产品经理每日认知·第008期 | 2026-09-19
今日主线：医疗影像 AI 正在从「一病一模」走向「通用底座」——中国通用影像大模型 DAMO RADAR 登上《Science》并开源。技术供给、资本叙事、医保定价三条线同时被这个「范式跨越」重排。一个更根本的问题浮出水面：当 AI 能力被开源平权，医疗信息化厂商、医院、创业公司的价值锚点到底在哪里？
读法建议：本期难度系数 ★★☆（情绪友好，有一个新概念要钉住）。抓住三个词就能一路读下去：专病模型（只管一个病种）、通用/基础模型（一个模型管很多病种）、开源平权（把能力免费放出来）。术语首次出现都已顺手翻译。先花 1 分钟读板块①把「通用 vs 专病」钉住；②③同讲 DAMO RADAR 一个技术一件事，建议连读；④⑤适合通勤路上想；⑥今天开会就能用。全文约 10 分钟。
① 一个新概念：通用（基础）模型——「一病一模」与「一模型万病」
一句话先讲明白：通用影像模型，就是「一个模型能看很多种病」的 AI 底座；而过去十年医疗影像 AI 的主流做法是「一个模型只管一个病种」，行话叫「专病模型」、「一病一模」。翻译成大白话：以前是「一个萝卜一个坑」——肺癌有肺癌的模型，胃癌有胃癌的模型，各练各的；现在是「一个全能 AI 医生」，一次能帮你把腹部 CT 里的十几种器官、上百种异常都过一遍。
为什么是这个背景：专病模型的问题在于贵和慢。训练一个专病模型，依赖大量人工标注的影像数据，成本高、周期长；真到了临床，还得按病种一个个装、一个个维护。而深度学习（让 AI 从数据里自己找规律的技术）走到后来出现一种「底座」思路：先做一个能理解人类语言和图像的「大模型」，再让它处理医疗影像时，直接把这个多维数据拆成一个个解剖单元去理解——这就是 DAMO RADAR 用的「视觉-语言对齐 + 器官级细粒度对齐」打法，核心卖点是「无需额外人工标注」也能长出多病种诊断能力。
这对你（医疗信息化产品经理）意味着什么：「一病一模」的时代，产品是按病种交付、按次收费的；「通用模型」时代，产品变成「一个底座 + 无数场景接口」。这直接改变你的产品形态、定价和售前话术——你卖的不再是某一个诊断模块，而是「能被腹部 CT 等新场景持续复用的诊断能力」。做产品规划时，要把「底座可复用性」当成架构的第一性约束来问。
② 一个真实行业案例：达摩院的「厚积」——三年 5 篇 Nature Medicine，换来一枚 Science
先讲背景再讲数字：阿里达摩院不是第一次亮相。这家机构在医疗影像上的路，是典型的「慢功夫」：一直在用 AI 识别 CT 里人眼难察觉的微小病灶，先后突破胰腺癌、胃癌、肠癌等消化系统肿瘤筛查，以及主动脉夹层预警（主动脉是人体最大的动脉，夹层是它血管壁撕裂的急症）。据达摩院披露，三年里攒下 5 篇《自然·医学》和 10 多篇其他顶级期刊论文——这是「通用模型」出手之前的家底。
- 出了问题再上通用模型：这次登上《Science》的 DAMO RADAR 面向「腹部增强 CT」——影像科公认最难的读片任务之一，涉及数十个组织器官和数百种潜在异常。最终它一次能识别146 种病症、覆盖 18 个器官，在近 4 万次真实世界检查里，区分「有病/无病」的能力指标 AUC（越接近 1 越准，1 代表 100% 完美区分）达到 0.913。
- 人机对比更说明问题：论文显示，DAMO RADAR 与 26 名来自多家医院的放射科医生做对比，平均准确率超过其中 23 名；在 AI 提示下，放射科医生识别疾病的敏感性（防漏诊能力）提高了 10%，读片用时减少 30% 以上，还能把低年资医生拉到高年资水平。
- 它还会「泛化」：面对没训练过的急诊场景，它在急腹症上 AUC 仍有 0.904——意思是能碰到从没见过的新情况也能勉强应对，这正是「通用」二字的试金石。
背后藏着的趋势与数字口径：「4 万次检查」「0.913」「10%/30%」都来自论文研究团队的自测口径，尚未有独立第三方大规模复测——引用时留个心眼。但这个案例真正的信号是：能用「无需人工标注」的方式造出通用模型，意味着医疗影像 AI 的成本结构可能被重新改写——训练成本降下来了，保底能力也被大幅抬高。
这对你（医疗信息化产品经理）意味着什么：别只盯着「SOTA 数字」——更值得抄的是它的打法：用多年专病积累换数据与临床理解，再用技术范式突破降本，最后用开源换生态。你做产品时同样要回答：我的「厚板」（长期积累）在哪一层？是在算法、数据、关系，还是在场景流程？
③ 一个近期行业 / 科技变化：DAMO RADAR 登 Science 并开源——能力被「平权」了
昨天（2026-09-18）光明网、杭州网等官方渠道披露：阿里巴巴达摩院与浙江大学医学院附属第一医院等机构联合研发的通用影像大模型 DAMO RADAR，论文登上国际顶级期刊《Science》，且模型与代码已正式开源。这是主线的直接引爆点。（来源：光明网 2026-09-18；杭州网 2026-09-18）
把它放进过去两周的大盘里读，会更清楚这条主线不止一天：
- 产业侧（海外，2026-09-15）：OpenAI 基金会启动「Public Data for Health」项目，初始投入超 1.25 亿美元砸向高质量开源医学数据集——全球巨头都在抢「数据原料」。（来源：OpenAI 官网，2026-09-15）
