医疗设备融资正在达到自2021年以来的最高水平,投资者向诊断和影像公司投入数十亿美元。但尽管创新步伐加快,一个根本问题仍然没有改变:关键医疗硬件(如MRI设备)成本高达数百万美元,且被大型医院垄断。那么,如何将这种最昂贵、受医院束缚的技术普及到任何地方?
巴黎初创公司Chipiron的创始人兼首席执行官Evan Kervella做客Equity节目,向我们阐述了这个问题以及他的解决方案。
收听完整节目可了解:
传统MRI设备依赖超导磁体和液氦的不可扩展性质。
Chipiron如何将安装便利性和患者体验融入其扩张使命中。
为什么Chipiron的轻量级MRI技术并非为了与传统设备竞争而设计。
长寿运动的支持者。
为什么将并购作为退出策略是可行的,尤其在医疗行业。
Equity将在周五回归,带来我们的每周新闻综述,敬请关注。
Equity是TechCrunch的旗舰播客,由Theresa Loconsolo制作,每周三和周五发布。
您可以在Apple Podcasts、Overcast、Spotify和所有播客平台上订阅我们。您也可以在X和Threads上关注Equity,账号@EquityPod。
Q&A
Q1:传统MRI设备面临哪些问题?
A:传统MRI设备面临成本高昂和可及性差的问题。这些设备依赖超导磁体和液氦,成本高达数百万美元,通常只有大型医院才能负担,导致患者难以获得及时的MRI检查服务。
Q2:Chipiron的MRI技术有什么特别之处?
A:Chipiron开发了轻量级MRI技术,注重安装便利性和患者体验。这种技术并非为了与传统MRI设备直接竞争,而是通过创新方法让MRI技术能够在更多场所使用,提高医疗服务的可及性。
Q3:医疗设备行业的投资情况如何?
A:医疗设备融资正达到自2021年以来的最高水平,投资者正向诊断和影像公司投入数十亿美元。尽管创新发展迅速,但关键医疗硬件的高成本和可及性问题仍然存在。
好文章,需要你的鼓励
Turner & Townsend发布的2025年数据中心建设成本指数报告显示,AI工作负载激增正推动高密度液冷数据中心需求。四分之三的受访者已在从事AI数据中心项目,47%预计AI数据中心将在两年内占据一半以上工作负载。预计到2027年,AI优化设施可能占全球数据中心市场28%。53%受访者认为液冷技术将主导未来高密度项目。电力可用性成为开发商面临的首要约束,48%的受访者认为电网连接延迟是主要障碍。
MiroMind AI等机构联合研究团队提出了UniME-V2多模态嵌入学习新方法,通过让大型多模态语言模型充当"智能法官"来评估训练样本质量,解决了传统方法在负样本多样性和语义理解精度方面的问题。该方法引入软标签训练框架和困难负样本挖掘技术,在MMEB基准测试中取得显著性能提升,特别在组合式检索任务上表现出色,为多模态AI应用的准确性和用户体验改进提供了重要技术支撑。
亚马逊云服务宣布投资500亿美元,专门为美国政府构建AI高性能计算基础设施。该项目将新增1.3千兆瓦算力,扩大政府机构对AWS AI服务的访问,包括Amazon SageMaker、Amazon Bedrock和Claude聊天机器人等。预计2026年开工建设。AWS CEO表示此举将彻底改变联邦机构利用超级计算的方式,消除技术障碍,助力美国在AI时代保持领先地位。
南洋理工大学团队开发了Uni-MMMU基准测试,专门评估AI模型的理解与生成协同能力。该基准包含八个精心设计的任务,要求AI像人类一样"边看边想边画"来解决复杂问题。研究发现当前AI模型在这种协同任务上表现不平衡,生成能力是主要瓶颈,但协同工作确实能提升问题解决效果,为开发更智能的AI助手指明了方向。