“我們不是在訓練一個會答題的AI，而是在訓練它學會‘先想清楚’。”

這是夸克健康團隊在產(chǎn)品交流會上反復提到的一句話。聽起來像句玩笑話，卻點出了醫(yī)療AI最關鍵的能力：不是誰答得快，而是誰更像醫(yī)生，愿意慢下來、想清楚、問明白。

在醫(yī)療這個最需要“可信判斷”的場景里，AI真正的挑戰(zhàn)不止是記住多少知識，更在于能不能像醫(yī)生一樣思考、推理、做判斷。

舉個例子，有人問AI：“寶寶為什么反復發(fā)燒？”

如果AI把這當成一次普通的“問答請求”，它可能只會列出一堆標準答案：病毒感染、細菌感染、免疫系統(tǒng)異常……

但如果它把這當成一次真正的“問診對話”，它就該像一位有經(jīng)驗的兒科醫(yī)生那樣，從安撫情緒開始，再主動發(fā)起多輪追問：有沒有出現(xiàn)高燒？持續(xù)多長時間了？寶寶多大了？然后再根據(jù)具體情況，做出合理判斷與建議。

從“回答問題”進化到“理解病情”，從“提供信息”走向“輔助判斷”，這正是夸克健康大模型正在做的事。

那么，它到底做到了什么程度？我們一起來看看這個產(chǎn)品。

/ 01 / 打造AI醫(yī)生的“臨床思維”：先問清楚，邊想邊搜

如果說“像醫(yī)生一樣思考”是一個終極目標，那考試成績，或許是最直接的檢驗方式。這是夸克在醫(yī)學考試中的成績單：

題越難，夸克越強；問題越開放，推理越出色。

一個有趣的現(xiàn)象是：醫(yī)學生成為了夸克的第一批高黏性用戶。夸克健康運營負責人趙存忠介紹，目前平臺在全國醫(yī)學生中月活用戶已突破200萬，覆蓋了全國大約一半醫(yī)學生。

他們用它查資料、做題、訓練思維邏輯，把它當成更靠譜的“醫(yī)學作業(yè)幫”。支撐這份信任的，不是一個個準確答案，而是夸克能夠“像醫(yī)生一樣在思考”

同樣是答題，夸克有什么不一樣？我們隨機做了一道測試：

一位70歲男性，吸煙50年，咳嗽咳痰40年，近一個月癥狀加重，伴有胸悶氣短、尿量減少，查體提示肺部啰音、雙下肢水腫。問：還有哪些體征可能出現(xiàn)？

通用大模型常見的思路是，先閱讀提干，在逐一分析選項，然后進行答案匹配。但夸克的思路是：

它先分析病史特征，判斷這位老年男性可能患有慢性阻塞性肺疾病（COPD）合并右心衰，再結合相關文獻知識逐一推演：桶狀胸、頸靜脈充盈、P2>A2 等體征是否與該病癥相關。

這不再是“挑選對的答案”，而是一整條符合醫(yī)學邏輯的思維鏈條在運作——就像醫(yī)生在病房邊的推理過程。

這種“像醫(yī)生一樣思考”的能力，還體現(xiàn)在它能主動追問。

比如，當用戶提問過于簡單時，模型會主動追問“發(fā)燒多久”、“有無腹瀉”等關鍵信息，引導補全病史，再進行下一步判斷。這種“先建檔、再推理”的流程，也更貼近現(xiàn)實醫(yī)療場景。

但僅僅會推理、會發(fā)問還不夠，一個真正可信的醫(yī)生，還要能共情、能安撫。為此，夸克還特別引入了情緒識別與安撫機制，讓AI不僅專業(yè)，更有人情味。

當家長提問“孩子打疫苗后發(fā)燒38°C怎么辦”時，夸克不會直接拋出醫(yī)學術語或結論，而是會先安撫情緒“無需過多擔憂”，隨后再一步步引導用戶觀察癥狀、評估就醫(yī)時機，兼顧專業(yè)性與安撫感。

這套“像醫(yī)生一樣思考”的能力，正在成為夸克與通用大模型之間最大的分野。

在精神科領域，這類能力同樣發(fā)揮了作用。

武漢大學人民醫(yī)院精神衛(wèi)生中心王惠玲教授在一則關于抑郁癥用藥的用戶案例分享中指出，夸克不僅糾正了患者對“成癮”的誤解，還分層列出了常見與罕見副作用，并進一步提供了非藥物干預建議，如運動、心理輔導等，有效緩解了患者對“只能靠藥物”的焦慮情緒。

在皮膚科等以視覺識別為主的學科中，夸克也正在展現(xiàn)實際價值。在夸克健康大模型主題交流會上，北京大學人民醫(yī)院皮膚科副主任李厚敏教授表示，AI正為皮膚科臨床實踐帶來顯著助力，主要體現(xiàn)在兩個方面：

一是輔助診斷與精準分型，提升早期識別率。AI具備出色的圖像識別能力，能夠對皮膚病變進行快速分析，輔助醫(yī)生判斷疾病類型及嚴重程度，尤其在初診階段，有助于提高診斷效率與準確性。

