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
亚马逊云服务部门与OpenAI签署了一项价值380亿美元的七年协议,为ChatGPT制造商提供数十万块英伟达图形处理单元。这标志着OpenAI从研究实验室向AI行业巨头的转型,该公司已承诺投入1.4万亿美元用于基础设施建设。对于在AI时代竞争中处于劣势的亚马逊而言,这项协议证明了其构建和运营大规模数据中心网络的能力。
Meta FAIR团队发布的CWM是首个将"世界模型"概念引入代码生成的32亿参数开源模型。与传统只学习静态代码的AI不同,CWM通过学习Python执行轨迹和Docker环境交互,真正理解代码运行过程。在SWE-bench等重要测试中表现卓越,为AI编程助手的发展开辟了新方向。
当今最大的AI数据中心耗电量相当于一座小城市。美国数据中心已占全国总电力消费的4%,预计到2028年将升至12%。电力供应已成为数据中心发展的主要制约因素。核能以其清洁、全天候供电特性成为数据中心运营商的新选择。核能项目供应链复杂,需要创新的采购模式、标准化设计、早期参与和数字化工具来确保按时交付。
卡内基梅隆大学研究团队发现AI训练中的"繁荣-崩溃"现象,揭示陈旧数据蕴含丰富信息但被传统方法错误屏蔽。他们提出M2PO方法,通过改进数据筛选策略,使模型即使用256步前的陈旧数据也能达到最新数据的训练效果,准确率最高提升11.2%,为大规模异步AI训练开辟新途径。