Balancing AI Expertise and Industry Acumen in Vertical Applications
42:59 Share

在本期AI + a16z节目中，Ambience联合创始人兼首席科学家Nikhil Buduma与Derrick Harris讨论了使用AI模型构建垂直应用（包括他在医疗保健领域的应用）的细微之处，以及为什么行业经验至少与技术专业知识同等重要。Nikhil还分享了他亲身经历AI关键进展（包括Transformer架构）的经验，这不仅使他的公司能够成为早期采用者，而且让他洞察了AI未来可以解决的各种问题。以下是Nikhil解释理解买家重要性的摘录： “如果您认为最有价值的公司将源于应用层和模型层之间某种程度的垂直整合，[即]下一代极其有价值的公司将由那些多年来痴迷于成为某个行业专家的创始人创建，我建议人们实际了解如何规划最有价值的用例，并清楚地说明当您越来越多地协同解决这些问题时，这些用例如何具有协同的、复合的价值。 “我认为创始团队必须具备正确的机器学习技能，才能实际构建正确的实时学习循环，构建机器学习运维循环来衡量并缩小这些用例的模型质量差距。[但是]模型实际上只是解决问题的一部分。 “您实际上需要仔细考虑产品、设计、交付能力，以确保您构建的内容与正确的企业数据源集成，并以正确的方式融入正确的流程。您还必须大力投资变更管理，以确保客户充分认识到他们从您那里购买的产品的全部价值。这实际上比人们意识到的要重要得多。” 了解更多信息：深度学习基础 在X上关注所有人：Nikhil Buduma Derrick Harris 在此处查看a16z在人工智能方面所做的一切，包括文章、项目和更多播客。</context> <raw_text>0 巧合的是，在我们构建医疗保健系统时，我们不知不觉地处于最近这波AI进步浪潮的中心，我们最终成为最早了解Transformer架构的团队之一。我们最终将其应用于各种用例中，并亲身体验了将Transformer投入生产所带来的所有挑战。从2017年到2020年，我们的一些最亲密的朋友，其中一些人实际上是我们的室友，继续参与了一些最重要的

OpenAI和随后的Anthropic内部项目，从PPO到Scaling Loss Paper，再到GPT-2、GPT-3和RLHF。在这三年里，当您听到您最亲密的朋友谈论所有成功的实验和所有失败的实验时，我们只是开始看到许多拼图碎片组合在一起。

我们之前试图为我们自己的临床医生解决的许多问题，感觉像是我们遇到了严重的科技瓶颈，开始感觉，嘿，它们今天可能可以解决，或者在未来几年内可以解决。再次问好，感谢收听A16Z AI播客。

我是德里克·哈里斯。本周，我和Nikhil Bhaduma进行了一次讨论，他是名为Ambience的AI医疗保健公司的联合创始人兼首席科学家。

Ambience旨在通过生成涵盖多个医学专业和任务的详细报告来改善临床医生和患者的生活。在Ambience之前，Nikhil联合创立了另一家名为Remedy Health的初创公司，并在2017年为O'Reilly撰写了《深度学习基础》一书，并在2022年修订了该书。在这段讨论中，我们讨论了所有这些内容，从他童年时期患有慢性心脏病的经历开始，这巩固了他从小就致力于在医疗保健领域工作的决心。

但我们还通过AI的进步来审视这场讨论，Nikhil对此有第一手的经验。谷歌AI负责人Jeff Dean是Nikhil两家公司的早期投资者，他与OpenAI早期团队的一些成员是室友，这些成员领导了该领域一些重要进展的研究。

因此，请继续收听关于人工智能的变革如何重塑公司构建方式、团队应如何考虑在其自身产品中采用和应用AI模型以及在复杂的垂直行业中构建持久性公司的最佳实践的启发性讨论。

提醒一下，请注意，此处的內容仅供参考，不应视为法律、商业、税务或投资建议，也不应用于评估任何投资或证券，并且并非针对A16Z基金的任何投资者或潜在投资者。更多详情，请访问a16z.com/disclosures。

我实际上是从先进入医疗保健领域开始我的职业生涯的。我小时候病得很重。我的父母从印度移民过来。不太了解这里的医疗系统是如何运作的。我出生时患有几处心脏缺陷。从那以后，我经历了一个相当复杂的恢复过程。因此，小时候我经常在医疗系统中。我的父母最终遇到了很多财务问题，只是试图管理我的医疗费用。所以

对我来说，从小就注定要以某种方式、某种形式参与医疗保健。因此，当我第一次接触到令人兴奋的机器学习浪潮时，我走上了成为医学博士的传统道路。我在Soundstate和斯坦福大学做了大约八年的研究。2009年，在校园里，

