今日,东软熙康控股有限公司在香港联合交易所主板挂牌上市(股份代号9686. HK),成为港股“互联网+医疗护理第一股”。东软熙康成功登陆港股,不仅意味着东软又添新上市公司成员,同时对东软积极布局大健康产业生态具有极其重要的战略意义。
一直以来,东软深耕医疗健康产业并积极布局。2011年,东软集团面向健康管理和互联网医疗领域投资成立东软熙康,以创新的商业模式和灵活的管理方式,充分释放创新公司的潜力和价值,积极打造东软大健康产业联盟,推动东软以软件技术为核心,实现在数字经济、智慧城市、医疗健康等领域多元化发展的新模式,夯实东软可持续发展的生命力。
作为中国新医疗服务市场的引领者,东软熙康致力于用信息技术驱动医疗变革,为医疗利益相关者赋能并创造价值。东软熙康建设了中国首个以城市为入口的云医院平台,并将城市云医院平台快速拓展至国内多地,帮助政府建设和运营区域化新医疗基础设施,将地方政府、医疗机构、患者及保险公司连接起来,实现公平地获取医疗资源,更高效地交付医疗服务。同时,东软熙康通过云医院平台促进包括互联网医院服务、远程医疗服务、智慧家庭医生服务及互联网居家护理服务在内的互联网医疗服务的交付,提供健康管理服务及智慧医疗健康产品,实现医疗健康服务的便利可及。
东软熙康上市敲锣仪式
成立以来,东软熙康见证并引领了中国互联网医疗十余年从无到有、从星星之火到如今蓬勃发展之势。截至2023年3月31日,东软熙康已拥有29个以城市为入口的云医院平台,云医院平台上有约116,500名注册医生及46,000名注册护士,接入公司平台的医疗机构数量35,600家,网络已覆盖中国医院总数的6.6%,成为中国最大的云医院网络。在9个城市拥有10家连锁自营医疗机构。2022年,东软熙康与浙江省达成“浙里护理”重大战略合作,浙江省全省统一的“互联网+护理服务”模式正式落地,实现了由专业护士上门为居民提供优质的护理服务,满足市民多样化的护理需求。
在自身商业模式创新和推动产业变革的同时,东软熙康也受到了资本市场的青睐。2014年,东软熙康引入弘毅、高盛、协同创新等资本,获得首轮融资1.7亿美元,成为当时全球互联网医疗与健康管理领域最大单笔融资纪录。随后,东软熙康完成多轮融资,陆续引进中国人民财产保险、阿尔卑斯电气、通和毓承等战略投资者,通过搭建更加开放、创新的平台,极大地推动公司的快速发展。
此次,东软熙康在港股上市,也陆续获得了宁波市产业基金、海曙投资、INFO EXPERT等投资,不仅为其提供了更多的融资机会,也使得未来的业务发展获得持续的新动力。东软熙康本次上市融资将主要用于拓展以城市为入口的云医院平台,以扩大公司的医疗网络及用户群;用于丰富公司在整个行业价值链上的产品,以提供更专业及多样化的医疗健康服务;用于技术基础设施及数据处理能力的研发;用于潜在的并购机会;用于营运资金及其他一般公司用途。
东软集团董事长、东软熙康董事长刘积仁博士表示,东软熙康的成功上市,将迎来业务的新一轮成长,并进一步推动东软构建的大健康产业联盟走向更加成熟,形成可持续发展的生态系统,助力东软打造以“中心、平台、生态”协同发展为核心思路的数字经济发展新模式,拓展东软以数据要素为核心驱动的新型智慧城市建设发展之路。
好文章,需要你的鼓励
来自耶路撒冷希伯来大学的研究团队开发了WHISTRESS,一种创新的无需对齐的句子重音检测方法,能够识别说话者在语音中强调的关键词语。研究者基于Whisper模型增加了重音检测组件,并创建了TINYSTRESS-15K合成数据集用于训练。实验表明,WHISTRESS在多个基准测试中表现优异,甚至展示了强大的零样本泛化能力。这项技术使语音识别系统不仅能理解"说了什么",还能捕捉"如何说"的细微差别,为人机交互带来更自然的体验。
这项研究提出了"力量提示"方法,使视频生成模型能够响应物理力控制信号。研究团队来自布朗大学和谷歌DeepMind,他们通过设计两种力提示——局部点力和全局风力,让模型生成符合物理规律的视频。惊人的是,尽管仅使用约15,000个合成训练样本,模型展现出卓越的泛化能力,能够处理不同材质、几何形状和环境下的力学交互。研究还发现模型具有初步的质量理解能力,相同力量对不同质量物体产生不同影响。这一突破为交互式视频生成和直观世界模型提供了新方向。
北京交通大学与西蒙弗雷泽大学联合研发的混合神经-MPM方法实现了实时交互式流体模拟。该方法巧妙结合神经物理学与传统数值求解器,在低时空分辨率下运行神经网络并设置保障机制自动切换到MPM,显著降低计算延迟同时保持高保真度。团队还设计了基于扩散模型的控制器,支持用户通过简单草图直观控制流体行为,为游戏、VR和设计领域提供了实用解决方案。
这项研究介绍了EgoZero,一种创新的机器人学习系统,能够仅通过Project Aria智能眼镜捕获的人类示范数据,训练出零样本迁移的机器人操作策略。研究团队提出了一种形态无关的状态-动作表示方法,使用点集来统一人类和机器人数据,并开发了从原始视觉输入中提取准确3D表示的技术。在没有任何机器人训练数据的情况下,EgoZero在7种真实世界操作任务上实现了70%的成功率,展示了强大的泛化能力,为解决机器人学习中的数据瓶颈问题提供了新思路。