邓江创业缘启智慧：AI医疗多模态循证新路径

撰文：周鑫雨

编辑：苏建勋

自2025年起，邓江的核心词汇便是逆流而上。

年初，身为百川智能商业合伙人兼商业化业务副总裁的他，亲历了DeepSeek引发的行业震动与大模型领域六大巨头的震荡——其所负责的ToB业务宣告解散，百川的业务重心收缩至C端AI医疗领域。

在变局之中，邓江决意离开百川，踏上自主创业之路。

△前百川智能商业合伙人、商业化业务副总裁，缘启智慧创始人兼CEO邓江。图源：受访者供图

但出人意料的是，其新创企业“缘启智慧”，并未直接聚焦AI应用或切入其擅长的金融赛道，而是与百川做出了相似抉择：从模型训练到应用研发，全面布局AI医疗领域。

众所周知，医疗领域是一块难啃的硬骨头。一端是复杂且相对封闭的医疗体系；另一端则是蚂蚁、京东等科技巨头林立的资源竞争。

质疑之声从未停歇。

有人质疑邓江的金融背景。这位出身于中国农业银行总行、长安新生、中关村科金等机构的金融资深人士，并非典型的医学专家画像。

亦有人质疑创业公司在医疗赛道的“存活概率”。时至今日，邓江在融资过程中仍常被问及：你凭借什么与行业巨头竞争？

在见到邓江之前，我们同样怀有一个疑问：亲眼目睹百川的AI医疗业务探索两年有余，究竟是什么给予了他亲身入局的坚定信心？

他的回答是：恰恰是百川的经历，验证了大模型时代AI医疗商业化的可行性。

AI医疗，并非狭义的“院内诊疗”，而是涵盖更广泛的养老、医疗保险等智能健康管理场景——而这些场景，正与银行、保险等金融领域紧密相连。

布局金融，实则是为了布局医疗，这也是2024年初邓江选择加入百川智能并组建金融事业群的核心动因。

在百川的一年多时间里，邓江将保险、养老等健康场景的AI落地，做到了“商业闭环”——无论是营收表现，还是合作伙伴的意愿，B端业务均成为百川商业化进程的核心。

而这些“泛医疗”的健康场景，也成为邓江创立“缘启智慧”后所聚焦的核心方向。

离开百川智能后，邓江决心带领团队探索一条崭新路径。

两者的首要分野在于：百川聚焦于纯文本模型，而邓江选择了多模态路线。

从医疗模型落地的视角出发，邓江认为：“医疗问题必定涉及‘望闻问切’，是多模态的，无法仅凭文字描述清晰。”

这一认知也决定了缘启智慧的技术路线：研发多模态的医疗循证模型。

成立后的半年内，基于数款国产大尺寸多模态模型进行强化训练，缘启智慧成功训练出自身的底层多模态医疗循证模型。

11月，缘启智慧基于自研模型，发布了首款商业化AI医疗智能体MentX。在国际权威的医学多模态推理评测集MedXpertQA中，MentX的能力位居全球第二、中国第一。

邓江告知我们，MentX在回答真实常见医疗问题时的准确率已达到95%，水平在国内处于第一梯队。

△在国际医学多模态推理评测集MedXpertQA的MM子集榜单中，MentX表现优于GPT-5-mini。图源：https://medxpertqa.github.io

第二处分野，则在于百川选择了ToC，而邓江押注了ToB。

通过提供MentX API的形式，邓江已与养老、保险、医美等行业的企业及机构建立合作。

△MentX给出的牙齿矫正建议。图源：MentX试用

选择ToB，并不仅仅是邓江的路径依赖。他告诉我们，现阶段更多高质量医疗多模态数据来源于B端。对于亟需构建数据与场景壁垒的创业公司而言，率先深入B端是明智之选。

取得技术突破后，邓江迈入了一条他更为熟悉的河流：先将AI医疗产品售予其所熟悉的保险、银行等行业的B端客户，推动商业化进程与数据飞轮转动，再逐步将商业版图拓展至更广阔的健康领域。

