从“天价药”到“千分之一成本的突破”，在人工智能与医疗的交汇处，人类正经历一场前所未有的范式转移。在AI & Society Forum 2026 的圆桌论坛“生命的算法：AI距离真正的医疗应用，到底有多远？”中，腾讯健康总裁吴文达医生、晶泰科技董事长温书豪与腾讯研究院共同揭开了AI医疗与我们的“真实距离”。当AI能以惊人的速度发现靶点、优化治疗方案，我们是否已经跨越了那道名为“绝望”的鸿沟？与此同时，作为医疗决策的“终极把关人”，医生与算法的边界又该如何划定？如果说AI是加速生命的杠杆，那么谁来为其背后的责任与伦理负责？以下是本次圆桌的精彩实录。主持人:
刘莫闲 腾讯研究院高级研究员、前沿科技研究中心副主任
嘉宾:
吴文达 腾讯健康总裁、腾讯生命科学实验室负责人、腾讯健康普惠实验室负责人温书豪 晶泰科技董事长
编辑整理：
窦淼磊 腾讯研究院高级研究员
【关键观点】
1.AI医药已到爆发前夜：从遗憾到治愈。科技巨头与药企巨头频繁合作，真正解决生死问题的案例已经发生，而且成本是可控的。5年内，部分癌症将被治愈或变为慢性病。2.医学更多不是science，是humanities。医学决策不是绝对性的——病人的描述模糊、治疗方案因人而异、道德和心理因素交织。AI擅长标准问题的标准答案，但真正的医疗决策需要理解人的context。3.AI在医疗中100步还没走到第1步。一是大模型在标准测试中表现优秀，但真实问诊中病人描述千差万别，AI难以处理不确定输入；二是AI尚不能为最终交付物负责任——代码可以自动验证，但医疗决策的后果无法回滚，没有责任主体就没有突破。4.药物研发链条从靶点发现到临床管理极长，AI在每一环起作用。AI是超级工具，能加速但却无法替代人的干预和判断。5.AI医疗的核心法律困境：责任主体不解决，AI医疗的生产力就无法释放到极致。这不仅是法律问题，更是社会问题：我们愿意让渡多少自主权给AI？
刘莫闲：从去年开始，AI与医疗的结合确实有了非常多的进展：全球已有超过100个新的AI发现的疾病治疗分子，FDA也大量批复了AI诊断设备和软件。今年年初，国内外许多企业高调加入AI医疗健康助手领域，为医生和患者提供服务。但同时，据我了解，目前还没有很多AI支持的药品真正进入市场——这个待会听一下温博士的最新消息。我们也看到了AI看病的风险，甚至会出现错误的建议。AI仿佛离我们非常近，向我们奔跑过来的速度非常快，但它真正融入日常医疗服务，还有不少距离。这就是我们今天的话题——生命的算法：AI距离真正的医疗应用，到底有多远？是刚开始、走了一半，还是已经到了一些big milestone？先请温博士分享。温书豪：谢谢主持人。很高兴来到香港大学，非常亲切——大学永远是孕育伟大人物和伟大想法的地方。晶泰科技也是12年前在麻省理工校园成立的公司，我们做的正是用人工智能来开发更好的药物。大概十几年前我刚到美国时，小时候带我的阿妈得了肝癌。家里觉得美国医疗先进，让我帮她找药。当时真的找到了一款靶向治疗肝癌的抗癌药物，但发现一个患者在美国要十几万美金一年。那是我第一次接触药物——它竟然要这么贵。你找到了一款好药，给亲人带去了希望，却发现这个药价几乎无法承担，那种无力感非常深刻。后来阿妈还是去世了。正是因为这个原因，我进入了这个产业——我原来是搞量子物理的，不是医药出身。那是我第一次理解药物，也在想：为什么药物那么贵？这个产业到底是怎么回事？ 12年后，前段时间，我老家一个表弟的父亲得了很严重的淋巴瘤，已经弥漫到全身，甚至到了中枢神经系统。他找了很多医院，医生都说可能没办法了，又来找到我。12年创业，我们也做了一些事情。最近我们深度孵化了一家企业叫莱芒科技，用AI优化细胞治疗CAR-T——基于对代谢增强型免疫和人体免疫系统的精确理解，把传统CAR-T疗法的准确度和成功率大大提升。12年前我因为亲人患癌进入这个产业，12年后同样的事又发生了。