醫療器械創新網
正如世上本沒有路，世上也本沒有AI“四小龍”。
AI“四小龍”——以算法立家的商湯、曠視、依圖、云從自帶光環而生，承載了人們對計算機視覺的無限期望。
四家如何成為“四小龍”并無明確的標準。不過，它們身上都有點類似：
第一、創始人是學術明星，或師出名門；
第二、融資金額夠大，估值夠高；
第三、產品的橫向版圖和落地能力。根據IDC的數據，從2017年到2019年上半年，它們占據了國內計算機視覺應用市場份額的60%，分列前四名。
這也是“AI四小龍”由來的重要依據。
在醫學影像AI的發展史上，也有兩個比較特殊的節點——2018、2020年。
中國醫學影像AI產學研用創新聯盟理事長、上海長征醫院影像科主任劉士遠表示：“醫學影像AI初創企業在2018年達到頂峰，數量開始減少。”在這一年里，醫學影像AI企業不再大談融資金額，“講故事”的人也在變少。
2020年，十多家企業率先跑出來，拿到了國家頒給的“三類證”證書，至此名正言順，認真做市場。
如今，AI創業大勢塵埃落地，“二八定律”逐漸形成，CV頭部玩家相繼進入產業化的攻堅階段。在這其中，醫學影像絕對是最有爭議，也是承載外界期待最大的一個賽道。
今天，基于AI四小龍的一些標準和界定，我們試著談談一個面向未來3-5年的話題——誰有可能成為醫學影像AI領域的“四小龍”。
參考一：學術背景決定發展下限
創業門檻變得越來越高，尤其是在人工智能行業。AI四小龍的創始人，無一不是計算機視覺領域的頂級KOL。
商湯的創始人湯曉鷗教授，被譽為當前全球人臉識別技術的“開拓者”和“探路者”，是ICCV/CVPR等計算機視覺頂會的主席。
曠視的三位創始人唐文斌、印奇以及楊沐，都是出自清華姚班的高材生。首席科學家孫劍博士，是CVPR兩屆最佳論文得主，全球最具影響力的計算機視覺科學家之一。
依圖的創始人朱瓏，曾分別跟隨過兩位人工智能界的泰斗：在UCLA讀博期間，師從霍金的得意門生Alan Yuille教授；Facebook任職期間，曾在圖靈獎得主、深度學習三駕馬車之一Yann Lecun門下做研究。
云從的創始人兼CEO周曦，在美國伊利諾伊大學厄巴納-香檳分校（UIUC）讀博期間，師從計算機視覺之父——黃煦濤教授。
AI的投入和真正意義上的商業變現，都需要仰仗“資本的力量”，而初期的學術實力絕對是引來資本的最大考量因素。
如果把這個標準放在醫學影像AI領域，有哪些企業可以入選？
首先，就是聯影智能。
聯影智能的聯席CEO沈定剛教授，可以說是現階段醫學影像AI領域的學術“天花板”。
他是醫學影像AI頂會MICCAI 2019的大會主席，2021年的H指數高達110，在全球排名前1000的計算機科學和電子領域學者中排名第145名。
同時，他還是上海科技大學生物醫學工程學院的創始院長。
另一位聯席CEO周翔博士，則是原西門子計算機輔助檢測和診斷事業部全球負責人。這樣的“學術與產業雙雄”的配置，在醫學影像AI領域不多見。
再比如，深睿醫療聯合創始人、首席科學家俞益洲教授，他是IEEE Fellow及ACM杰出科學家、原UIUC終身教授，已在頂級國際會議和期刊發表學術論文一百余篇。董事長雷鳴是百度七劍客之一，首席執行官喬昕歷任西門子醫療東北亞CT事業部總經理。