有一个由Andrew Ng领导的计算机科学系团队。他们基本上展示了如何使用GPU计算来加速这些大型机器学习模型。我认为他们训练了一个拥有1亿个参数的深度信念网络，通常需要几周时间才能训练，并且在一天内就能使其正常工作。当时我并没有完全理解这一点，但在接下来的……

几年里，我们开始看到一系列突破，我认为这些突破催生了我们今天所说的深度学习，最终在2012年，GPU计算应用于卷积神经网络，以及AlexNet在所有ImageNet基准测试上的飞跃。

因此，同时从事生物学和医学工作，我个人对这些技术对医学的意义变得非常感兴趣。我最终联合创立了一家公司。它现在正在医疗保健堆栈的不同部分工作。但在2013年，我们试图使用ConvNets来为这些设备提供动力，这些设备将在现场进行低成本的疟疾检测。然后我开始写一系列博客文章，关于

目的是教生物学和医学领域的更多研究人员如何将这些技术用于他们自己的工作。最终，这些博客文章被O'Reilly收录。它变成了关于机器学习和深度学习方法的早期教科书之一。这就是我如何进入机器学习和人工智能领域的。大约在这个时候，我在麻省理工学院遇到了我的联合创始人迈克。他也有自己令人难以置信的故事，讲述了如何在医疗系统中导航。他的背部骨折了。

被告知他将永远无法行走，因为他最初被误诊为扭伤，而实际上是骨折。我们当时痴迷于思考机器学习方法与医疗保健的交叉点，并花了很多时间与我们当时的一些密切导师在一起。Jeff Dean在过去十年中一直是我们两家公司的投资者，但当时他正在创建谷歌大脑和谷歌健康的早期阶段。

然后在我读研究生期间，我接到了Sam的电话，他当时正在创建OpenAI的早期阶段。他们仍然是一群来自旧金山格雷格公寓的研究人员。

我认为当时的技术还处于早期阶段，这一点对我们来说是显而易见的。但如果您回想一下当时时代精神中所有主要的科技趋势，我认为迈克和我都很强烈地认为，如果我们能够创建功能强大的通用人工智能模型，这将对我们作为社会的工作方式产生最大的影响。我们不知道这是否需要五年、十年或二十年才能将所有部分组合在一起。但当它们做到这一点时，

基于我们个人在医疗保健系统中的经验以及医疗保健系统对我们许多亲人的意义，我们只是觉得医疗保健将成为这类技术的最大机遇之一。

早期，那些导师以及那些关系如何塑造你所构建的东西，以及你甚至是如何思考构建公司的方法？我认为与他们合作的最大收获是巩固了这种信念，即这是一个值得努力的领域。我认为对于许多早期的技术趋势来说，并不总是很明显你是否真的在正确的时间开始关注它们。

你环顾四周，你认识的所有最聪明的人都将他们的整个职业生涯押在这项技术趋势上。我认为你可以看到这些线索在你脑海中展开，但我认为看到你周围最聪明的人决定加倍努力，我认为这真的有助于塑造信念。我们从Jeff和Sam以及OpenAI早期团队那里学到的一个重要教训是，我们不应该害怕。

做一个非常、非常大的赌注。许多今天似乎无法实现的事情，在未来三到五年内可能会很快变得可行。因此，专注于那些有价值的问题，并思考世界可能是什么样子，而不是过度关注今天究竟可能实现什么。你会如何描述2016年的人工智能现状？以及它看起来像什么，以及它如何塑造你最终构建的东西？什么？

好吧，我认为在过去十年中，这些领域肯定以惊人的速度发展。为了让您了解一下，我大约在2014年开始写这本书。因此，从2014年到2017年，我花了大约两到三年的时间来写第一版。

即使在那段时间内，我也不得不多次重写书的大部分内容，因为该领域发展得如此之快。你六个月前写的东西，你意识到实际上已经不再相关了。例如，书中以前有一大段专门介绍深度叶网络。在12个月内，该领域基本上决定，不，我们不再真正基于该架构进行构建了。

我认为今天和2016年之间相似之处在于，我们仍在使用深度学习架构，这些架构受益于计算规模的增加和数据规模的增加。我认为在策划高质量的特定用例数据集方面投入大量精力和思考仍然是有价值的。我认为仍然非常重要的是整个机器学习运维或MLOps基础设施领域，该领域旨在

衡量和监控模型性能，定义质量的真正含义，然后仔细考虑在机器学习生命周期的所有部分中对其进行衡量。我认为所有这些部分仍然相同。

但我认为在2016年，进入壁垒非常高，因为你没有很多高质量的基于模型的模型。因此，大多数人必须从头开始训练模型。大多数这些模型架构都遭受了一种我们现在称为灾难性遗忘的现象，这意味着一旦你针对特定用例对它们进行微调，它们在学习如何在新的用例上执行方面非常糟糕。因此，你最终会得到这些针对非常狭义定义的用例而构建的模型。

