AI for Science 浪潮下：北京大学 X卓越睿新(02687) 携手抢占医学知识新基建

智通财经APP获悉，昨天，北京大学医学部与卓越睿新（02687）正式签了合作协议，双方要共建一个“北大医学未来学习中心”。这次合作里，卓越睿新派出了前沿部署（FDE）团队，直接扎进业务一线，从项目启动、初试、复盘到交付，全程深度参与。这种打法，显然不只是为了交付一套系统，而是要精准把握客户在真实场景中的需求。

合作本身，远不止于“共建”二字。

卓越睿新和北大医学真正想做的，是在医学这个对“准确性”近乎苛刻的领域里，搭建一套AI for Science（AI4S）的基础设施。目标很明确：把那些散落在教材、文献、临床案例里的医学知识，变成可计算、可溯源、还能持续迭代的数据资产。

北大医学这边贡献的是知识资产、临床场景和专家校验能力；卓越睿新则拿出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，要产出一张覆盖人体解剖、病理生理、免疫遗传等学科的“源图谱”，再加上配套的数字标本、虚拟解剖、数字切片、虚拟细胞、虚拟病人等实验科研和教学资源。

这个过程中沉淀下来的数据，价值极高。它们不是网上随便就能爬到的公开资料，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。维度非常细：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。说白了，双方正在共建一个医学领域的多模态“数据底座”。

医学知识怎么变成数据？

医学知识的特点，更新快、专业门槛高，最关键的是——容错率极低。通用大模型在医学场景下最大的麻烦，不是“不懂”，而是“懂了但不知道对不对”，而且没法告诉你它参考了哪篇文献、哪个临床指南。

卓越睿新的技术方案，核心思路就两个字：“循证”。让AI的每一步推理都有据可查。具体怎么做？系统采用了Multi-Agent协作框架：人类专家负责定方向和策略，AI智能体负责大规模检索、比对和初步整理。检索模型做了分层设计，先定位高质量证据，再逐层总结，最后生成的结论必须附带明确的文献来源。

拿免疫学里的“CD4+ T细胞亚群”来说，系统呈现的不只是基础定义，而是把功能特性、疾病角色、调控机制、前沿研究和临床指南串成一张网。每个节点都能追溯到原始出处。这种“生成即溯源”的机制，在医学领域不是锦上添花，而是底线要求。

基于知识数据的AI Skills落地

从现场的服务演示来看，卓越睿新已经把这些数据能力转化成了可直接使用的教学与科研工具。更进一步说，是搭载各种技能（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、实时对话和课程私有知识库检索；AI翻转教学模块可以帮助教师重新设计课堂结构；AI课件开发工具引入了互动式教学模块，能丰富在线学习体验；甚至还可以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，配套资源库已经覆盖了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。学生可以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。

这些工具不是孤立存在的。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：深入现场才能沉淀真数据

尤其值得注意的是，卓越睿新在这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。这些技术人员不是坐在办公室等需求文档，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“说不清道不明”的细节——比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只是卖软件，而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，客户粘性和竞争壁垒也远高于后者。

未来商业空间怎么看？

这次合作还打开了一个更大的想象空间：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，明确提到要打通“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的故事听起来很大，但落地的时候要求却极高——就是一本教材怎么拆解成数据节点，一个临床案例怎么关联到前沿文献，一个虚拟细胞怎么模拟出真实的分子反应。

卓越睿新与北大医学的这次合作，或许说明了：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，可能是更具价值但也更难被复制的一件事。