- 资本侧（国内，2026-09-16）：杭州智诊科技完成 5300 万元 Pre-A 轮融资，估值超 10 亿元，主攻「医疗大模型 + 智能体落地」。（来源：新浪财经 2026-09-16）
- 生态侧（国内，2026-08-31）：瑞金医院联合华为云发布瑞智病理大模型 RuiPath 2.0——把顶级医院的病理能力通过云「下沉」给基层。（来源：新华网 2026-08-31）
解释口径：「开源」指模型权重、代码、训练框架对行业开放，不等于「数据开放」；「平权」是说下游不再需要从零训练，可基于现成底座做场景化。这几条新闻的自报数字（融资额、估值、投入额）均为当事方口径。
这对你（医疗信息化产品经理）意味着什么：当「能看 146 种病的底座」被免费开源，竞争层级会上移一层——拼的不再是谁能训出模型，而是谁能把底座接进医院的工作流、数据闭环、医保定价与评级体系里。产品经理的价值，正在从「做智能」转向「接智能 + 管场景」。
④ 一个值得产品经理思考的问题：模型被开源拉平后，差异化去哪找？
真实张力：一面，DAMO RADAR 这类通用底座「开源平权」，把「能看很多病的 AI」变成了人均可得的公共能力——算法的门槛在肉眼可见地被抹平；另一面，真正的医疗差异从不只靠算法——它还藏在医院的私有数据、复杂的临床工作流、医保支付口、以及一堆历史遗留系统里。
这就形成一个尖锐的问题：如果算法像水电一样成为「公共设施」，医院、信息化厂商、创业公司各自的不可替代价值，还能靠什么立住？是那本别人很难打通的HIS（医院信息系统）与医保结算接口？是多年沉淀的病理/随访/质控数据闭环？还是把模型「塞进」医生日常而不添乱的产品化能力？开源越是把底层拉平，上层那些「脏活累活」（数据治理、流程适配、安全合规）反而越值钱。
这个问题不急于给答案。但值得你做技术选型时多问一句：我引入的是「能用就用的底座」，还是「只有我才接得上的底座」？前者是纯采购，后者才是护城河。
⑤ 一个市场或商业案例：同一场「范式跨越」，两种变现姿势——开源普惠 vs 闭源世界模型
先讲背景再讲数字：同样是押注医疗通用模型，市场上出现了两种截然相反的商业路线，恰好一对镜像。
- 姿势 A · 阿里达摩院：开源普惠。模型、代码、框架全公开，不靠卖模型赚钱，赌的是「底座成为公共标准 → 生态里的云、工具、算力、场景服务你都得找我」。阿里有自己的云和算力，开放底座能把它变成云上生态的入口。
- 姿势 B · 商汤医疗：闭源「世界模型」。2026-07 商汤医疗披露完成超 1 亿美元 B 轮融资，投后估值突破 100 亿元人民币，成为国内首家估值破百亿的「医疗世界模型」企业，并宣称进入 Pre-IPO 筹备、冲刺「医疗世界模型第一股」。（来源：东方财富 2026-07-29；医谷网 2026-07-28）闭源的逻辑是：模型越强越稀缺，越该按能力收钱，靠资本市场把模型变得「贵」。
关键数字与口径：「1 亿美元 B 轮」「100 亿估值」均为商汤医疗披露口径，非第三方审计；「医疗世界模型」是它自创的概念标签，主要指不只为单一病种、而是覆盖诊疗全流程的多模态大模型。
背后藏着的商业逻辑：开源与闭源只是门面，真正的分野是「价值捕获点」不同——开源者捕获的是生态与流量入口，闭源者捕获的是阶段性的稀缺溢价。当通用底座越来越强、越来越普及时，闭源想靠「模型稀缺」收钱的空间会被持续压缩；这也是为什么顶尖闭源玩家必须越做越「世界级」，才能保住稀缺性。
这对你（医疗信息化产品经理）意味着什么：给客户做方案时，别急着站队开源或闭源。先帮医院想清楚：它要的是「买一个能力」（闭源、按次收费、省心），还是「拥有一个底座」（开源、可私有化、可二次开发、但要自己养队伍）？这两条路径的初始成本、长期账、团队要求完全不同，把它想透，比争论「哪个模型更强」更有价值。
⑥ 今日工作可用
- 跟放射科／信息科聊影像 AI 时，抛一个具体问题：「咱们现在配的是'单病种 AI'，还是能复用的通用影像底座？两个都接了吗？」——通用模型开源后，医院有了「普通病种用底座、强专科场景再加专用模型」的混合采购新可能，这直接改变产品和售前话术，值得从今天开始试探客户心智。
- 如果你的产品涉及影像或 AI 辅助诊断定价：留意医保「人工智能辅助」扩展项在你所在省份的落地口径——例如医保部门已在放射、超声、康复等立项指南里设立 AI 扩展项（江苏披露 51 项），执行时「与主项目同价、不单独另收」（来源：江苏省医保局 2026-06-22）。这意味着影像 AI 大概率不以「单独工位费」入账，而是并进诊查/检查的项目价格里——定价和商务谈判都要据此重新算账，而不是想当然加一个 AI 附加费。
七视角打卡：本期锻炼的视角——技术视角（通用/基础模型与视觉-语言对齐、AUC 口径）、行业视角（医疗影像 AI「一病一模 → 通用底座」的范式跨越）、产品视角（底座可复用性、混合采购新形态）、市场视角（开源普惠 vs 闭源世界模型的两种变现）、商业视角（价值捕获点与资本叙事）、用户/业务视角（放射科人机协作与读片用时）、政策视角（AI 辅助诊断扩展项定价口径）。七个视角全部点亮。