二是優(yōu)化隨訪管理與個體化治療。借助AI算法，醫(yī)生可以動態(tài)監(jiān)測患者病情變化，評估治療反應與依從性，同時結合大數(shù)據(jù)分析，為患者制定更精準的個體化治療與護理方案，顯著提升慢病管理效率與療效。

李教授指出，AI的引入不僅提升了皮膚科醫(yī)生的診療效率，更有望推動學科向智能化、精準化方向持續(xù)進化。

/ 02 / 做好垂類模型，夸克下了“苦功夫”

夸克之所以能“像醫(yī)生一樣思考”，既離不開龐大、高質量的醫(yī)學知識庫，也得益于其對AI訓練流程的重構：從數(shù)據(jù)、知識庫到推理機制，全面貼合醫(yī)生真實的診療邏輯。

眾所周知，在醫(yī)療行業(yè)，高質量數(shù)據(jù)訓練尤為稀缺。

但夸克做健康這件事，早從2020年就開始了，續(xù)沉淀了健康搜索相關的大量真實問題，積累了超過2億條醫(yī)學知識圖譜，以及自建的ICD標準術語體系（Quark Med OmnisCT），為模型打下系統(tǒng)性醫(yī)學語言和概念的基礎。

這次，夸克健康大模型又在技術報告中披露了自建的“數(shù)據(jù)產(chǎn)線“，包含以大量真實病例為基礎的結構化數(shù)據(jù)、專業(yè)醫(yī)生人工標注數(shù)據(jù)，以及以“慢思考數(shù)據(jù)”為核心的復雜任務數(shù)據(jù)。

其中，“慢思考數(shù)據(jù)”是關鍵。

這類數(shù)據(jù)，不再是傳統(tǒng)的“問題—答案”二元對，而是完整的三元組：“問題—思考過程—答案”。其中最有價值的是思考過程——模型是怎么一步步推理出這個答案的。

夸克團隊認為，只有當模型學會在復雜情境中“慢下來”、逐步分析、逐層判斷，才能真正建立起醫(yī)學所需的因果推理能力。這種數(shù)據(jù)，就像醫(yī)生帶教過程中的“邊做邊講解”，讓模型不僅知道答案，還知道如何得出答案。

在知識層面，夸克構建了一個系統(tǒng)性、權威性、時效性兼具的醫(yī)學知識庫，涵蓋了6萬冊教材指南、5000余萬中英文文獻、20余萬藥品說明書，并與三甲醫(yī)院合作獲得千萬份病歷數(shù)據(jù)。

為了真正貼合醫(yī)生的診療方式，夸克還設計了“邊想邊搜”策略。在回答問題前，模型優(yōu)先調動內部知識與推理機制，進行初步判斷，再自動調用權威資料進行驗證或補充。這種機制讓回答過程不再是“直接查答案”，而是先像醫(yī)生一樣判斷，再回頭查文獻印證，更貼近真實的臨床決策路徑。

最后，在推理層面，夸克基于醫(yī)學任務的特性，將模型訓練任務劃分為兩類：

對于可驗證類任務，如明確診斷、醫(yī)學實體識別等，答案有標準參考，模型可通過驗證器實現(xiàn)快速精準判斷。

對于不可驗證類任務，如患者建議生成、健康科普等，答案無標準模板、語言多樣、思路各異，夸克引入了“過程獎勵模型”，對模型的推理路徑進行監(jiān)督，從完整性、合理性、表達清晰度等維度打分反饋，強化其因果鏈條與臨床思辨能力。

總結來看，“像醫(yī)生一樣思考”不是一句口號，而是一整套系統(tǒng)工程：用真實數(shù)據(jù)承載經(jīng)驗、用知識圖譜構建理解、用慢思考重塑推理。這正是夸克區(qū)別于通用模型的關鍵能力。

/ 03 / 新夸克：從信息檢索到健康Agent

今年3月，夸克提出“AI超級框”概念；6月，推出高考大模型；7月，健康大模型全面升級。很明顯，夸克的野心，遠不止做一個瀏覽器。

過去，我們通過瀏覽器搜索網(wǎng)頁，通過社交媒體尋找他人經(jīng)驗，但碎片化的信息常常良莠不齊，無法支撐真正重要的判斷。

而AI搜索帶來了全新的范式——它不僅能調用系統(tǒng)性、專業(yè)級的知識庫，還具備強大的推理與結構化能力。

這意味著，我們不再只是獲取“答案”，而是在接近一種更極致工程化的專業(yè)認知路徑。曾經(jīng)只有頂尖醫(yī)生才能掌握的臨床思維，如今也可以被普通人觸達、調用與信任。

這正是夸克的獨特之處：不僅是“做出了能力”，更是“兌現(xiàn)了能力”。

數(shù)據(jù)顯示，當前每天有400–500萬人在夸克搜索中主動提出醫(yī)療健康問題。這意味著——模型每升級一次，都會實時作用于數(shù)百萬真實用戶的健康決策路徑上。

夸克正在借助搜索這一日活千萬級的入口，將每一次模型能力的躍升，轉化為對數(shù)百萬用戶的即時影響。這種“一次迭代、立即兌現(xiàn)”的能力極具社會價值，不僅拉高了大模型的交付門檻，也讓夸克成為“影響最多人健康決策的AI醫(yī)生”。

       原文標題 : 真正像醫(yī)生那樣思考，夸克把“臨床感”做進了AI里