匯醫慧影的創始人團隊中，CEO柴象飛是斯坦福大學博士后、荷蘭阿姆斯特丹大學醫學物理學博士。首席科學家邢磊教授是斯坦福大學終身教授，斯坦福醫學院醫學物理系主任，是ACS、AAPM、RSNA以及WMIC的院士。
再比如，騰訊天衍實驗室主任鄭冶楓博士，是AIMBE Fellow和 IEEE 醫學影像雜志副編；
商湯科技副總裁、醫療負責人張少霆，師從醫學影像頂尖學者、CVPR/MICCAI大會主席 Dimitris Metaxas；
柏視醫療創始人兼總裁陸遙教授，為中科院和美國Syracuse大學雙博士、中山大學計算醫學成像實驗室主任。CEO沈爍，為普渡大學數學系博士；
科亞醫療的CEO宋麟是美國愛荷華大學博士，曾擔任美國Heart Flow資深科學家和GE全球研發中心（紐約）科學家。
頂級學者的加入，為醫學影像AI企業增添了“講好故事”的能力，在技術為王的時代，學術背景決定了能吸引多少人才、組建隊伍，決定了一家企業的發展下限。
參考二：是否拿到了AI三類證
三類證與“醫學影像AI四小龍”是一個什么樣的關系？
在雷鋒網《醫健AI掘金志》看來，這是一個必要不充分條件。也就是說，有三類證不能決定一家醫學影像AI企業能否成為“四小龍”。而作為“四小龍”，一定得有一證傍身，這是企業確立先發優勢的硬標準。
醫療器械有著嚴格的分級管理制度。其中，三類醫療器械證的管理更為嚴格，含金量也更高，對于醫療AI企業的后續商業化發展起了決定性作用。
在集中批證之前的兩年時間里，低谷、停滯、等待，一時成為行業群像。產、學、研等各方角色，均在不同的場合里呼吁加快審批進度。即便如此，監管機構依然“不為所動”，嚴格一步步走來。
正因如此，規范、嚴謹是醫療器械三類證的代名詞。如果要為醫學影像AI“四小龍”設立一個門檻，三類證絕對是最重要的一個。
從這個條件出發，我們也可以大浪淘沙，將入選的范圍進一步縮小。
以“批證大年”的2020年以及2021年上半年為例，我們按照時間線篩選出了十一家企業：科亞醫療、樂普醫療、安德醫智、Airdoc、硅基智能、數坤科技、推想科技、聯影智能、深睿醫療、依圖醫療、匯醫慧影。
從適用場景來看，面向更高頻檢測需求的產品未來想象空間更大。這些企業的獲批產品中，涉及病種包括糖尿病視網膜病變、心腦血管疾病、肺癌、骨折等，這些都屬于高頻的檢查檢測需求，未來將有廣闊的市場空間。
因此，我們將更多圍繞這些面向放射科和臨床科室、定位為“影像輔助診斷”的持證上崗企業進行分析。
參考三：吸金能力
AI四小龍的強，很大一方面強在融資能力。
從賬面數字來看，商湯科技完成了9輪融資，已披露的融資總金額接近30億美元；曠視科技融資總額約為13.5億美元；云從約為35億人民幣，依圖超過4億美元。
在《2020胡潤全球獨角獸榜》上，這四家的估值分別為500億元、300億元、200億元和140億元。因此，想成為四小龍，得是個百億級別的公司。
在醫學影像AI領域，也有這么幾部“融資機器”。
第一個要說的，就是頂著“醫學影像AI三類證首證”頭銜的科亞醫療。
2020年，科亞醫療完成了5輪融資，融資金額約8.5億元。截至3月16日遞表港交所，公司已經完成了8輪融資，在最后的D輪融資中，公司的估值已經達到約10億美元，折合港幣約80億，是這個行業妥妥的“吸金之王”。
2020年，也是屬于數坤科技的一年。
2020年6月和8月，數坤科技分別融資2億元人民幣。到了年底，數坤科技更是完成新一輪5.9億元人民幣融資，刷新了醫學影像AI領域的融資記錄，一年下來總融資額接近10億元。
