DeepSeekV3封神三大法宝

I.MLA 机制：通过对KV做联合低秩压缩大幅减少KV Cache，相比业界从KV数量角度做KV Cache的减少，MLA 的压缩实现很考验研究团队的基本功。

II.FP8 训练：通过低精度计算减少了 GPU 内存使用和计算开销，技术报告中也提到FP8混合精度训练框架是首次在一个极大规模的模型上验证了其有效性，这一点也看出DeepSeek的Infra工程团队的底蕴。

III.MoE 架构：通过MoE稀疏激活机制大幅减少了计算量，相比Qwen和Llama的Dense架构有很大的训推先天优势，不过难题(专家的负载、通信、路由)也给到了Infra工程团队。

先进的技术架构和训练方式使得DeepSeek以极低的训练、算力成本达到和OPEN AI4o媲美的水平。“开源+低成本”的竞争策略使其迅速切入更广泛的应用场景，倒逼大模型竞争将从“拼参数和算力”转向“拼成本效率与生态开放性”。节后短短7天时间，DeepSeek以指数级的用户增长态势，俨然成为榜首。

（PS：这里面值得深度思考，是什么样的推手，可以把一个2023年才开始研发的产品迅速推动到行业顶级？）

随之而来的是各行各业全面接入，带来的“替代”危机。

韩束母公司上美股份创始人吕义雄的一段工作群中的聊天截图在社交媒体上疯传。

在聊天截图中，吕义雄表达了激进的用人策略，即用AI替代大部分人，只留少量能够使用AI的人。

比如法务部门50%的人要淘汰，只留20%能用AI的人；客服部门95%的人要淘汰，只留5%能用AI的人；新品创新中心70%的人要淘汰，只留30%能用AI的人......

事实上，关于AI会带来大面积裁员这件事，早在2023年大模型刚刚出圈的时候，国内社交媒体就曾有过广泛的讨论。当时几乎所有的创业者都曾被追问过一个同样的问题——如何看待AI带来的人员替代。

几乎所有被问到这个问题的人都会说出同样一个回答：技术变革必然会导致一部分岗位消失，但它最终肯定会创造更多的新的就业机会。然后大多数关于这个问题的讨论就到此为止了，大家似乎都接受了这样的解释。

本篇只扯医疗，那么DeepSeek溅起的水花到医疗领域带来了哪些变化？会不会全面接管“医疗”，让部分医护和科室工作人员下岗？

话表两头，先说企业端：

一批企业接入DeepSeek

2月4日，医联集团业内首款疾病诊断与治疗领域的垂类大模型产品MedGPT接入Deepseek，并应用于智慧医院建设，智慧服务和智慧临床部分，针对C端的“未来医生”同步完成升级。Deepseek搭载医联自主研发的快慢双系统技术架构，能够为医患提供更准确高效的服务支撑。

2月5日，中国联通则宣布，联通云已基于“星罗”平台实现国产及主流算力适配多规DeepSeek-R1模型，兼顾私有化和公有化场景，实现多产品场景调用，为客户带来开箱即用的使用体验。

2月6日，中国电信官方微信公告，伴随着DeepSeek不断出圈，中国电信天翼云“息壤”也已经深度适配DeepSeek-R1/V3，实现了“国产模型+国产算力+国产云服务”全产业链闭环，成为国内首家实现DeepSeek模型全栈国产化推理服务落地的运营商级云平台。

2月6日，智云健康宣布将DeepSeek-R1模型接入公司自研医疗人工智能系统“智云大脑”。在严格保障数据安全的前提下，结合先进的数据分析和人工智能技术，通过大数据分析及机器学习算法，为慢病管理提供精准的决策支持。

2月6日浪潮智慧医疗宣布，旗下浪潮杏林·医疗大模型正式集成国产大模型DeepSeek，完成基于DeepSeek R1的医疗大模型服务平台升级，推出DeepSeek版医疗智能体。DeepSeek版医疗智能体迅速应用到数据治理、临床科研、辅助诊疗、传染病监测预警、健康管理等关键业务场景。

2月7日，医渡科技宣布，已将 DeepSeek 人工智能模型整合至公司自主研发的 "AI 医疗大脑"YiduCore，提升了深度挖掘数据价值的能力，使得生成更加精准的疾病洞察，有效打通数据与场景之间的壁垒。

2月7日，鹰瞳Airdoc自主研发的万语医疗大模型完成焕新升级，接入DeepSeek R1模型。

2月7日万达信息在投资者互动平台上表示，公司组织专门团队对DeepSeek进行了研究，已经完成DeepSeek开源版本在公司自有智算环境的本地化部署和算力集成，目前正在将DeepSeek集成到公司数字智脑智能体、大模型服务支撑平台等产品中，适配公司的行业大模型，并积极推进在电子病历、临床科研、健康管理、电子政务、智慧社区、医保等行业场景中的应用。

