8月24日,京东健康发布2021年中期业绩公告。截至2021年6月30日,过去12个月的年度活跃用户数量达到1.09亿,相比于截至2020年底过去12个月的年度活跃用户数净增加超过1880万,实现了用户认可度和信赖度的持续提升。
公告显示,2021上半年,京东健康持续加大研发投入,旗下智慧医疗业务板块持续发力。其中,京东健康以数智化供应链帮助优化区域内医疗服务资源配置,持续为地方政府、线下医院、线下药房等多方,提供以患者为中心的、贯穿医疗全流程、线上线下一体化的智慧解决方案;并以灵活高效的方式帮助区域内全民健康信息互联互通,助力缓解患者就医需求的不断增加、与优质医疗资源短缺且分布不均衡之间的矛盾,加速推进区域和基层医疗服务数智化发展和普惠医疗的实现。
在智慧医院方面,京东健康持续整合资源和技术服务能力,与多个医疗机构共同深化线下优质医疗资源在线上医疗场景中的创新应用,提升用户服务体验以及医院整体医疗、管理水平及工作效率。其中,京东健康与河南中医药大学第一附属医院合作上线的河南首家中医互联网医院,除了以AI创新应用构建了一系列中医特色互联网医疗服务功能外,还将其打造成了线下医院自建互联网医院提升运营能力的“创新样本”,进一步扩大区域内优质医疗资源覆盖范围,使优质的医疗服务满足更广大居民的需求。
(中医特色功能设计)
京东健康基于新型云架构和多租户模式的AI云审方中心,也在北京市海淀区10家社区医疗机构上线运行。利用AI技术统一提供处方前置审核、处方点评、合理用药、中药饮片审方等功能,AI云审方中心实现了区域内处方的统一管理、统一审核和统一流转,解决了区域基层药师审核能力及标准不一致、药学服务效率低等问题,推动了以AI技术驱动的区域药学服务新模式落地。同时,京东健康还实现与北京市社区医院处方点评系统对接,基于京东健康海量、全面、准确的知识库及处理能力,自动化、智能化的审方规则库,提供处方预点评和药品说明书查询功能,以提高社区医院处方质量,促进合理用药。
以数字化、智能化技术为抓手,京东健康与地方政府合作,助力区域和基层医疗服务体系数智化发展。报告期内,京东健康与广州市海珠区人民政府签订战略合作协议,双方通过打造“互联网+家庭医生”服务的“健康海珠”模式,为居民提供便捷的健康管理服务,促进健康服务质量提升,开启了社区家医健康管理新模式;与广东省疾病预防控制中心共同发起《广东省糖尿病血糖监测地图》项目,运用物联网、大数据等技术实现糖尿病居家血糖监测,加强医务人员对糖尿病患者远程管理与随访服务效率,正成为探索“互联网+糖尿病管理”服务在公共卫生和疾病预防领域的创新实践。
此外,京东健康还依托自身及京东集团领先的技术,利用各类AI应用,优化诊前问讯,处方续签和用药管理等环节,构建处方前置审核规则,保障用药安全。同时,为帮助传统线下药店抓住消费新趋势的机遇,缓解其获客难、运营难、盈利难等诸多问题。京东健康还为线下合作零售药房提供一站式全渠道数智化解决方案,帮助实现工业到商业、商业到终端药店、药店到用户的连接,进一步助力传统线下零售药店数智化转型升级,帮助药店实现降本增效。
公告表示,京东健康将进一步利用人工智能、大数据、供应链等核心能力,为用户提供高质量的医药健康产品和科学专业的医疗健康服务,为合作伙伴提供更大的市场与发展机会。
可以预见的是,随着与地方政府、线下医院、线下药房等各合作方不断深化合作,京东健康将助力区域内优质医疗服务资源有效配置,进一步将普惠医疗传导至每位用户,从而更好满足区域和基层居民便捷就医需求。
好文章,需要你的鼓励
是德科技高级副总裁兼通信解决方案事业部总裁Kailash Narayanan现场指出,算力固然重要,但如果能耗过高,技术的实用性将大打折扣,因此,所有的高速、高性能计算,都必须在极低的功耗下实现,这是AI等技术能否大规模落地的核心前提。
DeepSeek-AI团队通过创新的软硬件协同设计,仅用2048张GPU训练出性能卓越的DeepSeek-V3大语言模型,挑战了AI训练需要海量资源的传统观念。该研究采用多头潜在注意力、专家混合架构、FP8低精度训练等技术,大幅提升内存效率和计算性能,为AI技术的民主化和可持续发展提供了新思路。
来自上海交通大学和浙江大学等机构的研究团队开发出首个AI"记忆操作系统"MemOS,解决了AI系统无法实现人类般持久记忆和学习的根本限制。该系统将记忆视为核心计算资源进行调度、共享和演化,在时间推理任务中相比OpenAI记忆系统性能提升159%。MemOS采用三层架构设计,通过标准化记忆单元实现跨平台记忆迁移,有望改变企业AI部署模式。
加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力,发现即使最先进的AI在理解视频中事件因果关系方面表现极差,大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench,并提出了识别-推理分解法(RRD),通过任务分解显著提升了AI性能,最高改善幅度达25.2%。