每經記者｜林姿(zi)辰    每經編輯｜董興生    

“全(quan)靠大家支持(chi)，才能順利邁出第一步，不(bu)過晨跑(pao)最難(nan)的就是早起(qi)上跑(pao)道邁出第一步。”2月20日晚，張少霆在朋友圈轉發(fa)了一則消息(xi)，慶祝商湯醫(yi)療完成過億元Pre-A輪(lun)融資。

作為(wei)國內AI（人工智(zhi)能(neng)）龍頭商湯科技的(de)副總裁(cai)、研究(jiu)院副院長、商湯醫療CEO，張少霆(ting)在2018年加入商湯時，就是以“智(zhi)慧健康負責人”的(de)身份亮相的(de)。

去年夏天，國內首個AI病理(li)大模型PathOrchestra就(jiu)出自商(shang)湯科技、西(xi)京醫院及清華大學的(de)合作團隊，號稱“實現(xian)了(le)全球最廣(guang)泛的(de)臨(lin)床科研任務賦能，完成了(le)人工智能病理(li)研究領域從(cong)‘單模專病’到‘一(yi)模多病’的(de)跨(kua)越式(shi)突破”。近(jin)日，國內通(tong)信(xin)技術龍頭華為參(can)與發(fa)布“瑞智病理(li)大模型RuiPath”，讓病理(li)大模型再次受(shou)到公眾關注(zhu)。

作為AI醫療大模型領域最具挑戰性的“明珠”，病理大模型為何讓龍頭頻頻駐足？近日，《每日經濟新聞》記者（以下簡稱“NBD”）獨家對(dui)話張少霆，了(le)解到(dao)他的看法(fa)。

商湯科(ke)技副(fu)總裁、研究院(yuan)副(fu)院(yuan)長、商湯醫療CEO張少霆 圖片來源(yuan)：受訪者供(gong)圖

都知道DeepSeek，但什么是病理大模型？

與DeepSeek等(deng)通用大模型(xing)(xing)不同，病(bing)理(li)大模型(xing)(xing)專(zhuan)注于(yu)解決病(bing)理(li)科醫(yi)生面臨(lin)的臨(lin)床(chuang)問題；但與宮頸癌篩查等(deng)專(zhuan)用模型(xing)(xing)也不同，病(bing)理(li)大模型(xing)(xing)致(zhi)力于(yu)解決多種臨(lin)床(chuang)任(ren)務。資料(liao)顯(xian)示，PathOrchestra覆蓋(gai)肺、乳腺、肝臟(zang)、食(shi)管等(deng)20余(yu)(yu)種器官，賦(fu)能(neng)百(bai)余(yu)(yu)項臨(lin)床(chuang)任(ren)務，是當時全(quan)球賦(fu)能(neng)臨(lin)床(chuang)任(ren)務最廣的病(bing)理(li)大模型(xing)(xing)。

AI病(bing)理診(zhen)斷流程 圖片來源：頭豹研究院報告

NBD：病理大模型和DeepSeek的區別是什么？

張少霆：DeepSeek等屬于(yu)語(yu)言(yan)大(da)模(mo)(mo)型(xing)(xing)，病(bing)理(li)(li)大(da)模(mo)(mo)型(xing)(xing)大(da)多屬于(yu)圖像模(mo)(mo)型(xing)(xing)，也(ye)有部(bu)分是(shi)多模(mo)(mo)態(tai)模(mo)(mo)型(xing)(xing)，這(zhe)是(shi)兩種完全不同(tong)的模(mo)(mo)型(xing)(xing)。前(qian)者（語(yu)言(yan)大(da)模(mo)(mo)型(xing)(xing)）通常(chang)擁(yong)有數(shu)(shu)百億到(dao)數(shu)(shu)千(qian)億級參數(shu)(shu)，使(shi)用不同(tong)的提示(shi)詞就能勝任成百上(shang)千(qian)種不同(tong)的任務(wu)；后(hou)者（病(bing)理(li)(li)大(da)模(mo)(mo)型(xing)(xing)）的參數(shu)(shu)規模(mo)(mo)則在億到(dao)十億級別(bie)，針(zhen)對特(te)定的下游任務(wu)，仍然需要再加入相關數(shu)(shu)據后(hou)進行微調(diao)訓練，才(cai)能更好(hao)地適配這(zhe)些任務(wu)。

