反思：别太神化AI，也别太小看智能医疗

人类社会的发展不断在加速，现代人对新事物拥抱与接纳的速度变得越来越快，进而对新事物、新概念的期待也越来越多、频度越来越高。譬如前不久徐小平关于区块链的一条微信突然就引爆产业对区块链的追捧，隐约间似乎区块链大有取代人工智能成为2018年社会最关注的科技新趋势。但当我们将时间的维度拉得更长，我们会看到新技术一个非常明显的加速递减效应。

创新医疗的加速递减效应

仅聚焦在医疗领域，当将视线回拨，我们会发现作为新技术与新模式的代表，医药电商从1998年第一家网上药店开始经历漫长的发展期直至2014年才成为产业与资本的关注热点，短短两年后就进入了技术成熟曲线的谷底；互联网医疗元年是2014年，随后同样在2016年进入谷底，当年叱咤风云的弄潮儿企业已难觅踪影；人工智能医疗从2017年初开始变得异常火热到产业与资本开始变得冷静也不过是一年的功夫；中间还穿插了昙花一现的医疗AR/VR、直播、医疗知识付费……

新技术、新模式从出现到受关注到衰退的周期显现出了清晰的加速递减效应。这个效应背后隐藏着某种人类社会发展的特点，人类对新目标不断追求的欲望和对速度不断提升的渴望指引着人类前进的同时也让人类社会的耐心度越来越低。

我们并不能因此而否定新技术，相反当拉将视线到更长更长的时间维度时，“科技是第一生产力”体现了无比的正确性，混合着智能算法的机器有一天一定能对人体的各种疾病做诊断、提出治疗方案、实施手术、进行慢病康复管理；互联网、物联网如今天的水和电一样将无处不在，和各种医疗健康设备的连接时时刻刻监控着我们身体的健康指标并利用人工智能来实时的指导与干预；VR技术能消弭空间的距离，无论多远距离，医生和患者仿佛坐在同一个地方进行沟通……

然而这些技术的成熟需要时间，在医疗这样一个强政策监管的产业，为了平衡风险新技术发展的速度必然受到限制，在未来可见的三到五年，我们今天所拥抱的新技术、新趋势、新模式乃至即将拥抱的新技术、新趋势、新模式很难对医疗产业带来颠覆性的影响，新领域的从业者们要有足够的耐心。

智能医疗的核心竞争力：警惕技术陷阱

再回到人工智能与医疗的结合场景，众所周知，人工智能主要分为三层：最底层是基础层，包含云计算、算法芯片这样的基础架构，中间层是TensorFlow、Caffee这样的计算框架以及图像识别、语音识别、语义理解等这样的通用技术，最上面则是和产业具体结合的应用层，譬如我们常谈到各类人工智能辅助诊断应用、智能医疗助理应用等都在这一层。

基础层和中间层基本是巨头的天下，无论是提供算法芯片的英伟达、谷歌、英特尔乃至IBM，还是提供深度学习框架的谷歌、微软，还是国内如BAT这样提供通用技术的公司，都占据在这两层，基本没有中小玩家的机会，对于巨头来说，这也是他们必须胜利的地方，非如此不足以构建生态，掌握人工智能领域的话语权和领导地位。对于我们大多数人工智能医疗领域的从业者来说，机会来自于应用层，如何将人工智能技术应用在产业，解决产业的痛点，升级产业创造新的机会。

当在这个层面看待智能医疗的核心竞争力，首先要理解的是人工智能究竟创造了什么样的价值，我们一年前讲人工智能医疗是一种供给侧改革，加强了医疗服务供给侧的供给与效率，这个提法到今天乃至未来也仍然是有效的提法，人工智能辅助医生乃至替代医生无论诊断还是治疗本质就是创造了新的医疗服务供给。

这与20多年前医疗信息化进入医院的本质也是一样，医疗信息化提高医院运转的效率，将医生从繁琐的事务中解放出来更加聚焦于医技的提高以及患者服务，只不过人工智能以更加直接的方式切入医疗服务的提供。理解了这一点就能看明白为何不少PACS系统厂商会转型为人工智能影像诊断公司，在PACS系统里长出智能辅助诊断的功能是多么自然的一件事。如果我们不谈人工智能与新药研发的结合，不谈手术机器人，不谈人工智能如何帮助基因检测这些比较垂直的领域，今天人工智能对医疗最有影响的场景均聚焦在医院内部的医疗服务改善层面，人工智能医疗公司与医疗信息化公司有什么样的区别？

