[id_201265656]
作者| 池小雨
编辑丨高远山
来源| 野马财经
Deepseek 突然出现，世界看到了中国公司在人工智能领域的兴起。它是极具创新性的技术，进一步促使了各个行业对大模型的运用。
AI 医疗近年来成为市场新热点，它是AI 技术与民生紧密结合的关键方向。 “弗若斯特沙利文”数据表明，中国AI 医疗行业的市场规模有显着增长。中国AI 医疗市场规模预计在2033 年达到3157 亿元，2023 年为88 亿元，从2023 年到2033 年的复合年增长率是43.1%。
3 月4 日，国内的医疗龙头华大基因迎来了多家头部投资机构的密集调研。 2025 年2 月，从Wind 数据可知，华大基因一共接受了3 次机构调研，累计接待的机构超过200 家，其调研次数在医疗服务行业（申万二级）的公司中处于首位。
2025 年，据悉华大基因将以“ALL 计划”的核心战略目标为依托，推动业务模式从生产型服务全面转变为智能型服务。这使得外界开始关注其AI 技术布局以及业务模式的转型。在行业人士的眼中，凭借数据、算法、算力的“三角协同”，华大基因已经构建起了独特的技术“护城河”。
01
自主生成基因数据
成本可控
基因数据对于精准医疗来说是非常重要的基础。华大基因作为中国基因行业的领头企业，具备全国产化的基因数据产出的能力。在基因检测过程中，它能够自主地并且可靠地生成基因数据，同时成本也能够得到有效的控制。
2 月7 日的投资者关系活动中，华大基因进行了公开表示。公司在数据积累以及数据分析方面具备较大的先发优势。凭借过去二十余年积累的数据以及算法研发能力，使得公司在通用模型的基础上能够更优地结合专业知识。尤其在把多种健康管理检查数据进行融合，并且进行自动化、智能化分析这方面，极大地提升了检测效率。
华大基因还提到，大规模真实世界的数据来源具有多样性，真实案例库较为全面，这是将模型准确率提升到临床级别可用的关键。公司对上万样本进行了实际验证，从而确保了极高的准确性和稳定性。
图源：罐头图库
华大基因在对外合作方面，与顶级医院展开合作，构建了百万病例训练数据集，此数据集涵盖公开数据以及商业合作数据，由于数据获取以及预处理的成本较高，从而构成了较高的技术壁垒。
华大基因进行信息化建设并实现数据对齐，以此确保数据具备结构化特点，来源可靠且稳定，同时具有对齐性，进而能够输出高质量数据。这种数据处理一方面满足了当下的需求，另一方面也考虑到了用户未来反复使用数据的需求，最终实现了标准化，使得数据便于获取、存储以及挖掘。
业内人士称，全基因组检测成本降到千元级后，数据量会呈指数式增长。华大基因凭借其拥有的百万级基因组数据库以及自主测序技术（DNBSEQ 平台），在生育健康、肿瘤防控等核心领域能够保持技术壁垒。
02
面向医疗机构和公众
GBI ALL计划已建立完整商业闭环
2024 年9 月，华大基因发布了“生成式生物智能范式GBI ALL”。其核心是多模态大模型GeneT（Genetic Transformer）。这个模型是以Transformer 架构为基础的。它将百万级的高质量数据与专家经验相结合。从而实现了全基因组数据的智能化解读。并且大幅提升了基因组数据分析的效率，降低了成本。
华大基因目前的客户结构主要是B 端（企业及机构客户）。这些客户主要有医疗机构、科研院所、公共卫生部门以及生物医药企业。华大基因在自主研发的GeneT 基础上，其算法能力能够以这种模式实现变现。一是通过B 端技术授权，二是利用AI 大模型技术，三是结合百万级高质量数据和专家经验，从而实现全基因组数据的精准解读，这样能显着提升数据分析的效率和准确性，进而为B 端客户提供更高质量的服务。
在2 月10 日的投资者交流会里，华大基因首次进行了披露。它的GBI ALL（生成式生物智能范式）计划已经构建起了一个完整的闭环，这个闭环覆盖了“数据生产-算法训练-临床验证”。这种闭环具有颠覆性。公司借助全国产化测序平台，每年能够自主生成大量高质量的原始数据。 GeneT（基因检测多模态大模型）把这些原始数据转化为结构化知识。同时，通过ChatGeneT（面向公众的基因组咨询系统）平台，实现了商业闭环。
