高质量（Quality）：即，患者提供优质的医疗服务；

广覆盖（Access）：确保多人获得医疗服务；

控成本（Cost）：控制医疗费用，确保系统的持续性。

他指出，这三个目标在实践中难以同时实现，政策制定者和医疗系统需要在三者之间进行权衡。例如，使用更先进的医疗设备但一定程度也提高治疗费用（即成本的增加）。

事实上，医疗机构本身属于经济体中的一类，符合经济学“不可能三角理论”。

01

“虽然AI不能直接给人类看病，却是这个‘不可能三角’的重要平衡。”百度集团资深副总裁何明科曾指出。例如，在改善医疗可及性方面，可利用人工智能算法，结合远程医疗技术，为偏远地区或医疗资源稀缺的地区提供精准的辅助诊断服务、开发易于操作的AI便携式驱动医疗设备，提高基层医务人员诊疗能力、构建智能健康管理系统，通过AI提供个性化健康建议和疾病预测，尤其是针对慢性疾病管理等。

2024 年，生成式 AI 模型的发展取得了多项重大进展，技术越趋于成熟、应用范围与场景的拓宽、可访问性增强，这些趋势都预示着AI将比一部份人们预想的进展更迅速。根据麦肯锡数据调查报告显示，以大模型为代表的AI类技术将会呈现如下发展趋势：

● 更小、更高效的模型

为了解决高计算成本和硬件短缺的问题，人们越来越重视小型优化模型。这些模型旨在在较便宜的硬件上运行并在本地运行，从而提高小型组织的可访问性并减少对云基础设施的依赖。量化和 LoRA（低秩自适应）等技术处于最前沿，可以实现更快、更节省内存的模型训练和微调。

● 专业领域的应用

使用特定领域数据训练小型定制模型的能力为医疗保健、法律和金融等领域带来了新机遇。这使得高度专业化的人工智能工具能够在保持隐私的同时针对特定行业的挑战进行量身定制。采用检索增强生成 (RAG) 有助于增强相关外部数据的使用，同时保持模型的轻量级。

● 人工智能基础设施的进步

人们越来越关注为人工智能创建更强大、更可扩展的基础设施。云计算和边缘计算不断发展，成为运行复杂人工智能应用程序的基础技术。然而，对 GPU 和计算资源的不断增长的需求正推动公司在硬件设计和资源优化方面进行创新。

我们整理了核心技术进展供大家参考。

02

毋庸置疑，生成式AI、大模型一定是当前最受关注的热点技术。由此，也带动了AI芯片、数字人、多模态GenAI、决策智能等一系列创新技术的发展。根据近期Gartner发布的2024年中国数据、分析和人工智能技术成熟度曲线显示，未来两到五年，大量具有颠覆性或较高影响力的创新技术可能会实现主流采用。大语言模型、特定领域GenAI模型、多模态GenAI和自主智能体这四项创新技术被Gartner认为是被企业给予厚望的四大创新技术。从Gartner Hype Cycle(技术成熟度曲线)上可以看到，大语言模型技术已经走过了期望肿胀期，正在向泡沫破裂低谷期迈进。无独有偶，与麦肯锡2024数字报告趋势相同的是，Garter2024人工智能数据报告同样做出了趋势解释：特定领域GenAI模型、多模态GenAI和自主智能体这三项技术正处于爬坡阶段，未来将得到行业用户的重点关注。

图片来源于网络

Gartner研究总监闫斌认为，复合型AI是B端机构最务实的选择之一，在复合型AI技术方案中，生成式AI是其中的一部分、并不代表所有。怎么把所有的技术整合到一起，才是现在最需要关注的问题，也是更务实的做法。闫斌表示，找到一个硕大的模型，期望它能够“大力出奇迹”地解决企业所有的问题，那可能是OpenAI探索的方向，并不适用于普通企业。

复合型AI可为中国企业带来两⼤益处。第⼀，将AI的⼒量推广至无法访问大量历史或标签数据、但拥有大量⼈类专业知识的企业机构。第二，扩大AI应用的范围，提升此类应用的质量，这也意味着能够应对更多类型的推理挑战。根据所应用的具体技术，还可产生其他一系列益处，包括提高可解释性、韧性，以及支持增强智能。