这并不是说机器学习模型在2016年没有在生产中取得成功。

有很多机器学习产品的例子都非常成功。但是，从概念到研究原型再到现场生产，实际上需要投入的团队投资和资本可能需要公司今天投入的资源的10到100倍才能使其应用程序变得智能。是的，你听到的应用程序，你听到的团队在生产中部署机器学习都是大名鼎鼎的公司，拥有庞大的团队和巨额预算……

就像他们长期以来一直在研究这些东西一样。鉴于所有这些，你最终用Remedy Health构建了什么？你试图销售的产品是什么，或者该公司仍在试图销售的产品是什么？

我和迈克在2015年与另外两位联合创始人（我们两位密友）一起创立了Remedy。这是一个利用技术来构建新型护理交付资产的机会。我们可以利用技术来寻找以更低的成本、更好的体验为所有人（患者、他们的家人、医生、护士和所有人）提供更高质量护理的方法。

对于第一次创业的创始人来说，为医疗保健等垂直领域构建产品最可怕的部分之一是，从外部来看，该行业感觉非常复杂。我认为对于医疗保健领域来说尤其如此，因为它实际上涉及到在三个不同领域成为专家：医学科学，例如人体如何运作，出现问题时会发生什么，医生如何诊断、治疗和管理患者。因此，你必须成为科学方面的专家。

然后是现代医疗保健系统和实践，包括从医疗系统如何组织？功能构建块是什么？这些构建块为什么重要？然后是医疗保健的经济学和业务。政府、保险公司、私人支付者、医疗系统之间的关系是什么，以及医疗保健系统的每个部分是如何赚钱的？你必须真正深入了解所有这些部分，才能开始在医疗保健领域构建有用的东西。

对我们来说，Remedy是所有这一切的速成课程，因为如果你要从头开始建立一个医疗实践，你必须学习如何雇用医生。我们必须实施医疗记录。我们必须学习与保险公司合作。我认为令人兴奋的是，尽管必须经历这个速成课程，但它使我们能够构建我认为否则不可能构建的东西。因此，我们最终为我们的临床医生创建了各种技术，以帮助改进护理交付模式。

从结构上讲，因为我们正在提供护理，我们实际上正在雇用临床医生，我们是所有我们构建技术的客户。因此，在早期，我们构建了这些聊天机器人来与患者在就诊前交谈，加快信息录入和文档编制。显然，当我们谈论聊天机器人时，与我们今天谈论的聊天机器人体验相比，它们非常原始。我们最终创建了一个AI驱动的工具来指导护士进行更智能的电话筛选。因此，我们会提出他们应该问的问题

记录答案，根据他们收集的信息确定下一个应该问什么问题。目标是帮助他们识别我们所照顾的患者中未被诊断和未经治疗的慢性疾病。然后，我们甚至在2017年将Transformer投入生产。我们正在从CMS获取索赔数据，这基本上是医疗系统和保险公司之间共享的数据，用于描述正在开具的治疗方案和正在进行的就诊。我们正在使用这些索赔数据流来预测可预防住院的风险。

这是医疗保健系统中成本的主要驱动因素。这就是我们最终构建的内容的高级故事。我认为这由于许多原因非常困难。我的意思是，部分原因与我们自身有关。我们是第一次创业的创始人，第一次学习如何建立一家伟大的公司。部分原因是技术方面的时机，对于我们想要构建的许多事情来说。在我们达到研发前沿之前，存在一些严重的的技术限制，特别是对于我们想要为我们的临床医生解决的一些最有价值的问题。我认为在疫情爆发之前，也存在市场准备情况的问题。

消费者并没有特别准备好接受虚拟护理和远程医疗。因此，存在一个艰难的市场教育问题。但我认为，总而言之，尽管这是一家具有挑战性的公司，但我认为它迫使我们对医疗保健交付方式的混乱内部机制有了非常深入的了解。我认为如果没有尝试构建Remedy的经验，Ambience今天就不会存在。

我将指出IBM Watson是这里的受害者，但你们似乎说：“嘿，听着，我们需要从头开始构建这个东西”，而当时似乎人工智能已经足够成熟，一些公司会将它撒上魔法粉尘，然后说：“这将彻底改变一切。”但它从未实现。你说得对。部分原因肯定是技术准备情况。IBM Watson背后的故事可能要复杂得多，因为它结合了选择错误的问题集来关注，

当时，他们的肿瘤学产品非常关注临床决策支持。但我认为，对于大多数在研究机构执业的肿瘤学家来说，瓶颈不是做出正确的决定。瓶颈实际上是将所有正确的信息收集在一起以做出正确的决定。

如果你花费太多时间优化围绕决策的实际算法，而没有花费足够的时间来思考与其余基础设施的连接组织是什么，以确保你正在工作流程的正确部分中摄取正确的信息，以便最终能够对最终结果产生影响。