根據動脈網數據顯示，2020年AI醫療總計47筆融資，涉及金額約84.8億元，同比增長118.0%。
上述兩家醫學影像AI企業，占到了全年醫療AI企業融資金額的22%。這樣的數據，放在現在的AI四小龍身上也過猶不及。
除了這兩家，其余的頭部醫學影像AI公司也陸續完成新的“輸血”。但是，醫學影像AI企業在2018年以后的時間里，對融資的具體金額一直有些“諱莫如深”。
上個月，深睿醫療宣布完成C3輪融資，成立以來累計獲得六輪融資，有四次單筆融資額過億。再往前的2020年11月，匯醫慧影完成C2輪融資，融資額達數億元，成立以來累計獲得7輪融資。
推想科技在2018年獲得3億元的B輪融資，而在同年的C輪和2020年的D輪融資中均未披露金額，累計進行6輪融資。
拿到“眼科AI三類證”的Airdoc 的融資數額一直未對外披露，累計進行7輪融資，最近的3輪均為股權融資。2018年成立的安德醫智，共進行了3輪融資，金額均為未露。此外，硅基智能和聯影智能也均未對外披露過融資信息。
另外，值得注意的是，越來越多的產業基金也陸續進場。
產業基金相比VC的一大特點，就是更側重以自身行業優勢對創業公司的資源導入以及看重公司所在行業中的差異化優勢和能力，這也是醫學影像AI產業化程度加深的一個必然趨勢。
綜上，從融資輪次和已披露金額來看，科亞醫療顯然更多；從單筆融資金額來看，數坤的“爆發力”更強。
產業基金的入場，也讓被投企業具備了更多的商業化底氣和渠道能力。
參考四：產品的“拓荒”和“回血”能力
從公司的核心業務角度來看，AI四小龍的道路雖有重疊，但不盡相同。雷鋒網《AI掘金志》此前的文章——《》中，就清晰地勾勒了出來：
在行業大部分玩家往“前”走，做邊緣、硬件的背景下，商湯集中兵力大舉向“后”，聚焦云端，做城市級視覺中樞平臺；
與商湯不同，曠視卻奮力向前，從后端到前端全面覆蓋，走軟硬一體化之路；
依圖是第一個跳出人臉識別，把醫學影像分析作為等同于人臉識別戰略地位的獨角獸；
云從則是唯一切入金融核心業務流程的CV公司。
AI四小龍，是以AI算法切入橫向場景，而醫學影像AI企業的思路需要以縱向場景的需求出發準備數據、打磨AI算法。
因此，我們在比較醫學影像AI企業時，更多是從各科室或病種的先發優勢進行考量。
例如，科亞和數坤在心血管領域扎根最深；樂普醫療基于心電拿了三張三類證；推想和深睿也都拿到肺部AI的三類證；安德醫智專注在腦部疾病；聯影智能和匯醫慧影是在骨折場景中，依圖醫療是骨齡檢測；Airdoc和硅基智能則是在眼科。
可以看到，在現有的疾病檢查場景中，幾乎都會有兩家左右的企業取得先發優勢。
拿到三類證之后，就意味著有更多商業化的可能。但是，從每一家企業的招投標結果來看，醫療影像AI企業并沒有走上一條“康莊大道”。
目前，在全國范圍層面，該類產品仍屬于新型應用，尚無統一收費規則或標準。
中國醫學影像AI產學研用創新聯盟理事長、上海長征醫院影像醫學與核醫學科主任劉士遠曾透露，部分省份已經開始為AI產品建立收費目錄，但具體落地仍需時日。
所以，很多企業的商業化之后，是從零敲碎打開始。
深圳市第二人民醫院2020年12月發布的肺結節人工智能輔助診斷系統采購中標公告顯示，該院采購的醫準智能研發的肺結節人工智能輔助診斷系統，成交金額為49.6萬元。?
