7B参数医学AI超越GPT-5：垂直领域正在诞生超级应用

最近看到一条新闻：上海创智学院团队发布了一个叫Ophiuchus-7B的医学AI模型，7B参数，在医学视觉推理任务中性能超过了OpenAI o3和GPT-5。注意，是超越，不是接近。

这个消息让我重新思考一个问题：垂直领域的"超级应用"，可能比通用AI更有戏。

为什么是医学AI先跑出来？

通用大模型的问题是什么？啥都会，但啥都不精。你让它写文章、编代码、分析数据，它都能来两下，但碰到专业问题，经常给出一本正经的胡说八道。

医学领域不一样。它的知识边界相对清晰，错误成本极高，而且有大量专业数据可以训练。Ophiuchus-7B这个模型用了"think with images/videos"的新范式，让AI学会"看哪里、怎么看"，在保持小参数的同时实现了大模型级别的性能。

说人话就是：它不是最聪明的，但它是最懂医学的。就像一个经验丰富的医生，可能不如百科全书懂得多，但在自己的领域绝对专业。

垂直AI的商业逻辑

做AI投资的人有个共识：通用大模型的战争已经结束了，垂类AI才是下一波机会。

逻辑很简单：通用大模型需要海量数据和算力，创业公司拼不过巨头。但垂直领域不一样，你只需要在某个细分场景做到极致，就能建立壁垒。

医学AI、法律AI、金融AI、教育AI……这些领域都有类似的机会。关键不是模型有多大，而是对行业的理解有多深。

普通人能抓住什么？

如果你在某个垂直行业有经验，现在是上车的好时机。

不用从头训练大模型，用RAG（检索增强生成）结合行业知识库，就能做出专业度不错的AI应用。关键是找到行业里那些"重复劳动多、专业门槛高"的场景，这些地方AI替代的性价比最高。

医学影像分析、法律文书审查、客服质检……这些都是已经被验证的方向。下一个机会在哪？就看谁能更深入地理解行业痛点了。

我的判断

Ophiuchus-7B超越GPT-5不是偶然，是AI发展的必然趋势——从"全能型"走向"专家型"。

这对普通人来说是好事：大模型越强，垂直应用的成本越低。2027年，可能会看到更多垂直领域的"超级应用"出现。

关键是，你得先成为一个"懂AI的XX行业人"，而不是"懂行业的AI人"。后者巨头能做得比你更好。