李鋼+徐鼎梁

歷史沒有只吹不停的風(fēng)，反復(fù)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(lǐng)域被資本的風(fēng)吹上九尺云霄，然而，歷史永遠沒有只吹不停的風(fēng)，反復(fù)表演著居高摔重的戲碼，如何做好一只被風(fēng)吹上天的豬可能也是一種至關(guān)重要的生存之道。

核心是，這陣風(fēng)的實質(zhì)是深度學(xué)習(xí)概念為人工智能在醫(yī)療領(lǐng)域帶來的商業(yè)化落地機會，核心是深度學(xué)習(xí)和商業(yè)化；目前中國對美國風(fēng)向的跟從效應(yīng)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(xué)影像領(lǐng)域很快會遭遇融資瓶頸，變現(xiàn)仍是生死關(guān)，建議提前做好準(zhǔn)備；而AI+新藥研發(fā)將成為下一個熱點。

強科學(xué)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(xué)習(xí)方法的出現(xiàn)，為人工智能在醫(yī)療領(lǐng)域帶來的商業(yè)化落地機會。關(guān)鍵詞在“深度學(xué)習(xí)”和“商業(yè)化”。

這種定義或許能夠?qū)ψx者在當(dāng)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(jié)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(fēng)中也應(yīng)該對自己有清晰的認(rèn)識，對未來有正確的定位和目標(biāo)——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?wù)摗耙苿俞t(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(zhuǎn)變勾勒出了最近十年來醫(yī)療信息化領(lǐng)域依次出場的三陣風(fēng)：移動醫(yī)療—大數(shù)據(jù)—人工智能。

這三陣風(fēng)，并不是簡單的資本輪流炒作，其背后產(chǎn)業(yè)發(fā)展的邏輯是異常清晰的。但不得不承認(rèn)，過去我們的認(rèn)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(shù)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(fù)制TMT移動化的發(fā)展與輝煌，風(fēng)很快就停了。究其原因，醫(yī)療領(lǐng)域有著更強的科學(xué)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(xué)屬性下，數(shù)據(jù)才是這個領(lǐng)域最有價值的部分。大數(shù)據(jù)產(chǎn)業(yè)分為三個環(huán)節(jié)，數(shù)據(jù)收集、數(shù)據(jù)結(jié)構(gòu)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(fēng)就沿著數(shù)據(jù)這條產(chǎn)業(yè)化路徑吹了下來。鏈條中數(shù)據(jù)收集和結(jié)構(gòu)化都是低附加值的部分，而數(shù)據(jù)挖掘才是產(chǎn)生最終價值的一步。當(dāng)產(chǎn)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(shù)能夠突破應(yīng)用關(guān)，整條產(chǎn)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(jié)果。

國內(nèi)的風(fēng)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(lǐng)頭羊效應(yīng)明顯，中國的行業(yè)起步可能比美國平均晚2年-3年，當(dāng)然這個差距在逐步縮短（但趨勢衰退時則反應(yīng)靈敏得多）。從幾個案例能夠說明這一問題。

線上問診領(lǐng)域，美國領(lǐng)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(yù)約領(lǐng)域，美國領(lǐng)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(lǐng)域，美國領(lǐng)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(luò)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(xué)影像的應(yīng)用領(lǐng)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(xué)習(xí)，成為AI+醫(yī)學(xué)影像的標(biāo)志性事件。而2017年國內(nèi)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(yīng)。這降低了國內(nèi)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(lǐng)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(nèi)很可能成為國內(nèi)風(fēng)口。

最大的挑戰(zhàn)來自于新技術(shù)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(chǎn)業(yè)長期來看是技術(shù)驅(qū)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(chǎn)生后發(fā)優(yōu)勢的決定性基礎(chǔ)。未來，不僅是國內(nèi)AI創(chuàng)業(yè)風(fēng)起云涌，更多國際化的力量都會往中國做聚焦，帶來技術(shù)的輸入和潛在的跨國合作機會。