最终发生的事情是，你最终构建的东西实际上并没有实现任何采用。我认为IBM Watson的重大问题是关注了错误的问题。我认为部分原因可能是，很容易专注于高级故事，嘿，我们正在构建治愈癌症的技术。但事实证明，有很多

细节中的魔鬼。我认为在某种程度上，作为我们自己的技术客户，我们必须面对残酷的现实，即我们的临床医生需要什么，即使有时它不一定是需要处理的最性感或最吸引人的问题。那么，最终是什么导致你离开Remedy Health并推出Ambience？再次与迈克一起，听起来像是一位联合创始人。那么那里的催化剂和转变是什么？

我认为在亲身体验医疗保健交付方式的过程中，我认为有一些有趣的线索同时发生。巧合的是，我们不知不觉地

在构建医疗保健系统时，我们处于最近这波AI进步浪潮的中心。正如我提到的，Jeff是我们两家公司的投资者。因此，我们最终成为最早了解Transformer架构的团队之一。我们最终将其应用于各种用例中，并亲身体验了将Transformer投入生产所带来的所有挑战。从2017年到2020年，我们

我们的一些最亲密的朋友，其中一些人实际上是我们的室友，继续参与了一些最重要的OpenAI和随后的Anthropic内部项目，从PPO到Scaling Loss Paper，再到GPT-2、GPT-3和RLHF。

在这三年里，当您听到您最亲密的朋友谈论所有成功的实验和所有失败的实验时，我们只是开始看到许多拼图碎片组合在一起。我们之前试图为我们自己的临床医生解决的许多问题，感觉像是我们遇到了严重的科技瓶颈，开始感觉，嘿，它们今天可能可以解决。它们在未来几年内可能可以解决。

我们需要组建一个团队，专注于采用这些日益强大的通用推理模型，并针对医疗保健和医学对其进行微调，仔细考虑所有正确的安全防护措施，然后找出将它们成功引入诊所的其余难题。

如果我们可以采用我们在Remedy中试图构建的所有技术，但构建该平台的第二个版本，然后专注于使其成为一流的平台，并与已经在世界一流水平上提供护理的医疗机构合作，以便更有效地做到这一点呢？

我们越来越相信医疗保健真的需要人工智能的帮助。对于一些深入了解医疗保健的观众来说，这可能很熟悉，但对于来自医疗保健领域以外的人来说，作为一个国家，我们正处于困境之中。医疗保健占我们GDP的17.3%。系统压力越来越大。

最新的估计是，每天有11000名老年人进入医疗保险。因此，我们预计未来十年全国将短缺约125000名医生。德里克，你想猜猜临床医生实际花费多少时间吗？临床医生一天中实际花费多少百分比的时间用于直接患者护理？我的经验将非常有限。我将选择大约

比这稍微好一点。我认为大约25%到27%的临床医生一天的时间用于直接患者护理。但鉴于这种宏观背景，这似乎并不是成功的秘诀，对吧？但我们看到我们的临床医生以及我们看到的大量同行组织，另外73%的时间基本上是行政负担。

从撰写文档到挖掘医疗记录以查找信息，它一直在进行编码和计费，这基本上是保险公司如何决定医疗系统因其工作而获得多少报酬，它正在进行所谓的预授权，这是保险公司如何决定患者是否应该获得治疗或诊断，它正在进行

由于利用率管理，这是医疗系统如何决定患者应该在哪里接受护理。他们应该在医疗病房吗？他们应该在熟练护理机构吗？他们应该在观察室吗？这些都是医生没有去医学院学习的事情。

如果我们可以利用人工智能来改变这个数字呢？因此，与其将他们一天的27%时间用于直接患者护理，我们可以利用技术将其改为更多地将他们一天的73%或更多时间用于直接患者护理。我们最终专注于医疗文档问题。这是一个挑战，我们的临床医生可能每天要花费四分之一的时间来处理

总结他们的谈话并总结他们在就诊期间做出的所有决定，确保将其输入医疗记录。这可能是他们每天抱怨的最痛苦的事情之一。当我们构建Remedy时，我们从未达到构建对文档起作用的东西的地步。

我们考虑与许多其他试图在此领域构建技术的科技初创公司和大型科技公司合作。在我们构建Remedy期间发布的任何东西实际上都没有为我们的临床医生带来改变。我们不仅看到我们的临床医生遇到了这个问题，而且在大流行开始时，实际上对

基本上是雇用人类抄写员跟随医生并为他们做笔记。因此，我们在劳动力上花费了大量资金。我认为我们作为医疗保健系统每年花费40亿美元来雇用10万名人类抄写员来做这件事。因此，我们认为，如果我们可以构建一个能够收听对话、推断就诊过程中发生的潜在决策并自动