邓江透露，公司虽仅成立3个月，但已成功签署三份商业化合同。

在短短半年内完成从技术验证到商业化落地的链条，速度的另一面，是对其业务壁垒是否足够高的质疑。

足够聚焦，且聚焦于复杂场景——这是邓江构建壁垒的方法论。

“我们不做医疗问答聊天机器人，也不做简单的症状咨询。”他表示，缘启智慧聚焦的场景，是需要结合不同模态医学影像与医疗报告、且涉及跨科室的复杂医疗决策场景。

例如，如何精准解读一份包含CT、X光片、心电图等医学影像与检测数据的体检报告。

“在真实医疗场景中，复杂决策才具备真正的价值。”他总结道，“我们致力于解决复杂问题，未来中国能够提供此类技术服务的公司也将为数不多。”

涉足金融，旨在服务医疗

智能涌现：您之前的背景更侧重于金融，为何选择投身AI医疗创业？

邓江：这确实是近期我被频繁问及的问题，或许源于人们对医疗领域的传统理解存在偏差。

医疗本质上是一套知识体系，并不等同于医院或医生。这套知识体系拥有众多应用场景。

百川之所以涉足金融，是因为在保险的健康咨询与核保理赔、银行的养老金融等场景中，存在大量医疗相关需求，且具备优异的商业闭环机会。

例如，购买保险、进行保险理赔与核保时，均需要具备医疗知识的人员来完成相关工作。

因此，我当前所做之事，实则是通过大模型带来的技术革新，将医疗能力赋能给医院之外的银行、保险、医美等大健康行业场景。

智能涌现：这意味着百川布局金融的目的，是为了最终服务医疗？

邓江：在百川期间，我们向金融机构推广医疗解决方案，例如为保险公司提供保险销售环节的健康咨询能力，以及售后理赔核保能力。

再如银行领域，我们与若干头部银行合作，落地养老金融场景。

智能涌现：您于2024年初加入百川，这一年中AI医疗取得了哪些进展？

邓江：当时，整个大模型行业在院内（指医院内）场景的商业化，由于监管政策与模型能力限制，实际上难以实现商业闭环。彼时医疗模型的能力尚无法满足诊断级复杂决策需求。

因此，当时美国与中国的一些公司均看到了“泛医疗场景”的闭环机会，例如保险领域。像阿里、字节当前推出的一些医疗产品，也并非面向院内诊断，而是针对院外咨询、慢病管理、体检等场景。

