估值200億元！百川智能完成50億元A輪融資，北上深國資入局

07月25日 15:51 新浪網 news-china-auto-hilite

今日，有消息曝出：大模型初創公司「百川智能」已於近期完成A輪融資，總融資金額達50億元人民幣。

i黑馬就以上信息向百川智能求證，百川智能給出的回應如下：

百川智能確實已經於近期完成了A輪融資，總融資金額達50億元人民幣，並且將以200億估值開啟B輪融資。

A輪投資方既有阿里、小米、騰訊、亞投資本、中金等頭部大廠和市場化投資機構，也包括北京市人工智能產業投資基金、上海人工智能產業投資基金、深創投等國資背景產業投資基金。

百川智能一直堅持「超級模型+超級應用」雙輪驅動的發展戰略。截止目前，已經發佈了12款大模型，並於今年5月推出了首款AI助手——百小應。

百川智能一直認為醫療是「大模型皇冠上的明珠」，是打造超級應用的最佳場景。作為國內唯一一家專注醫療的頭部大模型公司，百川智能在AI醫療技術和應用上均取得了階段性進展。

自研的通用醫療增強大模型，已在多個權威評測中超越了GPT-4，並且還在7月初舉辦的世界人工智能大會（WAIC）上首次對外展示了AI醫療類應用——AI健康顧問。

在近日舉辦的2024全球數字經濟大會人工智能專題論壇，王小川進行了分享。以下為王小川分享內容，經i黑馬編輯：

今天整個中國社會，尤其是科技界，都處於一種既興奮又焦慮的狀態。

一方面，我們要跟美國卷模型，要投入十億、百億美金去做超級模型；另一方面，又在呼喚大模型落地應用的場景。大家擔心，只做落地應用會錯過未來，但只考慮未來又沒有當下。

百川是去年4月成立的，今年1月份，朋友們給我發微信祝賀，說「2024年元旦快樂」。我回覆的是，「智能紀元二年快樂」。

這句話的含義是什麼？我們已經進入到一個全新的時代，到了智能時代。雖然現在還沒有做到AGI。

我們很幸運，大家是從互聯網時代走過來的，享受了互聯網20年的高速發展，現在又見證和參與到了智能時代的發展。

通過語言，我們在接近智能

我想用一個關鍵詞來表達對智能時代的中軸的理解，就是把語言轉變成數學模型。

我們今天講大模型LLM的時候，第一個關鍵詞叫Scale，就是規模。從百億參數到千億參數到萬億參數，再到號稱GPT5的百萬億級參數，數據規模上去之後就能帶來智能。到最後變成，大家覺得投入多少錢進去，就能實現智能。同時我們也會歡呼，比如今年影片生成領域Sora的推出，是不是代表了未來的另一種智能。

這些其實都不是完整的答案。因為今天我們走通的人工智能路徑，不是在Sora，而在語言。通過將語言變成數學模型之後，能夠獲得今天這樣的人工智能。

很多人說，人和動物的區別，可能是人會語言。

比如圖像識別很厲害、無人駕駛很厲害，我開玩笑講，狗也會無人駕駛和圖像識別。區別在於，語言是我們思考、溝通的載體，是文化和知識的載體。因此通過語言，我們在接近智能。今天這個範式體系並沒有脫離掉語言，因此我們強調語言為中軸。這是在通用智能里的一個關鍵邏輯。

另一個關鍵詞是能源。數據、算法、算力，大家都已經很清楚了，但今年上半年以來，提到更多的是能源問題。尤其是在國外，已經開始有可控核聚變，在為大規模的新模式部署做準備。如果說AGI或者人工智能再往下爆發，那算力背後的能源會構成一個大的短板。中國目前為止還沒有開始探索這個問題，在電力方面還沒有美國這種瘋狂的想法。這也是中美大模型發展的區別之一。

大模型帶來的是生產力的提升

有個知識管理框架叫DIKW模型，即Data Information Knowledge Wisdom。以前機器產生的是信息，這個時代的智能核心是產生知識。也就是說，大模型帶來的不僅是信息的傳遞，而是能夠產生knowledge，代表著對世界的認知。再往後發展，則可以產生智慧。

我們知道，在互聯網時代，更多的是改變了生產關係。不管是淘寶、滴滴還有美團，都是通過互聯網讓更多的商家跟更多的用戶連接在一起，提高供需匹配的效率。

但在智能時代，大模型帶來的是生產力的直接提升。GPT是這個時代的第一個應用產品，未來我相信會有更多新的應用產生。

在信息時代，我們是用一種工具思維來使用計算機。現在，我們應該把大模型當成夥伴來思考。如果還是把大模型當成原來的計算器來對待，那它能夠發揮的作用就太有限了。我們更應該把AI當作可以產生陪伴和服務的夥伴。我預測，在未來兩三年，我們可以走出這種工具思維，並且讓AI變得像人類一樣具備服務能力和陪伴能力。

這種情況下，目前的探索方向，一是賦能千行百業，也就是對生產力的提升。另外還有兩個領域：智能助理和虛擬世界。

在個人領域，這種智能助理之前其實做得不太好。目前來講，Perplexity在智能助理領域應該算是不錯的，通過對於搜索的總結，可以提供更好的知識的呈現。GPT4O更多代表的是一種交互模式的革新，是以人的方式來跟用戶溝通。我認為，未來智能助理會有新的To C產品形態產生，而不只是在原來的電商、遊戲以及其他領域再重做一遍。