2月7日，中国移动在官方微信宣布，移动云全面上线DeepSeeK！全版本覆盖、全尺寸适配，这里提到，服务对象不管是小型初创团队还是大型企业集团都有精准匹配寻求，通过深度集成融合DeepSeek模型，搭载自研COCA算力原生平台，能够实现“开箱即用”，移动AI云电脑也将全面升级，用户可以选择DeepSeek内核实现AI秘书能力。

2月7日，熙软科技正式宣布，熙软科技小熙AI运营助理接入DeepSeek后，在语义理解深度方面进行优化，基于DeepSeek的多层级语义理解技术，可精准识别用户口语化表达；基于医院私有数据微调的专属模型版本，将医院私有的知识融入到通用模型中去。

2月7日，恺恩泰（南京）科技有限公司宣布，已将DeepSeek人工大模型整合到自主研发的“恺恩泰数字健康大脑”，深度赋能医疗行业数字化转型。

2月8日-2月9日没看到，可能市场部的小伙伴休息两天，不外包的话码字挺累人的。（欢迎补充）

2月10日，深圳坐标软件集团有限公司旗下核心产品iHealthOne GPT AI中台正式接入DeepSeek大模型，通过技术架构全面升级，为医疗信息化领域注入智能化新动能。此次升级标志着坐标集团在AI+医疗赛道上迈出战略性一步，将加速推进智慧医院“医疗、管理、服务”三位一体的智能化体系建设。

2月10日，惠每医疗大模型MaysonGPT正在接入Deepseek，进一步提升了效率和准确率。

等等等等吧，太多了，在此不一一列举。

总之，就是在一周左右的时间，没研究过大模型的一下也都做出来了，研究过大模型的底座几乎都适配DeepSeek了，技术发展之快超出想象。规律从行政引导到企业自发。

（PS：这里面有个现象可以深刻思考：就是为什么不少巨头有牛逼的科学家，却没有发现MOE、MLA和FP8？）

文心一言、质谱、通义千问、豆包等从“小甜甜”变成了“牛夫人”。

DeepSeek就像冬天里的一把火，点燃了整个企业端。

再看医院端：

医院端虽然没有企业端那么热闹，但是也在信息科翻起了不小的水花，AI这事儿并不是剃头挑子一头热。部分医院甚至行政命令要求全员接入DeepSeek。目前已知接入的是：

2月7日，深圳大学附属华南医院率先通过本地化部署国产人工智能大模型DeepSeek-R1，正式开启“AI医院”建设新篇章。在构建“一个问诊大模型+N个分诊智能体小模型”的技术架构的基础上，深圳大学附属华南医院率先结合DeepSeek在AI大模型、深度学习算法及多模态技术领域的领先优势，并已着手探索AI智能体在医学知识库和智能问答、临床辅助诊断、健康宣教、流程优化、数据驱动决策等场景的创新应用。

2月10日，昆山市第一人民医院-昆山生物医学大数据创新应用实验室完成DeepSeek本地化部署。大模型将结合实验室的科研需求，基于团队提供的强大算力与技术能力，提供医疗AI孵化与应用转化的核心支撑，加速研发行业大模型和智慧医疗解决方案，推动人工智能技术在医疗场景中的落地与创新。

另外从职能科室来看，信息科态度还是非常积极的，不少三甲医院的信息科主任已经开始API接入DeepSeek做个人提示词工程。但是内容基本上还在“健康问询”“信息管理”“文书生成”的范畴，没有深入诊疗领域。

医院场景可以做哪些呢？

大模型在医院院内的应用场景

医院积极拥抱DeepSeek大模型，绝非一时之“风”，而是深刻洞察医院发展的内在需求，并深度挖掘AI大模型在提升医疗服务质量与运行效率方面的巨大潜能的战略抉择。（以下内容为探索或方向，不代表技术完全成熟）：

1. AI智能体构建医学知识库与智能问答系统：打造驱动智慧医疗的“最强大脑”

医学知识库的智能化构建： 大模型凭借其卓越的自然语言处理能力，能够高效处理与深度学习海量医学文献、权威指南、专业教科书等浩如烟海的专业知识，进而构建起一个全面、权威且能够动态更新的医学知识库，使其成为驱动医院智能化运转的“知识引擎”。从而为医生、护士乃至患者，提供精准、便捷的医学知识查询服务，有效解答临床实践中的各类疑问，并有力辅助医学学习与深入研究。

