AI为何无法取代医生?Sora 2之后,视频模型迎来“GPT-3”时刻?

多客科技

作者：微信文章
糖浆AI日报


2025.10.07

---

🧠1. DeepMind提出帧链CoF，视频模型迎来GPT-3时刻

👉️重点提炼：DeepMind在最新论文中提出帧链（CoF）概念，类比语言模型的思维链（CoT），使视频模型具备时空推理能力。Veo 3模型通过"初始图+文字指令"生成视频，展现四大核心能力：基础视觉任务处理、物理规则建模、视觉世界操控及跨时空推理，在5×5迷宫测试中成功率达78%，远超前代的14%。这标志着视频模型向通用视觉基础模型迈出关键一步。

🧐糖浆分析：视频模型通用化固然令人兴奋，但过度依赖"大力出奇迹"的海量数据模式可能引发新的AI泡沫。当前78%的迷宫成功率看似亮眼，却掩盖了复杂场景下的推理短板——当面临旋转类比等任务时，Veo 3错误率骤升。更值得警惕的是，通用视觉模型可能重蹈NLP覆辙，陷入"任务碎片化-模型爆炸"的恶性循环，最终导致产业资源严重浪费。

---

🏥2. AI未能取代放射科医生，年薪反涨48%达52万美元

👉️重点提炼：尽管AI医疗影像模型在基准测试中表现优异，且FDA批准的放射科AI器械占比达78%，但美国放射科医生数量创历史新高，2025年住院医师项目提供1208个名额，平均年薪达52万美元，较2015年增长48%。主要原因包括：AI在真实医院环境中性能下降20%、法律限制自主诊断、模型仅覆盖医生工作的冰山一角，且存在儿童和少数族裔病例的数据偏见。

🧐糖浆分析：放射科医生的"逆袭"暴露了AI产业的致命幻觉——以为单一任务的算法优化就能替代复杂职业。当AI公司吹嘘"超越人类医生"时，却回避了医疗决策中最关键的临床语境理解。更讽刺的是，AI越强大反而让医生更忙碌：杰文斯悖论在此显现——影像分析效率提升导致扫描需求激增300%，最终形成"AI做筛选、医生做决策"的新型分工陷阱。

---

🎨3. 腾讯混元图像3.0开源，商用级能力免费开放

👉️重点提炼：腾讯9月28日开源混元图像3.0，这是首个开源商用级原生多模态生图模型，总参数80B（推理激活13B），采用MoE架构结合Transfusion方法，支持文本/图像/视频/音频输入，具备千字级复杂语义理解能力。个人与企业可免费商用，提供源码、权重及线上体验地址，在中英文渲染精度上媲美顶级闭源模型。

🧐糖浆分析：腾讯开源之举看似推动AI民主化，实则暗藏商业心机。通过免费开放基础能力，腾讯正在构建"开源生态护城河"——开发者使用混元模型越多，其数据反馈闭环就越强大，最终形成对百度文心、阿里通义的非对称竞争优势。但这种"羊毛出在猪身上"的模式也面临道德风险：当千万开发者免费使用腾讯模型时，谁来为可能产生的版权纠纷和内容滥用负责？

---

⚡4. Stable AI发布SD3.5-Flash，8GB内存1秒出图

👉️重点提炼：Stable AI 9月28日推出SD3.5-Flash，采用少步数蒸馏框架，在8GB内存设备上实现1秒生成高分辨率图像。通过"时间步共享"技术解决少步训练梯度不稳定问题，结合文本编码器重组和智能量化优化，大幅降低生图门槛。该模型特别优化移动端部署，使智能手机离线生图成为可能，开源社区已推出30余款微调版本。

🧐糖浆分析：SD3.5-Flash的普及可能引发"视觉污染"危机。当生图成本降至近乎为零时，互联网将充斥AI生成的垃圾内容——从虚假新闻配图到版权侵权素材。更令人担忧的是，移动端离线生图技术可能被恐怖分子用于制作生物识别欺骗材料，或被儿童用来生成不适内容。技术进步若缺乏配套的内容溯源机制，最终将反噬AI产业的社会信任基础。

---

🤖5. 特斯拉Optimus手部精度达0.1毫米，2026年工厂部署

👉️重点提炼：特斯拉9月28日展示Optimus最新进展，手部关节自由度增至24个，抓握精度达0.1毫米，可识别并使用电钻、扳手完成简单维修任务。该机器人采用纯视觉方案，依赖Dojo超级计算机训练的世界模型，预计2026年在特斯拉德州工厂批量部署，负责电池组装和车辆质检工作，初期替代约10%的人工岗位。

🧐糖浆分析：Optimus的"无激光雷达"路线是马斯克的豪赌。尽管0.1毫米精度看似突破，但纯视觉方案在复杂光照条件下的故障率仍高达15%，这在汽车制造场景中可能导致灾难性后果。更值得玩味的是特斯拉的"替代10%人工"说辞——这与其说是技术突破，不如说是资本市场话术：通过承诺裁员预期推高股价，同时向供应商施压降价，形成"股价-成本"双杀的商业闭环。