封闭数字环境
AI for Coding
任务起点问题已经定义
世界状态代码与依赖可读取
验证方式编译器、测试、运行时
反馈速度秒级、密集、确定
竞争结果程序性能力快速普及
AI FOR RESEARCH · REALITY INFRASTRUCTURE
AI 已经学会写代码。
下一步，是学会
研究真实世界。
Coding 的验证器是编译器和测试；Research 的验证器是数据、实验、专家判断与长期结果。我们正在真实放射科中，建设 Medical Research Agent 接触证据、影像、工作流与临床结局的基础设施。
问题边界现实不确定性
01
AI for Coding
定义好的问题
TESTS PASSED
反馈密集 · 验证即时 · 能力快速商品化
02
AI for Research
问题到底是什么？
开放世界 · 反馈稀疏 · 验证决定价值当智能供给变得充裕，现实验证能力开始成为稀缺基础设施。
15 年+真实放射工作流演进
105医生工作站
400 万+原始报告池
1,198结构化证据演示单元
76,813MR 序列上下文索引
653,216生产 API 调用
继续理解 Research 的新瓶颈
02
WHY NOW
Research 的瓶颈，不是生成更多答案
而是发现真正的问题，并建立一条可以相信的现实验证链。
验证器迁移
到现实可证伪
→
从机器可判定到现实可证伪
开放真实世界
AI for Research
任务起点首先判断问题是什么
世界状态局部、噪声、不可完全观测
验证方式实验、专家判断、长期结果
反馈速度稀疏、延迟、相互冲突
竞争结果Reality Access 决定上限
AI for Coding 解决“如何把已定义的问题做完”；AI for Research 首先解决“问题到底是什么，以及怎样知道答案是对的”。
03
THE MISSING LAYER
这是 AGI 与真实世界之间缺失的一层
如果基础模型是大脑，它仍然需要感官、专业工具、行动入口与反馈回路。
通用认知与编排
AGI / Research Agent
提出假设 · 选择工具 · 整合证据
医学现实层
看见CT 架构已建立影像上下文引擎检查意图 · 器官锚点 · 层面位置 · 期相点击进入 ↗
理解临床证据精炼系统把语言变成可验证证据点击进入 ↗
行动临床现实反馈入口进入 PACS 并记录反馈点击进入 ↗
学习现实经验编码把失败变成下一版约束点击进入 ↗
真实放射世界
报告影像
医生工作流
病理随访
CT CONTEXT STACK一套影像，先回答四个上下文问题19,063 序列完成真实数据闭环
检查意图为什么扫描
→
器官锚点扫描覆盖什么
→
层面位置当前位于哪里
→
期相识别平扫 / 增强 / 时相
查看 CT 架构与验证 ↗
04
ONE TRACE THROUGH REALITY
一个医学判断，必须穿过完整证据链
以下脱敏示例来自真实放射报告与病理关联数据；不展示患者身份，只展示判断如何获得现实锚点。
真实 MR 序列素材
影像上下文
上腹部 · 肝胆 · MRCP
序列身份、解剖覆盖与检查上下文先被确定，像素才进入后续推理。
观察证据
胆囊内见多发结节状充盈缺损。
临床判断
拟胆囊多发结石、胆囊炎。
现实结局
术后病理：慢性胆囊炎急性发作伴结石形成。
机器可用资产
证据—判断—结局对齐单元，可用于训练、评测、检索和失败分析。
05
REALITY COMPOUNDS
真正的资产不是错误，而是错误留下的可执行改进
模型会迭代，通用 Skill 会普及；持续知道系统在真实世界哪里错，才会形成复利。
BENCHMARK COLLISION
F1=0.929，真实 1000 例只命中 1 条
错误前提 单模块指标代表上线质量
编码结果 生产回归协议 · 难样本评审集
GEOMETRY COLLISION
17,143 个 CT 序列在错误参考系里保持自洽
错误前提 教师模型输出可以作为物理真值
编码结果 几何契约 · 源像素探针 · 方向测试
WORKFLOW COLLISION
一条通用 DICOM 规则，造成 85% 生产失败
错误前提 跨模态元数据可以统一解释
编码结果 模态感知规则 · 白名单 · 过滤测试
真实工作流→预测错误→专家归因→规则 / 模型 / 图谱 / 测试→再次部署↺
FIELD LESSONS · 08查看全部 8 个真实世界经验案例查看每一次碰撞如何变成规则、评审集与下一版系统约束进入案例库 ↗
06
THE REALITY TRANSLATOR
基础设施生长在临床与工程的交界处
这不是临时组装的 Demo 团队，而是一名长期同时处于放射临床、软件系统、AI 与真实工作流内部的构建者。
吴
吴明祥
深圳市人民医院放射科主任医师 · AI 产品经理 · 全栈工程师
把不可流通的临床现实，压缩成可以被机器调用、验证和持续更新的领域智能。
临床判断长期一线阅片与质控→
工作流构建2011 年系统上线→
领域抽象标准、规则、知识图谱→
Research Infra三条现实接口
10 余项第一作者专利3 项成果转化16 家医疗机构落地城市级放射质控实践
EXPERT THOUGHT · FIELD NOTE 01互联网给模型知识，现实给模型经验从一个在镜像世界里依然自洽的模型说起阅读专家思考 ↗
BUILD THE NEXT REALITY LOOP
带着一个真实问题来，
共同建立它的验证闭环。
我们不提供泛化的“AI 转型方案”。我们更适合从一个高价值、可验证的临床或研究问题开始，把现实接入、专业判断与反馈机制做成可以持续运行的基础设施。
为基础模型团队设计临床任务、领域工具、失败集与真实工作流评价。
接入 PACS 工作流，统一请求与结果，记录医生使用、修改与驳回信号。
把报告、影像、规则、知识图谱和工作流经验沉淀为院内可运营资产。
围绕队列精炼、证据关联、病理或随访结局，建立 Research Agent 的现实验证器。
受邀技术交流深圳市人民医院 · 罗湖区政务服务和数据管理局
wu.mingxiang@szhospital.com ↗
模型会越来越强。下一道壁垒，是持续知道它在真实世界哪里错。