两个礼拜前我跟表弟见面，把莱芒科技介绍给他。这家公司的创始人是我在MIT的校友，现在在瑞士洛桑联邦理工做免疫工程系教授。他用他的疗法帮我表弟的父亲治疗，表弟非常开心地告诉我：第一，我爸被治愈了——过去他觉得这不可能，这种全身弥漫的淋巴瘤，怎么可能？第二，他说一开始以为要花100万，因为传统CAR-T要120万，美国要48.5万美金，现在10万块钱都不到。通过AI，整个剂量降到了传统CAR-T的不到千分之一。 所以我对创业12周年的感受是——这是一个圆满。12年前我因为某种遗憾进入这个产业，12年后我亲眼看到，AI在医疗和药物产业真的在解决巨大的问题，能把人从死亡边缘挽救回来，而且成本是affordable、可控的。所以您问我AI在医疗医药产业到了什么阶段，我切身体会的是：它可能已经到了爆发的前夜。一是最近可以看到，欧美大厂——谷歌、Anthropic、OpenAI——都在跟大型药企和医药研发机构合作；另一侧，像礼来这种市值超过1万亿美金的药企也在跟AI巨头合作。产业间的结合已经非常频繁、非常重大。我刚才举的例子也说明，AI与医疗的结合正在真正解决病人的问题、生死的问题。我的观点是：AI正在到达医疗和医药行业爆发点的前夜，大家可能很快就会看到它对生老病死这些人类终极命题带来深远的影响。刘莫闲：谢谢温博士。我想追问一个小问题，也是替大家问的：您刚才提到的，我大概算了一下，12年时间成本降到了原来的1/10，可以这么理解吗？温书豪：是的，小分子药物对应的是这个数据。宏观来看是这样的。刘莫闲：那再往前看，5年以后，像癌症这种过去我们认为是不治之症的——是不是真的有可能，普通老百姓都可以负担，通过我们的药，或者在AI的加速下，让它变成一种相对慢性的疾病？温书豪：是的，我看到了这个趋势的变化，包括刚才讲的发生在我们企业身边的这些事情，我觉得有两点。AI在医药行业有两重突破：第一重是完全的创新突破——就像AI下棋会下出人想不到的招。在医药这个行业里面，可能会设计一些分子，是人想不到的，他完全就可以，就像把某种肿瘤给治愈，这个是我看到它已经在发生了；第二，当然就是把成本大大降低。我觉得可能在未来5 年之内。有些癌症有些肿瘤就会被彻底被治愈，很多可能就变成慢性病，而且是affordable 的。提到生老病死，是一个很终极的命题，就是地球只能住下这么多人，人为什么会衰老，有生命凋零，有新生命的过程。但是我依然觉得科技的爆发可能把人的寿命带到比如说 120 岁，甚至突破 150 岁。我觉得在我们这代人里面应该是，我是比较乐观的。刘莫闲：好的，谢谢温博士。吴医生，您在医疗服务和公共卫生领域从业多年，是资深的专家。也想请您分享一下，特别是在腾讯医疗健康的业务层面，您看到的AI在行业里的应用，或者AI服务于整个医疗行业的情况——真实的距离是怎样的？吴文达：刚才书豪说的，AI在医药行业确实能带来颠覆性的变革。但要走到那一步，中间还有非常漫长的过程。从出现症状到最终确诊，确诊后还需要采血做测序（sequencing），明确基因变异（mutation），才能尝试CAR-T治疗。目前全球的医疗服务体系中，可负担性和可及性依然非常有限。人人都希望以最便宜、最快的方式找到最好的专家，但对我来说，AI医疗的真正落地，目前的进展还只是百步长征的第一步。我在医学院时就有这种感觉：记忆力最好的同学分数最高，但当他们成为实习医生、住院医生并最终晋升为主任医师时，你会发现一个有趣的现象——大家公认最好的医生，往往不是当年考试成绩最好的那一批。为什么？我个人认为，医学及医疗服务不仅是科学（science），更多是人文学（humanities）。因为许多医疗决定、方案或诊断，并不是绝对的。这延伸到了大模型的问题：大模型大多基于标准问题或结构化输入。但真实的问诊中，病人的描述往往不标准、不明确，有时会遗漏细节，有时描述不准。这种原始输入本身就带有极大的不确定性。