解码DeepSeek,构建医药行业新质生产力

07解码DeepSeek,构建医药⾏业新质⽣产⼒⽬录从DeepSeek看⼈⼯智能发展趋势⼤模型及DeepSeek潜在应⽤场景探索从DeepSeek看⼈⼯智能发展趋势AI离我们越来越近，越来越密集的“加速”信号4“AI”概念⾯世1950s2012CNN,

⼈脸识别Alpha,

⼤战李世⽯20172022Chatgpt,

C端破圈DS,

“Aha”时刻2024数据来源：1.

甲⼦光年智库梳理，2023年；DeepSeek-R11987-2020年之前的主导是“⼤数据、⼩算⼒、专⽤决策范式”。2020年后，GPT-3代表技术路线“⼤数据、⼤算⼒、通⽤范式”，验证⼤语⾔模型的可⾏性。GPT3/4在深度推理和问题解决⽅⾯有所⽋缺，OpenAI-o1通过思维链（Chain

of

Thought）增强推理能⼒，将复杂问题分解成更⼩、更易处理的步骤；⽽DeepSeek

R1在展现卓越推理能⼒同时，训练和推理成本极低BERTBERT在文本分类、命名实体识别等语言理解任务表现出色。也是医疗AI小模型年代主要技术路线“大数据、小算力、专用决策”GPT

为内容创造和自动推理开辟可能性“大数据、大算力、通用模式”基于DS-v3构建推理模型，通过强化学习提升推理能力，且训练成本极低AI技术演变路线5理解Chatgpt,

⼀个AI领域的“⼯程奇迹”Chatbot：⽂本交互式应⽤Gpt3：预训练⼤模型RLHF强化学习Promptengineering提⽰词⼯程Nvidia

A100（A800）⾼性能卡SFT监督微调RDMA解决数据处理的延迟顶尖的AI⼈才数⼗TB⾼质量数据数万对⾼质量prompt增长：破圈，两个⽉到⼀亿⽤户的速度“创新落后”的机会成本被不断放⼤体验：

哎哟

不错噢低成本，超出⽤户预期的“智能”产品：典型的2B能⼒集合快速推出全家桶和云服务矩阵市场：典型的B端商业模式快速市场预热和商业化6再看DeepSeek,

⼜⼀个“⼯程奇迹”7DeepSeek

是“深度求索”

开发的⼀系列⼈⼯智能模型。DeepSeek

通过持续的技术创新和市场拓展，在⾃然语⾔处理和⼤型语⾔模型⽅⾯取得了显著进展，在国际市场上获得了⼴泛认可。其中：DeepSeek-V3

是在14.8万亿⾼质量

token

上完成预训练的⼀个强⼤的混合专家

(MoE)

语⾔模型，拥有6710亿参数（激活参数370亿）。作为通⽤⼤语⾔模型，其在在知识类任务（知识问答、内容⽣成等）领域表现出⾊DeepSeek-R1

是基于

DeepSeek-V3-Base

训练⽣成的强化推理能⼒模型，在数学、代码⽣成和逻辑推断等复杂推理任务上表现优异更低的研发成本*$5.5Mvs.OpenAI’s

$100M+更⾼效资源利⽤使⽤~2,000

GPUs,

竞品使⽤10,000+

GPUs开源模型⽐肩头部闭源60%+

指标优于Llama3.1Claude-3.5

GPT-4o打破⼤模型技术壁垒重挫美国科技公司股价，英伟达市值下跌5,900亿AI的斯普特尼克时刻被美国及其盟友列⼊各种限制数据来源：*仅涵盖预训练成本，不包含研发、推理、后训练、员⼯等其他成本；2.

Sputnik

时刻，指1957年10⽉4⽇苏联抢先美国成功发射斯普特尼克1号⼈造卫星，是冷战中的其中⼀个重⼤事件及转捩点DeepSeek的创新突破MoE

Sparse

(稀疏专家混合模型）每次推理仅激活相关专家，“术业有专攻”“专事专办、要事要办

⼩事不办

尽量不跨组解决”节省42.5%训练成本MLA

（多头潜在注意⼒机制）注意⼒机制⽐作图书检索系统MLA

建⽴⼀个智能分类系统，不记具体信息，⽽是⼀个“简单”标签模型的占⽤率降低⾄传统的MHA

5-13%NSA

(原⽣稀疏注意⼒)像学霸⼀样把注意⼒消耗降到最低“⼀⽬⼗⾏

跳记重⼼

记住题点”“FPB

混合精度训练传统模型需要⽤32位或者16位数记录数字“⼿机号码，记最后4位”提升训练速度同时保持精度，降低硬件门槛数据蒸馏技术从海量数据中提炼⾼价值信息，提升模型学习效率蒸馏垂类⼩模型能⼒，不输于全尺⼨模型GRPO(群体相对策略优化)⼤道⾄简，⽤强化学习跳出题海和⼩测让模型⾃⼰学会思考效果体验惊艳，成本极致压缩8为什么⼈⼈都爱DeepSeek?成本优势550万美元预训练成本达到GPT-4级别性能，打破“算⼒军备竞赛”魔咒技术成本的下降，为⾏业上下游带来更多创新的可能技术震撼算法、训练范式、推理、算⼒利⽤全⽅⾯创新DeepSeek

