白夜行

手把手带教 这群中国医生在博茨瓦纳打造“带不走的医疗队”_我的网站

一 |     AI摘要      第18批援博茨瓦纳医疗队践行“授人以渔”，通过精准救治与“边救治、边带教”模式，培训当地医生掌握骨髓穿刺等核心技术，致力为博茨瓦纳打造一支“带不走的医疗队”。    Token市场迈入“爆发元年”。         东南网8月19日报道（本网记者 冯川叶）今年6月26日，第18批援博茨瓦纳医疗队启程，跨越万里奔赴非洲。截至2026年3月，我国Token日均调用量已突破140万亿，较2024年初实现超千倍增长；与此同时，科技巨头AI大模型API价格陆续下调，最高降幅达99%。         向上的需求与下行的单价，共同将Token经济推向全新的发展阶段。带着对Token行业未来范式的探寻，财闻走访了位于北京中关村软件园的软通动力集团全球总部。         在软通动力大厦的一层，科技感十足的展厅生动记录了这家软件企业向 AI转型的历程。         这家从IT服务起家的公司，在2024年完成对同方计算机业务板块的战略并购后，整合“软实力”与“硬科技”，正全力转向“软硬件一体、全栈智能”的新叙事。         软通动力展厅一角 曹井雪/摄          真正站在AI落地最前线的，是软通动力Token智能事业本部负责人、高级副总裁霍宇。一个多月来，他们以“边救治、边带教”的模式在当地扎根，用每一次精准诊断、每一台规范手术、每一场床旁教学，践行着“授人以渔”的承诺。8月19日，他们迎来在异国他乡的首个中国医师节。他们用过硬医术和无私带教，致力为博茨瓦纳打造一支“带不走的医疗队”。这位长期泡在To B业务一线的老兵，一边把握着最前沿的AI技术，一边链接着企业最真实的需求场景，这也让他对Token经济有更为独到的理解。         霍宇照片 图源：采访者供图          公共资源，是很多人对Token未来属性的判断。         陈显凌医生带着三位徒弟开展骨髓穿刺及活检培训。（医疗队供图）     “3秒，不疼了！”     抵达当地仅一周，中国援博茨瓦纳医疗队弗朗西斯敦分队的队员们还正处于适应环境的休整期。

二 | 一次突如其来的求助，让这支队伍在异国他乡迎来了“首秀”。然而，霍宇却觉得这个类比“并不严谨”。    7月5日晚，一名在博茨瓦纳弗朗西斯敦的华人青年在篮球运动中意外受伤，突发肩关节剧痛，患肢抬举困难且活动完全受限。

三 | 当地华人商会紧急联系了医疗队寻求专业救助。接到求助后，医疗队迅速联动队内骨科专业力量，紧急启动救治预案。接诊的是来自福建医科大学附属第一医院骨科的曾锦源副主任医师。据他分析，目前Token“标准化”程度不足，且不同场景对模型和Token的需求差异显著，因此难以达到标准化程度高的公共资源水平。面对焦急的伤者，曾医师迅速进行了细致的体格检查，精准诊断为急性肩关节脱位，评估符合无创即时手法复位的救治条件。

四 |          他以大模型举例，高价模型与低价模型之间的质量可能会有极大的差距。

五 |     为最大限度减轻伤者痛苦、规避远期损伤风险，曾医师当即决定实施手法复位。

六 | 凭借扎实的正骨功底与丰富的临床经验，他精准发力、巧妙对位，仅耗时3秒便成功完成复位。随着关节归位的轻响，伤者的剧烈疼痛即刻缓解，肩关节活动功能迅速恢复正常。随后，他向伤者细致叮嘱了后续关节制动与休养护理的细则，详细讲解了运动损伤的防护要点及禁忌事项，帮助其规避二次受伤风险，并提供了全流程的康复指导。复位成功后，这位华人青年激动地竖起大拇指连连称赞。这短短3秒钟的“中国速度”，不仅瞬间解除了患者的痛苦，更充分展现了中国医者的专业与担当。同样地，Token市场方兴未艾，龙蛇混杂。    授人以渔 让技术扎根非洲大地     “‘授人以鱼不如授人以渔’，我们把带教作为援助的一项重点工作，为当地打造一支带不走的医疗队。如花大价钱买来的高性能Token，但背后实际调用模型版本可能与宣传不一致，这会导致运行的速度、稳定性等受到负面影响。C端用户对此感知并不明显，而B端的任何一次中断都可能转化为直接的经济损失。”这是第18批援博茨瓦纳中国医疗队队长、福建中医药大学附属康复医院纪委书记侯德梁在出征时接受记者采访时说的一句话。一个多月以来，医疗队通过一次次“手把手”教学，用实际行动践行承诺。    骨髓穿刺及活检是血液科医师必备的核心临床操作。抵达博茨瓦纳玛丽娜公主医院不到两周，来自医疗队血液科的陈显凌主任医师、医学博士迅速投身临床救治与本土人才带教工作。本次参加培训的三名当地医学生，此前均无独立实操经验。

