近日
，，，我国首部针对生成式人工智能产业的规范性政策—《生成式人工智能服务管理暂行办法》（以下简称办法）正式施行
，，引发行业人士和相关政策研究者的高度关注。
。

国家互联网信息办公室有关负责人表示，
，出台《办法》，，，旨在促进生成式人工智能健康发展和规范应用
，，维护国家安全和社会公共利益，
，，，保护公民、、、、法人和其他组织的合法权益。。。。

《办法》的出台，，，一方面体现了国家对生成式人工智能产业发展的鼓励和支持，，，，既为产业创新提供了政策导向和法律保障
，，
，另一方面又为产业监管提供了科学合理且平衡适度的框架。。。。

过去几年
，
，，商业化一直是困扰整个人工智能行业的难题，，，，大模型的出现为AI商业化提供了新契机。。。
。作为极具开拓性且高速发展的新业态，，，，大模型的赛道之分，，成为了业内争论不休的话题。。。现有大模型大致可分为两类：通用大模型，，，像ChatGPT，
，面向人群以及场景适用范围十分广泛，，，但由于需要巨大的计算资源和数据量，，，，已经成为国内外大厂的重点项目
；垂直大模型，，，，在特定的领域或行业中经过训练和优化，，，针对特定场景提供更精准和高效的解决方案
，，，更好地满足用户在某个领域或者场景下的需求和期待，，，如：医疗、、金融等。
。。。

此次《办法》强调了：应采取有效措施，，提升生成式人工智能服务的透明度
，，，，提高生成内容的准确性和可靠性。。。从“准确性‘’“可靠性”这两点要求来说，
，通用大模型由于爬取网上可能存在错误、、、、偏见的信息，，，会导致精准度不够，，，
，生成有误或有偏见的响应，，其不足逐渐显露，，，无法切实满足各行各业的需求。。
。相比较而言，，，，垂直大模型更能发挥其价值，，它需要学习大量行业的专精语料和经验知识
，
，具有更强的领域专业性和任务针对性
，，，能够更好地解决特定领域的问题和提供更加精准的服务，，，，也更容易找到其商业模式。。
。

以医疗健康领域为例，，医疗场景对问题的容错率低，，
，，这就对大模型提出了更高的要求，，，即AI需要基于医疗专业语料给出更专业、、、更精准的医疗建议；其次
，，目前医疗数据中有超过90%的数据来自于医学影像
，，这也意味着一个切实有效的、
、、能做复杂决策的医疗人工智能大模型，，，，需要融合医学影像、、、、文本
，
，，甚至语音或是视频等多模态信息以赋能各种医疗场景。。最后，，，考虑到现阶段医院实际的部署环境和数据安全性要求，，，，“大模型”不能无限“大”
，，，需要让数据飞轮和模型训练能够很好结合，，，发挥效果更好、、、、成本更低。。

此外，，，，《办法》中还提到，，采取有效措施提高训练数据质量，
，增强训练数据的真实性、、、准确性、、客观性、、多样性”，，
，，这体现 “让产业向高质量方向发展”的政策导向。。。

金同方砭石大模型在此方面做了重点考量，，一方面，，，，采用知识图谱与大模型相结合的技术路线，，，，通过在训练过程中加入知识图谱对训练过程进行知识增强，，，结合RLHF技术，
，
，在500亿参数条件下比单纯使用大模型技术
，，，医学问题回答准确度提升近10%。。。另一方面，，隐私计算条件下的大模型联邦训练，，保证了数据的多样化和高质量，，充分释放数据要素价值
，，，真正做到数据的“可用不可见”
、
、“数据不出域”。。
。此外，，，砭石医疗大模型能够支持医疗领域多模态的输入
，，包括医疗领域文本、
、图像、
、、视频和音频形式
，，，，可以有机整合不同的信息
，，相比单模态信息更加全面，，，，让AI充分施展拳脚
，，方便医药机构使用。。

当前，，在《办法》的催化下，，各家通用大模型、、垂类大模型厂商正加紧进行自身战略布局、、提升产品的安全合规性，
，，共同构建安全可信的、
、
、自主可控的大模型生态，
，金同方亦将坚持科技向善，，为医疗健康产业的可持续发展做出价值贡献。。