本刊记者 孙庭阳

我今年带来了两份“AI+医疗”的建议。将这两份建议结合起来，大家就能够立刻享受到 AI 的红利。

今年的全国两会期间，全国人大代表刘庆峰，他是科大讯飞的董事长，在接受媒体采访时表示。

刘庆峰语速较快。他身边的工作人员介绍说，大概 3 周前，刘庆峰从合肥前往北京参加民营企业座谈会，之后就一直在出差，直到全国两会前才又回到北京。他能够连续两小时不间断地讲 4 万字，平均每分钟能讲 300 多字。要明白，这个语速即便对于播音员来说，也属于比较快的语速。当谈到 AI（人工智能）专业技术时，他满脸都是兴奋的神情，丝毫没有疲惫的样子。

访谈中，刘庆峰多次提及，在国产算力平台方面，构建自主可控的大模型以及产业生态，这是他今年所带来的九个建议中的一项。并且，还有构建“AI+医疗”的标准规范，以及制定针对老年人的 AI 医疗健康应用实施方案等。

本刊记者 马铭悦 摄

全国产算力大模型 “栽树人”

今年 1 月 15 日，科大讯飞完成了星火深度推理模型 X1 的训练与发布。在这之前的两个月，他们成功实现了算法创新，将深度推理模型训练算法跑通。之后，他们又用了两个月的时间来适配和优化国产算力，从而使训练效率得到了大幅提升。

刘庆峰介绍，我们比同行升级时间晚了两个月，然而这样的付出是值得的。

当前在全部开放的大模型领域中，有一些公司依旧是在英伟达芯片的基础之上进行各种优化。在现今的国际局势当中，这样的技术路线所面临的风险在逐渐地增大，就如同“在他人的地基上建造高楼”一样。科大讯飞所坚持的全国产算力路线，能够保证技术底座处于自主可控的状态，避免了有可能会受到他人制约的局面。然而，我们仍然需要看到，国产自主可控的人工智能产业依然存在着生态较为薄弱以及适配存在困难等问题。

采访时，刘庆峰回忆起一段过往。中国科学院的龙芯问世之时，我国曾有过接近英特尔的机会。倘若当时众多企业能够采用龙芯，那么一步一步追赶上去或许只是时间的问题。然而，当时使用龙芯的人寥寥无几，这使得我国的 CPU 一直未能跟上。说到这里，刘庆峰的语速放缓了。

这段历史教训让刘庆峰深刻明白，基础技术的生态构建是突围的关键所在——就如同当下大模型的发展必须筑牢算力的根基一样。算力是大模型的基础，它可以被分为训练算力、推理算力和应用算力。从技术难度方面来看，训练实现的难度要比推理大很多。而讯飞星火大模型的训练和推理，都是在国产的算力基础之上进行的。

我不做，全国产算力大模型的生态何时能建好？刘庆峰反问。

实践表明，全国产算力的大模型已成功落地。讯飞星火大模型在汽车、医疗、司法、公安、金融和教育等专业领域得到广泛应用，涵盖 300 多个应用场景。2024 年，公司获得落地“央国企大模型第一”的成果，其份额超过了第 2 名到第 6 名的总和。他们跟中国海油等 20 多个头部企业共同发布行业大模型。

前人栽树，后人便可乘凉。大家都去做全国产算力大模型的“栽树人”，如此一来，这个生态会越来越好。刘庆峰发出呼吁，要在自主可控的平台上，大家一同把大模型生态做好，促使我国自主可控大模型平台能够健康成长。

今年的全国两会中，他提出建议。其一，要加速我国自主可控人工智能产业生态的发展。其二，鼓励开展基于自主可控国产算力平台的大模型研发与应用工作。其三，鼓励依托自主可控算力底座来推动大模型开发者生态的发展以及开源社区的建设。其四，通过专项支持，促使国产大模型生态体系和工具链能够加快形成。

“持证上岗” 的医疗大模型

谈及“人工智能+”时，刘庆峰持有这样的观点：人工智能最终的目标是赋予千行百业以力量，并且要走进千家万户。

以“AI+医疗”为例，科大讯飞已持续探索10来年。

刘庆峰谈及特定方向的人工智能应用落地时满是自豪。科大讯飞的医疗机器人“智医助理”在 2017 年通过了国家执业医师资格考试综合笔试测试，其成绩超越了 96.3%的人类考生。讯飞星火医疗大模型最初能够诊断 150 种疾病，现在已扩展至 1600 多种病症。

近期发布的讯飞星火医疗大模型 X1，在进行诊断推荐这一医学任务上的效果，已经超过了 GPT-4o；在进行健康咨询这一医学任务上的效果，也已经超过了 GPT-4o。

科大讯飞建设的安徽省影像云平台可以帮助影像医师快速生成诊断报告，还能辅助临床医师制定诊疗方案。到 2025 年 1 月的时候，有超过 1970 家医疗机构以及超过 3200 名专家在影像云平台上进行了注册，他们提供的远程会诊服务量接近 840 万次，同时录得的数据上传服务使用量超过 1.12 亿次。

在大模型应用越来越多的情况下，是否可以用大模型看病？

刘庆峰认为，部分大模型不具备专业认证的医疗能力。在回答诊疗问题时，很容易导致认知误解。并且未必能帮助到发问者。

对此，刘庆峰提出建议，要制定医疗健康行业大模型应用的技术标准以及测试规范。要注重对大模型技术创新在临床实践价值方面的检验。要确定权威的第三方评测机构以及信息公布机制。还要制定应用技术标准和测试规范。

归根结底，需要建设我国人工智能产业的良好生态。在医疗、司法以及金融等领域的大模型，不能存在被“卡脖子”的隐患，我们要加快自主可控人工智能产业生态的发展。刘庆峰表示。