七 | 从患者体位摆放、局部麻醉要点把控，到骨穿进针角度、进针力度调整，再到骨髓活检标本获取、标准骨髓涂片制备，陈显凌将整套操作流程逐一拆解。

八 | 现场示范每一个关键动作，细致讲解技术要点、风险防范要点以及无菌操作规范，毫无保留分享临床经验。实操过程中实时纠正手法细节，引导学员建立严谨规范的临床思维。    在陈显凌的全程监护与带教指导下，三名当地医学生依次独立完成骨髓穿刺+活检全套操作，全部实现一次穿刺成功。操作顺利完成的那一刻，病房现场响起阵阵掌声。         “企业愿意为高质量、不间断、高性能的Token服务付费。首次独立完成这项高难度操作，当地学员倍感振奋，实操的成功大大提振了他们开展血液病诊疗工作的信心。    不久前，当地一台宫颈锥切手术遇到棘手状况：术中视野暴露不佳、病灶边界分辨不清，当地医师操作受阻，手术难以继续推进。”Token的热潮虽被C端驱动，但真正的“战场”却在B端的生产级应用。AI正改变着企业的发展方向，同时也重塑着人才格局。         以下是访谈全文：          企业尚处于探索阶段，“Token不经济”仍在持续          财闻：近期，“Token不经济”的说法也引发热议——企业消耗Token产生的成本可能超过实际收益。妇科易靖艺医生立刻上台接手。你判断这是短期失衡，还是会长期存在？          霍宇：这种现象还会持续一段时间。AI的演进速度极快。2025年我们有一个很深的感触——无论是内部研发的产品，还是协助客户做的项目，往往刚完成开发，立项流程都还没走完，技术已经过时了。         这本质上是企业必须交的一笔“学费”。

九 | 凭借娴熟的手术技巧，他精准划定切除范围，规范完成病灶切除与创面止血。更为关键的是，易靖艺在操作过程中结合实操，同步向当地医护讲解解剖辨识要点、手术角度把控方法以及术中难点处理经验——在解决临床急症的同时开展即时带教。

十 | 就像持续学习一样，刚掌握的知识可能已不是最前沿的，我们必须不断向上探索。但如果不迈出这一步，与先进技术之间的鸿沟就永远无法跨越。这种“边做边教”的方式获得当地医生高度认可，他们表示：“中国医生不仅帮我们完成了手术，更教会了我们如何处理类似复杂情况。         AI还有一个特殊的门槛，就是“体感”。”     针对博茨瓦纳眼科医疗资源有限、药物依赖度高的现状，医疗队眼科黄礼彬医生大力推广选择性激光小梁成形术及眼底视网膜激光光凝治疗。

十一 | 没有真金白银的投入和实际应用，企业就无法真正摸清它的能力边界。这两项微创激光技术既能有效控制眼压、阻止眼底病变进展，大幅降低致盲风险，又能减少药物依赖，切实减轻患者就医经济负担。         企业的天性追求“成本—收益”的确定性，而AI是基于概率的生成式系统，与传统的确定性程序逻辑截然不同。在开展治疗的同时，黄礼彬手把手带教当地医生，悉心传授激光技术的适应症筛选、参数调试与术后随访规范，将一套适配当地诊疗现状的防盲技术完整地留在了博茨瓦纳。

十二 | 这一举措不仅为当地眼科患者带来了新的治疗希望，也为本土医生提供了可持续开展的技术工具。要把这两种逻辑融合到业务流程里，势必涉及组织架构乃至思维方式的重构，这需要相当长的时间。         因此，当下阶段，“投入大于产出”的局面难以避免。         财闻：这个“学费”要交到什么时候？是Token单价降到足够低，还是企业的应用能力追上来之后？          霍宇：两方面因素都在起作用。

十三 | Token降价是大势所趋。目前国内厂商的主流路径就是降本增效，今年以来业界发布的几项新技术，几乎都指向降低成本和架构优化。         但更关键的，是企业必须想清楚一个根本问题——AI到底能做什么。         AI的本质是概率性智能，而非确定性工具。其优势在于寻找最优路径，它拥有无限可能，同时也伴随着幻觉的副作用。         这意味着，大量确定性业务场景其实并不需要调用最昂贵的模型。

