李鋼+徐鼎梁

歷史沒有只吹不停的風，反復表演著居高摔重的戲碼，AI+醫(yī)療也概莫能外。這是一場持久戰(zhàn)，活下來比什么都重要

人工智能在醫(yī)療領域被資本的風吹上九尺云霄，然而，歷史永遠沒有只吹不停的風，反復表演著居高摔重的戲碼，如何做好一只被風吹上天的豬可能也是一種至關重要的生存之道。

核心是，這陣風的實質是深度學習概念為人工智能在醫(yī)療領域帶來的商業(yè)化落地機會，核心是深度學習和商業(yè)化；目前中國對美國風向的跟從效應明顯，但數(shù)據(jù)優(yōu)勢下，AI的未來在中國。

最火熱的AI+醫(yī)學影像領域很快會遭遇融資瓶頸，變現(xiàn)仍是生死關，建議提前做好準備；而AI+新藥研發(fā)將成為下一個熱點。

強科學屬性下，數(shù)據(jù)是最有價值的

現(xiàn)在所提及的AI+醫(yī)療，其實是在談，深度學習方法的出現(xiàn)，為人工智能在醫(yī)療領域帶來的商業(yè)化落地機會。關鍵詞在“深度學習”和“商業(yè)化”。

這種定義或許能夠對讀者在當前浩浩蕩蕩掛著醫(yī)療AI大旗的公司里區(qū)分出李逵和李鬼有所幫助——畢竟并不是每一家能夠通過計算機的輸入與輸出運算出一些結果的公司都是我們現(xiàn)在要談的人工智能，雖然他們都會這么宣稱。創(chuàng)業(yè)者在風中也應該對自己有清晰的認識，對未來有正確的定位和目標——被誤吹起來的豬總是最先落地。

以2015年為分水嶺，之前都在談論“移動醫(yī)療”，年后默默地被替換成“數(shù)字醫(yī)療”，直到現(xiàn)在“人工智能”的出現(xiàn)。這種轉變勾勒出了最近十年來醫(yī)療信息化領域依次出場的三陣風：移動醫(yī)療—大數(shù)據(jù)—人工智能。

這三陣風，并不是簡單的資本輪流炒作，其背后產業(yè)發(fā)展的邏輯是異常清晰的。但不得不承認，過去我們的認識可能走過一些彎路。

移動醫(yī)療興起之初，資本市場更傾向于視其為一場移動互聯(lián)技術帶來的商業(yè)模式創(chuàng)新，就像ebay和淘寶把交易從線下搬到線上。然而，事實最終并未能很快復制TMT移動化的發(fā)展與輝煌，風很快就停了。究其原因，醫(yī)療領域有著更強的科學屬性和更弱的商業(yè)屬性，與電商、娛樂等強商業(yè)屬性不同。

強科學屬性下，數(shù)據(jù)才是這個領域最有價值的部分。大數(shù)據(jù)產業(yè)分為三個環(huán)節(jié)，數(shù)據(jù)收集、數(shù)據(jù)結構化和數(shù)據(jù)挖掘。移動醫(yī)療解決的是數(shù)據(jù)收集的問題，人工智能則提供數(shù)據(jù)挖掘的強有力工具。風就沿著數(shù)據(jù)這條產業(yè)化路徑吹了下來。鏈條中數(shù)據(jù)收集和結構化都是低附加值的部分，而數(shù)據(jù)挖掘才是產生最終價值的一步。當產業(yè)還停留在低附加值階段，沒有獲得令人滿意的商業(yè)回報便是順理成章的事了。

如果人工智能技術能夠突破應用關，整條產業(yè)鏈都將因此重新煥發(fā)出巨大價值——然而，站在現(xiàn)在這個時點上，我們都還在積極嘗試和等待結果。

國內的風口，怎么找

對于中國的創(chuàng)業(yè)者和投資人而言，一切似乎可以變得相對簡單一些。從移動醫(yī)療到人工智能，美國的領頭羊效應明顯，中國的行業(yè)起步可能比美國平均晚2年-3年，當然這個差距在逐步縮短（但趨勢衰退時則反應靈敏得多）。從幾個案例能夠說明這一問題。

線上問診領域，美國領先者Teladoc成立于2002年，在2011年獲KPCB的1800萬美元投資；同年，在中國，春雨醫(yī)生成立，獲藍馳創(chuàng)投300萬美元投資，到2014年獲得千萬美元級別投資。

醫(yī)生預約領域，美國領先者Zocdoc成立于2007年，2010年中拿到1500萬美元投資。也是在2010年，在中國，掛號網(wǎng)成立，并在年底獲得2200萬美元投資。

腫瘤大數(shù)據(jù)領域，美國領先者Flatiron Health成立于2012年，于2014年獲得1.3億美元投資。在中國，新嶼科技、思派網(wǎng)絡和零氪科技在2013年-2014年間逐次成立，并在2016年前后分別獲得超過千萬美元投資。

