文|動脈網(wǎng)
“嶄新的計算平臺已經(jīng)誕生，AI的‘iPhone時刻’已經(jīng)到來，加速計算和AI技術(shù)已經(jīng)走進現(xiàn)實，”在3月21日GTC 2023春季大會的開場演講中，春風(fēng)得意的英偉達創(chuàng)始人兼首席執(zhí)行官黃仁勛這樣總結(jié)近來AI技術(shù)的突破——在本次GTC上，與生成式AI相關(guān)的主題會議超過了70場。
這一看法并不夸張。一天前，微軟和Nuance發(fā)布一款讓醫(yī)生臨床記錄“iPhone化”的殺手級AI應(yīng)用，也是醫(yī)療行業(yè)第一款結(jié)合GPT4模型的應(yīng)用，距離GPT-4發(fā)布不到一周時間。微軟在此前投給OpenAI創(chuàng)紀錄的100億美元看起來非常超值，不僅創(chuàng)造了微軟在醫(yī)療領(lǐng)域的高光時刻，也代表了科技巨頭在醫(yī)療領(lǐng)域持續(xù)加碼的大潮。
在GPT-4發(fā)布的前一日，谷歌剛剛拿出了專門針對醫(yī)療的生成式AI模型。雖然比爆火的ChatGPT來得晚了一些，但生成式AI在醫(yī)療上有著充分的發(fā)揮空間，這場馬拉松比拼的不是誰先起跑，而是誰能堅持到最后。
已經(jīng)入局的科技巨頭正在持續(xù)深耕，還未進入的則在抓住每一個潛在的機會入局。對此，半導(dǎo)體巨頭AMD也直呼“Yes”。畢竟它幾十年來首次將自己的箭頭標志刻印到了醫(yī)療領(lǐng)域。
科技巨頭在醫(yī)療的加碼內(nèi)卷，會帶給我們什么？值得期待。
微軟巨資收購Nuance，GPT-4加持醫(yī)療后發(fā)制人
微軟進入醫(yī)療的時間其實很早，早在1999年就投資了醫(yī)療信息網(wǎng)站W(wǎng)ebMD。此后數(shù)年，微軟也陸續(xù)收購了一些醫(yī)療相關(guān)企業(yè)。但彼時微軟并未將醫(yī)療當作主要業(yè)務(wù)，也未對這些業(yè)務(wù)進行整合。
2017年，微軟啟動了Healthcare NExT，開始系統(tǒng)性進軍醫(yī)療。這一次微軟將方向指向當時方興未艾的醫(yī)療AI，希望利用微軟在AI和云計算方面的優(yōu)勢推動醫(yī)療創(chuàng)新，主要目的包括減輕醫(yī)生的數(shù)據(jù)錄入負擔(dān)、分流病人及監(jiān)督病人院外護理。
在此后幾年，微軟在醫(yī)療領(lǐng)域基本延續(xù)了這一方向。并在2020年推出了微軟第一個專門針對醫(yī)療行業(yè)的云計算解決方案——Microsoft Cloud for Healthcare。
不過，坦白而言，擁有這些業(yè)務(wù)的微軟在醫(yī)療領(lǐng)域的名氣并沒有后來被收購的Nuance大。Nuance曾是語音AI領(lǐng)域的領(lǐng)導(dǎo)者，不僅是蘋果Siri語音引擎的開發(fā)者，更曾經(jīng)在全球智能語音市場中占據(jù)六成以上的市場份額。在受到科技巨頭的挑戰(zhàn)后，Nuance將業(yè)務(wù)重心轉(zhuǎn)向醫(yī)療領(lǐng)域，并通過數(shù)年深耕建立了很高的競爭壁壘。
2021年4月，微軟宣布以197億美元巨資收購Nuance。這筆交易是微軟成立迄今第三大收購案，極大地加強了微軟在醫(yī)療垂直領(lǐng)域的影響力。
Nuance的服務(wù)已經(jīng)被嵌入微軟醫(yī)療云，可以為醫(yī)生提供語音識別和轉(zhuǎn)錄服務(wù)。語音AI能夠智能識別醫(yī)生與患者的對話內(nèi)容，并進行語境分析，隨后將數(shù)據(jù)輸入到電子病歷中自動創(chuàng)建臨床記錄，以提升醫(yī)生診斷的有效率。
