行业证据：医疗、金融、法律以及更多场景

第 2 章里的集成科学预测，多样模型组合应该优于单模型。但预测很便宜。现实行业里的证据长什么样？

先放一个透明说明：跨系列多 AI 最强的量化证据来自软件工程场景，比如 GitClear、Veracode、Stanford、Blueprint2Code。下面讲的行业证据是真实的，但很多是类比性的。医疗、金融、法律现在更多使用多模态集成和领域特定模型组合，而不是我描述的那种直接跨系列 LLM 路由。底层思想相同：多样模型视角提升结果。实现方式不同。我会区分每个行业实际在做什么，以及我在推断什么。

医疗

医疗是风险最高、多模型 AI 证据也最强的行业之一。

PNAS 关于人类与 AI 混合集体的研究发现，医生与多个 LLM 协作时，在鉴别诊断上超过了单个医生、独立 LLM 和单系统方案。不同视角捕捉不同模式，诊断准确率高于任何单一专业来源。

LLM 之外，多模态 AI 架构在医学影像里已经很常见。把 CT 图像模型（例如 ResNet-50 这类架构）和临床报告模型（例如 RoBERTa 这类语言模型）组合起来的集成，在疾病分类上持续超过单模型。后期融合策略，也就是保留不同模态专属模型并聚合输出，而不是把一切硬塞进单一架构，已经是放射学、病理学、基因组学里的常见方法。

医疗和跨系列多 AI 的关系是类比：这些是不同类型的模型（视觉和语言），而不是同一类型下的不同家族。但机制一样。不同数据训练出的模型会抓到不同模式。CT 模型看到临床报告看不到的结构异常，报告模型抓到影像模型看不到的诊断线索。合在一起比任一模型单独使用更准确。

如果视觉模型加语言模型能在诊断里抓到更多错误，那么不同 LLM 家族的组合，在任何准确性重要的领域里，也应该更容易捕捉单一家族漏掉的问题。

金融

金融比几乎任何行业都更早使用集成方法。投资组合理论本质上就是集成论证：分散到不相关资产，可以降低风险，而不会等比例降低收益。相同数学也适用于 AI 模型选择。

Li 与 Tang (2024) 构建了一个自动化波动率预测系统，组合了五种算法。这个集成在 S&P 100 的所有时间区间上都稳定超过单个模型。Gu、Kelly 与 Xiu (2020) 在 The Review of Financial Studies 发表的研究显示，机器学习集成在 30,000 只美国股票上超过传统回归模型。

Financial Stability Board 2024 报告明确把 AI 服务提供商集中度视为金融行业的系统性漏洞。它们的担忧和投资组合分散的逻辑一致：如果大量金融分析流经同一个 AI 家族，这些模型就会共享同一组盲点。所有人得到同一个错误答案，而且因为每个人的模型都同意，没人发现。监管者花了几十年试图在银行体系中降低的集中风险，现在正在 AI 模型选择里重新出现。

金融早就理解：独立且不相关的视角会降低风险。集成研究说明，这个规律作用于 AI 模型时同样成立。

法律

法律行业的 AI 采用正在加速。Thomson Reuters 2025 数据显示，法律 GenAI 使用率同比接近翻倍，45% 的律所已经在使用 AI 或集中规划 AI 采用。对一个传统上很保守的行业来说，这个速度相当惊人。

为不同法律任务使用多个 LLM 的趋势正在增长。合同分析、案例研究、文档审查、合规检查有不同特征，没有任何单模型能在所有任务上都最好。先进法律 AI 框架开始把检索增强生成、知识图谱、多种模型架构（GPT-4、LLaMA-3 等）组合起来，分别处理不同任务类型。用于法律审查的多智能体 LLM 系统也正在形成独立研究方向。

这很自然地让人联想到交叉询问。法律里的对抗式程序之所以存在，是因为单一视角不足以保障司法公正。你不会只相信一位律师对事实的解释，也不会不经挑战就接受一个专家的分析。整个系统都假设独立、对抗式审查会比未经挑战的分析产生更好结果。

AI 辅助法律工作也应该遵循同样逻辑。一个模型做合同分析，再由另一个家族的模型评审，比同一个模型检查自己的工作更可能发现问题条款或遗漏义务。第 2 章里的回音室研究直接适用：同系列审查有信念固化风险，审查模型会强化而不是挑战原始模型的解释。

内容审核

内容审核可能是单模型方案为什么无法规模化的最好例子。错误有两个方向：误杀会压制合法表达，漏放会放过有害内容。

参与 Digital Trust & Safety Partnership (DTSP) AI 工作组的大型平台，包括 Google、Meta、Microsoft、Pinterest、Reddit、TikTok 等，都建议把多个自动化工具与人工审查组合起来。它们的最佳实践指南承认，在全部内容类型、语言和文化语境上，没有任何单模型能达到可接受准确率。

多模态 AI 系统把计算机视觉、音频分析、文本分类、图像识别、自动标记和人工审查结合起来，覆盖面会比任何单一方案更完整。文本分类器可能漏掉图片里的有害内容；视觉模型可能看不到让一张看似无害图片变得有问题的语境。组合起来才能覆盖更多表面。

模式

随着 AI 使用成熟、风险提高，组织通常会从单模型走向多模型。这不是绝对规律，不同行业、公司规模、风险偏好差异很大，但趋势很稳定。

金融最成熟，集成方法已经进入核心业务，监管框架也推动提供商多样化。医疗领域正在快速增长，因为诊断准确性要求更高、错误的后果更严重。法律仍处于萌芽阶段，但采用已经几乎同比翻倍。内容审核还比较早，但平台领导者已经得出结论：单模型方案不够。

成熟度梯度和风险一致。错误成本最高的领域，最早转向多模型。只要漏掉错误的代价足够高，多模型系统的额外复杂度就会变成理性投资。

这些行业证据和我主张的跨系列 LLM 路由并不完全一样。它们用的是多模态集成、领域特定模型组合和多架构框架，不一定是不同 LLM 家族互相评审文本输出。但机制相同：不同数据训练出的多样模型视角会抓到不同错误。无论是在放射科把视觉模型和语言模型组合起来，还是在代码审查里把 Claude 和 GPT 组合起来，核心机制都是通过多样性来降低错误之间的相关性。

多模型方案有效的证据已经很强。组织不采用它会发生什么，是 第 4 章 的主题。