前谷歌CEOEric Schmidt在斯坦福说的话，对医疗AI创业者有哪些启发？

上个星期简单写了下一些自己出去了解其他行业的创业者的感受，没太上心，因为目前团队只有６个人的原因，自己出去的时候还要处理一些公司的事情。虽然只写了一些简单的看法，也引来了不少人的关注。

先给我们精神股东汇报一下进度，目前我们基础产品完成了，目前在微调，预计我的产品今年就要上了然后会先从区域的机构上落地，目前的试验田已经找好了。后期还会和医护工作人员会对RAG、知识库进行补充并训练。

另外这个月还是会去见一些创业者尤其是在医疗领域的Aiagent的朋友。在上海的小伙伴已经约好了。能在这个时候遇到你们真是太好了，老话说的好出门靠朋友，这也是我继续写公众号的目的。

在创业的时候难免有一些焦虑，依靠视频号给我推的一些鸡汤勉强坚持下去，昨晚看到前谷歌CEO在斯坦福说的话，又打被打了鸡血。毕竟他的一些想法确实跟我之前的思考是高度吻合的。我用我的视角去解读一下这里面哪些我们能用到的，仅供参考。

EricSchmidt：很快。这三件事，我非常确信这三件事的结合将在下一波浪潮中发生。所以你问还会发生什么。每六个月我就会摇摆一次。所以我们处于一个奇偶振荡状态。

EricSchmidt：这里的程序员知道我在说什么。因此，想象一下一个不傲慢的程序员实际上可以做你想做的事情，你不必支付所有的钱，而且这些程序的供应是无限的。这都是未来一两年内的事情。

以上两个观点，我一起说，我在《Ai医疗商业化的前提》这篇文有提到过，AI的大模型的变化不可同日而语，就连我们的AI顾问都感叹，之前用TANSFORM硬写一些推荐算法，花了不少钱。这种场景其实也在移动互联网兴起之前也同样发生过，所以他这里用了浪潮这个字眼。其实在局的创业者看到这个也会有一些焦虑，毕竟发展速度过快就意味着淘汰速度也同样的快，但我对这种鬼故事，向来不太在意。

举例来说，最近在微调我们的智能体得出来的一些感受，微调之前我们要比智能体更专业，这个是前提条件，所以急不来，也不用焦虑，有行业经验的人还是有先发优势的，毕竟医疗领域还是有一定门槛的。

EricSchmidt：因为我们作为一个国家没有足够的力量来做到这一点。另一种选择是让阿拉伯人资助它。我个人喜欢阿拉伯人。我在那里度过了很多时间，对吗？

我在《医疗企业，为什么一定要出海？》也讲到了，言外之意就是去找中东的投资机构有机会，这个需要很多钱才能成的事情。至于为什么是中东我有讲我对全球经济的一些逻辑推理。

那医疗AI面对海外市场怎么看，我会专门用一篇文章来讲。目前我用CB找到海外做AiAgent的都是做一些小工具的工作流，都获得了不错的融资。另外创业者也需要一个全球化的视野，所以我个人觉得是有机会的。

EricSchmidt：对于初创公司来说，初创公司之所以能成功，是因为人们拼命工作。所以我在小公司投资了很多钱。

这个确实是发生在我身上的一件事情，就是我去真格面试，投资人更关注的是团队情况，市场情况。而实际在做这件事情的创业者会更关注这个产品是否足够细分，足够的细分这个团队才能跑的快，在有限的时间和资金更聚焦的去做一件事。

这两者之间是有难点的，难点在这个产品辐射人群足够广并且这个产品要足够的垂直细分，创业者需要解决这个矛盾点。

主持人：总的来说，您似乎对人工智能问题的潜力非常乐观。我很好奇，你认为是什么推动了这一点？只是更多的计算吗？是更多的数据吗？

EricSchmidt：这是根本性的还是实际的转变？是的。你同意？被扔掉的钱财数量令人难以置信。我选择了，我基本上投资了一切，因为我不知道谁会赢。

我之前就分析过，这是因为很多人想要捡这个浪潮的钱，所以就必须一次次来做大模型。过没多久大模型还是回归那几个巨佬厂商，而AIAgent才刚刚开始。

对此我有八成以上把握。

关于医疗AiAgent是否在能在TOC端的大场景中跑出来，我的判断把握要小一些，毕竟我认为现在这个TOC端属于高杠杆行业、这种满手现金流的行业不一样，他们商业模式差很多。

而我这种只想满足TOB端的一些小需求解决他们的主要问题，不能去冒这个险，对于低杠杆的，做一些自由现金流好的生意反正又不会死，熬着总能等到风口。

主持人：是的，先生。是啊，似乎有几个玩家在主导AI，对吧？他们将继续占据主导地位。它们似乎与所有反垄断监管所关注的大公司有重叠。您如何看待这两种趋势...

EricSchmidt：所以在我看来，这种趋势确实不会被打破。

你们不要误会，这里他没有任何吹哪几家会垄断市场的意思。应该是告诉我们不要去玩基础的东西，我们玩不明白。

EricSchmidt：那是上周。他有一个很好的分类法。人们询问微调。我认为苏珊问的是微调。他说，嗯，实际上有三种方法可以让你的模型变得更加定制化。

一是你可以对其进行微调，这基本上就像对其进行更多训练。另一个是上下文窗口越来越大。第三种是使用 RAG 或类似的技术，这些技术是检索增强生成并访问外部数据。但这些上下文窗口现在似乎非常有效。我想，正如埃里克所说，我们认为这很难。

这个也是我们的产品一开始就像中了邪一样，开始乱回答。后面用加了RAG，主要做辅助回答的作用，现在稍微好一些。再进入到模型之前我们加了一些调优，就是再细化场景分类这个可以解决一大部分问题。

反正我感觉Qwen有点小强了，Ai技术远没有上限，这次和前面真不一样。做医疗领域的Ai产品为什么不用百川而用Qwen，我下篇会说一下我们对这件事情的思考。