在AI于醫(yī)學影像的應用領域，2015年IBM以10億美元收購醫(yī)療影像公司Merge Healthcare，并入同年成立的Watson Health care，利用Merge公司擁有的海量圖像數(shù)據(jù)進行深度學習，成為AI+醫(yī)學影像的標志性事件。而2017年國內紛紛獲得大額融資的影像AI公司，大多在2016年成立。

以上，不難看出美國對中國存在明顯示范效應。這降低了國內創(chuàng)業(yè)者和投資人在選擇方向上的難度——只需要緊盯美國市場，一旦某一領域首次出現(xiàn)千萬美元級別融資，那么這個方向在未來幾年內很可能成為國內風口。

最大的挑戰(zhàn)來自于新技術與模式在中國可能出現(xiàn)的水土不服。中國的社保制度、商業(yè)保險發(fā)展階段、醫(yī)院管理方式與利益分配機制都是中國獨有的商業(yè)化障礙。

不過，AI產業(yè)長期來看是技術驅動性的行業(yè)，需要足夠多的數(shù)據(jù)作為支撐，人口與數(shù)據(jù)中國得天獨厚，這是中國產生后發(fā)優(yōu)勢的決定性基礎。未來，不僅是國內AI創(chuàng)業(yè)風起云涌，更多國際化的力量都會往中國做聚焦，帶來技術的輸入和潛在的跨國合作機會。

站在風中的中國投資人，在想什么？

隨著移動醫(yī)療到人工智能的風起風落，我們時刻感受著中國投資人的情緒波動，或許有資格來談論一些觀察。

觀察一，影像已然成為AI在醫(yī)療領域落地的主要突破口。資金率先集中在影像應用領域，在2017年該領域紛紛涌現(xiàn)億元左右融資，進入B輪規(guī)模。醫(yī)療的其他應用領域主要依賴于技術發(fā)展和數(shù)據(jù)積累的速度。

資本風向吹出了影像領域的三大派別，第一，算法驅動型。這一類公司的主要特點是大多成立于2016年及以后，創(chuàng)始人往往是海歸，對深度學習的最新技術具有充分了解，試圖搭建一支跨學科團隊，把這種最新技術應用于醫(yī)療領域。他們能夠通過不斷的訓練與調整，去平衡精確度和假陽性率，精益求精以滿足用戶需求。

第二，數(shù)據(jù)驅動型。這一類公司的主要特點是創(chuàng)始人大多來自傳統(tǒng)影像歸檔和通信系統(tǒng)（PACS）行業(yè)，或者大型影像設備的代理商和維修商。他們認為，中國與美國一個很大的區(qū)別在于，中國的數(shù)據(jù)孤島現(xiàn)象并未在移動醫(yī)療時代得到有效解決，所以影像數(shù)據(jù)的來源在國內依然足以成為壁壘。所以他們往往在云PACS角度切入，先通過連接醫(yī)院獲得持續(xù)獲取數(shù)據(jù)的能力，再搭建團隊涉足人工智能分析。其長處在于，了解醫(yī)生需求，也懂得在醫(yī)院做事要掌握的尺度和方法，這注定了他們未來商業(yè)化落地會有更加扎實的基礎。endprint

第三，資源驅動型。標志性代表是IBM，在中國則是BAT這樣的巨頭。它們擁有所有創(chuàng)業(yè)者所無法比擬的資源優(yōu)勢——成熟的人才團隊，足夠的社會、品牌資源，更重要的是有源源不斷的資金支持，可以隨時有能力開啟“買買買”模式，遇到競爭隨時可以開啟免費戰(zhàn)略甚至大額補貼。IBM和BAT的強勢進場讓整個生態(tài)圈都面臨巨大壓力，也讓不少投資人因此對這個領域避而遠之。

雖有三種派別，然而由于深度學習核心算法的開源性，以及數(shù)據(jù)獲取實際并非完全一塊鐵板，在短期內，算法也好，數(shù)據(jù)也罷，誰都無法迅速構建起足夠有效的壁壘，這才導致了當前激烈的同質競爭。

我們預期，未來一年到兩年資金將迅速在頭部公司集結，這將迫使業(yè)內每一家公司，必須至少在某一方面證明自己的先進性才能立足，剩下的企業(yè)只能在競爭中走向湮滅。而巨頭的進入，必會加速行業(yè)洗牌和整合。這對行業(yè)并非壞事，為投資人也提供了一種潛在退出的渠道。

觀察二，變現(xiàn)依然會是終極大考，資本耐心有限，行業(yè)參與者馬上就要面對“C輪死”魔咒的挑戰(zhàn)。

當細分行業(yè)龍頭融資紛紛都達到億元級別后，這些領先企業(yè)融資最困難的階段已近在眼前，而它們是否能夠克服“C輪死”的魔咒，將對行業(yè)的風口持續(xù)性產生決定性影響。

