2021年，医疗AI企业迎来了上市大关，3月，科亚医疗向港交所递交IPO申请；6月，鹰瞳科技紧随而来；8月，由科创转投港股的推想医疗递表；9月，数坤科技提交了招股书。
但全力商业化两年的成绩单依然难过二级市场的法眼：
7月，依图科技的IPO状态变成了“终止”，8月，依图医疗团队被深睿收购。9月，最先冲刺的科亚医疗上市状态变成了“失效”，11月，成功着陆的“医疗AI第一股”鹰瞳科技上市即破发。
医疗AI是这个时代最有代表性的技术第一次与医疗的碰撞，但五年来，这个不赚钱的赛道经历了短暂辉煌后便一路低迷，如今，这项前沿技术最显眼的标签只剩下了“烧钱”。
互联网技术起步期烧钱并非什么新鲜事，但面对坚固的医疗堡垒，企图接近诊疗核心的医疗AI之路显然要比互联网医疗更崎岖，过去两三年里，医疗AI企业在商业化的战场上处处碰壁，又处处逢生，像是褪去华服后换上一件普通衣裳，重新站在了医院和资本面前。
这一次，人们会相信医疗AI企业重新讲述的故事吗？面对中国医疗体系这样一个庞然大物，AI如何改变医生、说服医院？
从医生到基层医生再到辅助工具
AI究竟能取代谁？
现在头部医疗AI公司正急于上市解渴，但当年创业者和资本都徜徉在AI取代医生拯救负重前行的中国医疗的愿景中时，钱，恰恰是最不是问题的问题。
据统计，2020年中国医疗AI市场整体规模约为265亿，而从2015年风口突起至今年上半年，医疗AI总融资规模就超过了350亿。
如果不考虑后来的回报率和泡沫，而聚焦到医疗AI产品本身，350多亿、无数AI巨擘、众多三甲医生和从业者，耗时6年，为什么没能将取代影像科医生，哪怕在一个病种上战胜医生呢？
时间拨回AI和医疗还没有深入交锋的2017年，当时的热门话题还是AI能不能取代医生，这一年过后，2018年医疗AI融资额比从前翻了两倍，达到了76亿，融资次数达到了91次。外界、投资人甚至创业者自己对以“人机大战”的故事为模板创作出了医疗版的AI故事：升级版的alphago使用的这项强人工智能技术，既然能战胜世界围棋冠军柯洁，那它没有理由不能战胜医生。
但AI迈出的第一脚就踢到了医疗的铁板——数据，影像数据算是标准化程度最高的领域之一，但每家医院信息系统中的数据质量参差不齐，因此，一家刚刚起步的创业公司只能去磕一家或几家医院，通过付费购买或者科研合作的方式，从医院获得数据，作为交换，他们会让合作的医院作为“样本医院”免费使用产品。
直到2021年2月，中华医学会放射学会、中国食品药品检定研究院等联名发表的《胸部CT肺结节数据建构及质量控制专家共识》仍将国内肺结节数据集情况概括为各家公司“各自为战”，数据集中度低，且“质量参差不齐，容易影响产品质量，甚至带来风险”，要知道肺结节是医疗AI应用最早最成熟的病种。
即便获得了一些质量还可以的影像数据，机器“学习”过程依然是道难关。围棋输赢是有标准的，但疾病诊断却很难有一个金标准，业内人士孙涛比喻，“很多病人到死也不知道自己究竟是得了什么病，找8个专家可能给出了8种诊断，而医生解决不了的问题，依靠医生经验衍生出来的AI更解决不了”。
这时，AI取代医生的故事已经圆不上了，真正来到医疗领域，通用型AI面临的不仅是要不要落地的问题，而且是如何见缝插针落地的问题，依图医疗的前商务经理李梅告诉八点健闻，“做一个产品，最理想的肯定是先做商业战略分析，找到医疗痛点，再对症下药，但实际落地时，仅仅是哪里有医疗资源和数据，就先做哪个了”。
然而，获取数据成本高昂，而且是排他性的，这就使得作为数据来源的医院本身就成为了一种标准。理想情况下，顶尖医院数据质量好，诊断也更准确，从中训练出的产品“可以当做一个年轻的小医生，至少要比基层医生水平要高一些”。于是，故事就变成了“提升基层诊疗水平”。
但即便证明了一款AI软件对肺结节的检出率达到99.999999%，而某位医生诊断准确率不超60%，那AI是不是可以替代这位医生呢？答案是否定的，软件不可能独立地直接面向患者，“机器本身的诊断结果肯定是需要医生盖章的，从伦理上讲，一旦出了问题要追责，你不可能去追一个机器的责任，最后都是需要找医生”。