所以，病理大模型(xing)并不是(shi)大家常說的“大模型(xing)”，它更接近(jin)傳統的預訓練模型(xing)（Pre-trained Model），還(huan)(huan)不能像語言(yan)大模型(xing)一樣“大殺四方”，還(huan)(huan)需要(yao)往下游任務深化。

NBD：商湯醫療為什么選擇做病理大模型？

張少霆：在(zai)做基于(yu)醫療圖像的(de)輔(fu)助診斷時，有(you)一(yi)個概(gai)念叫“長尾問(wen)題(ti)”。例如(ru)，肺結(jie)節檢測這(zhe)類高(gao)頻問(wen)題(ti)的(de)數據(ju)豐富(fu)且容易獲取，因此可以(yi)相對容易地收集到足夠多(duo)的(de)數據(ju)，來訓練一(yi)個專才(cai)模型，這(zhe)樣的(de)模型不(bu)(bu)需要(yao)特別(bie)龐(pang)大就能效率高(gao)且性能出色。然而，對于(yu)那些小眾疾病，數據(ju)標(biao)注(zhu)稀缺且難以(yi)獲取。在(zai)這(zhe)種情況下，傳統(tong)的(de)數據(ju)收集和(he)標(biao)注(zhu)方式就顯得(de)力不(bu)(bu)從心了。

病理大模(mo)型(xing)的(de)優勢在(zai)于，它可以(yi)在(zai)長尾問題上減少對(dui)傳統數據收(shou)集和標注(zhu)的(de)需求，從(cong)而提高模(mo)型(xing)的(de)訓練效率(lv)，更(geng)好地適配并解決子問題。

回過頭看(kan)，我們對(dui)病(bing)理(li)領域的(de)大模(mo)型研究是伴隨(sui)著技術范式的(de)變化自(zi)然而然地發(fa)生(sheng)的(de)，經歷了(le)三個階段。2018年起，專注于胃腸和(he)宮(gong)頸TCT（液基(ji)薄層細胞學(xue)(xue)檢(jian)測）的(de)單點應用(yong)；2021年起，與瑞金(jin)醫院合作將(jiang)下游任(ren)務拓展到9種不同的(de)疾病(bing)，在遷(qian)移學(xue)(xue)習方面取(qu)得了(le)一定的(de)成果；2023年起，開始嘗試訓練病(bing)理(li)大模(mo)型，來(lai)覆蓋多達幾十種“長(chang)尾”疾病(bing)。

NBD：資料顯示，PathOrchestra可以賦能百余項臨床任務，這能涵蓋醫院病理科接觸到的所有疾病嗎？

張少霆：這里(li)需(xu)(xu)要定義“任(ren)務”。比如(ru)，針對(dui)(dui)病(bing)(bing)理(li)(li)圖像(xiang)進行(xing)細胞分割或細胞檢測也屬于不同的任(ren)務，因此我們說的100多(duo)種下游任(ren)務對(dui)(dui)應的不是100多(duo)種疾(ji)病(bing)(bing)，目前基本(ben)能(neng)覆蓋二(er)三十種疾(ji)病(bing)(bing)，像(xiang)AI賦能(neng)最多(duo)的組織(zhi)病(bing)(bing)理(li)(li)學中(zhong)的胃腸(chang)小(xiao)標(biao)本(ben)、宮頸(jing)TCT標(biao)本(ben)的輔助(zhu)篩查，已(yi)經(jing)滿足了病(bing)(bing)理(li)(li)科醫(yi)生日(ri)常工(gong)作的大(da)部分需(xu)(xu)求(qiu)，但這些(xie)都是通過專才模型來實現的。

當(dang)下也(ye)還有(you)很多(duo)病(bing)(bing)理(li)切片需要醫生親自查看(kan)，例如腫瘤組織標本，需要根據病(bing)(bing)理(li)切片進行(xing)十(shi)幾(ji)種不同疾病(bing)(bing)亞(ya)型的(de)(de)分類和(he)判別。目前(qian)，將(jiang)這類任務(wu)完全交給(gei)病(bing)(bing)理(li)大模(mo)(mo)型還為(wei)時尚早(zao)，因為(wei)大模(mo)(mo)型目前(qian)只具備通用的(de)(de)“排兵布陣式”的(de)(de)陣法知識，缺少逐個(ge)擊破(po)的(de)(de)作戰能力，如果(guo)每個(ge)亞(ya)型都存在(zai)一定出錯概率(lv)，十(shi)幾(ji)種亞(ya)型都同時正確的(de)(de)概率(lv)就低很多(duo)。

