1
產業
AI 醫療生死劫
2017 年 5 月，IBM（IBM-US）的 Watson 對外宣布將裁員 50%～70%。AI 醫療到底是噱頭還是真的潛力無限？雖然是一個新興產業，但是在 AI 醫療產業內生存下來並不容易。「如果融不到資，公司就必須在本週內宣布裁員 80%，甚至倒閉，我不知道該怎麼辦？」半夜三點，AI 醫療創辦人 A 打給我。作為一家在 AI 醫療創業一年的公司，A 非常焦慮，如果在規定的時間內融不到新的資金，他不知道該如何面對創業團隊的其他人。
而讓他們自我造血，目前 A 也非常迷茫，他完全沒有任何想法，因為在過去的一年內，他們也只是研發剛剛完成、通過合作了幾個醫院解決了數據源。這種情況下，他們要如何實現銷售呢？或許，A 的經歷只是其中的一個縮影。「AI 醫療目前還有至少 5 年的路才能走通，要麼創辦人融資到足夠的錢，要麼就是創辦人銷售很強。」某投資人對我說。
即便在很多人看來，人工智慧未來將改變產業，但是眼前需要度過很長一段時間的寂寞——2017 年是人工智慧的元年，前有 Google（GOOGL-US）開發的 AlphaGo 擊敗圍棋世界冠軍李世石，後有 BAT（百度（Baidu, BIDU-US）、阿里巴巴（Alibaba, BABA-US）和騰訊）佈局人工智慧領域。作為 AI 細分領域的 AI 醫療看起來也是「風光無限」，然而，這個熱度實在是來的快、去的也快。
時隔一年，IBM 的 Watson 就宣布裁員 50%。資料顯示，其實 Watson 於 2017 年與安德森癌症研究中心分道揚鑣開始，就頻繁爆出類似「Watson 就是一個笑話」、「Watson 就是一個只進不出的燒錢機器」負面消息，股神巴菲特更是實際行動——減持 IBM 三分之一的股票來回應 IBM 最看好的 Watson。
AI 醫療為何熱鬧開始，最終卻落得一地雞毛呢？
「其實歸根溯源還是這些技術或者應用無法解決醫療產業真正的痛點。」創業者一語中的，「AI 醫療一定要解決醫療產業的痛點，而不是像目前市場上的那些 AI 公司一樣，僅僅提供一些『燥枯無味』的服務，實質上對整體醫療產業的價值並不大。」
在該創業者看來，比如說醫療影像＋AI，前期需要大量的「餵圖」，但是在臨床診斷當中只是看片子比醫生快，在有難度、容易誤診漏診方面並沒有什麼幫助，對醫生來說只是多了一個機器印證自己的判斷，實質上沒有太大幫助。
中國醫療產業面臨的的最大問題就是醫療資源的供給不足以及醫療資源集中化的問題。如果 AI 醫療不能圍繞這兩大醫療難題進行突破，那麼 AI 醫療很可能也只是曇花一現而已。
戳破泡沫探尋真實的 AI 醫療
數據統計顯示，中國人口占世界人口的 19%，但醫療資源僅佔世界醫療資源的 2%；而美國占世界人口 4.5%，卻擁有 13.6% 的世界醫療資源。中國的醫療資源狀況僅比印度、奈及利亞等國家好。
而且，由於種種客觀原因，醫務人員的培養週期長、成本高，這使得優秀的醫務人員長期處於缺少狀況。根據統計數據顯示，2016 年醫院衛生技術人員與上期相比成長 5.57%，而診療人數的增幅略高，達到 6.17%。
另一方面，在醫療資源如此緊缺的大環境下，優質的醫療資源向一線城市集中的趨勢顯著攀升。據數據統計，2017 年上半年，三級醫院診療人數成長幅度為 6.1%，甚至超過一級和二級醫院診療 4％ 的成長幅度。就醫向三級醫院集中化的「病態」並沒有得到很好的改善，此外，國內老齡化的加劇和慢性病發病率的逐步走高，進一步地激化了資源不均勻的矛盾。這給中國的 AI 醫療提供了機會。
似乎 AI＋醫療勢在必行。