V3

通过快速迭代新技术，⼤幅降低了训练和推理的成本。⽽且它是个拥有推理能⼒的模型，全球可⽤开源引爆开源的论⽂和库，以及提供简易的蒸馏⽅式，让世界上不管⼤⼩的实验室，快速掌握OpenAI原来封闭的顶尖模型推理能⼒MIT许可证，商⽤权限吸引开发者垂直适配从编程辅助（DeepSeek-Coder）到医疗诊断（R1临床接⼊），展现⾏业落地能⼒9DeepSeek天然适合医疗⾏业0110计算资源DeepSeek极致成本降低，显著降低本地化部署的成本，极⼤激活本地数据02算法框架DeepSeek是最开源的⼤模型，便于医疗⾏业开发者使⽤和优化，垂类⼩模型不输于⼤模型030405数据资源医疗⾏业拥有⼤量数据资源，是⼤模型训练和应⽤的重要⽀撑⼈才资源医疗⾏业⼈均学历⾼，具备开展⼤模型研究和应⽤的⼈才优势06⽣态资源医疗信息化⼚家数千家，为⼤模型应⽤提供良好的⽣态基础市场前景医院、企业、监管、患者痛点多，场景丰富，市场潜⼒巨⼤⼤模型发展的⼏⼤“基⽯”DeepSeek创新技术引发新变化医疗⾏业独特优势DeepSeek虽好，但也不是“六边形战⼠”在落地过程中，仍需结合⼀定的应⽤框架（RAG、⼯作流、Agent等）和⼯程优化来保障⼤模型应⽤企业级端到端效果幻觉⾼=“创造⼒税“底层⼤模型各有所长DS幻觉率更⾼，另外实际测试应⽤中有指令遵循较弱、拒答率⾼等问题医疗领域幻觉⽐例甚⾄⾼达20-30%2幻觉情况1数据来源：1.

Vectara

HHEM⼈⼯智能幻觉测试；2.腾讯健康内部测试数据，通过⾼质量医学病历数据11⼤模型及DeepSeek潜在应⽤场景探索DeepSeek

会给医药企业带来哪些变化？DeepSeek有哪些应⽤场景？能产⽣哪些价值？13提升新药研发和临床管理效率数字化内部流程提效数据驱动的多渠道营销更个性化、互动⾏业学术化推⼴重塑患者流程患者招募试验设计优化执⾏效率提升交叉证据⽹络构建内部⽂档提效数字化知识库管理合规风险智能提醒内容⽣产辅助管理营销素材营销内容策划客户精细化标签个性化与医⽣互动多源信息来源互动性、个性化患者流程多重购买渠道患者服务多渠道营销⽣产与供应链新药研发与临床试验学术化推⼴65岁以上⼈⼝占⽐从2014年的10.1%升⾄2023年的14.9%，医疗需求激增1⼈⼝⽼龄化收⽀失衡加剧，控费边际效应减弱2职⼯医保：结余稳健但增速下滑居民医保：收⽀失衡加剧医保捉襟见肘收⼊受限与成本攀药品收⼊占⽐从改⾰前的40%→25%，⽽财政补助仅覆盖损失的60%3现⾦流危机2023年医疗机构应收账款回款天数平均为152天，⽐2022年增长2天4医院艰难国家层⾯已开展10批集采，平均降幅50%-60%，极端降幅超90%5药品集采5研发回报下滑6医疗⾏业⾯临前所未有的挑战新⽣产要素在数据，“问数据，要数字”数据来源：1.

甲⼦光年智库梳理，2023年；2医疗保障事业发展统计快报，国家医保局;

3.

《解读财务分析报告：透视公⽴医院财务状况》，医院管理论坛报，2024年12⽉;

4.

