分清“刀”和“笔”，IVD企业应该如何迈入AI时代

2025-2-12 15:05| 编辑: 归去来兮| 查看: 770| 评论: 0|来源: 诊断科学

摘要: 今年过年的时候，Deepseek引爆了一波AI浪潮

今年过年的时候，Deepseek引爆了一波AI浪潮，除了大模型本身质量过硬以外，很重要的一点，就是可以认为Deepseek在一定程度上打破了美国的算力封锁。可以认为，Deepseek开启了AI时代的第二个阶段，对于大部分企业来说，现在已经到了要考虑如何

应对AI的冲击了

年前的时候，我曾经拜访了一家IVD公司，他们就正在把AI融入到自己的业务体系当中去，但在沟通当中，我发现，很多朋友实际上陷入到了一种AI概念迷雾当中，把AI当做了一颗包治百病的灵丹妙药，但实际上并非如此，在生产车间和办公室当中，AI是以不同的形态存在的，而如果我们把AI用混了，公司被折腾倒闭也不是不可能的事情。

“刀”与“笔”

正如我在上文谈到的那样，AI有不同的类型，也就像我们IVD产品，都有“预期用途”这一栏来确定产品的适用范围一样，AI模型也有它的适用范围。

要想了解AI模型的适用范围，就得先谈谈AI的三个学派，控制论学派、符号学派和生理学派。

控制论学派构建的智能系统的代表，是德国工业4.0，当然，现在经常被调侃工业404了，或者中国制造2025，它是以闭环反馈机制实现动态平衡。

在这些智能工厂当中，智能机械臂可以在0.1秒内完成工序调整，它的决策回路要比人快很多。这种即时响应能力来源于控制论的“感知-决策-执行”三位一体底层逻辑，能够实时感知设备的微妙变化，并且在千分之一秒内就可以完成参数修正。

我曾经在深圳参观过一个智能超级工厂，里面解决1000台工业机器人互相配合的天衣无缝，但它们不是写死的程序，实际上，对于这么多工业机器人来说，你要想写死程序也是完全不可能的事情，因为误差是必然存在的。

在这个工厂当中，它就是通过毫米波雷达与力反馈系统，在动态环境当中，去实现微米级的自适应控制。所以，对于这一类AI来说，它们的“智能”不在于创造新知识，而在于将预设程序转化为精准的物理动作。

换句话来说，这一类AI，是把我们的目标变成现实的“刀”。

而另外两种AI，则不是上阵厮杀的猛将，而是在军阵当中挥毫献策的谋士了。

符号学派创造的认知模型，就是现在openAI、kimi、Deepseek这样的聊天机器人，它们的本质是通过知识图谱，将人类百年积累的规则符号化。我曾经参观过一家跨国药企的AI药物发现平台，它可以在三天内完成传统实验室十年的分子筛选过程，确实是非常了不起。

而且认知型AI在金融建模方面实际上是有惊人的潜力的，就像现在爆火的Deepseek，它的开发公司幻方量化，实际上就是做股票量化交易的。Deepseek本身就是在他们开发过的量化交易系统上面进一步发展而来。

这种AI每天可以处理上千万条金融数据，在我们难以察觉到的关联当中去寻找套利的计划，它并不直接参与市场搏杀，而是通过复杂的计算为决策者提供套利机会。

最后一种，也就是生理学派打造的神经网络，这种模型的代表实际上是抖音的推荐系统，或者像淘宝的千人千面这种商品推荐系统，它们是通过深度神经网络构建出比用户更了解其需求的数字镜像。

通过海联的数据训练，神经网络可以给出一种直觉式的决策，这有点像我们的“第六感”。

当然，在我们生物领域，最有名的认知AI模型，就是AlphaFold，不过这也是过气网红了，当然，在它当红的时候，就有人戏言，说AlphaFold一个软件，就干翻了整个蛋白结构生物学。

当然，这只是一句玩笑话，但是，这种从“计算”到“创造”的跃迁，也正是当下重塑企业创新的底层逻辑。

误用的代价

在沟通的时候，一位财务负责人曾经问了我这么一个问题，“我看研发说AI的应用准确率只有90%，这个准确率很低啊，也能用？”

这正是对AI角色的认知偏差带来的误解，实际上，对于研发系统来说，AI更多的扮演出谋划策的角色，而对于财务系统来说，更需要的是执行，所以他们需要的AI，是那种可以上阵杀敌的猛将。

我这里刚好有两个误用的例子。

第一个例子，是一家制造厂商，它曾经将自然语言处理系统，也就是认知模型部署在生产的质检环节，结果导至故障识别的准确率下降了40%，那段时间客户对于交付产品怨声载道，不得不召回了很多产品。

第二个例子，则是一家物流企业，它们将控制论系统用在自己产品配送的路径规划上面，这个决策模型是刚性的，无法适应突发的交通状况，配送效率非但没有提高，反而多造成了30%的配送延误。

可以这么说，AI系统的能力边界，比我们IVD产品的预期用途，都更加清晰。

当然，了解这些AI的使用范围，是为了让它们更好的发挥作用。我去年在一家苏州工厂参观的时候，它们的“双脑模式”就给了我很大的启发。

在它们的工厂里面，控制论系统用于实时生产控制，同时部署认知型AI进行工艺优化，这两者之间是通过软总线，也就是数字主线，来实现协同的。

这种“庖丁解牛”式的智能分工，使它们产品的良率可以达到99.998%这样一个惊人的数字。

数智化？数字化！

对于IVD企业来说，要想面对AI冲击，除了了解AI的用途来说，还有非常重要的一个点，

数据

坦率的说，对于大部分IVD企业来讲，本身业务并没有完全实现数据化，而且，各个数据之间的关联，也还没有打通。

比如，我时常强调对于新产品开发来说，公司同类/同平台产品的售后数据，是非常重要的立项数据，但实际上，并没有几个厂家是真正对把售后数据和新产品开发对接起来的，甚至能够对售后数据进行深入细致分析的厂家也，不多。

没有数据，就没有AI模型，而如果数据的质量差，那么出来的AI模型效果就更差，更有可能把公司带到错误的道路上去，垃圾进，垃圾出。

所以，对于我们IVD企业来讲，在AI时代，第一步要解决的问题，就是自身业务的数据化，完成了这一步之后，才有可能来讨论数智化的问题。

在AI时代，企业智能化转型的本质，就是在原有的数字底座上，增加对两种智能形态的深刻认知与有机整合。

一个企业的领导者，既要能懂得认知型AI在知识疆域的思维跃迁，敢想；又要能理解控制论系统，能做。这样，才能构建其适应时代的智能生态。

不要总去追求技术的极致，那不是一个要赚钱的企业该干的事，知行合一，才是我们的目标。

关注我，降低产品上市认知门槛。

*个人观点，仅供参考。

声明：

1、凡本网注明“来源：小桔灯网”的所有作品，均为本网合法拥有版权或有权使用的作品，转载需联系授权。
2、凡本网注明“来源：XXX（非小桔灯网）”的作品，均转载自其它媒体，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。其版权归原作者所有，如有侵权请联系删除。
3、所有再转载者需自行获得原作者授权并注明来源。