AI浪潮下北大携手卓越睿新布局医学知识新基建

智通财经APP获悉，近日，北京大学医学部与卓越睿新（02687）正式签署合作协议，双方将携手共建“北大医学未来学习中心”。在此次合作中，卓越睿新派出前沿部署（FDE）团队，深入业务一线，从项目启动、初试、复盘到交付，实现全流程深度参与。这一策略不仅旨在交付一套系统，更致力于精准捕捉客户在真实应用场景中的核心需求。

此次合作的内涵，远不止于“共建”二字。

卓越睿新与北大医学的真正目标，是在医学这个对“准确性”要求极为严苛的领域中，构建一套AI for Science（AI4S）基础设施。目标十分明确：将散落在教材、文献、临床案例中的医学知识，转化为可计算、可溯源、且能持续迭代的数据资产。

北大医学方面贡献了知识资产、临床场景与专家校验能力；卓越睿新则投入自研的医学学科大模型、Multi-Agent知识生产架构以及多模态数据处理技术。双方联手，旨在打造一张涵盖人体解剖、病理生理、免疫遗传等学科的“源图谱”，并配套开发数字标本、虚拟解剖、数字切片、虚拟细胞、虚拟病人等实验科研与教学资源。

这一过程中沉淀的数据，具有极高的价值。这些并非网络公开资料，而是经过医学专家与AI系统反复标注、校验、关联后形成的结构化数据。维度极为精细：从宏观的人体结构，到微观的细胞形态，再到分子层面的机制模拟。简而言之，双方正在共同构建医学领域的多模态“数据底座”。

医学知识如何转化为数据？

医学知识具有更新快、专业门槛高、容错率极低的特点。通用大模型在医学场景中的最大挑战，并非“不懂”，而是“懂了却无法确认正确性”，且难以追溯其参考的文献或临床指南。

卓越睿新的技术方案，核心思路可概括为“循证”。其目标是让AI的每一步推理都有据可查。具体实施上，系统采用Multi-Agent协作框架：人类专家负责制定方向与策略，AI智能体则负责大规模检索、比对与初步整理。检索模型采用分层设计，先定位高质量证据，再逐层总结，最终生成的结论必须附带明确的文献来源。

以免疫学中的“CD4+ T细胞亚群”为例，系统不仅呈现基础定义，更将功能特性、疾病角色、调控机制、前沿研究与临床指南串联成一张知识网络。每个节点均可追溯至原始出处。这种“生成即溯源”的机制，在医学领域并非锦上添花，而是底线要求。

基于知识数据的AI Skills落地应用

从现场服务演示来看，卓越睿新已将这些数据能力转化为可直接使用的教学与科研工具。更具体地说，是搭载了多种技能（skills）的专属智能体。

在课堂教学层面，系统配备了“课程超级智能体”，支持多模态问答、实时对话及课程私有知识库检索；AI翻转教学模块帮助教师重新设计课堂结构；AI课件开发工具引入互动式教学模块，丰富在线学习体验；此外，还可定制专属的数字人教师，完成形象定制与声音复刻，用于超拟真授课与实时互动。

在实验与技能训练层面，配套资源库已覆盖从基础到临床的完整路径：数字解剖人和标本库对应宏观结构，数字切片对应微观形态，数字功能人对应机能模拟，虚拟细胞对应分子机制，虚拟病人对应临床技能。学生可在虚拟环境中完成从课程学习、实验操作、自主训练到能力评估的完整流程。

这些工具并非孤立存在。它们围绕“师-生-机协同”的理念设计，实现了从知识传授、能力训练、实验模拟到科学研究的连贯支持。

FDE的价值：深入现场方能沉淀真数据

尤其值得关注的是，卓越睿新在此次合作中的工作方式。

与常见的远程软件交付不同，卓越睿新派驻了FDE（前沿部署）团队深入北大医学现场。这些技术人员并非坐等需求文档，而是直接进驻教学与科研场景，与一线教师、临床专家并肩工作，共同调试模型、校验数据、优化流程。

这种工作方式的意义在于：只有深入现场，才能理解医学知识生产中那些“难以言明”的细节——例如某个临床案例的边界条件、某台实验设备的参数限制、某本教材与最新指南之间的差异。这些细节构成了真正的行业Know-how，也构成了数据壁垒中最难复制的部分。

FDE模式意味着卓越睿新不仅是在销售软件，更是在每个客户现场积累不可迁移的共建经验与数据资产。这种模式比标准化产品交付更重、更慢，但一旦跑通，客户粘性与竞争壁垒也远高于后者。

未来商业空间如何展望？

此次合作还开辟了更大的想象空间：医学只是起点，卓越睿新的技术能力正在向更广阔的垂直领域延伸。

“北大医学未来学习中心”的建设理念中，明确提出要打通“基础医学与临床医学”“科技创新与产业创新”“物理空间与数字空间”的边界。这意味着，未来这套系统不仅服务于校内教学，还可能延伸至住院医师规范化培训、继续医学教育、临床决策支持乃至医药研发领域。

对资本市场而言，与北大医学的合作是一次“高站位”的赛道卡位。一旦在医学教育这个对准确性、专业性要求极高的领域跑通模式，其技术框架向工程学等其他垂直学科迁移的路径也将更加清晰。

AI4S的故事听起来宏大，但落地时要求极高——就是一本教材如何拆解为数据节点，一个临床案例如何关联到前沿文献，一个虚拟细胞如何模拟出真实的分子反应。

卓越睿新与北大医学的此次合作，或许表明：在中国的垂直Science领域，共建一套知识基础设施、沉淀一批多模态数据资产，可能是更具价值、也更难被复制的一件事。