《2023年药品流通⾏业运⾏统计分析报告》,

国家商务部;5.求解集采制度改⾰⽬标：“降价”是集采的惟⼀考量,

澎湃新闻；6.创新药研发周期理论，创新药研发回报率研究，申银宏源；美国数据14*65+岁%7.9%2023

14.1%⽀出增速 收⼊增速4.4%2024

5.5%14.9%10.1%201420232010研发成本激增亿美元21.7%11.9%2018单个创新药上市成本成功率低美国创新药临床成功率仅5.1%研发回报率低IRR10.1%3.2%2010⾏业视⾓：DeepSeek对于医疗体系有那些影响？患者患者⾏为“消费者化”：医疗信息透明化，患者有更多主动权“数字健康”和⽣态“破壁跨圈”，产⽣更多数据个性化诊疗和健康管理医院电⼦病历和数据管理⾰新⼤模型语义理解加速医学数据治理和流通医院数据开放和流通数据价值在⼤模型背景下进⼀步被凸显精细化运营管理（DRG/DIP）Ds推理思考能⼒以及医保控费压⼒医⽣学习/培训模式发⽣改变医⽣临床决策影响模式发⽣改变科研与学术⽅式和效率监管数据驱动的精细化监管：⽐如药占⽐/集采vs

药品经济学数据安全和合规重构多元⽀付体系（商业参与度更强）15DeepSeek对于医疗体系有那些影响？-患者患者患者⾏为“消费者化”：医疗信息透明化，患者有更多主动权→⼤模型成为患者信息来源“数字健康”和⽣态“破壁跨圈”，⽐如可穿戴设备与AI分析相结合→⼤模型汇聚和分析数据个性化诊疗和健康管理→获取服务的路径发⽣改变超级产品增长1亿⽤户所⽤时间⼤模型成为新的信息来源16⽤户触达潜在⽤户“⼤模型会替代搜索引擎，成为新⼀代精准流量⼊⼝

”⽤户认知⽤户⾏为⽤户依从性⽬标⼈群画像/潜在⼈群标签（⽐如年龄、性别、主诉、现病史等）体系性患者宣教个性化患者建议 健康智能体精准服务推荐线下就诊“⼴泛教育”→“量⾝定制”“信息→服务”链路闭环腾讯健康

健康智能体健康智能体健康药箱腾讯医典

腾讯视频

视频号⼩程序公众号健康智能体17“个⼈健康助理”患者服务：⼤模型重塑患者旅程患者服务：从“千篇⼀律”到“精准匹配”信息和服务词条⾼亮引⽤⽂献以腾讯健康为例分析⽤户现病史，健康状况，推荐关联科室医⽣结合⽤户咨询⽤药信息，提供药事以及药品购买的服务个性化推荐医疗信息 识别⽤户现病史、⽤药和健康情况标签，关联就诊&药事服务智能分析⽤户病情、并精准推荐宣教18⽤户数据+AI⼤模型内容查看饮⾷建议健康/⽤药提醒运动break健康咨询睡眠信息精准传递⾏为⽤户⾏为健康反馈健康新提醒⽤户情绪曲线哇塞，饮⾷建议都有了~今天再也没有选择困难了今天⼜是活⼒满满的⼀天今天也不要忘记好好照顾⾃⼰哦！

哇塞，提醒我要记得吃药！

原来喝⽔得喝够了才能减肥啊~新知识get!!好累啊~脑⼦快转不动了舞动极光太好玩了~10分钟，我感觉⾃⼰⼜活过来了是不是真多要过午不⾷？

可是我的真的好饿啊幸好我问了AI健康助理拍照药盒可以直接⼀键下单，太⽅便了！

昨天健康回顾+健康⽇历举例健康提醒根据⽤户数据，⾃动推送饮⾷建议或者运动根据⽤户健康规划，⾃动推送活动/饮⽔提醒⽤药提醒个⼈健康助理：个性化回复⽤户有关健康咨询结合⽤户拍摄的药盒、检查报告，⾃动解读、⾃动提醒结合⽤户数据，⾃动⽣成相关建议健康服务健康状况周期性AI反馈腾讯健康可⼀健拉起医⽣在线咨询、药品复购⼯作有点累呢！想放松下要不在忍⼀会，我⼀定会瘦有点困了，⼿表提醒我该睡觉了~⽩噪⾳帮助我⼊眠医典科普检验报告/健康数据健康提醒睡眠数据收集&反馈⾃动统计睡眠数据睡眠情况分析/健康⼩结患者新旅程：终端+数据+AI+服务，AI串联全流程，激发新需求收到⽤户阅读提醒根据⽤户数据/输⼊，⾃动⽣成健康建议、今⽇运动/饮⾷规划“精益求精”⽤户画像运动数据收集&反馈⾃动更新健康信息⾃动统计运动数据跟进运动⼩贴⼠（拉伸、补⽔）“细致⼊微”⾏为管理“极致简化”服务路径19DeepSeek对于医疗体系有那些影响？-医⽣医⽣学习/培训模式发⽣改变→交互性、个性化学习模式医⽣临床决策影响模式发⽣改变→从经验驱动→基于医学搜索、循证医学证据的驱动科研与学术⽅式和效率→通过⼤模型进⾏科研课题筛选、⽂献收集、数据结构化提取和分析、摘要及初稿撰写等基于DeepSeek推理模型，整合患者的信息，辅助医⽣深度问诊、鉴别诊断、病情分析和建议，提出治疗、预防等建议基于Deepseek⼤模型，再现医⽣临床思维链路的推理模型⾃动⽣成病情分析、IDC⾃动编码分析准确率达90%，为医⽣提供权威决策⽀持指出权威出处（如指南、专家共识等）基于DeepSeek病历讨论助⼿科研助⼿20医⽣画像AI问答助⼿话术智能推荐拜访记录⽣成学术推⼴：千⼈千⾯，让销售拜访更专业、更⾼效21代表培训：AI

辅导，实战中提升专业能⼒⽼⽅法辅导!