2. AI临床辅助诊断：精进诊疗精度，辅助医生科学决策

病历深度智能化分析： 大模型能够深度剖析患者的电子病历，精准高效地提取病史、症状、检查检验结果等核心信息，从而辅助医生快速而全面地掌握患者病情，为精准诊疗奠定基础。

智能诊断的精准提示： 深度融合医学知识与详实的病历信息，大模型能够为医生提供智能化的诊断提示，辅助医生进行疾病诊断，尤其是在面对复杂及罕见疾病的诊断挑战时，AI的介入将有效降低误诊与漏诊的风险，提升诊疗的精准度。

在影像科、病理科等关键科室，AI临床辅助诊断系统将能够有力辅助医生进行医学影像的智能判读与病理切片的精准分析，显著提高诊断效率与准确性。尤其是在早期肿瘤的智能筛查、心血管疾病的风险精准评估等前沿领域，AI技术有望发挥更为关键的作用。

3. AI健康宣教：定制化术前术后指导，显著提升患者治疗依从性

个性化宣教内容的智能生成： 医院可充分运用大模型的强大内容生成能力，根据患者的具体病情、精细化的手术阶段、独特的个体特征等多元信息，自动生成高度个性化的宣教内容，全面涵盖术前准备须知、术后专业护理、精准用药指导、合理膳食建议、科学康复锻炼等关键环节，确保宣教内容的针对性与实效性。

多渠道精准触达的有效实现： AI健康宣教内容可灵活运用图文、生动视频、形象动画等多元化形式进行呈现，并通过医院官方公众号、专属APP、便捷短信、床旁智能设备等多种渠道，实现对患者的精准推送与有效触达，多维度确保健康宣教的卓越效果。

AI健康宣教系统的深度应用，将有效减轻医护人员在重复性宣教工作上的负担，使患者能够获取更为全面、系统且浅显易懂的健康指导，从而显著提升患者对治疗方案的依从性与整体满意度，最终达成改善治疗效果的积极目标。

4. AI流程优化与数据驱动决策：全方位提升医院运营效能

智能流程的精细化优化：大模型能够深度解析医院现有的就诊流程、患者服务流程、内部管理流程等关键环节，精准发现流程瓶颈与效率低下的薄弱环节，进而提出智能化的流程优化建议，助力医院全方位提升整体运行效率。

数据驱动的科学决策： 基于医院运营数据、患者就诊数据、医疗质量数据等多维度、多来源数据，AI大模型能够进行深度的数据挖掘与智能分析，为医院管理者提供强有力的数据支撑与科学决策依据，有效辅助医院进行精细化管理与科学化决策。

5. AI赋能护理机器人：具身智能在护理场景的创新探索

拓展护理机器人的多元应用场景：搭载大模型的“智慧大脑”智能化护理机器人，将能够基于患者的个性化需求，自主完成更为多样的护理任务，例如辅助患者进行康复训练、精准测量体温、实时监测血压、床边智能送药送物、提供情感化陪护等，真正实现个性化、智能化的优质护理服务。

AI护理机器人有望有效缓解护理人员长期短缺的行业性难题，显著减轻护士的工作强度，将护理人员从重复性、低价值的工作中有效解放出来，使其能够投入更多精力于更需要专业技能与人文关怀的高质量护理工作之中。

6. AI辅助医生科研：加速医学知识创新与科研成果转化

文献智能分析与深度知识挖掘： 大模型能够快速分析海量医学文献，高效辅助医生进行前沿文献综述、精准研究热点分析、深度知识图谱构建等复杂工作，显著提升医学科研效率。

科研文档的辅助智能生成： AI大模型能够辅助医生高效撰写高质量的学术论文、严谨的课题申请书、规范的伦理审查材料等各类科研文档，有效减轻科研人员在Paperwork上的时间与精力负担，使医生能够更专注于核心的科学研究本身。

科研数据的智能分析与模型构建： AI大模型能够辅助医生进行科研数据的深度统计分析、复杂模型智能构建、研究结果可视化等关键工作，显著加速科研成果的高效产出与快速转化。

AI科研助手有望助力医生更高效地开展前沿科研工作，产出更多具有突破性的高质量科研成果，进而有力推动医学知识的持续进步与前沿临床应用的加速转化。

7. AI优化患者服务：优化就医体验，构建和谐医患关系

智能预问诊与精准导诊： 大模型能够实现更深层次的智能化预问诊与精准导诊服务，在患者就诊前，提前收集关键患者信息，初步智能判断病情，并精准引导患者选择最合适的科室与医生，有效减少患者就医的盲目性与不必要的等待时间。

AI随访与全周期健康管理： 大模型能够根据患者的病情进展与个性化治疗方案，自动进行术后智能随访、慢病精细化管理、健康风险智能提醒等服务，助力患者更好地康复与进行长期健康管理，全面提升患者的长期健康水平。