Nuance的DAX可通過語音生成臨床記錄（圖片來自Nuance官網(wǎng)）
GPT模型的加入將大幅度提升臨床記錄的生成時間。一般而言，未引入GPT-4模型的DAX生成臨床記錄需要約四個小時左右。依靠GPT-4強大的生成式大語言模型和推理能力，DAX Express將這個過程縮短到僅僅幾秒鐘。
這極大地改善醫(yī)生的使用體驗，減少其處理文書工作的負擔(dān)，使得無延時的臨床記錄成為可能，并提升了效率。
對于微軟來說，率先引入GPT-4將使其在醫(yī)療領(lǐng)域的影響力有極大提升——現(xiàn)在知道微軟也在深耕醫(yī)療的人比以往顯然要多出幾個數(shù)量級。
這種搶先并不難理解。微軟過往幾年持續(xù)投資OpenAI，并在1月底追加了據(jù)說100億美元的投資；還為其提供Azure云服務(wù)；甚至還專門為OpenAI打造了一臺超級計算機，用來在Azure公有云上訓(xùn)練GPT-3。能夠滿足這種訓(xùn)練所需海量算力的商業(yè)實體，在全球也屈指可數(shù)。
相比ChatGPT背后所使用的GPT-3.5，GPT-4的解答能力及正確率都有大幅提升。GPT-4.0在美國SAT考試獲得了163分（滿分180分）的高分，超越了88%考生的成績。同時，它在律師資格考試中也超過了90%的考生，相比之下，GPT-3.5只有倒數(shù)10%的水平。
不過，大眾在使用ChatGPT的過程中也發(fā)現(xiàn)，生成式AI仍然存在一些問題，尤其是“一本正經(jīng)的胡說八道”可能會制造相當多的認知偏差和虛假信息。畢竟這項技術(shù)的本質(zhì)是通過概率最大化不斷生成數(shù)據(jù)，而不是完全通過邏輯推理對問題進行解答的算法模型。此外，由于生成式AI具有一定的自主性，數(shù)據(jù)安全和隱私泄露也被認為是一大隱患。
無論如何，在這場科技大佬加碼醫(yī)療的競爭中，微軟的提速已使它領(lǐng)先了半個身位。
多年探索醫(yī)療叫好不叫座，谷歌的調(diào)整需要時間
就在微軟攜GPT殺入醫(yī)療領(lǐng)域的前一天，谷歌剛剛召開了“The Check Up with Google Health”年度活動，以展示其在醫(yī)療領(lǐng)域的最新發(fā)展。醫(yī)療AI則是其中的重點。
在ChatGPT走紅之前，谷歌一直被認為是AI領(lǐng)域的頂流。DeepMind和AlphaFold在彼時的熱度絲毫不比OpenAI和ChatGPT現(xiàn)有的熱度差。在去年ChatGPT發(fā)布后短短幾周，谷歌便和DeepMind拿出了Med-PaLM。
這是一個專門針對醫(yī)療健康領(lǐng)域的大型語言模型——在過去幾年，谷歌一直在進行醫(yī)學(xué)大型語言模型的研究，以應(yīng)對醫(yī)療領(lǐng)域所需的專業(yè)性和特殊性。
Med-PaLM模型取得了不俗的成績。它是第一個在美國醫(yī)療許可類問題上獲得“及格分數(shù)”（>60%）的AI，不僅準確地回答了多項選擇題和開放式問題，還提供回答理由并對自己的回答進行評估。
在本次活動上，谷歌展示了Med-PaLM 2。據(jù)谷歌介紹，新版本模型的表現(xiàn)比之前提高了18%，遠超過其他同類的人工智能模型（當然，彼時GPT-4還未發(fā)布）。在醫(yī)學(xué)考試中，Med-PaLM 2的表現(xiàn)已經(jīng)基本接近“專家”醫(yī)生的水平，得分達到了85%。