自动将所有这些信息（所有结构化和非结构化数据）与电子病历同步的系统，以便医生无需在就诊期间打字、点击和多任务处理，并在之后赶上文档编制工作。这将是成为临床医生工作流程中不可或缺的一部分的正确初始切入点。话虽如此，正如您可以想象的，对于这样的用例，质量至关重要。如果你达不到一定的质量水平，医生就不会采用。他们会很快放弃该产品。

因此，我们花了几年的时间才达到我们认为，嘿，这是临床医生每天每次就诊都会使用的某种东西的质量水平。但是一旦我们获得了这个切入点，我们就利用它作为机会开始扩展平台产品。

从技术的角度来看，似乎2017年到2020年是，如果你们注意到了，这就像这些东西真正开始起飞的转折点。我们在2020年为我们的种子轮融资。大多数投资者都不会接我们的电话。他们认为我们正在推销的东西是如此遥远的科幻小说，以至于我们甚至没有获得大多数第一次会面。

因此，你提到了你为O'Reilly撰写的那本书，以及让我们说2016年、2017年的世界现状。但到了2022年，你合著了该书的第二版，或者至少在2022年出版了。除了业内人士看到的技术进步之外，作为创始人或公司，你如何看待跟上最新技术？例如，如果你有一个似乎正在运行的产品……

并且每周、每月，有时似乎每天都会出现这些新技术、这些新架构或这些新想法。你如何跟上这些？你如何知道何时适可而止，或者你如何知道何时全力以赴？

我可以谈谈我们的个人经验，那就是对我们来说很重要的许多任务都处于机器今天能够做什么和不能做什么的边界上。作为一家公司，我们实际上非常关注前沿。

这既包括正在发表的内容和人们在互联网上积极讨论的内容，也包括该领域一些最好的研究人员在思考什么，以及我们如何预测该领域在未来12到24个月内将如何发展？因为我们自己进行的研发投资必须不仅与今天的最新技术相辅相成，而且还要与我们预计未来12到24个月内前沿将如何变化相辅相成。

话虽如此，如果你今天使用的技术能够很好地为你服务，你可以在一个你只需要说，看，基础模型制造商将继续使下一代产品越来越好。我的目标实际上只是深入了解我的用户、我的客户、他们的业务，并继续构建产品周围所需的其余连接组织，以确保随着这些模型越来越好，我拥有交付它的底盘。

但我认为这在很大程度上取决于用例的类型。对于最终会变得有价值的公司，我显然有自己的看法。但我认为这可能是我看待这个问题的角度。是的，让我们深入探讨一下。我的意思是，因为听起来区别可能在于，你是正在构建垂直关注的应用程序或公司，还是正在构建水平的应用程序？你是正在构建你可能称之为AI公司的东西，还是正在构建使用AI的公司？

我认为在某种程度上，构建AI公司与构建传统的企业SaaS公司有很多相似之处，对吧？首先，你必须选择正确的用例集。找出是什么迫切的支付需求，是什么让人们能够在今天为此分配预算的需求。我们内部经常问的两个问题可以帮助我们解决这个问题，那就是，时间宝贵的人在哪里……

最终浪费或花费了大量的精力和注意力。这往往是一个非常好的寻找地方。第二个问题是，工作产品的质量不一致的地方在哪里，如果你真的能够解决这个问题，如果你能够达到始终如一的质量，那么这实际上具有很高的经济价值？如果你能够解决符合这两个形状之一或两者的问题，那么它很可能是一个非常有价值的用例。

然后，一旦你发现了一个高价值的用例，下一个问题是，好吧，我该如何确保模型在这个用例中表现良好？你会看到一系列公司，从“嘿，现成的 GPT-4 模型就能完美解决问题”到“模型甚至不知道从哪里开始解决这个问题”。这会极大地改变你需要组建的团队的构成。

然后我认为，人们不能低估与正确的数据源集成的重要性，以确保模型能够对重要的问题进行推理。确保你掌握了设计、用户体验、工作流程、变更管理，并真正建立起强大的交付能力，因为你很可能正在改变人们的工作方式，

这意味着你的客户可能需要比你意识到的更多支持才能真正实现你正在构建产品的全部价值。因此，我的感觉是，许多机器学习公司和现代人工智能公司实际上都将大力投资于交付能力。这可能对许多企业SaaS模式来说都很熟悉，但我认为这对于机器学习和人工智能公司来说尤其重要。所以我认为所有这些部分实际上都必须结合起来。嘿，如果你必须大力投资模型堆栈，这可能是一个你正在构建的大型复杂公司。

你是如何看待基础模型的？我想也许是LLM，但让我们笼统地说，例如，你是否拥有专有模型？你使用的是开源模型吗？是小型模型吗？是微调吗？是专家混合吗？你是如何做到这一点的，这就是我们的问题，以及我们将如何使用这些模型来解决这个问题？我认为可以从第一波利用生成式人工智能趋势的文案公司那里学到很多东西。我