十四 | 但行业目前的普遍习惯，仍然是直接追逐市面上最顶尖、最贵的模型，这造成了许多不必要的成本消耗。         真正追求投资回报的企业，必然会转向更具性价比的模型和私有化部署。开源模型生态如今十分活跃，一旦部署在自有服务器上，竞争的维度就不再是Token的按量消耗，而是算力、芯片和电力成本——这本质上是资本性支出的逻辑：一次性投入算力完成部署，长期享受收益。

十五 |          不过，这一转变不会像外界想象的那么迅速，目前整个产业还处在早期探索阶段。这一轮AI热潮最初是由消费端驱动的，个人开发者、自媒体和小型团队在探索中受益显著，而真正的企业级大规模应用还很有限，产业红利尚未真正释放。         标准化程度不足，Token产品尚不具备公共资源属性          财闻：此前Token降价趋势明显，有观点预测Token将像“电力”一样逐渐成为公共资源。你如何看待这一类比？在你看来，Token的定价模式和资源属性最终会走向何方？          霍宇：这个说法并不严谨。云计算刚兴起时，同样被预判会像水电一样成为公共资源，但发展了近二十年，这一预期仍未实现。

十六 |          一个重要误区在于，水电是高度标准化的产品，分类相对简单。而一家大厂关于云服务的产品就多达数百款，Token服务的种类同样极为繁杂。产品标准化程度不足，想要成为基础设施，进程自然会慢得多。         未来，Token很可能会走向两极分化。一类类似“民用电”——企业部署本地模型，首要考量是数据安全与稳定执行，而非追求参数最优；另一类则像“超高压电”——最顶尖的模型，但可能仅面向少数企业开放，某些能力过强、存在风险的模型并不会向所有人全面放开。（例如最新版本的Claude Mythos，由于其能力太强、存在安全防控风险，因此不向所有人开放。

十七 | ）          价格低廉的模型一定会出现，而且会越来越多。         财闻：你提到Token市场“不够标准化”，具体体现在哪些方面？          霍宇：目前市场较为混乱。

十八 | 同样是调用某个模型，官方原版的服务和第三方渠道提供的版本，质量可能天差地别。背后的缓存命中率、推理优化技术、服务保障水平都不一样，有些甚至卡到一字一顿，根本无法正常使用。         更严重的是，部分渠道声称提供的是某款主流模型，实际调用的却是参数量更小、成本更低的版本；还有通过非官方渠道带来服务质量差异的情况。

十九 | 这就导致用户产生误判，觉得“这个模型怎么变笨了，连简单任务都处理不好”。         打个比方：就像电动车，不同厂商的差距不只在于电机本身，座椅、中控、内饰等周边配置的组合协同，决定了车主的真实体验。Token服务不能只是一台裸露的电机，而是一整个配套的设备。如果只给企业一个基础引擎，让企业自行组装，最终结果可能根本无法运行。这就是标准缺失带来的问题。         财闻：这种混乱的市场格局，根源在哪里？          霍宇：根源在于，Token经济此前是由C端市场驱动的。消费级娱乐场景对服务中断有极高的容忍度，但进入生产环节后，任何一次中断都可能转化为直接的经济损失。

| 那些估值位居前列的企业级Token平台，核心竞争力正是提供附带SLA承诺的API服务，保障不中断、有赔付。而C端服务普遍缺乏这类承诺，服务器一旦繁忙，对话可能直接中断。         当前，Token的使用正在从C端转向B端，真正的“战场”在企业级市场。市场之所以看好AI，是因为发现企业愿意为高质量、不间断、高性能的Token服务付费。企业购买的并非智能本身，而是可靠、稳定、有兜底保障的一整套能力。

|          软硬件一体服务在AI市场仍较稀缺          财闻：科技大厂与运营商都在布局Token业务，软通动力与它们相比，核心差异在哪里？          霍宇：科技大厂是强产品导向、技术导向。

| 它们的AI研究员成本高昂，但让这些从事前沿研究的人才去做企业AI落地，往往并不匹配。

| 大厂推出的AI产品整体上依然是像“运营专家”等偏重C端的工具。         而打开我们的专家广场后，看到的是“智能化养猪”“智能仓库分拣”。这些场景或许不那么新潮，但解决的却是一个一个的B端真实问题。

