隨著ChatGPT、MidJourney等重磅產(chǎn)品的發(fā)布，生成式人工智能受到社會各界的廣泛關(guān)注。生成式人工智能利用先進(jìn)的機(jī)器學(xué)習(xí)模型、深度學(xué)習(xí)模型，從訓(xùn)練數(shù)據(jù)中學(xué)習(xí)統(tǒng)計規(guī)律，并根據(jù)所學(xué)知識生成新的文本、圖像、視頻或音頻內(nèi)容。與傳統(tǒng)的人工智能任務(wù)不同，生成式人工智能（GAI）不僅可以分析數(shù)據(jù)，還可以主動創(chuàng)建新內(nèi)容，在自然語言、圖像、視頻、音樂創(chuàng)作等領(lǐng)域都展示了強(qiáng)大的創(chuàng)作能力。

2020年以來，隨著AI基礎(chǔ)設(shè)施逐步完善，算法不斷進(jìn)步，人工智能應(yīng)用場景逐漸增多，大模型參數(shù)量以指數(shù)級速率逐步提升，數(shù)據(jù)量隨著多模態(tài)的引入也實現(xiàn)了大規(guī)模增長。更大的訓(xùn)練數(shù)據(jù)量和參數(shù)量級，使得大模型獲得了之前的人工智能模型中未曾出現(xiàn)的“涌現(xiàn)”能力。以大語言模型為例：GPT-4為代表的大語言模型能夠獲得對語言結(jié)構(gòu)和語義的深刻理解，生成高質(zhì)量的文本，完成閱讀理解、問答、對話、文本摘要等多種下游語言處理任務(wù)；大語言模型同時具有很強(qiáng)的遷移學(xué)習(xí)能力，經(jīng)過微調(diào)就可以快速適應(yīng)新的任務(wù)，顯著降低訓(xùn)練語言模型的門檻。然而生成式人工智能的強(qiáng)大能力，需高度依賴于其背后的AI大模型。

圖1：生成式人工智能概念地圖

伴隨著人工智能技術(shù)的快速發(fā)展，以BERT、LaMDA、LLaMA、ChatGPT為代表的大模型快速迭代優(yōu)化，全球生成式AI產(chǎn)業(yè)迎來了發(fā)展熱潮，相關(guān)場景應(yīng)用不斷豐富。生成式人工智能憑借其強(qiáng)大的任務(wù)遷移和生成能力，正在推動營銷、電商、金融、游戲文娛等多個行業(yè)的進(jìn)步和變革。

然而，生成式人工智能對行業(yè)變革的具體影響在不同行業(yè)之間仍有較大的差距。IQVIA高級分析團(tuán)隊通過橫向、縱向?qū)Ρ炔煌袠I(yè)對生成式人工智能的采用水平，提出生成式AI行業(yè)滲透模型矩陣：生成式AI對行業(yè)的賦能水平和滲透程度，取決于該行業(yè)的知識結(jié)構(gòu)化水平與內(nèi)容壁壘高度。一方面，生成式大模型善于完成短時間內(nèi)快速搜集知識、調(diào)用素材等等知識結(jié)構(gòu)性較強(qiáng)的任務(wù)，因而適合具有一定數(shù)據(jù)資產(chǎn)壁壘的行業(yè)，例如金融、法律、醫(yī)療等；另一方面，生成式大模型善于在短時間內(nèi)產(chǎn)出數(shù)量足夠多的專業(yè)性強(qiáng)、創(chuàng)意性高的內(nèi)容，能夠通過提升單位時間內(nèi)產(chǎn)生的內(nèi)容數(shù)量，快速滲透內(nèi)容壁壘高，對內(nèi)容生成質(zhì)量的專業(yè)性、創(chuàng)意性要求高的行業(yè)。

總體而言，生成式人工智能憑借其強(qiáng)大的無監(jiān)督學(xué)習(xí)能力、卓越的生成能力，實現(xiàn)了快速、個性化的內(nèi)容生成，廣泛應(yīng)用于多個商業(yè)場景，幫助企業(yè)實現(xiàn)智能化升級和業(yè)務(wù)模型創(chuàng)新。

圖2：生成式人工智能應(yīng)用與行業(yè)滲透率矩陣

目前全球基于大模型開發(fā)的各種應(yīng)用方向

生成式人工智能行業(yè)滲透率矩陣

當(dāng)前，國內(nèi)外市場的生成式人工智能產(chǎn)品和服務(wù)呈現(xiàn)出“一超多強(qiáng)”的倒金字塔格局：一方面，OpenAI、Google、Meta、百度等擁有強(qiáng)大算力、先進(jìn)算法的大型科技公司率先開發(fā)了基礎(chǔ)層通用大模型，并以Model as a Service（MaaS）的形式進(jìn)行收費；另一方面，中小型開發(fā)者通過調(diào)用基礎(chǔ)層大模型的API，能夠以較低的訓(xùn)練成本、較小的算力基礎(chǔ)設(shè)施，開發(fā)出多樣化、個性化、場景化的引用，滿足消費級別的個性化需求。