我认为，作为该领域外部人士观察过去24到36个月，对我来说有两个重要的收获。首先，尽你所能避免基础模型制造商的冲击范围。现实情况是，如果他们很容易构建，他们就会构建它。在过去两年中，我们看到许多初创公司被更好的 ChatGPT 版本所取代。

我认为这是一个坏主意。如果基础模型制造商很可能构建它，就不要构建它。我认为第二点比较细微，那就是如果现成的模型今天非常擅长这项任务，或者你预计它们在一到两代模型内就能擅长这项任务，

那么在这种情况下，现有企业更有可能获胜，尤其是在他们拥有相当不错的产品和软件构建能力的情况下。如果你的现有企业是Salesforce或微软，

他们很可能会占据绝大部分价值，因为他们可以轻松复制你所构建的内容，而且他们已经拥有内置的分销渠道。因此，他们不必成为第一批行动者。他们只需要了解哪些对客户细分市场有效，然后复制它，如果你只是将现成的API插入到现有的UI UX框架中，这很容易。然后他们拥有内置的分销渠道来进行市场销售，从而超越你。

我认为这部分解释了Ambience的有趣之处。一个领域是，现成的模型在医疗保健和医学领域的效果并不好。你很快就会达到性能上限。创建演示很容易。因此，在我们这个领域有很多炒作，因为有很多公司基本上是在使用现成的模型并构建令人印象深刻的演示。但是，在受控环境下的Zoom通话中效果良好的东西与在实践中真正可靠地工作的东西之间存在很大的区别，考虑到医学和医疗保健的现实世界混乱。

很多这些专业知识实际上是通过学徒模式传承下来的。因此，没有很多你可以吸收的公共领域信息，基础模型制造商自然会在对我们来说很重要的某些质量方面改进模型。

我认为我们的想法是，我们实际上必须、一直需要并且将继续需要大力投资，试图利用当今存在的最高效模型，并将它们转化为最临床的模型，以便能够构建我们想要追求的产品类型并解决我们想要追求的用例类型。

我们的客户实际上非常复杂。我认为部分原因有两个。首先，当你与医疗系统合作时，他们实际上拥有各种各样的高素质专家。他们在各种不同的护理环境中工作。事实证明，每一个专业领域实际上都是不同的。我认为一个很好的思考方法是，

在初级保健医生的办公室里发生的事情与肿瘤科医生的工作流程实际上非常非常不同。如果你最终去了急诊室，你会注意到工作流程与初级保健办公室里发生的事情完全不同。这与你被送进医院并在医疗病房住了多个晚上，并且被许多不同的临床医生看护的情况也大相径庭。

突然之间，这又非常不同。每个专业领域所从事的医学都是不同的。EHR中的工作流程不同。服务经济学，即这些业务部门如何赚钱，本质上是不同的。这要求我们做的是，当我们从一种护理环境转向另一种护理环境时，要大力投资于模型堆栈。

以便能够真正构建高质量的产品，这些产品在工作流程中具有足够的适用性。最初在初级保健中训练的模型在部署到肿瘤科环境之前实际上需要更多工作。在我们能够有效地在急诊室部署它们之前，它们还需要更多工作。因此，我们不得不在这层面上投入大量精力。

第二个方面是，医疗系统是出了名的低利润业务，而且随着时间的推移，利润率也在下降。因此，我们是宏观经济周期的一部分，对于大多数这些医疗系统来说，如果没有对损益表产生明确的影响，例如，如果首席财务官看不到财务影响并且在几周或几个月内没有意识到它，那么医疗系统很难批准数百万美元的技术投资。因此，还有一层额外的知识

关于编码和计费，我们基本上必须投资于这些模型，不仅要在临床医生的工作流程中运行良好，而且还要创造足够的企业价值，以便我们与合作的客户建立商业案例。在这个领域，任何拥有深奥知识并且质量非常重要的领域（这在受监管行业中很常见），我认为这往往是一个大力投资模型层面的好地方。

我认为如果——当你考虑是否应该建立一家基础模型公司时？

我猜这对于绝大多数组织来说可能都是错误的答案。除非你别无选择，例如你试图为生物学构建基础模型以摄取蛋白质和RNA序列，否则感觉通常可能是一个糟糕的赌注，即过于深入地投资于基础模型层。但我确实认为，这种垂直公司理念，即深度集成的应用程序层投资，以及思考

思考我们如何弥合这些深奥的、高度管制的行业与现成模型可以做什么之间的差距，我认为最有价值的公司很可能是在这里建立的。所以，在不泄露任何商业秘密的情况下，你们是否在Ambience试图解决的各个领域内微调现有的基础模型？或者你们实际上是出去并根据你们正在做的事情的具体情况，自己构建这些模型？

