Fangzhou: โมเดลภาษาขนาดใหญ่ “XingJie” ผ่านการขึ้นทะเบียนระดับชาติสำคัญ ปูทางสู่นวัตกรรมการดูแลโรคเรื้อรังที่ขับเคลื่อนด้วย AI เพิ่มเติม

(SeaPRwire) –   เซินเจิ้น ประเทศจีน, 2 พ.ย. 2025 – Fangzhou Inc. (“Fangzhou” หรือ “บริษัท”) (HKEX: 06086) ผู้นำด้านโซลูชันดูแลสุขภาพทางอินเทอร์เน็ตที่ขับเคลื่อนด้วย AI ได้รับใบรับรองการยื่นจดทะเบียนบริการ Generative AI ในงานประชุมการยื่นจดทะเบียน LLM ระดับมณฑลกวางตุ้งครั้งแรกที่เมืองเซินเจิ้น

ในงานดังกล่าว ดร. เซี่ย ฟางหมิน ผู้ก่อตั้ง ประธาน และประธานเจ้าหน้าที่บริหารของ Fangzhou กล่าวว่า: “การเปิดตัว Large Language Model (‘XJ LLM’) ‘XingJie’ ที่ประสบความสำเร็จ ถือเป็นอีกหนึ่งก้าวสำคัญในการพัฒนาการบริหารจัดการโรคเรื้อรังที่ขับเคลื่อนด้วย AI ของ Fangzhou เราจะต่อยอดจากความก้าวหน้านี้ เพื่อปรับปรุงโมเดลของเราและเสริมสร้างระบบนิเวศการดูแลสุขภาพ AI+H2H (จากโรงพยาบาลสู่บ้าน) ของเรา โดยผสานความสามารถ AI ที่ทันสมัยเข้ากับบริการทางการแพทย์ระดับมืออาชีพ เพื่อให้ผู้ใช้ทุกคนสามารถสัมผัสกับการสนับสนุนการดูแลที่ชาญฉลาด เข้าถึงได้ง่ายขึ้น และเป็นส่วนตัวมากขึ้น”

ดร. เซี่ย ฟางหมิน กล่าวสุนทรพจน์ในงานประชุมการยื่นจดทะเบียน LLM ระดับมณฑลกวางตุ้งครั้งแรก

XJ LLM ซึ่งเป็นโมเดล AI ที่เน้นการดูแลสุขภาพกรรมสิทธิ์ของ Fangzhou ได้ดำเนินการยื่นจดทะเบียนบริการ Generative AI ระดับประเทศอย่างเป็นทางการ (หมายเลขการยื่นจดทะเบียน: Guangdong-XingJie-202509120089) กับสำนักงานบริหารไซเบอร์แห่งประเทศจีน การนำโมเดลเรือธงสองรุ่นของบริษัท ได้แก่ XJ LLM และ XS LLM (ประกาศเมื่อเดือนกันยายน 2025) มาใช้งาน ตอกย้ำตำแหน่งผู้นำของบริษัทในการบริหารจัดการโรคเรื้อรังที่ขับเคลื่อนด้วย AI ความสำเร็จนี้เน้นย้ำถึงวิวัฒนาการที่กำลังจะเกิดขึ้นของการบริหารจัดการโรคเรื้อรัง จากการดูแลแบบดั้งเดิมที่เน้นการสอบถามแบบตั้งรับ ไปสู่กระบวนทัศน์ที่ขับเคลื่อนด้วย AI ซึ่งให้ข้อมูลเชิงลึกที่สามารถคาดการณ์ได้และการดูแลที่เป็นส่วนตัว

ในฐานะที่เป็นรากฐานสำคัญของระบบนิเวศ AI+H2H ของ Fangzhou, XJ LLM สร้างขึ้นบนนวัตกรรมหลักสามประการ — ความก้าวหน้าทางเทคโนโลยี, การเปลี่ยนแปลงการประยุกต์ใช้, และประสิทธิภาพการดำเนินงาน — ซึ่งร่วมกันพลิกโฉมประสบการณ์การบริการ XJ LLM ผสมผสานการรับรู้อารมณ์และการให้เหตุผลตามเจตนา เพื่อคาดการณ์ความต้องการของผู้ใช้ โดยทำหน้าที่เป็นศูนย์กลางในการประสานงานหลายโมเดลเพื่อความเร็วและประสิทธิภาพสูงสุด การเปลี่ยนจากฟังก์ชันการทำงานที่อิงตามแอปพลิเคชันไปสู่ประสบการณ์ที่ขับเคลื่อนด้วย AI นี้ ช่วยให้เกิดการโต้ตอบที่เป็นธรรมชาติและการดำเนินการงานอัตโนมัติ ฐานความรู้ของ XJ LLM สามารถปรับให้เข้ากับข้อมูลจริง ลดค่าใช้จ่ายในการบำรุงรักษา และช่วยขยายขีดความสามารถของ AI ในกระบวนการองค์กรแบบครบวงจร

