医学垂类标注与评估
对标 Scale AI 的战略定位：专家标注 + 标注质量评估
内部资料 · 2026年5月
内部资料 · 2026年5月
1 核心逻辑
AI 企业构建生成模型。MedLoom 提供专家标注与质量评估。
AI 企业训练和评估医学模型依赖高质量数据。医学数据标注要求临床领域专家参与——通用众包平台无法满足这一精度要求。
第一层：专家标注
我们直接为 AI 公司提供医学领域的专家级标注服务：视频/图像/文本/RLHF
第二层：标注评估
当头部企业自建垂类标注团队时，MedLoom 提供标注质量评估、准确性基准测试、合规认证
2 为什么是现在
Meta 收购 Scale AI → 医疗标注市场出现供给缺口
| 时间 | 事件 | 影响 |
|---|---|---|
| 2025.06 | Meta 以 143 亿美元收购 Scale AI 49% 股权 | Scale AI 资源转向 Meta 需求 |
| 2025 H2 | 谷歌 / OpenAI / xAI 暂停与 Scale 合作 | 大客户流失，Scale 裁员 14% |
| 2026 | Scale AI 医疗方向大幅收缩 | 梅奥诊所等合作搁置 → 市场缺口 |
$2.57B
全球医疗数据标注市场（2026）
$5.62B
全球预测（2031）· 年复合增长率 16.9%
Scale AI 在医疗领域曾有专门的医学术语协议、解剖学精度标准、多层质控体系（训练标注员 → 医学专业人员 → AI 辅助质控）。这些能力现在因为 Meta 收购被重新定向了。
— IntuitionLabs，《生物技术领域的 RLHF 平台》，2026
— IntuitionLabs，《生物技术领域的 RLHF 平台》，2026
3 两层服务模型
第一层：专家医学标注
核心收入为 AI 企业提供高质量的医学领域标注数据，要求具备医学背景的专业标注员参与，通用众包模式无法胜任。
| 标注类型 | 说明 | 客户需求 |
|---|---|---|
| 医学图像标注 | 放射影像、病理切片、皮肤病变的精确标注 | 医学影像 AI 模型训练 |
| 临床文本标注 | 病历、处方、临床指南的实体识别和关系抽取 | 医学自然语言处理 / 临床决策支持 |
| 医学视频结构化 | 视频切片的内容标注、时间线对齐、知识点映射 | 多模态医学 AI 训练 |
| 医学 RLHF | 大模型输出的临床准确性评估、偏好排序、安全性审核 | 医学大模型对齐 |
核心竞争优势：已完成标注的 60,000+ 条金标准数据（核心资产 ①），以及 10 年沉淀的标注方法论与专家网络（核心能力 ②）。
两者均已通过实际商业交付验证。
第二层：标注质量评估
高壁垒当头部科技企业的医疗部门自建标注团队时，仍需要独立的第三方评估标注质量。MedLoom 提供这一专业评估服务。
| 评估类型 | 说明 | 价值 |
|---|---|---|
| 准确性基准测试 | 用我们的金标准数据集测试标注质量 | 量化标注员/团队的准确率 |
| 一致性审计 | 跨标注员的标注一致性评估 | 识别系统性偏差 |
| 合规认证 | 标注流程是否符合医疗数据安全法 / 美国 HIPAA 要求 | 合规性背书 |
| 模型输出评估 | 评估 AI 模型在医学任务上的表现 | 模型上线前的质量门禁 |
类比：就像会计行业的"四大"——企业可以自己做账，但需要独立审计。我们是医学标注领域的"独立审计方"。
4 目标客户
| 客户类型 | 需要什么 | 第一层 / 第二层 | 市场 |
|---|---|---|---|
| AI 公司 / AI 实验室 训练医学大模型 |
高质量医学标注数据、RLHF 偏好数据 | 第一层 标注 | 中国 + 国际 |
| 头部科技企业医疗部门 自建标注能力 |
标注质量评估、基准测试、合规认证 | 第二层 评估 | 中国 |
| 药企 / 合同研究组织 合规数据需求 |
临床试验数据标注、药物安全性文本标注 | 第一层 标注 | 中国 + 国际 |
| 医院 AI 系统供应商 医学影像 / 辅助诊断 |
放射影像标注、模型评估 | 第一层 + 第二层 | 中国 |
| 监管机构 / 认证机构 AI 医疗器械审批 |
标注质量标准、测试数据集、评估报告 | 第二层 评估 | 中国 + 国际 |
5 对标参考：Scale AI