这些场景对医疗能力的要求较院内为低，且这些场景本身相较于公立医院及社保体系更为市场化与商业化。

智能涌现：百川的经历对您的创业有何意义？

邓江：大模型行业于23年方才起步，我十分感谢小川总早早带领我们进入这一领域。这一点对我而言至关重要。

正如最早一批互联网用户与移动互联网用户中涌现出众多成功创业者，因为他们洞察了技术带来的革命性变革。

其次，我在百川负责商业化，因此在一年多时间里，我见证了市场对新技术的接纳程度以及实现商业闭环的潜力。这也给予了我创业的巨大信心。

故而，我们虽然成立时间短暂，但在商业化层面，当前愿意与我们合作的客户众多，大家均认可技术在产业中的爆发力。

智能涌现：您为何选择自主创业？

邓江：离开公司是为了能够依据自身理念选择技术路径。

我认为医疗问题必定涉及“望闻问切”，是多模态的，无法仅通过文字描述清楚。

智能涌现：在语言与多模态之间，为何您坚信多模态是实现医疗循证的更优路径？

邓江：所有语言描述均存在信息衰减。例如一幅世界名画，用语言表述后，听者还原出的画面定然迥异。

因此语言虽是描述世界的良好载体，但伴随显著信息衰减。例如线上问诊与面诊，后者在见面时即引入了更丰富的信息输入，包含诸多语言无法精确描述的内容。

△输入孩子咳嗽声音频后，MentX给出的诊疗建议。图源：MentX试用

智能涌现：当前是否是入局医疗领域的合适时机？

邓江：在23年与24年，大模型技术在医疗场景尚不成熟。这也正是我们选择在25年投身此事的原因。

在美国的诸多应用场景中，我们见证了最先进模型在医疗领域的商业突破。

国内与美国存在约半年的差距，因此我们认为当前时机恰逢其时。我较为看好明年大模型在医疗场景的落地前景。

智能涌现：在医疗领域获客，与在金融领域获客有何差异？

邓江：首先，金融仍将是我们重要的场景之一。我们当前亦在与保险公司、银行推进若干商业化合作。

并非意味着我放弃原有金融领域，转而与卫健委、医院等打交道。

其次，医疗更广泛的场景源自前述机构，例如保险机构，其服务了大量具医疗需求的人群及医院。赋能保险机构，助其更佳服务这些人群，是我们选择的商业路径。

智能涌现：团队主要面向B端还是C端？

邓江：我们当前期望打造“2B2C”路径，即先服务产业链企业，助其实现更智能的ToC服务。

智能涌现：为何未选择如百川一般的ToC路线？

邓江：我们认为更广泛的高质量多模态数据实则源于B端，而非C端。

我们需要一个中间媒介作为输入源。例如在医美场景，产品前端必需配备专业销售人员，指导用户上传特定数量与角度的照片，如先拍摄眼角，再拍法令纹。

患者自身难以完成这些操作，例如C端产品直接要求描述红斑或拍摄面部状态照片，患者可能无从下手。

因此B端前端专业人员的作用，是协助我们完成输入端的筛选工作。

保持技术独立性，是我们与行业巨头的核心区别

智能涌现：多模态医疗循证在国内是否已成共识？是否存在走相似路线的公司？

邓江：我不敢断言我们是唯一采取此技术路线的公司，但我敢说我们是当前市面上公开产品中，唯一具备落地能力的企业。

目前市面上所有产品，无一能够支持全科、多模态输入。

智能涌现：当前许多运营5、6年的AI医疗中大型厂商，商业化成绩亦不显著。您的创业是否遭受质疑？

邓江：历史上每一次新技术引发的产业革命，总伴随质疑之声。

但我与小川总观点完全一致，真正有价值之物，在早期必定是非共识的。当共识形成之际，机会亦已消逝。

智能涌现：您如何确保在这几年中持续造血，同时与行业巨头竞争？

邓江：第一，我们在技术上需做得更垂直、更深入。此乃创业公司优势，巨头难以进行如此垂直的投入，它们从事的是更普适、更广泛的技术布局。

第二，我们必须保持技术独立性。

智能涌现：何谓“技术独立”？

邓江：例如某巨头投资了爱康与美年，若您是一家体检机构，您愿意与此巨头合作吗？

因此我们需保持技术独立性，此乃与巨头的核心区别。并非所有场景均愿拥抱巨头，因巨头与客户在特定场景存在深度竞争。

