首张IVD领域的AI三类医疗器械注册证、医学检验原生大模型，当这两个词同时组合在一起，你会不会联想到这是一次为追逐风口而布的局？

小蝇科技（北京小蝇科技有限责任公司）的答案显然是“NO”。

2022年，小蝇科技FFscope CellaScope血细胞形态学分析系统斩获国内首张IVD领域的AI三类证；尔后，其又接连推出了系列血液检测产品。这很容易让外界对其业务和愿景形成两大误区：一是其只是一家IVD设备厂商；二是其只聚焦血液检测尤其是血细胞形态分析。

但实际情况并非如此。小蝇科技真正要做的，是用AI赋能精准检验；真正想做的，是成为全球AI医学检验的引领者。

这听上去宏大且有些抽象。但联合创始人伍博深的一个比喻，可以帮助我们更好、更为具象化地理解这个愿景——种一颗以疾病管理为中心的全实验室智能化的树，AI及大模型为根，各应用领域（检验、科研、教学、运营、监管）为干，各细分应用（例如不同检验项目流水线）为花和叶。

“要实现以疾病为中心的医学检验实验室全智能化，是目前国内外巨头均在探索的方向。但坦白而言，这还有很长一段路要走。”

伍博深的这句话，挑明了两个关键信息：这是行业已形成共识的发展趋势；这非常难。

可究竟难在哪里？要弄清楚这一问题的答案，我们需要拆解清楚“以疾病为中心的医学检验全智能化”包含哪些内容，需要实现哪些功能。

这大致可分为四个层级：基础层、进阶层、衍生层和监管层。

其中，基础层需要实现两个目标：所有检验项目全部实现流水线自动化操作以及在AI的支持下，实现检验结果的可解释性和疾病风险提示；进阶层则是在前述功能的基础上，AI能够针对某一疾病，自主智能规划需要开展的检验项目及其路径，进而实现不同检验项目的有机协同乃至全流程的智能化；衍生层和监管层则是基于前述功能而延伸出的更为广泛和进阶的应用，例如实验室的运营与相关部门的监管能力提升。

然而，现阶段的医学检验，甚至连基础层都达不到。即使是自动化程度最高的生化免疫流水线，也并未实现完全的自动化和智能化。

具体而言，在自动化方面，目前实验室自动化已经进入到全实验室自动化阶段。生化免疫自动化流水线作为典型的代表，仍然主要聚焦分析阶段，尽管许多流水线前处理模块基本齐全，许多流水线产品还缺少完整的后处理模块。

而在智能化方面，8月中华检验医学杂志发布的一篇述评明确指出：“AI在医学检验中的应用整体仍处于起步阶段且普遍面临数字化基础薄弱等现实困境。”并且，“值得注意的是，目前商业化解决方案仍主要依赖传感器、条码和基于规则的确定性控制，明确集成AI/ML的产品较少，研究与商业化之间存在显著转化差距。”

自动化程度最高的生化免疫流水线尚且如此，更遑论尚处起步阶段的其他检验学科，例如分子诊断、微生物检验等。

而以大模型为代表的新一轮人工智能浪潮的兴起，带来了破局契机。

“这是大模型应用的黄金垂类应用场景。”

伍博深用一句话点明了小蝇科技布局大模型的原因。

整体来看，大模型在医学检验领域的应用大致可分为两个层级。相关细分领域的具体赋能，例如临床辅助决策支持，为第一层级。

我们仅挑选临床端应用做进一步分析以具象化大模型的应用价值。在临床端，一方面，大模型可应用于检验报告的智能预审与复核、复杂指标联合解读、实验室质量控制辅助及临床沟通支持等方面，可有效提升实验室工作效率、降低人工审核差错率，并为同质化诊疗提供技术支撑。

另一方面，大模型也革新了临床决策支持范式。在以往，临床决策支持多基于静态规则形成，难以应对更为复杂和个性化的临床场景，即泛化性有限；但大模型（多模态）则可通过对患者病史、检验结果、用药信息和临床指南的动态整合，形成更具个性化的解释性意见和建议。

基于大模型的“智能调度中枢”则是第二层级。在这一层级中，“智能中枢”不仅能实现以疾病管理为中心的检验检测项目的自动化、智能化调度，还能实现跨场景、跨机构的有机整合。即在实现检验项目本身自动化、智能化的同时，还能实现实验室各项目质量控制、教学支持及有关部门的监管支持。

但很显然，这对大模型的能力本身，提出了更高要求。而其中最为核心的，莫过于如何覆盖全流程，如何支撑跨业务场景。

答案很多，例如最为老生常谈的数据量、数据质量与数据模态。这是模型能力的根基。

对此，一方面，小蝇科技通过与中国和世界的一些顶级医疗机构合作，以合法合规的形式逐步构建结构化数据库；另一方面，小蝇科技尤为重视数据质量。为此，其构建了严格的数据质量控制机制，以确保数据质量。

与此同时，小蝇科技也在不断构建和扩充多模态检验数据库。截至目前已覆盖文本、数值、图形、图像、时间序列五大数据类型。

高质量标注的多模态检验数据，为模型训练提供了坚实且强有力的数据基础，并在一定程度上赋能幻觉的降低，可信度的提升。据小蝇科技透露，其PanaVita AI大模型的幻觉率，已控制在3%。