不過，谷歌也坦承這些進步雖然可喜，但距離在真實環(huán)境中部署仍有不小的距離。來自不同背景和國家的臨床醫(yī)生和非臨床醫(yī)生根據(jù)14項標準（包括科學(xué)真實性、精確性、醫(yī)學(xué)共識、推理、偏見和傷害等）對模型進行了評估。谷歌團隊發(fā)現(xiàn)Med-PaLM 2在回答醫(yī)療問題和滿足谷歌對產(chǎn)品卓越標準方面還有一些距離。未來，谷歌也將會持續(xù)與研究人員和全球醫(yī)學(xué)界合作，希望能夠讓這項技術(shù)真正幫助改善醫(yī)療服務(wù)。
雖然Med-PaLM 2暫時不能投入實用，但谷歌在影像AI上倒是取得了不少進展。在去年10月，Google Health與iCAD達成協(xié)議，將谷歌的乳腺影像AI技術(shù)整合到其乳腺影像產(chǎn)品中。這也是谷歌首次將其乳腺成像AI模型部署到臨床實踐。
在本次活動上，谷歌也宣布將進一步加強超聲AI模型的構(gòu)建，用于孕產(chǎn)婦護理及乳腺癌早篩等，從而幫助解決全球超聲影像醫(yī)生普遍缺乏及超聲檢查質(zhì)量參差不齊的痛點。
同時，谷歌也在和妙佑醫(yī)療國際合作，利用AI輔助放療規(guī)劃。此外，谷歌還將在非洲推動AI輔助早篩結(jié)核病——根據(jù)統(tǒng)計，全球超過25%的結(jié)核病死亡發(fā)生在非洲。
谷歌在醫(yī)療上的進展雖然看起來熱鬧，但與同期微軟的亮眼表現(xiàn)相比，就有點“沒有對比就沒有傷害”的意味了。
事實上，谷歌近年來在醫(yī)療領(lǐng)域的探索并不如意。2021年，這家科技巨頭的業(yè)務(wù)業(yè)務(wù)迎來巨震——谷歌宣布改變其醫(yī)療保健戰(zhàn)略，解散了曾經(jīng)獨立的Google Health，其人員也被融入到現(xiàn)有的其他業(yè)務(wù)線。
商業(yè)化一直以來是谷歌在醫(yī)療健康領(lǐng)域面臨的難題。在谷歌的年報中，Other Bets業(yè)務(wù)指不同發(fā)展階段的新興業(yè)務(wù)，包涵了醫(yī)療及互聯(lián)網(wǎng)服務(wù)等業(yè)務(wù)。這一業(yè)務(wù)單元的收入長期沒有什么長進，一直維持在6-7億美元左右；其虧損倒是逐年增加，2021年已經(jīng)達到了53億美元之多。
組織架構(gòu)導(dǎo)致業(yè)務(wù)重疊或許也是谷歌近來在醫(yī)療領(lǐng)域表現(xiàn)一般的原因。從2015年谷歌改組為Alphabet開始，各條醫(yī)療健康產(chǎn)品線逐漸聚合和獨立的業(yè)務(wù)單元。到了2021年初，谷歌的醫(yī)療健康業(yè)務(wù)大致可以分為Google Health、Verily和Calico三個單元。這些單元的業(yè)務(wù)之間長期存在交叉重疊，使得原本就不順暢的商業(yè)化更加雪上加霜。
在如今的新架構(gòu)下，谷歌能不能在醫(yī)療領(lǐng)域上找到感覺還需要進一步驗證。但它的例子也說明醫(yī)療領(lǐng)域的特殊性——即使是戰(zhàn)無不勝的科技巨頭，也很難玩得轉(zhuǎn)。
致力打造醫(yī)療AI基座的英偉達，正迎來人生巔峰
如今火遍全網(wǎng)的GPT是大型語言構(gòu)建模型的一種，所謂“大型”，從近幾年GPT模型的規(guī)模變化上可見一斑。2018年發(fā)布的初代GPT參數(shù)量只有1.17億，預(yù)訓(xùn)練數(shù)據(jù)量僅有5GB。GPT-3的參數(shù)量則已經(jīng)暴增到1750億，預(yù)訓(xùn)練數(shù)據(jù)量更是達到了45TB（1TB=1024GB）。
已經(jīng)亮相的GPT-4并未公布相應(yīng)的指標，但以O(shè)penAI的風(fēng)格，以及大幅優(yōu)于上一代的表現(xiàn)來看，模型規(guī)模大概率會高出不少。這需要巨大的算力才能完成模型訓(xùn)練和推理，且成本極為高昂。
