腾讯云：2025年解码DeepSeek构建医药行业新质生产力报告

微信扫码，打开到小程序

07 解码DeepSeek,) 构建医药⾏业新质⽣产⼒ 腾讯健康 李慧 ⽬录 • 从DeepSeek看⼈⼯智能发展趋势 • ⼤模型及DeepSeek潜在应⽤场景探索 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 4 “AI”概念⾯世 1950s 2012 CNN,$⼈脸识别 Alpha, ⼤战李世⽯ 2017 2022 Chatgpt,/C端破圈 DS,$“Aha”时刻 2024 数据来源：1.(甲⼦光年智库梳理，2023年； DeepSeek-R1 • 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（ChainvofvThought）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 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” 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” 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 5 理解Chatgpt,J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 Prompt engineering 提⽰词⼯程 RLHF 强化学习 Nvidia A100（A800） ⾼性能卡 SFT 监督微调 RDMA 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 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 体验： 哎哟 不错噢 低成本，超出⽤户预期的“智能” 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 6 再看DeepSeek, ⼜⼀个“⼯程奇迹” 7 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 开源模型⽐肩头部闭源 60%+%指标优于 Llama3.1 Claude-3.5%GPT-4o% 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 AI的斯普特尼克时刻 被美国及其盟友列⼊各种限制 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捩点 DeepSeek的创新突破 • 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 MoEnSparsen(稀疏专家混合模型） • 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% MLAn（多头潜在注意⼒机制） • 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”“ NSAn(原⽣稀疏注意⼒)n • 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 FPBn混合精度训练 • 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 数据蒸馏技术 • 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 GRPO(群体相对策略优化) 效果体验惊艳，成本极致压缩 8 为什么⼈⼈都爱DeepSeek? 成本优势 • 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 • 技术成本的下降，为 ⾏业上下游带来更多 创新的可能 技术震撼 • 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 了训练和推理的成本。 ⽽且它是个拥有推理能 ⼒的模型，全球可⽤ 开源引爆 • 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 模型推理能⼒ • MIT许可证，商⽤权限吸引 开发者 垂直适配 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 9 DeepSeek天然适合医疗⾏业 ⼤模型发展的⼏⼤“基⽯” 01 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 计算资源 02 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 算法框架 03 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 数据资源 04 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 ⽣态资源 05 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 ⼈才资源 06 医院、企业、监管、患者痛点多，场景丰富， 市场潜⼒巨⼤ 市场前景 DeepSeek创新技术引发新变化 医疗⾏业独特优势 10 DeepSeek虽好，但也不是“六边形战⼠” 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 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 幻觉⾼=“创造⼒税“ 底层⼤模型各有所长 幻觉情况1 11 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 ⼤模型及DeepSeek潜在应⽤场景探索 DeepSeekJ会给医药企业带来哪些变化？ DeepSeek有哪些应⽤场景？能产⽣哪些价值？ 13 提升新药研发和 临床管理效率 数字化内部流程 提效 数据驱动的 多渠道营销 更个性化、互动 ⾏业学术化推⼴ 重塑患者流程 • 患者招募 • 试验设计优化 • 执⾏效率提升 • 交叉证据⽹络 构建 • 内部⽂档提效 • 数字化知识库管理 • 合规风险智能提醒 • 内容⽣产辅助 • 管理营销素材 • 营销内容策划 • 客户精细化标签 • 个性化与医⽣互动 • 多源信息来源 • 互动性、个性化 患者流程 • 多重购买渠道 患者服务 多渠道营销 ⽣产与 供应链 新药研发与 临床试验 学术化推⼴ • 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 ⼈⼝⽼龄化 • 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 医保捉襟见肘 • 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 医院艰难 • 国家层⾯已开展10 批集采，平均降幅 50%-60%，极端降 幅超90%5 药品集采5 • 研发成本激增 • 成功率低 • 美国创新药临床成功率仅 5.1% • 研发回报率低 研发回报下滑6 医疗⾏业⾯临前所未有的挑战 新⽣产要素在数据，“问数据，要数字” 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 *65+岁% 14.1% 7.9% ⽀出增速 2023 收⼊增速 5.5% 4.4% 2024 14.9% 10.1% 2014 2023 亿美元 11.9% 2010 21.7% 2018 单个创新药上市成本 IRR 3.2% 10.1% 2010 2018 ⾏业视⾓：DeepSeek对于医疗体系有那些影响？ • 患者⾏为“消费者化”：医疗信息透明化，患者 有更多主动权 • “数字健康”和⽣态“破壁跨圈”，产⽣更多数据 • 个性化诊疗和健康管理 患者 • 电⼦病历和数据管理⾰新 ⼤模型语义理解加速医学数据治理和流通 • 医院数据开放和流通 数据价值在⼤模型背景下进⼀步被凸显 • 精细化运营管理（DRG/DIP） Ds推理思考能⼒以及医保控费压⼒ 医院 • 学习/培训模式发⽣改变 • 医⽣临床决策影响模式发⽣改变 • 科研与学术⽅式和效率 医⽣ • 数据驱动的精细化监管：⽐如药占⽐/集采 vs&药品经济学 • 数据安全和合规重构 • 多元⽀付体系（商业参与度更强） 监管 15 DeepSeek对于医疗体系有那些影响？-患者 • 患者⾏为“消费者化”：医疗信息透明化，患者有更多 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 患者 超级产品 增长1亿⽤户所⽤时间 ⼤模型成为新 的信息来源 16 ⽤户触达 潜在⽤户 “⼤模型会替代搜索引擎， 成为新⼀代精准流量⼊⼝v” ⽤户认知 ⽤户⾏为 ⽤户依从性 • ⽬标⼈群画像/潜在⼈群标签 （⽐如年龄、性别、主诉、现病史等） 腾讯医典 腾讯视频 体系性患者宣教 个性化患者建议 健康智能体 健康智能体 精准服务推荐 线下就诊 “⼴泛教育”→“量⾝定制” “信息→服务”链路闭环 腾讯健康 健康智能体 健康药箱 视频号 ⼩程序 公众号 健康智能体 “个⼈健康助理” 患者服务：⼤模型重塑患者旅程 17 患者服务：从“千篇⼀律”到“精准匹配”信息和服务 词条⾼亮 引⽤⽂献 以腾讯健康为例 识别⽤户现病史、⽤药和健康情况标签，关联就诊&药事服务 • 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 个性化推荐医疗信息 • 智能分析⽤户病情、并精准推荐宣教 18 ⽤户 数据+ AI⼤模型 内容查看 饮⾷建议 健康/⽤药提醒 运动break 健康咨询 睡眠 信息精准 传递 ⾏为 ⽤户 ⾏为 收到⽤户阅读提醒 运动数据收集&反馈 健康反馈 • 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 健康新提醒 ⽤户情绪 曲线 哇塞，饮⾷建议都 有了~今天再也没 有选择困难了 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！ 哇塞，提醒我要记得吃 药！ 原来喝⽔得喝够了才 能减肥啊~新知识 get!! 好累啊~脑⼦快转不动了 舞动极光太好玩了~ 10分钟，我感觉⾃⼰⼜活 过来了 是不是真多要过午不⾷？ 可是我的真的好饿啊 幸好我问了AI健康助理 拍照药盒可以直接⼀键下 单，太⽅便了！ 昨天健康回顾+健康⽇历 举例 健康提醒 • 根据⽤户数据，⾃动推送饮 ⾷建议或者运动 • 根据⽤户健康规划，⾃ 动推送活动/饮⽔提醒 • ⽤药提醒 • 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） • 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 健康服务 ⼯作有点累呢！