然而，考慮到算力設(shè)施成本、數(shù)據(jù)隱私與安全問題，希望使用生成式人工智能賦能行業(yè)的企業(yè)更有意愿采用在專有數(shù)據(jù)方面微調(diào)訓(xùn)練后的垂直領(lǐng)域中間層模型。相比單純應(yīng)用基礎(chǔ)層模型，這些微調(diào)后的垂直領(lǐng)域模型可以進(jìn)一步結(jié)合行業(yè)特點，提供更個性化和符合業(yè)務(wù)需求的生成效果。

圖3：生成式人工智能賦能行業(yè)應(yīng)用

大語言模型在醫(yī)療大健康領(lǐng)域具有廣闊的應(yīng)用前景。生成式大語言模型不斷涌現(xiàn)的能力，為醫(yī)療大健康的各個領(lǐng)域都帶來了新的發(fā)展?jié)摿εc場景。IQVIA高級分析團(tuán)隊整理分析了以下生成式人工智能為醫(yī)學(xué)事業(yè)與醫(yī)藥產(chǎn)業(yè)提升效率的具體場景。

對患者而言，基于通用大模型微調(diào)出的醫(yī)療領(lǐng)域?qū)I(yè)問答大模型可以給出專業(yè)的回答，緩解醫(yī)療資源緊張問題。醫(yī)療領(lǐng)域?qū)I(yè)問答大模型可以根據(jù)患者的具體情況，提供個性化的健康管理建議。例如，生成式AI可以根據(jù)用戶的年齡、性別、體重指數(shù)等生成合適的膳食計劃、運動方案；考慮用戶本身的基礎(chǔ)疾病因素，制定健康管理建議；隨著用戶狀況變化，系統(tǒng)可以動態(tài)調(diào)整方案，使健康管理更智能化和個性化。

對醫(yī)護(hù)人員而言，醫(yī)療領(lǐng)域?qū)I(yè)大模型可以幫助追蹤前沿醫(yī)學(xué)科研成果。生成式AI可以自動讀取醫(yī)學(xué)論文全文，通過對文章結(jié)構(gòu)、內(nèi)容的深度理解，輸出論文的摘要，顯著提升摘要編寫效率；分析某一醫(yī)學(xué)問題的相關(guān)文獻(xiàn)，自動篩選信息進(jìn)行統(tǒng)計分析，以生成研究進(jìn)展綜述，幫助醫(yī)生快速了解研究進(jìn)展。

在藥品和器械研發(fā)階段，生成式大模型可促進(jìn)藥物從前臨床階段到臨床階段的順利開發(fā)。在前臨床階段，生成式AI可以輔助快速設(shè)計新藥分子，大幅縮短設(shè)計周期；使用自然語言生成技術(shù)，生成式AI可以輔助自動撰寫前臨床研究文檔，幫助研究者聚焦試驗；在臨床階段，生成式AI可以分析大量文獻(xiàn)，快速總結(jié)近年來藥物臨床試驗設(shè)計和結(jié)果；在試驗進(jìn)行中，生成式AI可以監(jiān)控數(shù)據(jù)，及時預(yù)測試驗風(fēng)險，生成優(yōu)化建議。

在藥品和器械上市階段，生成式大模型能夠提升藥企內(nèi)部辦公效率，優(yōu)化商業(yè)運營策略。在申報注冊文件撰寫方面，生成式AI可以學(xué)習(xí)歷史案例，自動生成新藥注冊申請材料的框架，幫助編寫員快速形成初稿，節(jié)省大量編寫時間；在藥品獲批上市后，利用自然語言生成技術(shù)，企業(yè)可以高效生成針對不同客戶群體的營銷策略，提供用戶洞察見解；生成式AI也可以自動分析藥品反饋數(shù)據(jù)，生成藥物不良反應(yīng)報告，提高藥物不良反應(yīng)監(jiān)測效率；應(yīng)用知識圖譜技術(shù)，生成式AI可以從大量文獻(xiàn)中快速提取藥物知識，補(bǔ)充完善內(nèi)部藥品知識庫；使用智能寫作系統(tǒng)，可以提高各類業(yè)務(wù)文檔的工作效率。

圖4：生成式人工智能賦能生命科學(xué)行業(yè)