根據(jù)媒體報道，微軟為OpenAI模型訓(xùn)練打造的超級計算機擁有28.5萬個CPU核心及超過1萬顆在當時尚屬頂級的V100 GPU——即使將V100更換為目前主流的A100，仍然需要3000顆的規(guī)模。
此外，GPT3一次訓(xùn)練的花費超過460萬美元，相應(yīng)的云資源成本一年下來也要近億美元。整個2022年，OpenAI在GPT-3的訓(xùn)練上花費超過5億美元。全世界也沒有幾家企業(yè)有這樣的財力應(yīng)付這樣一個暫時無法產(chǎn)生任何收入的“吞金獸”。這也是之前這類大型語言模型未能流行的重要原因。
隨著生成式AI逐漸獲得認可，對于算力的需求正在急劇膨脹。據(jù)OpenAI測算，自2012年以來，全球頭部AI模型訓(xùn)練算力需求幾乎每3-4個月就翻一番，每年頭部訓(xùn)練模型所需算力的增長幅度高達10倍。
對于AI基礎(chǔ)算力提供者的英偉達而言，沒有比這更好的消息了。在ChatGPT引發(fā)的生成式AI熱潮下，英偉達的股價自年初以來已經(jīng)上漲近八成，達到了271.91美元（3月23日），市值逼近6500億美元，一舉超過特斯拉。
英偉達創(chuàng)始人兼首席執(zhí)行官黃仁勛表示，AI的“iPhone”時刻已經(jīng)到來（截圖自視頻直播）
在近日召開的2023年春季GTC大會中，與生成式AI相關(guān)的主題會議超過了70場。同時，英偉達火速拿出了專門針對生成式AI的H100 NVL GPU。雖然未能來得及打造全新的架構(gòu)，但通過將兩顆目前頂級的H100GPU拼接，仍然可以將算力提升2-3倍。
英偉達和日本頭部商業(yè)財團三井物產(chǎn)合作研發(fā)Tokyo-1超級計算機，以利用生成式AI為日本制藥行業(yè)和初創(chuàng)企業(yè)的藥物研發(fā)賦能。包括安斯泰來制藥、第一三共制藥和小野制藥等日本藥企頂流都已計劃應(yīng)用這一超級計算機。
同時，英偉達還推出了NVIDIA AI Foudations云服務(wù)，以幫助需要構(gòu)建、完善和運行自定義大型語言模型及生成式AI的客戶加速生成式AI的引入。這一服務(wù)包括用于自然語言處理的Nemo、圖像處理的Picasso，以及針對制藥業(yè)的BioNeMo。
其中，BioNeMo可以加速加速藥物研發(fā)過程中最耗時、費用最高的階段。它可提供預(yù)訓(xùn)練模型，并使用專有數(shù)據(jù)自定義服務(wù)于藥物研發(fā)流程各階段的模型——其中就包括生成式AI，如幫助研究人員設(shè)計特有蛋白質(zhì)的ProtGPT-2。
通過這些模型，BioNeMo可以幫助研究人員識別正確的靶向目標、設(shè)計分子和蛋白質(zhì)并預(yù)測它們在人體內(nèi)的相互作用，從而研發(fā)出最佳候選藥物。
生成式AI模型能夠快速識別潛在的藥物分子，在某些情況下甚至可從零開始設(shè)計出化合物或基于蛋白質(zhì)的治療藥物。這些模型在小分子、蛋白質(zhì)、DNA和RNA序列的大型數(shù)據(jù)集上進行訓(xùn)練后，可以預(yù)測蛋白質(zhì)的3D結(jié)構(gòu)和分子與目標蛋白質(zhì)對接的程度。
目前，已有不少藥企嘗試使用生成式AI設(shè)計新的候選藥物。安進（Amgen）就使用了BioNeMo來加快其生物制劑的研發(fā)流程，來探索和研發(fā)出新一代藥物中的治療性蛋白質(zhì)。
除了藥物發(fā)現(xiàn)外，生成式AI在藥物設(shè)計、劑量選擇等藥物開發(fā)環(huán)節(jié)中也可提高效率并完善治療效果。預(yù)計到2040年，生成式AI可能會為醫(yī)療行業(yè)帶來1萬億美元的價值。
