凯文·凯利对话德适科技宋宁：AI做医疗，人做医生，医疗AI的资产是持续造AI的过程

未来学家与医企掌门人的同题问答：医疗AI的下一个十年不是一枝独秀

事实报道视角 × AI技术供应商·创业者 ｜ 数据视角 × 医疗数据从业者 ｜ 行业观察

9月25日，第五届全球数字贸易博览会期间，德适科技（DIAGENS，2526.HK）主办了一场以“医疗AI的下一个十年”为主题的医疗AI产业节。《连线》杂志创始主编、未来学家凯文·凯利，与学医出身的德适科技董事会主席兼首席执行官宋宁博士同台对谈。没有新品发布，没有参数竞速，这场对话更像一次横跨技术与医学两种思维的同题问答——而在几个关键判断上，两人的答案惊人地趋同：医疗AI的下一个十年，注定不是一枝独秀。

开场：数贸会上一场不像发布会的对谈

数字贸易博览会的场馆里从不缺少热闹的发布环节，这场医疗AI产业节的对谈却选择了另一种打开方式。一边是长期以外部视角观察技术演化的未来学家，一边是学医出身、如今执掌医疗科技上市公司的产业实践者。未来学家习惯谈趋势与终局，医生出身的管理者更熟悉诊室里的真实约束；当这样两个人回答同一个问题，对谈的张力与共识都值得记录。

提问的对象本身就耐人寻味：凯文·凯利对技术方向的判断影响过几代科技从业者，而宋宁领导的德适科技将自身定位为全球首个提出并实现医疗影像通用大模型的企业。一个提供望远镜，一个提供显微镜；一个看方向，一个看细节。两种视角在同一舞台交汇，本身就是对“下一个十年”最恰当的注脚。

印刷厂与Office：医疗AI从独奏到人人可用

宋宁在台上用了一个朴素而精准的类比：40年前，企业打印一份文件要送到印刷厂，等上一两周才能拿到；后来微软Office与个人打印机出现，印刷变成了每个人自己动手就能完成的小事。他要说的迁移是：医疗AI正从少数机构才能负担的印刷厂模式，走向人人可用的Office模式——德适科技在做的，正是医疗AI的Office，让每一位影像科医生基于自研的iMedImage医疗影像基座大模型，训练属于自己的AI助手。

这个类比的妙处在于，它把行业叙事从算力与参数拉回到使用者本身：当工具足够易用，专业能力才能真正下沉到一线诊室，技术的红利才可能被更多医生与患者分享。

下一个十年的医疗AI不是一枝独秀，而是百花齐放——每位专业影像医生，都将拥有学会自己诊疗能力的AI助手。

但宋宁没有把这条路描述成坦途。他点出了医疗与代码的本质差异：代码编程有唯一正确答案或最优算法，可以不断迭代优化；而同一患者的同一张片子，不同医院、不同医生、不同地区会有不同的理解。这是医疗AI最大的难题，也是必须突破的方向。换言之，通用软件世界里习以为常的标准答案，在医学影像的世界里并不天然存在，分歧本身才是临床的常态。

AI做医疗，人做医生：一句金句的完整逻辑

面对这个难题，凯利的第一层回应是对意义的确认：为不同医院与医生定制影像诊断能力意义重大，医生天然持有略不相同的观察视角，这些差异恰恰可以体现在各自的AI Copilot之中。个体差异不是要被抹平的噪声，而是可以被模型继承的经验资产——这恰好为百花齐放提供了方法论。

对谈中最凝练的判断来自凯利：AI does medicine, humans do doctoring——AI做医疗，人做医生。这不是一句修辞，而是一套完整的分工逻辑：AI会做医疗信息与医疗诊断，且在这些方面比人类更好；但医生的核心是同理心、智慧、咨询、支持与判断。患者需要有人握手，需要有人指引治疗旅程，需要有人在漫长治疗中被鼓励坚持用药。

宋宁用一个故事为这句话作注：一位顶级医院妇产科男医生，患者挂了他的号，即使他当天不在也不退号，一定要等他上班聊一聊；有时不开药，聊10分钟，患者就觉得好了一点。这就是人类医生的不可或缺性——它长在具体的医患关系里，无法被压缩进任何一个模型。

AI可以更准地读片，但握住患者的手、陪人走完治疗旅程这件事，永远属于人。

过程重于产品：iMedLoop与数据飞轮

对谈中思想密度最高的部分，是凯利对公司资产的重新定义。他判断，未来20年，AI公司的重要资产可能不再是软件本身，而是生成软件的过程——每年重写软件、重新训练AI，像教育学生一样，需要教学序列与训练数据。软件会过时，而持续造软件的能力不会。

这一判断在产业侧已有具体载体。德适科技的iMedLoop平台以iMedImage基座模型为核心，联结多模态智能标注与数据生成工作台iMedStudio、模型训练部署平台iMedMaaS、统一评估框架DoctorBench，贯通从数据生成到部署反馈的全流程。支撑它的是一条数据飞轮：更广的真实世界部署产生更多高质量数据与反馈，让模型更强；更强的模型支持更多专科、任务与场景，再产生新数据——越部署越强，越强越被部署。

对行业而言，这条飞轮的深意在于：竞争的胜负手不在某一次模型发布，而在谁能把真实世界的数据闭环转得更久、更稳、更符合医疗的专业要求。凯利还补充了一个容易被算力叙事淹没的维度：一旦模型变得足够智能，专业化就成为关键——持续学习、训练材料、隐私规则，这些智能之外的东西在医疗领域至关重要。这也从另一个侧面解释了德适科技为何坚持在医疗影像垂直领域深耕：通用能力可以等待时代，专业纵深必须自己一寸一寸建起来。

软件会过时，生成软件的过程不会——医疗AI真正的资产，是那台越转越快的数据飞轮。

冷静观察：共识机器与非共识医生，分工的边界还会移动

对谈尾声，凯利给出了第三个判断：AI给出的是共识，但人类医生可以基于对患者个人的了解，给出不同于共识的判断。而创新，往往来自有人尝试了非共识的东西。这把人机分工从能力清单推向更深处：AI是共识的机器，医生是非共识的来源。如果所有医生都只依赖同一个共识模型，医学反而可能失去多样性；保留非共识的空间，就是保留医学继续演化的可能。

教育是另一个绕不开的议题。凯利认为，传统医学教育中大量记忆将被专业化细分取代，毕业时最重要的技能是学会如何学习；他还断言，大学课程跟不上AI的发展速度，公司将成为学校。对每天都要面对新模型、新证据的医生而言，这与其说是预言，不如说是正在发生的现实——持续造AI的过程，同时也在持续重新定义医生这个职业。

回到标题的那个判断：下一个十年不是一枝独秀，既指产业格局的百花齐放，也指人机分工的各归其位——AI做医疗，人做医生。而把两者连接起来的，是比任何单一产品都更重要的资产：持续制造AI的过程。这个过程，才刚刚开始转动。

原文链接：央广网

---

千方医数集编辑部 出品