从一家40亿美元公司的实践，看AI医生为何还差“最后一公里”

这场对话来自一家估值数十亿美元的医疗公司内部实践者，围绕“为什么最强大的大模型仍然不懂医疗体系”、上下文窗口的真实瓶颈，以及AI在医疗场景中增长、留存与落地的反直觉经验，揭示了AI医生之路并非技术单点突破，而是系统性工程。

为什么“最聪明的大脑”依然看不懂医疗体系

理解AI在医疗中的局限性，首先要从一个看似玩笑、却极其深刻的吐槽开始。对话一开始，嘉宾就抛出一句极具画面感的话：“I love it — the most powerful brain model we've ever built still can't understand how the world health insurance works.” 这不是调侃模型能力不够强，而是在指出一个核心事实：医疗不是一个纯知识问题，而是一个由规则、流程、激励机制交织而成的复杂系统。

在医疗健康领域，信息并非缺失，而是高度碎片化、语境化。即使是当前最先进的大语言模型（LLM，Large Language Model），在面对真实世界的医疗保险、行政流程和合规要求时，依然会“迷路”。这背后不是模型参数的问题，而是模型对现实世界运行方式缺乏足够结构化理解。

这也解释了为什么嘉宾认为，很多人对“AI医生”的期待过于线性——仿佛只要模型再大一点、再聪明一点，就能自然理解并替代复杂的医疗决策。现实恰恰相反：医疗系统本身的复杂性，决定了AI必须被嵌入到具体流程中，而不是站在流程之外给建议。

上下文窗口：决定AI能否真正“理解”的隐形天花板

如果说算力和参数规模是大模型的“肌肉”，那么上下文窗口就是它的“工作记忆”。在对话中，嘉宾明确指出一个常被忽视的关键点："the ability for LMs… how can you give way more context to the LM than we currently generally do." 这句话背后，直指当前AI应用落地的真实瓶颈。

上下文窗口，指的是模型在一次推理中能够同时处理的信息量。在医疗场景中，一个决策往往依赖长期病史、既往检查、用药记录、保险限制以及实时症状。如果这些信息无法被完整、连贯地提供给模型，那么模型给出的判断再“聪明”，也可能是片面的。

嘉宾强调，作为专家，人类可以在复杂、混乱的信息中“看懂全局”，但模型做不到这一点，除非我们在系统设计层面，主动为它构建更丰富、更结构化的上下文。这不是简单地“塞更多token”，而是重新思考：什么信息在当下决策中真正重要，如何动态地喂给模型。

在真实公司里，AI首先改变的不是医疗，而是增长与行政

一个非常反直觉、但极具价值的洞见来自嘉宾对公司内部实践的回顾。当被问及在不同方向上的尝试时，他提到：“on the growth and retention sides I would say we've done the most… out of the box for sure.” 这意味着，AI最先产生显著价值的，并不是直接给患者看病。

相反，在增长、留存以及行政（admin）空间，AI的作用更加立竿见影。原因很现实：这些环节流程更标准、风险更可控、反馈周期更短。嘉宾甚至提到，在行政领域，“almost for anybody inside of Oscar”，AI都能带来效率提升。

这个经验对正在构建通用AI应用的团队尤为重要。它提醒我们，不要一开始就挑战最复杂、最敏感的核心决策，而是先在系统边缘找到“确定性收益”。当组织和流程逐渐适应AI的存在，才有可能向更核心的医疗决策推进。

AI不是二元选择，而是一条渐进式演化路径

在对话后半段，嘉宾点出一个被频繁误解的思维陷阱：“everybody wants it to be a binary thing.” 很多人习惯把问题简化为“AI能不能替代人类”，但在医疗这样的高风险领域，这种二元思维几乎注定失败。

真实的路径更像是一条连续谱：从辅助、到增强、再到在特定边界内的自动化。嘉宾提到，很多公司正在探索的方式，其实“works I think quite well”，但前提是明确AI的责任边界，以及人类在环路中的位置。

这也呼应了整场对话的主线：AI医生不是某一天突然出现的产品，而是无数个具体、克制、工程化选择叠加的结果。每一次小规模验证、测试和迭代，都是在为那个未来铺路。

总结

这场来自一线实践者的对话，最大的价值不在于描绘一个宏大的AI医疗愿景，而在于不断提醒我们：真正的难点往往藏在系统、流程和人性之中。最强大的模型，依然需要被正确地放入现实世界。对于构建AI应用的团队而言，与其执着于“是否颠覆”，不如先回答一个更务实的问题：在这个具体场景下，AI今天能帮人类把哪一步做得更好？

关键词： AI医疗， 大语言模型， 上下文窗口， AI应用落地， 通用人工智能

事实核查备注： 视频原话引用包括：1）“the most powerful brain model we've ever built still can't understand how the world health insurance works”；2）“how can you give way more context to the LM”；3）“on the growth and retention sides I would say we've done the most”；4）“everybody wants it to be a binary thing”。提及的技术概念：大语言模型（LLM）、上下文窗口（context window）。提及的公司名称仅限对话中出现的“Oscar”，未引入额外背景或数据。