培训!

考试!辅导培训考试真实世界⾯对⾯未反映真实⽔平：培训与拜访脱节，实战能⼒难考察考试流于形式：通过⾮正常⼿段完成公司任务代表⼼⽣抵触情绪：影响⼯作积极性难以规模化：培训⽼师⼈⼒与精⼒有限AI打分与建议代表学习改进，在下次拜访中做的更好反馈更真实：通过真实拜访和⾃讲过程发现问题激发代表学习的⾃驱⼒：发现问题，⾃发改进提升代表⼯作效率：代表把⼯作和学习结合在⼀起可规模化：借助AI规模化打分，不再有培训⼈⼒瓶颈限制线上线下拜访 语⾳⾃动转录拜访⽂字新⽅式AI辅助实践，实践中提升能⼒22多种创作模式⽀持参照范⽂创作，或基于以疾病为中⼼的，故事-关键信息-市场细分等框架创作AI⽣成标题、内容AI辅助⽣成多种风格内容标题AI辅助⽣成内容的基础⼤纲，可进⾏⼈⼯调整或细化AI⽣成内容⼤纲AI辅助⽣成内容的基础⼤纲，可进⾏⼈⼯调整或细化整合联合搜索+企业知识库基于已确定的创作模式、标题、⼤纲，补全正⽂可限制内容素材均来⾃企业知识库，保证专业度与合规性多渠道营销：借助⼤模型，提⾼合规内容⽣产与互动效率23DeepSeek对于医疗体系有那些影响？-医院电⼦病历和数据管理⾰→构建专病知识库，为药物研发和精准医学提供⽀持⼤模型语义理解加速医学数据治理和流通医院数据开放和流通→数据要素商业化变数据价值在⼤模型背景下进⼀步被凸显精细化运营管理（DRG/DIP）DS推理思考能⼒以及医保控费压⼒（需求⾼，难度⼤）→药品定价策略医院PR先⾏，但过去“纸⾯数据、⾮标数据”等困境能得到极⼤缓解，医院数据的应⽤价值可以得到释放医学数据结构化提取、标准化24新药研发：借助⼤模型，提升药品研发的效率和速度研发⽅向探索检索药监、⽂献、临床指南、申报⼚家数量等选择潜在靶点（需RAG未公开数据）知识图谱可关联临床试验数据与RWE试验，去观察有潜⼒的适应症试验设计优化患者分层：基于⼤模型的语义理解能⼒，从历史数据中识别符合⼊组标准的“数字孪⽣”患者群体，提⾼招募效率剂量探索：通过强化学习算法模拟不同剂量⽅案的效果，缩短1期的试验周期25试验执⾏多元去中⼼化试验⽀持：居家数据采集与依从性管理院外数据的⾃动采集和综合分析执⾏效率提升医院侧：电⼦病历⾃动化CRO/企业：辅助⽂档处理、数据分析等重复⼯作企业：申报材料的准备“若临床时间缩短1年，研发回报率IRR提升⾄9.5%；若研发成本降低20%，IRR升⾄10.1%”1数据来源：创新药研发周期理论，创新药研发回报率研究，申银宏源；美国数据企业AI知识库：打造企业版ima，提升内部流程效率⽀持多格式知识沉淀，打破知识分散困境26灵活权限设置，保证企业资产安全“理解准”、“检索准”、“回答准”知识萃取+模型推理，超越基础RAG，充分应⽤企业知识结构，⾃动学习理解企业信息，强化掌握知识要点关联准确率更⾼，模型幻觉更低，更适合⼯作场景严肃问答知识获取可融⼊⼯作流程（如财务报销），让知识可即时取⽤智能办公：AI辅助的智能⽂本助⼿⽂档智能助⼿：⽂档的doc、表格、思维导图等各⼯作⽂件中，通过AI提⾼⽤户⼯作效率表格公式⽣成⽀持⾃然语⾔⽣成250+内置函数⽂档创作遵循⽤户指令，进⾏各种场景的⽂本创作⽂本编辑对已有内容进⾏续写、润⾊、校阅、翻译和总结27智能办公：智能会议助⼿会控⼊⼝理解⽤户指令，与会议API交互会议总结帮助⽤户⾼效获取会议