近日，，我国首部针对生成式人工智能产业的规范性政策—《生成式人工智能服务管理暂行办法》（以下简称办法）正式施行，
，引发行业人士和相关政策研究者的高度关注
。。。

国家互联网信息办公室有关负责人表示，，，，出台《办法》，，，旨在促进生成式人工智能健康发展和规范应用，，，，维护国家安全和社会公共利益，，保护公民
、、、、法人和其他组织的合法权益。。。

《办法》的出台，，，，一方面体现了国家对生成式人工智能产业发展的鼓励和支持，，
，既为产业创新提供了政策导向和法律保障
，，，另一方面又为产业监管提供了科学合理且平衡适度的框架。。。

过去几年，，
，商业化一直是困扰整个人工智能行业的难题，，，大模型的出现为AI商业化提供了新契机。。作为极具开拓性且高速发展的新业态，
，，，大模型的赛道之分，，，成为了业内争论不休的话题。。。
。现有大模型大致可分为两类：通用大模型，，，像ChatGPT
，，，，面向人群以及场景适用范围十分广泛，，，但由于需要巨大的计算资源和数据量，，已经成为国内外大厂的重点项目；垂直大模型
，
，在特定的领域或行业中经过训练和优化，，针对特定场景提供更精准和高效的解决方案，，，，更好地满足用户在某个领域或者场景下的需求和期待，
，，，如
：医疗、
、、、金融等
。。

此次《办法》强调了：应采取有效措施，，，，提升生成式人工智能服务的透明度
，
，，，提高生成内容的准确性和可靠性。。
。从“准确性‘’“可靠性”这两点要求来说，，
，，通用大模型由于爬取网上可能存在错误、、偏见的信息，
，
，会导致精准度不够，，
，生成有误或有偏见的响应
，，其不足逐渐显露
，，，无法切实满足各行各业的需求。。相比较而言，，，，垂直大模型更能发挥其价值，，，它需要学习大量行业的专精语料和经验知识
，
，
，，具有更强的领域专业性和任务针对性
，，能够更好地解决特定领域的问题和提供更加精准的服务，，也更容易找到其商业模式
。。

以医疗健康领域为例，，，，医疗场景对问题的容错率低
，，，这就对大模型提出了更高的要求，，即AI需要基于医疗专业语料给出更专业、、、更精准的医疗建议
；其次，，目前医疗数据中有超过90%的数据来自于医学影像，
，，，这也意味着一个切实有效的、、、能做复杂决策的医疗人工智能大模型
，，
，，需要融合医学影像、
、、、文本，
，，，甚至语音或是视频等多模态信息以赋能各种医疗场景。
。。。最后，，，考虑到现阶段医院实际的部署环境和数据安全性要求，，
，“大模型”不能无限“大”，，，，需要让数据飞轮和模型训练能够很好结合，，，，发挥效果更好、、成本更低。。
。。

此外，，《办法》中还提到
，，采取有效措施提高训练数据质量
，，增强训练数据的真实性、、
、
、准确性、、
、
、客观性、、多样性”，，这体现 “让产业向高质量方向发展”的政策导向
。。。。

医募医药砭石大模型在此方面做了重点考量，
，一方面，，，，采用知识图谱与大模型相结合的技术路线，，，，通过在训练过程中加入知识图谱对训练过程进行知识增强，，结合RLHF技术，，，，在500亿参数条件下比单纯使用大模型技术，
，，
，医学问题回答准确度提升近10%。。另一方面，，隐私计算条件下的大模型联邦训练
，，保证了数据的多样化和高质量
，，，充分释放数据要素价值，，
，真正做到数据的“可用不可见”、、、、“数据不出域”。。此外，，砭石医疗大模型能够支持医疗领域多模态的输入，，，，包括医疗领域文本
、、
、
、图像、
、视频和音频形式，，，可以有机整合不同的信息，，相比单模态信息更加全面，，，
，让AI充分施展拳脚，，方便医药机构使用。。。

当前，，，
，在《办法》的催化下
，，，各家通用大模型、、、、垂类大模型厂商正加紧进行自身战略布局、、、、提升产品的安全合规性，，共同构建安全可信的、、、自主可控的大模型生态，，医募医药亦将坚持科技向善，，
，为医疗健康产业的可持续发展做出价值贡献。。