| 所以，我们最核心优势在于大企业客户和软硬一体。目前市场上能够提供软硬一体AI服务的公司并不多，许多AI企业硬件能力很强，但与客户之间还隔着较远的距离。         软通动力睿动智能体云平台专家广场          财闻：软通动力自研Token业务的同时，也战略投资了硅基流动。内外两个生态如何协同？          霍宇：硅基流动侧重于生产侧和推理优化，拥有独特的技术能力，并且对所有模型保持中立。软通的优势则在于更贴近客户——无论是IT服务还是硬件交付，都是直接面对客户的某个具体场景或功能模块。         我们的客户需求十分多元，不会只锁定某一个模型，往往需要同时接入多种不同的模型，与硅基流动的互补性很强。         财闻：你负责的Token智能事业群，在整个战略中扮演什么角色？          霍宇：我们事业群的前身就专注于智能体业务，为企业提供定制化的智能体服务。在积累了众多案例之后会发现，仅凭Token本身，很难满足许多复杂场景下的客户要求，必须在源头上进行把控。

|          因此，业务链条自然延伸到了Token的全生命周期，包括聚合、分发和治理。         “Token治理”是当前很多客户关心的议题：投入了大量成本购买Token，效果究竟如何？回报体现在哪里？是否存在资源浪费？我们要做的，就是把每一环都管理起来——Token来自哪里，分发到了哪个环节，最终用在怎样的场景，以及场景匹配什么模型就足够。

|          AI时代改变企业人才需求          财闻：软通动力的AI业务当前处于什么发展阶段？何时能带动公司整体业绩反转？          霍宇：我认为目前还处于“战略跟进阶段”。当下AI领域的人才和算力仍然是稀缺资源，成本高企是处于AI转型中的企业普遍经历的境况。

| 只要决心投入，现阶段的投入产出比普遍不够亮眼。但关键在于，要不要跟进？大部分企业的共识是：必须跟进。         AI不是一次简单的技术迭代，它可能带来整个产业的重新洗牌，真正进入“卖铲子”的阶段，才是真正开始赚钱的时候。         财闻：对比转型前后，软通动力为客户解决问题的场景和能力发生了什么变化？          霍宇：我们服务的场景并没有本质变化，但智能化程度截然不同。         过去我们解决的是信息化的问题，随后进入数字化阶段，如今则迈向智能化阶段——核心目标要么是持续提升效率，要么是帮助客户获取更深层次的业务洞察。从宏观层面看，企业的核心刚需始终未变：提效、降本、打造生态链、拓展业务边界。         真正发生巨变的，是对人才的要求。以往到客户现场，面对的是确定性问题，解决方式在某种程度上是依靠增加人力数量来解决。         但现在随着AI的应用，客户会对单个业务员提出更多需要解决的需求。要回答这个问题，需要敏锐的洞察力、创造力、深厚的行业理解，还需要出色的沟通表达技巧和技术动手能力。国内企业想要FDE（Forward Deployment Engineer，前线部署工程师）人才——每个人都必须同时是行业顾问和技术专家。

| 这是一个对综合素质要求极高的角色。

|          财闻：那这些复合型人才是外部招聘还是内部培养？          霍宇：两种方式都有，但目前人才市场热度极高，供给看似充足，实则良莠不齐，真正合适的人选并不好找。有过真实项目落地经验、具备实际体感的人，在各家企业都十分稀缺。         因此，我们主要还是从现有员工中选拔优秀骨干。那些真正带过项目的高级项目经理和高级架构师，本质上每个人都是FDE，只是目前还没有足够多的AI落地项目让他们反复锤炼。一旦有机会做成三四个项目，这种体感就会逐渐建立起来。         财闻：有一种说法是，AI时代软件行业会被颠覆性地替代，你怎么看？          霍宇：对此不必过度担忧。软件行业并不会消亡，只是进入门槛将显著降低。AI目前最具价值的应用场景之一就是编程，未来的工作方式可能是：你只需将需求描述清楚，软件即可快速生成。         正如蒸汽机出现后，制造业非但没有消失，反而吸引了更多人涌入。

| 我们很多员工现在也在使用AI辅助编程、撰写方案、进行分析，AI让软件开发变得前所未有的高效。

| 我们当前所做的许多工作，本质上是在推动软件的标准化程度不断提升。         过去软件行业迟迟未能形成“工厂”概念，正是因为标准化水平不够。而这一轮AI浪潮，本质上正在让软件实现批量生成。

Current article:http://www.hanninhuaxituochunkui.pics/list_uqc6z/2i6i.xls

Published on:18:29:00