如果你简单询问模型“头痛有什么治疗方案”，它只能给出一个大概率正确但笼统的方案。但这个方案是否适合你？很难说。就像问一位负责任的医生“头痛怎么治”，他不会直接给答案，而是会追问：谁头痛？多大年纪？痛了多久？他需要通过大量问题来获取上下文。正如大模型需要上下文（context），医生也需要了解你是谁，才能精准缩小答案范围。即便诊断准确，现代医学的治疗方案仍受限，因为药物、诊断和仪器大多是针对大众研发的。例如，许多高胆固醇患者服用他汀类药物，但其中30%的人因缺乏特定的酶而无效。然而，在现有的流程下，很难让每个病人在服药前都先做基因测试。临床医疗中存在许多权衡（tradeoff）。如果资源无限，当然可以穷尽所有手段，但我们身处一个资源有限的系统。如果系统低效且充满不确定性，AI是否能成为一种实现“医疗平权”的手段，打破这种局限？ 我认为AI对医疗体系最大的帮助，并非替代医生，而是把医生从繁重的行政记录工作中解放出来，让他们回归到最具核心价值的工作中。医学决策应当由医生辅导病患及其家属共同完成，这涵盖了道德考量、真实病情、心理状态乃至家庭关系，并非单一的个体决策。如果AI直接主导医疗，这种系统可能会变得冰冷，至少我个人不会喜欢。我在医学院时，认为医学是纯粹的科学——生物、化学、物理……但行医越久，见过生老病死后发现，科学只是基础。即便未来有随叫随到的AI Agent，人情关怀依然是无法被替代的核心。也许下一代人对机器的感情可能比我们更深，到那时，可能看待问题的方式会有质的变化。AI在医疗领域的应用极其复杂，涉及反馈机制、体系构建和伦理挑战。但随着技术对人类价值观的重塑，这一切都会演变。刘莫闲：特别感谢吴医生，给我们从非常深刻的角度做了分享。我太太也是肿瘤科医生，您刚才说的确实感同身受——医学更多不是science，more like humanities。您刚才也提到说 AI 它对于我们整个医疗资源的这种更大的供给，是一个非常好的机会。 一方面，OpenAI今年年初的一份报告显示，约4%的人会使用AI咨询医疗问题，且多发生在医院下班时间或远离诊所的场景。这是一个很好的例子，说明AI助手能推动“医疗平权”。另一方面，正如您所说，AI应当将医生从繁重的行政事务中解脱出来。在美国的一些案例中，由于行政工作压力，许多医生出现了职业倦怠。而专门为医生提供的Copilot能大幅节省时间。虽然AI已在局部产生作用，但医疗是一个极其复杂的系统：涉及医学专业、公共服务、伦理，以及至关重要的商业维度。如果把医疗体系升级比作一个大目标，AI需要闯过很多关卡。我想问一个有挑战性的问题：既然AI被视为推动医疗升级的关键抓手，我们能否找到一些理想的切入点，作为重点突破口，带动整个医疗体系向更高效的方向演进？您对此有什么想法？吴文达： 我换个角度来回答。我常挑战自己的思维盲区：如果任务是设计一个“无人医疗系统”，暂且抛开现有的法规限制，该如何实现？首先要解决信息不对称。患者对症状的描述通常是直观的，现在的自然语言技术已经能让机器准确理解并进一步追问。更重要的是，通过可穿戴设备收集全天候的生理数据，从而做出更精准的疾病预警（prediction）。当系统察觉到异常并发出预警时，第一步也许不再是直接去问诊医生，而是通过自动化的指引，明确患者需要优先进行哪些特定的检查（如CT、心电图等）。现阶段的医疗流程中，为了确保诊断准确性，往往需要先安排各方面的检查，再根据结果制定方案。如果在前端能有更好的AI预警或辅诊，让前置检查更有针对性，也许能帮医疗系统节约大量资源，优化就医体验。其实在没有AI之前，传统的临床决策支持系统（CDSS）已经能通过算法推断出大概的疾病。但真实世界中的医疗资源并不是无限的。比如在欧美国家，由于看病成本高或预约周期长，很多患者在就医前会习惯先咨询AI。而当患者真正见到医生并离开诊室后，往往会忘记医生嘱咐的90%的细节；受限于时间，医生和护士也很难与每位患者长谈。