李钢 徐鼎梁/文

人为智能在医疗领域被本钱的风吹上九尺云霄，然而，汗青始终没有只吹一向的风，反复表演着居高摔沉的戏码，若何做好一只被风吹上天的猪可能也是一种至关沉要的生计之路。

主题是，这阵风的内容是深度进建概想为人为智能在医疗领域带来的贸易化落地机遇，主题是深度进建和贸易化；目前中国对美国风向的仆从效应显著，但数据优势下，AI的将来在中国。

最火热的AI+医学影像领域很快会遭逢融资瓶颈，变现仍是生死关，建议提前做好筹备；而AI+新药研发将成为下一个热点。

强科学属性下，数据是最有价值的

此刻所提及的AI+医疗，其实是在谈，深度进建步骤的出现，为人为智能在医疗领域带来的贸易化落地机遇。关键词在“深度进建”和“贸易化”。

这种界说或许可能对读者在当前浩浩大荡挂着医疗AI大旗的公司里分辨出李逵和李鬼有所援手——终于并不是每一家可能通过推算机的输入与输出运算出一些了局的公司都是我们此刻要谈的人为智能，固然他们城市这么宣称。创业者在风中也应该对自己有清澈的意识，对将来有正确的定位和指标——被误吹起来的猪总是最先落地。

以2015年为分水岭，之前都在讨论“移动医疗”，年后默默地被代替成“数字医疗”，直到此刻“人为智能”的出现。这种转变勾画出了最近十年来医疗信息化领域顺次出场的三阵风：移动医疗—大数据—人为智能。

这三阵风，并不是单一的本钱轮流炒作，其背后产业发展的逻辑是异常清澈的。但不得不认可，从前K8凯发意识可能走过一些弯路。

移动医疗鼓起之初，本钱市场更偏差于视其为一场移动互联技术带来的贸易模式创新，就像ebay和淘宝把买卖从线下搬到线上。然而，事实最终并未能很快复造TMT移动化的发展与鲜丽，风很快就停了。究其原因，医疗领域有着更强的科学属性和更弱的贸易属性，与电商、娱乐等强贸易属性分歧。

强科学属性下，数据才是这个领域最有价值的部门。大数据产业分为三个环节，数据网络、数据结构化和数据挖掘。移动医疗解决的是数据网络的问题，人为智能则提供数据挖掘的强有力工具。风就沿着数据这条产业化蹊径吹了下来。链条中数据网络和结构化都是低附加值的部门，而数据挖掘才是产生最终价值的一步。当产业还停顿在低附加值阶段，没有获得令人中意的贸易回报就是顺理成章的事了。

若是人为智能技术可能突破利用关，整条产业链都将因而沉新焕发出巨大价值——然而，站在此刻这个时点上，我们都还在积极尝试和期待了局。

国内的风口，怎么找

对于中国的创业者和投资人而言，所有似乎能够变得相对单逐一些。从移动医疗到人为智能，美国的领头羊效应显著，中国的行业起步可能比美国均匀晚2年－3年，当然这个差距在逐步缩短（但趋向衰退时则反映活络得多）。从几个案例可能注明这一问题。

线上问诊领域，美国当先者Teladoc成立于2002年，在2011年获KPCB的1800万美元投资；同年，在中国，春雨医天生立，获蓝驰创投300万美元投资，到2014年获得千万美元级别投资。

医生预约领域，美国当先者Zocdoc成立于2007年，2010年中拿到1500万美元投资。也是在2010年，在中国，挂号网成立，并在年底获得2200万美元投资。

肿瘤大数据领域，美国当先者Flatiron Health成立于2012年，于2014年获得1.3亿美元投资。在中国，新屿科技、思派网络和零氪科技在2013年－2014年间逐次成立，并在2016年前后别离获得超过千万美元投资。

在AI于医学影像的利用领域，2015年IBM以10亿美元收购医疗影像公司Merge Healthcare，并入同年成立的Watson Health care，利用Merge公司占有的海量图像数据进行深度进建，成为AI+医学影像的标志性事务。而2017年国内纷纷获得大额融资的影像AI公司，大多在2016年成立。