การยื่นจดทะเบียน XJ LLM ที่ประสบความสำเร็จ ถือเป็นความสำเร็จครั้งสำคัญในระบบนิเวศการบริหารจัดการโรคเรื้อรังที่ขับเคลื่อนด้วย AI ของ Fangzhou ด้วย XS LLM ที่เปิดตัวไปก่อนหน้านี้ สถาปัตยกรรมแบบสองโมเดลนี้ได้ก่อตั้งระบบนิเวศ AI+H2H แบบบูรณาการที่มีความสามารถในการบริหารจัดการที่ครอบคลุมในด้านโรคเฉพาะทางต่างๆ ปัจจุบัน ระบบนิเวศนี้สนับสนุนบริการอัจฉริยะแบบครบวงจรในด้านต่างๆ เช่น AI+การจัดการน้ำหนัก และ AI+การดูแลโรคสะเก็ดเงิน โดยให้คำแนะนำด้านยาที่ปรับให้เหมาะสม และการสนับสนุนครบวงจรตั้งแต่การให้ความรู้เกี่ยวกับโรค การแทรกแซงที่ตรงเป้าหมาย และการติดตามอย่างต่อเนื่อง

Fangzhou ได้สร้างพันธมิตรเชิงกลยุทธ์กับบริษัทยาชั้นนำหลายแห่ง รวมถึง Novo Nordisk, Innovent Biologics และ Fosun Pharma เพื่อร่วมกันสร้างกรอบการทำงานชั้นนำของอุตสาหกรรมสำหรับการบริหารจัดการโรคที่ขับเคลื่อนด้วย AI เร่งการพัฒนาของอุตสาหกรรมไปสู่การดูแลที่อัจฉริยะและอิงตามหลักฐาน

ในอนาคต Fangzhou จะขยายโซลูชันที่ขับเคลื่อนด้วย AI ครอบคลุมการบริหารจัดการโรคเรื้อรังทั้งหมด โดยใช้โมเดล XS LLM และ XJ LLM บริษัทยังคงมุ่งมั่นในภารกิจในการบรรลุ “สุขภาพที่ดีขึ้นสำหรับทุกคน” โดยใช้ประโยชน์จากเทคโนโลยีล้ำสมัยเพื่อมีส่วนร่วมในวิสัยทัศน์ของจีนที่มีสุขภาพดีขึ้น

เกี่ยวกับ Fangzhou Inc.
Fangzhou Inc. (HKEX: 06086) เป็นแพลตฟอร์มบริหารจัดการโรคเรื้อรังออนไลน์ชั้นนำของจีน ให้บริการผู้ใช้ที่ลงทะเบียน 52.8 ล้านคน และแพทย์ 229,000 คน (ข้อมูล ณ วันที่ 30 มิถุนายน 2025) บริษัทมีความเชี่ยวชาญในการส่งมอบการดูแลทางการแพทย์ที่ปรับแต่งให้เหมาะสมและโซลูชันเวชศาสตร์แม่นยำที่ขับเคลื่อนด้วย AI สำหรับข้อมูลเพิ่มเติม กรุณาเยี่ยมชม .

ติดต่อสื่อ
สำหรับข้อสงสัยหรือการสัมภาษณ์เพิ่มเติม โปรดติดต่อ:
Xingwei Zhao ผู้อำนวยการร่วมฝ่ายประชาสัมพันธ์ อีเมล: pr@jianke.com

ข้อจำกัดความรับผิดชอบ: ข่าวประชาสัมพันธ์นี้มีข้อความคาดการณ์อนาคต ผลลัพธ์ที่แท้จริงอาจแตกต่างอย่างมากจากที่คาดการณ์ไว้เนื่องจากปัจจัยหลายประการ ผู้อ่านควรใช้ความระมัดระวังและไม่พึ่งพาข้อความเหล่านี้มากเกินไป