第二百九十七章 永远有人正年轻 (第1/2页)
「我们初来乍到，对这些事还不太了解。」韩路一说道。
童斐站出来解释道：「就是国家层面的科技攻关项目，是工信部牵头的，联合几个头部企业和高校共同承担，定向解决卡脖子」的技术问题。名额有限，入选的基本上是这个方向上有核心技术积累的单位。」他顿了顿，「当然，现在AI这块儿是重点方向，各家都在争着申请，黎总这边应该是有一席之地的。」
京城的圈子，确实对政策的敏感度比海城那边要高得多。
韩路一闻言点了点头：「我们现在还是专注於产品本身的开发和叠代，这些事，说实话」
他笑了笑：「对源智来说还太早了，也不是我们现在应该操心的阶段。」
黎严温和地接过来：「各个企业都有自己的定位，年轻团队专注做产品是对的，基础打紮实了，自然会有机会找上来。我还是很看好韩总的团队的，找对方向好好做，以後未必没有机会。」
韩路一看了他一眼，黎严这时候才又找回一些网际网路老霸主的气度来。
「借黎总的吉言了。」
饭局到後半场，还坐在桌子边上的人就不多了，大家都端着酒杯三三两两的散在房间四处，黎严身边围着的人是最多的。
韩路一远远看着，能体会到黎严想要把智能体平台做出来的决心，不仅是发布会上讲、讲座上讲，他甚至还出入这种社交场合来拉拢外围企业入局。
从这个角度上来说，他这个CE0做的工作可不算少。
但是在最根本的局势判断上，韩路一和他的结论不一样。
韩路一相信，应用场景、用屍体验固然重要，但是归根结底，模型能力才是一切的根本，想要在这个方面上继续突破，就必须不遗余力地继续投资。
或者说，应用落地是对的，但是要在模型能力到顶之後，而现在来看，模型能力还有很大的探索空间。
韩路一和赵文渊在一边喝着水，刚才做医疗的那个创始人又凑了上来。
那人姓江，叫江九思，三十六七岁的样子，戴着一副细框眼镜，头发有点儿乱，穿得不像网际网路人，倒像医院里刚下门诊的医生。
事实上，他还真是个医师—曾经是。
刚才贺云深介绍过，江九思之前是京城一个三甲医院的副主任医师，专门研究癌症的，正是年轻有为的上升期，却决定辞职出来创业，可以说是放着大好的前程不顾，纵身一跃了。
「韩总，赵总，刚才聊着聊着被打断了，一直想过来接上，就是黎总身边太热闹了，我不太好凑过去。」江九思端着一杯香槟，开口就很热情，「我听你们说话的意思，是要
来京城开研究院？不知道对医疗这个方向有没有兴趣啊？」
韩路一和赵文渊对视了一眼。
源智暂时没有这方面的计划，医疗不比其他的领域，对用户的影响太大，对结果的准确度要求又高，不是一个轻易下注的好方向。
当然，不是说将来不做，只是现在还没有精力和资源去做。
但是韩路一没有明确拒绝，而是问道：「江总做的是哪个方向？」
「我最想做的是癌症早筛，治未病嘛，这是我的老本行。但是手头的数据不够，这个方向的进展太慢，为了快点市场化，我们主攻的是另外两个方向。」江九思苦笑了一声，「一个是病例结构化，把自然语言病历转成标准栏位；另一个是临床路径辅助，帮医生做初步提示，比如相似病例、用药风险、检查建议。」
韩路一对这个答案颇感惊奇：「病例结构化？这个还需要AI来做吗？」
他是网际网路出身的，在AI时代到来之前，网际网路企业的数据早就结构化了，就拿鼎盛的电商部门举个例子，用户搜索「女装」这个模糊的大类，出来的可能是可爱风、成熟风、纯欲风，具体看到什麽都是由後台的推荐系统决定的，推荐为什麽能做得这麽精准？
靠的就是用户和商品两端大量的结构化数据。
怎麽，在医疗领域的病例结构化还需要用AI？
江九思看来也不是第一次碰到这个疑问了，解释起来驾轻就熟：「你们做网际网路的可
能对医院的体系不了解。网际网路的数据是在网际网路上跑的，天生就是结构化的。搜索、点击、下单，这些数据後台都能直接入库，但医院可不一样。」
他推了推眼镜：「你们知道国内大部分三甲医院的HIS系统是什麽年代的吗？很多核心模块还是上世纪九十年代写的，那时候根本没人想过数据要结构化。医生写的是手写病历，扫描进去，就是一张图；就算打字录入的，也是自由文本，患者自述左上腹隐痛三天，饭後加剧这些只能人工读，想要在上面做数据分析，根本没法用。」
「而且，」江九思微微苦笑，「医院和医院之间的系统互不相通，同一个病人在协和看一次，去宣武再看一次，两边的病历格式完全不一样，甚至栏位定义都不一样。这种情况下，如果你要做大数据分析，第一步就是先把这些自由文本里的临床信息都挖出来、洗出来，标准化了之後，才能往下走。」
他端着香槟扫了韩路一一眼：「这个活儿，医院里根本就没人做。以前做这个方向的都靠人工，招大量的医疗数据标注员，成本高、速度慢，还容易出错。AI一来，总算有工具能处理这个，所以我才觉得是刚需。」
韩路一听着微微点头，从自己的实际工作中发觉痛点，找到解决方案，然後创业。和自己最开始做BugKiller倒是同一个路线。
不如说，很多半路出家的创业者都是这麽开始的。
赵文渊在一旁听着，已经被勾起了兴趣。
做模型训练的时候，医疗是个避不过去的强专业场景，也是行业内都在头疼的一个问题。
毕竟大模型回答出来的答案，用户是真有可能会信的，如果做错了诊断，模型公司要不要负责任？这个到现在都还是一个比较前沿的问题，也没有法律意义上的定论。
但是如果只是做非结构数据的数据处理
（本章未完，请点击下一页继续阅读）