤模 型 检验报告 / 健康数 据 昨天健康回顾 + 健康⽇ 历 收到⽤户阅读提醒 健康新提醒 ⼯作有点累呢！想放松下 好累啊 ~ 脑⼦快转不动了 健康反馈 健康服务 幸好我问了 AI 健康助理 举例 医典科普 健康提醒 健康提醒 ⽩噪⾳帮助我⼊眠 ⽤户 19 基于 DeepSeek 病历讨论助⼿ 基于 DeepSeek 推理模型，整合患者的信息，辅助医⽣深度问诊、 鉴别诊断、病情分析和建议，提出治疗、预防等建议 • 基于 Deepseek ⼤模型，再现医⽣临床思维链路的推理模型 • ⾃动⽣成病情分析、 IDC ⾃动编码 • 分析准确率达 90% ，为医⽣提供权威决策⽀持 • 指出权威出处（如指南、专家共识等） 医⽣ • 学习 / 培训模式发⽣改变→交互性、个性化学 习 模式 • 医⽣临床决策影响模式发⽣改变→从经验驱动 →基于医学搜索、循证医学证据的驱动 • 科研与学术⽅式和效率→通过⼤模型进⾏科研 课题筛选、⽂献收集、数据结构化提取和分析、 摘要及初稿撰写等 科研助⼿ DeepSeek 对于医疗体系有那些影响？ - 医 ⽣ 20 学术推⼴：千⼈千⾯，让销售拜访更专业、更⾼效 话术智能推荐 AI 问答助⼿ 拜访记录⽣成 医⽣画像 21 ⽼⽅法 辅导 ! 培训 ! 考试 ! 辅导 培训 未反映真实⽔平：培训与拜访脱节，实战能⼒难考察 考试流于形式：通过⾮正常⼿段完成公司任务 代表⼼⽣抵触情绪：影响⼯作积极性 难以规模化：培训⽼师⼈⼒与精⼒有限 代表学习改进， 在下次拜访中做的更好 新⽅式 AI 辅助实践， 实践中提升能⼒ 反馈更真实：通过真实拜访和⾃讲过程发现问题 激发代