在虛擬世界，隨著技術的進步，未來3到5年，我們預見到人工智能將在虛擬世界的多個方面扮演更重要的角色，特別是在娛樂遊戲行業。隨著虛擬世界的發展，它將為全球經濟帶來新的動力和變革。我們認為，這將是一個從生產關係向生產力轉變的過程，最終將實現對虛擬世界的賦能。

目前，我們已經討論了許多概念，包括搜索增強、多模態、智能體等，這些都是當下提升大模型能力的主要技術路線。這些技術的發展可能會在未來引發一場變革性的力量。

強化學習讓大模型具備思考能力

在語言和規模之外，大模型還有一個發展思路是強化學習。OpenAI曾提到，他們的模型可以在某些地方實現超越，包括在18個月之後讓大模型達到博士生的能力。這不是在當下這個範式中能夠解決的，以目前的範式解決問題來講，大模型能達到高中生的水平就不錯了，所以只能做輔助工作。

但未來會有新的一種範式出現，這是值得大家期待和關注的。這種範式的核心是，用強化學習來改變今天的模型設置。廣義上來講，這就像之前大家熟悉的AlphaGo，專門下圍棋的人工智能。AlphaGo跟大模型走了兩條相反的道路。大模是數據越多越好，有多少數據就可以帶來多少智能。而AlphaGo的第一版本是結合了數百萬人類圍棋專家的棋譜。但是到AlphaGoZero之後，就不需要人類的棋譜了，不用數據反而變得更加智能。

今天大模型只能解決快思考的問題，其實不具備慢思考的能力。所以大家提到AI超越人類，還需要很長一段時間來通過強化學習產生慢思考。用孔子提倡的學習方法來講，大模型是「學而不思則罔」，學了很多東西，但是不會思考，並不是特別智能；AlphaGo則是「思而不學則殆」，只在一個領域鑽研得很深。因此，將學習和思考系統進行結合，才可能實現智能時代最終的爆發。我們現在掌握的兩種技術，還沒有融合在一起，這是我對未來的一些基本判斷。國內有高校在做這方面的探索，我們甚至預言美國已經在這方面實現了突破。

隨著我們自己的實踐，我們強調如何平衡理想與現實之間的關係。追求「詩和遠方」就是去追趕OpenAI，但沒有落地場景。如果去做落地場景，則有可能走不到了大模型的遠方，丟掉了「慢思考」，丟掉了大模型所代表的通用智能的可能性。

因此，針對當前中國的情況，包括芯片能力、人才儲備和市場環境，我們提出了一種邏輯，即「理想上慢一步，落地上快三步」。也就是說，理想上我們不是不跟，而是通過他們驗證之後來確保我們的方向。我們的首要任務是打開落地場景，同時確保我們不會失去對大模型終極理想的追求。因此，我們的目標是既要發展超級模型，也要發展超級應用。所以我們在賦能千行百業時，選擇這些知識密度特別高，真的需要千億模型、萬億模型的場景，然後我們把它降到百億，這是百川的定位。

百川去年整體發展很快，成為第一批獲得工信部備案的八家大模型公司之一，也是唯一一家當年成立的公司。在今年5月，百川推出最新一代基座大模型Baichuan 4，並同期推出首款AI助手「百小應」。

醫療是大模型皇冠上的明珠

百川在落地場景上選擇的是醫療領域。醫療是大模型皇冠上的明珠。反向傳播之父Geoffrey Hinton強調，醫療將是最重要的AI應用領域之一，將發揮AI的最大潛力。大模型對於知識的掌握，對經驗的掌握，大模型的多模態能力、記憶能力、思考能力，大模型減少幻覺、溝通共情的能力，所有這些在醫療領域都能夠用到。甚至是模型做得越好，醫療就能越發達。

目前在醫療領域比較成功的是互聯網醫院，包括好大夫等，需要依靠現有的醫生，其實還是對生產關係的改變。因為醫生供給是不足的，提升醫生供給就是一個重大的機會，所以醫療行業叫做「得醫生者得天下」。

同時，我們也對AI醫療進行了等級劃分，從L0到L5，這一分級類似於無人駕駛。

L0就是傳統醫療，沒有AI介入。

L1是依靠單一功能的機器輔助，在單點上可以給出建議。

L2是多模態輔助，AI可以整合病曆、影像等多種數據提供信息。

L3是條件自動化診療，類似於現在的自動駕駛，已經可以完全取代司機開車，但在關鍵時刻還需要司機的確認。我們的目標是，在今年到明年，做到L3的水平，讓AI給醫生做助理，也能為消費者提供後期的健康顧問，但關鍵決策需要醫生確認。

L4就需要AGI的水平了。AGI的能力可以造出醫生來，完全像醫生一樣工作，就是一個通用的人工智能。

L5是完全自動化健康管理，可以超越AGI，從預防、診斷到治療，可以管理患者的全部健康旅程。到這個時候，我們開始從語言模型走向生命模型，對生命做解碼，做到超越醫生的水平。

在這個過程中，我們落地了兩件事情。一是在前期做全病程的管理，二是在此基礎上做精準醫療。

現在醫生資源遠遠不夠，不可能有醫生一直陪著患者。大模型可以在院內做醫生助理，在院外做健康顧問，能做全病程的管理。在這個過程中，大模型可以患者進行儘可能多的數據收集，這對醫生來說也就像臨床實驗一樣。因為醫生不僅是臨床工作者，也是科研工作者，他們需要把自己的觀察和經驗總結出來，寫成論文，變成知識。每個醫生的精力是有限的，在中國一個醫生一輩子可能只能為3萬個患者做診斷。大模型能夠快速地迭代學習，可以為每個患者單獨建模，最終走向精準醫療，讓預防、診斷、干預都達到新的高度。