打开网易新闻 查看精彩图片

公司官网上，第一屏写的是医疗。

两年前不是这样。2023 年公司成立时，王小川讲的是通用大模型，讲搜索增强，要做一个中国的 OpenAI。现在这些词基本从他的公开表述里消失了。

一家估值超过 200 亿元的独角兽，把自己缩到一个科室里去。

通用那条路已经挤不下

2023 到 2024 年，中国的通用大模型公司至少有二十家，融资总额超过千亿元。

到 2025 年底，名单缩了一大半，剩下的几家背后都站着一个云厂商或者一个流量入口。

纯创业公司做通用模型，卡在三个地方：训练成本，一次千亿参数模型的完整训练要上万张卡；获客，通用助手被几个超级应用截走；定价，开源模型把 API 价格压到了成本线附近。

王小川在 2025 年的一次内部沟通里说过，通用模型已经是巨头的战场。这句话翻译过来就是换个地方打。

医院的门槛，正好挡住巨头

医疗难做，但难的地方恰好是机会。

第一是数据。病历、影像、检验报告绝大多数不出院内网，通用模型拿不到，就没法在具体科室里给出可用的答案。

第二是责任。医生开错药要担责，AI 给错建议谁担责，这个法律问题至今没有定论。

第三是流程。医院的信息系统大多是十年前建的，接口不统一，装一个新系统要和十几个旧系统对接。

这三道门，把巨头的规模优势挡在了外面。模型越大，越难为一家三甲医院的某个科室做定制。

收入可预测，但周期长得可怕

百川现在的做法是派驻团队进医院，用院内数据做微调，把模型嵌进医生的日常流程：写病历、辅助诊断、随访管理。

收费有两种，按项目收，一家医院几十万到几百万元；或者按使用量收。

天花板很明显，中国三甲医院约 1700 家，全拿下也就是百亿元级的市场。但好处是收入可预测，不像 API 调用那样随行情波动。

进院这件事，还有一个外界很少提的细节：科室主任的态度往往比院长的决定更重要。

一套系统要不要用，最终是每天用它的人说了算。如果医生觉得多了一步操作、多花了两分钟，用两周就会弃用。所以产品必须嵌在原有流程里，不能新增步骤。

这也是为什么这类项目很难标准化。每个科室的工作流都不一样，产品团队要一家一家去改。改完之后还要做培训，一场培训两小时，覆盖一个科室的三十来个医生，这一项一年下来也是不少人力。

真正难的不是技术，是进院。科室提需求、信息科评估、院务会审批、招标，四道流程走下来，周期按年算。

这意味着销售周期极长，回款极慢。一家创业公司的现金流，未必撑得住这么长。

另一件事是数据合规。

院内数据不能出内网，这是硬规定。所以模型微调只能在医院本地做，或者用脱敏后的数据做。这两种方式都有代价：本地做，算力要医院出；脱敏做，效果会打折。

医疗这条路上，技术从来不是唯一的变量。合规、责任、流程，每一样都能让一个项目停摆半年。

另一个难点是复制。每家医院流程都不一样，在一个科室跑通的模型，换一家要重新调，规模效应打了折扣。

他选的是一条慢路。慢路的好处是不会被巨头一夜掀翻，坏处是自己也可能走不到头。

今年年底百川披露的合作医院数量，会是这条路是否成立的第一个硬指标。

来源：百川智能估值来自公开融资报道（2024 年）；三甲医院数量来自国家卫健委公开统计（2025 年）；落地场景来自公司公开披露。