在 2024 年的今天，人工智能已经渗透到各个领域，从医疗诊断到智能交通，从金融分析到智能家居，AI 技术的发展正以前所未有的速度改变着我们的生活和工作方式。 这一背景下，算力和存力成为了支撑人工智能发展的两大关键要素。究竟算力与存力谁更重要，成为了一个备受关注的问题。
在医疗领域中，大语言模型已经有了广泛的研究。然而，这些进展主要依赖于英语的基座模型，并受制于缺乏多语言医疗专业数据的限制，导致当前的医疗大模型在处理非英语问题时效果不佳。
大模型医疗应用还在早期，最大挑战还是在数据的处理上，国内至少还需要两到三年来解决； 创业公司还有机会，只要找到合适的切入点。这个行业只有撑死的，没有饿死的。
外科医生Dr. Lee在一次美敦力的学术讨论上说到，“外科医生和精英运动员非常相似，都在团队环境中工作，不断的重复训练已达到顶尖的成绩。但运动员往往花费更多的时间在影像室，回顾和研究过去的表现。而医生目前还没有得到足够、及时的信息反馈，以学习和提升手术技能。”
随着人工智能（AI）技术的飞速发展，特别是在生成式AI领域的突破，我们见证了许多新兴技术的诞生，它们正逐步改变着我们的生活和工作方式。
任何面向消费者的服务，都可能被颠覆 移动互联网等技术创新，让人们享受到了很多过去无法获得的高成本服务。比如，有了Uber，就相当于每个人都有了专职司机，随叫随到。类似的例子，还有在线教育、在线医疗等等。
自适应系统在动态和不确定的环境中具有关键作用，广泛应用于自动驾驶、智能制造、网络安全和智能医疗等领域。
这场AI革命发生在一个非常有趣的时刻，因为在同一时间，我们基本上正处于一场生物学革命之中，我们从生物工程方法中生成了大量数据，并将新型药物、新型模式组合在一起，就像乐高积木一样，现在我们可以将各种抗体和小分子连接起来，创造出能做新事情的结合物。
医疗这块硬骨头，互联网大佬们是非啃不可了。
扩展多模态大语言模型（MLLMs）的长上下文能力对于视频理解、高分辨率图像理解以及多模态智能体至关重要。这涉及一系列系统性的优化，包括模型架构、数据构建和训练策略，尤其要解决诸如随着图像增多性能下降以及高计算成本等挑战。
