归根结底，一切症结都指向了同一个结构性矛盾：懂行业场景的「老师傅」不懂 AI，而精通 AI 技术的人又不了解行业里的人需要什么。如果无法化解，AI 落地就将持续面临「最后一公里」的挑战。
面对这样的困境，一个关键性的问题浮现出来：到底是让 AI 研发者去学习行业知识，还是让行业从业者来学习 AI 技术呢？
帮大模型「立三观」
需要行业、AI 一起来
显然，双向奔赴才是更好的选择。
ChatGPT 出现前，AI 在很多行业中的应用被定位在两个方面：一是对已知机理模型进行重复工作的自动化，二是对未知机理模型进行探索性工作，扩充人类的认知边界。大模型的技术突破，让人们看到了 AI 应用的新形态，在数字化转型过程中，原先顶层设计的流程是解耦的，但现在逐渐变成了「端到端」一体化，有了更直接、更强大的方案。
换句话说，这也意味着能够帮助大模型建立「三观」的人，最好是懂 AI 的行业专家。相比于让 AI 工程师从零开始积累行业经验，让已经深耕行业多年的专业人才掌握 AI 应用技术，学习曲线会更平缓，也更容易实现技术与场景的深度融合。
在 AI 技术使用门槛快速降低的如今，这个选择正在变得愈发合理，会打字就能 3D 建模，会说话就能自动生成小游戏......各大厂商正在围绕生成式 AI 争相推出「零门槛」产品。而那些过去需要复杂编程才能实现的功能，现在通过简单的 API 调用就能完成。像 Cursor 这样的 AI 辅助编程工具的出现，更是大大降低了开发难度。
这一切都为行业从业者来主动拥抱 AI 技术积攒了越来越大的动能。最近，很多行业都在涌现新的 AI 应用案例。
以医疗领域为例，一位优秀的临床医生需要至少 8 年时间（从本科到规培毕业）才能培养出准确解读病症的专业直觉。而借助 AI 大模型应用，医生们可以在较短时间内掌握 AI 辅助诊断工具的能力，从而提升诊断能力，大大提高诊断治的效率。
因此，他们开发了 AI 标准化病人平台，主要用于提高问诊技巧和医患沟通能力。AI 能够模拟不同病种、不同性格特点的虚拟病人，支持文字、语音、表情等多模态交互，还能自动评分并给出反馈，告诉学生哪些方面需要改进。学生们可以在安全的虚拟环境中反复练习这类棘手场景的沟通技巧，做一个既专业又有温度的医生。
教授们表示，AI 不会取代医生，但不懂 AI 的医生将会被淘汰。积极学习 AI 知识，利用自动化工具提升能力，可以为未来的职业发展筑牢根基。
这只是一些案例，还有更多将医生们从繁琐工作解放出来的 AI 应用等待同学们去探索和创新。
具体到 AI 与医疗深度结合的实践中，掌握 AI 开发、数据处理、大模型训练、模型微调等技能是应用能力的关键。在课堂上，人们跟随老师使用 ModelArts、MindSpore 等 AI 开发平台和开发框架进行了实操演练，基于医疗数据对大模型进行微调。为了让更多的人能够尝试，华为还为每位学员准备了免费的云资源券，让充足的算力支持每一次创新尝试。
「授人以渔」，华为提供了一站式、全栈自研的 AI 开发工具，从底层算力开始整合，向上支持主流开发框架，可以对计算资源、模型资源进行高效率调用，将复杂的算法化繁为简，支持了 AI 应用从数据标注、模型开发、训练、部署的全流程，让医学生能够轻松驾驭。