在基层医院市场，“谁来对诊断结果负责”的问题更加凸显。某头部医疗AI公司负责肺结节筛查的产品经理张力告诉八点健闻，“大医院的医生有能力鉴别，但是很多县级医院的医生根本不会自己看，直接照抄AI软件的结果。即使AI的准确率已经很高，但一旦出错就麻烦了，这一点实际上是厂商非常害怕的。”
“AI之于医生，就像会计有了Excel，你能说有Excel就不需要会计了吗？”，行业内最好的产品相当于一名5年资医生，而这些相当于“小医生”的医疗AI软件，现在的定位重回辅助类工具，医疗AI的流行故事也变成了要嵌入临床场景，要助力精准医疗、分级诊疗，要琢磨“医生需要什么样的工具”？
基层医院里的新故事
工具能卖多少钱？
“有没有好产品是一回事儿，产品值多少钱是另外一回事儿”，尽管并非所有医疗AI公司都能拿得出一款相当于“5年资医生”的顶尖产品，但重复布局、激烈内卷的市场竞争决定最终提供给买方的产品只能是质优者。
如果Excel付费才能使用，它在中国能卖多少钱我们不得而知，但作为“低配版新手医生”的医疗AI软件，在中国医院中能做些什么却是可以想象的，而这决定了医疗AI行业的天花板有多高。
在医疗AI公司的设想里，“低配版新手医生”既能帮三甲医院减负，又能帮基层医院提高诊断质量。
大三甲的确需要提高效率，但却不一定需要多么智能的AI软件。当李梅向医院院长展示了依图炫酷的智能系统时，令院长们眼前一亮的往往是技术水平最低的“分诊导诊”系统，这些流程优化类的项目虽然技术水平低，但定制化程度高，因此交付价格更高。
“医院里对AI阅片的认可度不高，药监局发证的标准也没有确定，那时的公司应该放低姿态开拓一些更容易盈利的产品来渡过难关”，孙成所在的图玛深维，曾是获得软银和经纬中国青眼的医疗AI先驱，但最终因资金链断裂而于19年底破产。
随着2020年三类证的获批及近两年的市场教育，医疗AI进院也取得了一些实质性的进展，上至三甲，下至地方，都开始接纳AI产品。
在基层，医疗体系正在推动分级诊疗，“训练三甲数据，赋能基层医生”的新故事又有了想象空间。
站在医院管理者的角度，如果有钱，当然愿意为医院“增加AI元素”，一家医疗AI公司的市场人员在县级医院推广时发现，向院领导强调邻县医院已经采购这种新产品，是一个更见效的销售逻辑。
基层科室—医生诊疗能力—信息化基础，是基层应用AI的硬件基础，就像想用Excel，既得需要有会计，还得需要有电脑，而如果要推基层市场，医疗AI公司就得参与培训医生、布局算力。
现在的医疗AI软件价格对于一些地方三甲医院而言尚可接受，安德医智负责东北市场的一位销售经理告诉八点健闻，经过这几年的推广和教育，现在三四线城市也接受人工智能了，三四线城市三甲医院成了兵家必争的新战场。
但提升算力仍然是不可以避免的应用成本，“你若要想用我的AI，得先买台二三十万的服务器来提升算力”。
但实际上，面向大三甲开发的AI软件并没有瞄准当下的基层市场，基层医院主要聚焦常见病，还没有建立起心脑、癌症等疾病的应用场景，更关键的问题是，基层医院没有支付能力。
要应用先得造场景，要卖货先得教育市场，医疗AI的市场扩容的确需要下慢功夫，行业只能一边挣扎着生存一边期待新的市场不断兑现，但，创业公司等不了，资本也等不了。
前浪和资本
谁推动了谁？
即便所有AI细分赛道都面临着落地难的窘况，医疗也一定是最先被牺牲和淘汰的板块。今年8月，上市失败的依图，将自己的医疗板块卖给了深睿，转身增加了自动驾驶业务。
即便李梅自认依图的产品位列第一梯队，而且商业化收入并不比同行差，但“当面临到上市、抉择的时候，老板先砍的还是自己吃不透的领域”。
资本的话语权，显然要比公司大得多，创业公司的发展态势未必符合技术规律但却必须符合资本勾勒的脚本。李梅后来明白了，“投资跟产品是两条线，资本不管产品好不好用，只要能讲通故事，在某个时间段内能创造利润，就能往下走”。
如今业内人士提起曾经的医疗AI独角兽图玛深维，皆是一声叹息，这家曾经获得软银和经纬中国青睐的行业先驱，最终因资金链断裂而于19年底破产，孙成回忆，公司最后两三个月工资都没发下来。一家小设计公司因10万块设计费用至今仍在坚持起诉图码。