想放松下 要不在忍⼀会，我⼀定会 瘦 有点困了，⼿表提醒我 该睡觉了~ ⽩噪⾳帮助我⼊眠 医典科普 检验报告/健康数据 健康提醒 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 患者新旅程：终端+数据+AI+服务，AI串联全流程，激发新需求 19 “精益求精”⽤户画像 “细致⼊微”⾏为管理 “极致简化”服务路径 DeepSeek对于医疗体系有那些影响？-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 医⽣ 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） 基于DeepSeek病历讨论助⼿ 科研助⼿ 20 医⽣画像 AI问答助⼿ 话术智能推荐 拜访记录⽣成 学术推⼴：千⼈千⾯，让销售拜访更专业、更⾼效 21 代表培训：AIJ辅导，实战中提升专业能⼒ 22 ⽼⽅法 辅导! 培训! 考试! 辅导 培训 考试 真实世界⾯对 ⾯ 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 反馈更真实：通过真实拜访和⾃讲过程发现问题 激发代表学习的⾃驱⼒：发现问题，⾃发改进 提升代表⼯作效率：代表把⼯作和学习结合在⼀起 可规模化：借助AI规模化打分，不再有培训⼈⼒瓶颈限制 线上线下拜访 AI打分与建议 代表学习改进，在下次拜访中做的更好 语⾳⾃动转录拜访⽂字 新⽅式 nAI辅助实践，实践中提升能⼒ • ⽀持参照范⽂创作，或基于以疾病为中 ⼼的，故事-关键信息-市场细分等框架创 作 多种创作模式 • AI辅助⽣成多种风格内容标题 • AI辅助⽣成内容的基础⼤纲，可进⾏⼈ ⼯调整或细化 AI⽣成标题、内容 • AI辅助⽣成内容的基础⼤纲，可进⾏⼈ ⼯调整或细化 AI⽣成内容⼤纲 • 基于已确定的创作模式、标题、⼤纲， 补全正⽂ • 可限制内容素材均来⾃企业知识库，保 证专业度与合规性 整合联合搜索+企业知识库 多渠道营销：借助⼤模型，提⾼合规内容⽣产与互动效率 23 DeepSeek对于医疗体系有那些影响？-医院 • 电⼦病历和数据管理⾰→构建专病知识库， 为药物研发和精准医学提供⽀持 ⼤模型语义理解加速医学数据治理和流通 • 医院数据开放和流通→数据要素商业化变 数据价值在⼤模型背景下进⼀步被凸显 • 精细化运营管理（DRG/DIP） DS推理思考能⼒以及医保控费压⼒（需求⾼，难度⼤） →药品定价策略 医院 • PR先⾏，但过去“纸⾯数据、 ⾮标数据”等困境能得到极⼤ 缓解，医院数据的应⽤价值可 以得到释放 医学数据结构化提取、标准化 24 新药研发：借助⼤模型，提升药品研发的效率和速度 • 检索药监、⽂献、临床指南、申报⼚家 数量等选择潜在靶点（需RAG未公开数据） • 知识图谱可关联临床试验数据与RWE 试验，去观察有潜⼒的适应症 研发⽅向探索 • 患者分层：基于⼤模型的语义理解能⼒， 从历史数据中识别符合⼊组标准的“数 字孪⽣”患者群体，提⾼招募效率 • 剂量探索：通过强化学习算法模拟不同 剂量⽅案的效果，缩短1期的试验周期 试验设计优化 • 去中⼼化试验⽀持：居家数据采集与依 从性管理 • 院外数据的⾃动采集和综合分析 试验执⾏多元 • 医院侧：电⼦病历⾃动化 • CRO/企业：辅助⽂档处理、数据分析 等重复⼯作 • 企业：申报材料的准备 执⾏效率提升 25 “若临床时间缩短1年，研发回报率IRR提升⾄9.5%； 若研发成本降低20%，IRR升⾄10.1%”1 数据来源：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 企业AI知识库：打造企业版ima，提升内部流程效率 ⽀持多格式知识沉淀，打破知识分散困境 “理解准”、“检索准”、“回答准” 灵活权限设置，保证企业资产安全 • 知识萃取+模型推理，超越基础RAG，充分应⽤企业知识结构， ⾃动学习理解企业信息，强化掌握知识要点关联 • 准确率更⾼，模型幻觉更低，更适合⼯作场景严肃问答 • 知识获取可融⼊⼯作流程（如财务报销），让知识可即时取⽤ 26 智能办公：AI辅助的智能⽂本助⼿ 27 ⽂档智能助⼿：⽂档的doc、表格、思维导图等各⼯作⽂件中，通过AI提⾼⽤户⼯作效率 ⽂档创作 ⽂本编辑 表格公式⽣成 ⽀持⾃然语⾔⽣成250+内置函数 遵循⽤户指令，进⾏各种场景的⽂本创作 对已有内容进⾏续写、润⾊、校阅、翻译和总结 全方面支持在线会议 智能办公：智能会议助⼿ 28 会控⼊⼝ 理解⽤户指令，与会议API交互 会议总结 帮助⽤户⾼效获取会议内容 会议问答 快速精准获取答案 关联问题推荐 更好了解会议关联信息 还有更多的领域有待深⼊和发掘 30 库存优化 需求预测 AI质检 设备预警 供应商评估 采购优化 信息化程度⾼，标化数据多 “⽤户容忍度”更⾼，性能⾮敏 感的场景，越容易落地 ⼦任务数量少， 单任务复杂度也低,v 重复性⼯作 复杂度更低的任务，更快速形成 “平替”⽣产⼒ 哪些场景和任务能够更⾼效的落地结合？ 创意类、发散性思考类、快速检索等 有数据是第⼀要素 提升新药研发和 临床管理效率 数字化内部流程 提效 数据驱动的 多渠道营销 更个性化、互动 ⾏业学术化推⼴ 重塑患者流程 • 患者招募 • 试验设计优化 • 执⾏效率提升 • 交叉证据⽹络构建 • 内部⽂档提效 • 数字化知识库管理 • 合规风险智能提醒 • 内容⽣产辅助 • 管理营销素材 • 营销内容策划 • 客户精细化标签 • 个性化与医⽣互动 • 多源信息来源 • 互动性、个性化患者流程 • 多重购买渠道 腾讯