通過多年的持續(xù)加碼，英偉達在醫(yī)療領(lǐng)域已經(jīng)成功構(gòu)建了一個龐大的AI底座，并與醫(yī)療生態(tài)互為賦能。一方面，通過硬件升級持續(xù)提供基礎(chǔ)算力，并加入軟件及服務(wù)幫助客戶快速導(dǎo)入應(yīng)用，英偉達正持續(xù)挖掘醫(yī)療AI這一肉眼可見的巨大“金礦”。另一方面，醫(yī)療AI也通過英偉達軟硬件的加持獲得了巨大的提升，從而在更多的場景發(fā)揮更大的作用。
500億豪賭讓AMD在醫(yī)療也可以Yes！
2022年，在進軍醫(yī)療領(lǐng)域的科技巨頭上又多了一個響當當?shù)拿?，這便是AMD。作為英特爾和英偉達的老對手，AMD同樣也是基礎(chǔ)AI算力的提供者。不過，一直以來，它都沒有在具體業(yè)務(wù)中嘗試醫(yī)療領(lǐng)域。
2020年10月，AMD宣布以350億美元收購FPGA巨頭賽靈思（Xilinx）。由于賽靈思是FPGA第一大廠（2020年其市占率高達49%），這起收購引發(fā)了各國曠日持久的反壟斷審查，直至2022年才正式完成。隨著在此期間賽靈思的股價上漲，并購規(guī)模也達到了近500億美元，創(chuàng)造了半導(dǎo)體產(chǎn)業(yè)并購重組的新紀錄。
深耕FPGA的賽靈思數(shù)十年來在醫(yī)療、航空航天、汽車、國防等行業(yè)積累了諸多客戶資源，對新AMD價值連城，也為其贏得了包括醫(yī)療在內(nèi)諸多高壁壘細分市場的“入場門票”。
FPGA在醫(yī)療成像領(lǐng)域早已得到廣泛應(yīng)用。全球主要醫(yī)療器械廠商都在大量使用FPGA。其應(yīng)用范圍主要有超聲成像、3D渲染、X射線的數(shù)據(jù)采集、核磁共振成像接口等。此外，在內(nèi)窺鏡或者是除顫器、病人監(jiān)護儀中也可以看到FPGA的蹤影。在這些應(yīng)用中，F(xiàn)PGA可以提供比DSP更強的運算能力，讓成像過程中的一些算法得到高速執(zhí)行。
作為FPGA領(lǐng)域的領(lǐng)導(dǎo)者，賽靈思在這些應(yīng)用上早已有多年深耕。借由收購賽靈思，AMD也得以首次把自己的“箭頭”標志刻印到醫(yī)療領(lǐng)域。
2023年初的CES展會上，AMD發(fā)布其首個用于Vitis 2022.2統(tǒng)一軟件環(huán)境的醫(yī)學(xué)成像庫（Medical Imaging Library），以提供更好的超聲成像質(zhì)量——目前，繼續(xù)提升超聲成像質(zhì)量和成像精準性正面臨越來越大的挑戰(zhàn)。
AMD的醫(yī)學(xué)成像庫可極大地提升成像質(zhì)量并降低延時。通過為賽靈思的FPGA芯片硬件部署超高性能的超聲波束成形算法，超聲設(shè)備即使在難以掃描的腹部或心臟部位，也將可以獲得以低延時高質(zhì)量的成像效果。
此外，這一醫(yī)學(xué)庫還采用了三級庫設(shè)計，從第1級的模塊構(gòu)建到第3級的完整超聲波束成形器設(shè)計一應(yīng)俱全，這將為設(shè)備廠商提供豐富的選項，從而幫助他們縮短開發(fā)時間，將產(chǎn)品更快推向市場。
坦白而言，AMD目前在醫(yī)療領(lǐng)域的應(yīng)用場景還較為單一，但未來可期。這是因為配合專用算法的FPGA因其較為靈活的可配置特性和特定環(huán)境不遜于GPU的性能可以成為AI公司的另外一個選擇。
比如，在輔助病情診斷（慢性病篩查和風(fēng)險評估）等場景，通過學(xué)習(xí)過往慢性病患者數(shù)據(jù)可以預(yù)測未來患病風(fēng)險。這類場景使用FPGA也可實現(xiàn)模型訓(xùn)練、推理性能的提升。