风口上的医疗AI公司，曾靠着纯互联网式的打法热闹一时。那是靠公关稿拉投资的“to PR/to VC”时期，公司卖力宣传，砸钱办展会请专家。孙成记得，那时投资人会要求什么阶段要实现规模多少、用户医院要多少家，公司在这样的催促下盲目地跑马圈地、急速扩张。
但彼时，医疗AI连三类证都没有，医院认可度也不高，大笔砸钱却没能实现商业化收益。
孙成有些后悔，图码当时或许应该放低姿态开拓一些更容易盈利的产品，但徜徉在独角兽美梦中的管理层并未意识到危机，他们拒绝了一些小投资机构，接受了一家国企的2亿融资，但只出不进的财务状况使得这笔投资最终流产，昔日的独角兽很快便消失在了医疗AI的版图中。
“大家都是快速的试错，图玛的初心就是想在风口赌一把，上场就是赌的心态，赌场上愿赌服输，大浪淘沙掉一批，剩下的企业扎扎实实地理解行业，并且愿意长期投入做好这个行业”，孙涛认为这对于行业发展来说，未尝不是一件幸事。
所有医疗AI企业4、5年前站在同一起跑线，2年前隐约分出先后。如今，几年前涌进来的资本到了收获期，数据安全法即将落地，今年或许是数据类公司IPO的唯一窗口期，第一梯队拿了证急忙赶赴上市，而第二梯队还在为拿证奔波。
技术水平更高一筹的医疗AI赛道本应是企业争相涌入的蓝海，但落地难的现状让资本和企业在市场里越来越沉不住气，而红海市场盈利模式比较明确，退回红海用低技术高收入的订单攒钱不失为一个优质选择，而现实也的确如此，已经从蓝海急转掉头回红海的公司要比医疗AI公司活得好。
但AI公司向后走，就相当于为了卖智能后车镜，非得造辆车一同卖给医院，但毕竟不是造车的，要么造了一辆不好用的车，导致智能车镜用不上，要么设计出一辆很好的车，但是成本太高。
广东省惠州市第一人民医院磁共振室主任肖俊强直言，“影像科医生当然是需要AI，好的AI可以很好的辅助诊断，而国内影像AI最大的问题是资本没有耐心”。
“如果说资本的退出节奏打乱了公司发展规律，那是很可怕的事情，可能一个好的产品从此就消失了”，孙涛为断臂求生的高科技企业感到惋惜。
上市成功或许会为医疗AI行业带来更多的资金和话语权，但高度重合的产品线让各家在上市完成后还得再来一轮PK，只是细分成不同赛道后，竞争变得有序起来了。
夹缝中求变
哪儿有市场就钻哪儿
医疗AI做的是增量市场的生意，科技本打算征服医疗，但反被吞噬，在这个过程中，AI医疗已悄然变成了医疗AI，而最能体现他们互联网基因的便是这套“2B2C”的话语体系，只不过面临医疗这座大山，他们还要面向医院、设备厂商、政府、公关、投资人、二级市场………几乎可以“to”一切，这是公司必须学会的生存法则，“哪儿有市场就看哪儿，不可能说放着赚钱的院外场景不做，就只盯着医院”。
如果医疗AI所能提供的最好产品无法在院内获得足够的营收，再怎么死磕医院影像科也没用，企业要生存，资本等不起，初创公司也不得不开拓新的渠道和市场。
医院之外， 政府买单的早筛市场，和体检中心、药方、保险公司合作的“2B”市场，搭载GPS大放设备的“2P”市场，为企业贡献了招股书中最有想象力的部分。
据亿欧智库统计，2021年，多数AI软件厂商都找到了搭载硬件厂商入院的新模式，硬件厂商向企业贡献了占 60%-70%的销售额。
据36氪报道，数坤和科亚与设备厂商的合作一次性就获得了上千万的收入，且“在数坤整个的收入结构中，卖器械厂商的商业化收入占比约在5成左右”。
虽同为器械，但几十万的医疗AI产品与几千万的大放设备并不在同一个对话等级，“如果一个软件死磕医院，或许能啃下来100万，但是要做硬件集成，人家一定会把AI利润压到最低，可能只卖几十万，还不如直接找医院合作，跟设备厂家谈利益分配、做软件适配的过程并不会比医院更轻松”。
多位行内人士对八点健闻分析，一个非常核心的问题是，GPS通过合作的方式引入AI模块是为了节省研发成本，“并不存在AI软件与设备叫板的情况，设备想这款搭软件就搭，不想搭就卖别人家的了，远远没轮到AI软件提要求的地步”。