以上，不难看出美国对中国存在显著示范效应。这降低了国内创业者和投资人在选择方向上的难度——只必要紧盯美国市场，一旦某一领域初次出现千万美元级别融资，那么这个方向在将来几年内很可能成为国内风口。

最大的挑战来自于新技术与模式在中国可能出现的不服水土。中国的社保造度、贸易保险发展阶段、医院治理方式与利益分配机造都是中国独有的贸易化阻碍。

不外，AI产业持久来看是技术驱动性的行业，必要足够多的数据作为支持，人丁与数据中国得天独厚，这是中国产生后发优势的决定性基础。将来，不仅是国内AI创业风起云涌，更多国际化的力量城市往中国做聚焦，带来技术的输入和潜在的跨国合作机遇。

 移除点击此处增长图片注明文字

（AI产业持久来看是技术驱动性的行业，必要足够多的数据作为支持，人丁与数据中国得天独厚，这是中国产生后发优势的决定性基础。图/视觉中国）

站在风中的中国投资人，在想什么？

随着移动医疗到人为智能的风刮风落，我们时刻感触着中国投资人的感情颠簸，或许有资格来讨论一些观察。

观察一，影像已然成为AI在医疗领域落地的重要突破口。资金率先集中在影像利用领域，在2017年该领域纷纷涌现亿元左右融资，进入B轮规模。医疗的其他利用领域重要依赖于技术发展和数据堆集的快率。

本钱风向吹出了影像领域的三大流派，第一，算法驱动型。这一类公司的重要特点是大多成立于2016年及以来，首创人往往是海归，对深度进建的最新技术拥有充分相识，试图搭建一支跨学科团队，把这种最新技术利用于医疗领域。他们可能通过不休的训练与调整，去平衡精确度和假阳性率，一目十行以满足用户需要。

第二，数据驱动型。这一类公司的重要特点是首创人大多来自传统影像归档和通讯系统（PACS）行业，或者大型影像设备的代理商和维建商。他们以为，中国与美国一个很大的区别在于，中国的数据孤岛景象并未在移动医疗时期得到有效解决，所以影像数据的起源在国内依然足以成为壁垒。所以他们往往在云PACS角度切入，先通过衔接医院获得持续获取数据的能力，再搭建团队涉足人为智能分析。其利益在于，相识医生需要，也懂得在医院做事要把握的尺度和步骤，这注定了他们将来贸易化落地会有越发扎实的基础。

第三，资源驱动型。标志性代表是IBM，在中国则是BAT这样的巨头。它们占有所有创业者所无法比力的资源优势——成熟的人才团队，足够的社会、品牌资源，更沉要的是有源源不休的资金支持，能够随时有能力开启“买买买”模式，遇到竞争随时能够开启免费战术甚至大额补助。IBM和BAT的强势进场让整个生态圈都面对巨大压力，也让不少投资人因而对这个领域避而远之。

虽有三种流派，然而由于深度进建主题算法的开源性，以及数据获取现实并非齐全一块铁板，在短期内，算法也好，数据也罢，谁都无法迅快构建起足够有效的壁垒，这才导致了当前强烈的同质竞争。

我们预期，将来一年到两年资金将迅快在头部公司集结，这将迫使业内每一家公司，必须至少在某一方面证明自己的先进性能力安身，剩下的企业只能在竞争中走向湮灭。而巨头的进入，必会加快行业洗牌和整合。这对行业并非坏事，为投资人也提供了一种潜在退出的渠路。