根據寧夏回族自治區人民醫院2019年9月發布的一則采購項目中標公告，推想科技的人工智能肺結節輔助診斷系統在進入該院時的中標價格為89.6萬元。而在遼寧的瓦房店市中心醫院肺結節人工智能診斷系統的價格為236萬元。
對于數坤科技而言，2020年洛陽市中心醫院CT室采購的智能影像后處理系統為69.389萬元；蘇州大學附屬第一醫院關于智能頭頸CTA技術后處理系統的成交價為45.9萬元；青海省心腦血管病專科醫院冠狀動脈CTA人工智能輔助診斷系統(技術服務)采購項目合同公告則是39.7萬元。
深睿醫療在岷縣中醫院婦科射頻治療儀（銳扶刀）及醫學影像處理軟件等設備采購項目中標385萬元；四川省綿陽市江油市第二人民醫院“人工智能肺部結節篩查系統”為49.8萬元。
匯醫慧影此前的一些中標項目，更多智集中的影像云服務上。它在浙江大學醫學院附屬第二醫院醫學影像人工智能科研平臺的中標價為246.27萬；而在更大規模的晉城市衛生健康委員會晉城市智慧醫療建設項目中標價為798.97萬。
可以看到，從單個輔助診斷系統來看，其市場單價在50萬元左右，沒有形成規模化的盈利閉環。因此，已經持證上崗的企業，在商業化層面仍然沒有分出太大的勝負。
參考五：上市規劃
過去幾年，AI四小龍在計算機視覺領域高歌猛進，但因為算法瓶頸以及應用場景同質化問題，“AI四小龍”開始踏上不同的征程，并相繼傳出上市的計劃。
從它們的招股書中，我們也得以窺見“最真實的一面”。
2017年、2018年、2019年上半年，曠視科技經營活動所得現金流金額分別為-1.5億元、-7.2億元和-6.8億元。
依圖2019年的凈虧損為36.47億元，2010年上半年的凈利潤仍然虧損13.03億元。
云從的招股書披露，經過調整后的虧損凈額，2017年、2018、2019年分別凈虧損-10631.63萬元、-18,067.52萬元、-170,801.61萬元，而2020年上半年，該凈虧損達到-28620.22萬元。
在融資計劃書中，商湯科技2019年的負債率也高達102.35%。
換言之，強如AI四小龍，在高估值和高投入之下都遠未實現盈利。人工智能行業投資回報周期長、投入高，在更加細分的醫學影像AI賽道中概莫能外。
從目前已披露的消息來看，科亞醫療、推想科技、Airdoc等三家企業傳出過上市計劃，科亞醫療是遞交港交所，其余兩家的目標則是科創板。經過 6 年的發展，醫學影像AI行業或將正式迎來開花結果。
值得注意的是，Airdoc與推想科技都只是簽署上市輔導協議，還未遞交正式的招股書。而唯一的一份科亞招股書，或許能夠看到醫學影像AI企業的現狀。
科亞醫療2019 年、2020 年營收分別為116.7萬元、70.9萬元。
報告期內，科亞醫療研發總投入超1.5億元，其中2019年為3543.5萬人民幣，2020 年為1.2億人民幣。
產品認證之后，科亞醫療從2019年底的120家合作醫院，達到目前728家落地和合作醫院，涵蓋我國55%的三甲醫院。
而科亞醫療運營總虧損約5億元，其中2020年全年虧損約4.8億人民幣(包含 3.1 億元股權激勵支出)。
要想成為人工智能獨角獸，燒錢換市場是行業必然之路，尤其是醫學影像AI公司投入更大。據依圖公開的招股書顯示，其智能醫療臨床決策平臺在開發階段投入了 1.17 億元。
無論是科亞醫療、還是推想科技或 Airdoc，以他們現在的市場和人員規模來看，每個月都要產生巨大的支出，平均都要達到1000萬到3000萬人民幣級別。
但過去兩年的融資記錄里，這些第一梯隊企業，已經出現明顯的資金多寡差異，甚至有的企業因為融資過少或者產品認證審批遲遲不得進展，出現裁員和市場占比滑坡的現象。
可以預見的是，在未來的幾年時間里，會有更多的醫學影像AI企業謀求上市這一條路。當然，這也意味著它們還有很多現實的問題需要解答。
?你心中的四小龍
和通用AI一樣，醫學影像AI也逃不過二八定律的支配。
此前有投資人表示：“醫療行業只能存活兩類企業，要么是小而美，亦或是大而強。”
早在2017年，商湯科技聯合創始人徐冰就直言不諱：“這是一個二八原則格外顯著的市場，只有行業第一才會獲得關注，并獲得極高的邊際收益，實現贏者通吃。而做不到第一的企業，其前期投入的高額算法研發成本則很可能淪為沉默成本。”
如今的AI企業，單純靠賣算法生存已不可能， 但技術本身的商業化空間和市場的打通，還需要持續很長時間。醫學影像AI作為研發投入高、技術周期長的知識密集型產業，商業化仍是一條漫長的道路，市場會根據價值告訴我們答案。
在你的心目中，哪幾家會成為未來醫學影像AI的“四小龍”？
文章來源｜醫健AI掘金志
