从“单点突破”走向“基座复用”，小蝇科技PanaVita AI检验垂类大模型引爆NCLM 2026

许建成教授在报告开篇勾勒了检验AI的真实现状：形态识别、智能质控、结果审核、报告解读、疾病鉴别诊断……近年来检验AI在多个方向结出果实，但绝大多数仍是“单点、从0到1”的研究式构建——每个场景都要独立走完数据采集、清洗、标注、算法选择、训练验证、部署落地六个环节。许教授指出，“数据决定上限，算法逼近上限，验证决定能否进临床”，一条完整构建链路缺一不可，也让单点模式的落地周期以月、甚至以年计。

他山之石，可以攻玉。报告以医学影像领域为例：一个学过千万级影像的基座模型，可以统一完成模态识别、疾病诊断、报告生成等多类任务，下游新任务无需从头训练。“检验领域是否也可以把共性劳动沉淀下来，形成一个可复用、可迁移、可持续学习的能力基座？”这一追问引出了报告的核心——检验基座大模型的两条技术路线：以通用大模型为底座、用检验数据持续微调的“派生式”，适合文献检索、报告解读等文本类辅助场景；以检验多模态数据为训练起点、原生构建的“原生式”，在细胞识别、形态学分析等专业图像场景优势明显。

许教授强调，两条路线长期并行、并非替代，评价核心不是技术路线本身，而是“对检验专业场景理解的深度和准确度”。围绕基座的构建条件，报告提出五大资源支柱——数据资源是核心壁垒，标注资源是专业壁垒，此外还有算法、算力与合规前置。在落地层面，报告给出了清晰的分工：基座是“大脑”，提供通用理解与推理；工作流是“固定动作”，以确定性编排嵌入检验流程、逐步可审计；智能体则是“手”，自主规划任务、调用工具。报告展望的演进路径是：单点模型→多模态基座→工作流落地→智能体协同，让AI最终成为检验科的“数字同事”，同时始终“人类在环”。这一判断，也为检验垂类基座的原生式构建路径提供了清晰方向。

专题会上描绘的技术路线，在展会现场也有了现实注脚。对检验垂类基座的强调，同样出现在了小蝇科技的展示中：其在A5馆B128展台现场展示的PanaVita AI，是千亿级参数多模态医学检验垂类基座大模型，为“原生式”路线提供了实践回答。

PanaVita AI强调“检验原生”，不走“通用大模型+医疗补丁”的路径，而是从检验数据本质出发、从检验原生业务逻辑出发搭建垂类基座。模型覆盖文本、数值、图形、图像、时间序列等多模态数据，形成了数据、模型、软件、硬件四层能力、37个能力单元的完整体系。

在可靠性方面，PanaVita通过高质量专业标注数据、溯源检索和持续反馈迭代等机制，将幻觉率控制在3%以下，确保输出可解释、可溯源，让AI真正进入临床语境。

基于PanaVita基座，小蝇科技展示了其智能体矩阵的首批成果——显微形态智能体与科研教学智能体，显微形态智能体面向临床检验场景，科研教学智能体则将顶级专家经验转化为可复用的学习资产。其中，显微形态智能体的代表性场景应用成果——AI血细胞形态学分析系统，在展台带来了最直观的实机演示：基于100倍油镜血膜全域扫描技术，将传统镜检从“看不全、看不准、看得慢”升级为“全片扫描+AI识别”，实现异常细胞的高效筛查与精准识别。该系统已获得国内IVD领域首张AI三类医疗器械注册证，并落地超过100家医疗机构，其中三甲医院占比超过80%。

小蝇科技展台人气持续高涨，来自全国各级医疗机构的检验专家、实验室负责人络绎不绝，围绕大模型的临床落地、多模态数据融合、智能体场景适配等核心议题与小蝇科技团队展开深入交流。不少参会老师对“基座+智能体”的落地路径表达高度兴趣，认为这为解决检验科AI“单点重复建设”的困境提供了可复用的新思路。

展会期间，小蝇科技联合创始人伍博深接受行业媒体专访，围绕检验垂类大模型的技术逻辑与产业价值展开深度对话。

伍博深表示，通用大模型像一个“通才”——知识面广、学习能力强，但不懂检验的“行话”；而PanaVita是“专才”——从训练第一天就学习检验的内在逻辑。“通用大模型能回答结果，但回答不了可解释性。而医疗恰恰不能只给结论，你得说明白为什么是这个结论。”

谈及检验基座的价值，伍博深指出，下一阶段IVD真正庞大的机会，不是再诞生多少个医疗大模型，而是现有的血球、生化、免疫、凝血、微生物、分子、质谱、流水线和实验室软件，被AI重新升级一遍。“谁能够把底层AI能力与这些产品、数据和场景真正连接起来，谁就可能进入一个更大的市场。”

他同时透露，PanaVita的下一阶段路径已经清晰：基座→场景→智能体。从显微形态开始，继续向流式、质谱、凝血、科研教学等方向扩展，再进入检验科、第三方实验室、IVD厂商和政府平台。“我们希望验证的是一种新的产业分工——AI可以像模块一样嵌入设备，像基座一样承载模型，像伙伴一样参与产品共创，让每个合作方都能在PanaVita基座的基础上生长出自己的智能应用。”