站在風(fēng)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(fēng)起風(fēng)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?wù)撘恍┯^察。

觀察一，影像已然成為AI在醫(yī)療領(lǐng)域落地的主要突破口。資金率先集中在影像應(yīng)用領(lǐng)域，在2017年該領(lǐng)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(yīng)用領(lǐng)域主要依賴于技術(shù)發(fā)展和數(shù)據(jù)積累的速度。

資本風(fēng)向吹出了影像領(lǐng)域的三大派別，第一，算法驅(qū)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(xué)習(xí)的最新技術(shù)具有充分了解，試圖搭建一支跨學(xué)科團隊，把這種最新技術(shù)應(yīng)用于醫(yī)療領(lǐng)域。他們能夠通過不斷的訓(xùn)練與調(diào)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(qū)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(shè)備的代理商和維修商。他們認(rèn)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(nèi)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(chǔ)。endprint

第三，資源驅(qū)動型。標(biāo)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(lǐng)域避而遠之。

雖有三種派別，然而由于深度學(xué)習(xí)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(nèi)，算法也好，數(shù)據(jù)也罷，誰都無法迅速構(gòu)建起足夠有效的壁壘，這才導(dǎo)致了當(dāng)前激烈的同質(zhì)競爭。

我們預(yù)期，未來一年到兩年資金將迅速在頭部公司集結(jié)，這將迫使業(yè)內(nèi)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(dāng)細(xì)分行業(yè)龍頭融資紛紛都達到億元級別后，這些領(lǐng)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(fēng)口持續(xù)性產(chǎn)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(gòu)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(shù)鉆研判斷和深入的行業(yè)理解，就能夠讓機構(gòu)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(chǎn)生的必然結(jié)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(fēng)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(wù)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(lǐng)投機構(gòu)將被迅速縮小到極少數(shù)資金雄厚，對前沿技術(shù)有一定判斷，敢于引領(lǐng)時代潮流作出決策的出資人。這樣的機構(gòu)不會超過30家。

資本永遠是逐利的，與情懷無關(guān)，而且他們的耐心往往有限。創(chuàng)始人務(wù)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(fēng)停就會非死即傷。

觀察三，TMT領(lǐng)域的投資人是影像+AI領(lǐng)域的主要布局者，而醫(yī)療領(lǐng)域投資人態(tài)度明顯趨于保守。長周期基金或產(chǎn)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(dǎo)，絕大多數(shù)投資來自于基金內(nèi)部TMT團隊的推動。這點發(fā)現(xiàn)讓我們初時十分驚訝，但細(xì)細(xì)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(zhuǎn)變的嘗試，但不幸的是最終大部分人為此交了學(xué)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(xùn)讓醫(yī)療領(lǐng)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(lǐng)域，可能就無法指望TMT領(lǐng)域投資人了。

之外，我們預(yù)測在前商業(yè)化階段能在這個領(lǐng)域投出大額資金的，還有至少兩類機構(gòu)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(chǎn)業(yè)內(nèi)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(lǐng)域商業(yè)化尚不明朗，新藥研發(fā)領(lǐng)域的AI應(yīng)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(xué)習(xí)神經(jīng)網(wǎng)絡(luò)分析化合物的構(gòu)效關(guān)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(zhuǎn)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(fēng)險和政策風(fēng)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(xué)性和邏輯性更強，對技術(shù)的要求更高，但也更純粹，有利于參與者通過技術(shù)建立有效壁壘。

總之，AI+醫(yī)療風(fēng)口能持續(xù)多久很難預(yù)測，這會是一場持久戰(zhàn)，在風(fēng)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(chǎn)業(yè)組聯(lián)席負(fù)責(zé)人、徐鼎梁為健康產(chǎn)業(yè)組副總裁，編輯：王?。〆ndprint