“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，卻點出了醫療AI最關鍵的能力：不是誰答得快，而是誰更像醫生，愿意慢下來、想清楚、問明白。

在醫療這個最需要“可信判斷”的場景里，AI真正的挑戰不止是記住多少知識，更在于能不能像醫生一樣思考、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”，它就該像一位有經驗的兒科醫生那樣，從安撫情緒開始，再主動發起多輪追問：有沒有出現高燒？持續多長時間了？寶寶多大了？然后再根據具體情況，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品。

/ 01 / 打造AI醫生的“臨床思維”：先問清楚，邊想邊搜

如果說“像醫生一樣思考”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。

一個有趣的現象是：醫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，目前平臺在全國醫學生中月活用戶已突破200萬，覆蓋了全國大約一半醫學生。

他們用它查資料、做題、訓練思維邏輯，把它當成更靠譜的“醫學作業幫”。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？

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�。–OPD）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”，而是一整條符合醫學邏輯的思維鏈條在運作——就像醫生在病房邊的推理過程。

這種“像醫生一樣思考”的能力，還體現在它能主動追問。

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，也更貼近現實醫療場景。

但僅僅會推理、會發問還不夠，一個真正可信的醫生，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，更有人情味。

當家長提問“孩子打疫苗后發燒38°C怎么辦”時，夸克不會直接拋出醫學術語或結論，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、評估就醫時機，兼顧專業性與安撫感。

這套“像醫生一樣思考”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，這類能力同樣發揮了作用。

武漢大學人民醫院精神衛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。

二是優化隨訪管理與個體化治療。借助AI算法，醫生可以動態監測患者病情變化，評估治療反應與依從性，同時結合大數據分析，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生的診療效率，更有望推動學科向智能化、精準化方向持續進化。

/ 02 / 做好垂類模型，夸克下了“苦功夫”

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

眾所周知，在醫療行業，高質量數據訓練尤為稀缺。

但夸克做健康這件事，早從2020年就開始了，續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），為模型打下系統性醫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“數據產線“，包含以大量真實病例為基礎的結構化數據、專業醫生人工標注數據，以及以“慢思考數據”為核心的復雜任務數據。

其中，“慢思考數據”是關鍵。

這類數據，不再是傳統的“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，才能真正建立起醫學所需的因果推理能力。這種數據，就像醫生帶教過程中的“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性、權威性、時效性兼具的醫學知識庫，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，并與三甲醫院合作獲得千萬份病歷數據。

為了真正貼合醫生的診療方式，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、醫學實體識別等，答案有標準參考，模型可通過驗證器實現快速精準判斷。

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，“像醫生一樣思考”不是一句口號，而是一整套系統工程：用真實數據承載經驗、用知識圖譜構建理解、用慢思考重塑推理。這正是夸克區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頁，通過社交媒體尋找他人經驗，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——它不僅能調用系統性、專業級的知識庫，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認知路徑。曾經只有頂尖醫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“兌現了能力”。

數據顯示，當前每天有400–500萬人在夸克搜索中主動提出醫療健康問題。這意味著——模型每升級一次，都會實時作用于數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，轉化為對數百萬用戶的即時影響。這種“一次迭代、立即兌現”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醫生”。

       原文標題 : 醫療不是搜索題，需要讓AI“想明白”