我们不得不做全方位的尝试。根据用例的不同，有些方法比其他方法效果更好。好吧，我也很好奇，你是如何考虑组建一个团队来解决这些问题的？我认为这是一个很好的问题。我可能会用三种不同的方式来回答它。首先，如果你今天是一位创始人，

试图建立一家公司。如果你相信最有价值的公司将从应用程序层和模型层之间某种程度的垂直整合中脱颖而出，那么下一代极其有价值的公司将由那些多年来一直痴迷于成为某个行业专家的创始人建立。

我建议有人真正知道如何规划最有价值的用例，并有一个清晰的故事来解释这些用例如何在协同作用下产生复合价值，当你越来越多地一起解决这些问题时。我认为创始团队必须具备正确的机器学习能力，才能真正构建正确的实时学习循环，构建机器学习运营循环，

以衡量并缩小这些用例的模型质量差距。然后我认为，正如我们谈到的那样，模型实际上只是解决问题的一部分。你实际上需要认真考虑产品、设计、交付能力，以确保你构建的内容与正确的企业数据源集成，并以正确的方式融入正确的工作流程。你将不得不大力投资于变更管理，以确保客户能够充分认识到他们从你这里购买的产品的全部价值。

这实际上比人们意识到的要重要得多。我确实认为，在这个时间点进行建设有一些非常有趣的事情。在某些方面，当今世界变化的速度可能比技术史上任何其他时期都快。我认为大多数人可能会说，我们上次看到类似的情况是互联网的激增。

我认为创始团队的一个后果是，你实际上正在应对大量的不可预测性和模糊性。因此，当你考虑在这个环境中将会成功的团队时，它将是那些纪律严明到能够跟踪世界变化的团队，并且具有能够做出反应并能够根据新信息的出现而调整战略的内部能力。并且你必须挑战一些定义了你构建方式的假设。

我认为这之所以具有挑战性，部分原因在于，随着公司规模的扩大，你的敏捷性会越来越低。我认为大多数公司，我认为你必须问的问题是如何用更少的资源做更多的事情？作为一个小型团队，你如何才能产生更大的影响？因为保持团队规模较小可能对生存和保持这种敏捷性至关重要。今天存在的、可用的所有这些人工智能生产力工具，你不仅可以构建它们来销售它们，

而且你可能也应该作为一家公司自己大量使用它们，并将其用于公司建设。事实上，我认为你今天走过Ambience办公室。我猜每个人，无论职能如何，都会在他们的电脑上打开某种人工智能生产力工具。这可能是ChatGPT，可能是Cloud，可能是Cursor，也可能是其他东西。我猜他们可能每小时使用这些工具多次。

每10分钟多次做那些否则可能需要他们花费2到10倍时间才能完成的事情，这令人兴奋，因为我认为依靠较小的团队，它可能不再仅仅是相对的竞争优势了。鉴于世界的发展方式，对于许多这样的公司来说，这可能对长期的生存和成功至关重要。

这很有趣，因为如果你考虑一下，即使在新冠疫情期间，每个人都在疯狂招聘，你也在疯狂招聘工程师。现在，与之同时，生成式人工智能和LLM开始兴起。其想法是，你不仅招聘人数减少了，而且听起来你可能不需要招聘那么多人，就像你说的那样，这改变了我们对公司规模扩张的看法，我认为。

现在，对于垂直人工智能和垂直SaaS构建者来说，另一件可能有用的是，再次，如果你考虑这些垂直人工智能公司和更深奥的受监管行业是构建最有价值的地方之一，我认为这需要一种非常不同类型的团队来解决这些问题。

我们解决的大多数问题都需要结合多人的专业知识才能解决，这意味着我们的产品经理和工程师必须与医生、编码专家和护士密切合作，反之亦然。因此，我们必须认真考虑，当你招聘新的PM时，当你招聘新的工程师时，你如何让他们适应所有医疗保健环境？

当你从医疗保健领域招聘一位临床医生、护士或专业编码员作为领域专家时，你如何真正教他们所有技术和产品管理概念，以便人们能够使用共同的语言进行协作并一起构建产品？我们花了几年时间才解决这个问题。这既需要招聘那些乐意在这种环境中工作的人，也需要为他们在这种环境中取得成功提供所有知识和工具。

我认为这实际上是公司在其文化中建立的一种非微不足道的能力，这很可能是导致一些公司成功而另一些公司失败的原因。然后我认为最重要的是，你需要与客户建立正确的伙伴关系

这样，如果你试图在这些领域构建产品，那么能够从概念到原型到部署，然后非常快速地迭代，我认为这将成为游戏的名称。我认为我们必须在Ambience投资的一大块是，你知道，当我们第一次与我们最初的客户合作时，我认为他们与我们一起迈出了一步。他们真的不知道它是否会成功。我们不得不