正如华为宣布不造车，其技术方能被更广泛的车厂采用。巨头的生态链布局深入，此为其优势，同时亦是劣势，因其无法保障技术独立性。

无论在数据安全层面或商业竞争层面，我们可见在任何行业、任何时代，独立技术公司均拥有自身生存空间。

智能涌现：在现实层面，创业半年来，您认为从事AI医疗的主要难点有哪些？

邓江：最大难点仍是资源有限。

因此我认为方向选择需坚定，每一方向的打磨周期均以半年、年为单位。一旦选错，回头成本极高。

当前从结果观之，我坚信基于多模态循证实现技术突破的方向是正确的。

智能涌现：何种结果？

邓江：我们验证多模态医疗循证的速度颇快，约花费两三个月。但将其完美工程化的时间较长。

在此技术路径下，通过技术工程构建，我们发现模型在医疗场景的智能程度呈现指数级提升，宛如当年的ChatGPT。

智能涌现：既然多模态路径可在短时间内验证，是否意味着它将迅速成为共识？竞争会否急剧加剧？

邓江：今日上午，一位投资人也向我提出了相同问题。

马斯克的无人驾驶技术亦是公开的，他宣称纯视觉即可实现无人驾驶，但又有多少团队能真正实现？

技术路径的选择，言之容易，但真正实现需团队积淀。我们呈现的结果，绝非一个团队可轻易复制。

但我认同多模态循证共识将迅速形成。

智能涌现：对于AI医疗模型研发，最重要的资源是什么？数据吗？

邓江：当前我们仍使用公开数据，但随技术研发投入，医疗公司最大壁垒终将源于场景中医疗数据的积累。

智能涌现：您是否存在数据焦虑？初创公司初期难具数据优势。

邓江：不会。医疗数据与消费数据不同，消费数据求多，医疗数据求精。拥有10个感冒数据与1万个感冒数据并无差异。

数据多反成负担。三甲医院与基层医院拥有海量数据，数据质量筛选本身负担沉重，因其包含大量无效数据。

我们当前为何使用开放数据？因其已被清洗加工。我们仅需使用这些优质数据，即可达至当前效果。

在数据质量层面，小公司具小公司优势，我们拥有更灵活机制筛选数据。而巨头数据虽多，但如何有效利用？此乃难题。

智能涌现：相较于市面其他医疗模型，贵方模型具备何种优势？

邓江：我方模型提升的并非深度，而是广度，即实现医疗场景泛化，真正构建全科能力。

例如市面部分产品可解读体检报告，但一旦报告加入B超、X光片，则无能为力。您只能求助于B超解读、X光片解读的专业小模型。

为何众人认为医疗复杂场景困难？因其不仅涉及多模态，且答案具开放性。

我们当前能够以一套方案，实现对医疗问题的泛化处理。无论医美、牙科整形或内科问题，无论输入图片、视频或报告，我们均以一套方案精准解决。此为我们最大技术突破。

智能涌现：今年OpenAI据传将在医疗健康领域投入2500亿美元。AI医疗是否难以规避资源竞争？

邓江：我见到豆包、蚂蚁等巨头推出健康类产品，实则欣慰。似此等大公司，每一决策背后必有庞大市场与数据支撑。

我相信OpenAI涉足医疗唯一原因在于：他们发现ChatGPT用户中，询问医疗相关问题的占比极高。其中蕴藏巨大商业机遇。

其次，2500亿美元所投入的场景，绝非小场景。在庞大医疗场景中，我相信巨头竞争必将激烈。

但反之，即便单一病种，亦意味巨大市场空间。例如皮肤病，中国患者数以亿计，仅做好皮肤病领域，便足以立足。故未来仍看能否将垂直能力做深做透。

真实医疗场景中，复杂决策方显真正价值

智能涌现：今年入局AI医疗，您看到了哪些机遇？

邓江：医疗涵盖三大方向：药品、器械与服务。

今年，AI药物研发已跑通。众多从事药物研发、生物制药的企业，实现了显著的技术与商业化飞跃。

接下来即将爆发的实为另外两大赛道。

以往，医疗知识服务的获取主要依赖医生。例如我愿意支付1000元挂专家号，本质是希望专家解答我的问题。

如今AI能够替代人类执行复杂脑力劳动，因此大多数医疗问题无需依赖专家，亦可高效获取高质量答案。

这意味着我们实现了医疗知识的平权。医疗知识未必是医疗诊断，亦可能涉及用药、健康咨询、保险。因此我们在医疗服务领域见证了供给侧改革——供给不再完全依赖人类医生与三甲医院。