多语种沟通与无障碍服务： 大模型能够原生支持多语种自然语言处理，有效辅助医院为来自不同国家与地区的患者提供无障碍的流畅沟通服务，显著提升国际患者的就医体验。此外，AI技术还可应用于优化针对老年人、残疾人等特殊群体的医疗服务，全面提升医疗服务的包容性与人文关怀。

8. AI驱动医疗质控：构筑安全防线，提升管理能级

基于大模型的病历智能质控： 大模型可深度应用于病历质量控制环节，自动审核病历的书写规范性、信息完整性、内在逻辑性，及时发现病历书写中存在的潜在问题，有效辅助医生规范病历书写，全面提升病历质量，为医疗质量与患者安全提供坚实保障。

合理用药的智能精准审核： 大模型能够深度整合患者的病历信息、复杂药物相互作用知识、权威药物剂量指南等专业知识，对医生处方进行智能化审核，及时提示潜在的不合理用药行为，例如药物禁忌、药物剂量错误、重复用药等，有效辅助医生合理用药，显著提升患者用药安全性。

医疗核心指标的智能监控与风险预警： 模型能够实时监控医疗质量核心指标，例如住院患者死亡率、术后并发症发生率、平均住院日、抗菌药物使用强度等关键指标，及时发现潜在的医疗质量安全风险，进行智能化的风险预警，有效辅助医院管理者进行医疗质量的持续改进与提升。

无论是医院管理、医疗信息化、智慧临床、科研基本上可以归纳为两部分：

对准确性“要求”比较高的应用场景；对准确性“包容度”比较高的应用场景。

扣一下主题：

DeepSeek会全面接管医疗么？

个人的情绪周期在宏观层面体现为科技泡沫周期。新事物出现后，往往出现过度预期带来的兴奋，因兴奋往往引发泡沫。但是，往往真正时代还没有到来，很多颠覆者就死在了第一波下降的浪潮中。快人半步是先驱，快人两步是先烈。目前关于DeepSeek很明显大家都在期望膨胀期，一些大牛鼓呼或行政的加持迅速升温了这种期望。

再看品类成熟度曲线

I. 第一阶段行业还是市场发展的初始阶段，市场中存在少数创业厂商，应用的创新吸引用户的不断进入，市场受资本市场高度关注；

II. 用户规模的不断扩大使得大量厂商及投资方涌入，厂商提供的产品/服务严重同质化，市场竞争激烈，商业模式不清晰；

III. 行业盈利模式遇到挑战，激烈竞争使得厂商收入微薄，资本退出，市场整合，厂商数量骤减；

IV. 市场中主流厂商逐步确立，成熟的商业模式出现。主流厂商开始发力市场推广，抢占市场第一的位置；

V. 在新商业模式下，市场稳定增长，进入门槛提高，主流厂商成功IPO；

VI. 厂商实现盈利，市场持续增长，产品应用逐步成熟，产业链分工明确；

VII. 应用成熟，市场发展达到顶峰，厂商收入稳定，企业开始探索新产品。

DeepSeek现象刚好过度膨胀期重叠了市场启动期，开源策略导致市场过热的现象掩盖了很多问题。

话说回来，医疗领域应用场景分为：对准确性“要求”比较高的应用场景；对准确性“包容度”比较高的应用场景。

DeepSeek+提示词工程可以解决对准确性“包容度”比较高的应用场景，如患者健康宣教和轻咨询服务、院内客服、院内管理流程。该场景适合做过患者服务及院内系统的企业，如医联、传统HIT企业（东华、东软、卫宁、特扬…）。

DeepSeek+RAG检索增强可以解决对准确性有“一定要求”的应用场景，如临床辅助检索、科研检索、院内知识库检索。该场景适合有知识库类型的企业或医企合作研发，如腾讯、京东健康、百度、up to date、医渡云…。

DeepSeek+垂类模型可以解决对准确性有“要求”的应用场景，如临床辅助决策、病历生成、医疗质控、院内管理报表生成、科研论文生成、手术规划等。对数据、对诊疗准确性有明确要求的应用场景。该场景企业必须做过医生服务和患者服务，如医联、惠每…。

很显然，DeepSeek并不具备对医疗的全面接管能力。在未来的一段时间依然要以“中间件”的形式与医护共存。但是DeepSeek的诞生极大降低了大模型本地化实施和使用成本，为构建医疗数字孪生奠定了基础，或可改变未来医疗格局。

具备诊断和治疗规划能力的模型，随着大模型幻觉的消除和专家智能体的广泛应用，会极大的弥合医患的信息差，打通院内院外就医全场景。

未来，不遥远。

来源：东邪医毒