病理大模型不容易做，但能有效解決兩大問題

2023年是大(da)(da)模型(xing)技術(shu)突破之年，當年發布醫療(liao)(liao)大(da)(da)模型(xing)產(chan)品的(de)醫療(liao)(liao)企業多(duo)達數十家，資(zi)本市場(chang)曾掀(xian)起一股AI醫療(liao)(liao)熱潮。但由于(yu)應用落(luo)地(di)存在(zai)挑戰，這(zhe)些(xie)醫療(liao)(liao)大(da)(da)模型(xing)在(zai)2024年的(de)聲量(liang)明顯(xian)下(xia)降。如今，當以病理大(da)(da)模型(xing)為(wei)代表的(de)專科大(da)(da)模型(xing)登(deng)場(chang)，它(ta)們面臨的(de)挑戰似乎只多(duo)不少。

NBD：開發病理大模型，面臨著哪些技術上的挑戰？

張少霆：挑戰還是(shi)蠻(man)多(duo)的。第一個(ge)(ge)是(shi)數(shu)(shu)據覆(fu)蓋面，例(li)如覆(fu)蓋不同(tong)疾(ji)病(bing)且注重數(shu)(shu)量比(bi)例(li)，不能(neng)只是(shi)追求總數(shu)(shu)量。比(bi)如大(da)模型在某一疾(ji)病(bing)上的性能(neng)表現(xian)良好，但可(ke)能(neng)會影響(xiang)對其他疾(ji)病(bing)的性能(neng)。我們(men)需要找到(dao)一個(ge)(ge)平衡點，使模型能(neng)夠兼顧多(duo)種疾(ji)病(bing)。第二個(ge)(ge)是(shi)大(da)模型雖(sui)然泛化性更強、適用(yong)場景更多(duo)，但參數(shu)(shu)量大(da)幅增加，導致運(yun)行效(xiao)率降低。如何在保持(chi)性能(neng)的同(tong)時(shi)控(kong)制運(yun)行時(shi)間效(xiao)率，是(shi)一個(ge)(ge)亟待解決的問題。

NBD：你剛才提到，在不同病理樣本之間，病理專項模型的性能可能不同。怎么盡可能保證病理大模型性能的一致和可靠？

張少霆：體外診斷（IVD）領域常(chang)常(chang)會(hui)面臨泛(fan)化(hua)(hua)性(xing)(xing)的(de)問題。盡管商湯的(de)病(bing)理(li)產(chan)品已經在(zai)近百(bai)家醫(yi)院實(shi)現(xian)了落地(di)，目(mu)前觀察到的(de)泛(fan)化(hua)(hua)性(xing)(xing)表現(xian)良好，但(dan)醫(yi)療領域需要用統計數(shu)(shu)(shu)據(ju)說話。我們正在(zai)制(zhi)定泛(fan)化(hua)(hua)性(xing)(xing)實(shi)驗(yan)的(de)標準。如(ru)果產(chan)品在(zai)新(xin)場景(jing)中無法直接(jie)適(shi)用，就需要利用當(dang)地(di)的(de)新(xin)數(shu)(shu)(shu)據(ju)（包括(kuo)標注(zhu)數(shu)(shu)(shu)據(ju)）進行小(xiao)規模的(de)參數(shu)(shu)(shu)微調，從(cong)而使其能夠更好地(di)適(shi)配新(xin)場景(jing)。

NBD：有醫生反映，病理學樣本數字化的比例并不高，這是不是個挑戰？

張少霆：是的(de)。病(bing)理數字化(hua)是AI分析的(de)前置條件(jian)，所以(yi)如果沒有病(bing)理數字化(hua)的(de)基礎設施，AI也很(hen)難(nan)在臨床上(shang)進行大(da)規(gui)模(mo)輔助診斷賦能。對于病(bing)理大(da)模(mo)型研究，病(bing)理數字化(hua)的(de)影響也足夠(gou)深遠。