这在未来将是巨大场景。中国仅500余万执业医师，需服务14亿人口。未来可通过AI实现每人配备一位健康顾问。

例如某些大型保险公司，实际雇佣了一两百人的医疗专家团队，此乃小型保险公司难以承受的。但如今在AI技术加持下，我们可提供一千、一万个AI医生。

智能涌现：AI时代医疗器械的机遇何在？

邓江：医疗器械本质是生命体征数据采集端。但以往此等数据，例如心电图，仅医生可解读。

但有了AI后，我们可实现诸多医疗器械的家庭化。以往心脏不适，只能前往医院做心电图。实际上心电图仪器价格低廉，一两千元，为何不在家中置备一台？

我们预见，未来有机会实现家庭级诊断。因此我们当前一方面与传统医疗器械厂商合作，推动传统医疗硬件智能化；另一方面亦不排除与企业联合研发新设备，作为新型采集端。

智能涌现：医疗服务与器械，当前对公司而言哪项业务优先级更高？

邓江：服务是我们的核心，硬件交由更专业的公司负责。

未来所有硬件，例如电视、门禁，均可能成为采集端，例如经您授权后，每次刷脸，系统均可通过面色进行健康评估。

智能涌现：一个优秀的AI+医疗团队应如何组织？专业医疗人才在其中发挥何种作用？

邓江：我们处于起步阶段，因此顾问团队规模不大。但我们的顾问均为各医疗领域资深人才，因此他们能在关键节点与决策上提供支持。

当前两大方向至关重要。第一是对AI医疗效果的评估。我们进行了大量评估工作，评估集涵盖数千真实公开病例。

基于评估结果，最关键的是决定研发资源投入方向，毕竟创业公司资源有限。

智能涌现：当前公司资源投入了哪些方向？

邓江：我们并非纯技术驱动型公司，商业亦是我们重点考量。技术为场景服务，我们以客户需求驱动技术。

智能涌现：客户需求驱动型公司与技术驱动型公司，在业务落地层面有何不同？

邓江：我们不做“手持锤子找钉子”之事，例如先研发技术，再与客户探讨此技术究竟有何用途。

作为初创企业，我们最大优势简而言之便是一无所有。初始阶段，我们即投入大量精力与客户保持深度沟通，将技术构想转化为可商业化落地的产品。

因我过去十年始终负责商业化工作，故与客户沟通频率极高。创业后诸多老客户携需求寻来，但我们自身需有所取舍。

智能涌现：进行何种取舍？

邓江：仍需审视需求场景的泛化性与市场空间，我们将优先选择垂直、需求旺盛的场景落地。

例如体检领域。中国拥有上万家体检机构，除美年、爱康等大型机构外，尚有大量服务基层的小型体检机构，存在医疗赋能需求，包括报告解读、后续诊断建议。

例如基层诊所，我们亦在进行合作试点，推动AI辅助医生，降低误诊率，提升诊断效率。

再如医美、养老，亦是中国庞大行业。此为我们当前重点推进商业化的若干领域。

△MentX根据照片给出的医美建议。图源：MentX试用

智能涌现：仅从事医疗知识问答服务，门槛是否不足？不少巨头亦在布局。

邓江：若是简单症状咨询与轻问诊，门槛确实不高。但若是复杂医疗决策，门槛极高。

例如一份体检报告，十余项指标，同时包含CT、X光片、心电图等医学影像，若欲准确诊断，本身便是极难之事。

在真实医疗场景中，复杂决策方显真正价值。许多公司当前仍在从事轻问诊服务，且多为免费。我认为此乃巨头所为，它们拥有流量。

我们致力于解决复杂问题，未来中国能提供此类技术服务的公司亦不会太多。正如无人驾驶，技术实则仅寥寥数家公司在做。

智能涌现：团队提供何种产品形态？许多公司均在开发医疗问答聊天机器人。

邓江：我们强调“结果即服务”，并非开发聊天机器人与患者、长者闲聊，而是需解答问题。

因此我们的产品输出的是专业报告，每一答案均基于医学循证给出。

一旦场景扩大，将面临诸多问题。例如合规监管、性能、成本问题。包括医疗领域持续迭代，不断涌现新药、新诊疗标准与新诊疗手段，如何持续更新，使产品第一时间与医疗界共识同步。此皆未来技术挑战。

当前我们聚焦于循证一事。首要确保我们的数据、所有对外输出内容有据可循，避免“幻觉”，此为核心。

△MentX给出的结果可回溯来源。图源：MentX试用

智能涌现：MentX在评测集表现出色。但这等同于实际落地效果吗？

邓江：MentX的表现实则远超我的预期。在上线这段时间，我们至少挽救了三位重症患者的生命。

这些患者亲属将报告提交给MentX，MentX数秒内回复结论，基层医生查看后立即做出转诊上级医院的决定。此三例病例均属若不转诊，延误病情将致命的情况。

当前MentX最大价值，便是在更广泛场景内，协助医疗从业者做出更准确决策，且此决策有据可依。

从C端视角，实则亦有许多案例。例如孩子发烧、嘴上起泡，年轻父母犹豫是否带孩子就医，毕竟颇为折腾孩子。他们拍摄孩子照片上传MentX，即获得明确诊断建议：疑似手足口病。

智能涌现：公司是否提供定制服务？或仅提供标准产品？

邓江：我们当前提供“全科”能力，因此我们无需承担为某一场景单独定制的成本负担。AI模型的泛化能力，实则使ToB服务摆脱了传统的重度定制形态。

我们当前更多通过API形式，提供标准化能力。依据特定行业约束、法规等，我们亦会进行轻度定制化。

智能涌现：您认为AI医疗何时能实现规模化落地？

邓江：参照美国，我认为将是2026年。我们与美国的商业化落地存在半年至一年的差距。

欢迎交流