再加上既有的CPU和GPU產(chǎn)品線，AMD在醫(yī)療領(lǐng)域還有很大的潛力可以挖掘。
科技巨頭為何紛紛進軍醫(yī)療，難點何在？
科技巨頭紛紛加碼醫(yī)療領(lǐng)域并不奇怪。首先，醫(yī)療市場的規(guī)模實在可觀。根據(jù)統(tǒng)計，美國醫(yī)療市場規(guī)模在2021年達到4.09萬億美元。這個數(shù)字包括醫(yī)療保健設(shè)施和服務(wù)、制藥、醫(yī)療器械和產(chǎn)品、以及醫(yī)療保險等多個領(lǐng)域的支出，還沒有包括與醫(yī)療相關(guān)的研究和發(fā)展支出。
同時，醫(yī)療領(lǐng)域的支出往往都是剛需支出。這并不難理解——畢竟，砸鍋賣鐵治病并不少見，但砸鍋賣鐵僅僅只是為了一時的享受實在罕見。正因為此，當經(jīng)濟下行時，消費科技領(lǐng)域受到的沖擊遠遠大于醫(yī)療領(lǐng)域。很不幸的是，這就是目前發(fā)生的情況——根據(jù)世界銀行的研究報告，目前全球經(jīng)濟正處于1970年以來最嚴重的下滑。
盡管如此，科技巨頭多年來在醫(yī)療領(lǐng)域的表現(xiàn)能夠?qū)Φ闷鹌渫度氲膶嵲谑区P毛麟角。動脈網(wǎng)認為，科技巨頭在醫(yī)療健康領(lǐng)域表現(xiàn)不佳，通常來說有幾個原因。
基于其屬性，科技巨頭進軍醫(yī)療健康領(lǐng)域往往選擇自身技術(shù)優(yōu)勢的延伸，以技術(shù)創(chuàng)新的方式入手。這種創(chuàng)新一旦成功必然建立起牢固的優(yōu)勢，比如英偉達基于GPU在AI加速上取得的巨大成功。遺憾的是，技術(shù)創(chuàng)新的失敗率非常之高，往往需要多次的嘗試。
科技巨頭在進入醫(yī)療后會發(fā)現(xiàn)行業(yè)環(huán)境發(fā)生了巨大的改變，患者隱私保護、數(shù)據(jù)收集標準在以往或許并不是個大問題，但在強監(jiān)管的醫(yī)療健康領(lǐng)域往往成為巨大障礙。以往通過數(shù)據(jù)驅(qū)動的方式很難解決醫(yī)療保健中最復(fù)雜的事情。
由于之前的成果，科技巨頭往往會迷信以往的成果，天真地以為技術(shù)可以解決醫(yī)療領(lǐng)域的所有問題。遺憾的是，對于患者而言，問題更多的是整體體驗，而不是技術(shù)本身。事實上，人們在醫(yī)療問題上往往偏于保守，寧愿選擇經(jīng)過驗證、成熟穩(wěn)妥的方案，新技術(shù)的應(yīng)用推廣往往需要相當長時間的蟄伏期。
與專注于醫(yī)療健康的科技公司不同，難以盈利的醫(yī)療健康業(yè)務(wù)在科技巨頭中只能獲得少數(shù)公司資源，也沒有連貫的企業(yè)級戰(zhàn)略，很難將分散于各部門的零散醫(yī)療業(yè)務(wù)聚集起來形成合力。對于醫(yī)療的長期投入也缺乏心理準備，業(yè)務(wù)部門的策略不得不經(jīng)常變動，難以持續(xù)。這在需要長期穩(wěn)定投入和高度耐心的醫(yī)療領(lǐng)域是行不通的。
如何將自身的優(yōu)勢與醫(yī)療的特點相結(jié)合，從而在醫(yī)療領(lǐng)域?qū)崿F(xiàn)破局，真正在醫(yī)療領(lǐng)域“叫好又叫座”。對于已經(jīng)或者想要進軍醫(yī)療領(lǐng)域的科技巨頭來說，都將是一個值得深思的問題。
我們期待科技巨頭們能夠更好地介入醫(yī)療領(lǐng)域，從而為推動醫(yī)療行業(yè)的數(shù)字化轉(zhuǎn)型和智能化升級做出更多貢獻。