此时，AI在诊前筛查和诊后信息补充上，就具有巨大的公共服务价值（前提是解决大模型的幻觉与信息准确性问题）。但若切入到真正的“人与效率”核心，从前到后的流程理论上都能实现自动化，只是目前社会还需要一个接受的过程——比如我们去想象机器人辅助甚至主导手术的那一天。目前医疗AI的发展仍处在早期阶段，核心原因在于，AI还无法完完全全为一个最终的交付物承担责任。这与AI写代码带来的冲击非常不同。在企业内部用AI提效，我们可以明确考核出AI生成的2000行代码比以前的200行质量更好，经济效益是直接且明确的。但在医疗领域还有很长的路要走。目前还没有任何一款药或诊疗方案可以从0到1完全由AI自主完成并直接交付给病人，中间必须有专业人士的干预和把关。由于医疗的经济模型、容错率与普通商业完全不同，AI在这里可变革、可推动的环节和路径自然也不一样。刘莫闲：我听下来，觉得有两个东西很重要。一个是病人自身对健康管理的意识，基于这个意识，他会有持续的健康数据积累，这对未来的医疗服务——regardless of business model，而最好的一个基础。其次我觉得您刚才提到的更关键的一个事情，就是商业模式。我提供的这样的一套技术，这样的一套服务，它背后的商业是不是能够有效地转起来？还是说最后评估下来，它必须变成一个公共的服务存在？实际上就是转到刚才温博士您讲的制药的这件事情。制药这件事情是跟。AI 实际上在整个的医药研发这个过程到底是怎样在发挥一些作用？药物公司为什么想去用 AI 去做药物的研发？我觉得这个从科普的角度，你能不能给我们做一些分享。温书豪：从研发药物到临床治疗，链条极长。药物研发涉及小分子、多肽、抗体等标准化工作，有明确的目标和监管（regulatory）要求。在这些目标明确的环节，AI大有可为。AI 就是一种超级工具。第一，我在内部说很多也是，这个超级工具我们用，但是它永远不可能去替代这个人。现在如果你不去用这些超级工具去做开发，我们还依然有很多的患者、病人都是在那个死亡边缘徘徊的，都希望尽快能解决这个问题。说回我最近家里亲戚例子。我们可以做出说刚才说很好的一些疗法，但是就像吴医生说的，医生在这里面的一些非常关键复杂的东西是AI难取代的。首先，我们是做药物产业的，药物工业的。 但是如果这个病人过去看的是不好的医生，他可能不懂最新疗法，医生他会说，你这全身都蔓延，已经没救了，可能病人就直接被吓死了。但是如果像非常有经验的医生，还用到 AI 可以有一个很好的帮助，可以在全人类的知识库里面去了解所有最新的疗法，这个时候就是特别是有一些药物可能在临床上， AI 可以把全世界最新的疗法，能够给到医生做参考。刚才也提到AI 幻觉，如果把诊疗这个事情就丢给AI 的话，我也觉得是不可能。如果是真正切身体会到，某个患者得了已经到生死相关的疾病，他不可能去信任 AI 的，因为它里面也有幻觉，但是 AI 告诉他活还是死的时候，他还是会需要一个非常有经验、非常有关切、非常有人性的医生，你可以试一下，还有哪几种疗法。当医生说这句话的时候，他代表一个非常负责任的专业人士。治疗疾病的是一个非常复杂、非常长的一个链条，包括药物创新。但是每个个体相差实在太大了，如果不做精准的——从医生的角度该做什么检测，该怎么测，测完之后才知道到这个病人是何时用这个药？我觉得AI更多的就是起到一个辅助作用。但也许未来它会变成一种超级的工具，所以它在我们药物行业，因为它有很多标准化的方法，所以AI 可以应用的更好一点。刘莫闲：我想追问一下。几年前AlphaFold取得突破时，我以为绝症的问题很快就能解决。但后来发现，AlphaFold仅仅解决了漫长研发链条中的一小部分。您能否结合您的专业视野，为在座的观众深度解析一下，在整个的药物研发过程中， AI 到底是哪些环节确实能帮到忙？温书豪：好的，从AlphaFold说起。大家可能关注到了它前两年获得了诺贝尔奖。