观察二，变现依然会是终极大考，本钱耐心有限，行业参加者顿时就要面对“C轮死”魔咒的挑战。

当细分行业龙头融资纷纷都达到亿元级别后，这些当先企业融资最难题的阶段已近在面前，而它们是否可能克服“C轮死”的魔咒，将对行业的风口持续性产生决定性影响。

这个难题阶段出现的必然性，是投资人的偏好散布决定的。在中国的一级市场，机构两极化在愈演愈烈：或者选择早期项目，幼金额、广撒网、博概率，走孵化路线；或者选择成熟项目，有利润、谈对赌、博上市，走Pre IPO路线。这两条路线，并不必要过多的技术钻研判断和深刻的行衣讽解，就可能让机构获得相对安全的回报，这是近年来市场对本钱回报的高要求与行业慢增长属性，私募基金爆炸式发展与真正优良的投资人才匮乏，这两大底子矛盾产生的必然了局。

此刻，AI+医疗影像的龙头公司已经飞到两条路线中央的那个巨大缺口之中。在这个阶段，对风险偏好较高的VC而言，公司必要的融资额已经超过它们可能投资的体量；而对于较大体量的PE而言，AI+影像依然处于贸易化的索求阶段，没有亮眼的财政数字却顶着极高的估值，切实无法下手。这样的情况下，可选择的领投契构将被迅快缩幼到极少数资金雄厚，对前沿技术有肯定判断，敢于引领时期潮水作出决策的出资人。这样的机构不会超过30家。

本钱始终是逐利的，与情怀无关，并且他们的耐心往往有限。首创人务必要器沉变现这个问题，必须有清澈的解决步骤和思路。没有解决贸易化难题的企业始终是没有同党的猪，风停就会非死即伤。

观察三，TMT领域的投资人是影像+AI领域的重要布局者，而医疗领域投资人态度显著趋于守旧。长周期基金或产业本钱参加能力更强。

要克服融资的瓶颈，找对投资人就变得异常沉要。在这一波AI+影像的热潮中，我们看到了一个极度显著的趋向。

分歧于几年前移动医疗大热之时，各类专一于医疗的投资团队都出手再三，但在这一轮AI的狂欢里，少了这些团队的身影。我们看到只有极少数案例是医疗团队主导，绝大无数投资来自于基金内部TMT团队的推动。这点发现让我们初时极度惊讶，但细细想来并不奇怪。

对于扎根于医疗这一相对传统行业的投资人而言，在思想模式上本就有巨大挑战，必要从传统医疗的长周期慢发展法规切换到类TMT的短周期指数增长思想。移动医疗热潮是他们第一次转变的尝试，但不幸的是最终大部门报答此交了膏火——移动医疗热度断崖式崩溃的本原，刚好就是无法解决变现与盈利问题，至今还在艰巨求生。惨痛的教训让医疗领域投资人都变得趋于守旧，而TMT刚好对变现的容忍度更高，且幸运的是，影像必要的医疗专业性有限——若是将来AI+新药研发领域，可能就无法指望TMT领域投资人了。

之表，我们预测在前贸易化阶段能在这个领域投出大额资金的，还有至少两类机构能够思考：一类是退出压力较幼的长存续期基金或长青基金；二类是从协同性启程思考问题的产业内战术投资人。

观察四，AI+新药研发部门，很可能成为下一个发作点。

AI在影像领域贸易化尚不爽朗，新药研发领域的AI利用，很可能青出于蓝。2016年12月，辉瑞与 IBM Watson Health签署和谈，将Watson的超等推算能力用于其研发新型抗癌药中；美国创业公司Atomwise通过IBM超等推算机分析数据库，利用深度进建神经网络分析化合物的构效关系，一周功夫就发现了抗击埃博拉病毒的潜在药物，比传统药物研发节约数年功夫。

药物研发的贸易化蹊径也更清澈，成功研发新药或让渡或售卖均可获得动辄上亿美元的回报。中国特有的贸易风险和政策风险在新药研发上的影响相较影像幼得多。并且，新药研发的科学性和逻辑性更强，对技术的要求更高，但也更纯正，有利于参加者通过技术成立有效壁垒。

总之，AI+医疗风口能持续多久很难预测，这会是一场悠久战，在风的起起落落中，活下来比什么都沉要。

（作者李钢为K8凯发本钱健全产业组联席掌管人、徐鼎梁为健全产业组副总裁，编纂：王。

（本文首刊于2018年2月5日出版的《财经》杂志）