“2G”市场不稳定，“2B”“2P”市场竞争激烈独占期短，这些一锤子买卖很难形成企业的护城河，一个更大更有未来的持续性的市场是患者付费的“2C”市场，但医疗AI早期创业者张辉告诉八点健闻，“即便主打面向患者，AI也绕不过医院、体检中心等中间渠道”。
“医院毕竟是一个需要自负盈亏的机构”，张辉对八点健闻分析，若是患者自费，“帮医院减轻负担与跟医院分摊利润是两条线，医院收了费为什么要分给AI公司呢”，未来如果要走医保渠道，唯一的可能是“AI证明自己可以帮医保省钱”。
且对于一款医疗软件来说，入院形成患者付费场景并不轻松，科亚的深脉分数产品经医院需向地方政府部门申请物价编码后，才终于进入了河北、安徽、山东等多省定价项目目录。
院外，鹰瞳跟体检公司爱康可以按人头分成，但红利期还能持续多久尚未可知。
对于企业来说，耗费人力物力开拓出来的市场通道，可能是为后来者做嫁衣，让竞品有了迅速跟进的捷径。
无论如何，医疗与AI的市场边界正在被打破，已经落入口袋、写在账面上的收入，为各医疗AI公司提供了上市的可能，上市所带来的钱和资源，会帮助它们进一步开拓市场。
中国医疗到底需不需要AI?
噱头、泡沫、故事、生意之外，一个触及底层的核心问题是——中国医疗到底需不需要AI?
这个答案对于影像科医生来说是毋庸置疑的。
青海省西宁市第一人民医院放射科张春红医生在使用了一台具有AI摆位功能的产品后称，“解放了双手，提高了效率，且图像质量确实有提升”。
“以前处理一个冠脉要一个多小时，现在三五分钟”，多位影像科医生对其所使用的部分医疗AI软件表示了认可。
河南省立眼科医院医疗发展部李鹏则希望借助医疗AI技术，建立一个省市基层联动的眼底阅片网络，以提高诊断的准确率和基层诊疗能力。
如果AI的确能帮到医院，医院并不会吝啬，“大部分医院会拿出1~2%的收入来进行信息化改造，这笔投入是巨大的”。
从需求角度而言，医疗与AI团队几乎是天然的同盟，医院里还有无数的病种可以AI化，还有无数的流程和重复性工作需要AI帮忙处理。
但适用性高的AI一定是定制化研发，一位北方地区医院采购负责人告诉八点健闻，该院耗资82万采购的儿童骨龄智能辅助诊断软件在诊断上“有一些问题”，这个参照南方地区身高作为标准的软件并不适合平均身高突出的当地。
“这就像考北京卷，却一直按上海卷复习”，这样的可迁移性、解释性和适用性问题更需在产品升级和政策互动中给出一个衡量标准，医疗AI软件对于监管而言同样也是一个新课题。
“今年下半年，大陆对香港上市的数据类公司加强了监管，对数据的整理、收集、脱敏和应用提高了门槛”，张辉分析，数据监管升级，加剧了AI企业上市的不确定性，但其影响却不止于此，对于依赖数据而生的AI企业来说，未来获得、处理、应用数据的时间、人力和财力成本会进一步提高。
医疗的公益性决定了医疗服务行业很难像互联网那样赚到大钱。AI需要不断升级以向医生、医院、市场证明自己的价值，“就像智能电话手表，以前功能单一只能打电话的时候卖得很贵，也无法大规模商业化，而现在它功能又多又便宜，大家对它的核心功能认可度自然高了，也就更容易市场化，医疗AI软件也是一样的，当基本功能并不足够吸引人，价格又贵，大家就对它的要求就高一些”。
因此，在研发成本降下来和大规模商业化拐点到来之前，细致地切入临床场景的定制化研发，仍然需要一个基本盘持续为它输血，像商汤及BAT等大型互联网公司可以用其他业务弥补暂时高投入低收益的医疗板块，设备厂家可以用软件模块撬动设备更新换代从而获得更大的边际收益。
唯独医疗AI创业公司，他们或许在上市后，可以稍微喘息一下，构思如何讲好新时代的商业故事，但医院想要能更智能、病种更多元的软件，企业生存需要更丰富的管线，这一关过后头部各家依然需要在商业化鏖战中，为产品升级造血。
比尔·盖茨有句名言，“人们永远会高估一两年的发展，而低估了未来10年的发展。”这似乎契合了医疗AI的发展轨迹，它曾在最初的一两年里被高估，却很快认清现实，但在下一个10年，它会真正改变医生的诊疗习惯吗？
By 于焕焕、张宇琦