PathOrchestra是(shi)基于當時國(guo)內規(gui)模(mo)(mo)最大(da)的(de)(de)(de)(de)數(shu)(shu)(shu)字(zi)病理圖像數(shu)(shu)(shu)據(ju)集訓(xun)練建立的(de)(de)(de)(de)，但僅(jin)(jin)僅(jin)(jin)數(shu)(shu)(shu)據(ju)量大(da)是(shi)不(bu)夠(gou)的(de)(de)(de)(de)。如果我們回顧一(yi)下(xia)來(lai)自哈佛、微(wei)軟和(he)斯坦福的(de)(de)(de)(de)那幾篇發表在《自然》雜志上的(de)(de)(de)(de)文章，就會發現數(shu)(shu)(shu)據(ju)的(de)(de)(de)(de)分布更為重要。例如，胃腸和(he)宮(gong)頸TCT這兩個領域的(de)(de)(de)(de)數(shu)(shu)(shu)據(ju)量是(shi)巨大(da)的(de)(de)(de)(de)，但是(shi)其中有(you)多(duo)少是(shi)關(guan)于乳腺、肝臟等(deng)其他(ta)細分領域的(de)(de)(de)(de)數(shu)(shu)(shu)據(ju)？所(suo)以病理數(shu)(shu)(shu)字(zi)化程度越(yue)高、越(yue)廣泛(fan)，數(shu)(shu)(shu)據(ju)有(you)足夠(gou)的(de)(de)(de)(de)覆蓋(gai)面，大(da)模(mo)(mo)型才能均衡處理足夠(gou)多(duo)元的(de)(de)(de)(de)任(ren)務，而這（數(shu)(shu)(shu)據(ju)量和(he)數(shu)(shu)(shu)據(ju)分布）是(shi)不(bu)容(rong)易平(ping)衡的(de)(de)(de)(de)。

NBD：既然有這么多挑戰，為什么還要做病理大模型？

張少霆：專有模型(xing)也面臨兩大(da)挑(tiao)戰(zhan)，首(shou)先是之(zhi)前(qian)提到的(de)(de)長尾(wei)問題，其次是病(bing)理檢(jian)測屬于體外診斷，個別醫院尤其是基層醫院的(de)(de)制片(pian)流程可能(neng)不(bu)夠規范(fan)，導(dao)致病(bing)理圖(tu)像特(te)征差異巨大(da)，從而對專有模型(xing)的(de)(de)泛(fan)化性提出更(geng)高的(de)(de)挑(tiao)戰(zhan)。

而大(da)模(mo)型(xing)(xing)(xing)能夠有(you)效解決這兩個(ge)(ge)問(wen)題。在(zai)長尾問(wen)題上，大(da)模(mo)型(xing)(xing)(xing)至少能提供比“沒有(you)解決方案”更好(hao)(hao)的(de)(de)選擇；在(zai)泛化(hua)性上，大(da)模(mo)型(xing)(xing)(xing)可(ke)以作為一個(ge)(ge)編碼器（encoder），提取病(bing)(bing)理(li)圖像特征后(hou)再針對(dui)某個(ge)(ge)疾病(bing)(bing)的(de)(de)專項診斷模(mo)型(xing)(xing)(xing)進行優(you)化(hua)，這種機制讓大(da)模(mo)型(xing)(xing)(xing)能夠更好(hao)(hao)地(di)總(zong)結病(bing)(bing)理(li)數據的(de)(de)特征，從而具備更廣泛的(de)(de)疾病(bing)(bing)覆蓋能力。

不過，需要再次(ci)強調的是，病理大模型目前還無法像語言大模型那(nei)樣全面且(qie)直接地(di)解決很多(duo)問題，更多(duo)是集中在科(ke)研(yan)領域。

醫院院長們怎么看待AI潮？

醫(yi)院(yuan)是病理(li)大模型等專(zhuan)科模型的直接(jie)買方。在張(zhang)少霆看來，公司去年參與的湖(hu)北省“‘小切(qie)片(pian)’守護大民生(sheng)”工程，是病理(li)AI模型落(luo)地(di)的標志性(xing)事件。這場發生(sheng)在湖(hu)北全省醫(yi)院(yuan)的智慧化(hua)、數字(zi)化(hua)和AI化(hua)轉型，覆蓋了(le)數百家基(ji)層醫(yi)院(yuan)。這一事件也預示著，病理(li)大模型落(luo)地(di)應用似乎(hu)已經達(da)到了(le)突(tu)破(po)的臨界點。