「AI 醫療從某種層面上來講就是醫療的供給側改革，主要為了提高醫療資源的供給，但是時至今日這種供給側改革似乎並沒有產生多大的效用。AI 醫療興起的時間也是在供給側改革實施之後，可以看出當時 AI 醫療是定位成一種新的醫療資源，可以有效輔助醫生甚至替代醫生。從這個層面上看，AI 醫療的出現其實和 20 年前醫療資訊化進入醫院的實質是相同的，都是為了提高醫療服務的效率，只不過 AI 的運用顯得更加直接。」該投資人對我表示。不過，預期太高。從實際應用的角度來講，以營運和商業模式來看，AI 醫療並不成熟。
以 IBM 旗下的 Watson 來講。由於 Watson 盈利常年不達預期，其合作夥伴 MD 安德森中心毅然決然地離開了 Watson。這也印證了前期打的「技術牌」不足以支撐企業進一步地發展，只有將技術高效的產品化、工程化以及通過合理的商業模式運作才能讓公司發展擴大。
因此 AI 醫療公司如果要長遠走下去，那麼就必須圍繞醫療產業鏈的痛點做出一些實際的應用產品才是關鍵，當然通過銷售手段快速進入醫院和其他醫療機構，建立產業壁壘也是極為重要的。利用產品和銷售真正打造 AI 醫療公司的核心競爭力，而不是像目前市場上的一些公司，利用 AI 技術的噱頭吸引資本和影響力，但事實上卻根本不具有競爭力。
當然有鑑於醫療產業是一個特殊的產業，一方面是新技術需要時間來成熟，另外一方面，在醫療這種監管強的產業背景下，醫療從業者為了平衡應用新技術的風險也需要時間，這讓整個 AI 醫療注定不是短時間來解決的問題。
而且，當市場上充斥太多「急功近利」的創業公司用所謂的核心技術在市場上「大撈一筆」的時候，這對整個 AI 醫療產業也是一個災難。
「他們讓很多人以為，AI 醫療實現非常容易，在產品及技術還沒有完善的時候讓用戶體驗，大家可以想像這個災難，一旦醫院或者用戶體驗不好，他們會永遠拒絕 AI 醫療。此外，投資人瘋狂的進入，一旦他們發現這個嘗試失敗，AI 醫療將很難融進新的資金，沒有用戶和資本支持他們走的更遠，在醫療產業鏈上提供好高的價值。」該醫療創業表示說。
其實任何的泡沫被戳開後都是赤裸裸的現實，AI 醫療也不例外——在生存壓力下，當那些靠炒作概念的 AI 醫療公司都將死在這條競爭激烈的道路上之後，或許只有那些擁有真正能夠解決產業痛點，並且擁有自己核心技術的公司才能突出重圍並登頂巔峰。
AI＋醫療到底能做什麼？
商場上的叢林法則更加殘酷，優勝劣汰無可避免，那麼，哪些 AI 醫療將會活下來？目前，AI 醫療主要用在輔助診療、醫療影像、藥物研發和健康管理等方面，醫療痛點並不明顯。未來，AI 醫療能否走出一條不同的路線？這需要從整個 AI 醫療的產業鏈上進行分析。
一般而言，AI 醫療的產業鍊主要集中在三個層面——基礎層、技術層和應用層。還是以房子為例，基礎層就是根本類似於房子的地基；技術層就相當於房子的整體結構，是整個體系的骨架；應用層則類似於每間房子的結構。AI 醫療公司可以根據骨架來設計每間房子的結構從而形成每一個 AI 的應用，而我們終端客戶也就相當於購房人。當然能將基礎層逐層延伸至應用層的公司也就是例子中的開發商了，但是目前國內還沒有一家公司能夠充當「開發商」的角色。
由於基礎層和技術層主要涵蓋基礎算法和計算平台、海量的數據來源還有機器學習以及圖像識別等基礎技術，往往技術壁壘高，需要長期的高投入才能獲得高額回報。佈局基礎層和技術層的公司主要有 IBM、亞馬遜（Amazon, AMZN-US）、Google、阿里和百度等。或許，在 AI 醫療裡創業，更需要創業者的智慧及勇氣。
《雪球》授權轉載
【延伸閱讀】
80113