| 维度 | Scale AI | MedLoom（目标定位） |
|---|---|---|
| 服务范围 | 全行业：自动驾驶、政府、AI 通用 | 聚焦医学垂类 |
| 标注模式 | 9,000+ 通用众包标注员（全球分布） | 医学专家网络（三甲主任+专科医生） |
| 定价 | 图片 2 美分/张，标注 6 美分/个 企业合约平均 9.3 万美元/年 |
专家标注溢价更高（领域壁垒） |
| 质控 | AI 预标注 + 众包审核 + 客户验收 | 专家 ground truth + AI 辅助 + 独立审计 |
| 评估能力 | 安全评估与对齐实验室 | 医学标注评估服务（医学垂类版） |
| 数据资产 | 无自有数据（纯服务） | 60,000+ 专家审核切片，可直接作为行业基准 |
| 医疗合规 | 美国 HIPAA / SOC2（通用合规） | 美国 HIPAA + 中国医疗数据安全法（双合规） |
| 当前状态 | 20 亿美元营收，但医疗方向已收缩（Meta 收购后） | 概念验证完成，待市场验证 |
核心差异：Scale AI 依赖通用众包标注员，MedLoom 依赖医学领域专家。在临床数据标注中，标注员的专业背景直接决定数据质量的上限。
业界案例：通用 AI 生成的医学科普内容（如解剖结构图示）普遍存在临床错误。同理，缺乏医学背景的通用标注在临床精度上难以保障。
业界案例：通用 AI 生成的医学科普内容（如解剖结构图示）普遍存在临床错误。同理，缺乏医学背景的通用标注在临床精度上难以保障。
6 核心资产与能力
MedLoom 的竞争力来自两项已通过商业交付验证的核心能力：
核心资产 ①：已标注的高质量数据集
10 年积累60K+
专家审核的结构化切片
150+
覆盖常见疾病
16
标准知识模块 / 疾病
每个疾病按 16 个标准模块结构化（定义/症状/病因/诱因/检查/治疗/药物/护理/预防/危害…）， 每条切片标注：文字内容、在知识点中的位置、上下文语义、唯一编码。
这些数据本身就是金标准：
第一层 → 直接作为训练数据交付给 AI 公司；
第二层 → 作为基准数据集评估其他标注的质量。
这些数据已完成标注并通过专家审核，可直接用于商业交付。
核心能力 ②：标注与评估的方法论和专家网络
市场验证10 年的标注实践不只产出数据，更沉淀了一套可复制的标注方法论和经过验证的专家协作网络：
| 能力维度 | 具体内容 | 市场验证 |
|---|---|---|
| 标注规范体系 | 16 模块知识结构 × 分级标注流程 × 质控标准 | 150+ 疾病一致应用 |
| 专家网络 | 三甲主任+专科医生组成的审核团队 | 长期合作、已完成批量交付 |
| 质量评估能力 | 交叉审核、一致性检验、金标准数据比对 | 头部 AI 公司验收通过 |
| 规模化交付 | 从单疾病概念验证到批量万级别交付的全流程 | 10,000+ 条清洁版已交付 |
关键洞察：数据可以采购或生成，但标注规范的制定、评估标准的建立、质量体系的运营需要长期领域积累。
这是 MedLoom 提供第二层标注评估服务的核心基础。
7 近期收入通道
医学内容制作服务
独立业务线基于同一批核心资产（已标注的医学视频素材库 + 专家网络），为药企和学术机构提供专业医学内容制作服务。对外定位为专业制作服务，而非 AI 生成工具。
| 服务 | 客户 | 交付物 |
|---|---|---|
| 医学教育视频 | 药企市场部、学术推广部门 | 疾病科普视频、药物机制动画 |
| 学术插图与素材包 | 合同研究组织、学术期刊、临床研究机构 | 合规的医学图示和视频素材 |
| 医学内容运营 | 药企、医疗器械企业 | 科普账号内容、患者教育材料 |
与标注业务的关系：共享核心资产，独立客户群和销售体系。近期可产生稳定现金流，支撑标注平台的长期建设。
8 待讨论
需要验证的
- AI 公司对中文医学标注数据的实际需求量
- 第二层（标注评估）的付费意愿和定价空间
- 医学专家标注员的招募成本和质控流程
- 美国 HIPAA + 中国医疗数据安全法的双合规路径
风险
- AI 生成技术进步是否会降低人工标注的需求
- Scale AI 的医疗方向收缩是暂时还是永久
- 从"数据资产"到"服务能力"的组织建设
- 头部企业自建标注团队的速度是否快于 MedLoom 建立市场的速度