NBD：對于病理AI的落地，有人支持，有人懷疑。據你觀察，醫院院長們是怎么想的？

張少霆：在技術(shu)發(fa)展的過(guo)(guo)程(cheng)中，總有(you)保守派和激進派，我感覺國內(nei)的決(jue)策(ce)者目前更傾向于擁抱新技術(shu)。對于頭部醫(yi)院(yuan)，它們(men)不僅希望引入AI，節省(sheng)醫(yi)生的時間、提高診斷精度，更希望借助(zhu)AI賦能其醫(yi)聯體醫(yi)院(yuan)的業務(wu)。對基層醫(yi)院(yuan)而言(yan)，這同樣是一個(ge)節省(sheng)成本的過(guo)(guo)程(cheng)。

然而，醫(yi)院(yuan)決(jue)策采購(gou)的核(he)心考量之一是能否(fou)帶(dai)來(lai)(lai)增(zeng)量收入。有時候(hou)說服(fu)決(jue)策層(ceng)支持采購(gou)的難(nan)點(dian)在于(yu)，大(da)多數AI醫(yi)療產品的賣點(dian)是幫(bang)助醫(yi)生更準(zhun)確地診(zhen)斷和節省時間(jian)，而不是直(zhi)接為醫(yi)院(yuan)帶(dai)來(lai)(lai)新增(zeng)收入或快速回(hui)本，這也是之前(qian)AI醫(yi)療產品的推廣面臨困(kun)難(nan)的原因之一。

NBD：你怎么看待各家醫院接入DeepSeek或發布自有大模型的動作？

張少霆：在不少醫(yi)院接入DeepSeek平臺后，通(tong)用大(da)(da)(da)語(yu)言模(mo)型在醫(yi)療(liao)領域(yu)真正(zheng)帶來的臨床效果還有(you)待時間驗證。事實上，現(xian)在很(hen)多(duo)頭(tou)部醫(yi)院都基(ji)(ji)(ji)(ji)于(yu)自(zi)有(you)的研發團隊，或與合作企業一起(qi)嘗試(shi)基(ji)(ji)(ji)(ji)于(yu)通(tong)用模(mo)型開發垂類大(da)(da)(da)模(mo)型，打造自(zi)有(you)品牌(pai)。在這(zhe)種趨勢下(xia)，曾經的“百模(mo)大(da)(da)(da)戰(zhan)”已經逐漸(jian)演(yan)變為垂直(zhi)領域(yu)的“萬模(mo)大(da)(da)(da)戰(zhan)”。從底層(ceng)架構來看，這(zhe)些(xie)模(mo)型大(da)(da)(da)多(duo)基(ji)(ji)(ji)(ji)于(yu)開源(yuan)的通(tong)用基(ji)(ji)(ji)(ji)座(zuo)，且(qie)這(zhe)些(xie)開源(yuan)基(ji)(ji)(ji)(ji)座(zuo)占據了主流地位，而在此(ci)基(ji)(ji)(ji)(ji)礎上，醫(yi)療(liao)知識的注入才(cai)是關鍵。

圖片來源：公司官網

NBD：在這波AI熱中，你覺得AI是不是被神化了？

張少霆：需(xu)要具體問題具體分(fen)析。例如(ru)，早期(qi)開(kai)發的(de)(de)影像類模型（如(ru)肺(fei)結節檢(jian)測）以及剛(gang)剛(gang)提到的(de)(de)胃腸病理和宮頸TCT（液基(ji)薄(bo)層細(xi)胞學檢(jian)測）等專有(you)(you)模型，不僅沒(mei)有(you)(you)被(bei)神化，反(fan)而可能被(bei)低估了。事實上，如(ru)今在國內的(de)(de)大部分(fen)三甲醫院，報告撰寫背(bei)后都有(you)(you)AI的(de)(de)支持。

但從(cong)另一(yi)(yi)個角度看(kan)，通用大(da)模(mo)型的醫療價值可(ke)能(neng)(neng)確實(shi)被(bei)夸大(da)了。這些大(da)模(mo)型的通用性能(neng)(neng)很強，在(zai)很多任務上(shang)實(shi)現了超出預期(qi)的效(xiao)果，但幻覺(jue)問(wen)題(ti)（指(zhi)(zhi)大(da)模(mo)型生(sheng)成的內容與現實(shi)世界事實(shi)或用戶(hu)輸(shu)入的指(zhi)(zhi)令(ling)不一(yi)(yi)致）也不可(ke)忽視(shi)。從(cong)某(mou)種角度來(lai)看(kan)，幻覺(jue)問(wen)題(ti)在(zai)通用領(ling)域或許并非(fei)壞事，因為模(mo)型可(ke)以像(xiang)人(ren)一(yi)(yi)樣(yang)“編故(gu)事”，但在(zai)嚴肅(su)領(ling)域，尤其(qi)是(shi)醫療領(ling)域，這可(ke)能(neng)(neng)是(shi)致命問(wen)題(ti)。