努力工作，基本上向他们展示他们认为可能不可能的事情实际上是可能的。这只有通过合作才能实现。我认为我们在过去几年中解锁的一个神奇的部分是，现在突然之间，你看到了像约翰·缪尔和旧金山加州大学这样的机构，它们位于湾区。休斯顿德克萨斯州的纪念赫尔曼医院。爱达荷州博伊西的圣路加医院。他们现在正在整个系统中部署这些技术。

突然之间，你体验到医疗系统发生了转变。突然之间，这些早期客户

他们现在是信徒，他们想与我们一起建设未来。这真的很特别，因为如果你拥有能够紧密合作的正确团队，它将结合世界上最好的PM、最好的机器学习工程师、最好的临床医生、最好的护士、最好的编码员所能构建的最佳内容。然后你创建一个环境，让这些医疗系统说，嘿，让我们一起探索新的用例吧。让我们一起进行原型设计、测试和迭代。这些设计合作伙伴

与你所建立的团队一起，我认为这是构建成功的AI平台公司的制胜秘诀。我认为这对于

对于我们这个领域的其他公司来说，可以作为蓝图。是的。当你拥有这些团队，并且可以与客户合作，并且至少有那些进来的人说，例如，我们以前做过这个。我们了解这个领域。我们知道你的问题是什么。我们了解你，并与他们协同工作。比给他们一项技术并说你会弄清楚要好得多。这是人工智能，对吧？就像所有你的问题一样。就像，是的，当然。我认为，是的，我认为这是一个非常好的观点。

在某些时候，人类是固执的。在某些时候，人类，无论是医生、律师还是选择一个行业，开发人员都不想放弃控制权，或者不想看到他们对工作的自主权受到太多影响。所以我想知道，这条线在哪里？或者你认为未来如何，你实际上可以承担多少工作，直到它变成这种抵制？这是一个很好的问题。我认为正确解决这个问题的方法的一部分是认识到

完美可能不是现在的正确目标。因此，预计你去的每个机构可能都会有一些用户说，你知道吗，我几年后就要退休了。这与你正在做的任何事情都没有关系。就像，让我这样吧。我将继续以我今天的方式工作。我不想改变我的工作方式。

这是可能的。我们确实在与我们合作的一些机构中看到了这一点。话虽如此，我认为在认真考虑如何交付新技术以及交付新技术的顺序方面，可以做很多事情，这可以使跨越鸿沟变得容易得多。我认为一件肯定是真的，那就是，如果你是一个处于中间位置的人，你需要听到更多关于某些事情有效的证据，然后你才愿意采用它，那么被包围……

那些实际上已经尝试过这项技术、每天都在使用它并赞扬它的人，这可能意味着你是否愿意花时间去尝试它，而不是仅仅说，你知道吗？

我不知道我是否有时间。我们思考很多的一件事是，在我们开始追逐中间群体之前，我们如何找出应该首先与哪些用户一起部署？因为你想创造这些成功的核心，人们开始谈论改变后他们的生活是什么样的。

最终形成越来越多的信徒浪潮，在机构内部。然后我认为不可避免地会发生这种情况，你进入一个你认为产品会运行良好的设置或用例，但由于某种原因它没有运行良好，无论是由于模型的知识限制、行为限制还是工作流程问题。我认为在那里，区别实际上更多的是……

更多的是团队在识别这些用例方面的痴迷程度，快速找出这是一个你将投资还是不会投资的地方，然后通过说，嘿，以前不适合你的东西，因为A、B和C的原因，好吧，两周后，看，我们已经解决了这个问题，你对我们来说非常重要。让我们再试一次。

以这种方式对用户做出回应，当不采用的原因是产品质量限制时，我认为这非常非常有可能意味着信任与否之间的区别，以及是否想与你合作，而不是说，你知道吗，我已经放弃你的公司了。我认为我合作过的最好的产品营销人员之一。

她的观点是，找到你的拥护者并帮助他们推广他们的成功。这就是你扩张的方式。这就是你做到这一点的方式。这在组织内部是正确的。这在组织之间也是正确的。我认为在过去12个月中发生在Ambience身上最伟大的事情是，我们的客户现在正在舞台上和会议以及同行群体中发言，其他医疗系统领导者正在倾听，并基本上讲述Ambience的故事。

他们能够为他们的临床医生创造的所有令人难以置信的影响。我认为这导致了我们行业中前所未有的入站水平。

这比Ambience所能支付的任何营销都更有价值。当然。这就是现在的一切。如果你坚持到最后并喜欢你听到的内容，请分享这个播客，并在你选择的平台上进行评分。并在接下来的几周内继续检查你的订阅源，以获取更多精彩剧集。