韩国“产业专用基础模型”项目首批入选联合体中的Lunit与韩国科学技术院（KAIST），正在为9月9日的最终评估加快研发进度。

该项目面向医疗、生物、制造、金融、国防等特定行业的数据开展训练，目标是构建更适配产业场景的AI模型。不同于面向通用能力的大模型研发，这一项目更强调在实际业务场景中的落地应用。

韩国科学技术信息通信部于去年启动首期项目，优先面向医疗和生物领域招募联合体。共有18个联合体报名，最终Lunit和KAIST两个联合体入选，并于去年11月1日正式启动开发。

今年3月31日，项目完成中期评估。两个联合体的得分均超过80分，高于第二阶段支持门槛的70分，因此获得延续至9月的GPU资源支持。

◆ Lunit：实证扩至9家医院，瞄准医疗科研AI平台

Lunit联合体的目标，是开发覆盖医学科研全流程的AI基础模型，应用范围从基础科研延伸至新药研发、临床试验和诊疗支持，核心在于构建统一的底座模型。

从中期评估结果看，Lunit的16B级模型在医学问答准确率、回答依据一致性，以及部分科学代码编写与分析评测基准上，表现优于Anthropic Claude 3.5 Sonnet等参数规模在100B至1T的超大模型。

进入第二阶段后，Lunit的重点转向真实医疗场景验证，以检验第一阶段基础模型的实际应用价值。目前，其实证范围已扩大至全国9家医院，并在不同医院场景中开展概念验证（PoC）。

Lunit表示，实证过程中积累的数据将纳入后续训练，持续推动模型迭代升级。随着数据量增加，模型的准确率和运行效率有望进一步提升，而如何确保模型在医院环境中稳定运行，正成为现阶段的核心任务。

据介绍，相关实证工作正围绕公共机构和民营医疗机构同步展开。Lunit以韩国健康保险公团等公共机构和延世大学附属医院等民营机构为中心，搭建有利于模型升级的数据与验证环境。

此外，Lunit还计划把现有单病种诊断服务，进一步扩展为类似医疗信息系统“操作系统”的平台。公司希望以可供全国医疗机构使用的底座模型为基础，形成可持续扩展的医疗AI服务生态。

Lunit相关人士表示，公司已推出基于X光影像识别肺癌、基于乳腺摄影识别乳腺癌等诊断应用。下一步，平台将从肺癌、乳腺癌进一步扩展至更多疾病，并覆盖从诊断、治疗决策到治疗后患者管理的全流程。

不过，如何获得医护人员信任仍是重要课题。上述人士表示，1至2年前，部分医护人员仍倾向于认为人工判断更准确，但近期对AI的接受度已有明显提升。医疗行业虽然相对保守，但一旦认知发生变化，推广速度也会更快。关键仍在于通过科学方式证明模型的准确率和效率。

◆ K-Fold：模型扩容，加快商业化落地

KAIST联合体正在开发生物领域专用基础模型K-Fold，目标是更快、更准确地预测蛋白质与分子复合体结构，从而在新药研发阶段提前通过计算筛选化合物与目标蛋白的结合情况，降低候选物筛选所需的时间和成本。

与Google DeepMind的AlphaFold3、Boltz2等更依赖既有数据统计规律的技术路径不同，K-Fold选择让AI自主学习蛋白质内部发生的物理和化学相互作用原理。

联合体表示，在中期评估中，K-Fold的准确率已接近AlphaFold3，同时推理速度最高提升30倍以上。

在第二阶段，KAIST计划把现有2B规模模型扩展至7B，并推进面向新药研发的平台建设。其解释称，第一阶段主要验证模型的准确率和推理速度，第二阶段则进一步面向实际研发场景，推动模型扩容和平台化落地。

考虑到由政府主导的AI模型研发项目往往容易停留在实验室阶段，KAIST联合体也在同步规划商业化路径。

其中，KAIST孵化企业HITS计划通过基于Web的平台HyperLab，以无需安装即可使用的SaaS形式提供K-Fold服务。针对安全要求更高的机构，KAIST创业企业AttoLab则将以专用服务器或本地部署（on-premise）方式交付HyperLab。

全球生命科学企业Merck Life Science计划在其数字实验工具平台中引入K-Fold，支持全球3万多个实验室使用。KAIST联合体认为，本项目开发的本土模型能够进入海外企业平台，具有代表性意义。

联合体相关人士表示，团队已在数据相对不足的新型药物复合体场景中提升了预测准确率，并改善了新药研发中关键的蛋白质结构变化预测能力；与此同时，也验证了基于K-Fold构建新药研发服务平台的可行性。