1895年11月8日,全球第一张X光片诞生。距今125年的这项突破,为现代医学影像奠定了基础。
在过去的几十年间,整个医学影像硬件和软件的生态系统已逐渐形成。如今,AI初创企业在这一生态系统中发挥着关键作用。
11月30日,NVIDIA宣布成立NVIDIA医疗健康初创加速企业联盟。这项倡议将为医疗AI初创企业提供新的机会,让它们在NVIDIA及其医疗健康行业合作伙伴的帮助下实现创新,并加速获得成功。
NVIDIA 初创加速计划是NVIDIA为90个国家/地区的6500多家AI和数据科学初创企业所提供的一项加速器计划。现在,该计划的会员企业可加入GE医疗Edison开发者计划。通过与GE医疗Edison平台结合,这些初创企业可以访问GE医疗的全球网络,在160个国家/地区中,基于其庞大的400万台成像、移动诊断和监控装置,使用2.3亿份检查和相关数据扩展临床和商业活动。
获得FDA许可的会员企业,还可以加入用于诊断成像的Nuance AI Marketplace。Nuance AI Marketplace通过将开发者与放射学用户直接连接,将AI技术引入放射学工作流程中。它为AI开发者提供单一API,可将开发者的AI解决方案与Nuance PowerShare网络内的8000多家医疗机构中的放射科医生连接,并为用户提供审核、试验、验证和购买AI模型的一站式服务。此举不但弥合了技术鸿沟,还让AI变得更加有用、可用且实用。
实现增长的途径
最近,加入NVIDIA初创加速计划的医疗AI初创企业突破了1000家。该计划为会员企业提供各种长期福利,包括产品上市支持、技术援助以及获得NVIDIA专业知识的机会。这些福利均依据企业发展不同阶段的需求而量身定制。初创企业可通过NVIDIA深度学习学院接受培训、通过NVIDIA全球分销商网络获得硬件的优惠价格、并受邀参加独家社交活动等。
为帮助医疗健康行业以及整个医疗生态中的AI初创企业实现增长,NVIDIA正与医疗健康行业巨头合作,加速初创加速计划会员企业的产品上市。
NVIDIA医疗健康初创加速企业联盟将通过定向网络、AI培训、技术早期访问、营销比赛和技术集成,探索新的增长途径。会员企业将获得量身定制的培训和支持,帮助它们能够在医学影像生态系统中自由地开发、部署和集成NVIDIA GPU加速应用。
部分会员企业除了可以在市场上推广其研发成果之外,还可以直接与共同客户接洽。这项倡议,将一场针对医学影像及相关支持领域领先的AI初创企业营销竞赛拉开序幕。
GE医疗副总裁兼人工智能总经理Karley Yoder表示:“初创企业处在创新的最前沿。GE医疗Edison开发者计划助力其触及全球最大的医疗设备企业和客户群。通过将业内领先合作伙伴的顶尖能力整合在一起,就可以打通加快互联生态系统创新的捷径。此举将有助于改善护理质量、降低医疗成本,并为患者带来更好的治疗效果。”
Nuance高级副总裁兼诊断部门总经理Karen Holzberger表示:“凭借Nuance对放射科医生需求和工作流程的深刻理解,我们可以帮助他们运用AI改变医疗健康行业。通过Nuance AI Marketplace,放射科医生可以在日常使用的解决方案内轻松购买、验证和使用AI模型,从而让其工作变得更加智能、效率更高。AI模型可以帮助放射科医生集中自己的精力与专业知识,适时治疗合适的病例,从而减少大量重复、单调的工作,最终改善患者护理,挽救更多的生命。将NVIDIA初创加速计划会员企业与Nuance AI Marketplace联系起来是天然的契合,它们的结合将使整个行业受益。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。