商汤医疗的“宇宙”里，装的是物理定律还是财务报表

我一直在想一个问题：商汤这家公司，到底是一家AI公司，还是一家“造词”公司。从“AI四小龙”到“世界模型”，从自动驾驶到医疗影像，他们总能把一个概念讲得像是宇宙大爆炸的奇点。这次商汤医疗估值破百亿、进入Pre-IPO，媒体说“商汤宇宙成型了”——这个比喻挺妙，因为宇宙膨胀需要的不是质量，而是暗能量。

暗能量是什么？就是资本讲故事的能力。

先别急着批判。商汤医疗这一轮1亿美元融资，投后估值百亿人民币，成了国内首个估值破百亿的医疗世界模型公司。这个“医疗世界模型”是个什么东西？我查了一下他们的公开描述，大致是：用多模态数据（影像、文本、病历、基因等）训练一个基础模型，能理解医疗场景中的物理规律和因果关系，从而辅助诊断、治疗规划、药物研发。

听起来很性感。但你要知道，医疗AI这个赛道，过去五年倒下的公司比跑出来的多。从肺结节检测到眼底筛查，从单任务模型到多任务模型，绝大多数公司做到最后都变成了“卖软件”的，天花板极低。为什么？因为医疗数据太特殊了——它既是高维的（影像分辨率、时序信息、文本语义），又是稀疏的（一个患者一辈子可能就几十张片子），更重要的是，它缺乏因果结构。

[!info] 从信息论的角度，医疗场景的难点在于信源熵极高，但信宿（医生）的决策路径却高度依赖先验知识。一个世界模型如果只是把图像和文字拼在一起，不解决“为什么这个病灶会出现在这里”的因果问题，那它本质上还是个大号模式识别器。

商汤的野心在于，他们想用“世界模型”这个框架，把物理世界的因果推理塞进医疗AI。这跟特斯拉的擎天柱机器人、DeepMind的Alphafold其实是一个思路——让AI学会物理常识，而不是死记硬背统计相关性。但问题在于，医疗领域的物理常识，有多少是已知的？一个细胞的代谢过程，人类自己都没搞明白，你怎么让模型去“理解”？

我看了商汤医疗的最新论文，他们确实在尝试用神经符号推理（Neuro-Symbolic）来做病灶定位，比如把CT影像中的解剖结构用图神经网络表示，再叠加一个微分方程模拟病灶生长。这个方向是对的，但跟临床落地之间还有三个鸿沟：数据标注（需要医生标注因果链）、模型可解释性（医生凭什么信你）、以及监管审批（FDA和NMPA至今没给任何“世界模型”发证）。

所以这轮融资，我更倾向于看成是资本对“AI+物理”叙事的一次赌博。商汤的母公司虽然在港股上市后股价跌了八成，但他们在自动驾驶、智慧城市、医疗三个方向都留了火种。医疗这块，如果能抢在友商之前把“世界模型”这个词变成产品，估值还能再翻几倍。

但风险也很明显。深睿医疗、推想科技这些老牌医疗AI公司，已经在单任务模型上做到了95%以上的准确率，而且拿到了三类证。商汤的“世界模型”如果不能在准确率上碾压它们，或者不能同时解决五个以上病种，那“通用性”反而成了累赘——医生宁愿用五个专精模型，也不想用一个半吊子的“宇宙”。

我的判断是：商汤医疗的“宇宙”能不能成型，取决于他们能不能在2025年底之前拿到第一个“世界模型”相关的三类医疗器械注册证。不是靠堆参数，而是靠真正把因果推理和物理规律嵌入到诊断流程中。如果只是把原来的影像AI换个界面，加个“世界模型”的标签，那这轮融资就是最后一轮——Pre-IPO变成Pre-破产。

趋势预测：未来三年，医疗AI会从“单任务模型”向“任务簇模型”演进，但不会一步到位到“世界模型”。商汤如果能找到一到两个高价值场景（比如肿瘤治疗规划、罕见病诊断），用世界模型的方法把准确率做到98%以上，同时把训练成本降到单次推理0.1元以下，那它确实有可能成为“医疗世界模型第一股”。否则，宇宙膨胀的尽头，是坍缩。

原文链接：https://www.tmtpost.com/8085598.html