總體而言，未來的生成式大模型賦能行業(yè)預(yù)計將出現(xiàn)從通用到專業(yè)化的演進(jìn)過程：一方面，通用預(yù)訓(xùn)練模型為各行業(yè)提供基礎(chǔ)大模型；在這個基礎(chǔ)上，醫(yī)療醫(yī)藥類企業(yè)、事業(yè)單位可以基于自身的數(shù)據(jù)資產(chǎn)和內(nèi)部知識，在保證數(shù)據(jù)安全的前提下，自行部署適用于具體業(yè)務(wù)場景、集成專業(yè)知識的垂直領(lǐng)域大模型。在未來，生成式醫(yī)療AI將以可解釋、可證實、安全的模式，深入患者健康管理、醫(yī)生診療科研、藥企產(chǎn)品研發(fā)等豐富的落地場景中。

精調(diào)大語言模型在行業(yè)合規(guī)領(lǐng)域具有較大的應(yīng)用潛力?；谏墒饺斯ぶ悄荛_發(fā)的智能合規(guī)系統(tǒng)可以快速分析藥企內(nèi)外溝通文件，找出潛在合規(guī)風(fēng)險；可以檢索、理解海量的文檔，對可能帶來風(fēng)險的行為進(jìn)行智能及時提示。這些功能可以顯著提升藥企合規(guī)效率，減少違規(guī)成本，推動藥企合規(guī)能力進(jìn)化到更高效的新階段。

精調(diào)大語言模型可以在指定的要求范圍內(nèi)，在醫(yī)療垂直領(lǐng)域自動生成專業(yè)化的制式文本，大大提高內(nèi)容產(chǎn)出效率。精調(diào)后的行業(yè)大模型還可以應(yīng)用于內(nèi)容管理系統(tǒng)，自動分類、標(biāo)簽海量文檔，實現(xiàn)智能內(nèi)容組織；利用自動標(biāo)注功能，系統(tǒng)可以快速給文檔等資料添加標(biāo)簽，方便后續(xù)檢索及內(nèi)容管理。這些功能將減少重復(fù)勞動，實現(xiàn)內(nèi)容智能化生產(chǎn)和組織，幫助行業(yè)內(nèi)不同角色提升辦公效率，專注核心工作。

精調(diào)大語言模型的對話功能可以用于企業(yè)員工的智能培訓(xùn)。系統(tǒng)可以根據(jù)培訓(xùn)需求生成個性化對話內(nèi)容，并通過語音或文字與員工進(jìn)行自然交流；它可以根據(jù)員工的學(xué)習(xí)進(jìn)度和反饋，調(diào)整培訓(xùn)內(nèi)容和方式，實現(xiàn)真正的個性化培訓(xùn)。在培訓(xùn)過程中，系統(tǒng)可以充當(dāng)通過提問考察和回答加深員工的理解；它還可以在培訓(xùn)后進(jìn)行考核，評估培訓(xùn)效果。這種智能、交互式的培訓(xùn)模式，可以提高員工的學(xué)習(xí)興趣和效率。企業(yè)可以依據(jù)大語言模型構(gòu)建虛擬培訓(xùn)師，實現(xiàn)培訓(xùn)內(nèi)容的可擴(kuò)展性和個性化，優(yōu)化培訓(xùn)成本。

精調(diào)大語言模型可以更好地了解醫(yī)患需求，傳遞前沿醫(yī)學(xué)知識。大語言模型可以通過分析學(xué)術(shù)論文、臨床試驗等公開信息，自動生成學(xué)術(shù)興趣標(biāo)簽；企業(yè)可以根據(jù)這些信息來選擇最相關(guān)的醫(yī)學(xué)前沿進(jìn)展，以適合的方式進(jìn)行學(xué)術(shù)傳播教育。大語言模型還可以根據(jù)與醫(yī)生交流的反饋不斷優(yōu)化語言溝通方式，建立起科學(xué)透明、互相信任的合作關(guān)系。企業(yè)可以更好履行社會責(zé)任，讓醫(yī)生及時了解到最新療法，從而提高患者治療效果。

生成式人工智能憑借強(qiáng)大的學(xué)習(xí)和生成能力，在醫(yī)療健康領(lǐng)域展現(xiàn)出巨大應(yīng)用前景。當(dāng)前，全球范圍內(nèi)都在積極推進(jìn)醫(yī)療AI技術(shù)研發(fā)和應(yīng)用。IQVIA高級分析團(tuán)隊正在密切關(guān)注生成式人工智能技術(shù)的最新進(jìn)展，結(jié)合生成式前沿技術(shù)、醫(yī)療落地場景、醫(yī)學(xué)領(lǐng)域知識，在以下話題提供前沿、專業(yè)的分析：

· 生成式大模型在各行業(yè)的落地應(yīng)用場景與商業(yè)模式

· 生成式大模型在醫(yī)療大健康行業(yè)的商業(yè)化落地場景

· 生成式大模型的企業(yè)私有化部署與定制化微調(diào)模型

· 生成式大模型在醫(yī)療健康領(lǐng)域的未來發(fā)展應(yīng)用展望

· 根據(jù)合作伙伴需求定制的生成式大模型分享工作坊