但在药物研发（不含临床治疗）中，以肿瘤为例，本质是人体内某些蛋白结构发生变异，导致信号传导紊乱，进而引发细胞疯狂分裂，形成肿瘤。从治疗角度看，首要任务是识别这些异常。先要明白蛋白的结构是什么。那 AlphaFold 就从技术的角度也只是预测一个蛋白的静态结构，所有的蛋白都在动，所以一些非常复杂的靶点，蛋白的动力学，就是它有的时候 binding pocket 不张开，你就没法设计这个药物。所以这是第一个环节，当然 AI 现在出来，有AlphaFold， 最起码我知道蛋白静态结构，就基于不同静态结构，我可以来去了解蛋白的动力学。正如刚才提到的，制药就像寻找适配钥匙孔的钥匙，蛋白就是那个出了问题的锁。接下来需要设计分子。小分子由碳、氢、氮、氧等元素组合，其化学空间高达10的60次方，比宇宙中的星星还多。如何找到那个能精准结合到蛋白结合位点（binding pocket）的分子？如果结合错了，就会对正常蛋白产生毒性。AI能极大提升在海量化学空间中探索的效率。 此外，一个药效分子不仅要与蛋白结合（体现有效性Efficacy），还需要精准结合（体现选择性Selectivity）。通过AI对分子以及蛋白相互作用的理解，我们可以预测分子的物理化学性质，如药代药动性质。基于已有的数据库，AI可以在不做实验的情况下，预测分子的溶解度、溶解效率等，从而大大减少实验量。 在实验环节，我们晶泰构建了自动化机器人。过去合成一个复杂的奇特分子可能需要几个月，现在通过AI理解化学反应数据并利用逆合成算法设计路线，可能一周就能完成。这极大提升了研发迭代效率。在研发链条的每个环节，AI都起到了关键作用。 但目前AI还无法取代全部的人工研发。整个链条极长，我们目前主要集中在临床前阶段。进入临床后，如何通过生物标志物（Biomarker）筛选最有效的病人，以及复杂的临床管理，仍是挑战。现在FDA也在推动虚拟临床试验，结合真实数据与模拟数据，加速标准化流程。总之，无论是底层物理数据、实验数据还是临床数据，AI强大的参数处理能力（如百亿级大模型）都能从中迅速发现规律。我已看到AI在药物研发中发挥了巨大作用。刘莫闲：感谢您。我一边听，一边构想了一个比喻，假设癌症肿瘤是一个炸弹，第一步是搞清楚它是什么炸弹——火药的、C4的、硝化甘油的还是原子弹？AI可以快速帮我们搞定这个事，比如AlphaFold。第二步是找到引信在哪——哪个地方是它的开关，哪个地方让它持续保持风险？通过AI的方法也可能找到，把引信拔了，它就不炸了。第三步，找到引信后要想办法拆掉它，需要选对工具和材料——你不能拿火去拆，一拆就引爆了。这就需要您说的自动化实验机器系统结合AI，快速做实验，即使炸了也只是在小环境里炸掉。之后的部分——制药等等——就是相对更加自动化的环节。这个理解可以吗？温书豪：非常好，确实。比作炸弹很贴切——你要是拔错了引信就炸了，所以得非常精细。而且那个引信可能藏得非常深，温书豪：可能是10的60次方那么多线里面，你要找到那根最适合的线。只有通过效率极高的模式才能做到——这就是AI带来的价值。刘莫闲：谢谢温博士，这是我第一次生动地听完AI制药的全过程。回到我们的核心话题：AI距离真正的医疗应用有多远？首先看驱动力，现在方向已渐趋明朗：在现有系统之外，通过自动化和数据驱动的方法跑通商业和服务模式，进而影响现有体系。这与互联网的发展路径类似——先跑通方法论，再渗透整个市场。 接下来看风险与挑战。这个行业并非一帆风顺，想请两位分析一下我们需要注意哪些风险？吴文达：医疗体系高度关注法律合规与责任界定——因为每一个环节都关乎生命安全。医疗决策到最后，依然需要由医生作为主体来承担最终责任。从监管角度看，一些传统的非黑箱机器学习应用，在医疗器械管理上已经有了比较完善的制度——经过临床试验、疗效对比和明确的声明，其管理逻辑与药物审批类似。它并不是承诺绝对治愈或零副作用，而是在可接受的安全范围内获批使用。