大家都知道，高质量数据集的获取量以及获取成本对模型训练的性价比有着非常重要的影响。华大基因的这种模式打破了传统基因企业依靠第三方测序仪和数据平台的这种困境。 DeepSeek-V3 以及DeepSeek-R1 的技术进行了优化，有希望让数据清洗成本大幅度降低。
一方面，华大基因会凭借“火眼”实验室网络以及消费级检测产品，借助线上线下融合的方式来提高C 端市场的渗透率。
今年，华大基因对华大互联网医院系统实施了数据重构这一举措。通过此举措，打通了用户管理以及服务流通的环节。并且，为C 端提供了以健康为核心的便捷式多组学医学检测服务以及遗传咨询服务。未来，公司将会大力开拓自营商城等私域渠道，促使公域与私域业务场景能够进行深度的联动。公司开发的ChatBGI 会为C 端用户提供基因数据解读，且速度快、精准度高，能进一步提升用户体验并扩大品牌认知度。
03
基于Deepseek算力
基因检测效能进一步提升
DeepSeek 以低成本且高性能而闻名。 DeepSeek 的推理模型R1 是在基座模型V3 的基础之上，大规模地运用了全自动的强化学习，从而使得对过往那种需要大量人工反馈的监督微调以及RLHF 的依赖程度大幅度降低了。
官方提供的数据显示，每个H800 节点每秒的输入tokens 为73.7k，输出tokens 为14.8k。理论上单日的总收入是562027 美元，成本利润率达到545%。其“中国式创新”使得国产算力生态得以激活。
从算力方面来看，测序设备的效率以及成本属于基因科技行业的核心变量。
华大基因在回应投资者询问时指出，随着测序成本不断降低，怎样进一步降低数据分析及解读的成本并且提升效率这一问题变得极为重要。当前的技术取得了进步，像基于开源模型DeepSeek-V3 以及DeepSeek-R1 所进行的技术优化，能够有助于进一步降低数据分析的成本，同时提升整体基因检测的效能。
华大基因在算力部署方面有长期的积累，并且拥有合作伙伴关系。它与超算中心有合作，也与GPU 卡供应商有合作。这些合作能够满足临时大规模训练的需求，也能够满足日常研发的需求。
“ALL 计划”（Generative Bio-Intelligent）的核心是把智能科技当作引擎，一方面实现前端样本处理的自动化，另一方面让短读长与长读长测序技术平台协同进行升级，同时把百万级数据库进行扩容，以此构建起“精准防控+有效干预”的13311i99 模式。这一模式强化了公司在基因检测领域的效率优势。它还通过AI 大模型以及真实世界数据（RWD）的规模化应用，加快了向智能医疗生态的跨越进程。
华大基因凭借数据、算法以及算力的“三角协同”这一方式，正在从基因检测服务商朝着智能医疗生态平台进行跨越。 “ALL 计划”所进行的战略转型，一方面体现出了技术驱动所带来的增长逻辑，另一方面也凸显出了公司在AI 与生命科学领域所具备的卡位优势。
高盛作出预计，在AI 应用逐渐走向成熟的这种背景之下，非技术领域对于AI 服务的投入预期呈现出不断增加的态势。在未来的几年时间里，与AI 相关的支出有很大可能会接近每年GDP 的1%。同时，AI 医疗领域的发展前景是不能够被轻视的。
这一战略转型，是华大基因从“基因检测服务商”向“智能医疗生态平台”跃迁的重要一步。它也是中国AI 医疗企业立足全球竞争的一个缩影。行业人士指出，在“健康中国2030”以及数字经济战略的双重推动下，华大基因凭借技术护城河与商业化闭环，为行业树立了“数据驱动、智能赋能”的典范。未来，AI 与生命科学会深度融合。在这种情况下，华大基因有可能成为重塑全球医疗格局的力量，并且这股力量来自中国。它能让精准医疗的曙光出现，进而照亮每一个生命的健康未来。
你对基因检测和AI医疗还有哪些了解？评论区聊聊吧。
