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

人工智能在醫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療領域帶來的商業化落地機會，核心是深度學習和商業化;目前中國對美國風向的跟從效應明顯，但數據優勢下，AI的未來在中國。

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

強科學屬性下，數據是最有價值的

現在所提及的AI+醫療，其實是在談，深度學習方法的出現，為人工智能在醫療領域帶來的商業化落地機會。關鍵詞在“深度學習”和“商業化”。

這種定義或許能夠對讀者在當前浩浩蕩蕩掛著醫療AI大旗的公司里區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在要談的人工智能，雖然他們都會這么宣稱。創業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“移動醫療”，年后默默地被替換成“數字醫療”，直到現在“人工智能”的出現。這種轉變勾勒出了最近十年來醫療信息化領域依次出場的三陣風：移動醫療—大數據—人工智能。

這三陣風，并不是簡單的資本輪流炒作，其背后產業發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。

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

強科學屬性下，數據才是這個領域最有價值的部分。大數據產業分為三個環節，數據收集、數據結構化和數據挖掘。移動醫療解決的是數據收集的問題，人工智能則提供數據挖掘的強有力工具。風就沿著數據這條產業化路徑吹了下來。鏈條中數據收集和結構化都是低附加值的部分，而數據挖掘才是產生最終價值的一步。當產業還停留在低附加值階段，沒有獲得令人滿意的商業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，整條產業鏈都將因此重新煥發出巨大價值——然而，站在現在這個時點上，我們都還在積極嘗試和等待結果。

國內的風口，怎么找

對于中國的創業者和投資人而言，一切似乎可以變得相對簡單一些。從移動醫療到人工智能，美國的領頭羊效應明顯，中國的行業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，春雨醫生成立，獲藍馳創投300萬美元投資，到2014年獲得千萬美元級別投資。

醫生預約領域，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，掛號網成立，并在年底獲得2200萬美元投資。

腫瘤大數據領域，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于醫學影像的應用領域，2015年IBM以10億美元收購醫療影像公司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據進行深度學習，成為AI+醫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。這降低了國內創業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。

最大的挑戰來自于新技術與模式在中國可能出現的水土不服。中國的社保制度、商業保險發展階段、醫院管理方式與利益分配機制都是中國獨有的商業化障礙。