如果理解了这点，首先就要警惕技术核心竞争力的陷阱，谷歌等公司提供的注入Tensorflow这样的框架已经让人工智能算法的开发门槛下降到很低，前不久谷歌发布的AutoML自动创建机器学习模型技术更进一步拉低了进入的门槛。另外一面，社会组织应变新技术的反应速度变得更有效，人工智能火热不到一个季度不少线下线上的培训学校都推出了机器学习的培训课程，企业也构建了自己的人工智能工程师培训体系，尽管最顶尖的人工智能人才是缺乏的，但不少软件工程师已经开始转型人工智能从事基础的人工智能开发工作。

现在不少学习人工智能技术的本科生毕业开口月薪就5万以上，对比7、8年前从事iOS、Android APP开发的本科生薪水也要开到2万一个月，但现在也基本回归到5、6千一个月，开发APP已成为很普遍的技能，人工智能必然会走过同样的路线，如果迷恋通过单纯技术来构建核心竞争力显然是一条不归之路。

对标医疗信息化公司，回顾他们从出现到成长、成熟的历程，对于智能医疗公司来说，对行业的洞察理解，将技术产品化和工程化的能力以及销售运营的能力至关重要。这些公司首先要能够围绕医院的痛点构建出能够实际应用的产品，接着要将这些产品找到方法销售进入一家家的医院，还要考虑如何借助大专家合作项目规模化的进入更多医院，考虑通过与政府、药企、保险等合作来进入医院，在这整个产品与销售的过程中形成的一整套成本有效的方法真正构成了医疗AI公司的核心竞争力。

智能医疗的盈利模式

今天的智能医疗的商业模式并不清晰，绝大多数公司仍然还停留在讲故事来获得资本青睐以支撑公司运转的阶段，与医院的合作尚以补贴为主，通过补贴设备乃至人工费用等获得医院的使用许可，未来的盈利模式似乎有但尚未获得验证。

少数从医疗设备经销商转型过来的AI影像公司正在获得持续盈利，将AI能力和医疗设备绑定在一起增强了医疗设备对医院的吸引力有助于设备的销售，同时也增强了经销商对厂商的谈判权，能从设备销售以及后续服务中分得更多利润。回顾医疗信息化、互联网医疗、医药电商公司走过的发展之路，盘点智能医疗公司的发展现状，可见的三到五年内智能医疗公司的盈利模式将主要聚焦在以下领域：

算法/软件收费：这实际是医疗信息化企业的收费模式，通过为医院提供融合了人工智能算法的软件来收费，收费的模式可以多元化，可以一次性买断、按每年的使用量来付费、从患者的诊疗费里分成等等，公司还可以借此延伸向医院提供更多信息化服务打造更多的收费模式（PACS等影像系统是最好切入点），考虑人工智能算法与影像设备的紧密关系，还可以延伸出向医疗器械厂商收费的模式；

项目合作：承担政府的各类筛查项目如宫颈癌筛查、眼科疾病筛查等获取政府的项目补助，和医药公司联合打造疾病筛查转诊服务，获取医药公司的项目费用，和健康险公司合作将更多的疾病筛查服务包含在企业提供给员工的体检服务里等；

沉入线下：如同医疗信息化巨头东软从信息化起家却发展出了医疗设备业务一样，AI公司通过收购等方式可以延展至与自己核心算法相关的医疗设备业务获取更丰厚利润回报。同样的逻辑可以应用在药品上，直接代理AI诊断出的疾病相关的药品销售，乃至通过OEM获得自己的药品品牌形成自我闭环。进一步还可以考虑建立专科医院，爱尔眼科从线下专科起家现在开始大力发展眼底病AI筛查从而能低成本高效率的服务更多患者，反向来说AI公司可以基于自己的算法能力建立能与技术深度融合的专科医院，突破医院合作瓶颈真正发挥AI带来的效率优势，还可以打造示范效应；

其他收入：随着AI公司医疗数据的积累可以延展出更丰富的基于数据的服务如基于疾病数据为健康险的定价及理赔提供依据，基于影像诊疗等数据为医药公司新药开发提供数据服务等。

今天的AI医疗公司如果期待成长为行业的巨头，需要有更大的视角和格局来看待产业，超越本身技术出身构建战略布局。如同我们在互联网医疗发展过程中所观察到的，不少互联网医疗公司在盈利模式发展上遇到挑战开始了磕磕绊绊的线下转型之旅，因为医疗领域里最能够让客户买单的就是药品、器械和医疗服务。

我们经历了一波波的技术浪潮，经历了新技术给人类生活与社会发展带来的巨大改变，对于人工智能整个社会都怀抱着巨大的期待，期待其能解决人类社会面临的各类尚难以解决的难题，有N多种理由让我们相信人工智能会有很好的未来，人工智能医疗会