這個困難階段出現(xiàn)的必然性，是投資人的偏好分布決定的。在中國的一級市場，機構兩極化正在愈演愈烈：或者選擇早期項目，小金額、廣撒網(wǎng)、博概率，走孵化路線；或者選擇成熟項目，有利潤、談對賭、博上市，走Pre IPO路線。這兩條路線，并不需要過多的技術鉆研判斷和深入的行業(yè)理解，就能夠讓機構獲得相對安全的回報，這是近年來市場對資本回報的高要求與行業(yè)慢增長屬性，私募基金爆炸式發(fā)展與真正優(yōu)秀的投資人才匱乏，這兩大根本矛盾產生的必然結果。

現(xiàn)在，AI+醫(yī)療影像的龍頭公司已經(jīng)飛到兩條路線中間的那個巨大缺口之中。在這個階段，對風險偏好較高的VC而言，公司需要的融資額已經(jīng)超過它們能夠投資的體量；而對于較大體量的PE而言，AI+影像依然處于商業(yè)化的探索階段，沒有亮眼的財務數(shù)字卻頂著極高的估值，實在無法下手。這樣的狀況下，可選擇的領投機構將被迅速縮小到極少數(shù)資金雄厚，對前沿技術有一定判斷，敢于引領時代潮流作出決策的出資人。這樣的機構不會超過30家。

資本永遠是逐利的，與情懷無關，而且他們的耐心往往有限。創(chuàng)始人務必要重視變現(xiàn)這個問題，必須有清晰的解決方法和思路。沒有解決商業(yè)化難題的企業(yè)永遠是沒有翅膀的豬，風停就會非死即傷。

觀察三，TMT領域的投資人是影像+AI領域的主要布局者，而醫(yī)療領域投資人態(tài)度明顯趨于保守。長周期基金或產業(yè)資本參與能力更強。

要克服融資的瓶頸，找對投資人就變得異常重要。在這一波AI+影像的熱潮中，我們看到了一個非常明顯的趨勢。

不同于幾年前移動醫(yī)療大熱之時，各類專注于醫(yī)療的投資團隊都出手頻頻，但在這一輪AI的狂歡里，少了這些團隊的身影。我們看到只有極少數(shù)案例是醫(yī)療團隊主導，絕大多數(shù)投資來自于基金內部TMT團隊的推動。這點發(fā)現(xiàn)讓我們初時十分驚訝，但細細想來并不奇怪。

對于扎根于醫(yī)療這一相對傳統(tǒng)行業(yè)的投資人而言，在思維模式上本就有巨大挑戰(zhàn)，需要從傳統(tǒng)醫(yī)療的長周期慢發(fā)展規(guī)律切換到類TMT的短周期指數(shù)增長思維。移動醫(yī)療熱潮是他們第一次轉變的嘗試，但不幸的是最終大部分人為此交了學費——移動醫(yī)療熱度斷崖式崩潰的根源，恰恰就是無法解決變現(xiàn)與盈利問題，至今還在艱難求生。慘痛的教訓讓醫(yī)療領域投資人都變得趨于保守，而TMT恰恰對變現(xiàn)的容忍度更高，且幸運的是，影像需要的醫(yī)療專業(yè)性有限——如果未來AI+新藥研發(fā)領域，可能就無法指望TMT領域投資人了。

之外，我們預測在前商業(yè)化階段能在這個領域投出大額資金的，還有至少兩類機構可以考慮：一類是退出壓力較小的長存續(xù)期基金或長青基金；二類是從協(xié)同性出發(fā)考慮問題的產業(yè)內戰(zhàn)略投資人。

觀察四，AI+新藥研發(fā)部分，很可能成為下一個爆發(fā)點。

AI在影像領域商業(yè)化尚不明朗，新藥研發(fā)領域的AI應用，很可能后來居上。2016年12月，輝瑞與 IBM Watson Health簽署協(xié)議，將Watson的超級計算能力用于其研發(fā)新型抗癌藥中；美國創(chuàng)業(yè)公司Atomwise通過IBM超級計算機分析數(shù)據(jù)庫，利用深度學習神經(jīng)網(wǎng)絡分析化合物的構效關系，一周時間就發(fā)現(xiàn)了抗擊埃博拉病毒的潛在藥物，比傳統(tǒng)藥物研發(fā)節(jié)約數(shù)年時間。

藥物研發(fā)的商業(yè)化路徑也更清晰，成功研發(fā)新藥或轉讓或售賣均可獲得動輒上億美元的回報。中國特有的商業(yè)風險和政策風險在新藥研發(fā)上的影響相較影像小得多。并且，新藥研發(fā)的科學性和邏輯性更強，對技術的要求更高，但也更純粹，有利于參與者通過技術建立有效壁壘。

總之，AI+醫(yī)療風口能持續(xù)多久很難預測，這會是一場持久戰(zhàn)，在風的起起落落中，活下來比什么都重要。

（作者李鋼為易凱資本健康產業(yè)組聯(lián)席負責人、徐鼎梁為健康產業(yè)組副總裁，編輯：王?。〆ndprint