實(shi)際上，目前我(wo)們(men)在上海(hai)瑞金醫院(yuan)病理科應用于臨床、幫助醫生完成(cheng)大量任務的還是商湯的專有模型，且效果已經經過了多年臨床驗證。

病理大模型的產業化還有多遠？

2023年，多個(ge)病理(li)大模型的海外研究項目發表(biao)在(zai)《Nature》及《Nature Medicine》上，這表(biao)明(ming)，這一(yi)領域在(zai)學術界(jie)已經非常活躍，工業界(jie)也在(zai)進行一(yi)些嘗試。但(dan)需要澆一(yi)盆冷(leng)水(shui)的是，目前病理(li)大模型的價值更多體現在(zai)學術界(jie)，而(er)非產業界(jie)。

NBD：病理AI作為一個產品，其上市路徑是怎樣的？

張少霆：理想情況下，需(xu)要(yao)進(jin)(jin)(jin)行(xing)(xing)特定(ding)的臨(lin)床(chuang)試(shi)驗并收集臨(lin)床(chuang)數(shu)據(ju)來進(jin)(jin)(jin)行(xing)(xing)分析，以(yi)判斷其是否真正適(shi)用于臨(lin)床(chuang)。這(zhe)需(xu)要(yao)明確(que)具體的任務(wu)目標(biao)，例如(ru)模型在特定(ding)任務(wu)上的性(xing)能要(yao)達到(dao)多(duo)少標(biao)準，并在多(duo)家醫(yi)院完成臨(lin)床(chuang)試(shi)驗后(hou)才能進(jin)(jin)(jin)行(xing)(xing)部署(shu)。

但是，病理(li)(li)大(da)模型(xing)(xing)往往號(hao)稱(cheng)能診斷幾(ji)十種疾病，這種復雜(za)性很難在(zai)認(ren)證中(zhong)被全(quan)面評估，很難通過(guo)NMPA（中(zhong)國國家(jia)藥(yao)(yao)品監督管理(li)(li)局）或FDA（美國食品藥(yao)(yao)品監督管理(li)(li)局）的嚴格認(ren)證過(guo)程，所(suo)以產業化目前還是以病理(li)(li)專才(cai)模型(xing)(xing)為主。

NBD：除了上市路徑待完善，病理AI的商業化還面臨哪些挑戰？

張少霆：我們花了(le)兩年多時(shi)間(jian)和數千萬(wan)元投入，才拿到肝(gan)臟CT診(zhen)斷領域(yu)的(de)全國首張三類證（三類醫療器械注冊(ce)證），在病理AI商業化之前，企業需要投入極大(da)(da)的(de)人力、財力、精力和時(shi)間(jian)，這是個巨大(da)(da)的(de)挑戰。

另外，市(shi)場教育和(he)生態(tai)鏈合(he)作(zuo)也(ye)是商業化的重(zhong)要環節。目(mu)前，病理(li)(li)(li)AI的普及程度還相對落后。病理(li)(li)(li)科(ke)工作(zuo)流(liu)相對復雜，其落地涉及到掃(sao)描儀(yi)廠家、AI廠家、存(cun)儲廠家等產(chan)業生態(tai)的聯動，更需(xu)要生態(tai)合(he)作(zuo)伙(huo)伴的精誠合(he)作(zuo)。例(li)如在瑞金(jin)醫院，商湯主要負(fu)責AI研發，衡(heng)道病理(li)(li)(li)負(fu)責部分信息化，華為主要提供存(cun)儲硬(ying)件，通力合(he)作(zuo)打造了瑞金(jin)智慧病理(li)(li)(li)樣(yang)板。

當(dang)然(ran)了(le)，從技術到商業(ye)，我們常常高估(gu)一年(nian)的變化，卻(que)低估(gu)十年(nian)的變化，所以大家(jia)可(ke)以給這個行業(ye)多一些耐心。