陆天然/文

从ChatGPT掀起大模型热潮，到AI在多领域落地应用，人工智能的发展恰似一场讲究策略与配合的掼蛋对局，数据就是决定胜负的核心牌面。如今全球科学家接连发出警告：互联网公开数据这副“公共散牌”已被彻底榨干，AI正陷入“无米下锅”的牌局窘境；而医疗科研领域的高价值核心数据，如同各家攥紧的“王牌”，始终藏于线下、互不流通，违背掼蛋协同配合、组牌制胜的核心逻辑，成为制约AI医疗突破的关键瓶颈。

掼蛋的精髓从不是单靠大牌硬打，而是整合零散牌型、搭档默契配合，靠顺子、同花顺等组合牌锁定胜局。过去十余年，互联网上的文本、图片、社交内容等公开数据，是AI训练的核心“公共牌”，支撑大模型完成从基础交互到复杂推理的迭代升级。可这份公共牌资源已见顶枯竭，OpenAI联合创始人将其比作耗尽的化石燃料，直言行业触及“数据峰值”；Epoch AI研究预测，2026年全球高质量语言数据将被彻底耗尽，而AI对数据的需求仍以每年超100%的速度增长。更严峻的是，互联网海量数据中，可直接用于训练的有效数据不足0.3%，大量重复低质内容如同“废牌”，版权合规问题又进一步压缩可用牌面，AI单靠公共牌已难以为继，这与掼蛋中仅凭散牌难成气候如出一辙。

公共牌耗尽，医疗领域的核心数据本是AI扭转牌局的“王牌组合”，却因数据孤岛陷入“单打独斗”的误区，彻底浪费优质牌面。医疗AI的影像辅助诊断、精准药物研发、疾病机制研究，都离不开临床诊疗、病理标本、基因测序、全周期诊疗等核心数据。这些数据分散在各级医院、药企、科研机构手中，每家都握着优质牌，却各自封闭、不愿“出牌”。当前我国医疗数据利用率仅8.3%，跨机构数据调阅率不足15%，即便同一家医院，不同科室的系统数据也互不兼容，恰似掼蛋中搭档各打各的，炸弹、顺子无法协同，再好的牌也打不出优势。互联网上仅有医疗科普、论文摘要等“小牌”，根本撑不起AI医疗科研的牌局，形成“牌面富饶、打法贫瘠”的尴尬困境。

深究医疗数据孤岛的成因，正是踩了掼蛋对局的三大禁忌：一是怕“违规出牌”，医疗数据关乎患者隐私，受法律法规严格管控，医疗机构为规避风险，索性捂牌不出；二是不懂“搭档配合”，数据权属界定模糊，利益分配机制缺失，没有机构愿意主动亮牌协作；三是不会“统筹组牌”，医疗数据缺乏统一标准，非结构化数据占比超70%，牌型混乱无法整合，即便想协同也无从下手。

想要破解AI“无米下锅”的困局，恰恰要活用掼蛋的核心思维，把分散的医疗数据盘活成制胜的组合牌。

首先，学掼蛋“搭档协同”，用联邦学习打配合牌。掼蛋讲究对家心有灵犀，不亮底牌也能共赢，这与联邦学习“数据不出库、模型共提升”的逻辑高度契合。上海瑞金医院联合20家医疗机构搭建罕见病诊断平台，各家医院作为“搭档”，原始数据全程不出院、不亮牌，仅传输加密模型参数协同训练，最终系统灵敏度达98.7%，基层罕见病漏诊率从34%降至8.2%；301医院联合5省12家医院开展糖网筛查，整合28万张眼底影像，模型准确率较单中心提升12个百分点，既守住隐私底线，又打出配合优势。

其次，懂掼蛋“合规出牌、统筹组牌”，组建省级联盟盘活全局。掼蛋需严守规则、统筹排布牌型，广东、浙江率先践行这一思路，打造省级医疗数据联盟。广东构建“1+N+M”数据体系，整合全省医疗机构数据、统一标准，肺癌早筛模型准确率提升15%，并建立数据收益分成机制，激发机构“献牌”积极性；浙江推行“浙医互认+健康云”模式，统一高频检查检验标准，月均共享数据超2000万条，糖尿病并发症预测模型准确率达92.3%，既守牢合规红线，又实现数据组合牌效应。

最后，悟掼蛋“共赢制胜”，搭建产学研生态闭环。掼蛋最终追求搭档共赢，AI发展也需多方协同。整合医院、药企、科研机构、AI企业资源，明确数据贡献与成果收益的关联，打破“各守手牌”的僵局，才能让线下医疗数据真正赋能AI科研。

AI的发展已从“拼大牌、拼单牌”转向“拼配合、拼组合”，互联网公开数据枯竭不是终点，而是转变打法的契机。以掼蛋思维破局数据孤岛，坚持合规出牌、协同配合、共赢共享，才能让AI摆脱“数据荒”桎梏，打出科研创新与民生服务的双赢好局。

作者介绍：陆天然，江苏南通人，法学硕士。现任东华大学数字资产研究院院长、中国自贸区数字经济研究院执行院长、促进民营经济高质量发展法治智库专家；深耕掼蛋文化与掼蛋思维体系研究，兼任世界掼蛋（牌）联合会副主席、东方掼蛋思维研究院院长。