但面对现在的AI模型，我们从法律层面就必须思考：如果由一个模型来辅助甚至做出判断，这个判断的责任主体到底是谁？这是一个非常核心且亟待探讨的问题。如果这个问题解不开，哪怕医生再依赖这个工具，最后签字担责的依然是医生个人。实际上，在当前的互联网医疗场景中，医生面临着极高的执业合规与责任挑战——尤其是在开具处方时，他们在利用工具提效的同时，也承担着巨大的风险。因此，如果责任主体的界定问题不能得到妥善解决，AI虽然能在解决信息不对称、处理复杂数据上为医疗系统带来可观的生产力，但依然无法将其潜能释放到极致。不过，这终究是一个复杂的社会命题：我们是否真的需要AI在医疗中将效率推向极致？这不仅关乎法律法规的完善，更取决于当下社会的接受度——在关乎生命健康的决策上，我们究竟愿意让渡多少自主权给AI来帮我们做决定。刘莫闲：可能确实是一个度的问题，基于多元视角的度的判断。谢谢吴医生，请温博士。温书豪：我最后分享一个最近的故事。可能有人关注到：澳大利亚一位宠物主在宠物得肿瘤后，利用AI设计了抗体进行治疗。这个案例极具启发性，反映出AI正在重塑各行各业。他利用AI自行研制药物，绕过了传统的复杂流程。过去，一款药物的诞生需要经过严格监管，涉及数万人的临床应用、医生的决策风险及法律责任，需要大量专利律师参与。医药是一个极复杂的产业。我刚入行时就了解到，美国医药行业的法律诉讼量是全球领先的。但我希望看到的一个愿景是：尽管AI的冲击力难以估量，但我希望：第一，AI能降低创新的壁垒。我们最近在尝试将过去服务B端的能力转化为“Sense Token”的形式，让个体也能降低甚至消除创新的技术门槛，按照自己的想法去设计分子。未来5到10年，一旦AI将药物研发这种原本只能在工业体系内完成的任务门槛降到极低，个体就能基于自身需求创造药物。届时，可能不再有那种集体性的责任风险和专利纠纷。最终的理想状态是“患者有其药”——每个有需求的个体都能获得药物，并通过AI自主决定生命质量和治疗方案。虽然当下从研发到监管、法律还存在许多复杂问题，但作为理想主义者，我希望AI能为人类解决病痛产生积极的效果。刘莫闲：感谢温博士。听下来，我们面临的最大挑战有两点：一是权衡“度”，即在多大程度上使用AI能达到相对公平的效果；二是法律与监管的提前介入。我个人的观点是，应尽量在“上游”消化潜在风险，而不是将其延迟给医生甚至病人。这应该是医疗领域在法律和监管层面更重要的一项任务。吴文达：比如刚才提到的澳大利亚案例，如果将这种技术应用在人身上——理论上是可行的，但随之而来的是极大的复杂性：如果个人利用AI自主研发并使用后出现意外，责任该如何界定？商业保险是否理赔？这必然会引发一连串深度的法律与伦理争议。这些前沿案例非常值得在行业和社会层面进行深入辩论。如果我们对这些新事物避而不谈，很容易为了追求绝对的安全，而陷入扼杀创新的保守管理模式。实际上，大众对于新技术的接受度是处于动态改变中的。我曾就这个案例与身边的律师和医生朋友探讨过，面对这种前沿尝试，有人愿意积极拥抱，有人则保持谨慎。归根结底，这依然是一个关于技术创新与安全底线之间如何把握“度”的问题？刘莫闲：感谢两位嘉宾。由于时间关系，请给在座各位留下一条关于AI时代的建议。在AI离医疗应用越来越近的当下，个人的认知和理解尤为重要。能不能给各位一条您觉得最重要的建议？温博士先请？温书豪：我们看到产业界已经进入了“AI进化AI”的阶段，技术演进极快。我希望我们能驾驭AI，将其用于最有价值、最安全的地方，这非常重要。吴文达：从个人角度看，非关键事务咨询AI很好，它能提供知识和情绪价值。但对于重要的事情，就像你看医生会寻求“第二诊疗意见”一样，你可以多问几个AI，多问几个医生，这是一个自我接受和验证的过程，非常重要。刘莫闲：面对复杂的未来，祝愿大家吃好睡好，保持健康。希望我们能活到AI技术充分解决疾病、延长寿命的那个阶段。谢谢大家，再次感谢两位嘉宾！
腾讯研究院：
👇 点个“在看”分享洞见