而除了数据规模、数据质量、幻觉率、可信度这些大模型较为老生常谈的评估维度外，我们还想聚焦在PanaVita AI大模型另一大亮点上——范式原生。

这是一个医学检验的原生大模型。相较于“通用大模型+医疗补丁”的路径，原生大模型具备两大优势。

其一是能力更强更专业。“通用大模型就像从小按照语、数、英、生物、化学等学科综合培养的通才，各个领域的知识和技能都能较快掌握；而原生大模型则是从小只培养某一学科的专才，其他领域的知识和技能可能稍有欠缺，但在这一单一领域，其知识和技能储备乃至逻辑推理能力，都有很深的积淀。”访谈中，伍博深用了这样一个比喻来形容通用大模型与原生大模型的能力区别。

其二是落地周期更快，哪怕是新任务也无需从0开始训练。这主要得益于原生大模型构建了适配检验医学的逻辑推理能力（部分检验检测，即使项目不同，底层逻辑也类似），叠加全模态高质量检验数据的兼容，使得PanaVita AI大模型一次训练即可覆盖多任务场景，仅需百级样本即可快速适配，训练迭代周期仅需1-2周。

不难看出，千亿级参数与原生模型路径的耦合，一方面，其让模型具备了全流程、跨场景应用的能力基础。PanaVita AI大模型拥有贯穿医学检验全流程的37个能力单元，可完整覆盖从样本采集到报告解读再到临床决策支持的全流程关键环节。

另一方面，PanaVita AI大模型可实现跨设备、跨场景的规模化复制，且微调时间从耗时数月大幅降低至数天。

而在扎根之后，小蝇科技要让它长出枝叶。

这棵树有三根主要枝干。

它们分别对应着PanaVita AI大模型的三类核心应用对象——企业、检验科和政府机构。而这三根枝干，各自长出的“新叶”和“花”，则是PanaVita AI大模型在这三类场景中的应用与合作模式。

PanaVita AI大模型在三类场景中的应用，图片已清晰展示，不再文字赘述。我们将焦点放于小蝇科技的商业模式上。

正如诸多人对小蝇科技的印象是IVD设备厂商，其的确有自研设备管线，例如最为人所熟知的FFscope血液检测系列产品，已可实现从新一代血细胞形态全自动检测流水线到一体机的完整布局。

但实际上，血液形态学产品线只是小蝇技术到产品闭环的一个落地标杆。小蝇科技成立之初聚焦的就是整个医学检验领域，其产品管线中骨髓、疟疾等相关检测产品便是最好例证。

而除销售设备外，小蝇科技还在积极探索基于PanaVita AI大模型的“Model as a Service”(模型即服务)。

以医院检验科为例，从现有设备AI轻量化升级到搭建区域级统一AI检验平台，再到全院AI智慧实验室整体共建、检验科研联合共建等，基于PanaVita AI大模型，小蝇科技已演化出六类合作模式以适配不同医院的差异化需求。面向企业的合作路径共有6类，面向政府机构的合作模式则有7种。

简言之，这是一种“从需求出发”和定制化的合作模式。小蝇科技希望以技术授权、API以及联合开发等方式，携手产业各方，共建医学检验AI产品矩阵与数据基础设施，并推动自身商业模式从一次性设备交易转向更加多元的持续智能服务收费。

而小蝇科技过往超过100家、覆盖医学检验全领域的合作关系和深厚的行业背景（例如其核心团队和顾问成员均来自三甲医院、头部IVD企业与顶尖AI实验室）则为这一合作模式提供了除模型能力这一硬科技外的“软性”支撑。

出海，是小蝇科技2026年的发展重点。

在IVD出海浪潮的今天，这不足为奇。但小蝇科技的出海战略，很有意思。

因为，小蝇科技的出海不是单点突破，而是带着产品和PanaVita大模型一并“走出去”，且其在全球各区域进展都非常迅速。

具体而言，现阶段，小蝇科技同时布局了五大洲20个地区/国家，例如准入壁垒较高的美国和欧盟，又例如新技术可及性相对较低的东南亚、印度和非洲。

面向美国和欧盟市场，小蝇科技主要瞄准高端市场，通过与IFCC、ICSH等国际知名学会组织以及顶尖医疗机构合作，通过强有力的临床证据、学术证据推动相关产品在欧美市场的临床验证和先行先试。据伍博深透露，小蝇科技相关产品已拿下CE和英国医疗器械认证，在美国已经与龙头医疗集团开始全数字化实验室的合作探索。

至于小蝇科技在东南亚和非洲地区的拓展，则主要与热带传染病防治有关。通过与国际组织的合作，小蝇科技的疟疾检测产品将以项目制集中采购的形式落地东南亚和非洲地区。

而在中东、印度市场，小蝇科技则在积极寻求与当地经销商合作，进而完成商业化目标。

对于小蝇科技而言，相较于现阶段仍贡献90%营收的国内市场来说，其在海外市场的开拓才刚刚开始。这是一场长跑，而非短跑。

但至少，有人选择了这条路，且有人，已经在路上。